序言：寫作是分享個人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的統(tǒng)計學(xué)變量類型樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。

第1篇

現(xiàn)在國家碩士研究生培養(yǎng)門類中列于數(shù)學(xué)大類之下屬于概率論與數(shù)理統(tǒng)計大方向的有概率論與數(shù)理統(tǒng)計學(xué)術(shù)型碩士，應(yīng)用統(tǒng)計專業(yè)學(xué)位碩士兩類。兩類碩士生的來源均是四年制本科生，學(xué)術(shù)性碩士生源的一般要求是數(shù)學(xué)或統(tǒng)計學(xué)專業(yè)畢業(yè)，應(yīng)用統(tǒng)計專業(yè)學(xué)位碩士則只要求是理工科及相關(guān)專業(yè)即可，二者差別較大，專業(yè)知識的起點高度有差距。

在培養(yǎng)目標(biāo)上，兩類碩士差距就更加明顯了。學(xué)術(shù)型碩士要求可以進行基本的專業(yè)理論研究，有繼續(xù)進行高等理論研究的素質(zhì)和潛力，其中的一部分人可以繼續(xù)攻讀本專業(yè)及相關(guān)金融、管理、經(jīng)濟等相關(guān)專業(yè)的博士學(xué)位，學(xué)術(shù)性的碩士生更強調(diào)理論學(xué)習(xí)和理論基礎(chǔ)的訓(xùn)練。專業(yè)學(xué)位碩士則要求較好的專業(yè)知識實用能力，了解掌握常用統(tǒng)計方法的思想和軟件應(yīng)用，實踐能力強，具有分析解決帶復(fù)雜數(shù)據(jù)分析背景的實際問題的潛力，強調(diào)的是學(xué)生對實際問題的處理能力，各種統(tǒng)計方法的綜合運用及實戰(zhàn)能力。在國外發(fā)達國家，目前均有應(yīng)用統(tǒng)計專業(yè)學(xué)位博士，就是說將來在我們國家，優(yōu)秀的應(yīng)用統(tǒng)計專業(yè)學(xué)位碩士可以進一步攻讀專業(yè)學(xué)位博士，這類博士應(yīng)該對實際問題有敏銳的眼光，對各種實用的統(tǒng)計方法有全面的了解，知曉其長處與不足，可以解決復(fù)雜的實際數(shù)據(jù)分析問題，因此應(yīng)用統(tǒng)計專業(yè)學(xué)位碩士的概率理論基礎(chǔ)訓(xùn)練應(yīng)更加傾向于實際，傾向于在統(tǒng)計學(xué)中大量用到的概率論知識。這就決定了對兩類碩士在概率論基礎(chǔ)知識要求方面有很大不同。在概率論基礎(chǔ)方面，由于兩類生源的本科知識體系中都是以《概率論與數(shù)理統(tǒng)計》課程為起點，概率論部分基本相同，內(nèi)容是：概率基礎(chǔ)及公式，隨機變量及分布，隨機向量及分布，數(shù)字特征及計算。在碩士生階段應(yīng)在此基礎(chǔ)上考慮兩類碩士的培養(yǎng)目標(biāo)的差異，分別在概率基礎(chǔ)課程中安排不一樣的教學(xué)內(nèi)容和重點。

對學(xué)術(shù)型碩士生，通常開設(shè)《高等概率論》課程，以測度論為起點，具有一定的抽象度和深刻性，講授一般觀點下的積分、可測變換，隨機變量及向量，概率理論、基本公式獨立性，不等式和極限定理，數(shù)字特征與相依關(guān)系，講述高度抽象的測度控制理論、拉冬一尼古丁定理、抽象的條件期望理論，訓(xùn)練學(xué)生的思考能力和論證基本功。對應(yīng)用統(tǒng)計專業(yè)學(xué)位碩士，開設(shè)《概率論基礎(chǔ)課程》，不涉及測度論等抽象內(nèi)容，但是要把在實際應(yīng)用中所有數(shù)據(jù)類型所對應(yīng)的概率密度形式及演算作為重點加以訓(xùn)練，內(nèi)容應(yīng)該集中在常見隨機變量的回顧，特殊類型的隨機變量(既不是離散的也不是連續(xù)的)的引入和背景，條件概率演算一特別是連續(xù)變量對離散變量、離散變量對連續(xù)變量的條件概率計算，復(fù)雜情況下隨機變量數(shù)字特征的計算等等，強調(diào)學(xué)生的動手推演能力和問題歸類能力，例如要求學(xué)生會計算貝葉斯理論中常用的二項變量與貝塔變量的聯(lián)合分布，通過這個聯(lián)合分布來來計算相應(yīng)的廣義條件概率密度及條件數(shù)學(xué)期望。另一個例子就是給學(xué)生們詳細介紹對連續(xù)型隨機變量進行截斷以后得到的截斷隨機變量的分布推演過程，講述清楚該類型隨機變量所對應(yīng)的廣義密度函數(shù)與原來的連續(xù)型隨機變量的密度函數(shù)之間的關(guān)系，這類隨機變量既不是連續(xù)性的也不是離散型的，使二者的結(jié)合體，在生物統(tǒng)計、工程試驗的數(shù)據(jù)集合中經(jīng)常會出現(xiàn)。

第2篇

統(tǒng)計學(xué)在非統(tǒng)計學(xué)的各專業(yè)應(yīng)用非常廣泛。它不僅是數(shù)學(xué)工作者研究現(xiàn)實世界復(fù)雜問題的基本科研手段，也是其他各行各業(yè)工作者們研究各自領(lǐng)域工作的重要方法。要保證學(xué)生們通過對概率統(tǒng)計課程的專業(yè)學(xué)習(xí)后，能夠?qū)Ω黝悊栴}正確地選擇并使用統(tǒng)計方法。實際上在很多時候同學(xué)們通過學(xué)習(xí)或借鑒文獻中的做法都可以正確地選擇統(tǒng)計方法，但是在接下來的具體處理過程中就會犯下錯誤，即沒能正確理解并使用該統(tǒng)計方法。而犯上述錯誤的真正根源在于學(xué)生沒用熟練掌握概率的相關(guān)基本知識點。

實際上，統(tǒng)計方法在應(yīng)用于具體問題的時候，需要許多環(huán)節(jié)，其中最重要的是需要學(xué)生動手來推算該具體問題中涉及到的分布密度――特別是聯(lián)合密度、邊際密度與條件密度，演算方法應(yīng)用中的變量變換及相應(yīng)的分布密度，計算變量的數(shù)字特征，這些都是統(tǒng)計方法應(yīng)用的基本環(huán)節(jié)，如果計算推演這一環(huán)節(jié)沒有經(jīng)過扎實地訓(xùn)練，那么在這一環(huán)節(jié)上經(jīng)常會出錯，統(tǒng)計結(jié)論就可能是錯的。

上面的錯誤歸結(jié)起來并不是同學(xué)的統(tǒng)計學(xué)沒有學(xué)好，而是他(她)的概率論基本訓(xùn)練沒有到位，因此有必要突出強調(diào)應(yīng)用統(tǒng)計類課程所需要的重要知識點，在講授概率基礎(chǔ)課程時候加以特別強化訓(xùn)練。最重要的知識點主要有：

1.列出基于已知分布密度推導(dǎo)各種特殊數(shù)據(jù)類型的廣義概率密度的相應(yīng)方法。在實踐中最常用的數(shù)據(jù)類型主要有：一元連續(xù)型、多元連續(xù)型(常見且基本)，一元離散型、多元離散型(常見且基本)，同時具有離散型與連續(xù)型分量的多元數(shù)據(jù)(常見但不基本)，右刪失數(shù)據(jù)(工程與生物領(lǐng)域常見但不基本)、左截斷數(shù)據(jù)(不常用又不基本)，具有缺失分量的多元數(shù)據(jù)(常見但不基本)，都可以給出相應(yīng)的方法求廣義概率密度。

2.概率基本公式應(yīng)用與條件分布的演算。教會學(xué)生正確地寫出三大概率基本公式所需的各個要素，特別是關(guān)于條件概率及其密度的演算。重中之重有兩處：一是會求離散變量關(guān)于連續(xù)變量的廣義條件密度(十分常用)，二是會利用廣義條件密度及廣義邊際密度求離散變量與連續(xù)變量的廣義聯(lián)合密度(十分常用)。

3.計算條件期望、條件方差等條件化的數(shù)字特征(包括期望、方差、協(xié)方差、矩母函數(shù)、特征函數(shù)、概率母函數(shù)等)，以及數(shù)值特征之間的相互關(guān)系。這些計算都是以計算條件分布為基礎(chǔ)的，要讓學(xué)生知道條件分布密度也可以對應(yīng)到類似于數(shù)學(xué)期望等數(shù)字特征，在該場合下即被叫做條件數(shù)字特征；要讓同學(xué)們知道這些數(shù)學(xué)期望、方差等與絕對數(shù)字特征的區(qū)別，不要在計算時混淆。

第3篇

地質(zhì)統(tǒng)計學(xué)是1962年，法國著名統(tǒng)計學(xué)家G.Matheron在Traitédegéostatistiqueappliquée一文最早提出的，之后其他科學(xué)家大量理論研究的基礎(chǔ)上逐漸形成的一門新的統(tǒng)計學(xué)與地質(zhì)學(xué)的交叉學(xué)科。地質(zhì)統(tǒng)計學(xué)所利用的是應(yīng)用統(tǒng)計學(xué)。地質(zhì)統(tǒng)計學(xué)因為具有空間的分布特點，而且是利用區(qū)域變量理論作為理論基礎(chǔ)，因此地質(zhì)統(tǒng)計學(xué)在礦產(chǎn)開發(fā)、資源開發(fā)、動植物研究、地質(zhì)地貌方面都有著很突出的作用。之所以將它稱作地質(zhì)統(tǒng)計學(xué)是因為，它最早只是應(yīng)用在地理科學(xué)當(dāng)中。地質(zhì)統(tǒng)計學(xué)的創(chuàng)立最初是由G.Matheron創(chuàng)造的，經(jīng)過長時間的改造與發(fā)展，現(xiàn)在的地質(zhì)統(tǒng)計學(xué)已經(jīng)成為一門非常完善的數(shù)學(xué)工具了，而且它的應(yīng)用也變得越來越廣泛，由最初單純的地理研究，發(fā)展到今天在地球物理、地質(zhì)、生態(tài)、土壤等領(lǐng)域的廣泛應(yīng)用。

二、地質(zhì)統(tǒng)計學(xué)在礦山儲量分析當(dāng)中的應(yīng)用

地質(zhì)統(tǒng)計學(xué)是以研究區(qū)域化變量為基礎(chǔ)的,以變異函數(shù)為研究工具,研究在空間上具有隨機性和結(jié)構(gòu)性的自然現(xiàn)象的科學(xué)。地質(zhì)統(tǒng)計學(xué)在礦山儲量分析當(dāng)中的應(yīng)用中的原理大致分為以下幾種：1.區(qū)域化變量區(qū)域化變量是地質(zhì)統(tǒng)計學(xué)理論體系的核心基礎(chǔ),在實踐中,鉆孔的位置。在絕大多數(shù)情況下是不隨機的。當(dāng)兩個樣品在空間的距離很小時,樣品間會存在較強的相似性,而當(dāng)距離很大時,相似性就會減弱或不存在。也就是說,樣品之間存在著某種聯(lián)系,這種聯(lián)系的強弱是與樣品的相對位置有關(guān)的,樣品之間的聯(lián)系在空間上既具有隨機性又具有位置之間的聯(lián)系。2.半變異函數(shù)的數(shù)學(xué)模型通常情況下樣品由于取樣、化驗誤差和礦化作用在短距離內(nèi)的變化,在絕大多數(shù)情況下半變異函數(shù)在原點不等于零。也就是會存在塊金效應(yīng)。但是地質(zhì)統(tǒng)計學(xué)在礦山儲量分析當(dāng)中的應(yīng)用在實際工作中區(qū)域化變量的變化性很復(fù)雜,通常要計算幾個具有代表性的方向,然后通過結(jié)構(gòu)分析,得到一個能代表其空間變異性的模型函數(shù),由于區(qū)域化變量往往存在各向異性,不同方向上的半變異函數(shù)具有不同的變程,影響范圍是一橢球體,即各向異性橢球體。在確定空間搜索橢球體時,不僅需要指出塊金常數(shù)、基臺、變程,還需要指定一些參數(shù):圓錐體的容差角、容差限、滯后距等,各個參數(shù)的意義用幾何圖形表示。當(dāng)然應(yīng)用地質(zhì)統(tǒng)計學(xué)法對礦山儲量分析，被大部分人認為是一種較好的品位估值方法,尤其適用于品位變化大,礦巖界線由品位控制的礦床。在估值計算過程中,當(dāng)有了足夠的地質(zhì)鉆孔數(shù)據(jù)時,對礦床進行正式可行性評價時,選用地質(zhì)統(tǒng)計學(xué)法是一種較好的方法,而在對礦床進行初步評價或是數(shù)據(jù)量不足時,就要首選較簡單的方法。基于地質(zhì)統(tǒng)計學(xué)原理和礦體三維可視化建模技術(shù)的DIMINE礦業(yè)軟件,實現(xiàn)了按照不同的邊界品位動態(tài)圈定礦體,能夠以市場經(jīng)濟為向?qū)?快速計算出礦體范圍內(nèi)的礦石量,并進行儲量分級,在此過程中所得到的各中間參數(shù),可以為投資決策和日常管理提供必要的參考依據(jù)。

三、地質(zhì)統(tǒng)計學(xué)在勘探網(wǎng)度優(yōu)化方面的應(yīng)用

地質(zhì)統(tǒng)計學(xué)在勘探網(wǎng)度優(yōu)化中的應(yīng)用主要要注意以下的兩個個因素，其一是：構(gòu)造復(fù)雜程度；二是煤層的穩(wěn)定性。當(dāng)勘探區(qū)的構(gòu)造已經(jīng)經(jīng)過，詳細的勘探，構(gòu)造問題基本解決之后，勘探網(wǎng)度優(yōu)化主要的問題就是煤層的穩(wěn)定性。當(dāng)一個煤田有兩種或者是兩種以上的煤層穩(wěn)定結(jié)構(gòu)時、應(yīng)該按照儲量和厚度占有優(yōu)勢的那一個煤層類型選擇勘探網(wǎng)度的優(yōu)化。應(yīng)用地質(zhì)統(tǒng)計學(xué)的方法對露天的在勘探網(wǎng)度進行優(yōu)化，主要要分為兩個步驟：其一是建立地質(zhì)變量的最佳理論變差函數(shù)；其二是應(yīng)用地質(zhì)變量的估計方差評價勘探過程對礦床的控制程度。

四、結(jié)語

第4篇

HuCY,HuLP.JChinIntegrMed.2009;7(1):7478.

ReceivedOctober9,2008;accptedDecember1,2008;publishedonlineJanuary15,2009.

Indexed/abstractedinandfulltextlinkoutatPubMed.JournaltitleinPubMed:ZhongXiYiJieHeXueBao.

Freefulltext(HTMLandPDF).

ForwardlinkingandreferencelinkingviaCrossRef.

DOI:10.3736/jcim20090112OpenAccess

Howtoidentifystatisticaldata

ChunyanHU,LiangpingHU

ConsultingCenterofBiomedicalStatistics,AcademyofMilitaryMedicalSciences,Beijing100850,China

Keywords:statistics;medicine;dataanalysis,statistical

統(tǒng)計資料是統(tǒng)計分析的對象，正確識別統(tǒng)計資料是合理運用統(tǒng)計分析方法處理統(tǒng)計資料的首要前提；而科學(xué)完善的實驗設(shè)計又是獲得準(zhǔn)確而又可靠統(tǒng)計資料的基本保證。

1何為統(tǒng)計資料

1.1數(shù)據(jù)不等于統(tǒng)計資料某研究者提交了如下內(nèi)容。請問：它們是否叫統(tǒng)計資料？

6.55.16.13.93.57.72.11.99.67.97.67.84.66.16.42.87.62.54.68.14.86.95.12.06.46.04.58.08.08.66.44.96.46.84.73.47.71.22.80.52.63.26.57.63.55.75.42.37.42.74.26.46.97.26.76.54.07.31.14.92.52.91.93.61.42.54.42.5

它們不叫統(tǒng)計資料，因為這些數(shù)據(jù)代表什么含義并不清楚，數(shù)據(jù)的單位是什么不清楚，能派什么用場也不清楚，它們只能叫68個數(shù)據(jù)而已。

1.2僅有度量衡單位的數(shù)據(jù)仍不能稱為統(tǒng)計資料假定前面給出的68個數(shù)據(jù)的單位是ng/ml，是否可稱其為統(tǒng)計資料呢？仍然不可以！因為還缺少數(shù)據(jù)的名稱，即數(shù)據(jù)的專業(yè)含義是什么，必須交代清楚，對其進行分析和討論才能有的放矢，否則，只能是玩弄數(shù)字游戲。

1.3僅有變量名及其取值的數(shù)據(jù)仍不能稱為統(tǒng)計資料表1中有很多數(shù)據(jù)，其中的每一列都能被稱為統(tǒng)計資料嗎？

有些似乎可以，有些則不可以。因為有些列僅有變量名，其專業(yè)含義并不清楚，如“G”代表什么，其下方的“1”與“2”又分別代表什么，“X1”的含義可通過其下方的“男”、“女”得知其代表“性別”，但“X3～X13”的含義都不清楚，“X14”代表聯(lián)合用藥情況。

1.4有指標(biāo)名稱又有度量衡單位的數(shù)據(jù)是否一定就可稱為統(tǒng)計資料假定前面給出的68個數(shù)據(jù)所代表的指標(biāo)為神經(jīng)元特異性烯醇化酶（neuronspecificenolase,NSE）的含量，其單位是ng/ml，此時，它們是否就能叫統(tǒng)計資料？若要求不高，基本上可以稱其為統(tǒng)計資料；若要求嚴格，還不能這樣稱呼。因為它們測自什么樣的受試者并不清楚！比如有的測自正常人，有的測自不同疾病患者，甚至有的測自動物。表1冠心病人與正常人多項指標(biāo)的觀測結(jié)果

1.5統(tǒng)計資料應(yīng)具備4個基本要素應(yīng)當(dāng)說，指標(biāo)（或變量）名稱、度量衡單位和具體取值是統(tǒng)計資料的3個基本要素。僅有這些基本要素可能還達不到特定的研究目的，也就是說，統(tǒng)計資料還應(yīng)包括實現(xiàn)特定研究目的所對應(yīng)的特定條件。比如說，前面給出的68個數(shù)據(jù)是某年從某地區(qū)18～60歲全部正常成年人中隨機抽取的68人血液NSE酶的具體數(shù)值，而且，在獲得這些數(shù)據(jù)時，測定的時間、地點、方法、儀器設(shè)備和測定者等都相同。這樣條件下測得的NSE酶含量（ng/ml）所得的統(tǒng)計資料，運用適當(dāng)?shù)慕y(tǒng)計分析方法，才可以推測該年該地區(qū)18～60歲全部正常成年人血中NSE酶含量的（1－α）100%容許區(qū)間（醫(yī)學(xué)上習(xí)慣稱為正常值范圍）和NSE酶含量總體平均值的（1－α）100%置信區(qū)間（也有人稱為可信區(qū)間）。概括起來說，統(tǒng)計資料應(yīng)具備4個要素：影響因素（測定條件）、有明確專業(yè)含義的指標(biāo)名稱、度量衡單位和具體取值。由此可見，統(tǒng)計資料通常是復(fù)合型，一般至少含有2個變量，一個稱為影響因素，另一個稱為觀測指標(biāo)及其取值。前面舉的例子中，影響因素是受試者類型，僅測定了正常人，隱含的另一個水平是除這里定義的正常人以外的其他人，要使兩組人具有較好的可比性，與其可形成對照的是某年從某地區(qū)18～60歲全部非正常成年人中隨機抽取的68人。下面的表2中，若給X5～X11加上相應(yīng)的度量衡單位，就是一個比較正規(guī)且可達到一定研究目的的復(fù)合型統(tǒng)計資料。表2103例冠心病人與100例正常人多項指標(biāo)的觀測結(jié)果

2統(tǒng)計資料的分類

2.1定性與定量資料任何一個有一定實用價值的統(tǒng)計資料通常都是復(fù)合型統(tǒng)計資料，即至少有兩類性質(zhì)的資料，一類叫定性資料，另一類叫定量資料。通常影響因素是定性資料，而觀測結(jié)果是定量資料，但有時影響因素和觀測結(jié)果都可包含定性與定量兩類資料。

2.2資料類型的兩種劃分方法資料類型的劃分方法有傳統(tǒng)與現(xiàn)代兩種?，F(xiàn)將這兩種劃分方法作一扼要介紹，并對其加以比較。

2.2.1資料類型的傳統(tǒng)劃分方法資料類型的傳統(tǒng)劃分方法是將資料分為計量資料、計數(shù)資料和等級資料3類。其定義如下。

計量資料：測定每個觀察單位某項指標(biāo)量的大小，所得的資料稱為計量資料。例如測得正常成年男子身高（cm）、體質(zhì)量（kg）、血紅蛋白（g/L）和總鐵結(jié)合力（μmol/L）等所得的資料。

計數(shù)資料：將觀測單位按某種屬性或類別分組計數(shù)，得到各組觀察單位數(shù)稱為計數(shù)資料。例如某單位全體員工按ABO血型系統(tǒng)劃分所得A型、B型、AB型、O型血的人數(shù)分別為1598、2032、641、1823人；又例如某小學(xué)1年級至6年級的學(xué)生人數(shù)分別為90、100、86、95、112、96人。

等級資料：將觀測單位按某種屬性的不同程度分組計數(shù)，得到各組觀察單位數(shù)稱為等級資料或半定量資料或有序資料。例如用某種治療方法醫(yī)治100名某病患者，最后清點治愈、顯效、好轉(zhuǎn)、無效和死亡的人數(shù)分別為10、30、40、15和5人；又例如某醫(yī)院檢測1029例患者，其中眼晶狀體混濁程度為+、++、+++的分別有494、296、239人。

2.2.2資料類型的現(xiàn)代劃分方法資料類型的現(xiàn)代劃分方法是將資料先粗分為定量資料和定性資料兩大類，然后，再將定量資料劃分為計量資料和計數(shù)資料兩小類；將定性資料劃分為名義資料和有序資料兩小類。其定義如下。

定量資料：測定每個觀察單位某項指標(biāo)量的大小，所得的資料稱為定量資料。

計量資料：指標(biāo)的取值可以帶度量衡單位，甚至可以帶小數(shù)（標(biāo)志測量的精度）的定量資料，就叫計量資料。例如測得正常成年男子身高（cm）、體質(zhì)量（kg）、血紅蛋白（g/L）和總鐵結(jié)合力（μmol/L）等所得的資料，它們首先是定量資料，進一步細分，它們還是計量資料。

計數(shù)資料：在定量資料中，若指標(biāo)的取值可以帶度量衡單位，但不可以帶小數(shù)（只能取整數(shù)，通常為正整數(shù)）的定量資料，就叫計數(shù)資料。例如測得正常成年男子脈搏數(shù)（次/min）和引體向上的次數(shù)（次/min）。

定性資料：觀測每個觀察單位某項指標(biāo)質(zhì)的狀況，所得的資料稱為定性資料。

名義資料：在定性資料中，若指標(biāo)質(zhì)的不同狀況之間在本質(zhì)上無數(shù)量大小或質(zhì)量好壞之分或先后順序之分的定性資料，就叫名義資料。例如某單位全體員工按ABO血型系統(tǒng)（A型、B型、AB型、O型）來記錄每個人的情況所得的資料；又例如某市全體員工按職業(yè)（工人、農(nóng)民、知識分子、軍人……）來記錄每個人的情況所得的資料。

有序資料：指標(biāo)質(zhì)的不同狀況（狀態(tài)個數(shù)≥3）之間在本質(zhì)上有數(shù)量大小或質(zhì)量好壞或有先后順序之分的定性資料，就叫有序資料。例如某病患者按治療后的療效（治愈、顯效、好轉(zhuǎn)、無效、死亡）來劃分所得的資料；又例如矽肺病患者按肺門密度級別（+、++、++

+）來劃分所得的資料。

若用一張表將資料類型的現(xiàn)代劃分方法表示出來，則一目了然。見表3。表3統(tǒng)計資料類型的現(xiàn)代劃分方法

2.2.3資料類型兩種劃分方法的比較資料類型的傳統(tǒng)劃分方法是從資料的收集方式角度來定義，也可以說是就“形式”而言；而資料類型的現(xiàn)代劃分方法是從資料的性質(zhì)角度來定義，也可以說是就“本質(zhì)”而言。

事實上，當(dāng)人們看到一個記號“1”時，人們無法知道這個“1”究竟代表的是什么含義。因為它可以代表1個人的年齡為1天或1個月或1歲，可以代表某定量指標(biāo)的一個具體取值，也可以代表某組個體中具有某種陽性反應(yīng)的人數(shù)是1人（頻數(shù)為1），還可以代表受試者的一個特定性別（如用“1”代表男性，用“0”代表女性）。這說明僅從事物的表面看問題，很難準(zhǔn)確地獲知事物的本質(zhì)特征。要想準(zhǔn)確地揭示統(tǒng)計資料的性質(zhì)，只需給出資料所對應(yīng)的指標(biāo)名稱（變量名，通常隱含專業(yè)意義，若含義不明，應(yīng)明確給出）和具體取值，而不必將調(diào)查對象分組后數(shù)出各組的調(diào)查單位數(shù)。例如在表3的前4行中，任何一行的任何一個數(shù)據(jù)或符號都應(yīng)叫做其表頭上相應(yīng)指標(biāo)的具體取值，“25”是“年齡X1”的一個具體取值，“農(nóng)民”是“職業(yè)X4”的一個具體取值，同理，“+”是“尿糖X7”的一個具體取值。對于資料類型的現(xiàn)代劃分方法而言，可以說出表3中任何一列的資料類型；而對于資料類型的傳統(tǒng)劃分方法而言，就不便說出表3中后4列的資料類型，它需要先分組，然后，用每個指標(biāo)的所有不同標(biāo)志及其對應(yīng)組內(nèi)的個體數(shù)兩部分結(jié)合在一起，才叫計數(shù)資料或等級資料。而在多變量回歸分析中，需要直接利用后4列資料，此時，資料類型的傳統(tǒng)劃分方法就顯得“心有余而力不足”了。

3誤判資料類型的案例

例1原文題目：美泰寧對睡眠作用的影響。原作者研究美泰寧對戊巴比妥鈉誘導(dǎo)的小鼠睡眠的影響，選用40只體質(zhì)量相近的雄性小鼠，隨機分為溶劑對照組和3個劑量組，根據(jù)0、12.5、25.0和75.0mg/kg體質(zhì)量，用蒸餾水配成所需濃度，每天灌胃。第7天灌胃15min后，各組動物按28mg/kg體質(zhì)量腹腔注射戊巴比妥鈉，以小鼠翻正反射消失達1min以上作為入睡判斷標(biāo)準(zhǔn)，觀察腹腔注射戊巴比妥鈉25min內(nèi)各組動物發(fā)生睡眠的動物數(shù)。經(jīng)統(tǒng)計學(xué)處理，中、高劑量組與溶劑對照組比較，差異有統(tǒng)計學(xué)意義（P＜0.01）。見表4。表4美泰寧對閾下劑量戊巴比妥鈉誘導(dǎo)雄性小鼠睡眠發(fā)生率的影響

對差錯的辨析與釋疑統(tǒng)計資料常常分為定量資料和定性資料兩大類，所謂定量資料是指每個觀察單位用計量方法測量某項指標(biāo)數(shù)值大?。欢ㄐ再Y料是指記錄每個觀察單位的某一方面的特征和性質(zhì)。本資料觀察的是動物的入睡情況，原作者把每組入睡的每只動物記為1，不睡的動物記為0，這樣第一組有2個1，8個0，第2組有5個1，5個0，第1組和第2組各10個數(shù)據(jù)進行t檢驗，得t=1.406，P＜0.05（經(jīng)驗算，就計算本身而言，原作者的計算結(jié)果是正確的）。但實際上這里的1并不代表真正的數(shù)值，它只是代表一種狀態(tài)，即入睡，而0則代表沒有入睡，因而本資料從性質(zhì)上說應(yīng)屬于定性資料。但原作者卻錯誤地將其判斷為定量資料，表的標(biāo)題后括號內(nèi)寫了x±s的形式，但實際上表中并沒有表示平均數(shù)和標(biāo)準(zhǔn)差的數(shù)據(jù)，反而誤導(dǎo)讀者該資料為定量資料。一般來說，t檢驗僅適于分析定量資料，用分析定量資料的方法去分析定性資料顯然是錯誤的。

正確判定統(tǒng)計資料屬于定量資料還是定性資料是選用統(tǒng)計分析方法的首要前提。本資料屬于定性資料，應(yīng)根據(jù)分析目的，合理選用適合此類資料的分析方法如Fisher精確檢驗進行統(tǒng)計分析。

例2原文題目：小兒皮膚血管瘤雌、孕激素受體的研究。原作者意在探討雌激素受體（estrogenreceptor,ER）和孕激素受體（progesteronereceptor,PR）在血管瘤發(fā)生、發(fā)展中的意義。采用免疫組化方法對毛細血管瘤、混合型血管瘤、海綿狀血管瘤、淋巴管瘤及正常皮膚組織的ER和PR進行檢測。全部標(biāo)本經(jīng)10%福爾馬林固定，常規(guī)石蠟包埋。每例選一典型蠟塊，4～6μm切片，進行免疫組化染色，高倍鏡下每例腫瘤區(qū)內(nèi)計數(shù)500個細胞，計數(shù)ER和PR陽性細胞百分率，統(tǒng)計方法用χ2檢驗。結(jié)果見表5。表5血管瘤和淋巴管瘤中ER和PR檢測結(jié)果

對差錯的辨析與釋疑正確判別統(tǒng)計資料的設(shè)計類型是合理選擇統(tǒng)計分析方法的重要前提。根據(jù)統(tǒng)計指標(biāo)的性質(zhì)，統(tǒng)計資料一般分為定量資料和定性資料兩大類。所謂定量資料，是指每個觀察單位（針對此資料，其觀察單位是病例標(biāo)本）測得的指標(biāo)是用具體的數(shù)值表示，其又細分為計量資料和計數(shù)資料；所謂定性資料，是指每個觀察單位測得的指標(biāo)僅反映某一方面的性質(zhì)，并不能用具體的數(shù)值表示，其又細分為名義資料和有序資料。對于本資料來說，測量細胞的結(jié)果是“陽性”或“陰性”，且一般認為帶有“率”的資料就是定性資料，似應(yīng)判為定性資料。然而問題的關(guān)鍵在于，原作者的觀察單位并不是細胞本身，而是每一個病例標(biāo)本。原作者關(guān)心的是4種疾病病例標(biāo)本和一組正常人標(biāo)本的ER和PR陽性細胞率之均值是否相同，從每一個病例標(biāo)本中得到的是ER和PR陽性細胞率，是一具體的數(shù)值，因而應(yīng)屬于定量資料。如果僅從資料的表面現(xiàn)象（有“率”）進行判斷，而不考慮每一個數(shù)值的實際含義，沒有從資料的本質(zhì)上進行判斷，很容易判斷錯誤。

本資料的受試對象為病例標(biāo)本，測量指標(biāo)為“陽性細胞百分率”，因而應(yīng)為定量資料，其涉及一個實驗因素，即樣品類別，有5個水平，即毛細血管瘤、混合型血管瘤、海綿狀血管瘤、淋巴管瘤和正常皮膚。對于百分率的定量指標(biāo)，一般根據(jù)經(jīng)驗，宜做平方根反正弦變換，使資料檢驗滿足正態(tài)性和方差齊性的前提條件后，按單因素五水平設(shè)計資料進行方差分析，如變量變換后仍不滿足前提條件，則用非參數(shù)檢驗。

例3有人對103例冠心病患者（G=1）和100例正常對照者（G=2）進行了多項指標(biāo)的觀測，資料見表2。若以X5～X11為定量的結(jié)果變量，分別以“組別、性別、年齡、高血壓史、吸煙史、基因型”為影響因素，有人說此表中的資料類型為定性資料，也有人認為是定量資料。請問：此表中的統(tǒng)計資料究竟是什么資料［1］。

對差錯的辨析與釋疑將此表中的資料說成是定性資料或定量資料都不對，因為此表中有很多列，各列資料的性質(zhì)不盡相同。若籠統(tǒng)地說，此表中的資料為混合型統(tǒng)計資料；具體地說，應(yīng)根據(jù)各列變量、取值及其專業(yè)含義，區(qū)別對待。

第1列“編號”不屬于統(tǒng)計資料，僅起一個標(biāo)識作用，若一定要問該變量的性質(zhì)是什么，可叫它為“多值有序變量”。

第2列“組別（區(qū)分正常人和冠心病病人）”、第3列“性別”、第5列“是否有高血壓史”和第6列“是否抽煙”都是定性資料，其變量性質(zhì)應(yīng)叫做“二值名義變量”。

第7列～第13列都是“血脂指標(biāo)”，它們都是定量資料，具體應(yīng)叫做計量資料。

第14列和第15列分別是兩種“基因型”（通常有3種表現(xiàn)：－/－、－/+、+/+），它們都是定性資料，其變量性質(zhì)應(yīng)叫做“三值名義變量”。

第16列是“服藥情況”，其變量性質(zhì)應(yīng)叫做“多值名義變量”。

4小結(jié)

本文從正反兩個方面介紹了什么是統(tǒng)計資料、統(tǒng)計資料的分類以及統(tǒng)計資料識別中常犯的錯誤。按現(xiàn)代劃分方法來命名統(tǒng)計資料，有利于抓住問題的實質(zhì)?？蒲性O(shè)計的質(zhì)量好壞和實施過程中的質(zhì)量控制水平

的高低決定了所收集的統(tǒng)計資料是否準(zhǔn)確、可靠；而正確識別各種研究問題中的統(tǒng)計資料類型，則是合理選用統(tǒng)計分析方法處理統(tǒng)計資料的關(guān)鍵環(huán)節(jié)。這是所有希望靠數(shù)據(jù)來說話的科研工作者不可小視的一個大問題！

第5篇

1χ2檢驗的常見誤用

1．1誤用χ2檢驗替代秩和檢驗例1稿件題目《皖北礦區(qū)嬰幼兒氣質(zhì)特點調(diào)查分析》，表1為作者調(diào)查不同性別嬰幼兒氣質(zhì)類型分布比較的原表。

該例作者將不同性別的嬰幼兒氣質(zhì)分為易養(yǎng)型、中間偏易養(yǎng)型、中間偏難養(yǎng)型、難養(yǎng)型、發(fā)動緩慢型，這5種類型實質(zhì)上是一個等級分類，從易養(yǎng)型到難養(yǎng)型，再到發(fā)動緩慢型，是結(jié)果變量(氣質(zhì)類型)為有序變量的單向有序列聯(lián)表資料。要觀察此2組分布的差異，不能使用χ2檢驗，應(yīng)使用成組設(shè)計兩樣本比較的秩和檢驗(Wilcoxon兩樣本比較法)，得uc=1．05，P＞0．05。但是，有學(xué)者會認為作者使用的方法雖然不恰當(dāng)，但是結(jié)果都是一樣的，不必小題大做。實際上2×C列聯(lián)表的χ2檢驗，與結(jié)果變量的是否有序沒有關(guān)系，用χ2檢驗分析得出的結(jié)果是男女不同氣質(zhì)類型的頻數(shù)是否相同，而得不出男女不同氣質(zhì)類型的差異是否有統(tǒng)計學(xué)意義的結(jié)論。

例2稿件題目《無創(chuàng)機械通氣聯(lián)合硝普鈉治療急性心源性肺水腫》，作者分別采用無創(chuàng)機械通氣聯(lián)合硝普鈉(A組)、單純硝普鈉治療(B組)和常規(guī)治療(C組)急性心源性肺水腫患者，并統(tǒng)計分析3組的治療效果，見表2。由于例2是多組單向有序資料的分析，應(yīng)采用成組設(shè)計多個樣本比較的秩和檢驗(Kruskal-Wallis法)，得Hc=6．50，P＜0．05，3組療效差異有統(tǒng)計學(xué)意義。

1．2誤用χ2檢驗替代四格表確切概率法例3作者觀察白細胞介素-6(IL-6)在正常卵巢組織和卵巢癌組織中的表達情況，見表3。當(dāng)四格表最小理論頻數(shù)＜1或n＜40，宜用四格表確切概率法分析;由于本例n=30，故不能采用一般四格表χ2檢驗，應(yīng)使用四格表確切概率法分析，得P=0．000。

1．3誤用χ2檢驗替代配對χ2檢驗例4稿件題目《超聲彈性成像及陰道超聲檢查在子宮頸占位性病變診斷中的對比研究》，其中一項觀察是作者應(yīng)用陰道超聲聯(lián)合縱、橫切面彈性成像診斷子宮頸占位性病變，并與病理學(xué)診斷比較得出表4結(jié)果。

作者在作統(tǒng)計學(xué)分析時采用一般四格表資料χ2檢驗進行分析，得出差異均有統(tǒng)計學(xué)意義，說明陰道超聲聯(lián)合彈性成像診斷的假陽性率高。正確統(tǒng)計學(xué)方法是采用配對四格表χ2檢驗分析，要注意是:當(dāng)b+c＜40時用校正配對χ2檢驗，正如表5，得出差異均無統(tǒng)計學(xué)意義，說明陰道超聲聯(lián)合彈性成像診斷與病理診斷一致。

1．4誤用χ2檢驗處理相關(guān)性分析

例5作者為觀察凋亡抑制基因Livin及PTEN在卵巢上皮性癌組織中表達的相關(guān)性，作了表6統(tǒng)計學(xué)分析，得出卵巢上皮性癌組織中Livin與PTEN表達無相關(guān)性。作者誤用χ2檢驗分析雙向有序且屬性不同列聯(lián)表資料;而作者的意圖是分析2種基因的蛋白表達是否有相關(guān)關(guān)系，所以應(yīng)用Spearman等級相關(guān)分析，得r''''s=－0．336，P＜0．01，卵巢上皮性癌組織中Livin與PTEN的表達呈負相關(guān)關(guān)系的結(jié)論。

2t檢驗的常見誤用

2．1誤用兩兩t檢驗替代方差分析和q檢驗

例6《缺血性腦血管病患者同型半胱氨酸和基質(zhì)金屬蛋白酶-9與頸動脈粥樣硬化的關(guān)系》一文，作者分別觀察比較了正常對照組和缺血性腦血管病患者有斑塊組及無斑塊組的同型半胱氨酸(Hcy)和基質(zhì)金屬蛋白酶-9(MMP-9)水平，原稿統(tǒng)計學(xué)方法中采用兩兩t檢驗，見表7。

該例研究實際上是檢驗3個相互獨立樣本均數(shù)差異有無統(tǒng)計學(xué)意義，屬于單因素方差分析;而t檢驗只能用于2個成組樣本均數(shù)差異有無統(tǒng)計學(xué)意義的檢驗，故應(yīng)采用單因素方差分析進行檢驗。若差異有統(tǒng)計學(xué)意義，則可進行多個樣本的兩兩比較，如q檢驗等。本例若直接通過t檢驗作兩兩比較，會增加犯第一類錯誤的概率α，如本例犯第一類錯誤的概率α為0．1426，比0．05大多了，所以應(yīng)在方差分析的基礎(chǔ)上進行q檢驗，改正后見表8，還要有標(biāo)記標(biāo)注各組間差異有無統(tǒng)計學(xué)意義。

2．2誤用t檢驗替代配對t檢驗例7稿件題目《單束重建聯(lián)合脛骨嵌入重建后交叉韌帶》，作者采用Lysholm膝關(guān)節(jié)功能評分評定手術(shù)前后的膝關(guān)節(jié)功能，見表9。

本例作者采用自身對照研究，比較治療前后變化觀察療效，而錯誤地采用隨機t檢驗進行統(tǒng)計學(xué)處理。隨機t檢驗的應(yīng)用是完全隨機設(shè)計的計量資料，是研究者觀察2樣本x±s差異有無統(tǒng)計學(xué)意義。配對t檢驗是適用于配對設(shè)計的計量資料，包括自身對照和配對對照研究。由于配對t檢驗最大程度地減少了個體變異對處理間變異的可能影響，用較少樣本可得較多的信息，提高了檢驗效能;但其數(shù)據(jù)處理主要是研究者對觀察對象處理前后觀察指標(biāo)的差值平均數(shù)和差值標(biāo)準(zhǔn)差的處理。正確處理見表10。例8《醒腦靜治療急性腦出血的臨床觀察》一文，作者分對照組和治療組分別采用常規(guī)治療和常規(guī)治療基礎(chǔ)上加用醒腦靜治療，于治療14天后評價2組的臨床神經(jīng)功能缺損程度評分。作者在同組和組間治療前后比較中均采用了成組設(shè)計定量資料的t檢驗，見表11。

從臨床應(yīng)用角度來講，該例中的對照組為臨床常用的有效治療方案，而作者研究的目的是觀察2組治療后的療效誰更好。本例作者對組內(nèi)治療前后指標(biāo)變化比較直接采用原始數(shù)據(jù)計算各自x±s，并作成組比較的t檢驗分析，此時擴大了樣本例數(shù)，如治療組由80例擴大到160例，易得出假陽性結(jié)果;另外，表11對2組治療后x±s作成組t檢驗只能反映治療組治療后的水平較對照組治療后低，并未能真實反映療效，因為2組治療前的基本數(shù)據(jù)不完全一樣。欲真實反映療效需作2步分析:第一，每組作治療前后的自身對照分析，評價每組治療是否有效，此時各組樣本數(shù)仍各為80例;第二，在2組自身對照差異均有統(tǒng)計學(xué)意義的情況下，欲知道治療組的效果是否真正優(yōu)于對照組，需比較2組的d±sd差異是否有統(tǒng)計學(xué)意義。通過計算得出2組治療均有效，但治療組效果更好于對照組，見表12。

第6篇

關(guān)鍵詞：商品房銷售單價增長率；單因素方差；顯著差異性分析

中圖分類號：F126 文獻識別碼：A 文章編號：1001-828X（2017）009-0-02

一、引言

伴隨我國宏觀經(jīng)濟的高速增長和持續(xù)發(fā)展，尤其是城鄉(xiāng)一體化戰(zhàn)略的推進，房地產(chǎn)業(yè)迎來了復(fù)蘇和急劇發(fā)展的階段。作為國民經(jīng)濟的重要組成部分，房地產(chǎn)市場的發(fā)展對國家整體和居民個體都有很大的影響。當(dāng)前，全國房價呈現(xiàn)出普遍上漲的態(tài)勢，各地調(diào)控政策的出臺、房市相關(guān)動態(tài)時刻備受市民關(guān)注，住房市場的價格波動已經(jīng)影響到居民的生活水平和民生問題，而房價的增長幅度成為市民最直接的關(guān)注點和落腳點。本文以廣西各地區(qū)2005-2015年度的房價為研究對象，用單因素方差模型對14地市各年度間房價增長的差異進行了分析。

二、基本思想和原理

方差分析是通過檢驗各因子水平下總體均值是否相等來判斷分類型自變量對數(shù)值型因變量是否有顯著影響。其中，檢驗的對象稱為因子，為分類型自變量；每個因子的不同樣本數(shù)據(jù)為觀測值，為數(shù)值型因變量。

分析步驟：

假設(shè)有k個自變量值，第i個自變量值下的樣本量為ni，第i個自變量值下的第j個樣本觀測值為xij；其中i=1，2，3，…，k，j=1，2，…，ni。

a.提出假設(shè)。假設(shè)各自變量值下的樣本均值相等：

不全相等

b.計算統(tǒng)計量。

每個自變量值下的樣本誤差平方和為只含隨機誤差誤差平方和，用SSE表示：

，其中為i組樣本均值 （1）

不同自變量值之間的樣本誤差平方和為組間誤差，既有隨機誤差又有系統(tǒng)誤差，用SSA表示：

，其中為所有樣本均值 （2）

所有樣本誤差為總體間誤差平方和為總平方和，用SST表示：

（3）

檢驗統(tǒng)計量F：

（4）

c.統(tǒng)計決策。當(dāng)，拒絕原假設(shè)H0，各自變量值下的樣本均值之間差異是顯著的，自變量對因變量有顯著影響。當(dāng)，不能說明各自變量值下的樣本均值之間差異是顯著的。

d.多重比^使用S-N-K比較法，將均值無差異的自變量值下的樣本歸于同一子集。

三、數(shù)據(jù)設(shè)計

本文數(shù)據(jù)來源于2004-2015年統(tǒng)計年鑒，選用廣西14個市的商品房數(shù)據(jù)，包括商品房銷售額和商品房銷售面積。其中，銷售單價=商品房銷售額/商品房銷售面積，某年的銷售單價增長率=該年銷售單價/上年銷售單價-1。當(dāng)中，賀州市和崇左市2004年的商品房信息缺失，河池市2015年的商品房銷售數(shù)據(jù)有誤，整理后的2005-2015年廣西各市商品房房價增長率數(shù)據(jù)如下表1所示。

以2005―2015年11個年度為分類型自變量值，以14地市的商品房銷售單價增長率為數(shù)值型因變量。利用單因素方差分析商品房銷售單價年度增長率總體均值的差異，用S-N-K多重比較法對比每兩個年度的均值差異。

四、結(jié)果分析

利用上述建立的單因素方差分析模型，利用SPSS22.0，導(dǎo)入數(shù)據(jù)，設(shè)置顯著性水平為0.05。

首先，整體數(shù)據(jù)作Leven’s方差齊性檢驗，其結(jié)果如下表2。

表2中的檢驗，認為各年度增長率方差是相等的，滿足了進行方差分析的條件。

接著，2005-2015年11個年度的商品房銷售單價增長率方差分析表如下表3。

顯著性水平

表3中，商品房銷售單價增長率統(tǒng)計量，且顯著P值明顯低于顯著性水平，說明11年間廣西商品房銷售單價增長率存在著顯著性差異。因此，需要進行多重比較，將差異不顯著的幾年歸于一個集合。

2005-2015年11個年度的商品房銷售單價增長率經(jīng)過S-N-K多重比較分析結(jié)果如下表4。

會顯示同質(zhì)子集中群組的平均值。

a.使用調(diào)和平均值樣本大小=13.697

b.群組大小不相等。將使用群組大小的調(diào)和平均值。不保證類型|錯誤層級。

表4中，先根據(jù)年度商品房銷售單價增長率的均值排序，根據(jù)兩兩間的均值差異性，分為兩大子集，即屬同一子集的年度間的商品房銷售單價增長率均值無顯著差異，所屬不同子集的年度間的商品房銷售單價增長率均值皆存在一定程度以上的差異。根據(jù)分析結(jié)果得出，2005年、2011年、2013年、2014年和2015年屬于集合1，這5個年度的廣西整體商品房銷售單價增長率偏低；2006―2010年和2012年都屬于廣西整體商品房銷售單價增長率偏高的年度。

從整體時間推進上來看，從2006年開始，廣西的商品房價格突然出現(xiàn)迅猛增長，主要因為經(jīng)濟的快速發(fā)展刺激了住房消費，推動了房價的快速上漲；2007至2010這四年間一直保持居高不下的增長勢頭，這期間房地產(chǎn)投資持續(xù)加大，國家出臺支持改善性住房消費的相關(guān)政策，推動房地產(chǎn)經(jīng)濟迅速發(fā)展；在2011―2014年增長逐緩，甚至到2015年出現(xiàn)了負增長，由于國家針對房地產(chǎn)市場投資過熱陸續(xù)房地產(chǎn)調(diào)控限購、土地監(jiān)管、金融房貸等政策，抑制投機投資性購房，從而使得商品房價格的增幅縮小。從整體發(fā)展趨勢來看，在未來兩年廣西的商品房價格仍將保持增長的勢頭，但增速相對平緩，不會出現(xiàn)太大的波動。

五、結(jié)語

總而言之，本文選用商品房銷售單價增長率為變量，利用方差分析的方法和模型進行分析和對比，說明了廣西各地市在2005―2015年這11年間各年度商品房銷售單價增長率均值存在顯著差異。針對其差異，具體說明了廣西商品房銷售單價在時間軸上的變化趨勢，并根據(jù)其趨勢，對未來廣西的商品房價格走向情況作出判斷。若要對廣西房價未來的增長趨勢作更準(zhǔn)確的預(yù)測，可以結(jié)合各種具體影響因素如國家的宏觀調(diào)控政策等進行具體分析。

參考文獻：

[1]廣西壯族自治區(qū)統(tǒng)計局.廣西統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2016.

[2]賈俊平，何曉群，金勇進.統(tǒng)計學(xué)（第六版）[M].北京：中國人民大學(xué)出版社，2015.

[3]陳曉婷.宏觀因素對我國房價波動的影響―基于VAR模型的實證研究[D].東北財經(jīng)大學(xué)，2011.

[4]鄧維斌，唐興艷，胡大權(quán)，周玉敏.統(tǒng)計分析實用教程SPSS（中文版）[M].北京：電子工業(yè)出版社，2012.

作者簡介：高淑蘭（1988-），女，百色學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院，主要從事應(yīng)用數(shù)學(xué)研究。

第7篇

統(tǒng)計學(xué)處理

使用SPSS13．0完成統(tǒng)計分析，以家庭養(yǎng)育環(huán)境因素為自變量，氣質(zhì)維度為因變量進行多因素線性回歸分析（后退法），P＜0．05為差異有統(tǒng)計學(xué)意義。結(jié)果1．嬰幼兒基本狀況本次調(diào)查以中國疾病預(yù)防控制中心婦幼保健中心課題為樣本，共207例產(chǎn)婦及其嬰幼兒納入，剔除調(diào)查資料不全者，共收回氣質(zhì)問卷112份（有效應(yīng)答率為54．11％）。

嬰幼兒氣質(zhì)類型分析

112例母乳喂養(yǎng)兒童中平易型68例（60．7％），中間偏易型32例（28．6％），中間偏煩型2例（1．8％），麻煩型3例（2．7％），發(fā)動緩慢型7例（6．3％）。其中男童中平易型46例（40．1％），中間偏易型11例（9．8％），中間偏煩型2例（1．8％），麻煩型2例（1．8％），發(fā)動緩慢型3例（2．7％）。女童中平易型22例（19．6％），中間偏易型21例（11．8％），中間偏煩型0例（0％），麻煩型1例（0．9％），發(fā)動緩慢型4例（3．6％）。男女各氣質(zhì)類型的分布差異無統(tǒng)計學(xué)意義（χ2＝2．255，P＝0．324）。

母乳喂養(yǎng)嬰幼兒氣質(zhì)維度的多元線性回歸

多元線性回歸結(jié)果顯示，母親文化、家庭結(jié)構(gòu)、家庭月收入與氣質(zhì)中4個因子（活動水平、趨避性、注意分散、反應(yīng)閾）有關(guān)。性別與氣質(zhì)中4個因子（節(jié)律性、趨避性、心境、持久性）有關(guān)（表1）。

嬰幼兒氣質(zhì)類型的分布情況

本研究顯示，母乳喂養(yǎng)的嬰幼兒中平易型68例（60．7％），中間偏易型32例（28．6％），中間偏煩型2例（1．8％），麻煩型3例（2．7％），發(fā)動緩慢型7例（6．3％）。母乳喂養(yǎng)嬰幼兒氣質(zhì)類型分布以平易型為主，其次為中間偏易型、中間偏煩型、麻煩型，發(fā)動緩慢型最少。與朱雪娜等［2］的報道相比，母乳喂養(yǎng)嬰幼兒中平易型和中間偏易型比例較大。王衛(wèi)芳［3］研究中，平易型占39．94％，母乳喂養(yǎng)嬰幼兒中平易型比例較大。

男女氣質(zhì)類型分布無統(tǒng)計學(xué)差異，與以往的研究一致。平易型和中間偏易型占大多數(shù)，與國內(nèi)資料報道的4－8個月、3－7歲兒童氣質(zhì)分布的報道一致。說明氣質(zhì)是先天性較為穩(wěn)定的心理特征，不同年齡段，氣質(zhì)類型分布基本一致。

母乳喂養(yǎng)嬰幼兒氣質(zhì)維度的特點

在本研究中，母乳喂養(yǎng)嬰幼兒平易型68例（60．7％），中間偏易型32例（28．6％）。Thomas和Chess最早提出兒童氣質(zhì)對兒童心理行為發(fā)展可能緊密相關(guān)。他們在很多的研究中發(fā)現(xiàn)易養(yǎng)型或中間偏易型：以生物功能節(jié)律性強，容易接受新事物，情緒多為積極，反應(yīng)強度中等或較低，適應(yīng)快為特點。有研究發(fā)現(xiàn)母乳喂養(yǎng)對兒童氣質(zhì)發(fā)育有積極的影響，如母乳喂養(yǎng)兒比人工喂養(yǎng)兒情緒更穩(wěn)定，社交更敏感，焦慮、煩躁、睡眠障礙等問題的發(fā)生率明顯降低。母乳喂養(yǎng)中母嬰之間關(guān)系更融洽，母親關(guān)注嬰兒更多，因此適時作出調(diào)整以適應(yīng)嬰兒規(guī)律，嬰兒在這種愉快的環(huán)境中成長，表現(xiàn)為交往積極、情緒穩(wěn)定。

Quinonez等［4］對56例18個月的兒童進行EAS氣質(zhì)測定和ECC（EarlyChildCare）評定，經(jīng)多因素回歸分析顯示氣質(zhì)中4個因子（情緒狀態(tài)、生物活動節(jié)律、社交反應(yīng)性、內(nèi)向性）與喂養(yǎng)方式無關(guān)。研究結(jié)論如此迥異，可能與研究樣本量的大小、方法不一和各種混雜因素的影響有關(guān)。

母乳喂養(yǎng)嬰幼兒氣質(zhì)的多元線性回歸結(jié)果

第8篇

1對象與方法

1．1臨床資料

選擇2008年1月至2013年12月河南省腫瘤醫(yī)院收治的、行全子宮/廣泛子宮切除+雙附件切除+盆腔淋巴結(jié)清掃術(shù)的子宮內(nèi)膜癌患者共449例為研究對象?；颊吲R床資料完整，排除因高血壓、糖尿病、冠心病等嚴重合并癥未能接受手術(shù)者?；颊?4～83歲，中位年齡55．98歲;根據(jù)2009年國際婦產(chǎn)科聯(lián)盟(FIGO)手術(shù)病理分期標(biāo)準(zhǔn)，Ⅰ期394例，Ⅱ期19例，Ⅲ期33例，Ⅳ期3例;子宮內(nèi)膜樣癌420例，漿液性狀癌8例，透明細胞癌2例，腺鱗癌16例，神經(jīng)內(nèi)分泌癌3例;組織學(xué)分級中高分化383例，低分化66例;浸潤深度達深肌層99例，淺肌層350例;其中行腹主動脈旁淋巴結(jié)清掃術(shù)158例。

1．2隨訪

對所有患者進行電話或者門診隨訪，以2014年6月為隨訪截止時間，共隨訪6～81個月，中位隨訪期38個月。死亡為終點事件，由于各種原因失訪以及到觀察期終止依然存活的病例為刪失。

1．3統(tǒng)計學(xué)處理

采用SPSS17．0進行統(tǒng)計學(xué)分析，盆腔和腹主動脈旁淋巴結(jié)轉(zhuǎn)移影響因素的單因素分析采用χ2檢驗或精確概率法，多因素分析采用logistic回歸分析;預(yù)后影響因素篩選采用COX回歸分析。檢驗水準(zhǔn)α=0．05。

2結(jié)果

2．1子宮內(nèi)膜癌盆腔淋巴結(jié)轉(zhuǎn)移相關(guān)因素的分析

單因素分析見表1。以盆腔淋巴結(jié)轉(zhuǎn)移為因變量(陰性=0，陽性=1)，以組織學(xué)分級(中高分化=0，低分化=1)、病理學(xué)類型(子宮內(nèi)膜樣癌=0，非內(nèi)膜樣癌=1)、FIGO分期(Ⅰ、Ⅱ、Ⅲ、Ⅳ期分別賦值為0、1、2、3)和浸潤深度(淺肌層=0，深肌層=1)為自變量，構(gòu)建logistic回歸模型，結(jié)果(表2)顯示，F(xiàn)I-GO分期、浸潤深度是子宮內(nèi)膜癌盆腔淋巴結(jié)轉(zhuǎn)移的獨立危險因素。

2．2子宮內(nèi)膜癌腹主動脈旁淋巴結(jié)轉(zhuǎn)移相關(guān)因素的分析

單因素分析見表3。表3顯示，深肌層浸潤、盆腔淋巴結(jié)轉(zhuǎn)移是腹主動脈旁淋巴結(jié)轉(zhuǎn)移的影響因素。以腹主動脈旁淋巴結(jié)轉(zhuǎn)移為因變量(陰性=0，陽性=1)，以FIGO分期(賦值同2．1)、浸潤深度(賦值同2．1)、盆腔淋巴結(jié)轉(zhuǎn)移(陰性=0，陽性=1)為自變量，構(gòu)建logistic回歸模型，結(jié)果(表4)未篩出有統(tǒng)計學(xué)意義的變量(P均＞0．05)。

2．3子宮內(nèi)膜癌預(yù)后相關(guān)因素分析

137例失訪(30．5%)，以生存時間和結(jié)局為因變量，分別以年齡(“＜55．95歲”=0，“＞55．95歲”=1)、組織學(xué)分級、病理學(xué)類型、FIGO分期、浸潤深度(同2．1)、盆腔淋巴結(jié)轉(zhuǎn)移(賦值同2．2)、腹主動脈旁淋巴結(jié)轉(zhuǎn)移(陰性=0，陽性=1)、腹主動脈旁淋巴結(jié)清掃(有=0，無=1)為自變量，構(gòu)建COX風(fēng)險比例模型，結(jié)果(表5)顯示，病理學(xué)類型、FIGO分期、盆腔淋巴結(jié)轉(zhuǎn)移、腹主動脈旁淋巴結(jié)轉(zhuǎn)移為子宮內(nèi)膜癌預(yù)后的獨立影響因素。

3討論