时间：2023-07-12 16:49:43
导语：在多元统计学方法的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
关键词： 心理统计学 哲学 方法论
一、引言
哲学是关于世界观和方法论的学说，研究自然、社会和思维的最一般的规律，在人们认识世界和改造世界的过程中发挥了重要的作用［1］。哲学在发展过程中，不仅在自身领域的研究中取得了重大进展，而且推动了其他的一些学科的诞生，如天文学、数学、教育学、美学等。统计学也当然可以归于哲学的发展框架下。因此，可以从某种程度上来讲，哲学可称为“万学之母”，抑或“元科学”。
统计学作为一门研究客体特征和规律的方法论学科，有很强的数学基础做支撑。它不但可以作为一门基础学科创造和发展理论，完善学科结构，而且可以作为一种应用型很强的学科，为人们认识世界和改造世界，进行量化研究提供强有力的工具手段。掌握好统计学，对进行科学研究，尤其是量化的科学研究必将大有裨益。然而正是由于其要求较强的数学基础，因此对于缺乏数学训练的人，尤其是文科学生来说，对统计学的掌握就可能成为一件比较让人头疼的事情，有的甚至是“谈‘统计’色变”。即使不从理论研究的深度来学习，哪怕只是在统计学的应用层面上来掌握，强调实用性，也需要费些心思，再加上没有适当的方法，就可能更加懊恼了。但是，由于哲学对统计学起指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法，因此如果能将哲学中的一些方法论知识运用到统计学习中，可能会起到事半功倍的效果。
二、哲学思想的运用
哲学的众多原理和方法论都可以作为统计学习的有力指导，本文选择三方面加以阐释。
1.“从一到多”的思想，也可以称为“从简单到复杂”的思想。事物的状态有繁有简，有的表现在量的层面上，有的则表现在质的层面上。单从量的层面上来讲，就可以看到从1个、2个到3个乃至多个的变化。比如，线性回归中，从最初的回归模型中只包含一个自变量的最简单模型到后来的回归模型中包含2个甚至更多个自变量的情况，是一种从自变量的角度来观察模型由简单到繁琐的过程［2］。再比如，从t检验到方差分析的变化。t检验可以有三种情况，即单样本t检验，独立样本t检验和配对样本t检验（后两者均可以检验两个总体的均值是否有差异，只是在具体的操作过程中有些差别）。但是对于三个及以上的均值是否存在显著差异的检验，t检验则显得力不从心了（多次两两比较可能增大一类错误的概率），而方差分析则会很好地解决这一问题，因为其不仅可以处理独立样本的问题，还可以处理重复测量的问题，在很大程度上弥补了t检验的不足［3］。不难看出，从t检验到方差分析，又是一个针对平均数个数从简单到繁琐的过程。回顾上面的例子，可以对这一形式的统计方法有一个比较性的认识。首先，它们都是从一个向多个的变化过程。“多”个的发展是以“一”个的发展为前提的，换句话说，多个变量的模型要想发展，必须满足一个变量的单个模型发展所需要的假设条件。比如，多元回归要想进行就必须满足一元回归所要求的一系列条件（如正态性、连续性和方差齐性）。而方差分析若要进行也必须满足独立t检验所需要的条件（方差齐性）。如果不能满足，那么即使统计方法再先进，其科学性差的结果也是不容置疑的。其次，还要看到“多”与“一”的不同。这表现在：一方面，从前提假设方面来讲，“多”除了要满足“一”所需要的基本前提条件外，还有自己的额外要求。比如，多元回归中的多重共线性检验、多元正态分布及方差分析中的协方差分析。另一方面，从功能上讲，“多”的功能与“一”的功能既存在一致性，又存在区别，比如一元回归所能解决的问题运用多元回归也能解决，但是一个含有两个自变量的二元回归的功能却不能由分别以每个自变量作一次回归的两个简单回归的功能之和。对于方差分析，如前所述，亦不能分别进行多次两两比较的t检验来完成。了解这一思想后，在处理类似的情况时，便可以通过比较分清异同之处，查找前提条件，选用适当的方法。
2.“整体与部分的关系”的思想。整体是由部分组成的，整体是部分的整体，离开部分，整体即不会存在；部分是整体的部分，离开整体谈部分，部分也会丧失其原来的意义。这一思想要求我们要正确处理好整体与部分之间的关系。由于统计研究中经常会涉及处理多个变量的数据的情况，多变量及多层关系的情况，或是为了更好地分析事物之间的关系，通过假设将多个数据变为一个（如利用平均数来代表整组数据的信息），将几个变量合并为一个（如某一概念的结构分为了几个维度），将多个相互复杂的关系合并为一个（如结构方程及利用多元线性模型处理嵌套关系）。这就会使某些变量为了满足统计分析的需要而临时组成一个小的整体。比如，多层线性模型中，就会出现一个由不同层次的回归模型而组成的层次结构，每一层的回归模型均可看做是这一多层模型中的一部分，而且是必不可少的一部分；而由多个层次的单个模型所组成的模型又很好地囊括了每一个层次的部分［4］。然而，各个部分所组成的整体可能有各个部分单独所不具有的功能，亦即整体的功能并不是各个部分的简单相加。比如，多层线性模型中就存在每个单层的回归模型所不具有的拟合特性，能够充分发挥其模型的整体拟合优度来实现对各个层次的信息的最大限度的完美组合，而作为部分的每个层次的单一回归模型，则只能依据下一层的回归结果来考虑本层次的信息，并在一定程度上为更上一层的分析提供一定的信息基础。但就单一层次来讲，虽然可能会与相邻层次发生关系，但是绝对不可能够表现出所有层次的整体效果，即使是在层级次数很少的情况下。此外，对于模型的好坏程度的检验也是如此［5］。对于整个模型的评价，既要有整个模型的拟合优度的指标，又要求其所组成的各个部分均达到显著性水平；而对于各个部分的考察，则更多地只考察其自身的显著性即可。这一点除了多层线性模型，在结构方程处理一般概念结构时也有所体现。一般认为，如果想要证明所建构的概念（如自尊）的结构效度比较好的话，除了要使整体的结构方程的各项指标（如NFI，GFI）符合要求外，还要保证模型（概念）的各个维度也都要符合要求，甚至于对于每一层的各个项目的各项测量学指标（四度）也要符合通行的标准，因为一旦一个不符合要求的题项进入模型之中，将直接影响到维度的各项指标的要求，进而影响整个模型。而当仅仅对某一个维度或题项进行考察时，一般只对于其自身的数据所包含的信息进行分析，很少涉及其他的部分。整体与部分的思想要求我们在处理涉及模型的统计分析时，一要分清整体界限，认清整体的模型到底是什么；二要通过理论分析和数据验证，认清整体模型相对于各个部分模型的独特之处，即整体的优越性，通过模型的拟合最大限度地利用数据所蕴含的统计信息。此外，还不应忽视的一点是，对模型的整体检验，既要有对模型的整体的检验，又要包含对局部的评估，将两者综合考虑，通过比较选择出最适合的模型。
形式逻辑的研究表明［6］，类属关系和整体与部分的关系是不同的。类属关系中的属相具有类项所具有的全部功能，而各类的功能则没有其属的很多功能。而整体与部分关系中的部分则不可能具有整体的全部功能，但是部分所组成的整体则具有各个部分所不具有的功能。比如，在前面谈到的回归中，一元回归与多元回归都归属于“回归分析”这一类，当然无论一元回归还是多元回归都具有探索自变量与因变量的因果关系的倾向性这一回归分析的特性，但是如果因为一元回归和多元回归乃至于其他的回归类型归属了回归分析这一类从而就使回归分析增加了很多的其他功能（如真正确定因果关系），这显然是不合适的。另一方面，由各个维度所组成的结构方程会有比各个部分更加优越的功能，但各个部分却不能够拥有这些功能（因为其分析只是基于自身数据）。弄清楚了这一点，就能够很好地区分开类属关系和整体与部分的关系，也就不至于遇到多个变量的统计分析时不知道该以何种方法论来进行指导。这样，无论是对于统计的技术分析，还是基于研究假设对技术理论的解说，都是使人受益匪浅的。
3.具体问题具体分析的方法论。统计学作为一门学科，其必有自己的知识体系。心理统计学也必然是如此。所谓的知识体系，通俗来讲，就是知识组成的方式与结构，或称“知识树”。知识体系的把握对于学好一门课程来说至关重要。当前国内外有关统计方法的书目中对统计知识体系的呈现不尽相同。有按照“从事物属性上的排他性”来安排的，比如，讲到平均数的检验时，就把三种平均数（单样本、两样本独立和相关）的检验全部呈现出来，依次讲完。也有按照东方思维方式的“功能性分类”来展现，比如当讲到方差分析时，最先侧重讲一元（one way）方差分析，之后是更复杂的两个自变量的方差分析，之后进入“析因设计”（factorial design）的方差分析，从此采用多变量方差分析（MANOVA），以考察交互作用为首要任务［7］，而不是一气呵成地把各种多变量的方差分析全部讲完。诚然，每种体系具有各自的特点，不同书目有不一样的体系，甚至于对于同一本书不同章节的知识可能适合于不同的知识体系。因此，要针对不同的内容采用不同的呈现方式来构建各具特色的知识体系。
三、结语
其实，从科学的整体结构来看，哲学是处在统计学之上层的，而统计学也可以追根于哲学这一母体。因此，哲学中所蕴含的方法论思想理论理应适合于统计学这一学科的发展的指导。正如哲学中的“对立统一”观点、“质量互变理论”、“矛盾的偶然性与必然性”等理论在统计学中得到了广泛的应用一样［8］，哲学的其他方法论思想也理应被吸纳到统计学学习的方法中，并将其很好地运用到实际中去。这样一来，统计学的学习就如同有了前进的探照灯，即使数学基础不扎实，在统计学学习的道路上也会存在诸多的平坦。
参考文献：
［1］王振龙.统计哲学研究.［博士学位论文］.东北财经大学，2001，（5）.
［2］何晓群，刘文卿.应用回归分析（第二版）.北京：中国人民大学出版社，2007，（7）：18-63.
［3］Barry H.Cohen..Explaining Psychological Statistics（Third Edition）.上海：华东师范大学出版，2008.
［4］张雷，雷厉，郭伯良.多层线性模型应用.北京：教育科学出版社，2002.
［5］侯杰泰，温忠麟，成子娟.结构方程模型及其应用.北京：教育科学出版社，2002.
［6］金岳霖.形式逻辑.北京:人民出版社，2005，（1）.
医学统计学是根据概率论和数理统计的原理, 结合医药卫生工作的实际情况, 研究实验设计和数字资料的搜集、整理、分析和推断的一门科学, 广泛应用于基础医学、临床医学、预防医学、药学和卫生事业管理等诸多领域。它是人们认识客观世界的一种重要手段, 现代科技工作者做科学研究或撰写论文, 很少看到不用统计学。
与此同时，如果统计学方法应用不当，不仅不能准确地反映科研结果，而且还可能带来错误的结沦。Rosenfeld 等比较了不同年表的文章，在20 世纪90年代以后有更多的文章使用了统计推断，而且比较复杂的统计分析方法如多因素分析等也更多的应用于临床研究中，但同时也存在使用统计方法欠妥或叙述不清的情况。
因此本文将对医学科技论文常见统计学方法的正确应用进行讨论，希望加强作者的统计思维，进而提高期刊论文的统计质量及学术水平。
2、统计学方法的内容
统计软件包、统计分析方法及检验水准是统计学方法必须描述的3 方面内容。SPSS (statistics package for social science) 和SAS(statistical analysis system ) 是全世界学术界公认且最常用的两大统计软件包[6]。检验水准即A，表示组间实际无差别而统计结果判断为有差别，犯这类错误的概率[1]。实际工作中常取 A=0.05，表示本次研究计算所得P 值必须小于0.05,才能认为组间差异有统计学意义。统计分析方法的准确描述是科技论文科学性的关键所在。统计学方法一般包括统计描述和组间差异性检验(即：假设检验) 两部分内容。
3、统计学方法的正确选用
统计方法的选择取决于研究设计、数据资料类型和变量值的分布。计量资料常用u检验、t检验(.配对t检验)、 F检验；计数资料用 检验；等级资料、偏态资料或不明分布的资料可用秩和检验等。每种显著性检验方法均有其适用范围, 如方差分析（F检验）.要求数据服从正态分布, 且各总体方差齐, 否则不宜作方差分析, 若改用非参数统计方法, 则会降低统计效率, 故常在可能情况下, 通过变量变换（如对数变换、平方根变换、反正弦函数变换、例数变换等）使资料转换为正态分布, 以满足方差分析或t检验的应用条件。医学期刊中最常见的是t检验和 检验, 这两种方法误用也较为多见。
3.1重复t检验
多个样本均数间的两两比较(又称多重比较)不宜用t检验, 因为重复数次,t检验将增加第一类错误的概率, 使检验效率降低。此时宜用方差分析, 并在此基础上用两两比较方法..(如.SNK、LSD、Duncan法等)。对于同一对均数间的差异, 用t检验无显著性, 而两两比较可能有显著性, 可见错误选用统计方法将推出错误结论。
3.2行列标 检验误用
行列表 检验用于2个或多个样本率（或构成比）.比较, 它要求行列表中不宜有1/5以上格子的理论频数T
3.3需要注意的统计学问题
3.3.1无足够的统计学信息
论文中未说明统计方法和 取值, 无均数、标准差或率及t值、 值等统计量, 甚至未作假设检验直接下结论。不少临床医学论文作者只在文中提及P值大小并据此推断结果的显著性。实际上, 临床医学研究关心的是各组之间结局(如疗效)的差别大小, 而不单纯是统计学显著性, 因此应同时说明检验方法、 水平、统计量值、P值和可信区间, 以便让读者了解所用的方法和结论是否适当及其临床的实际意义。
3.3.2统计图、表
统计图、表是统计描述的重要工具。统计图宜少而精, 应按资料性质和分析目的选用适合的统计图形, 统计图虽直观但不能代替精确的数据或统计量同。统计表宜简单明了, 层次清楚, 一般采用三线表。常见的统计表运用不当有.. 标题复杂或过于简略甚至无标题, 辅助线过多, 标目繁杂, 层次不清。另外, 表内不宜留空格, 暂缺或未记录可用“…” 表示, 无数字用“一”表示, 数字若是“0”则填明“0”。
3.3.3统计软件使用的误区
目前计算机应用已十分普及, 统计软件的使用也非常方便, 但软件只能解决计算问题, 并不能替代人脑的统计思维。根据资料的分布特征和数据特点选择统计方法, 正确地解释分析结果并推导出正确的结论, 这是科研工作者在做统计分析时必须首先掌握的, 计算只是一种工具。有了诸如SASA、SPSS等高级统计软件包, 复杂了多元分析如多重回归、多因素方差分析等已变得十分容易, 于是一些作者片面追求使用高深的多元统计方法且多种方法一起用, 误以为统计方法用得越高级, 文章水平越高。实际上如果使用不当, 多元统计方法使用得越多, 错误可能也越多。一个精心设计的临床研究, 资料可能用简单的t检验或 检验就足以说明问题, 若滥用多元分析、结果会适得其反。
4.结语
通过上面的分析，在医学研究中必须正确运用统计学，这是科研工作的科学性所决定的。搞科研，首先必须尊重科学。借助统计学这个有用的工具，可以去探索未知事物，揭示和阐明客观事物变化的规律性。
参考文献：
[1]于国艺, 周晓彬, 王俊. 医学论文常见统计方法误用分析.编辑学报, 1998;10(3):132.
[2]杨树勤, 主编.卫生统计学.第3版.北京: 人民卫生出版社, 1995;145-147.
随着对《经济分析与SAS》课程认识的加深，以及《经济分析与SAS》在实践中的作用越来越大，我校经济学、金融学专业从2004年开始也开始开设该门课程。在授课中，考虑到不同专业的知识结构以及实际需要，经济学和金融学专业要求相对较低，课时也相对较少（48学时）；对统计学没有降低要求，课时仍然为56学时。另外，统计学专业在《多元统计学》、《时间序列分析》等相关课程中还有相应课时保证该专业学生能够更多地掌握SAS软件及其应用。2001年，本课程率先在我校统计学专业中开设。鉴于该课程的实用性以及对理论教学的补充性，2004年经济学、金融学专业也相继开设了该门课程。继2003年在数量经济学专业研究生课程中开设《多元统计分析与SAS》课程之后，该课程逐渐向其他相关研究生专业推广。目前经济、管理、管理科学与工程等专业研究生都开设了该门课程。
二、课程教学存在的问题与改革思路
（一）课程教学存在的问题
《经济分析与SAS》由最初的SAS学习到后来的研究生课堂教学，发展日臻完善，但其面临的挑战也是显而易见的，主要体现在以下两个方面：一是SAS软件本身面临的挑战。SAS功能强大而且可以实现自由编程，备受高级用户的青睐，但同时它带来的问题是一般用户难以掌握。在平时我们安排学生上机练习的过程中，许多学生反映SAS程序不太容易写，很容易出错，哪怕在程序中出现一个小小的错误，找到并改正这个错误比较困难。SAS数据管理也是非常强大的，例如可以使用SQL语言进行数据管理，但学习掌握它却需要很长时间。SAS软件能够从事回归分析、生存分析、方差分析、因子分析、对应分析、聚类分析等各种统计分析，但存在着一些不足，例如有序和多元logistic回归以及稳健方法等内容难以实现和掌握。在所有的统计软件中，SAS有最强大的绘图工具，SAS/Graph模块专为绘图设计，但图形制作主要使用程序语言，不易掌握，并且绘出的图形没有其他软件如STATA绘出的美观。二是SAS软件在经济分析中的应用问题。这一问题可能更为重要，限制了一些使用SAS软件从事经济分析的专业范围。在我校，虽然经济学和金融学专业均开设了《经济分析与SAS》这门课，但由于经济学和金融学的专业特点原因，SAS的实际运用效果并不理想。经济学专业研究主要集中于截面数据和面板数据的回归分析，而金融学专业研究则集中于时间序列数据的回归分析。这使得计量回归分析成为了经济学和金融学专业最为常用的分析方法，而这仅为SAS软件中的STAT和ETS模块，其从事计量回归分析的专业化程度远没有Stata、Eviews等计量软件表现卓越。从学术研究角度来看，如果我们浏览一下AER、JPE等国际顶尖期刊，无论是在经济学、管理学还是社会学等人文社会科学领域，Stata软件使用率极高。Stata软件是国际主流计量软件，在计量分析领域的专业化程度远高于SAS软件。因此，对于经济学和金融学专业，《经济分析与SAS》教学应该将重点放在SAS软件具有比较优势的数据整理、数据挖掘和高级统计分析等方面。然而，目前的教学大纲内容仅是基本的数据处理和描述性统计分析，离理想的课程内容设置还存在差距。
（二）课程改革思路
针对《经济分析与SAS》课程教学当前存在的问题，我们提出三点改革思路：一是强化学生SAS基本编程能力的训练。SAS学习的最初困难在于其编程，但SAS处理数据的高度灵活性也在于其编程。因此，学好SAS必须先要掌握SAS的基本编程。我们一开始学习SAS编程时感到十分困难是必然的，不必大惊小怪、也不必垂头丧气，只要坚持学习下去，能够熟练掌握SAS基本编程，接下来它将为我们随心所欲处理统计数据带来便捷。二是提高学生统计分析理论水平。除了统计学专业以外，我校开设《经济分析与SAS》这门课的经济学和金融学专业学生对于一些比较实用的统计分析方法掌握得很少。在各自的教学培养计划中，经济学和金融学专业仅开设了《统计学原理》这门课，而这门课仅仅涉及统计学的一些基本概念和描述性统计，对于高级统计学理论如主成分分析、因子分析、聚类分析、判别分析、对应分析以及层次分析法等并没有涉及。三是突出SAS软件在不同专业领域运用时的针对性。对于非统计学专业，SAS教学应该强调统计数据的整理和分析能力。统计数据整理涉及SAS编程，统计数据分析涉及多元统计理论的SAS运用。这就要求我们针对经济学、金融学等非统计学专业，我们应该注重SAS/BASE和SAS/STAT模块的教学。其中，SAS/BASE是SAS系统的核心，承担着数据和用户环境的管理以及用户语言的处理，调用其他SAS模块。除了本身所具有数据管理、程序设计及描述统计功能以外，SAS/BASE还是SAS系统的中央调度室。另外，SAS/STAT是最为常用的统计分析模块，覆盖了所有实用数理统计分析方法，提供了多个过程可进行各种不同模型或不同特点数据的回归分析，如正交回归、响应面回归、logistic回归、非线性回归等，且具有多种模型选择方法。可处理数值型、有序和属性数据，并能提供各种有用的统计量和诊断信息。尤其是在多元统计分析方面，SAS/STAT为典型相关分析、主成分分析、因子分析、判别分析和聚类分析等提供了许多专用过程。
三、总结
多元统计分析，是指一种综合性质的分析方法，通过对不同研究对象和目标关联性的分析，统计出之间的规律，在现代统计学中被广泛的运用．多元统计分析被分为很多种，包括了多重回归分析、聚类分析、对应分析等等，本文中详细列举的是其中较为重要的几类．MATLAB软件是一种高科技高效能的计算系统，由MATHWORKS公司研制开发，自诞生以来便在众多领域得到广泛运用，它具有丰富的功能，除了最基本的数值分析和计算外，还有绘图和图像处理、仿真与通信等，当然其最大的特点是简单快捷易操作，这就使得其在多元统计分析教学中的应用成为必然．
二、MATLAB软件的应用意义
MATLAB是一款功能十分强大的软件系统，它在多元统计分析中的运用具有十分重要的意义，首先因为其效率极高的计算能力，能够处理海量且关系复杂的数字信息，所以提高了多元统计分析的工作效率，能够更快的完成任务;其次因为其具备图形处理能力，可以实现可视的编程与计算，并通过交互界面使得使用者更容易操作;最后是丰富的辅助工具使得多元系统分析更加快捷方便．
三、具体应用
(一)判别分析教学中的应用判别分析，顾名思义就是对研究目标的类型归属的一种分析法．因为在实际的经济科研活动和日常生产生活中，要根据信息资料分析一种现象或行为的种类问题十分普遍，所以这种分析方法是被广泛运用的，比如在医学领域，要根据身体指标传达的信息来分析是否患病以及患的是什么病;比如在经济领域，地区发展要根据当地的人口、土地和资源等信息来分析发展方向．MATLAB软件在其中的应用，是通过使用命令classify来实现的，其软件调用的格式是classify(sample，group，training)=［err．class］，其中输入参数sample为待判样品，training为训练样品;group为训练样本的分类变量，输出参数class为待判样品的分类结果，err为误判率的估计．
(二)聚类分析教学中的应用聚类分析，可以从其字面意思看出，就是对研究目标进行归类集合的一种分析方法，所以这种分析方法又叫作群分析．它通过对信息资料的分析，对各个对象的内在含义和外部联系作出判断，将相似的对象集合为群．在实际生活中，这也是一种常见的分析方法，比如在生物科学中，常常通过对动植物的外部共同特征和内部基因进行分析，划分出物种．在MATLAB软件中，要实现聚类分析，可以采用两种方法，一种是动态聚类，一种是系统聚类．
(三)主成分分析教学中的应用在实际问题研究中，为了全面系统地分析问题，通常需要考虑大量的影响因素．这些因素一般称为指标，在多元统计分析中也称为变量．因为每个变量都在不同程度上反映了所研究问题的某些信息，并且彼此之间有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠，这会增加分析问题的复杂性和计算量．主成分分析是将多个相关变量综合成几个不相关变量的一种多元统计分析方法．其目的在于简化数据结构，并揭示变量间的关系．每个主成分都是初始变量的线性组合，所有的主成分间相互正交，因而没有冗余信息，可以有效地来处理变量间的相关关系，为解决多指标的综合评价提供了一种有效的手段．
四、结语
【关键词】 多元化 人才培养模式 复合型人才
对竞争激烈的市场经济环境，我国结构性失业问题严重。社会对人才的需求呈现出多样化、多层次化的趋势。把握住这种需求特点和变化趋势，进行多元化统计人才培养模式的探索，推出具有创新的统计人才培养模式，保证统计人才培养的规格与质量。满足我国社会主义市场经济的发展对统计人才的需要，实现学校和社会的双赢。
1. 构建“理论-实践-应用相结合，突出创新能力”的统计多元化人才培养模式
统计人才培养模式是统计教育思想、教育观念、课程体系、教学方法手段、教学资源、教学管理体制、教学环境等方面按一定规律有机结合的整体教育教学方式。
统计学多元化人才培养的理念有二个层面的意思:第一，培养学生要具有较好的统计知识体系、专业索质和应用统计知识的能力，把统计学技术运用到工作中。第二，以社会需求为导向，服务地方为宗旨，确立人才培养理念、人才培养目标和人才培养模式，在兼顾培养统计科学理论研究人才的同时，积极探索复合型、多样性、多层次的统计应用型人才培养目标、人才培养模式及人才培养途径。
在统计多元人才培养的理念指导下制定多样化、多层次的人才培养模式。培养方案是人才培养模式改革的顶层设计，根据学校办学指导思想和定位，提出夯实专业基础、拓宽知识口径、因材施教、分类培养的人才培养思路。明确专业定位：立足宽专业、厚基础，依托财经院校优势体现三个特色：一是重应用，注重培养学生的创新能力，二是多学科交叉渗透，统计定量分析方法特别要与经济学科、管理学科、现代计算软件的应用结合起来。三是突出“理论实践结合，课内课外并举，知能品德兼修”。实现强基础、重实践、尊个性、重品德的教育思想和理念。
2. 提高学生实践和创新能力的统计多元化人才培养模式的课程体系的改革
2.1理论课程体系和课程内容改革。分学术型和应用型两类构建由学科基础课、专业主干课、专业选修课和通识课组成的新课程体系，并通过“精中间、延两边”，增加交叉学科课程，优化课程体系。
重组课程内容，强调提炼课程基础性内容和方法，形成以课堂讲授为主的基本知识部分；深化及延伸内容采用以点带面方式，以典型实例分析及专题讲解方式进行。拓展内容由学生在参考相关材料基础上以讨论或分析报告方式完成。
2.2实践课程体系和课程内容改革。 建立以基本技能为主线，典型案例为载体的实践课程体系。重组实验内容，选择实用流行的SPSS、Excel统计软件，形成以严谨的课堂训练为主的基本训练部分；改革训练内容，引入最新的统计软件、操作方式和一些科研成果。
统计学专业实践教学体系的三个层次。
一是以课内实验为主的基础性实验。包括两个方面的实验：统计学、运筹学、计量经济学、多元统计分析、时间序列分析、宏观经济统计分析、SAS分析软件和数据挖掘等课程的课内实验，这类实验的主要目的是培养学生使用统计软件和其它应用软件的能力；计算机网络、数据库原理、常用工具软件等课内实验，这类实验的主要目的是培养学生的计算机应用能力。
二是单独开设的综合性实验。包括抽样调查实践、市场调研实践、学年论文、统计软件应用与实验、毕业实习、毕业论文，这类实验的主要目的是培养学生统计方法、计算机技术等方面的综合应用能力。
三是社会实践教学。重点推行“三个结合”的办法，即“社会实践与当地政府部门统计工作相结合”、“社会实践与社会经济发展相结合”、“社会实践与教师科研课题相结合”。我们可以自选项目，有条件的情况下，也要承担社会各单位的委托项目。
3. 统计多元化人才培养模式的实施途径
3.1设置课内特殊训练环节，培养学生创新能力
专业基本素养的训练。理论教学以启发式教学法为主，特别注重教育多样化和多层次性，结合政府工作报告统计指标解读，培养学生的创新思维发散思维，提高学生统计科学素养。
无标准答案问题的研讨。使用一题多解与一题多变方法，进一步培养学生的统计科学创新思维。
综合实验及相关综合训练。专门开设《社会经济调查实务》和《数学建模》课程，学生在教师指导下，可以沿着统计“调查方案制定，数据采集，数据库建立，数据录入、数据整理，撰写分析报告或类似的路径进行综合实验。学生以小组为单位，独立完成一个真实的《XX调查分析报告》，《XX模型应用》。建立学生参加全国大学生数学建模大赛和全国大学生社会调查报告评比两项大赛制度。
3.2课外社会实践活动强化创新训练
课外社会实践我们重点推行“三个结合”的办法。就是学生社会实践“与当地政府统计部门工作相结合；与国家组织的各项普查和重点调查工作相结合；与教师科研课题相结合”。
3.2.1积极参加国家组织的大型普查等工作。国家大型普查工作基本上每三年有一次，统计专业学生有很多机会参加。
3.2.2参与老师的科研课题研究。引导学生参与教师的科研工作。加强统计理论在实践中的应用。教师组织学生学习文献、讨论、数据采集，资料整理和分析，提高学生的分析能力。
3.2.3运用现代教学手段与方法保障教学改革的顺利进行
现代化教育技术和手段的运用使教育模式发生重大转变。我们在教学实践中根据不同的教学内容，采用多媒体教学、网络课堂、双语教学、项目教学、案例教学等多种教学方法和手段，倡导“多元并重”和“互动教学”。
参考文献：
[1] 马敏娜.统计创新人才培养模式的探索与实践[J].统计教育(北京),2007,(5).
[2] 李国荣.培养统计专业学生动手能力和创新能力的探索[J].统计教育（北京），2007,(9).
关键词：多元统计分析；教学内容；教学方法
中图分类号：G424.21 文献标识码：A 文章编号：
多元统计分析是统计学中的一个重要分支，是收集、处理和分析多维样本数据的统计方法。特别是随着计算机技术的发展，计算软件的普及，多元统计分析已成为分析多元数据的一个重要工具，在自然科学、管理和社会科学、经济领域等都有广泛的应用。
多元统计分析是我校财经管理类本科生大部分专业的一门必修课程，总学时为45学时，其中理论教学时数36学时，实践教学时数时。该课程涉及到许多数学知识，有大量的理论和公式推导，且计算量比较大。同时，本课程的学生为财经管理类的本科生，大多数学基础不好，且学生基础差异较大，部分学生感觉本门课程学习有困难。本文根据本学科的特点和学生的实际情况，结合自己从事多元统计教学的实践和体会，提出几点思考，以供同行参考，共同探讨。
一、重视统计方法的应用
针对财经管理类本科生数学基础较弱的情况，在教学过程中，理论推导部分不必讲解过多，也不应该过分强调复杂的数学证明和公式推导。对于多元统计分析的每一种统计方法，重点阐述它们的统计思想，结合实例介绍涉及到的背景，在实际应用中需要解决什么问题，如何用这种统计来解决这些问题，用了这种统计方法后可以得到什么结果。以及各种方法应用的前提条件、适用范围和局限性等，教学重点从理论转移到实际应用中。为了加深学生对概念的理解，适当做一些数学推导，可以省略复杂的证明。例如在聚类分析的教学中， 借助“物以类聚，人以群分”的道理给出了“就近原则”， 聚类分析的基本思想就容易被学生接受， 然后再逐步引入为了实现就近原则的度量远近的距离及各种具体聚类方法。学生在短时间内就对统计方法有了理解，效果非常明显。
二、重视各种多元统计方法的联系
各种多元统计分析方法虽各自具有不同的特点，但它们彼此之间均有着紧密的联系。在解决实际的问题中，也需要用多种方法结合起来解决问题，对于这一点一定要讲清楚。在聚类分析和判别分析的介绍中，我们介绍了在度量工具选择上两种方法的共同点。同时，聚类分析与判别分析有以下的不同点：①聚类分析可以对样本进行分类，也可以对指标进行分类；而判别分析只能对样本进行判别归类；②聚类分析事先不知道事物的类别，也不知道应分几类；而判别分析必须事先知道事物的类别；③聚类分析直接对样本进行分类，而判别分析根据训练样本建立判别函数，然后对新的观测对象进行判别归类。在实际问题处理中，针对聚类分析归类，判别分析分类的特点，常常将两种统计方法结合使用。在因子分析的基本思想、数学模型、因子载荷矩阵的估计方法、因子得分等几个环节的学习中， 我们随时将主成分分析的相关内容拿来与之比较分析， 分析了两种方法在模型、参数唯一性、取舍因子等问题上的不同与使用环境等方面的共同之处， 学生不仅对因子分析有了深入理解，而且对主成分分析的内容有所复习，更容易实现对着两种统计方法的掌握。
三、重视统计软件地使用
各种多元统计方法解决的是大量多维数据的分析问题，自然离不开复杂数据的计算，所以在教学中必须重视统计软件的学习，完成大量的计算过程。SPSS软件简单易学，操作方便、功能强大、应用广泛，可以进行大部分多元统计分析方法的操作，基本能满足教学和实践上计算的需要。且在多元统计分析课程之前，学生已学过SPSS课程，对软件的应用也基本掌握。在教学过程中，当介绍每一种统计方法的基本思想、原理后，先对教材上的已有详细步骤和结果的例题进行操作，使学生将统计软件操作结果与其进行比较。进一步要求学生针对某一专题或结合自身专业，对某一实际问题收集数据，整理数据，利用软件进行具体分析操作，得到自己需要的结果。但是在教学过程中，需要让学生知道统计软件只是一种分析工具， 重点还是掌握各种统计分析方法的基本原理和科学选用上。同时，结合自己的一些研究课题，与学生一起探讨、研究，培养学生初步的科研能力。
四、合理制定考试方式和内容， 科学评定学生成绩
针对多元统计分析课程的特点，本门课程考核不仅要注重基本知识点的掌握，也要包括各种统计方法的理解、分析和应用。在考试的方式上，可以采用闭卷考试，开卷考试和课程论文相结合，从而多角度、全方位对学生的学习成绩给予综合评价。通过以上多种方式，考察学生理解能力、跨学科综合能力、解决实际问题的能力及创新能力。在考试的内容上，闭卷考试着重考查学生对各种统计方法和理论知识的掌握程度，并对量不大的数据进行处理；开卷考试以学生上机操作的方式进行，着重考查学生利用统计软件处理多元数据的熟练程度，以及对统计软件输出结果进行分析判断和解释说明的统计素养；课程论文侧重于考查学生运用多元统计方法解决实际问题的能力及创新能力。总成绩则有闭卷考试成绩（占60%）、开卷考试（占20%）和课程论文成绩（占20%）三部分组成，从而科学评价学生对本门课程的掌握情况。
多元统计分析作为多元数据处理的一个重要工具， 必将随着社会的需要而不断的有广泛的应用。多元统计分析教学模式的选择必须根据教学的需要和学生的实际接受水平发生改变。而作为教师，需要不断地总结经验，完善自己的教学，不懈努力，传授给学生正确的统计思想， 实用的统计方法和综合的统计能力。
参考文献：
1何晓群. 多元统计分析[M]. 中国人民大学出版社，2012.
2任雪松，于秀林. 多元统计分析[M]. 中国统计出版社，2011.
3苏金明，傅荣华等. 统计软件SPSS系列应用实战篇[M]. 北京: 电子工业出版社，2002.
4张文彤，邝春伟.SPSS统计分析基础教程[M]. 北京:高等教育出版社，2011.
5吕洁. 多元统计分析课程教学探讨[J].中国成人教育，2007 ( 8): 153- 154.
6陶胜，胡明颖. 多元统计分析课程教学研究与实践[J]. 集美大学学报， 2011( 2): 99- 102.
关键词：农经专业；数据分析；教学改革
2019年12月，农业农村部、中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知，部署了用数字化引领驱动农业农村现代化，加快农业农村生产经营、管理服务的数字化改造的发展战略，将全面提升农业农村生产智能化、经营网络化、管理高效化、服务便捷化水平作为农业农村发展的目标[1]。农业农村的数字化建设离不开专业人才的培养。农林经济管理专业毕业生的就业方向主要有农业经营单位、面向农业农村的政府管理部门、事业单位、科研院所等。随着农业农村数字化发展战略的推进，给传统的农经人才培养带来了一系列的挑战[2]。在数字经济和智慧农业的时展背景下，数据分析能力是农经专业学生重要的核心竞争力。如何提升农经专业学生数据分析能力，是农经专业人才培养中面临的重要课题[3]。
1农业农村数字化发展战略给农经人才培养带来的挑战
1.1对农经人才的数据思维的更高要求
在大数据时代，无论是农业生产经营活动，还是农村的行政管理中都有大量的数据资源。农业企业、农业合作经营组织、农产品产销数据、农产品溯源数据为农业经营者提供了生产、物流、销售环节大量的数据资源。经营者需要认识到数据是一种新的生产要素，要调动数据作为生产要素的属性，让数据分析为管理决策服务[4]。在数字中国的建设进程中，各级政府部门工作人员通过各级各部门的行政管理智能，收集了大量省、市、区、县级的区域经济社会发展数据。社区网格化管理下收集了微观层面的农业经营单位数据、农村常住人口数据、医保数据、扶贫数据、农村小额信贷数据。这些数据资源是政府提高行政效率、提高政务服务质量的宝贵资源。
1.2对农经人才的数据分析能力的更高要求
在大数据时代，每天都有海量数据生成，如何能更好地利用这些数据，让数据能发挥其为管理决策服务的功能，与数据使用者的数据分析能力是密切相关的。例如，农业经营单位在农业生产环节的农业投入数据、农产品销售数据、电商平台的客户反馈评论、农产品库存的动态数据，如何整合分析这些数据，要求农业经营者系统掌握数据分析、数据挖掘、文本分析等多元化的数据分析方法。政府管理部门掌握的农业人口的迁移数据、农村常住人口网格管理数据、农村居民医保数据、扶贫数据等，数据类型丰富，数据量庞杂，如何实现数据库的整合，要求政府部门工作人员掌握数据库管理、大数据分析技术。
2农经专业数据分析课程群建设中存在的问题
2.1课程之间连贯性不足
以笔者所在的高校为例，为农经专业本科生开设的数据分析类课程，见表1。数据分析课程群包括了通识教育、专业教育和实践教育。从目前的课程设置来看，涵盖了数据库、统计学、经济计量学、多元统计、大数据分析等领域，内容丰富。数据库应用由计算机学院开设，是一门通识教育课程，在授课时教师往往将其视为一门计算机类的入门课程，在教学中没有针对农经专业学生的特质，将数据库的教学与其在农经领域的应用结合起来。学生在学习中往往会觉得该课程与专业联系不够紧密，教学内容枯燥，缺乏学习兴趣。
2.2学生学习的软件种类繁多，但不够深入
在统计学和多元统计课程中，学生将学习EXCEL、SPSS或者R语言的应用，在经济计量学课程中学生将学习Eviews或STATA的应用，在数据挖掘与大数据分析课程中学生将学习Python语言的应用。在每一门课程中学习的软件都不同，对于软件的学习缺乏连贯性和延续性，虽然学生接触的软件种类多，但是由于学时所限，每一种软件都只是入门级的介绍，无法进入到深度学习。
2.3与专业课学习联系不够紧密，缺乏应用机会
学生缺乏在专业课学习中运用数据分析类课程所学知识的机会。数据分析类课程主要介绍数据分析方法和软件的应用，但大部分都安排在第5学期和第6学期。学生在学习了数据分析方法后，缺少在专业学习领域里运用这些方法的机会。例如学生若要完成产业经济学、农业技术经济学、农产品国际贸易学的专题研究、课程论文，需要用到统计学、经济计量学、大数据分析的方法，但在第2-4学期开设大量专业课的学期，数据分析类课程还没有开设。若能将数据分析类课程尽量靠前安排，学生可以在后续的专业学习、课题研究中运用所学的方法，一方面夯实数据分析技能，另一方面也可以增加学生对专业课的学习兴趣。
2.4排课不够科学
在大三阶段，学生可以选修多元统计、数据挖掘与大数据分析、Python语言三门选修课。但到了大三，学生专业课的学习任务重，选修课种类考虑繁多，学生选课可能出于兴趣、学分安排或者准备考研保研考虑，并不是每一位同学都会选修上述课程。尤其是计算机能力不太强、对数学类课程感到困难的同学，会倾向于选择难度小的课程。
3基于项目驱动式教学理念的数据分析课程群改革
3.1开展项目驱动式教学的意义
项目驱动教学法是基于行动导向的探究式教学方法，是将真实的或模拟的项目转化为教学项目，结合课程内容将项目分解为若干工作任务，创设工作情境，引导学生完成任务，进而实现项目教学目标的教学活动[4-5]。项目驱动式教学法最显著的特点是“以项目为主线、教师为主导、学生为主体”，改变了以往“教师讲，学生听”被动的教学模式，完善了学生主动参与、自主协作、探索创新的新型教学模式。与传统教学方法相比，教学实施过程中，学生的目标更清晰明确，可避免传统课堂教学的被动性，进而提高学生学习知识的兴趣和主动性[6]。在数据分析课程群中引入项目驱动教学，一方面能让学生运用所学的数据分析方法分析现实问题，创设数据分析情境，加深对所学方法的理解和运用，激发学习兴趣，培养自主学习能力；另一方面也可以有针对性地创设围绕“三农”问题的数据分析项目，让学生从数据分析中加深对“三农”问题的感性认识，培养对农经专业学习的兴趣，提升对农经专业的认同度。具体来讲，可以从以下方面开展对数据分析课程群的改革[7]。
3.2统筹规划教学内容，加强课程间的连贯和递进
农经专业数据分析课程群目前主要包括必修课数据库应用、统计学和经济计量学，选修课多元统计、数据挖掘与大数据分析，以及实践课R语言与统计应用、Python语言。统计学教学的重点在于对基础性的统计方法的运用，经济计量学教学的重点在于让学生掌握经济计量分析的范式，如何利用经济计量模型开展实证分析。多元统计强调对复杂多维数据信息的提炼。数据挖掘与大数据分析教学的重点在于大数据时代数据挖掘方法的应用。此外，针对于目前学生所学的软件门类过多，软件操作不够熟练，建议在统计学、多元统计、数据挖掘大数据分析中统一采用R语言进行教学，让学生通过几门课程的学习，能够熟练掌握一种统计分析软件。
3.3基于项目驱动对教学内容进行整合及优化，调动学生主动参与
例如统计学课程介绍了基础性的统计分析方法，在后续课程经济计量学、多元统计、数据挖掘与大数据分析中引导学生运用基础性统计分析方法，对数据进行初步的统计分析和整理，为经济计量分析、多元统计、数据挖掘做好数据处理上的准备，让学生体会到关联课程中所学知识的联结。鼓励学生积极参与“三下乡”活动，开展田野调查实践，围绕“三农”开展调研，运用统计和计量方法对调研数据进行分析，鼓励学生参与到教学中来，培养学生的学习兴趣，学以致用。
3.4建设“项目驱动”实践教学模块
结合农经专业课程体系，建设数据分析课程群“项目驱动”实践教学模块。在农经专业的课程体系中开设的农业经济学、农产品贸易、农村社会学等专业性课程对大量的“三农”问题进行了探讨，这类课程中涉及的城乡差异问题、收入和消费问题、农产品价格波动、农产品贸易等现实问题的研究，都离不开基于现实数据的定量分析。因此，在农经专业的数据分析课程群中可以结合教学内容引导学生对专业课学习中热点问题的研究，围绕课程教学大纲，建设“项目驱动”实践教学模块，理论联系实际，让学生在研究项目中运用所学的数据分析方法，加深对专业知识的理解。
4农经专业数据分析课程群优化方案
在大数据时代，数据分析能力是学生的核心竞争力之一。数据分析类课程在建设中要强调理论与实践的结合，不能只是将教学停留在课堂上，引入体现专业特色的实践教学环节。可以从以下几方面开展数据分析课程群的优化：第一，数据分析基础类必修课安排在大一学年。在第1学期，可以安排R入门、Python入门、数据可视化课程，让学生尽早接触当前主流的数据分析软件，激发学生对R或Python的学习兴趣，让学生自我拓展学习空间。R入门、Python入门、或者数据可视化课程都属于数据分析的基础课程，无需其他先修课程。在这一时期，让学生开始接触数据分析软件，学习数据可视化的分析工具，有利于培养学生的数据思维、数据意识和软件实操能力。第二，将与农经专业课有关的专业必修课统计学、经济计量学安排在第3-4学期学习。统计学课程需要学生先行修读高等数学和概率论课程，经济计量学需要学生先行修读微观经济学、宏观经济学，因此可安排在第3-4学期。让学生在掌握了一定经济管理专业知识后，可以更好地体会统计学、经济计量学方法论学科的应用价值。第三，将数据分析进阶类选修课多元统计、大数据分析、数据挖掘、机器学习等课程安排在第5-6学期。为高年学生提供丰富的数据分析类选修课，让学生结合自己的兴趣、未来的发展规划学习更加多元化的数据分析技术。鼓励学生能在专业论文习作、学科竞赛中有更多的机会运用自己所学的数据分析方法，增加学生的收获感和成就感，挖掘学生的学习潜力。第四，改革课程考核评价体系，采用项目式管理和评估的思路，由学生自主开展一个数据分析项目，从收集数据、提出问题、分析数据到提炼研究结论，开展小组团队成员互评。教师跟踪学生的项目开展过程，从学生的学习态度、投入程度、数据分析质量等综合评价学生的学习效果。
5结束语
将项目驱动教学引入到农经专业数据分析课程群的建设，让学生参与到教学中去，突破传统教学中“教师教学生学”的局面，让学生通过参与项目，运用数据分析方法解决项目中的实际问题，激发学生的学习兴趣和潜能，让学生体会到所学知识的应用价值，让学生不再对数据分析类课程望而生畏。本文的研究对于农经专业学生数据分析能力的培养有重要的意义，强调理论与实践的结合，提高学生数据分析的高阶能力，也能为同类课程开展项目驱动教学提供借鉴。
参考文献：
[1]农业农村部中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].
[2]李虹贤.农业经济管理专业人才培养模式创新研究与实践[J].智慧农业导刊，2022，2（7）：110-112.
[3]冯开文，陶冶.农业经济管理专业实践教学改革———以中国农业大学经济管理学院为例[J].教育现代化，2017，4（23）：54-56+63.
[4]杜洪燕，陈俊红.乡村振兴背景下中国数字农业高质量发展路径研究[J].南方农业，2021，15（21）：213-214.
[5]金娥.基于项目式学习的《现代教育技术应用》课程学习框架的设计与实践研究[D].武汉：华中师范大学，2021.
[6]胡静，王昌凤.基于应用型本科人才培养目标的项目式教学模式构建[J].教书育人（高教论坛），2022（9）：59-64.
[关键词]：地质统计、矿物质、勘测、发展方向
中图分类号： P624 文献标识码： A 文章编号：
一、地质统计学的产生及现状。
地质统计学是由法国著名学者马特隆教授(G.Matheron)于1962年创立的。地质统计学是以区域化变量理论为基础，以变异函数为基本工具，以克立格法为基本方法,研究那些在空间分布上既有随机性又有结构性的自然现象的科学。
地质统计学经过40多年的发展,已成为能表征和估计各种自然资源的工程学科，并由法国、南非及一些法语国家推广到几乎全世界。经过长期的追新发展逐渐演变成以G.马特隆为首的参数地质统计学派和以A.G儒尔奈耳(A.GJournal)为首的“斯坦福地质统计学派”又称“非参数地质统计学派”。不同的数学方法不断地引进克立格法,多学科渗透形成各种新的克立格法。
二、地质统计学在矿物勘测与开采中的应用。
1、运用地质统计学进行矿物储量勘测。
地质统计学是DIMINE矿业软件进行矿量估算的基础,文中的估值结果建立在该软件之上,估值必须经过建立矿体三维可视化模型、地质数据库、理论变异函数等过程。
地质统计学法被认为是一种较好的品位估值方法，尤其适用于品位变化大，矿岩界线由品位控制的矿床。在估值计算过程中，当有了足够的地质钻孔数据时，对矿床进行正式可行性评价时，选用地质统计学法是一种较好的方法，而在对矿床进行初步评价或是数据量不足时，就要首选较简单的方法(一般是距离N次方反比法)。基于地质统计学原理和矿体三维可视化建模技术的DIMINE矿业软件，实现了按照不同的边界品位动态圈定矿体，能够以市场经济为向导，快速计算出矿体范围内的矿石量,并进行储量分级，在此过程中所得到的各中间参数，可以为投资决策和日常管理提供必要的参考依据。
2、运用地质统计学进行露天开采。
通过地质统计学勘测出矿物质的储量之后就是验证矿物的价值，进而安排相应的工序进行开采，根据储量合理的安排生产力，开采技术条件对生产能力的作用体现在矿山工程延伸速度和台阶水平推进速度。露天矿可能达到的生产能力与垂直延伸速度的关系为：
通过公式计算出来的结果进行生产能力的分配，为了更好的生产，尽可能的减少人力开工，节约成本开支，而且秩序严明的生产团队才能确保工作的有效性，为国家的重工业发展提供源源不断的能源原料，同样也为钢铁等金属行业做出极大的贡献。
三、地质统计学研究存在的问题和发展方向。
1、地质统计学研究存在的问题。
地质统计学研究存在的最大问题应该是在相关软件上面，地质统计本身就是一项庞大的工程，软件当然顺理成章成为地质学中重大帮手，这项工程同样也是需要广大从业者一起努力才能实现最完美发展。储量计算的过程受到矿床规律、特征及经济的、技术的诸多因素的影响，是一个创造性的认识过程，并非只是数学数字的简单组合运算。所以软件问题直接影响地质统计学的发展。
由于中国的发展制度，即使很多知名的矿业自主研发出了比较完善的软件，出于无法上市而被拒绝市场上进行竞争，同样没有压力也同样没有动力，对我国地质统计学软件的应用与发展有着巨大影响；在地质勘探和矿业开发领域的软件系统中，矿产资源储量评估软件在很多情况下，往往只是这些软件系统中的一个子系统软件。“认定”这个子系统软件，那么其它与此相关的子系统功能软件要不要认定？整个系统软件是否要认定？都是实际存在的问题。在市场中，有些企业还把子系统软件的认定，说成是对整个系统软件的认定，而影响用户的正确选择；矿产资源储量管理部门实施的这项“认定”工作，在时间的安排上有较大的随意性。政策性变化、机构调整、人员变动……甚至主管人员有无时间等因素都能影响到软件“认定”时间的安排。有些研发成功的资源储量估计软件已在矿山生产应用多年，取得很好的效果，只因得不到及时认定，一拖几年，无法在市场上发挥作用。这种情况让人无可奈何。
2、地质统计学研究的发展方向。
（1）经过几十年的理论研究与实践，线性平稳地质统计学的研究较为成熟和普及，但还应对其研究方法加于提高与改进，以便更能反映所研究区域化变量的空间结构特征，提高品位估值和储量计算精度。
（2）目前地质统计学的应用主要是二维或三维静态估值,应加强对时间-空间区域的地质统计学的研究，加上时间作为第四维即可真正地进行动态估值。
（3）我国引进的地质统计学软件和程序库，多为英文界面和基于DOS平台的“第三代”结构化编程语言，在Windows成为计算机操作系统的主流的今天，应加强面向对象编程的第四代程序语言以软件开发，编制出完全汉化、操作更为简单，界面更加优美的软件，以方便矿山工程技术人员使用。
（4）研制一批高水平、实用性强的人工智能型的地质统计学专家管理信息系统,并对成果实行商品化,以适用市场经济的发展,并以此激励科研人员的创新能力。
（5）加强线性非平稳地质统计学(如泛克立格法)，非参数地质统计学、稳健地质统计学，多元地质统计学，非线性地质统计学，条件模拟，以及特异值的识别与处理等的研究。引进现代数学如空间拓扑学、人工神经网络等理论，以丰富和发展地质统计学的理论方法。
地质统计学总的发展趋势是由单元向多元发展，由点估计向区间估计发展，由空间克立格法向空间-时间克立格法发展，由参数方法向非参数方法发展，由估计向模拟发展，与其它数学分支相结合，引入更多的地质信息，从线性向非线性发展。总之,地质统计学正朝着理论体系化、方法多样化、手段现代化、成果实用化方向发展。
参考文献：
【关键词】肾病综合症（PNS）；医院感染；危险因素；护理对策
【中图分类号】R473 【文献标识码】A 【文章编号】1004—7484（2013）11—0228—02
原发性肾病综合征（PNS）是一种较为常见的肾小球疾病，由于疾病自身以及患者自身机体免疫功能较弱，感染为其主要的并发症，感染严重会对疾病的临床治疗产生不良影响，还会使得住院时间延长，直接对患者的预后产生影响[1-2]。本研究回顾性分析了2009年7月至2013年7月入住我院的100例肾病综合征（PNS）患者的临床资料，对其影响医院感染的危险因素进行分析，以探讨PNS患者的护理对策。
1 资料及方法
1.1 临床资料 选择2009年7月至2013年7月入住我院的100例肾病综合征（PNS）患者作为研究对象，按照是否发生医院感染将其分为感染组与非感染组，分别为41例及59例。感染组患者中，男27例，女14例；年龄13～72岁，平均（32.86±1.29）岁。非感染组患者中，男35例，女24例；年龄12～75岁，平均（34.05±1.73）岁。两组患者在一般资料方面无统计学差异（P>0.05），具有可比性。
1.2 研究方法 两组所有患者分别对其年龄、性别、发病至入院时间、入院后24hr尿蛋白定量、白蛋白、IgG、IgA、IgM、血肌酐、尿素氮以及胆固醇等水平，住院时间、感染部位等。查找发生医院感染的危险因素，并据此提出具体的护理对策。
1.3 统计学方法 采用统计学软件SPSS17.0对数据进行处理及分析，采用Spearman单因素及多元Logistic回归分析的方法对影响PNS患者医院感染的危险因素进行分析；组间差异以P
2 结果
2.1 感染组与非感染组PNS临床特征对比分析 见表1。
2.2 多元Logistic回归分析 以是否出现医院感染作为因变量（Y），以年龄、住院时间、病程、24hr尿蛋白定量、IgG、IgA、血肌酐、尿素氮、血胆固醇等12个因素作为自变量，对资料进行多元Logistic回归反分析，以α=0.05的水平，进行线性回归分析。得出如下结果：血肌酐（B=0.002，STDEV=0.000，β=0.254，t=2.720，P=0.003），24hr尿蛋白定量（B=0.050，STDEV=0.018，β=0.278，t=2.980，P=0.004）。
3 讨论
3.1 影响PNS医院感染的危险因素
PNS是一组由多种病因而引起的肾小球基底膜通透性显著增大，导致血浆之中的大量蛋白质从尿液中丢失的临床综合征。由于大量蛋白从尿液中丢失，患者出现低免疫球蛋白血症，造成机体免疫功能低下是引起PNS患者出现医院感染的一个主要原因[3]。本研究结果显示：感染组与非感染组患者在24hr尿蛋白定量、血清白蛋白、肌酐以及尿素氮水平相比，差异均具有统计学意义（P
3.2 护理对策
3.2.1 加强病区环境监测
病区定期做空气及物表细菌培养，及时发现环境中各种潜在的危险因素，及时给予处理。保持适宜温度和湿度，保持室内空气流通，每日用消佳净拖地及擦拭床头桌椅，地拖应与感染病房分开使用。
3.2.2 合理营养，提高机体免疫功能
积极控制蛋白质的丢失，尽快提升血清白蛋白水平。NS患者蛋白质摄人的质和量十分重要。蛋白质的推荐用量：提供优质的蛋白，如乳、蛋、鱼、瘦肉等，每日蛋白质摄人量以0.8～1.0 g/kg·d。
参考文献：
[1] 梁春利，曹绥琳.成人肾病综合征并发感染的危险因素[J].延安大学学报（医学科学版），2009，7（3）：44-45.
购物车(0)