时间:2023-08-06 10:52:31
导语:在统计学变量类型的撰写旅程中,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】 客体依恋;自我概念;回归分析;精神卫生;学生
【中图分类号】 R 179 R 395.6 【文献标识码】 A 【文章编号】 1000-9817(2010)02-0214-03
伯恩斯(Burns)[1]认为:个体如何理解自己是其内在一致性的关键部分,自我概念积极的学生成就动机与学习投入及成绩也明显优于自我概念消极的学生。他还认为一定的经验对个人具有怎样的意义是由个人的自我概念决定的。不同的人可能会获得完全相同的经验,但对这种经验的解释却可能是高度不同的[2]。当个人的既有自我概念消极时,每一种经验都会被与消极的自我评定联系到一起;反之则可能被赋予积极的含义。在各种不同的情境中,人们对事情发生的期待、对于情境中其他人行为的解释及自己在情境中如何行为,都受到自我概念极大的影响。恋爱是当代大学生生活的中心内容之一。恋爱关系可以对青少年的发展产生正面影响,也可以产生负面影响而导致问题的产生。在整个青少年期的发展过程中,恋爱经验是不断变化的。本研究旨在考察已具有恋爱经验大学生的依恋模式及亲密关系心理对恋爱持续时间及恋爱次数的影响,以及依恋模式及亲密关系心理对自我概念发展的影响。
1 对象与方法
1.1 对象 2008年10-12月,由研究者在某师范院校中招募已有恋爱经验的大学生进行问卷调查。共发放问卷220份,回收有效问卷209份,回收有效率为95%。其中男生107名,女生102名;恋情持续时间为3个月以下者32名,3~6个月42名,6~12个月28名,12个月以上105名,有2人未报告;恋爱次数为1次94名,2次64名,3次及以上45名,有6人未报告恋爱次数。年龄为21~24岁,平均21岁。
1.2 工具
1.2.1 成人依恋问卷 由关系问卷中文版(RQ)和亲密关系经历量表组成。关系问卷包括4段短文,分别描述4种依恋类型,要求被试者从中选出一种最符合自己的依恋类型。亲密关系经历量表包括36题,其中18道题测量依恋回避,18道题测量依恋焦虑,为Likert 7点量表,计算其平均分作为维度得分。该量表被证明有很好的信度和效度[3]。本研究中2个分量表的内部一致性系数分别为0.82和0.77。
1.2.2 田纳西自我概念量表(Tennessee Self-Concept Scale,简称TSCS) 该量表由美国田纳西心理治疗医生Williams于1965年编制,台湾心理学家林邦杰于1978年进行了修订。研究表明,量表的Cronbach系数α=0.869 4 ,Spearman-Brown分半信度系数为0.965 6,且证明有很高的效度[4]。量表共有70道题,形成生理自我、道德自我、心理自我、家庭自我、社会自我、自我批评、自我认同、自我满意、自我行动和自我总分。除了自我批评得分越高说明其自我概念越低外,其余各项得分越高表示他越喜欢自己、信任自己,认为自己是个有价值的人。
1.3 数据分析 采用SPSS 16.0统计软件包对数据进行整理和分析。
2 结果
2.1 成人依恋类型和亲密关系经历 成人依恋问卷调查结果显示,恋爱学生的依恋类型为安全型90人(43.1%),轻视型49人(23.4%),倾注型42人(20.1%),害怕型28人(13.4%);亲密关系经历量表测量结果显示,依恋回避(3.74±0.34)分,依恋焦虑(3.87±0.56)分。
2.2 不同依恋类型对恋爱持续时间及恋爱次数的影响 比较恋爱持续时间分别为3个月以下、3~6个月、6~12个月及12个月以上。大学生依恋类型差异无统计学意义(χ2=12.56,P>0.05)。比较恋爱次数分别为1次、2次、3次及以上者,大学生依恋类型差异也无统计学意义(χ2=4.73,P>0.05)。
2.3 亲密关系经历量表、田纳西自我概念量表测评结果
2.3.1 不同恋爱持续时间、恋爱次数亲密关系经历量表和田纳西自我概念量表得分比较 以恋爱持续时间为自变量,对亲密关系经历量表、自我概念的各个因素得分进行方差分析,结果显示,恋爱持续时间不同的大学生依恋回避和依恋焦虑得分差异无统计学意义;在自我概念各维度得分上,除道德自我、家庭自我、自我满意、自我行动及自我总分上得分差异均有统计学意义(F值分别为3.14,2.91,4.29,2.87,3.76,P值均
2.3.2 不同性别大学生亲密关系经历量表、田纳西自我概念量表得分比较 以性别为自变量对亲密关系经历量表、自我概念的各个指标进行t检验,结果见表1。在亲密关系体验上,女性依恋焦虑高于男性,差异有统计学意义(t=4.81,P
2.3.3 不同依恋类型个体自我概念得分比较 以依恋类型作为自变量,以田纳西自我概念量表的各个指标作为因变量,进行单因素方差分析,除道德自我和自我批评外,不同依恋类型个体在田纳西自我概念各维度上的得分差异均有统计学意义(P值均
2.3.4 成人依恋和自我概念的相关分析 从表3中可以看出,依恋焦虑除与自我批评呈正相关外,与自我概念其他各维度均呈负相关;依恋回避与自我概念各维度间均无相关。
2.3.5 依恋类型和自我概念的回归分析 见表4。
以性别、恋爱次数、恋爱持续时间、依恋焦虑、依恋回避等5个分指标预测自我概念总分,进行逐步回归分析,结果见表4。
3 讨论
调查表明,拥有恋爱经历的大学生的依恋类型,安全型高于40%,而矛盾型(即倾注型)占20%;男生在依恋焦虑上的得分显著低于女生,而在依恋回避上不存在性别差异,与
李同归等[5]对成人的研究结果不一致。自我概念的整体情况男大学生在各项因子上的得分均高于女大学生,说明具有恋爱经验的男大学生与女大学生相比,更敢于承认自己的优点和长处,能够更好地接纳自己。这与以往的研究结果[6]不一致。可能与本研究关注的群体与以往研究不同有关,也可能反映了社会期望对有恋爱经验的男女自我概念的影响。
方差分析结果显示,不同依恋类型的大学生在自我概念各维度上,除在道德自我和自我批评维度得分差异无统计学意义外,其他各维度得分差异均有统计学意义,安全型被试的得分均高于其他3种非安全型的被试。这说明安全型被试对自己各方面的感受均好于非安全型的被试,更能认识自己、接纳自己、肯定自己的价值,并能以此采取积极的行为。
调查结果表明,依恋焦虑与自我概念各维度相关均有统计学意义。相对于依恋回避而言,依恋焦虑对自我概念有较好的预测性。此外,恋爱持续时间也能预测自我概念,恋爱持续时间越长自我概念总分越高,个体越喜欢自己、信任自己并认为自己是个有价值的人。
4 参考文献
[1] BURNS RB. The self-concept: Theory measurement,development and behavior. New York:Longman, 1982:58-76.
[2] 刘岸英. 自我概念的理论回顾及发展走向. 心理科学, 2004, 27(10):248-249.
[3] 李同归,加藤和生. 成人依恋的测量:亲密关系经历量表(ECR)中文.心理学报,2006,38(3):399 -406.
[4] 林邦杰.田纳西自我概念量表之修订.中国测验年刊(台湾),1980,27:71-78.
[5] 李同归,李楠欣,李敏. 成人依恋与社会支持及主观幸福感的关系.中国临床康复,2006, 10(46):47-49.
[6] 万德智.大学生自我概念发展特点及其与应对方式的相关性研究.济南:山东大学,2007.
【关键词】 肾肿瘤; 淋巴结转移; 危险因素; 回归分析
Prediction of lymph node metastasis with binary logistic regression in renal cell carcinoma ZHANG Xiao-nong,SHEN Jun, CHEN Peng.Yuehua Hospital of Yueyang,Yueyang 414014, China
【Abstract】 Objective To study the risk factors of lymph node metastasis of renal cell Carcinoma(RCC) and to set up a Logistic regression model.Methods The clinical data of 163 patients with renal cell carcinoma who underwent radical nephrectomy from July 2000 to July 2008 in Affiliated Tumor Hospital of Xinjiang Medicial University, were analyzed by univariate and binary Logistic regression.Results The incidence of lymph node metastasis was 20.9%. Univariate logistic analysis revealed that the tumor size,clinical stage, Fuhrman nuclear grade and anemia were all correlated with lymph node metastasis of RCC(P
【Key words】 Renal cell carcinoma; Lymph node metastasis; Risk factors; Regression analysis
肾细胞癌(RCC)在成人泌尿生殖系统肿瘤中发病率仅次于膀胱癌居第二位,且对放化疗、生物治疗不敏感,预后较差。肾癌的生物学行为多变,发生机制复杂且受到与患者和肿瘤相关因素的影响,目前不太容易对根治性肾切除术后患者的生存率进行准确预测。淋巴结转移是影响肾细胞癌预后的重要因素,而准确的淋巴结分期对肾细胞癌的治疗和预后评价尤为重要。本研究回顾性分析本院近9年163例肾细胞癌根治性切除术后的病理及临床资料,探讨肾细胞癌淋巴结转移的危险因素,研究预测肾细胞癌淋巴结转移的较为合适的方法和指标,并建立Logistic 回归模型。
1 资料与方法
1.1 一般资料 2000年2月~2008年10月,本院共行肾癌根治性切除术163例,所有的病例经病理组织学确诊。其中男105例,女58例;年龄17~79岁,中位数年龄55岁;肿瘤最大直径(CT)1.3~19.0 cm,中位数6.0 cm;根据2002年AJCC肾细胞癌分期标准,Ⅰ期77例,Ⅱ期31例,Ⅲ期43例,Ⅳ期12例;根据1982年Fuhrman核分级标准,G1 81 例,G2 46例,G3 22例,G4 14例;病理类型:透明细胞癌135例,颗粒细胞癌7例,混合细胞癌12例,状细胞癌7例,肉瘤样癌2例;肿瘤侧别:左侧84例,右侧79例;其中淋巴结转移34例。
1.2 方法 查阅病历资料,收集11项可能与肾细胞癌淋巴结转移相关的临床病理因素,如性别、年龄、肿瘤最大径、ECOG-PS、肿瘤侧别、肿瘤分期、病理类型、肿瘤分级、贫血、碱性磷酸酶和乳酸脱氢酶。以34例淋巴结转移者为研究组,以129例无淋巴结转移者为对照组。
1.3 统计学处理 统计学分析采用Logistic回归分析,以淋巴结是否转移为应变量(Y:无0,有1),对各研究指标进行量化,各自变量(研究指标)赋值标准,见表1。将量化数据输入计算机,应用SPSS 13.0统计软件包,进行Logistic回归分析。采用相对危险度的近似估计值比值比(odds ratio,OR)来估计各变量与RCC转移的联系强度。先用Logistic回归模型做单因素分析(α0.05),利用单因素分析得出的结果对不同因素的作用大小进行排序,以α0.05为入选变量的检验水准,以α0.1为剔除变量的检验水准,基于偏最大似然估计的前进法向前逐步选择自变量,再用Logistic回归模型多因素逐步回归分析,并得出RCC淋巴结转移的概率模型。
表1 RCC淋巴结转移因素(自变量)赋值标准
2 结果
2.1 单因素分析 把与163例RCC患者淋巴结转移有关的临床病理因素应用单因素的Logistic回归模型做单因素分析,结果见表2。其中肿瘤大小、临床分期、Fuhrman核分级和贫血的OR值均大于1,与RCC淋巴结转移的风险有关(P0.05)。
表2 肾细胞癌淋巴结转移影响因素的Logistic回归单因素分析(n163,α0.05)
2.2 多因素分析 利用表2的结果,将P值<0.05的自变量和临床认为对肾细胞癌淋巴结转移有关的病理类型X7(病理类型)也入选Logistic回归模型,基于偏最大似然估计的前进法向前逐步选择自变量,进行多因素逐步回归分析,其中肿瘤大小、临床分期和Fuhrman核分级对RCC淋巴结转移有显著回归效果而选入回归方程,结果见表3。但由单因素回归分析亦可知,P值<0.05的自变量X9(贫血)未能选入回归方程并不说明其对肾细胞癌淋巴结转移无统计学意义,而可能是由于其作用被已选入的变量代替,从而使回归模型中的自变量均保证具有统计学意义。自变量X7(病理类型)也未能进入方程,不能因此认为其与肾细胞癌淋巴结转移一定无关,如果增加样本含量,可能会出现有统计学意义的结果。
表3 肾细胞癌淋巴结转移影响因素的Logistic回归多因素分析(n163, α0.10)
2.3 概率模型 由多因素逐步回归分析结果,可得出肾细胞癌临床病理因素与淋巴结转移关系的概率模型,LogitP-8.199+0.603X3+1.840X6+0.976X8, 其中P值越接近于1,患者发生转移的可能性越大;P值越接近于0,患者发生转移的可能性越小。整个模型经χ2检验有统计学意义(χ281.601,P0.000)。
2.4 应用概率模型的回代分析 为检验该模型的实用性,163例RCC对概率模型进行回代分析,以预测概率0.500为判别函数的分界点。结果显示此概率模型判断163例RCC淋巴结转移与病理诊断总符合率为87.7%[(122+21)/163],结果见表4。
表4 RCC淋巴结转移概率模型回代分析*
注:*判别函数的分界值为0.5000
3 讨论
肾细胞癌是肾脏最常见的恶性肿瘤,占成人肾恶性肿瘤的85%~90%和人类恶性肿瘤的1%~2%[1]。大约25%~30%的肾细胞癌在初始诊断时伴有远处转移,局限性肾癌在根治性手术后大约1/3的患者最终会发生远处转移,而30%~40%的患者会有淋巴结转移[2]。目前对肿瘤患者可能出现的淋巴结转移进行预测是一个大的挑战,淋巴结转移是癌症扩散的首要迹象,因此,详细的术前影像学和准确的淋巴结分期对外科治疗计划和策略及术后随访十分重要,同时还能为患者提供预后有关的准确信息。
癌细胞淋巴结转移是影响肾细胞癌疗效和预后的重要因素。Blute等[3]通过多因素分析总结了RCC淋巴结转移的高危因素:(1)肿瘤临床分期T3或T4;(2)肿瘤最大径>10 cm;(3)肿瘤细胞为低分化;(4)肿瘤组织中含有肉瘤样成分;(5)肿瘤组织中有坏死。如果具有2个或以上危险因素淋巴结转移的几率为10%,如果低于2个危险因素淋巴结转移的几率仅为0.6%,如果5个危险因素均满足者淋巴结转移率达到50%。此外,远处转移和下腔静脉癌栓阳性等也是淋巴结转移的高危因素[4]。
对肾细胞癌淋巴结转移的临床病理指标进行分析,试图找出RCC预后的独立的临床病理指标,可以为临床选择更好的治疗方案,从而提高患者的术后生存率。通过对影响RCC淋巴结转移的可能临床病理因素进行系列研究,可以在众多的有关因素中筛选出具有显著性影响的因素,将作用有显著性意义的影响因素挑选出来后建立较为合适的回归方程,便于检查和分析,从而可能对RCC的淋巴结转移的诊断和治疗带来帮助。笔者对163例RCC患者的临床病例因素进行单因素Logistic回归分析,结果表明肿瘤大小、临床分期,Fuhrman核分级、贫血与RCC的淋巴结转移有关(P
本研究表明,肿瘤大小、临床分期和Fuhrman核分级是肾细胞癌淋巴结转移的危险因素,与Blute等的研究结果基本一致。根据临床病理参数建立的Logistic回归模型对RCC患者淋巴结转移的风险提供非常重要的信息,对于判断预后、指导术后治疗及随访方案的制订具有重要的作用。因为存在研究方法和研究指标的多样性,笔者选取的研究方法和研究指标也有其自身的局限性,需要更多的病例和更多研究者的参与,相信随着研究的不断深入,这一问题将会得到解决。
参 考 文 献
[1] Jemal A, Murray T, Ward E, et al. Cancer statistics, 2005. CA Cancer J Clin, 2005, 55:10-30.
[2] Motzer RJ, Bander NH, Nanus DM. Renal-cell carcinoma. N Engl J Med, 1996, 335(12):865-875.
[3] ML Blute, BC Leibovich, JC Cheville, et al. A protocol for performing extended lymph node dissection using primary tumor pathological features for patients treated with radical nephrectomy for clear cell renal cell carcinoma. J Urol, 2004,172(2): 465-469.
近年来,用户研究已经成为产品设计界的重要研究手段,在产品的进入期、成长期、成熟期甚至衰退期,用户研究都起着至关重要的作用,它可以帮助产品概念的具体化、合理化地符合用户需求,提品功能定义的依据,等等。归根结底,它起到了从用户的需求域(感性描述)到设计的功能域(物理要素)的转换作用,最终帮助设计者获得成功产品所需的要素。
在用户研究的领域里,我们已经有了较为科学的方法来获得需求域中的各类信息数据,而如何将这些信息数据转换成为我们所需要的设计要素则成为研究的重点和难点。用户的需求来源于人,而产品的功能赋之予物,我们需要找到一种方法来发掘这主客体之间的联系,定性定量分析毫无疑问是解决这一问题的必要方法。
二、统计学:定量与定性研究结合
与其他产品设计的单一研究方法不同,在用户研究中,定性与定量分析一般而言是相辅相成的,这样做很好地结合了两种分析各自的长处。定量分析能够发现某个存在的现象,具有很好的说服力和可信性,是对事物“量”的分析,主要通过数据收集和分析来完成。定性研究则可以发掘隐藏在现象底下的规律及原因,具有能够抓住本质的深刻性和高效性,是对事物“质”的分析,主要通过常识、感觉、经验等主观因素来参与分析。
在用户研究中可以直接获取的数据很少,因此定量分析没有施展的空间,并且对于一些感性问题,例如用户的需求、用户的感觉等同样也无能为力。定性分析则受主观因素影响较大,具有不确定性的特点。如何能够很好地发挥定量分析的可信度与定性分析的深刻度是我们所要解决的下一个问题,这里引入统计学的分析方法,将定量与定性分析结合起来。
三、用户研究中的统计学
统计学广泛运用于生物、化学、心理学、社会学、经济学等诸多领域。它被用来了解与测量系统变异性,程序控制,对资料作出结论,并且完成资料取向的决策。而它的这些用途特点非常适合集心理学、社会学、人类学等多门学科交融的用户研究,因此,我们可以通过引入统计学的方法,来对用户研究中获取的信息进行定量和定性分析,从而完成需求域到功能域的转化。
根据统计学的研究特点,我们将其在用户研究中的运用步骤分为信息获取、信息处理、数据分析、数据校验四个步骤。
1.信息获取
用户研究方法有很多,现大多已趋于成熟。我们在确定研究目的与目标的前提下,有意识地选择用户研究的方法,并且明确其输出的数据及形式,为今后的分析做准备。在用户研究中我们可以通过背景资料收集、问卷调查、用户观察、用户访谈、用户角色和用户情境等方法获得大量的文字数据、图像数据、问卷数据、实验数据和语音数据,这些数据都可以通过进一步的处理,转换成统计学中可以运用的数据形式。为了更好地进行下一步的分析研究,要根据用户研究对象的特点将这些信息分为用户基本数据、用户行为数据和用户主观数据。
基本数据主要是指对用户的性别、年龄、职业、收入、教育、地区、家庭结构、生活方式等量化后的数据;行为数据是指用户与产品的交互,即对于产品的使用及体验通过观察测试等方法提取的数据;主观数据是指用户对于产品的满意度、情绪反应、审美反应、生活态度等通过问卷访谈等方式获得的数据。由此我们便获得了计算所需的数据。
2.信息处理
上面我们已经论述了信息获取的方法及信息的分类和特点,但是这些信息的形式如文字、图像、问卷大多都不能直接用于统计学的分析,因此我们要对信息进行处理,也就是信息的量化。
(1)用户基本数据量化
基本数据都属于某种“品质”或“属性”,它们的量化方法可以使用取值为“1”或“0”的人工变量来表示是否存在,也就是对质的因素的判断。如“1”表示已婚,“0”表示未婚。同样有时本身是“数量”因素也可以转化成“质”因素,如“1”表示年收入5万到10万,“0”表示年收入5万以下。
(2)用户行为数据量化
用户行为数据可以通过试验器械的辅助,有计划的观察与测试来获得。主要是行为过程中存在的与衡量目标完成情况相关的变量。这些具体数据的情况与目标有着直接关系,通常可以直接获得具体数值。如时间、频率、数量、周期、步骤等。
(3)用户主观数据量化
用户主观数据主要通过对用户的问卷与访谈得到,是从用户的主观因素出发对用户体验进行量化。在这里,我们可以用数值来表示主观因素的程度,通过这种方法来量化这些主观的、抽象的、感性的信息。如满意程度可以由-3,-2,-1,0,1,2,3这7个数值表示,-3为最不满意,3为最满意。同理抽象感性词汇可以选择一对反义词作为两极,由负值到正值表示符合的程度。如传统和现代、圆润和尖锐等。
此外,为了消除数据计量单位不同的影响,便于数据的直接比较,要对数据进行标准化——使数据矩阵式中每列数据的平均值为0,方差为1;或者规格化——将每列的最大数据变为1,最小数据变为0,其余数据取值在0~1之间。
3.数据分析
在对数据进行必要的处理以后我们就要开始进行统计分析。为了便于介绍统计方法,我们先将处理好的数据分类。在统计学中根据变量数学性质的由低到高可将其划分为:定类数据、定序数据、定距数据和定比数据。定比数据使用较少,此处略。定类数据是一个分类体系,通常将研究对象属性分类后编号,其只能测量类别差。如华中、华北、华东等。定序数据多了类别间顺序等级的信息,可以测量次序差。如幼年、少年、青年、中年、壮年、老年等。定距数据不仅可以测量差别,还可以测算距离,如10秒、20秒、30秒等。
下面介绍在设计领域常会遇到的变量类型之间的关系测量以及相对应的方法类别,具体公式与计算方法可以参看相关统计学书目。
(1)双变量统计
两个变量之间关系的探讨在用户研究中是重要的内容。相关分析是解决这个问题最为常用的统计学方法。判断两个变量之间的关系主要从它们的相关程度、相关正负、相关类型等方面来看,在通常情况下为线性相关,可从相关系数中看出两个变量之间的关系。
①两个定类变量以及定类与定序变量之间的关系可使用相关分析中的λ和τy测量法。λ测量法可以是不分变量与自变量的对称形式。如丈夫购车标准与妻子购车标准之间的关系。τy测量法要求具有自变量与因变量之别,如性别与购车标准之间的关系。定类与定序变量关系也可用此两种系数,如收入水平与购车标准之间的关系。
②两个定序变量之间的关系可以使用Gamma系数和dY系数来表示。例如同等收入水平年龄与购车价格之间的关系。
③定类与定距、定序与定距可采用相关比率测量法。如性别与某手机功能操作次数之间的关系或是年龄与后者之间的关系。除此之外,也可以使用单因素方差分析。
变量之间除相关关系还可以用函数关系来表示,线性回归分析可以测量变量之间的线性关系,它是在研究过程中将一些因素作为所控制的变量(自变量),而另一些随机变量作为它们的因变量来进行分析的。一元线性回归可以用来解决双变量统计问题。
(2)多变量统计
在设计领域中研究的问题影响因素往往较为复杂,在双变量统计不能满足要求的时候我们就要用到多变量统计方法,主要有多元线性回归分析,Logistic回归分析、聚类分析、主成分分析、因子分析等。
①多元线性回归分析。研究在线性相关条件下,两个和两个以上自变量对一个因变量的数量变化关系,称为多元线性回归分析,表现这一数量关系的数学公式称为多元线性回归模型。它解决的问题是通过抽样调查的数据,确定自变量和因变量之间关系的密切程度;确定多个自变量对应变量的共同影响,比较各个自变量对因变量影响的大小;确定因变量和自变量之间的关系表达式,即回归方程式。如台灯外形表现现代感程度分别与其灯罩、灯颈、灯座造型、材质、色彩的关系,这种方法在感性工学研究中经常使用。
②Logistic回归分析。线性回归模型的一个局限性是要求因变量是定量变量(定距变量、定比变量),而不能是定性变量(定序变量、定类变量)。但是在许多实际问题中,经常出现因变量是定性变量(分类变量)的情况。Logistic回归分析就是用于处理分类因变量的统计分析方法。其因变量只取两个值,表示一种决策、一种结果的两种可能性。如消费者是否购买产品与产品性能、外观、价格、
品牌等因素之间的关系。
③聚类分析。聚类分析是研究“物以类聚”的一种多元统计分析方法。聚类分析的基本思想是根据对象间的相关程度进行类别的聚合。例如可以通过测试者对于较多产品的评价运用聚类分析将产品分别归类。又如通过对消费者生活形态的研究将其分类,有针对性地进行产品开发。聚类分析可用树艺术与设计ˉ形图来表示结果。
④主成分分析。把多个变量(指标)化为少数几个综合变量(综合指标),而这几个综合变量可以反映原来多个变量的大部分信息。为了使这些综合变量所含的信息互不重叠,应要求它们之间互不相关。例如在评价一个产品设计时,往往有很多因素,通过主成分分析可以用少数几个综合因素对其进行评价,减少工作量。
⑤因子分析。因子分析可以看成是主成分分析的一种推广。它的基本目的是,找出隐藏在一组测量到的变量中的一些更基本的,但又无法直接测量到的隐性变量(爱好、态度、能力)去解释显在变量(设计成功与否、销售量、点击率)。例如从众多人们显在的生活习惯中找到人们选择使用购买生活用品的潜在因子。这种方法可以应用在用户研究中的生活方式研究之中。
4.数据检验
数据检验其实是贯穿整个计算过程中的,一些计算方法需要检测数据是否适合做此类运算,如回归分析的拟合优度检验,因子分析的KMO检验,而回归分析可以用逆运算进行检验等。当然一般人都会认为数据是客观而准确的,但是准确的数据之后,依赖分析师的常识、经验和主观判断,来选择和运用适合分析方法,并以严谨的研究态度来完成整个分析步骤。
1、统计研究设计:应交代统计研究设计的名称和主要做法。如调查设计(分为前瞻性、回顾性或横断面调查研究);实验设计(应交代具体的设计类型,如自身配对设计、成组设计、交叉设计、析因设计、正交设计等);临床试验设计(应交代属于第几期临床试验,采用了何种盲法措施等)。主要做法应围绕4个基本原则(随机、对照、重复、均衡)概要说明,尤其要交代如何控制重要非试验因素的干扰和影响。
2、资料的表达与描述:用x±s表达近似服从正态分布的定量资料,用M(QR)表达呈偏态分布的定量资料;用统计表时,要合理安排纵横标目,并将数据的含义表达清楚;用统计图时,所用统计图的类型应与资料性质相匹配,并使数轴上刻度值的标法符合数学原则;用相对数时,分母不宜小于20,要注意区分百分率与百分比。
3、统计学分析方法的选择:对于定量资料,应根据所采用的设计类型、资料所具备的条件和分析目的,选用合适的统计学分析方法,不应盲目套用t检验和单因素方差分析;对于定性资料,应根据所采用的设计类型、定性变量的性质和频数所具备的条件以及分析目的,选用合适的统计学分析方法,不应盲目套用x2检验。对于回归分析,应结合专业知识和散布图,选用合适的回归类型,不应盲目套用简单直线回归分析,对具有重复实验数据的回归分析资料,不应简单化处理;对于多因素、多指标资料,要在一元分析的基础上,尽可能运用多元统计学分析方法,以便对因素之间的交互作用和多指标之间的内在联系进行全面、合理的解释和评价。
4、统计结果的解释和表达:当P<0.05(或P<0.01)时,应说明对比组之间的差异有统计学意义,而不应说对比组之间具有显著性(或非常显著性)的差别;应写明所用统计学分析方法的具体名称(如:成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等),统计量的具体值(如t值,x2值,F值等)应尽可能给出具体的P值;当涉及总体参数(如总体均数、总体率等)时,在给出显著性检验结果的同时,再给出95%可信区间。
关键词:自然资源调查;高分卫星;遥感技术;神经网络;像素级分析
高分卫星又称作高分辨率对地观测系统重大专项工程,是《中国国家中长期科学和技术发展规划纲要》(2006—2020年)的16个重大科技专项之一,主要用于国土普查、农作物估产、环境治理、气象预警预报和综合防灾减灾等领域。目前,包括最新发射的高分十三号卫星在内,所有高分卫星的实时动态对地观测成果已经全面投入商用,民营企业可以以较低成本获得全面的米级精度实时卫星遥感遥测信息。因为早期民营企业较少涉及卫星航天工程,所以受到高分卫星专项工程的商用影响,越来越多的民营企业开始涉及高分卫星专项工程的信息数据分析工作,包括农业服务、气象服务、林业资源调查、水域及渔业资源调查、农业资源调查、水利水文监测、矿产资源调查等。该研究基于高分卫星数据开发工具包,研究一种可以分析调查自然资源现状及动态变化情况的算法架构,使中国产卫星遥感技术的应用范围进一步拓展。
1地籍单元的划分与类模型提取
基于高分卫星专项工程的商业化数据服务,其本质意义是让国内普通企业可以充分享受到卫星航天工程的数据成果。当前高分卫星资源分析系统中,已经推出了商业化应用,使农民可以每年只花费数十元,就可以对农田的含水量、预计产量、病虫害发生概率进行详细统计。该研究在针对高分卫星资源分析的深度研究中,探求一种分析性能更佳的地籍单元分析模式,使基于复杂神经网络的高分卫星数据分析系统可以提供更强大的分析功能。因为卫星视场为交叉重叠的带状视场,而大部分被分析地区属于面状区域,所以,在任何卫星遥感数据的处理中,利用卫星视场拼接被分析区域均属于首要工作。同时,在相关分析中,即便在单一卫星视场区域内进行分析,也需要对地籍单元进行细化分析,以获得足够精确的机器学习分析结果。如图1所示。图1中,根据被分析地区的区域坐标,在卫星视场数据中选择所有相关视场资料,对视场资料进行拼接,最终形成被分析区域的原始数据图像集。根据市场的四至极点构建矩形区域,使用四分法对区域进行逐层划分,直至最终地籍单元的像素数量在神经网络的可控制范围内。本文研究中,选择的地籍单元数量最终为F(x,y)={m×n},maxx=m<25,maxy=n<25的地籍单元。使用神经网络对地籍单元资料进行评价,最终找到边缘地籍单元并确定地籍单元的属性。将边缘地籍单元进行连线,最终形成加权叠加输出结果。受到篇幅限制,本文不对较为成熟的地籍单元的四分法及其他相关算法进行深入讨论,仅对其神经网络的机器学习实现算法进行展开分析。
2地籍单元的神经网络分析算法
2.1神经网络整体分析架构
该神经网络系统的输入值为地籍单元的不超过25×25个像素阵列,其中需要进行3个神经网络判断模块。3个神经网络模块均通过25×25个像素阵列的输入数据进行分析,分别给出该地籍单元是否包含资源边界的分析类型判断二值化判断,对自然资源种类进行判断的地籍种类模块,判断边界位于像素阵列位置的边界判断模块。如图2所示。
2.2数据降维功能的实现
分析类型选择模块分为两个功能,是将数据充分降维,不超过25×25个像素点阵,共包含最高625个输入单元,每个输入单元包括3个上色通道,每通道为1个16位Long型变量。即该模块的输入量最高可达到625×3=1875个Long型变量输入,而其输出结果为1个Logical型二值化变量,其分析过程的信息损失量较大。所以,该模块在提供二值化输出功能的同时,应有充足的数据降维功能,使降维过程损失的信息量在模块带回归变量中充分保留,采用40%的维度压缩比,其隐藏层结构传导函数如公式(1)所示:f(n+1)=mod(f(n)×40%)(1)式中,mod函数为取整函数;根据该式进行降维设计,则其隐藏层结构见表2。表2中,该降维模块在3个模块中均有应用,均作为其隐藏层的前6层结构,其利用六阶多项式回归函数的丰富待回归变量资源,将高达1875个数据维度降维到7个数据维度,以供后续分析,六阶多项式回归函数的基函数如公式(2):(2)式中,Xi为第i个输入变量;Y为节点输出变量;j为多项式阶数,该设计中使用了6阶多项式;Aj为第j阶多项式的待回归变量,每个节点共包含6个待回归变量。
2.3功能模块的实现
图2中的3个神经网络功能模块,其隐藏层前6层均为表2和公式(2)提供的逻辑架构,但在后续各层中有所不同,3个神经网络功能模块的后续隐藏层结构有以下区别,详见表3。表3中,3个神经网络功能模块应用到除多项式回归函数之外的2种回归函数,分别为二值化函数和对数回归函数。边界判断模块中,因为是多列神经网络,则会构建2列平行的多列神经网络模块,分别对m值和n值进行输出。此时,二值化函数的基函数写作公式(3),对数回归函数的基函数写作公式(4):
3资源调查监测算法效能判断
按照图1中的技术整合方式,将前文所述的神经网络算法整合到技术体系中,可以得到对应的分析结果,分析数据来自某市市域面积的自然资源调查结果,分析时间周期来自2018年1月1日至2019年12月31日,每15d对数据进行重新采集取样,即达到该市2年期限内的48次密集资源普查结果。在算法效能判断中,分析单一图像内资源区域边界数据点的标准偏差率得到单张图像的分析结果,分析时序图像上资源区域边界变化趋势的标准偏差率结果,在两种标准偏差率基础上,判断该算法精度。对比数据来自高分卫星数据开发工具包内自带资源识别系统给出的分析结果同样分析该两种标准偏差率。标准偏差率的计算公式如式(5):式中:σ为一维单列数据的标准偏差率;xi为该列数据的第i个输入值;x-为该列数据的算数平均数;N为数据列的最大下标。使用SPSS24.0的t校验功能比较数据的差异性,当t<10.000时认为数据存在统计学差异,同时读取t校验过程的P值;当P<0.05时认为分析结果处于统计学置信空间内;当P<0.01时认为数据具有显著的统计学意义。该分析结果详见表4。表4中,静态标准偏差率均值指所有48套计算结果中的标志性数据点位置沿分界线连线进行分组,对其标准偏差率求取均值并进一步计算该值数列的标准偏差率;动态标准偏差率均值指计算48套计算结果的标志性数据点位置变化量沿分界线连线进行分组,对其标准偏差率求取均值并进一步计算该值数列的标准偏差率;改组数据比较中,t<10.000,P<0.01,具有显著的统计学差异,且革新软件将静态分析误差优化84.9%,将动态误差优化85.7%。革新系统的分析精度显著优于工具包的自带系统。该研究的根本意义在于探求一种基于原始开发神经网络模块可以服务于高分卫星遥测数据,使其得到更精细化的资源识别功能,所以,判断其对资源识别的准确率,可以使其社会效能得到更大提升。在验证试验中,选择20名地籍管理专业从业者,以肉眼评价方式对2套算法的最终分析效果进行评价,发现2种分析算法的失误率,详见表5。表5中,考察全市约35km2土地面积,涉及分类地块29753个,最大面积318.4hm2,最小面积0.8hm2,2套软件算法条件下,均为发生在林木、农作物、水产水域资源类型之间的跨门类误判,即所有2种算法条件下,所有机器误判均为在林木种类之间的误判、农作物种类之间的误判、水产类型之间的误判。自带软件较革新软件,在林木种类误判数量上高出6.8倍,在农作物类型误判数量上高出19.2倍,在水产类型误判数量上高出4.1倍,即可认为革新软件因为启用了神经网络深度迭代回归的数据识别模式,使其资源类型误判率得到了显著提升。在边界划分方面,因为高分卫星给出的遥测数据每像素点约为0.8m×0.8m,所以其本身存在一定程度的测量误差,在此基础上,对资源边界的实际判读精度,只能达到亚米级,很难达到毫米级。但因为当前进行地籍单元划分时,底图一般采用国家地球地理信息系统(GIS)底图,其比例尺约为1∶1000,支持最高达到±50mm的精度,所以,对两套系统判断资源区边界的精度进行对比分析,其结果见表6。表6中,大资源区指林木、农田、水域、房屋压占、道路压占等大资源区的边界划分结果,小资源区指大资源区内因为不同林木种类、不同农作物种类、不同水产种类等进行的小资源区划分结果。通过比较,革新软件对比自带软件,其大资源区边界精度提升65.9%,小资源区边界精度提升67.2%,综合分析其边界划分精度提升62.5%。该结果t<10.000,P<0.01,具有显著的统计学差异。可以认为使用了神经网络深度迭代回归的机器学习分析策略较其自带系统具有更高的边界划分精度,且不论其自带软件还是革新软件,均已经实现远超过原始卫星遥感图像成像精度的边界划分能力。
4结束语
神经网络深度迭代回归数据挖掘分析方法,是在不完备数据条件下实现高精度数据分析的大数据解决方案。通过该方案可以充分利用不完备数据条件,如成像精度每像素点覆盖0.8m×0.8m范围的高分卫星图像数据,对其进行逐像素点的地籍单元模块深度迭代回归分析,可以实现平均精度达到±186.3mm的地籍边界划分。即便采用全站仪进行人工防线测量,虽然全站仪精度可以达到±50mm以内,但资源区边界难以通过肉眼明确位置,其实际分析精度不会超过该革新算法的精度。该革新算法可以大幅度提升资源调查效率和资源区划分精度,具有显著的大数据工程意义。
参考文献:
[1]井延涛.国土资源遥感监测应用研究[J].华北自然资源,2020(6):84-85.
[2]付晶莹,彭婷,江东,等.草地资源立体观测研究进展与理论框架[J].资源科学,2020,42(10):1932-1943.
[3]段志强,张娜,王挺,等.基于遥感影像的违章建筑监测实践[J].地理空间信息,2020,18(10):41-45.
[4]王克.试谈设立一种微型卫星式监测站的可行性[J].中国无线电,2020(10):45-46,49.
[5]陈湘楠,耿莉.多源卫星遥感数据在广西北部湾地区的应用[J].北京测绘,2020,34(10):1368-1373.
[6]尤淑撑,张锐,董丽娜,等.自然资源卫星遥感常态化监测框架设计及关键技术[J].地理信息世界,2020,27(5):115-120,128.
[7]王桥,赵少华,封红娥,等.国家城镇生态环境综合监测技术体系构建[J].地球信息科学学报,2020,22(10):1922-1934.
[8]赵少华,朱军,白志杰,等.土壤污染监测卫星遥感应用需求与载荷配置初探[J].环境与可持续发展,2020,45(5):114-117.
[9]杨贯伟.卫星遥感技术在公路全生命周期建设中的应用[J].数字通信世界,2020(10):48-49,81.
【关键词】 子宫内膜异位症;不孕;腹腔镜手术;妊娠率
子宫内膜异位症(内异症)是育龄妇女常见疾病, 且与不孕关系密切。内异症相关不孕的治疗一直是临床中的难点, 腹腔镜手术可部分改善此类患者妊娠预后, 但远未达到理想水平。本文探讨了内异症相关不孕患者年龄、r-AFS分期(根据1985年修订的美国生育学会内异症分期标准)、不孕类型、不孕年限、术前用药、术后用药及是否接受辅助生殖技术(ART)助孕与其腹腔镜术后妊娠率的关系, 旨在为提高此类患者的生育能力寻找更合理的治疗方案。
1 资料与方法
1. 1 一般资料 收集2009年5月~2011年4月于福建省妇幼保健院经腹腔镜手术与病理结果确诊为内异症且合并不孕患者的资料。剔除输卵管、内分泌因素所致不孕、男性因素不孕以及合并子宫腺肌病、子宫肌瘤、卵巢肿瘤、盆腔炎症、卵巢囊肿破裂、恶变、内科疾病等。符合条件病例共113例, 失访12例(失访率10.62%), 入选病例共101例。患者年龄22~43岁, 平均(30.31±4.42)岁, 不孕年限1~12年, 中位数2(2~4)年。药物治疗情况:根据病情及患者意愿, 101例患者中有53例仅单纯行腹腔镜手术治疗;10例患者术前孕三烯酮口服(2.5 mg/次, 2次/周)3个月, 术后均补充促性腺激素释放激素激动剂(GnRH-a)醋酸曲普瑞林肌肉注射(3.75 mg/次, 每28天1次)3~6个月;38例患者仅术后补充GnRH-a治疗(3.75 mg/次, 每28天1次)3~6个月, 无术前用药。
1. 2 研究方法
1. 2. 1 回顾性分析 根据病历资料将101例入选病例按照各临床因素分组, 回顾性分析患者年龄、r-AFS分期、不孕类型、不孕年限、术前用药、术后用药及是否接受辅助生殖技术助孕与腹腔镜术后妊娠率的关系。
1. 2. 2 随访 通过电话或门诊随访2~4年,随访时间截止至2013年4月30日。主要指导患者受孕, 了解其术后继续用药、接受辅助生殖技术助孕以及妊娠情况。
1. 3 统计学方法 采用SPSS 17.0统计软件进行统计学分析, 计数资料采用χ2检验, 不满足χ2检验条件的采用Fisher确切概率法计算, 采用多因素非条件Logistic回归分析腹腔镜术后妊娠率的影响因素。P
2 结果
2. 1 术后1年内及术后1年后的妊娠率比较 本研究纳入病例101例, 腹腔镜术后累积受孕率64.36%(65/101)。其中术后1年内的受孕率44.55%(45/101), 术后1年后的受孕率19.80%(20/101), 前者显著高于后者(χ2= 14.1774, P
2. 2 术后1年内妊娠率与各临床因素的关系 按照各临床因素分组分别统计其术后1年内的妊娠率, 结果见表1。年龄
2. 3 术后随访2~4年累积妊娠率与各临床因素的关系 按照各临床因素分组分别统计其腹腔镜术后累积妊娠率, 结果见下表。年龄
2. 4 腹腔镜术后妊娠率影响因素的多因素分析 以是否妊娠为因变量, 以年龄、r-AFS分期、不孕类型、不孕年限以及不同辅助药物治疗方案、是否采用辅助生殖技术为自变量进行Logistic回归分析(引入变量的水平为0.05, 剔除变量的水平为0.05)。多因素分析显示所筛选因素中仅年龄是妊娠率的独立影响因素。OR值为0.241, 表示年龄越小妊娠率越高。
3 讨论
内异症合并不孕的机制复杂, 临床上尚无标准化治疗方案。腹腔镜手术有助于提高内异症相关不孕患者的生育能力, 但仍不能达到理想水平, 临床上常于腹腔镜手术前后补充内分泌药物治疗以期进一步改善妊娠预后。但目前关于手术前后辅以药物治疗能否改善此类患者的生育能力, 及其生育能力的其它可能影响因素仍无一致观点。关菁[1]、葛春晓[2]等认为腹腔镜术后联合GnRH-a治疗可提高内异症患者的妊娠率, 改善妊娠结局。而Loverro等[3]进行的一项前瞻性随机对照研究获得相反结论。Sachiko等[4]的研究显示术前药物治疗会增加卵巢内异症患者腹腔镜术中正常卵巢组织的去除量从而降低卵巢储备, 对内异症患者的生育能力造成不利影响。本文拟通过探讨内异症相关不孕患者腹腔镜术后妊娠率的可能影响因素, 尝试找出改善该类患者妊娠率的有效方法[4]。
r-AFS评分系统是目前临床上应用最广的内异症评分系统。但近年来有研究[5]显示内异症患者术后妊娠率与r-AFS分期无统计学相关性, 作者的研究结果亦表明I~II期患者的妊娠率与III~IV期患者的妊娠率比较无显著差异, 提示r-AFS分期不能很好地反映患者的生育能力。近年内出现一个新的评分系统即子宫内膜异位症生育指数(EFI), 但该系统在临床尚未得到广泛应用, 其有效性仍需更多大样本前瞻性研究进一步验证。
本研究结果显示腹腔镜术后1年内的妊娠率显著高于术后1年后的妊娠率, 提示术后1年内为最佳受孕时机。年龄(35岁患者的妊娠率显著高于年龄)或等于35岁患者的妊娠率, 考虑与35岁后女性卵巢储备功能明显下降有关。不孕类型、不孕年限、腹腔镜术后补充内分泌药物治疗对妊娠率均无显著影响。该结果与刘丹等[6]的研究相符。我们的研究同时显示腹腔镜术前是否辅助药物治疗对妊娠率亦无显著影响。采用辅助生殖技术助孕与未助孕患者1年内的妊娠率差异有统计学意义, 而超过1年后其妊娠率差异无统计学意义。多因素分析显示无论是对于术后1年内妊娠率还是随访2~4年术后累积妊娠率, 年龄是唯一恒定的影响因素。综合上述因素我们不建议内异症相关不孕患者腹腔镜围手术期前后接受药物治疗。患者可于术后短期期待, 医师指导受孕, 对经短期期待、医师指导受孕而未能妊娠的内异症患者, 特别是年龄≥35岁的患者, 建议积极采用辅助生殖技术助孕。
参考文献
[1] 关菁, 沈浣, 刘亚南, 等.腹腔镜术后应用促性腺激素释放激素激动剂对I期子宫内膜异位症不孕患者生育能力的影响. 中华妇产科杂志, 2010, 45(4):264-268.
[2] 葛春晓, 朱湘虹, 汤晓秋. 腹腔镜保守性手术联合戈舍瑞林治疗重度卵巢内异症206例近远期疗效分析. 中华妇产科杂志, 2012, 47(8):603-607.
[3] Loverro G, Carriero C, Rossi AC, et al. A randomized study comparing triptorelin or expectant management following conservative laparoscopic surgery for symptomatic stage III-IV endometriosis. Eur J Obstet Gynecol Reprod Biol.,2008, 136(2):194-198.
[4] Sachiko Matsuzaki, Céline Houlle, Claude Darcha, et al. Analysis of risk factors for the removal of normal ovarian tissue during laparoscopic cystectomy for ovarian endometriosis. Hum Reprod, 2009, 24(6):1402-1406.
1对象与方法
1.1研究对象
1.1.1被评价课程。某医科大学为全日制在校研究生开设的16f-IPBL选修课程,涉及I临床专业、基础专业及人文伦理等学科领域,课程学时在9—18之间,每个班次参与人数在lO~3O人之间。
1.1.2问卷调查对象。以参与PBL课程的528名硕士研究生为研究对象,采用自填式问卷调查。
1.2研究方法
1.2.1编制调查问卷。采用“Dephil法”与“层次分析法(AHP)”进行评价指标的筛选和权重的确定,构建了包含三级评价指标的医学研究生PBL模式教学质量评价体系J,以评价体系为基础编制调查问卷。问卷共分四部分,包涵46个问题,第一部分用于收集填表人的基本信息;第二部分将评价体系中三级指标细化到问卷的题目中,指标与问题逐一对应,对每门PBL课程的实际教学质量进行量化评价,以此作为各门PBL课程教学效果的客观评价标准;第三部分中的题目是对教学过程相关信息的收集,旨在寻找PBL课程实施过程中影响教学效果的相关因素;第四部分设置了两道开放性问题,以获得更符合被调查者想法的答案,收集更多研究者在问卷设计时未曾考虑到的信息。
1.2.2数据整理。对收集到的调查问卷进行筛查,剔除标准为:(1)漏项超过10%的问卷;(2)重复率超过90%的问卷;(3)两组以上逻辑筛查项填答矛盾的问卷(问卷中设置了三组逻辑筛查项,若两组及两组以上逻辑相关性问题的回答存在矛盾,则认定被调查者没有认真填写该份问卷,该份问卷将被筛查掉)。
1.2.3统计学分析。采用Epidata3.02完成数据录人,用SPSS13.0统计软件进行统计分析。正态分布计量资料以±s描述,偏态分布计量资料以M(Q)描述,计数资料用率或构成比描述。组间比较选用t检验或方差分析,变量之间关联性检验采用Spearman等级相关分析,教学效果影响因素分析采用多元线性回归模型。假设检验水准为双侧=0.05。
2结果
2.1一般情况
发放调查问卷536份,收回问卷528份,问卷回收率98.51%。回收的问卷中,15份问卷漏项超过10%,3份问卷选项完全一致,13份问卷存在逻辑性错误,共31份试卷被筛除掉,最后获得有效问卷497份,问卷有效率94.13%。被调查对象中,男生占31.79%,女生占68.21%;年龄分布在21—36岁,平均年龄(24.52±1.74)岁;基础医学硕士占46.88%,临床医学硕士53.12%。
2.2PBL模式教学效果总体评价
从问卷中评价体系部分对PBL模式课程教学质量量化评价结果可知,被调查者对PBL课程的总体评价得分为85.2O(11.95),总体评价得分呈负偏态分布,医学研究生PBL课程教学质量总体评价得分偏向高分一侧。评价得分在80.00—100.00之间的所占比例最高,近75%的参与学生对医学研究生PBL课程的整体教学评分在8O.0o分以上,即绝大多数参与学生对PBL课程给予了较高评价。
2.3影响教学效果的单因素分析
以评价得分Y为应变量,因Y呈负偏态分布,先采用变量变换的方式使其正态化,然后以l9个影响因素为自变量,进行单因素分析。
2.3.1授课对象相关因素。研究生生源类别、既往是否有工作经历、是否已取得医师资格、对PBL模式的认知程度4个因素对医学研究生PBL课程教学效果的影响有统计学意义(均P<0.05,t或F值分别为2.1l6,一2.850,一3.214,25.433)。其中,生源类别为定向、委培的研究生参与PBL课程的教学效果优于非定向、自筹的研究生;既往有过工作经历的研究生参与PBL课程的教学效果优于从未有过工作经历的研究生;已取得医师资格的研究生参与PBL课程的教学效果优于尚未取得医师资格的研究生;对PBL模式没有任何了解的研究生的教学效果最差,不同了解程度的研究生参与课程的教学效果问无显著差异。此外,学生性别、年龄2个因素对医学研究生PBL课程教学效果的影响无统计学意义。
2.3.2学习过程相关因素。所修PBL课程与专业的相关程度、选课目的、同一学期选课门数、课前资料准备情况、课堂讨论参与度5个因素对医学研究生PBL课程教学效果的影响均有统计学意义(均P<0.05,t或F值分别为90.829,48.136,137.69,122.232,27.637)。其中,所修PBL课程与研究生自身攻读的专业越相关,获得的教学效果越好;以掌握专业知识、提高学习兴趣、寻求科研帮助等积极目的参与课程的研究生获得的教学效果明显优于以单纯拿学分、遵从导师要求等消极目的参与课程的研究生,具有双重选课目的的研究生的教学效果介于两者之问;同一学期选修PBL课程门数在3门以内的研究生的教学质量评价总分无显著差异,优于选修PBL课程门数超过3门的研究生;研究生在课前资料准备的越充分,最终获得的教学效果越好;参与课堂讨论频率越高,讨论态度越积极的研究生获得的教学效果越好。
2.3.3师资配备相关因素。教师年龄、职称、是否有留学经历、是否担任研究生导师4个因素对医学研究生PBL课程教学效果的影响均有统计学意义(均P<0.05,t或F值分别为5.239,2.289,1.937,4.050)。其中年龄在40—5O岁的PBL教师讲授的课程获得的教学效果最好,其余年龄分组的PBL教师的教学效果无显著差异;具有副高级职称的教师讲授的PBL课程获得的教学效果优于其他职称的教师;曾有留学经历教师讲授的PBL课程的教学效果优于未有留学经历的任课教师;担任硕导工作的任课教师讲授的PBL课程的教学效果优于担任博导和未曾担任研究生导师的任课教师。此外,教师性别、学位级别2个因素对医学研究生PBL课程教学效果的影响无统计学意义。
2.3.4课程相关因素。不同类型PBL课程的教学效果间存在统计学差异(F=15.96,P=0.000),临床类和人文类PBL课程的教学效果优于基础类PBL课程。而将相同PBL课程安排在不同学年开设获得的教学效果无统计学差异。
2.4影响因素间的相关性分析
在影响教学效果的因素中,部分因素间可能存在相关性,进行相关分析后可知:学生的生源类型与既往是否有工作经历之间r=0.305,P=0.000<0.05,即生源类型为定向和委培的研究生大多曾经有过工作经历;教师职称与教师年龄之间r。=0.328,P=0.000<0.05,即年龄越大的教师其职称越高,两者间具有相关性。
2.5教学效果相关因素的多元线性回归分析
经单因素分析,共得到14个影响因素,同时考虑到学生的生源类型、教师职称两个因素,分别与学生既往是否有工作经历、教师年龄之间有相关性,根据经验式诊断,不将学生的生源类型和教师职称两个因素纳入方程。以教学质量评价得分Y作为应变量,12个影响因素作为自变量,并将分类变量转化成哑变量,采用forward法引人多元线性回归分析,拟合主效应模型。12个自变量分别为与授课对象特征相关的研究生既往是否有工作经历、是否已取得医师资格、对PBL模式的认知程度,与学习过程相关的所修PBL课程与专业的相关程度、选课目的、同一学期选课门数、课前资料准备情况、课堂讨论参与度,与师资配置相关的教师年龄、是否有留学经历、是否担任研究生导师以及与课程管理相关的课程类型。结果显示,最终进入模型的根据其影响程度大小依次为:学生课前资料准备情况、学生所修PBL课程与专业的相关程度、课程类型、学生同一学期选课门数、教师是否担任研究生导师、学生课堂讨论参与度、学生对PBL模式的认知程度以及学生有既往是否有工作经历8个变量。回归模型的复相关系数R为0.698,校正复相关系数adi为0.686,即最终模型可解释的变异占总变异的69.8%。回归模型的方差分析F=58.238,P=0.000,回归方程的拟合优度较好。变量(哑变量)回归系数的假设检验结果见表1:
3讨论
国内医学院校对PBL模式课程教学的研究,大多集中在“教学手段或方法”、“教学内容”等方面的改革研究上,对教学效果的研究多是基于单门课程或单个小班传统教学模式与PBL模式的对照研究。本研究通过在医学研究生群体中大规模的实践PBL教学模式,对PBL模式在医学研究生群体中应用的教学效果及影响因素进行研究和评价,为进一步改进PBL课程的各实施环节,提高研究生课程教学质量提供依据。
3.1提高研究生教学安排对PBL模式的适应性
高水平的教学组织安排是保证PBL顺利开展的前提。PBL作为一种全新教学模式,从课程的开设到课程的组织与管理,都需在传统教学管理模式上做出适应性调整。研究结果表明,研究生对PBL模式的认知程度及既往是否有工作经历直接影响PBL课程的教学效果,故在课程组织过程中,开课前应根据PBL模式的理念、发展趋势、基本思想及授课流程对拟参与学生进行培训,或定期开设PBL示范课程,提高学生对PBL模式的整体认知程度,以获得更好的教学效果。在课程的实施过程中,采取科学的分组策略,兼顾各组中研究生在既往工作经历、年龄、性别及经历背景等方面的比例,利于研究生在学习过程中实现优势互补,提高教学效果。此外,本研究结果显示,我校开设的研究生PBL课程中,临床和人文类课程的教学效果优于基础类课程,这可能与课程设置及本校生源特点有关,不具有普遍性。同时也说明,在我国以教师为主的传统教学主流下推行PBL模式,不同高校在实践PBL模式的过程应实现个性化发展,根据各高校生源特•58-点和学科侧重,充分考虑各个环节影响因素,合理选择适宜课程实践PBL模式,才能更好的推广PBL课程,实现教学效果的最优化。
3.2合理组建PBL课程教学团队
PBL课程指导教师的教学技能与其受到的教育方式、专业知识水平、社会阅历、所参加的教学方法培训有关J。在PBL教学过程中,教师作为资源提供者,要善于合理构造和设计问题;作为促进者,要具备很强的课堂驾驭能力;作为评价者,要善于肯定和发现问题J。研究结果表明,研究生导师参与PBL课程的教学效果优于其他任课教师,一方面研究生导师具备一定教学经验,更了解研究生的学习习惯和实际需求,在课程中易于依据研究生需求对问题的设计和整个授课过程做出调整;另一方面,当前我国研究生导师年龄趋于年轻化j,年轻化的教师队伍善于理念更新,对PBL这种新型教学模式的接受程度更高。故在组建PBL课程团队时,应注重培养中青年PBL课程教学团队,充分鼓励中青年教师,特别是研究生导师经过规范的PBL培训,参与到研究生PBL课程教学中,在教学实践和探索的过程中实现理念创新。在此过程中大学或学院从管理层面应发挥核心作用,为教师提供实践平台,制定计划性强、规范有序的培训方案,帮助教师更新教学理念、了解新的教学方法、掌握新的教学技巧、适应新的角色,在研讨问题的设计和教师的引导技巧方面不断完善和提高。
一、基于SPSS的统计学课程框架
传统统计学课程框架是典型的学科中心课程,其特征是将课程内容按知识的逻辑结构关系组织在一起,追求知识的完整性、系统性,强调知识的传授、信息获得和记忆,忽视对学生的技能训练,难以达到将理论用于实践的目的。SPSS在教学上的应用,给我们改革统计学课程提供了契机。新课程教学模式可概括为:以统计软件SPSS作为教学平台,以数据收集+统计学基本原理和思路+数据处理软件为核心。课程理念凝炼为“略去证明、讲清原理、依托软件、突出实用”十六字方针。具体表现在:(1)理论讲授着重“讲清基本原理,略去繁难的证明”,可分为数据搜集、数据整理、描述统计、统计指数、相关与回归等模块。统计学理论的讲授以“必需够用”为原则。(2)上机实践环节强调“依托SPSS,突出实用”,要求学生熟悉SPSS的操作基本流程:打开数据文件、确定统计程序、指定统计变量、解释统计结果。采用多媒体教学手段,以计算机软件为主要教学工具。着重培养学生的实践操作技能,突出体现职业教育的技能性、应用性。课程改革目标是培养学生在专业领域中的数据分析能力,具体包括两个方面的内容:在掌握统计基本原理的基础上,培养学生的理性;以统计软件为依托,以专业典型数据分析任务为载体,培养学生的应用性。课程框架的特点不是介绍理论统计学的数学原理,而是侧重阐述统计方法的思路与思想,并辅以大量经济与管理的实例,通过SPSS统计软件实现具体统计步骤。SPSS软件是教学平台,整合各方面因素以有利于学生数据分析能力的培养。
二、统计学课程载体的选择和实现
有人认为课程载体是:“只要它能为你的教学目标服务,能承载你的教学内容,具体的存在物,载体是一个可望又可及的目标,在它被完成后,学生往往会有强烈的成就感。”选择课程载体有六个原则:承载课程教育目标;涵盖完整工作过程;涵盖后续岗位所需的职业素质要求;涵盖技术文档制作;涵盖成本核算;涵盖过程考核与综合考核。我们认为统计学课程载体就是承载一定职业能力的任务或项目,学生通过完成任务或项目,养成数据分析能力。课程载体的选择必须在专业典型工作任务或项目中寻觅。不同专业的统计学课程基本理论可以一样,但其课程载体必须体现不同的专业性。以会计专业统计课程为例,学习描述性统计分析时,以上市银行一些重要财务指标的会计信息与股票价值相关性研究为载体。
第一步,搜集数据。学生分小组搜集20~30家上市的金融银行类股票一定时刻的股票价格、流动比率、净资产负债比率、固定资产比率等财务指标。
第二步,数据录入。打开SPSS软件,进入“变量视图”,定义好变量。切换到“数据视图”中输入变量的具体取值。
第三步,确定统计程序。点击“分析”、“描述统计”、“描述”,打开“描述性”对话框。第四步,指定统计变量。将“流动比率”、“净资产负债比率”等选入“变量”列表。单击选项按钮进入“描述:选项”对话框,如图1所示。第五步,结果解释。结合统计学知识和专业知识,学生可从平均股价、净利润等统计指标看我国银行业经营状况。会计专业学生通过SPSS完成上述任务,加深对描述统计理论知识的认识,也与未来工作中的典型任务相结合,体现了统计学课程的技能性、应用性。区别于传统模式,改革后的统计学课程由不同的任务或项目组成,用SPSS加以实现。
三、SPSS对统计学课堂学习的影响
1.产生了新的教学要素
应用SPSS软件以前,学生需要直接面对各种数据,至多借助计算器完成计算。SPSS为统计学课程提供前所未有的技术支持,在人和数据之间产生了一个“新界面”。SPSS的作用不仅仅是工具意义,它其实作为一个新的教学要素参与教学。SPSS引起了教学方式和教学价值观的深层变革。SPSS与统计学课程的整合营造出信息化教学环境,在此环境里,形成“自主、探究、合作”为特征的教与学方式,极大激发了学生的主动性、积极性、创造性。
2.促进了学生自主学习
何克抗教授曾强调,“建构主义的教学设计主要有两大部分:一是学习环境的设计,二是自主学习策略的设计”。SPSS极大改善了统计学的学习环境,也为学生自主学习策略的设计提供更广阔的空间和可能性。采用SPSS平台学习统计学,可有效简化统计过程。数据输入、整理、选择统计功能、结果解释、预测、图形输出等对学生都不是难事。而且,计算机特有的模拟和动态演示功能,使统计学的抽象理论变得直观、具体、形象,从而增强学生对概念的理解。建构主义坚持“做中学”的学习观,其实可区分为两种类型:“学中做”的自主学习和“做中学”的自主学习。在统计学课程学习初期为“学中做”,教师“教”的比重要大一些,课程载体的选择要有一定的广度;学习后期为“做中学”,学生“学”的比重要大一些,课程载体的选择要有一定的深度。
3.出现了新的问题
首先,提高统计学课程的师资水平。授课教师应该熟悉所教专业的典型工作任务,开发适合统计课程的合适载体,根据社会需求调整统计知识内容范围。受课程标准的限制,当前讲授的统计知识内容主要围绕描述统计和推断统计,一些多元统计方法(聚类分析、主成分分析、因子分析等)在课堂上很少涉及。
在多元回归分析中,自变量“家庭可支配收人”为定距变量可直接引人,学生个人人口统计学变量和家庭背景变量都属于定类或定序变量,需要先将其转换为虚拟变量才能引人线性回归模型中,这里使用最小二乘法(OLS)估计回归模型参数。进人模型的7个变量分别为:家庭可支配收人、专业类别、情感状态、兼职情况、父亲受教育程度、母亲受教育程度、家庭经济来源主要承担者的职业类型,而学生性别、年级等控制变量均未通过显著性检验,故没有呈现(如表9所示)。
表9中的模型(1 ),(2)基于农村大学生样本,模型(3)、(4)基于城镇大学生样本,模型(5)、(6)基于总样本并同时引人学生来源地变量。上述h个回归模型分别控制了父亲受教育程度或母亲受教育程度,回归结果显示,各模型的有效解释率或拟合优度介于37.707o}77.fi%之间,F统计量的显著性概率值均小于0.001,且多重共线性诊断统计量表明不存在严重多重共线性问题,总体上看,各个回归模型的拟合程度满足要求,具有统计学意义。进一步分析发现不同因素对大学生家庭高等教育负担比的影响呈现不同特征
第一,“家庭可支配收人”变量对城乡大学生家庭高等教育负担比有最显著影响。其回归系数均显著为负,表明随着家庭可支配收人的增加,大学生家庭高等教育负担比随之下降,其中,农村家庭可支配收人增加对降低高等教育负担比的影响更大。
第二,大学生“情感状态”因素有显著影响。恋爱中的农村大学生的家庭高等教育负担比显著高于单身的农村大学生家庭,这可能与谈恋爱的农村大学生需要更多额外支出有关;与此相反,恋爱中的城镇大学生家庭高等教育负担比显著低于单身的城镇大学生,这可能与谈恋爱的城镇大学生自身家庭经济条件比较优越有关,在校额外支出对其家庭可支配收人的影响微不足道不过,总体上看,恋爱中的大学生给家庭带来的高等教育负担要明显高于仍处于单身的大学生。
第三,农村或城镇家庭中“母亲受教育程度” 影响要比父亲更加显著,只是影响的方向和程度有所不同。在家庭可支配收入不变的情况下,对于农村家庭来说,母亲受教育程度越高,其家庭高等教育负担越重。这验证了家长受教育程度越高,越会重视教育和尽力满足子女教育需求,更倾向于为子女受教育支出更多的情况‘“〕,而且有研究发现母亲的影响更大。对于城镇家庭来说,母亲具有高中及以上受教育程度的家庭,其家庭高等教育负担比要比受教育程度更低的家庭更低。造成这种反向差异的原因可能来自两方面:一是城镇母亲受教育程度越高,越具有多元化资本(已有经验实证研究表明我国城镇地区的女性教育回报显著高于男性,这对减少或节省子女在读期间的显性支出具有重要作用,在不考虑隐性教育支出的情况下,子女显性教育支出的减少使得家庭高等教育负担比的估值降低;二是调查数据存在误差,具有高受教育程度的农村母亲样本并不多,本身不足以很好地解释模型。父亲受教育程度对农村或城镇家庭高等教育负担比的影响并不显著。不过,基于不分学生来源地的全样本回归结果显示,总体上看,父亲或母亲的受教育程度与家庭高等教育负担的关系并不大。