发布时间：2023-08-31 16:36:23
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的统计学意义样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
关键词：统计学；辩证统一；统计规律；思想
1必然性和偶然性的统一
统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。
2共性和个性的统一
实践和科学都证明矛盾的普遍性，矛盾无处不在、无时不在。矛盾着的事物是普遍存在的，况且同一事物或过程的矛盾有其共性。而对于每个事物或过程的矛盾也各有其个性。因此说，共性和个性的关系就是一般与特殊或普遍与个别的关系，它们是辨证统一的关系。统计学中存在着各种矛盾，每一矛盾具有不同特点。在统计认识中，个体的差异性中蕴含着总体的同一性。统计方法就是运用科学的手段抽象掉各个个体的差异性，探求总体的同一性，并用差异性去标志同一性的内在质量。差异性是统计产生和存在的前提，没有差异性就没有统计；而同一性则是统计的目的，为了求得同一性才需要进行统计。因此，统计研究要运用大量观察法与个别观察法相结合使用的统计方法。
统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。
矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。
3整体与局部的统一
统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。
因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。
4定性分析和定量分析的统一
从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。
因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。
5分析与综合的统一
在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。
所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。
所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。
分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。
6归纳与演绎的统一
所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。
统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。
7具体和抽象的统一
按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。
8经验思维和理性思维的统一
统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。
按照统计认识属于实证性研究来说，它具有经验思维
的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。
实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。
总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，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；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。
参考文献
［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).
［2］陈福贵.统计思想雏议［J］.北京统计，2004，(5).
关键词：医学期刊；编辑；统计学；审核；
作者简介：姜春霞
在医学期刊编辑过程中编辑们常会遇到许多统计学问题，因统计学方法正确与否关系到医学科研结果的可信度和有效性，对其运用合理性、科学性的把握在某种程度上成为论文取舍的关键，更是影响医学期刊学术质量的重要方面[1-2]。作者从事医学期刊编辑工作近十年，越来越体会到统计学审核的重要性。有鉴于此，探讨医学期刊编辑统计学审核具有重要的理论意义和现实意义。现以《郑州大学学报(医学版)》(以下简称《郑大学报(医)》)为例，浅谈医学期刊编辑工作中统计学审核的意义。
1《郑大学报(医)》的审稿特色：统计学审核
《郑大学报(医)》是由河南省教育厅主管、郑州大学主办的综合性医药卫生类期刊，为中文核心期刊、中国科技论文统计源期刊、中国科学引文数据库来源期刊。这些成绩的获得与编辑辛勤的付出是分不开的。从创办之初，编辑部就十分重视统计学审核，并把这种思想贯穿到日常工作的各个方面。每篇稿件从收稿到最终正式出版均需经过最少三遍的统计学审核，包括收稿后的统计学盲审、修稿后的统计学审查和待刊前的统计学预终审。统计学审核不合格的稿件将有可能终止审稿并直接退稿。收稿后的统计学盲审包括两个方面：盲和审。盲要求双盲，即统计学专家对稿件的作者信息完全不知情，作者也不知道哪些教授进行审稿，这样有利于客观地对稿件进行评价；审即对稿件的科学性、合理性给出准确的评价。修稿后的统计学审查和待刊前的统计学预终审主要包括审查和核对两个方面，即审查统计学方法和核对统计学数据。
2《郑大学报(医)》统计学审核的原因和意义
2.1统计学审查的原因
目前，许多编辑部都实行“三审三校”的工作制度，《郑大学报(医)》编辑部也不例外。具体到统计学审核，可分为修稿前的审核和修稿后的审核。起初认为初审就是查查文字复制比之类的，考虑到还要送给相关专家进行同行评议以及主编终审，所以并不重视这一过程。后期编辑部对审稿流程进行了改革，部分终审权直接分配给初审编辑。这在一定程度上简化了审稿流程，提高了工作效率[3]。正常审稿程序是责任编辑对文章的内容、伦理学、知情同意等进行审查后即可进行专业盲审和统计学盲审，简化的程序则是责任编辑对文章的统计学内容进行审查，若发现较严重问题即可直接退稿，省去了专业盲审和统计学盲审等步骤。这不仅可提高工作效率，而且节约办刊经费。例如，临床研究中常见的选择某人群采用某方法或药物进行治疗，对治疗前后某些指标进行检测，有些作者常采用t检验比较这些指标治疗前后有无差异。因治疗前后为相同的患者，样本不独立，应该用配对t检验。这种数据分析的错误直接导致统计结果的不正确[4-5]。更有严重者，实验没有对照、研究对象分组也不随机，这些都是实验设计的硬伤，研究结果的可信度就大打折扣。这就是医学论文不同于其他论文之处，写作水平等方面的努力弥补不了实验设计的缺陷。只有从实验设计之初就融入统计学思想，才不会犯此类错误。因此编辑在审稿之初就应对稿件的研究类型(探索性或确证性，优效性、等效性或不劣性)、研究设计是否合理(实验研究必须遵循随机、对照、重复的原则，临床试验研究还应遵循盲法的原则)、统计方法是否正确进行判断。
2.2统计学核对的原因
修稿后的统计学审核重点考查各种细节问题，包括对数据的核对。《郑大学报(医)》不仅重视稿件的统计学审查，而且对稿件的统计学结果均进行核对。从2008年起要求在文中提供统计量和P值的确切数据，而非常见的标明“P>0.05”或“P<0.05”。对于这一要求，许多作者反映实验结果的原始资料太多了，补充确切统计量是不是有点不太现实；还有作者指出，国内外大多数期刊均不要求提供确切统计量，“P<0.05”已经能够说明问题，这样要求是不是有点“过”了。但是编辑部还是将这一改革实施了下去，经过一段时间的不适应，作者大多在新投稿件中就直接按要求给出了数据。这样的一种“修稿要求的微调”，按照作者的说法，要花费他们许多精力。实际确实如此，而且编辑也要花费大量的精力对数据进行核对，但这样做的好处是确切的。编辑部花工夫在一些作者看来并不十分重要的数据上，是因为数据才是文章的核心。类似的，如logistic回归分析中均要求补充变量的赋值表、变量如何哑变量、定量资料如何转化等。在创办精品期刊、打造国际品牌期刊的今天，浮夸的思想是无用的，只有从最基本的做起才是强刊之道。关于统计学在医学论文中如何正确应用已有较多报道，如统计图表、统计符号、统计描述、统计术语等[6-9]。具体到《郑大学报(医)》，编辑部在核对统计学方法的基础上，对一些细节问题也严格要求。例如，有作者将P<0.001误用为P=0.000，将P>0.999误用为P=1，这说明其对P值的概念仍不清楚。表示概率的P值是不会等于0或1的，而是在0和1之间。还有作者将死亡率、病死率，直线相关、秩相关、积差相关，相关、关联回等归搞混；或在单因素方差分析的基础上就得出量效关系的结论，或在单因素方差分析的基础上并没有进行两两比较就对两两比较的结果展开讨论，更有甚者多组间比较总体无差异而两两组间却有差异。这种错误要求编辑首先要通读全稿，其次要前后对应的阅读，这样才能发现并将其改正。总之，修稿后的审核要在各个细节方面对论文进行考量，如统计图表、统计符号、统计描述、统计分析方法是否正确，是否报告统计量和确切P值，是否报告统计学结论和专业结论，统计术语是否规范，这样才能使论文更加严谨。
2.3统计学审核的意义
科技期刊，尤其是医学科技期刊每年刊发的大量论文中真正有分量的仅占很小一部分。如何改变这种现状，不仅是摆在科研工作者面前的任务，更是期刊工作者的责任。医学统计学作为医学专业中的工具学科意义重大。而规范医学论文统计学报告不仅有助于医学研究者自觉地按照规范的方法进行医学研究的设计、实施、数据分析、推断和写作，而且有助于编辑对研究设计及结果进行质疑和核实，更有助于满足meta分析等文献再分析的需要。所以统计学审核对期刊编辑、科研工作者以及期刊的发展都有很大帮助。首先，有助于编辑素质的提高。编辑作为期刊的第一读者对期刊的质量有把关的作用，编辑的素质提高了期刊的水平会随之上升。最简单的例子，核对作者提供的统计结果可以有效地发现文中的错误，甚至是学术造假，使那些编造数据者没有可乘之机[10-11]。准确掌握一些简单的统计学规律可以使编辑很容易发现文中的数据错误。例如同一实验结果中统计量越大P值越小，统计量越小P值越大；OR值介于95%CI之间。不符合这些规律的数据就应通知作者进行核对并修改。其次，有助于作者的培养。《郑大学报(医)》的稿源主要来自高校、医疗卫生单位、疾病控制部门等，作者中不乏许多在校生。对于众多人生中第一次写科技论文的“新手”作者来说，编辑的素养在一定程度上会对他们产生深远影响。而对于医疗卫生单位、疾病控制部门的作者，一些医学统计学的相关知识也有些欠缺。而医学统计学的发展要求作者的知识储备也随之进行更新。很多作者还不能完全正确应用t检验、t'检验、单样本t检验，重复测量数据的方差分析，单因素方差分析、析因设计的方差分析，交叉设计的方差分析、卡方检验、校正卡方检验、确切概率法等。也许有人认为不就是几个字的差异吗，但是几个字的差异实质上却大不相同。还有一例，某实验结果显示实验组与对照组比较差异有统计学意义，但是临床效果并不十分明显。这是因为虽然实验结果显示P值小于0.05，但是很接近0.05，此时推断临床结论和进行生物学解释应十分谨慎。明白了概率的概念，对此就很容易理解。可见，医学期刊编辑的素养提高了，作者的素养也会有质的飞跃。不要小看了编辑一个字、几个词的修改，对于作者也许是终生的受益。第三，有助于期刊的发展。《郑大学报(医)》从创刊之初的省级刊物发展到连续四届入选《中文核心期刊要目总览》，与杂志的办刊理念是分不开的。编辑部聘请了专业的统计学专家对稿件质量进行把关，但是授人以鱼不如授人以渔，因此更重视编辑的统计学审核，再由编辑将这种理念传递给作者，形成编者-作者-期刊良性发展的模式。最初《郑大学报(医)》载文常见的统计分析方法无外乎t检验、方差分析、卡方检验，实施新措施以来吸引了大批高水平的文章。近年来，《郑大学报(医)》的影响因子不断上升，在《中文核心期刊要目总览》中的排名也稳中有升。
3做好统计学审核工作的措施和建议
医学期刊编辑的统计学审核工作量大、责任重。如何提高编辑人员的工作效率，同时提升统计学审核的实际效果，是编辑部面临的问题之一。要做好统计学审核工作，首先要培养编辑的统计学思想，其次要提升编辑的统计学素养，而且编辑要将统计学审核与日常编辑工作有机结合起来。这样才能既做好编辑工作，又提高统计学审核工作效率。
关键词： 建构主义 统计学 教学模式
进入二十一世纪，随着现代信息技术的高速发展，高校的理论教学与实践教学的环境有了很大的改变。传统的教学模式和方法在现代信息技术的推动下不断为适应新形势而改变。建构主义学习理论以更关注学生，更多地注重交流，更强调课堂的研究活动和小组互动的理念成为二十一世纪教育改革的主流理论。我国各教育领域也受到建构主义理论的影响，尤其是在教育改革不断创新的背景下。作为高校财经类各专业必修的专业基础课，统计学在教学上必须摆脱传统的模式，以适应不断变化的新要求。本文尝试基于建构主义教学模式下讨论统计学教学的改革，以提高学生的学习兴趣，提高教学效率，提高学生分析和解决实际问题的综合能力。
一、建构主义教学观
从儿童认知发展的相关理论建立的建构主义认为，知识不是通过教师直接传授得到的，而是在一定的情景，即社会文化背景下，学生主体借助他人（包括教师和同学）的帮助，利用相关的学习资料，通过意义建构的方式获得。在此过程中，学习不再仅仅是由教师把知识简单地传递给学生，而是由学生自己建构知识。与此同时，学生也不是简单被动地接收信息，而是主动地建构知识的意义。因此，建构主义更强调以学生为中心，要求学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体、知识意义的主动建构者。这就使得教师要从传统的教学过程中转变角色――由知识的传授者、灌输者转变为学生学习过程中建构意义的引导者和帮助者。
在建构主义者看来，课本知识是一种关于各种现象的较为可靠的假设，而不是解释现实世界的精确模版。因而对教师来说，必须认识到学生在教科书里学习到的所谓“知识”的很大一部分，几十年后可能会被看成是错误的概念。尽管科学知识包含真理性，但它并非是绝对正确的知识。建构主义强调从相对正确的意义上去理解科学知识、书本知识，这要求教师在教学过程中更加注重培养学生主动学习、建构知识。
二、统计学教学中存在的问题
统计学作为高校财经类各专业必修的专业基础课，旨在培养本科毕业生的分析问题能力、实际处理和分析相应财经数据的业务技能。该课程是在掌握必要的统计原理和统计分析方法的基础上，对社会经济现象进行量化分析的方法论工具。当前，统计学教学存在一些问题和挑战。
（一）教学内容日益丰富与学生学习兴趣低下
随着大统计学思想的建立和统计学在实质学科中应用的需要，统计学的教学内容日益丰富。在统计学的教学过程中，除了保留社会经济统计学原理中仍然具有现实意义的内容之外，如统计的基本概念、统计学的研究方法、统计数据的搜集整理、总量指标、相对指标、抽样调查、时间序列、统计指数等外，还系统地充实了统计推断的内容，例如：假设检验、统计数据的分布特征、方差分析、相关与回归分析、统计决策，等等。
然而统计学由于相关理论繁多，且重复教学内容不少，使得很多学生认为统计学学习内容枯燥，从而导致畏难情绪，对统计学的学习兴趣不高。此外，统计学与前修课程概率论和后修课程计量经济学两门课程内容多有重复。在教学过程中，相同内容重复教学，教学效率低下，重难点无法突出，使得学生无法掌握基本的知识、技能，导致学生应该具有的能力无法培养。统计学涉及大量的计算问题，且计算量很大，如方差分析、回归分析等。由于计算量大，会占用很多教学课时；而学生在做练习时不能快捷地得到计算结果，会影响后续的教学内容。计算的繁琐使得计算结果容易错误，也会影响学生学习统计学的积极性，所有这些都不利于统计学的教和学。
（二）课程重要性的提高与教授方法的枯燥
随着我国市场化步伐的加快，社会对新知识的需求日益增加，无论是国民经济管理，还是公司企业乃至个人的经营、投资决策，都越来越依赖于数量分析，依赖于统计方法，统计方法已成为管理、经贸、金融等许多学科领域科学研究的重要方法。作为一门通用方法论的科学，统计方法只有与具体的实质性学科相结合，才能够发挥其强大的数量分析功效。在实际教学过程中统计学的教学方式局限于课堂上教师的传授，形式单一，且注重理论教学，实践教学内容偏少，存在重概念轻实践、重理论轻方法、重传授轻参与的现象。于是在教学过程中，学生始终处在被动接受的位置上，从而不利于学生独立思考能力、质疑发问精神的培养，特别是在处理相应财经数据技能方面存在欠缺。
三、统计学教学方法的改进
建构主义学习理论认为学习是双向构建的过程。一方面，学习者对信息的理解是通过运用已有经验，超越所提供的信息本身而形成的。另一方面，学习者从记忆系统中提取的信息本身，要视具体情况的变异而进行重新构建。构建主义主张教学应选择真实性的任务，避免学生脱离现实，过于抽象简化，强调学习过程中学生的主体性。教师设计学习情境要以提高学生解决现实问题的能力为目标。学习过程中强调师生的合作沟通与交流及学生与学生之间的合作和讨论，目的在于使学生获得对同一事物更丰富、更全面的理解。在具体的实践过程中有如下应用：
（一）抛锚式教学
因为抛锚式教学要以真实事例或问题为基础（作为“锚”），所以有时也被称为“实例式教学”或“基于问题的教学”。这种教学要求以有趣、有感染力的实例或真实问题为基础，帮助学习认识事物的性质规律及其相互关系，建构认知图式。抛锚式教学的主要目的是使学生在一个完整、真实的问题情境中，产生学习的需要，并通过教学及学习成员之间的互动交流，即合作学习，凭借自己的主动学习，亲身体验从识别目标到提出并达到目标的全过程。抛锚式教学应用于统计学课堂时，可以将学习内容分解成若干部分，将其中实践性的内容作为“锚”，要求学生对此展开讨论和调查。例如在统计方法的教学中，教师可以引导学生通过对概念的把握结合经济生活中的一些热点问题展开实际的运用，让学生发挥想象力和创造力。在这个过程中教师全程跟进，及时帮助学生处理遇到的难点，有助于保持学生对问题研究的完整性，使学生积极融入对“锚”的研究过程中。
（二）支架式教学
支架是建筑行业中的术语，即脚手架。作为一种教学模式，支架即为教师的帮助。支架式教学强调学生的学习是通过支架把学习的任务逐渐由教师转移给学生。教师为学生构建对知识的理解提供一套概念框架，使学生在了解学习内容的基础上，激发兴趣和智力，以完成学习目标。具体操作时要先由教师介绍相关概念、演示方法运用和计算过程，然后让学生自己去体会、分析。在学习过程中教师要适时提示，帮助学生沿概念框架逐步深入。此外还可以引导学生利用课余时间完成学习项目、鼓励学生利用假期时间，参加学校组织的一些团队、小组或自己组织去开展一些与统计有关的活动，全方位地激发学生的学习兴趣，培养学生的统计专业能力、研究方法能力和社会适应能力。
（三）合作学习
建构主义者十分重视学生在交往和合作中的学习。在教学中可以将学生分成若干学习小组，教师将学习任务布置给学习小组展开知识的构建。学习形式包括小组讨论、互帮互学等合作互助，旨在营造出活泼生动、轻松愉快、合作竞争的教学环境。学生小组学习有利于学生对知识构建新的、更深层次的理解，同时在与同伴的交流过程中可以更好地整理自己的思路。在统计学的学习中，学生合作学习开展的形式包括小组讨论、头脑风暴、专题演示、小组互评等。通过这些形式的应用，教师可以将课堂变得更加有趣生动，使枯燥的学习过程成为学生互相学习、取长补短、交流思想的场所。同时，教师还可以由片面地依据“一张试卷”，到从多个角度对学生展开评价，有助于学生对学习目的的重新认识。
参考文献：
[1]莱斯利・P・斯特弗，杰里・盖尔.教育中的建构主义[M].高文等译.上海：华东师范大学出版社，2002.
[2]何克抗.建构主义的教学模式、教学方法与教学设计[J].北京师范大学学报（社会科学版），1997（5）：74-81.
实践和科学都证明矛盾的普遍性，矛盾无处不在、无时不在。矛盾着的事物是普遍存在的，况且同一事物或过程的矛盾有其共性。而对于每个事物或过程的矛盾也各有其个性。因此说，共性和个性的关系就是一般与特殊或普遍与个别的关系，它们是辨证统一的关系。统计学中存在着各种矛盾，每一矛盾具有不同特点。在统计认识中，个体的差异性中蕴含着总体的同一性。统计方法就是运用科学的手段抽象掉各个个体的差异性，探求总体的同一性，并用差异性去标志同一性的内在质量。差异性是统计产生和存在的前提，没有差异性就没有统计；而同一性则是统计的目的，为了求得同一性才需要进行统计。因此，统计研究要运用大量观察法与个别观察法相结合使用的统计方法。
统计研究中运用大量观察法，实现从个别到一般，从个性到共性的认识过程。同时，根据共性寓于个性之中的对立统一规律，统计研究在大量观察的基础上，运用个别观察所搜集的资料来说明总体的基本状况和发展趋势，使认识更深刻、更具体。
矛盾的共性与个性的对立统一规律指导统计研究必须是将统计中的平均数与分组法结合，用组平均数补充说明总平均数，用反映现象的离散趋势的变异指标与反映现象集中趋势的平均数结合使用，以使研究更全面，更完善。
2必然性和偶然性的统一
统计学为探索随机现象统计规律性，必须正确处理必然性与偶然性之间的辨证关系。在总体中诸个体某种数量标志表现偶然，而诸标志值平均则为必然。重复测量某种同一客体出现不同的数值属偶然，而同一客体本身真实数值则为必然。必然性通过大量偶然性的数量差异为自己开辟道路。统计研究中经过综合平均，将大量偶然性所形成的数量差异，互相抵消，显露出平均则为必然。必然性与偶然性的对立统一关系在统计抽样调查问题上表现极为明显。客观事物极其复杂，表现千差万别，同一总体各单位的数量差异也非常大，从个别单位，往往因偶然因素的影响而无法探索其本质和规律性。然而，通过大量观察，排除偶然性因素影响，就可暴露出事物的真象，显现其本质。在进行抽样调查时，只有随机抽取的个体足够多，消除诸多偶然因素影响，才能通过抽样总体的数量特征正确地推断总体的数量特征。
3整体与局部的统一
统计学的研究着眼于总体，着手于样本，立足于个体；同时从总体出发，分解剖析，认识局域（类、层、组）甚至个体，并对其进行调查研究，观察计量，搜集资料。接着对个体的调查所获得的资料进行计算分析，或归纳演绎，用样本来推断总体，达到对总体的系统性认识。即为“统而计之”和“计而统之”的总和，以实现以统定计，以计达统的目的。所以，统计学的思维是一种系统思维，要求一切认识对象不仅它本身作为一个整体来认识，而且它还要作为某个更大系统的要素来认识。这种对系统客体的“主体”认识，是一种对研究对象进行整体性度量的系统思维方式。
因而，统计认识充分体现了整体和局部的有机统一，这是统计研究的一大优点，也是统计认识比较接近客观、真实的主要原因之一。其它认识方法往往是就某一要素而研究某一要素，就某一系统而认识某一系统，忽略或没有充分重视各要素的整合作用和系统环境对系统的制约作用。
4定性分析和定量分析的统一
从统计认识过程而言，充分体现着定性分析和定量分析对立统一的关系。定量分析研究是统计研究的特色所在，但统计的定量分析不是纯粹数量意义的，即不是就数量论数量，而是基于所研究事物本身的特点，并且从所研究事物的有关联系或现实背景中，紧紧扣住认识所研究事物内在本质这一主题来展开的，他注重的是定量分析背后的具体含义和意义，这也正是统计学与数学的区别所在。那么统计研究怎样才能通过数量来体现其具体含义与现实意义？这就必须结合定性分析，即以定性分析为起点，并以定性分析为终点。具体来说，统计研究总是按照“初步（感性）的定性认识——客观科学的定量认识——高级（理性）的定性认识”这一过程来进行的，即从定性开始，确定认识事物有关方面的指标，经过定量过程，搜集，整理，进而对其分析研究，上升到更高的认识，深入认识事物的质，完成定性认识。统计认识活动遵循质与量对立统一规律，从初始的定性入手，依设计的科学的方案一整套统计指标体系，按要求搜集有关数据资料，经过整理和分析对比，认识事物的本质和规律性。也就是说统计的定量分析是人类在认识事物的过程中，实现从感性认识到理性认识这个飞跃的重要途径，是避免产生认识主观偏差的重要手段。
因此，统计研究最终是为人类定性认识服务的，是为了定性认识才进行定量分析研究的，前面所讲的统计的方法性、应用性也正体现在这里。实际上，如何才能真正做到统计研究的定性分析与定量分析的统一，才是需要我们关注的重点。所以，我们需要不断地探求质与量变化的规律和界限，研究质的规定性与量的规定性的关系，将质与量同一与度中，即量的规定性定性于度中，质的规定性定量于度中，以实现定性分析和定量分析的真正统一。
5分析与综合的统一
在统计研究过程中，分析和综合是揭示事物的本质和规律性的一个基本方法。统计认识活动的根本目的是在各个局部进行剖析的基础上达到对总体的认识，揭示其本质和规律性。
所谓分析方法，就是把研究对象分解为若干组成部分，并分别加以研究，从而认识事物的基础或本质的一种思维方法。任何事物的整体都是有若干组成部分构成的，将客观事物在一定条件下分解成各组成部分，分别研究其结构与功能、各部分相互联系、相互作用的特点以及在各种外界条件作用下所表现出来的事物的属性和特点，从而达到对事物本质及内在规律性的认识之目的。可见，分析方法是以客观事物的整体与部分关系为客观基础的。在统计研究中诸如分组分析、因素分析、因果分析、结构分析、定性和定量比较分析、比例分析等等。这些分析在人们的认识中起着重要作用。但是，要把分析所得到的认识变为对整体的认识，揭示整体的本质和规律性，就必须进行综合。
所谓综合方法，就是把研究对象的各个部分联系起来加以研究，从而在整体上把握事物的本质和规律的一种思维办法。与分析方法相比，综合方法认识过程的方向完全相反。它是将事物的各个部分联结为整体，通过全面掌握事物各部分、各方面的特点以及它们之间的内在联系，并加以概括和上升。从事物各部分及其属性、关系的真实联系和本来面目，复现事物的整体，综合为多样性的统一体。在统计中，诸如人口统计的将分组、结构、比例分析化为对整个人口状况分析；商品销售总额分析时分解为价格和销售量变动的影响，进而从总体上分析其因素影响；社会总产值的变化，分解成各个部门行业的影响，进而综合研究其全貌等等。
分析与综合是对立统一，分析是综合的基础，综合统领分析。没有具体的分析，就不能具体深入地把握事物的各部分、各侧面和各种属性与诸因素，从而也就无法综合；同时，分析也离不开综合，它在综合统领下，以综合为目的，达到确切地揭示事物的总体和本质和规律性，使认识升华。因此，没有分析的综合，其结论就只能是空洞的、无根据的，是一个混沌的、外在的、直观的整体。“思维既把相互联系的要素联合为一个统一体，同样也把意识的对象分解为它的要素。没有分析就没有综合（《马克思恩格斯选集》第三卷人民出版社1972年版第81页）。”分析的结果，也就是综合的出发点。统计认识的发展总是沿着“分析——综合——新的分析——新的综合……”轨迹不断前进的，促使统计认识活动不断深化，揭示事物的本质和规律性。
6归纳与演绎的统一
所谓归纳推理，就是从特殊到一般，给出新认识；但新认识是不确定的，可能是错的；特殊材料的组合不同，给出的认识也不同甚至矛盾；基于不完善甚至劣质信息作出决策。所谓演绎推理就是从前提（公理）到命题，不提供超越前提的新知识；容许选择多个前提，但前提可能是错的；大前提里的不同小前提（公理系统里的不同子集合）会给出不同甚至矛盾的结论。以观察为基础对事物的不确定性进行度量主要属于归纳推理问题；但若已知各种事件发生的结果和发生的概率，不确定性下的决策则可以转化为演绎推理问题。
统计认识是通过个别研究认识一般的，所以统计思维必然是一种归纳（即必须通过归纳才能实现）。统计不仅要根据所构建的原始信息通过统计推理获得一般的“知识”，而且还必须进行假设检验、机理检验等，对所获得的知识进行论证。所以说，统计思维是归纳与演绎的统一。归纳方法论强调了方法和外来信息的重要性，而演绎方法论则强调了问题和先存知识的重要性。实际上，二者是一个有机的整体，需要相互补充和协调才能真正解决问题。比如在统计思维中的回归分析既是归纳，又是演绎。所以说，统计思维将归纳和演绎高度而有效地结合运用，收到了很好的认识效果。也只有通过归纳、演绎和实践的相互作用才能找到可靠的科学真理。
7具体和抽象的统一
按照统计认识要运用材料来看，统计学的实际应用具有具体性，它是依据一定的数据和事实，使人们得到启发，运用已有的经验知识，对客观事物的本质及其规律性作出迅速的识别和直接的理解，并对对象的总体状况作出判断。统计认识在取得统计数据之后，首先就是根据数据的特点，运用一定的数据整理手段（如分组、直方图、茎叶图、频率图等）和统计研究人员积累的统计认识经验，充分发挥主体的能动性，获取初步认识。在此基础上再对统计数据的背景资料进行分析研究，必要时还要进行典型剖析或抽样验证。所以说，在统计认识的数据收集、分析与所做结论需要具体化。同时，对统计理论方法研究时具有抽象性，在一定理论指导下进行的数理研究，是具有抽象思维的特点。属于抽象思维的范畴，它舍弃具体向客体的规客规律性逼近。因此，统计学是具体和抽象的统一。
8经验思维和理性思维的统一
统计认识过程不仅是通常所说的实证性研究活动，同时也是探索性研究活动。它自始至终都是理性认识和感性材料的相互结合和相互渗透。
按照统计认识属于实证性研究来说，它具有经验思维
的特点。经验思维就是运用实践经验、感性认识和感性材料进行的思维活动。它的功能主要是认识具体事物的外部状况、表面联系和现象，通过经验思维能够对丰富的大量材料初步加工，把握事物多种多样的具体状态，并且能够在一定程度上把握事物的内在联系和规律。描述性统计就是一种比较典型的经验思维。它依据的是客体的个体的实际状况或者是客体过去的、现在的状态，是事实的归纳、概括、整理。从推断性统计来看，它在描述性统计提供的经验材料的基础上，运用一定的理论、概念，依据严密的逻辑规则和推理过程进行假设检验、数理推断、悖论分析，对描述信息、经验认识进行理论思考，使经验认识升华，这又是有理性思维的特点。它抽象掉具体个体数量上的差异，得出有关对象的共同本质特征的认识；抽象掉所依据的经验材料的特殊，得出有关“类”的一般的认识。
实际上，描述性统计是推断性统计的重要基础，在某种程度上讲，推断是另一种描述；有时候描述性统计与推断性统计是交织在一起的。因此，统计认识是经验思维和理性思维的统一，兼具有两种思维的成分，两种思维相互交叉，相互补充，使统计认识更系统、更具体和更深刻。
总之，统计学是一门认识方法论，统计活动是一种认识活动，是要研究探索和发现认识客体本质及其规律性的方法。哲学是关于世界观和方法论的学说，它研究自然、社会和思维的最一般的规律。它和统计学是一般和个别、共性和个性的关系。哲学对统计学起着指导作用，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；统计学是哲学一般认识方法的具体化。所以，对统计思想进行较深入的探讨和归纳，有利于推进统计理论研究，廓清人们对统计的认识，有助于更合理、广泛的运用统计方法。
摘要：统计学是一门方法论的学科，其中包含着丰富的系统的辩证统一思想，掌握这些辩证思维，有利于我们更好地理解统计理论，正确地运用统计方法。主要从统计学中概括出了一系列辩证统一的思想，并对其进行了较为完整的阐述。
关键词：统计学；辩证统一；统计规律；思想
参考文献
［1］李金昌.关于统计思想若干问题的探讨［J］.统计研究，2006，(3).
［2］陈福贵.统计思想雏议［J］.北京统计，2004，(5).
一、医学应用统计学的四个步骤
1.统计设计。统计设计是统计工作的第一步，也是关键的一步，是对统计工作全过程的设想和计划安排。 统计设计就是根据研究目的确定试验因素、受试对象和观察指标，并在现有的客观条件下决定用什么方式和方法来获取原始资料，并对原始资料如何进行整理，以及整理后的资料应该计算什么统计指标和统计分析的预期结果如何等。
2.搜集资料。搜集资料是根据设计的要求，获取准确可靠的原始资料，是统计分析结果可靠的重要保证。医学统计资料的来源主要有以下三个方面：本文由收集整理一是统计报表 统计报表是医疗卫生机构根据国家规定的报告制度，定期逐级上报的有关报表。如法定传染病报表、出生死亡报表、医院工作报表等，报表要完整、准确、及时。二是医疗卫生工作记录 如病历、医学检查记录、卫生监测记录等。三是专题调查或实验研究 它是根据研究目的选定的专题调查或实验研究，搜集资料有明确的目的与针对性。它是医学科研资料的主要来源。
3.整理资料 。整理资料的目的就是将搜集到的原始资料进行反复核对和认真检查，纠正错误，分类汇总，使其系统化、条理化，便于进一步的计算和分析。整理资料的过程如下：一是审核：认真检查核对，保证资料的准确性和完整性。二是分组：归纳分组，分组方法有两种：一是质量分组，即将观察单位按其类别或属性分组，如按性别、职业、阳性和阴性等分组。二是数量分组，即将观察单位按其数值的大小分组，如按年龄的大小、药物剂量的大小等分组。三是汇总：分组后的资料要按照设计的要求进行汇总，整理成统计表。原始资料较少时用手工汇总，当原始资料较多时，可使用计算机汇总。
4.分析资料。分析资料是根据设计的要求，对整理后的数据进行统计学分析，结合专业知识，作出科学合理的解释。 统计分析包括以下两大内容： 一是统计描述将计算出的统计指标与统计表、统计图相结合，全面描述资料的数量特征及分布规律。二是统计推断使用样本信息推断总体特征。通过样本统计量进行总体参数的估计和假设检验，以达到了解总体的数量特征及其分布规律，才是最终的研究目的。
二、临床研究中统计学的作用
临床研究中统计学的作用是什么？我们所做的就是区分事实和偶然性。我们需要比较组间差异，并检验干预的效应。
在对试验进行分析时，统计学的作用是什么？我们应当记住，统计方法仅仅是一种帮助我们解释试验中所获得的数据的工具。它们是一种工具而不是试验的最终结果。而且像任何工具一样，使用统计工具必须小心。计算机可以产生一些或有统计学意义的数据，但是只有研究者才知道该使用何种统计学检验来进行统计学分析。已参加培训的研究者可以很容易地选择统计学检验方法，必须记住的很重要的一点是，对于没有足够知识的人而言，有强大功能的统计软件包可能导致致命性的错误。
生物统计学的重要概念之一是其正确性。对于关键性的数据分析、试验的结果尤其是结果的发表，正确性都是其核心。有两种正确性：内部的和外部的（可推广性）。
内部的正确性就是在设定的试验范围内结果是准确的，使用的方法和分析经受得住检验，数据和相关的医学文献均支持研究者对试验结果的解释和结论。
外部正确性或可推广性决定了试验设计是否能够允许所做的观察和所得的结论推广到整个人群。试验人群的选择决定了最大可推广范围，这个概念我们在这个讲座的其它部分已经谈到过。如果研究对象包括男性、女性、不同的种族、不同的年龄分层，那么就有更多的机会将临床试验的结果应用于普通人群。另一方面，受试者的选择也将决定研究和结论可应用的人群范围。例如，如果在临床试验中选择年龄介于5～10岁的儿童，那么该试验的结果就仅能应用于该人群。如果选择45岁以上的男性作为受试者，那么试验结果就只能应用于这个人群。
现在我们将要讨论如何看待一些类型的数据。首先是相对危险度和比值比。这是评价后果的指标，当比较暴露因素对结果的影响时是非常有价值的。比值比主要用于病例对照研究。相对危险度主要用于队列研究。
让我们首先看一下相对危险度。数据显示是如何得到一个相对危险因素的。表格被分为两行两列，第一列是发病，第二列是未发病。我们看一下发病是否是暴露于危险因素的结果或者未暴露于该危险因素。暴露组发病数被标为a，暴露组未发病数被标为b，非暴露组的发病数被标为c，非暴露组未发病数被标为d。从这张表格中我们可以得到相对危险度，相对危险度是暴露组的发病率除以非暴露组的发病率，即（a/（a+b））/（c/（c+d））。这就是相对危险度。用来计算比值比的表格结构与上表相似，但是计算方法不同。仍具有这样的自变量，暴露于危险因素或未暴露于危险因素与发病或未发病比较。即a和b，与c和d。但是比值比与相对危险度不同，它是由（a×d），即病例组有暴露史×对照组无暴露史除以（b×c），即病例组无暴露史×对照组有暴露史。比值比即（a×d）/（b×c）。
在解释关联性检验时，我们如何使用比值比和相对危险度？实际上非常简单。当比值比或相对危险度小于1时，这种危险因素与疾病呈负相关或该因素是保护因素。比值比和相对危险度等1时二者无关联性，如果大于1时，二者均证明为正相关。
【摘要】 目的 为了了解《医学统计学》教学改革工作中存在的问题，了解《医学统计学》考试方法改革的利弊。方法 搜集97～99级临床医学本科生《医学统计学》的考试试卷和成绩，对试卷从学生成绩的分布、信息难易度、区分度等方面进行了综合分析，并且对该课程的考试方法改革前后进行比较研究。用SPSS for Windows12.0建立数据库和有关的数据处理。多组间比较根据资料的性质不同分别选用one-way ANOVA和Kruskal-Wallis Test的比较方法，多重比较使用LSD法。两组间比较选用Mann-Whitney Test法。结果 99级临床医学本科生《医学统计学》的考试成绩低于97～98级的临床医学本科生《医学统计学》的考试成绩（U=5.702，P=0.000）;99级学生中，一系和二系的成绩优于三系的成绩（P=0.011和P=0.033）;97级的试卷可靠性好，99级的可靠性较好，98级的可靠性一般;3份试题的难度和区分度综合评价结果，以99级的为最优（X 2 =7.580，P=0.065）;《医学统计学》考试方法改革前后的难度无统计学意义（F=1.885，P=0.163）;3年临床医学专业《医学统计学》试卷的全卷区分度考试方法改革后的比改革前的大，97级与98级比较P=0.004，97级与99级比较P=0.007，98级与99级间无差异P=0.435。结论 对五年制临床医学专业《医学统计学》教学与考试的改革实践结果表明:学生比较适应于记忆的内容，对实际应用的方面感觉较难;作业对学生知识的掌握有一定的作用，发散性的思维锻炼可以促进学生学习的积极性。
关键词 医学统计学 考试方法 比较
《医学统计学》是本科临床医学专业的必修专业基础课。在教学过程中，学生普遍反映《医学统计学》抽象、难学。为了进一步了解在教学改革过程中存在的问题，本研究收集了97、98和993级的临床医学专业（五年制）的《医学统计学》试卷进行具体的分析和比较研究，可以找出在此课程教学改革工作中存在的问题，了解《医学统计学》考试方法改革的利弊。为教师调整教学内容，改革教学方法，提高教学质量和以后的教学改革提供理论依据。
1 资料来源和方法
1.1 情况简介 临床医学专业医学统计学课程属于必修专业基础课。在以前医学统计学是《预防医学》中的一部分（卫生学和统计学各占50%），教学一般是分前后9周2个阶段进行，考试“单科独进”。历年来教研室一直严格把关，认真施教，采用统一命题，闭卷考试方法，学生学习成绩一直很好。在医学教育改革的影响下，从99级临床医学开始，把《预防医学》分成《医学统计学》和《卫生学》两门课。临床医学本科生《医学统计学》的考试，自从98级开始，采用了以“医学实践问题为中心”的方式来出题，结果99级325人参加考试，有75人不及格;98级12人参加补考，有10人不及格，引起了教研室广大教师的高度重视和警惕。
1.2 资料来源 97、98、99连续3级五年制临床医学专业的医学统计学试卷。试卷命题均由作者亲自完成，阅卷均是采取流水作业的方式，统一评分。3届学生在年龄、性别比例和招生来源等方面基本相同。大课任课老师和实习指导相同，判卷按统一标准答案，由任课教师每人1题，公正评分。97、98级学生是以书本课后的练习为作业，而99级一系学生的作业是:从中华系列或中国系列的专业杂志中找一些相关的文献，要求根据所学医学统计学知识对文中所涉及的统计设计、统计指标和统计方法的选择使用加以 ˇ 基金项目:本项目受浙江大学第六期SRTP项目的资助正确理解、识别其正误并且加以评析，99级二系的学生是以书本课后的练习为作业，99级一系学生老师没有布置任何作业。
1.3 方法
1.3.1 统计方法 用SPSS for Windows12.0建立数据库和有关的数据处理。多组间比较根据资料的性质不同分别选用one-way ANOVA和Kruskal-Wallis Test的比较方法，多重比较使用LSD法，两组间比较选用Mann-Whitney Test法。
1.3.2 试卷信度采用分半信度方法 其计算公式:r S-B =2r 半 /（1+r 半 ），r 半 为分半相关系数，即按试卷奇偶题得分计算其相关程度。分半信度系数0.9以上，可靠性好:0.8～0.9，可靠性较好;0.6～0.8，可靠性一般;0.6以下，可靠性较差 ［1］ 。计算得97级卫生统计学试卷分半信度系数为0.96。对98级试卷采用克伦巴赫系数法，其计算公式:C=n（1-∑ n i=1 S i2 /S 2 ）/（n-1），其中n为试卷总题数，S 2 为考试总分数的方差，S i 为第i题的方差。C在0.5～0.9范围内较好 ［2］ 。98级试卷信度系数为0.56。对99级试卷采用分半法（按难度相等两半两分）计算其信度:ρ=2r/（1+r），先将n个试题按难度从小到大排列，取顺序号单号为一组，双号为一组，其次求各题的平均分数，然后求这两组的相关系数即为r，计算ρ=0.69，即99级试卷信度为0.69。试题难度是考生对某一试题作出正确回答的百分率，用难度系数P表示。小样本时:客观性试题P=答对该题人数/考生总人数:主观性试题P=考生该题平均得分/该题满分。大样本时:P=（P H +P L ）/2，其中P H 为高分组该题的难度，P L 为低分组该题的难度。按难度四级分类法（P>0.8，易;0.65～0.8中等难度;0.5～0.65较难，P
1.3.3 区分度是衡量试题、鉴别考生水平差异能力的重要指标，用D表示。公式P=P H -P L 。本文采用得分率求差法（Johnson法）求全卷区分度:D=X H -X L
N（H-L） ，其中X H 、X L 分别为27%高分组，27%低分组的总分，H、L分别为最高分和最低分，N为各组人数。
2 结果
2.1 考试及总体得分情况，见表1、表2，图1～3。表1 3届学生《医学统计学》考试总体得分情况从表1可见，3年试卷的学生成绩总分的总体分布是呈偏态分布的。97、98级的平均成绩差不多，以99级为最低，学生间总得分的差异以99级为最大。不及格率也是以99级为最高。表2 三届临床医学学生《医学统计学》考试成绩的分布情况对表2中资料分析表明，三届临床医学学生《医学统计学》考试成绩分布是不同的（X 2 =65.469，P=0.000），其中97级和98级间没有差异（U=1.715，P=0.086），99级临床医学学生《医学统计学》考试成绩比前两级的差（U=5.702，P=0.000）。
2.2 试卷组成及得分情况 97、98、99连续三级五年制临床医学专业的《医学统计学》试卷的题型、题量、分值以及学生的得分情况见表3。
2.3 99级三系之间的比较情况 99级临床医学《医学统计学》考试的平均成绩二个系之间有统计学意义（F=3.63，P=0.028）;一系与二系之间没有差异（P=0.656），一系平均成绩比三系高（P=0.011），二系平均成绩比三系高（P=0.033），见表4和图4。
2.4 试卷质量评价情况
2.4.1 试卷信度 97、98、99连续三级五年制临床医学专业的《医学统计学》试卷的信度分别为0.96，0.56和0.69。97级的试卷可靠性好，99级的可靠性较好，98级的试可靠性一般。
2.4.2 难度和区分度 试题的难度和区分度是衡量试题质量的量化指标。三年临床医学《医学统计学》试卷的难度分布见表5。三年临床医学专业《医学统计学》试题的难度无统计学意义（F=1.885，P=0.163）。表3 三届学生《医学统计学》试卷组成及学生得分情况年级 表4 99级临床医学《医学统计学》考试成绩情况 三年临床医学专业《医学统计学》试卷的全卷区分度有差异（F=6.029，P=0.005），区分度以97级试卷为最差（97级与98级比较P=0.004），97级与99级比较P=0.007，98级与99级间无差异P=0.435），见表6。表6 3份《医学统计学》试卷的区分度分布情况年级
2.4.3 3份试题的难度和区分度综合评价结果，以99级的为最优（X 2 =7.580，P=0.065），见表7所示。表7 3份《医学统计学》试卷中的各小题质量综合评价情况
3 讨论
3.1 3届学生考试成绩均呈负偏态分布，即分布曲线高峰右偏，高分人数较多。《医学统计学》考试的目的是检查学生对基本概念、基础知识和基本统计分析方法的掌握程度，即检查学生是否达到教学大纲的要求，所以其3届学生考试成绩分布类型是与实际要求吻合的。
3.2 信度表示考试的可靠性，即考试结果是否真实反映考试的实际水平，影响信度的主要因素是测量误差。一个考生的实得分数由两部分组成，一部分是凭他所掌握的知识确能得到的真实分数;另一部分是因试题不合理，包括试题难度、代表性、覆盖面、教师编制试题的主观偏见和随意性等因素而影响了成绩。3份试卷中，97级、99级试卷信度较好，98级试卷信度不理想，应改进。可以通过增加同质试题数的方法提高其信度 ［2］ 。
3.3 3次考试的平均难度分别为0.76、0.74、0.68，与国内关于考试试卷P值在0.60～0.80之间为宜的观点相符 ［3］ ，可以认为3份试卷难度适中。
3.4 试卷区分度是说明试卷能否反映学生水平差异的指标，区分度好能反映学生的真实水平，区分度差则说明成绩是随机的，不能反映学生的真实能力。98级、99级全卷区分度均优于97级试卷区分度，但是3届试卷的区分度水平一般。
3.5 衡量试题质量的两个指标是难度和区分度。根据难度四分法，97级试卷易题占47.4%，难题占5.3%，易题所占比重过大，使整张试卷显得过于简单，高分人数偏多，成绩呈负偏态分布;98级难题所占比重相对易题大;99级难题所占比重与易题相当。一般来说，整张试卷易题和难题各占1/4，中等难度的试题占1/2，因此应减少97级试卷的易题，增加难题，而98级试卷则相反，99级的难易题分配尚合理。若简单的试题为学生应该掌握的基础知识，作为课程考试题仍可使用。1965年，美国检验专家L・Ebel根据长期经验提出用鉴别指数评价题目性能的标准:区分度D>0.40试题很好;0.30～0.39之间的试题良好，修改更佳;0.20～0.29试题尚可，仍需修改;D
3.6 加强学生能力的培养。97级试卷题型符合教学大纲，分析其各型的得失分，满分10分的词解释平均得分8.1分，满分20分的选择题平均得分15.3分，满分70分的问答题平均得分52.3分，学生对基本概念掌握良好，对基本知识的简单应用尚可以，综合应用能力相对稍薄弱，可看出学生的综合分析能力欠佳，对所学知识不能灵活应用、融会贯通。98、99级试卷题型全部为问答题，学生成绩均较97级差，也说明了学生在综合应用方面存在缺陷。故在教学工作中应注重培养学生对知识的理解掌握、综合分析能力。对此，可以采用在教学中结合实际问题的方法，鼓励学生积极思考，主动学习，自主分析问题。同时，可根据课程特征，运用多样化的教学方法，如采用讨论法、实习作业法等提高 教学效果。并且，在教学工作中，强调平时的作业，使学生把所学内容加深理解和进一步地得到巩固。
3.7 科学化命题。考试是评价教与学效果的重要指标，对教学工作和学生的学习起着调控和指导作用。而命题的科学性、合理性则决定了这一指标的准确度。一套好的试题应该符合教学大纲的内容，具有合适的难度和较好的区分度，较好的信度和覆盖度，能够客观、准确地反映学生的真实水平。故教师应掌握命题技巧，制定命题计划，建立统一的试题评价体系，综合评价学生的能力。
参考文献
1 洪汝渝.试卷分析.渝州大学学报，1997，14（3）:103-106.
2 毛春元.试卷质量的统计分析.淮海工学院学报，1999，8（B12）:86-88.
【关键词】合作学习法；医学统计学；应用
医学统计学是一门处理医学数据中变异性的科学，它运用了概率论和数理统计的知识和理论来考察、解决和处理医药卫生工作中的实际问题，是一门实践性和应用性很强的学科。然而，该学科内容相对较为抽象，尤其对医学生来说，缺乏概率论与数理统计学的知识，在学习的过程中对基本理论和原理在理解上感到吃力，不能够真正做到学以致用，加之传统的教学方式是教师讲，学生听，双方缺少互动和交流最终导致学生上课无兴趣，学生的学习主动性降低，学习效果不理想。因此，对医学统计学传统的教学方式进行改革是非常必要的。
合作教学是目前被广泛采用的一种富有创意和实效的教学理论与策略，它以学生为中心, 以小组活动为基本形式,注重学生的思维发展, 强调学习者的交流、沟通和合作以及个人发展与参与意识，有效培养学生健康的学习心理品质，激发学习兴趣[1]。笔者在医学统计学的教学中运用合作学习教学法进行了探索。
1对象与方法
1.1研究对象将我校2009级中西医结合专业两个班随机分成实验组(49人)和对照组(47人)，对两个班级进行均衡性检验，在性别、年龄、入学成绩等方面差异均无统计学意义（P>0.05）。两个班由同一老师授课。
1.2方法采用实验性研究方法，对照组采用传统的授课方法，实验组采用合作学习法。课程结束后根据考试成绩进行学习效果评价、用问卷调查的方法对不同教学方法的满意度及学习兴趣是否提高进行评价。全部数据用Excel2003录入，用SPSS13.0统计软件进行统计分析。统计方法采用t检验和χ2检验。
2结果
2.1合作学习法教学效果的评价
表1 实验组和对照组考试成绩比较（x±s）
从表1可见，实验组的考试成绩优于对照组，差异有统计学意义。
2.2 不同教学方法学生满意度及学习兴趣的评价
从表2可以看出，实验组同学们对医学统计学教学的满意度较高，学习兴趣也明显高于对照组，差异有统计学意义。（P
3结论
3.1合作学习法提高了学生的学习兴趣和学习自主性学生在学习中是被动接受还是主动参与是衡量教学效果高低的一个重要标准。传统教学中，学生对老师的依赖较多，而合作学习法教学特点是启发式，不再是注入式，高度重视学生的主体能动性,增强了他们学习的意识，从而提高了学习者学习的自主性。同时合作学习法提供了相对轻松的环境。组员之间可以互相帮助。个体之间的竞争转化为组与组之间的竞争，大大降低了学习者的焦虑感。形式多样的小组活动增强了学生的兴趣和自信心。
3.2合作学习能促进学生在学习上共同提高首先，在合作学习过程中，同学们要相互讨论，培养了学生们分析问题、解决问题的能力；不同学生思考和理解问题的角度不同，开阔了同学们的思路；学生们可以把教师用语转变成学生间特有的“学生语言”，有利于对知识的理解和掌握；其次，单独学习的同学很难发现自己学习上的不足，而合作学习过程中，由于同学之间集体学习，他们之间比较容易发现彼此的不足，可以在学习上互相帮助，共同提高。
3.3合作学习培养了学生的协作精神和沟通能力在合作学习中，小组各成员为解决共同的问题而尽自己最大的努力，成员之间取长补短和共同提高，通过经历竞争和成功，既有效完成了学习任务，又培养了协作精神和沟通能力。在这种合作、互助的氛围中，同学们增进了彼此间的感情交流，有助于消除彼此间的冷漠，改善他们的人际关系。
总之，合作学习能有效提高学生的学习主动性，显著提高学生的学业成绩，培养了学生的协作精神，提高了学生的综合素质，是一种积极有效的教学模式，值得推广。
参考文献
[1]王坦.合作学习的理念与实践[M].北京：中国人事出版社，2004
作者简介：
目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：
一、概率分布
概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。
借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。
在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。
二、假设检验
假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。
假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。
这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。
例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。
如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。
但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。
三、一些高级统计方法在基因研究中的应用
（一）聚类分析
聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。
聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。
近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。
（二）判别分析
判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。
判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。
在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。
（三）相关分析
相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。
我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。
生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。
四、意义
生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。
