统计和统计学的区别精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇统计和统计学的区别，期待它们能激发您的灵感。

篇1

学生机和普通机的区别主要是功能有所偏向，其实学生电脑也是电脑，与普通电脑并无大的区别，只是厂商是为面向学生群体促销而开拓的一些产品而已。

由于一般学生并无收入，买电脑主要化家长的钱，所以必须更多考虑到性价比，不能太贵。同时又要能够做普通电脑的所有工作，并要顾及到娱乐性，能玩多种游戏，所以学生机应当是中端机型，元器件都是中档的。另外，因为面向学生，所以比普通笔记本电脑多装几个学习软件。

计算机（computer）俗称电脑，是现代一种用于高速计算的电子计算机器，可以进行数值计算，又可以进行逻辑计算，还具有存储记忆功能。是能够按照程序运行，自动、高速处理海量数据的现代化智能电子设备。

由硬件系统和软件系统所组成，没有安装任何软件的计算机称为裸机。可分为超级计算机、工业控制计算机、网络计算机、个人计算机、嵌入式计算机五类，较先进的计算机有生物计算机、光子计算机、量子计算机等。

（来源：文章屋网 ）

篇2

摘 要：统计学在中国的发展历史并不长，但是统计学的发展非常迅速，其发展潜力也很大。各学科的发展都离不开统计学，只有深入了解和研究统计学，才能促进统计学科的发展。统计学一般分为数理统计学和经济统计学，本文侧重于对经济统计学的讨论，从统计学的相关概念入手，探究了统计学的研究对象相关问题以及研究方法，并对统计学的发展趋势进行分析。

关键词 ：统计学 研究对象 研究方法

一、统计学的定义

人们的印象里，统计学就是对数据进行简单的运算，然后通过图表、表格把它们表示出来，这是长久以来人们对统计学的一些片面认识。统计学的定义有很多种，每种定义对统计学阐述的侧重点不同。其中维基百科是这样定义统计学的：“统计学是研究如何测定、收集、整理、归纳和分析反映客观现象总体数量的数据，以便给出正确认识的方法论科学，被广泛的应用在各门学科之上，从自然科学和社会科学到人文科学，甚至被用来工商业及政府的情报决策之上”。简单来说，统计学就是数据的科学，是一门收集、整理、分析、解释数据并从数据中得出结论的科学。

二、统计学的研究对象及其特点

统计学研究必须要求明确统计学研究的客体是什么，即统计学的研究对象。统计学中某种性质相同的个体所组成的集合叫总体。统计学就是研究客观总体的数量特征、数量关系和变动规律，或者说统计学是研究统计过程的规律和方法以及客观现象统计规律的科学，它的研究对象既涉及到自然科学领域，又涉及到社会科学领域。统计学研究对象的特点有以下几点：

（1）依赖性。依赖性即统计学研究对象的寄生性，依赖性是统计学独有的特点，统计学研究的数据是来自各领域的，是依靠解决其他领域的问题而存在和发展的。统计学现在已经发展成为一门媒介科学，它研究的对象是其他学科的逻辑和方法论。

（2）数量性。数量性即统计学研究对象是通过数量特征和数量关系表示的。数量性是统计学研究对象的基本特征，因为数字是统计的语言，统计是通过数量方面来认识事物的，对统计数据进行分析，归纳统计规律性，就可以达到统计分析研究的目的。

（3）总体性。总体性即统计学以研究对象总体的数量为研究对象。每一个个体都有自身的随机性，而这些研究对象的总体又具有共同的特征和共同趋势，所以统计学研究是通过对大量的个体特征进行研究，从而过渡到对总体普遍存在的事实进行观察和综合分析，进而得出研究对象总体的数量特征和统计规律。只有掌握研究对象的总水平、总规模、总体特征和共同趋势才能体现统计学规律的作用。

（4）变异性。变异性即构成统计学研究对象总体中的各个个体，除了在某一方面必须是同质的以外，在其他方面又要表现出一定的差异和变异。如果各个个体之间没有区别和差异，统计研究就是没有意义的。统计学的这种变异既可以表现为数量上的，也可以表现为非数量上的，但是因为统计学具有数量性，所以表现为数量上的变异才是统计学所要研究的对象。

（5）具体性。具体性即统计学研究对象是具体的数量方面。统计学所研究的数量是具体、现实的，而不是抽象的，并且统计学研究的数量是有现实意义的。比如，要研究城乡居民收入差距，必须确定具体年份的具体范围内的城镇和农村居民收入数量、收入构成、收入变化以及计算方法，才能对研究对象进行统计分析。

（6）广泛性。广泛性即统计学研究数量方面的范围的很广泛。其广泛性包括政治、经济、文化、军事、教育等各类社会现象的数量方面。统计学研究对象的广泛性是统计学成为媒介学科的必要特征。

三、统计学的研究方法

每个学科都有自己独特的研究方法，统计学也不例外，统计学在长期实践中总结、归纳出了一系列专门的研究方法，如实验法、大量观察法、统计分组法、综合指标法、统计描述法等。

（1）实验法。统计学的实验法包括假设检验和实验设计。假设检验就是在对在总体参数提出假设的基础上，利用样本信息来判断假设是否成立的统计方法。实验设计就是设计合理的实验程序，使得收集得到的数据符合统计分析方法的要求，以便得出有效的客观的结论，其中最常用的实验设计是正交设计法。

（2）大量观察法。大量观察法就是对全部或者足够数量的研究现象进行观察和研究，推理归纳出客观现象的本质特征和发展变化规律。通过对大量的研究对象进行观察和研究，才能排除偶然因素造成的影响，揭示研究对象的统计规律和本质特征。

（3）统计分组法。由于所研究现象具有差异性、复杂性及多样性，需要我们对研究现象进行分组研究，进而来区别研究现象的类型，研究不同组别之间的区别和联系。统计分组法包括传统分组法、聚类分析法和判别分析法等。

（4）综合指标法。综合指标法是利用总量指标、平均指标、相对指标、标志变异指标等对研究现象的数量关系和数量特征进行分析，来反映统计学研究现象的数量方面特征。综合指标法在统计学的经济应用中具有重要的作用。

（5）统计描述和统计推断。统计描述指对调查或实验得到的统计数据进行整理、分类、计算出各种能反映总体数量特征的综合指标，并加以分析研究，从而得出有价值的信息，用表格和图形表示出来。统计推断指以一定的置信水平，根据样本数据资料来判断总体数量特征的归纳推理方法。统计描述和统计推断在统计学研究中应用非常广泛。

四、统计学的发展趋势

（1）统计学实际应用的范围扩大。在大数据时代的背景下，统计学开始被各行各业运用起来。统计学逐渐应用到企业管理、保险金融、政府决策、国家经济安全等方面。统计学在企业管理方面可以提高企业的管理能力和效率。在保险金融方面可以监控分析金融风险和保险问题来保证金融保险市场的正常运行。在政府决策方面可以帮助政府宏观调控，从而减少决策失误。在国家经济安全方面可以监控经济安全问题，预防经济危机。

（2）统计学与其他学科交叉融合。统计学的性质决定了统计学是一门媒介学科，统计学的发展是建立在各类学科的基础上的，其涉及领域非常广泛。因此，统计学与其他学科交叉融合更能发挥它的作用，例如，统计学与经济学、管理学等学科进行融合等，在融合中能不断完善统计学体系，创新统计学研究方法。

（3）统计学与网络、计算机的结合。大数据时代的到来，使得以网络、计算机为代表的信息科技在统计理论、统计分析方法、统计处理过程等方面都为统计学发展提供了新的支持。统计与网络和计算机的结合，能更好发挥统计的作用，使统计学的应用更加广泛。

作者简介：

篇3

在许多高校，应用统计学的教学方法和数理统计学区别不明显，有时应用统计学的教学方法和内容与数理统计的教学方法及内容过于雷同。在应用统计学的教学中，每位教师都应用不同的方法，但大多是按照先理论后例题的方法，与数理统计相比，减少了统计原理的教学，在教学过程中由非专业领域例题变成了专业领域例题，仍然是重复性学习，失去了应用意义。如何把二者的教学方式区分开来，较为重要。

在应用统计学的内容中，主要有两大块内容：一是数据的收集和整理，二是数据的分析和应用。在重计算的理工环境中，许多人把第一部分完全弱化，只重统计计算不重统计的前期设计及分析，或者把第一部分与第二部分完全分开来教学，以致学生自始至终不明白前后两部分的关系。导致学生在学完应用统计学之后，仍不能连贯地、自如地用统计知识解决与其相关的专业经济问题。

要解决以上问题，可应用同一案例法。所谓同一案例法即在教学应用统计学之初，提出一个与其专业相关实例以待解决，用于分析、预测和解决此专业相关实例的方法尽可能包括统计的知识点。课堂上详教理论，课后组织学生调查、整理和分析数据。

第一，实例要求学生走出校门调查，调查前，学生要了解各种调查方式和方法，并制订调查方案，实施调查。在此过程中，学生能熟练地掌握数据抽样，调查的种类及组织方式，调查方案的设计和实施。

第二，实例要求学生必须制作问卷，学生需要掌握制作问卷的方法和规则。并对问卷各类问题的形式和问题格式相当熟悉。通过制作问卷，学生能掌握问卷应该包含的内容、问卷的结构和问卷的类型。

第三，此实例必须制作调查表，要教会学生制作调查的方法。

第四，整理学生收集回来的信息，要求学生做到以下几点：

1.用科学的方法审核调查表及问卷的正确性及可用性；

2.根据需要把信息整理成图或者表。学生能使用计算机绘制各种图表，并理解各种图表所代表的含义。

3.按照需要把数据分组，通过分组，学生能掌握各种分组方式，能更透彻地理解一些基本概念如组距、组限和组中值能。

4.根据整理好的信息，对实例进行定性分析和简单的定量分析。学生通过课堂学习和实际案例分析，在今后工作中，能利用整理好的分组数据正确分析实际问题，选择准确的指标。

第五，分析数据的分布情况，以集中趋势和离散趋势为主。

1.对数据进行集中趋势分析，学生通过课堂学习和案例计算，在实际中能选择正确的平均指标，分析不同类型的数据。

2.对数据进行离散趋势的分析，通过此步骤，让学生逐步理解方差和离散系数的实际含义及区别，能在实际应用中分清二者之间的差别，在实际应用中能选择正确的变异指标分析不同类型的数据。

第六，利用收集的数据建立统计量并分析总体分布。此过程让学生深入体会统计量的含义，理解总体与样本的关系，即通过样本数据，采用样本推断总体或总体的假设验证总体分布情况。教师教授这一部分内容时，相对于前面部分的内容，难点有三点：

1.学生在理解上的跳跃，教师需要采用前面实例的样本数据，教会学生建立相关的分布统计量，让学生体会先前收集的数据仅仅为样本信息，分布情况属于样本分布。实际中要了解的是总体情况，需要借助样本统计量推断总体或假设检验完成。

2.样本推断与假设检验计算。此计算过程烦琐，尤其是统计量的选择有一定难度，教学中，通过前期的数据设计多个推断或假设检验统计量，让学生在计算时准确地选择统计量，实现样本分布到总体分布的推断。

3.对于方差分析的理解，方差分析用于检验多个总体均值是否相等，学生很难理解为什么均值的检验叫做方差分析，此部分要花一定的时间让学生理解含义。让学生自行利用实例的前期数据自行设计一个方差分析，充分理解方差分析与假设检验的异同点。

第七，学生获得总体分布情况后，要对数据的后期预测，可以用到多种预测方法，其中最重要的是一元线性回归预测方法，在适当地学习理论后，利用前期数据，让学生尝试利用不同的预测方法得到结果，分析哪一种预测方法在此案例中更合理，并给出理由。

篇4

《大英百科全书》指出：“统计学是一门收集数据、分析数据、并根据数据进行推断的艺术和科学”。从这个定义中，我们可以从以下几个方面理解统计学的内涵。

（1）作为一门科学，统计学是与数字打交道的，是对社会经济现象数量方面的特征进行研究的。

（2）统计学的主要内容可分为：数据的收集、数据的分析以及统计推断。数据的收集又可分为统计设计和统计调查两个过程，而统计分析又可分为统计整理和统计分析。因而我们认为统计学具体可包括：统计设计、统计调查、统计整理、统计分析以及统计推断。一个完整的统计过程如下图所示。正是由于上述内涵，决定了统计学具有以下特点：

（1）理论性。从整个统计研究的程序中，可看到统计学是一门理论性很强的学科。实际上统计学主要利用数学中的大数定理和中心极限定律以及概率论和数理统计方面的知识。这决定了学习统计学须具备一定的数学功底。同时，统计学主要是对社会经济现象数量方面的特征进行研究的，这也决定了统计学与经济学和管理学密切相关，学习统计学应具备一定的经济学和管理学基础知识。

（2）实践性。统计学是与数字打交道的科学，这决定了统计学是一门实践性很强的学科。它是为了解决实际问题而存在的应用性学科。实际性应在整个教学过程中重点强调，但是实际却常被忽略。

（3）理论和实践相结合。统计学最大魅力之一就是它强调理论和实践结合。统计学基本知识的利用应以解决社会经济现象为目的，同时，社会经济现象得以顺利解决反过来印证统计学基础知识，使之更好地指导实践。

（4）方法上统计学更多地会借助抽样调查。从统计学内容及社会实际情况，可知，统计学在处理数据的过程中将会过多地使用抽样调查。因此，在实际教学过程中应强调抽样调查的重要性。

2统计学教学中存在的问题

统计学的理论性和实践性相辅相成，教学过程中两者不能偏废，但实际教学中却存在着一系列问题。

（1）教材内容的安排与课时数在一定程度上存在冲突，导致统计学理论教学中过分强调统计分析而忽略统计设计和统计调查方法的教授。一般对非统计学专业的财经类本科学生，统计学要一个学期来完成，基本上48学时。而在课程的安排上，多数教材都是按照统计学的特点将统计调查、统计整理、统计分析及统计推断作为各章的主要内容。而受课时限制，统计学的教授主要以统计分析为主。对统计调查和整理过程一带而过。

受课程安排限制，忽略抽样调查的重要性。很多课本在统计学内容安排上都把抽样调查和抽样推断作为一章，放在数据分析之后单独进行讲授。这就使学生将数据分析学完后才正式开始接触抽样调查，殊不知，统计设计、调查和分析的数据多数都是通过抽样调查得到的！抽样调查的基本知识没学，先学统计分析，本末倒置。

（2）统计学教授过分强调理论性而忽略实践。由于过分强调统计数据分析，使很多教师在讲授统计学的时候过分强调理论的讲授而对学生感兴趣的统计实践却往往忽略。这就使统计学课堂变成了数学课堂。

（3）统计学教学忽略了与当地社会经济现象的关系。很多教师在统计学教学中，单纯地进行理论的教授，即便进行实践的教授，也未与社会经济现象，特别是当地的实际情况结合起来。

3统计学教学改革探索

由上述分析可知，传统的统计学教学受教材内容及课时限制，过分强调理论，而忽略了实践。因此，统计学教学应有针对性的进行改革探索。

3.1调整教材内容，将抽样调查知识提前

由于有些社会现象不可能全面调查，有些社会现象没必要或没有时间全面调查，同时，会对全面调查资料进行必要的补充修正，这都决定了抽样调查的方法在社会实践中的重要作用，使得抽样调查必然应是统计学讲授中的重中之重。统计设计、整理、分析及推断都离不开抽样调查，袁卫教授编写的《统计学》中已体现了这种想法，但并未单独拿出一章来强调其重要地位。因此，在统计学教学改革中，应将抽样调查的相关知识在绪论部分加以强调，也可根据教学要求，在绪论部分讲授统计学相关概念及基本知识，然后单独拿出一章重点讲授抽样调查的方法！在讲授内容上可强调抽样调查的前提——随机抽样以及误差的产生原因及如何控制误差。这样，才能使学生更好地理解以后各章节。

3.2重视学生主动性，强化学生实践能力

鉴于很多统计学教学偏重理论，忽视实践。我们认为，在统计学教学中，应将学生的主动性融于整个统计学教学中。

（1）以组为单位，进行统计设计——问卷调查设计。讲授完统计学基础知识及抽样调查后，将学生以班为单位分成若干组，每组10人。分完组后，主要讲授统计设计和统计调查，在讲课过程中，要求每组据自身情况，选一个较喜爱的题目进行问卷调查的设计（鉴于开始出于安全性及便于管理，让学生选择与大学生相关的话题，调查对象主要是本校的学生）。学生问卷设计主要是以课余时间为主，以一周时间为限。

（2）派发问卷，进行统计调查和问卷审核。讲授统计设计和调查的这周时间里，学生将设计好的问卷（这些问卷要经过老师审核以及学生集体修改）打印，并在学校派发。派发后将问卷回收，学生对问卷进行初步审核，确定有效问卷。

（3）问卷的整理。学生回收完问卷并完成初步审核后，我开始讲授统计整理的内容（学生1周的时间完成上述内容，而1周正好可以用3个课时讲授统计设计和调查内容）。这一章重点讲授如何将回收的数据录入电脑，如何分组及如何形成数列，并用EXCEL画出各种统计图形。而留给学生两周的时间把回收的问卷录入电脑、分组，形成数列，学生在实际过程中遇到问题及时反馈，这个过程中学生对所学知识会有更深入的理解。

（4）问卷的分析和推断。问卷整理后，进行统计分析的讲授，统计分析内容较多，既涉及集中趋势和离中趋势，还涉及综合指数及时间数列等问题，用课时量较多，这个过程中，各组据自己问卷的内容，选择相应的方法对问卷进行分析，最终达到对每一道题目都进行系统的分析。由于问卷设计内容中使用的方法可能与讲课的内容不一致，这就要求学生打乱问卷题目顺序，学了什么方法就使用这种方法解决问卷中的问题。通过有针对性地解决问题，学生掌握了几种平均数的区别和联系、时间数列和变量数列的区别、时间数列中时期数列和时点数列的判别方法以及综合指数相关的知识等。

篇5

关键词:统计学;实践操作能力;自学能力

统计在日常生产生活中是常用和实用的工具，统计学是一门通用方法论的科学，是一种定量认识问题的工具。对于中等职业学校会计专业来说，统计学基础是学生应该掌握的一门专业基础课。不过学生在中小学数学课程中已经学习了一些简单的统计知识，而统计的教学比较容易枯燥无味，因此如何激发学生学习统计学的兴趣，用什么教学手段来达到较好的教学效果，使学生学以致用，在工作中使用统计工具，是统计教学的焦点问题。

一、强化统计的作用，通过实践激发学习兴趣

统计学作为一种工具，必须有其用武之地，否则，统计方法就成为无源之水，无用之器。一些学生曾作为被调查对象，填写过各种市场调查问卷，在教学中安排学生分组收集到洗发水、手机等类产品的调查表，使他们认识到统计学在各行业的适用性，增强对统计学习的感性认识。

在授课过程中注重启发式教学，逐渐改变按部就班地讲解调查结果的方法，着重增加学生实践操作能力的培养。在教学中把学生分小组来设计调查项目:如人口抽样调查表、动漫类型调查表等。全班同学参与调查表的填写，让学生亲身经历统计数据收集、数据整理和数据描述的过程，并在课堂上分小组讲解自己的调查结果，这种实践操作既能激发学生的学习兴趣，又能让其掌握操作的方法。但对于中职的学生，在此基础上要更进一步，根据调查结果作出自己的判断和选择，在模拟中教导学生明白统计过程不是为统计而统计，而是为了分析和解决问题而统计。

二、注重培养学生的自学能力

课堂讲授法是应用最多、内容讲授系统且可控的教学方法，但学生学习被动，学得快，忘得也快。学生作为学习的主体，在教学中加强学生自学能力的培养，是发挥学生主观能动性的条件，也是锻炼学生终身学习能力的好机会。

在讲课之前，有目的地布置预习题，阅读有关章节后回答，以《统计学中的几个基本概念》一节为例:

1.什么是总体?什么是总体单位?二者之间的关系如何?

2.什么是指标?什么是标志?二者之间的联系与区别如何?

3.什么是变异?什么是变量?什么是变量值?三者之间关系如何?

这三题抓住了统计学中的几个基本概念，也是这一节中的难点和关键。让学生既要了解这几个基本概念，又要弄清这几个概念之间的区别和联系。

课堂教学时教师对要求自学的内容进行提问和指导。提问是检查学生的掌握情况，激发学生积极思维，针对学生的回答，指导学生对要求掌握的知识形成正确的认识和完整的概念。最后对全课要进行总结，安排相关的技能训练，布置课后练习、巩固所学知识。

三、引进计算机辅助教学，提高教学效果

通过调查取得大量分散的原始资料，需要采用科学的方法进行加工、整理，此时计算机成为极好的工具。在统计调查数据时，EXCEL表格中的计算功能快捷而准确，通过一个调查项目的实践操作，学生可熟练运用SUM、AVERAGE、MAX等功能，通过设置使用方差和标准差函数，使学生学会误差函数的设置，输入数据即可得到统计结果。学生将计算出的统计结果利用计算机设计成为统计表或统计图，非常形象直观，从而培养中职学生的实践操作能力。

四、创造意境，启发想象

思维是离不开具体感性材料的，形象的直观材料在思维中起主导作用。在教学中结合画图给学生创设一种意境，启发想象。在讲概率分布之一——正态分布时，通过频数直方图作出正态分布曲线，引导同学直观地得出正态曲线象钟的形状，所以也叫钟型曲线，然后根据图形启发同学们归纳出正态曲线的性质。

在教学过程中培养学生独立思考能力是教育的目标之一，其中既要有教师积极引导和严密的组织教学，又要有学生独立自主、积极主动的学习，只有教与学这两方面有机地结合起来，才能更好地促进学生生动活泼地学习。对于中职学校，加强学生实践动手操作能力是培养的重要目标之一，因此在教学中既加强学生自学能力的培养，又注重技能操作的训练，争取培养出社会适用的人才。

参考文献

篇6

关键词：应用统计学；临床研究数据；检验方法

中图分类号：R96 文献标识码：A 文章编号：1673-8500（2013）02-0075-01

一、临床试验的统计学方法

临床试验 是指按科学的实验方法，研究疾病在临床阶段规律的试验。临床试验研究的对象主要是病人或健康人。

1.选择病人可以作为实验组也可以作为对照组。一般是选择患某种确诊疾病的患者为观察病例。选择病人除考虑病人本身的特征外，还要考虑疾病的特征，如病情的发展状况，常规治疗方案的疗效情况，病人的生存状况是否存在危险等等方面。

2.选择健康人。一般是作为试验的对照组，考虑的各方面因素与病人相同或相近。由于人的背景因素及个性特征极为复杂，在进行临床试验研究时，除考虑上述因素外，还要考虑医德等方面的问题。在选择病人及健康人、选择处理因素时，要非常慎重。试验前应该经过科研小组成员及有关专家的认真讨论，并进行周密设计，以避免出现各种意外情况。因此，针对人体的临床试验研究与动物试验研究存在很大的区别。这是每位医学科研工作者应该十分注意的。

3.社区干预试验。是指对社区中的所有人群施加某种处理因素并观察一段较长的时间。其目的是通过干扰某些在人群中存在的危险因素或施加某种保护性措施，观察处理因素在社区人群中产生的效应或预防效果。典型的社区干预试验的实例之一是在社区人群的饮水中加入氟化物以观察是否能够降低人群的龋齿发生率的试验。由于社区干预试验中涉及人群数量多，人群结构复杂，不易控制处理因素及背景干扰因素，且难以对人群给予处理因素时进行随机化分配，其试验效果及效应的确切性往往不易准确判断或确定。

二、临床试验中数据偏倚分析

让我们从无效假设开始谈起。无效假设就是认为被比较的项目之间无差别。在临床试验中就是两组：一组是应用一种药物的治疗组，另一组是使用对照药物治疗组。的确，统计的常规就是用来判断差异是由偶然性或样本偏差造成的，还是存在真实的差异。事实上，在临床试验中我们非常依赖统计学。我们将要学习偏倚、机会遇、共线性、混杂因素和效应修饰。

偏倚之一就是所谓的选择性偏倚。这是研究者在将研究对象进行分组时发生的偏倚。他也许会选择具有某些特性的个体分入特定的组，从而预先影响了干预的结果。因此在临床试验中，盲法分组非常重要。另一类偏倚就是所谓的评价偏倚，是指研究者的偏见或预判断改变了试验结果。

安慰剂效应，我们对这个概念都非常熟悉。它的意思就是，如果一个研究对象认为自己正在进行一种活性治疗，那么在他身上就会出现正面效应。认识较少但是与安慰剂效应作用一样的，被称作有害安慰剂效应。它的意思就是，如果一个研究对象认为自己正在服用安慰剂，那么在他身上就会出现负效应。还有一个概念称作停药效应，研究者倾向于排除服用安慰剂的研究对象，认为他们不会像活性药物治疗组一样有效。再次说明了，对研究者而言，对具体研究对象的治疗分组保持盲法非常重要。

记忆或回忆偏倚，通常发生于某一组的研究对象更容易回忆起某些事件，而另一组的研究对象则不然。这可以影响需要收集一定类型资料的研究，和某些设计类型的研究结果。

宣示偏倚，一个试验组的研究对象叙述他们的经历时较其他组更准确。这样就会影响结果，影响试验数据的分析以及试验的解释。

我们已经谈到临床试验中会发生的各种类型的偏倚，但是我们别忘记，机会（偶然性）本身就是一种数据分析的“捣蛋鬼”，机会代表了偶然因素导致的结果的可能性，记住P值，而且根据定义，按照常规设定的P值为0.05就表示，你接受有二十分之一的机会由偶然因素导致的结果。我们要使用针对这个问题的统计学方法。记住前面的一个例子，在一个临床试验中就单一干预做的40个不同的分析。很可能由机会造成在这40个分析中可能有2个是有统计学差异但并不符合实际。这两个结果完全是机会产生的。这就是为什么要在进行多重检验时必须校正。

共线性是指一个观察的因素与暴露有关但是与所观察的疾病无关。例如，在患有肺癌的研究对象的口袋里有火柴，就会假定火柴可以引起肺癌，但事实是火柴点燃了研究对象吸的香烟，而不是点燃了研究对象起居室的壁炉。共线性可以建立一种并非真正的关联，它是由于一件事情与另外一件直接与结果相关的事情有关。

混杂因素就是那些与暴露因素有关但是与结果无关的因素。例如暴露因素是一个化工厂的苯和氯乙烯，哪一个是癌症的危险因素？如果一个研究对象均暴露于二者，则不能区别它们。只能得出这样的结论：暴露于化工厂的某些物质与癌症风险增加相关。

效应修饰通常是指两个因素协同作用导致结果，例如深静脉血栓形成，当研究对象口服避孕药和吸烟时它的发生率远远高于其中任一危险因子的研究对象。也就是说吸烟与口服避孕药或雌激素相互作用增加深静脉血栓形成的危险。同样的，口服雌激素与吸烟相互作用增加深静脉血栓形成的危险。两因素的协同作用增加一种效应的可能性，但是不能鉴别一个因素对另一个因素的影响。仅仅可以说这两个因素联合作用比单一因素有更大的作用。

三、结语

我们已经讨论了临床试验中统计学的作用，只是希望帮助大家理解统计学的作用，以及使用好有助于临床试验中数据分析的统计学方法。实际上，正确使用统计学方法可以使临床试验的结果更真实可信，并有助于我们研究新疗法，或者至少有助于我们理解医学文献中的数据。

参考文献：

篇7

关键词：金融学；本科生；统计学；思维训练

中图分类号：G71 文献标志码：A 文章编号：1000-8772（2013）12-0225-02

随着金融创新的不断加深、金融学学科体系及内容的不断发展和变革，金融学本科专业课程越来越多地涉及统计学的相关知识。但长期以来，大多数金融学专业在招生中文理兼收，学生的数学功底参差不齐，学习专业课的难度加大，在教学中注重加强金融学专业本科生的统计学思维训练无疑是改善金融学专业课程教学效果的重要手段。因此，为了适应经济发展对金融学专业人才的需求，推动金融学专业本科生学科建设的不断完善，本文专门就如何在教学中加强金融学专业本科生统计学思维训练的问题提供了以下几点有益的思考及具有可操作性的建议。

一、在教学中注重统计学与金融学知识的交叉融合

（一）注重体现统计学与金融学各自的地位和作用

当前金融学专业课程教学中存在的问题是，专业课程内容对统计学特别是数理统计有着越来越高的要求，但统计学与金融学各自的课程体系之间却缺乏足够的内在沟通，课程体系目标不够明确。造成的结果往往是，一些金融学专业的学生学了概率论与数理统计、统计学原理甚至金融统计等，却不懂得运用统计分析的方法去分析金融领域的实际问题，两者脱节现象较为严重。

因此，在教学中加强金融学专业本科生的统计学思维训练，首先应注重统计学与金融学两门学科知识的交叉融合，在教学中引导学生认识两者各自的地位和作用。统计学是一门方法论和应用性学科，是一种定量认识问题的工具。统计学只有与实质性学科相结合，才能发挥强大的数据分析功效。在统计学与金融学的相互关系中，统计学为研究金融学服务，统计方法在这一应用过程中得以完善与发展；金融学为统计学的应用提供了基地，为统计学和自身的发展均提供了契机。

（二）注重统计学和金融学交叉融合的实践内容

注重统计学与金融学的交叉融合，反映在课程体系改革上，应适当调整课程设置和重新设计教学方案（特别是概率论与数理统计、统计学原理、金融统计等课程），使之与金融学专业的课程建设相适应；反映在教学实践过程中，教师的关键任务在于告诉学生如何运用统计知识，利用各种统计分析的工具（如统计应用软件）去分析现实中得到的数据，将培养统计思维习惯和训练统计应用能力有机结合。

在统计学和金融学专业课程的教学过程中，教师要善于把统计思维的基本思想与金融学的授课内容有机结合起来。在统计学相关课程的教学中大量运用金融学的案例；在金融学专业课程的教学中大量传输统计思维，使学生学到的不仅是统计和金融的专业知识，更重要的是学到如何用统计思维去观察、思考和处理金融问题的能力。

二、合理设计统计学相关课程的教学内容

统计思维的培养和训练与特定的教学内容紧密联系。加强金融学专业本科生的统计学思维训练需要改革金融学专业学生的统计学相关课程的教学内容，根据金融学专业学科发展的需要对金融学专业本科生开设的统计学相关课程的教学内容和教学方案进行调整和重新设计。

（一）统计学原理课程内容的调整

以统计学原理课程为例，建议调整的内容包括，一是简化统计指标理论，增加统计学数学理论基础的讲授内容。将原来统计学教学中重点讲授的时间数列分析、指数法等内容变为有选择的介绍；将概率论的有关内容纳入统计学课程，并在原有基础上充实参数估计和假设检验的教学内容。二是强化统计定量分析方法，向学生介绍多元线性回归分析、方差分析、因子分析等多种统计分析方法的基本思想和原理。同时，考虑到金融领域以时间序列数据为主，因此，在教学别要让学生对时间序列分析的基本模型有所把握和理解。这样一来，不但丰富和充实了统计学的教学内容，而且也会大大改善金融学专业课程的教学效果。

（二）关于金融统计学课程内容的调整

对于金融学专业开设的金融统计学，需要为金融统计建模做准备，所要掌握的内容更多、要求更高。这就要求在金融统计学课程教学中，结合金融建模思想适当调整教学内容，以提高学生统计思维下分析金融实际问题的能力。以连续性随机变量的分布为例，金融资产收益率序列的统计分布大多是非正态的。这就要求在教学中，一是要介绍非正态分布数据在模型应用中的常用的处理方法，如取对数等；二是要注意非正态分布的学习，可以向学生介绍t分布：贝塔分布、威布尔分布等非正态分布。

统计学相关课程的具体教学方案和内容确定以后，将会有利于统计思维与授课内容的有机结合，譬如概率论、随机过程知识就是用来描述事物发展过程中的不确定现象的，平均数、方差用来刻划现象的集中与波动程度，数字资料的搜集开发是为这些现象的过程控制提供决策依据，如此等等。让学生带着问题有针对性地学习，并把统计思维的基本思想贯穿于整个教学过程中。

三、注重培养学生灵活运用随机性思维的能力

（一）注重培养学生熟悉统计思维和随机性思维

统计思维是统计学中蕴含的一种思维和行为方式。良好的统计思维不仅是学习统计学的需要，也是统计学向其他学科嫁接的一条有效途径，会使学生终身受益。一般认为，统计思维就是人们自觉运用数字对客观事物的数量特征和发展规律进行描述、分析、判断和推理的思维方式。统计思维从内容上讲，包括了从资料收集到资料分析再到统计推断的整个过程，以认识和把握客观事物和现象的本质及其发展变化规律为其终极目的。其中，资料分析和统计推断的理论基础是随机性思维。

在教学中加强金融学专业本科生的统计学思维训练应注重培养学生灵活运用随机性思维的能力。所谓随机性思维，就是以随机性问题为载体和视角来发现问题和解决问题，达到对现实世界空间形式和数量关系的本质的一般性认识的思维过程。随机性思维是统计思维的思想内涵和本质内容，贯穿概率论和数理统计内容体系的始终。

（二）注重解读概率论与数理统计之间的联系与区别

培养灵活运用随机性思维的能力要求教师在教学中帮助学生清楚认识概率论与数理统计之间的区别与联系。虽然概率论和数理统计从严格意义上讲是不同的两门学科，他们研究的对象不同，思维方式也不同，但它们却是联系紧密、相辅相成的两个方面。前者偏重于基础理论，后者偏重于研究应用。随机性和不确定性是数理统计研究对象的最重要的特性。概率是对随机性的一种度量，基于概率的知识，将随机性归纳到可能的规律性中，这是随机性思维的基本特征。由于对随机现象的观察可以直接或间接地用数据来表现，因此对随机性进行描述的一个重要方式是拟合一个适当的分布。

（三）注重帮助学生深刻体会和应用随机性思维

灵活运用随机性思维的前提是能够深刻体会和认知随机性思维，因此，培养学生灵活运用随机性思维的能力还应当经常在课堂上联系现实世界中的随机现象，在教学过程中引导学生深刻理解和体会“随机性”的内涵，并激发学生自觉、自我培养随机性思维的意识。让学生的思维方式由“确定性”向“不确定性”过渡，认识到随机事件广泛地存在于客观世界之中，并且无处不在。

四、通过实验教学切实提高学生的理论水平和实践能力

（一）金融学专业本科生增设实验课的意义

在金融学的专业课程里增设实验课程是实践教学的重要方式，更是金融学专业课程建设的必然趋势。金融学学科建设中一个广泛存在的问题是不重视实践教学。在教学中，统计方法与金融建模、定量分析脱节，缺乏统计案例和统计软件的结合。没有实际的数据分析训练，学生们就无法对统计的广泛应用性有深刻的体会，也不利于保持和提高他们的学习兴趣。同时，对金融专业的本科生来讲，不掌握一门专业的统计软件，很难完成今后的进一步学习和研究工作。因此，在统计思维的训练和培养中，必须注重把统计知识应用于实践的训练，在实践中提高统计思维能力，使统计思维在金融学专业本科生在对金融学专业课的学习中发挥它应有的作用。笔者认为，统计学、金融统计学、计量经济学、金融工程等课程均可以考虑开设一定的实验课。

（二）有效率地上好实验课

处理金融数据所用的统计分析方法众多，每种分析方法都有各自的特点和适用对象，同时彼此联系。在实验课程的开设中，建议每种方法均遵循一现场演示二案例分析三鼓励学生自己动手处理实际金融数据的学习过程。譬如金融学专业本科生会接触到大量的金融时间序列数据，教师在实验教学过程中可以链接功能强大的统计分析软件，用统计软件进行处理金融时间序列数据的演示，并结合软件的输出结果进行讲解，帮助学生正确理解统计理论方法和统计软件输出结果的含义。通过实验课的教学，学生学会使用一种以上的统计应用软件进行统计整理和统计分析，不但提高了实际处理金融统计数据的能力以及金融统计的分析技能，产生比较具体的感性知识，而且加深了对金融统计规律性的认识，激发了对统计学和金融学专业课程的学习兴趣，为实现统计理论与金融实践的顺利结合奠定基础。

此外，将统计应用软件与案例教学有机结合已是国际统计教育的主流。金融统计的案例分析主要体现在统计分析方法的应用上。在案例教学中，应综合应用多种统计分析方法。同时，所选择的案例要与当前备受关注的金融问题、金融现象密切联系，难度也要适中，避免打击学生学习的积极性。在对案例分析过程有比较好的理解和掌握的基础上，学生开始自己动手处理实际金融数据就水到渠成了。

篇8

关键词：备课；教案；多媒体

随着互联网时代信息技术的快速发展，随着多种新技术、设备的应用，多媒体教学的方式迅速成为授课的主要手段。随着教学形式越来越新颖，教学过程越来越多样化，教师的备课模式也发生巨大改变，撰写教案这一传统教学方式的重要一环也逐渐失去了光彩，许多教师不再重视教案的撰写，实际上教案和多媒体课件有着很大的不同，教案能够在整个备课、授课的过程中起到非常重要的作用。

教案是教师为顺利而有效地开展教学活动，根据教学大纲的要求，以课时或课题为单位，对教学内容、教学步骤、教学方法等进行具体的安排和设计的一种实用性教学文书。在实际教学活动中，教案起着十分重要的作用。编写教案有利于教师弄通教材内容，准确把握教材的重点与难点，进而选择科学、恰当的教学方法，有利于教师科学、合理地支配课堂时间，更好地组织教学活动，提高教学质量，收到预期的教学效果。

1 教案整体结构说明

1.1课题的总体构想 设定该次课的总体目标，包括知识目标、能力目标和思想目标；明确该次课的教学重点，有针对性地进行重点讲述；找到教学难点，针对这些难点找出解决对策；选择合适的教学方法，设计好与学生的互动；选择多个案例结合实际生活对教学内容、重点、难点进行分析讲述，实现教学目标。

1.2课题的引入 课程以回顾"假设检验的基本思想"为切入点，引导学生思考假设检验的本质。引领学生回顾假设检验的步骤，再次强调对于任何类型的假设检验来说，步骤是相同的。通过一个实际生活中的问题"难产儿出生体重与一般婴儿是否不同？"引出单样本t检验，提出问题"单样本t检验能够解决何种类型的问题？"，总结得到单样本t检验的应用目的或者是用途，最后引领学生亲手解决该种类型的问题。引申学生思考更深一层的问题，如果研究资料是两个样本而非一个样本，应该如何解决。从而引出本次课的主要内容配对t检验和两独立样本t检验。

1.3课题的过渡 给出一个配对设计的样本资料，引领学生思考，在这种情况下如何才能回答题目中的问题。引出配对t检验的概念和配对样本的类型。

在讲授完配对t检验之后，将配对样本，进行细微改动，改为两独立样本，让学生自己去寻找两者之间的差别，提出问题：能否用配对t检验解决？从而引出两独立样本t检验。

提出两独立样本t检验要有方差齐这一前提，如何才能得到方差是否齐性？通过一个实际生活中的例子提出方差齐性检验的方法。

1.4课题的进展 提出有三种配对样本，针对每一种配对样本进行详细描述，并举出实例供学生们分析，为何该种资料属于此种类型，引领学生思考该种类型资料的特点是什么。引领学生思考，配对样本t检验是要解决何种问题，是要回答两个样本总体均数是否相同，两个样本均数相同与两个样本差值为零等价，从而引出配对t检验的计算方法：首先计算差值，然后进行假设检验。

1.5课题的新知识传授 ①掌握配对t检验的方法和适用条件，理解公式的推导；②掌握配对样本的三种类型以及掌握如何判断配对样本；③掌握两独立样本方差齐时t检验的方法，理解公式的推导；④掌握两独立样本方差不齐时t检验的方法，理解公式的推导；⑤了解方差齐性检验的目的和方法。

2 知识本质的传授

本节课程的教案设计体现了以下几个方面的知识本质的传授：①假设检验实质上是通过样本信息对总体情况进行估计；②配对t检验实际上是一类特殊的单样本t检验；③不同的t检验之间的联系和区别；④假设检验的步骤是统一的，不同假设检验类型之间只是检验统计量的不同；⑤不同类型的假设检验具有不同的适应条件；⑥假设检验的关键在于对设计方法、资料类型和性质的把握。

3 科学方法的教育

统计学非常讲究逻辑性、系统性，针对统计学问题，要把握统计学的实质，采用科学的方法进行思考和分析。统计学是基于概率的科学，用于求得某件事物的发生概率，比较不同事物的总体是否相同。我们分析的都是关于事件发生概率的问题，无论做何种决定都要冒着一定犯错误的概率风险，因此我们一定要慎重、科学的做出结论。这一特点体现在统计学中的方方面面。

统计学要求资料符合一定的条件或者满足特定的假设。对于任何一份资料，我们首先要进行描述，思考资料的类型，分析资料所给出的条件或其满足的假设，由浅入深，由表及里，思考资料背后隐藏的深一层的含义。要了解深一层的含义就要进行统计推断，根据统计推断得到资料中所包含的深层的统计学意义。假设检验是最常用的一种方法，它的核心思想是反证法和小概率事件的思想。假设检验在统计学中是一以贯之的核心内容，无论何种类型的资料，我们一般都要通过这样的科学方法进行分析。

4 思维方法的训练

在学习单样本t检验、配对t检验、两独立样本方差齐时t检验、两独立样本方差不齐时t检验时，在转换不同的检验方法的时候，首先给出相应的资料让学生观察，然后提出问题让学生自己思考，让学生自己选择不同的方法来解决问题，从而最终找到资料究竟是适合哪一种方法。在教学过程中采用板书构造思维导图，培养学生的l散性思维。

针对不同类型的资料，引导学生透过现象发现本质，同时引导学生采用批判性思维避免学生形成只知道接受的教条式思维，引导学生采用不同类型t检验的方法并自己解决问题，让学生自己归纳出不同检验方法的目的、计算方法、适用条件。并且可以引申到其它类型的F、U检验等。对于单样本、配对样本和两独立样本的判定，是解决问题的首要步骤，一件事情只要抓住了主轴、抓住了主要矛盾，并基于此选择正确的分析方法，问题也就迎刃而解。

5 教学思想的创新

篇9

在中国，统计学经过几十年的发展，于2011 年成为一级学科，这标志中国的统计学正进入一个新的全面发展阶段。与此同时，不少人对统计学的一些分支，特别是经济统计学、计量经济学和数理统计学这些学科的定位、作用以及它们之间的相互关系与发展前景的认识并不一致，在某些方面可能存在认识误区，甚至将经济统计学和数理统计学的发展对立起来。这些认识误区的产生，有其历史的原因，也有现实因素的影响。但是，这不利于统计学的发展。因此，有必要厘清统计学科内部分支，特别是经济统计学、数理统计学、计量经济学与经济理论等之间的相互关系及其发展前景。本文的主要目的，是从统计学与经济学统一的视角，论述统计学各个分支，特别是数理统计学、经济统计学、计量经济学和经济理论( 包括数理经济学) 各自的学科定位、作用，以及这些学科之间的相互关系。本文的分析表明，作为现代统计学的一个重要发展方向，数理统计学在中国正在迅速兴起。在经济学中，经济统计学和计量经济学由于与经济理论的密切结合，在量化描述经济现象并透过现象揭示内在经济规律的过程中发挥着重要作用，两者一起构成了经济研究特别是实证研究完整的方法论，其中经济统计学作为测度方法论是经济实证研究与计量经济学的前提条件与基础，有其深厚的学科根基以及广阔的发展前景，不可替代。

作为统计推断的一般方法论，数理统计学的发展不会弱化经济统计学与计量经济学在经济学中的方法论作用，相反地，随着这些学科之间的交叉与融合，经济统计学与计量经济学将得到迅速的发展，从而进一步提升中国经济实证研究的水平与科学性。本文的结构如下: 第二部分分析并论述统计学、概率论、数理统计学、经济统计学、计量经济学以及经济理论( 包括数理经济学) 等学科之间的相互关系，特别是它们的区别与联系。第三部分讨论经济统计学的主要特点，以及其在经济研究与经济管理中发挥的基础性作用。第四部分讨论发展经济统计学的主要途径。第五节是结论。

二、经济统计学与计量经济学等相关学科的相互关系

统计学是一门关于数据的科学，是关于数据的搜集、整理、加工、表示、刻画及分析的一般方法论。统计学就其研究范畴来说，包括描述统计学( descriptive statistics ) 与推断统计学两大领域。描述统计学主要是数据搜集、整理、加工、表示、刻画和分析等，包括概括性的数据处理与分析; 而推断统计学则是基于样本信息，对产生样本数据的母体或系统进行推断的方法论科学。现代统计学的迅速发展有两个主要历史原因，一是各个国家、政府和社会部门基于管理目的搜集社会经济信息的客观需要; 二是数学学科中的概率论的发展。在人类社会中，数据搜集的历史非常悠久，描述统计学特别是数据搜集、整理、描述、刻画与分析的重要作用是不言而喻的。数据的搜集及数据质量本身是任何有意义的数据分析的基础与前提。没有高质量的数据，任何数据分析及其结论将毫无意义。在当今信息爆炸时代，如何用简洁、方便、易于解释的方式，从大量复杂数据中概括其最有价值的信息，也是描述统计学的一个重要作用。

但是，现代统计学的发展及其在自然科学与人文社会科学中很多领域的应用，主要是由概率论的产生与发展推动的。概率论的产生最初主要是对赌博研究的需要，后来成为研究不确定性现象最主要的数学工具，广泛地应用于自然、工程、社会、经济等各个领域。在统计应用中，人们一般无法获得整个母体的信息，而只能搜集到母体的一部分信息，即样本信息，其主要原因是因为获取整个母体信息的成本太高、时间太长或者因为客观原因而无法获得。因此，人们只能从有限的样本信息推断母体的规律特征。在这个推断过程中，概率论对描述样本信息与母体规律特征之间的关系提供了一个非常有用的数学工具; 更重要的是，它对基于样本数据的统计推断所获得的结论能够给出某种可靠性描述。这奠定了推断统计学的科学基础，也是统计推断区别于其他形式的推断( 如命理师根据手相或面相等样本信息推断一个人一生的命运) 的最为显著的特点。

因为这些原因，概率论的发展极大地推动了推断统计学的发展，特别地，概率论提供了很多数学概率模型，可用于对母体的概率分布进行建模。因此，统计推断就转化为从样本数据推断数学概论模型参数值以及其他重要特征等信息。这样，推断统计学就主要表现为数理统计学的形式。数理统计学有两个主要内容，一个是模型参数的估计，另一个是参数假设的检验。经过几十年的发展，数理统计学发明了很多推断理论、方法与工具。这些推断理论、方法与工具能够从样本信息推断母体特征、性质与规律，并提供所获结论的可靠性判断。由于自然科学与社会科学大多是从实验数据或观测数据推断所研究的系统或过程的内在规律，因此，数理统计学被广泛而迅速地应用于各个学科和领域的实证研究。数理统计学之所以成为现代统计学的一个重要的发展方向，就是因为它作为一门严谨的实证研究方法论，符合人类科学探索的过程与需要，即从有限样本信息推断系统或过程的性质与规律。随着中国科学的发展与研究水平的提高，包括人文社会科学在内的各个学科，对实证研究的方法论的需要将与日俱增。

因此，统计学特别是数理统计学今后将得到日益广泛的应用与迅速的发展。描述统计学几十年来也有长足的进展，在包括实验或调查方案设计，数据的搜集、整理以及分析，无论在方法论、调查手段还是工具方面，都有极大改进。数据挖掘作为一门关于数据分析方法与技术的新兴学科，可视为描述统计学的范畴。在描述统计学和推断统计学之间，描述统计学发挥着基础性作用，因为描述统计学牵涉到数据的搜集、解释、整理、测度、表示、刻画与分析，而数据及其质量是推断统计学结论科学性的重要前提和基础。描述统计学在刻画数据特征时所使用的一些统计方法与统计量，也是推断统计学的基础工具。与描述统计学相对应，经济统计学是对经济系统中各个主体、部门、变量和各种经济现象的一种数量描述。经济统计学的本质是经济测度学。经济统计学可视为描述统计学的一个分支，但不是描述统计学在经济学领域的简单应用，而是描述统计学和经济理论的有机结合。前苏联以及中国改革开放前的计划统计，特别是部门统计，就是在社会主义计划经济理论和实践基础上建立起来的。随着中国经济从计划经济模式转为市场经济模式，部门统计乃至计划统计越来越不适用于描述中国经济的实际运行。经济统计学需要经济理论的指导。这其实是著名经济统计学家钱伯海( 1997)在他的晚年将精力从研究经济统计学转向研究社会劳动价值论的主要原因，因为传统社会主义计划经济理论已经落后于中国经济转型以及中国经济统计学发展的需要。经济统计学主要是在描述统计学和经济理论两者基础上发展起来的，具有统计学与经济学双重学科属性。

由于研究对象经济系统的复杂性，经济统计学中量化描述经济现象与测度经济变量的理论、方法与工具，比描述统计学标准教科书所介绍的理论、方法与工具要丰富和复杂得多。这也是经济统计学的魅力所在。同经济学可划分为宏观经济学与微观经济学一样，经济统计学也可划分为宏观经济统计学、中观经济统计学和微观经济统计学。所谓宏观经济统计学就是国民经济统计学，主要是搜集和整理整个国民经济运行全过程的所有数据信息，对包括存量与流量、总量与结构、国内与国外，静态与动态等各种方面进行量化描述与分析。

微观经济统计学也称为企业经济统计学，主要是对企业本身各种经济活动、经济行为、经济现象进行量化描述。以企业财务为主要对象的会计学，在某种意义上是微观经济统计学的一个重要组成部分，即企业财务统计学。所谓中观经济统计学，是指对介于整个国民经济与企业之间的中观部门，如政府部门、产业部门，不同地区的经济活动和经济现象进行以数据为基础的量化描述。与经济统计学密切相关的一门学科是计量经济学。计量经济学假设经济系统是一个随机过程，服从某一客观运行规律; 任何观测经济数据，都是从这个随机经济系统产生出来的。计量经济学的主要任务就是基于观测经济数据，以经济理论为指导，利用统计推断的方法，识别经济变量之间的因果关系，揭示经济运行规律。有关计量经济学的学科定位与方法论作用，可参看洪永淼( 2007，2011)，李子奈和齐良书( 2010)。

可以说，计量经济学是推断统计学在经济学的应用，但并不是简单的应用，而是统计推断理论和经济理论的有机结合。

首先，在数理统计学中，统计推断是通过数学概率模型对样本数据建模。在计量经济学中，计量经济模型不仅仅是数学概率模型，其模型设定需要经济理论的指导( 如选择哪些经济解释变量) 。

其次，数理统计学的一些方法论并不能直接用于对经济数据的统计推断，因为经济数据有其特殊性。比如很多高频金融数据，有所谓的波动聚类现象( volatility clustering) ; 在劳动经济学中，很多数据存在所谓的内生性，这种内生性对识别经济变量之间的因果关系造成很大困扰。另外，一些计量经济模型，如宏观经济学和金融学领域的动态资产资本定价模型( Hansen、Singleton，1982)，是通过欧拉方程条件矩刻画的，其中经济理论( 如理性预期理论) 并没有假设相关经济变量的概率分布已知。因此，数理统计学没有现成的方法可用于估计、检验这个模型。这就是为什么2013 年经济学诺贝尔奖得主Hansen( 1982)提出广义矩( GMM) 估计方法的原因。

第三，使用什么样的计量经济模型，要由所研究的经济问题来决定。什么时候需要用回归模型，什么时候需要用波动模型，什么时候需要用整个概率分布模型，这并不是由研究者个人随其偏好而定，而是取决于所研究的经济问题的本质。例如，用历史数据研究市场有效率理论以及资产收益率的可预测性时，合适的计量经济模型是时间序列回归模型( 即条件均值模型) 。这是因为预期收益率可由条件期望来刻画( 陈灯塔和洪永淼，2003)。

第四，计量经济学是经济计量模型的推断方法论，包括如何估计参数和进行检验参数假设，判断模型是否正确设定，以及如何进行经济解释。参数假设与原始的经济假说既密切相关又有区别。经济学家关心的是经济理论、经济假说的正确与否，为此必须首先将经济理论和经济假说转化为可检验的计量经济模型的参数假设，然后利用经济数据进行参数假设检验，并解释参数假设检验结果的经济含义。计量经济学建立在经济观测数据的基础上，即建立在经济统计学的基础上。经济统计学对经济变量和经济现象进行量化测度，这些测度首先表现为经济数据。经济数据是计量经济学实证研究的原材料。计量经济学的推断结论的科学性很大程度取决于原材料即经济数据的质量优劣。

绝大多数经济数据是现实经济生活中的观测数据，不能用可控的实验方法获得，因此经济数据的测度具有巨大的挑战性。同时，由于经济观测数据的不可实验性，计量经济学需要一些基本假设，如假设经济系统是一个随机过程，经济观测数据是经济随机系统的一个( 偶然) 实现，经济随机系统满足某种平稳性或同质性条件，等等。这些假设是否符合客观经济现实也会影响计量经济实证研究结论的科学性。对经济变量、经济现象的准确测度，是经济实证研究的先决条件与基础。没有高质量的经济数据，任何经济实证分析及其结论将毫无意义。

与此同时，经济统计学可以揭示、刻画重要经济变量的性质以及它们之间的数量关系，也就是通常说的典型经验特征。这些典型经验特征实际上是经济实证研究与经济理论创新的重要基础与出发点。测度与刻画经济变量的数据特征，包括它们之间数量关系的特征，是经济统计学的范畴。如何更进一步地揭示经济变量之间的因果关系以及内在规律，则需要经济理论与统计推断。经济理论在某种意义上就像概率论一样，可以指导对经济现象的建模。因此，在经验典型特征事实基础上，以经济理论为指导，对经济现象进行建模( 所建模型即为计量经济模型) ，并基于经济观测数据对计量经济模型进行统计推断，从中找出经济变量的因果关系及经济运行规律，并解释经验典型特征事实。这是计量经济学的范畴。可以看出，计量经济学是经济统计学、经济理论( 包括数理经济学) 与数理统计学三者的有机结合，是一个交叉学科。正如著名计量经济学家Goldberger( 1964)指出的，计量经济学可以定义为这样的社会科学: 它把经济理论、数学和统计推断作为工具，应用于经济现象的分析。

随着中国经济学研究从定性分析为主转为定量分析为主，特别是转为实证研究为主，可以预计，计量经济学作为实证研究最主要的方法论，将发挥越来越重要的作用。综上所述，经济统计学和计量经济学有不同的研究对象和研究范畴。经济统计学是对各种经济现象、经济行为和经济主体的一种量化描述，其本质是经济测度学。而计量经济学是在观测经济数据的基础上以经济理论为指导进行计量经济学建模与统计推断，从而检验经济理论和经济假说的有效性与正确性，并揭示经济变量的因果关系和内在经济运行规律。

很明显，经济统计学是计量经济学的重要前提与基础。经济统计学和计量经济学两者结合在一起，构成了经济实证研究的完整的方法论。经济统计学是经济研究的基础方法论，是整个经济研究过程中的一个前置环节。计量经济学的推断方法，包括计量经济学模型的构建( 由经济理论指导) ，模型参数的估计、检验及其经济解释，是经济实证研究的主要内容。1970 年经济学诺贝尔奖得主萨缪尔森曾说过，计量经济学可以定义为实际经济现象的数量分析，这种分析基于理论与观测的并行发展，而理论与观测又是通过适当的推断方法得以联系。换言之，计量经济学是建立在经济理论和经济测度两者基础上的，而经济理论和经济观测又是通过统计推断方法，即通过数理统计学而联系在一起。与经济统计学一样，计量经济学同样具有统计学与经济学两种学科属性，并不是数理统计学的一个分支。以上各个相关学科之间的关系，可用图1 表示。

三、经济统计学的地位与作用

前文分析指出，经济统计学是对经济现象的量化描述与对经济变量的测度，而计量经济学则是在观测经济数据的基础上，以经济理论为指导，结合统计推断，揭示经济变量的因果关系与经济运行规律。经济统计学和计量经济学一起，构成经济实证研究完整的方法论，其中，经济统计学是经济实证研究与计量经济学的重要方法论前提，它起着一种基础性方法论的作用。那么，经济统计学在社会经济管理和经济研究中具体能够发挥什么样的作用呢?

首先，作为经济测度学，经济统计学用数字描绘经济系统的各种经济现象、各个经济主体、各个经济部门、各个经济层面在不同时间的动态立体图景。Samuelson 和Nordhaus( 2000)指出，虽然GDP 和国民经济核算似乎有些神秘，但它们是20 世纪最伟大的发明。如同人造卫星探测地球上的气候，GDP描绘出一幅经济运行状况的整体图形。这种对经济现象的数字描述，为经济学者、政府官员、企业家以及社会公众了解整个经济现状以及进行相关的经济决策，提供了非常有价值的信息。可以说，在现代经济学中，宏观经济学和微观经济学是经济理论的基础，而在经济统计学中，国民经济统计学是宏观经济学的统计版本，企业经济统计学则是微观经济学的统计版本。宏观经济学和微观经济学是对经济系统的理论描述，而宏观经济统计学和企业经济统计学是对经济系统的一种现实描述，以数量的形式描绘了整个经济运行的实际状况。

第二，统计学有一个重要思想，是通过构造简单、方便、易于解释但又具有科学性的统计方法与统计工具，从大量数据中概括其最主要特征与最有价值信息。经济统计通过收集每时每刻都在产生的大量经济数据并且进行分析，从中获取最有价值的信息，这是经济统计的最主要任务与最主要功能。在信息爆炸时代，从海量数据中总结有价值的信息，并及时地以简单、方便、易于解释的方式将信息传递给政府官员、经济学者、企业家、社会公众，这些重要经济信息是政府宏观经济管理与决策、企业微观管理与决策及社会公众了解社会经济现象的重要基础。举几个例子: 第一个例子，各国中央银行的一个重要任务，是控制通货膨胀。根据通货膨胀率的变化趋势，及时调整央行的货币政策，而通货膨胀率，主要是CPI 的测度，其有效性、精确性与科学性是央行制定政策的依据。第二个例子是经济增长率。GDP增长率是政府进行宏观经济决策与经济管理的一个主要目标，是衡量经济发展的一个重要指标。如何测算GDP 是一个重要问题。第三个例子是如何测算中国的人力资本( human capital) ，这也是一个具有挑战性的问题。一段时间以来，社会公众对官方的经济统计数字经常表示质疑，这种质疑一方面表明，中国经济统计学家与经济统计工作者还需要做大量的解释工作和改进工作，另一方面也表明经济统计学知识在中国的普及势在必行。

第三，经济统计学是经济研究特别是实证研究的前提与基础。经济统计学提供的数据质量的优劣，直接影响实证研究结论的科学性。众所周知，经济学研究的最主要任务是通过对所观察到的各种经济现象进行理论思维与理论创新，揭示经济运行规律。经济统计学可以从观测经济数据中找出重要的经济变量之间的数量关系。这些数量关系构成经验典型特征事实。经验典型特征事实是对复杂经济现象的一种概括性刻画，是经济学实证研究与理论创新的重要基础。在宏观经济学中， Phillips( 1958)从英国宏观经济数据中发现货币工资增长率和失业率之间存在负相关的关系，这后来被转化为刻画通货膨胀与失业率之间的负相关关系并称为菲利普斯曲线。菲利普斯曲线作为宏观经济学的一个经验典型特征事实，构成了凯恩斯以后宏观经济学理论发展的基础。所有宏观经济理论都必须能够解释为什么通货膨胀和失业率之间存在负相关关系。上个世纪70 年代，以美国为代表的西方经济陷入了滞涨阶段，菲利普斯曲线变为正斜率，这个新的经验典型特征事实推动了后凯恩斯宏观经济理论的发展。另一个例子，是由Mehra 和Prescott( 1985)提出的所谓证劵风险溢价之谜( equityrisk premium puzzle) ，即美国证券市场收益率远高于无风险债券市场收益率。这一经验典型特征事实，对宏观经济学与金融学领域的资本资产定价理论的发展起着巨大的推动作用。

在微观经济学中，有所谓的恩格尔曲线，即一个家庭消费所占的比例随收入的增加而逐渐减少。这是恩格尔通过微观经济统计数据发现的经验典型特征事实。在金融学方面，早在1960 年代，金融经济学家就发现，股票市场存在波动聚类现象，即今天一个大的波动，明天常常伴随另一个大的波动; 今天一个小的波动，明天常常会伴随一个小的波动，这两种变化交替进行，而不是大小波动均匀分布。2003 年经济学诺贝尔奖获得者Engle( 1982)提出的著名的ARCH 波动模型之所以流行，一个重要原因是它可以解释金融市场波动聚类这个重要经验典型特征。在中国，引起中国经济学者、政府官员和社会公众关注的很多重要经济问题，其实都有经济统计学的贡献。

例如，经济学家在分析中国经济统计数据过程中发现，劳动收入在整个国民经济收入中所占的份额在过去近20年中逐步降低。这个经验典型特征事实成为一段时间以来中国经济学者的热门研究课题。中国经济研究特别是实证研究水平的提升，关键就是要能够在细致、准确地搜集与分析中国经济数据的基础上，总结反映中国经济在转型期的经验典型特征事实，在此基础上提出经济转型理论解释中国经济的运行及发展趋势，并运用计量经济学方法验证经济理论的有效性。如果中国经济学能够遵照这种研究范式，那么中国经济学的研究水平将得到很大提升，并对经济转型理论做出自己创新性的贡献。但是，目前中国经济统计学家、计量经济学家和经济学家在总结中国经济经验典型特征事实方面，做得还很不够，对重要经验典型特征事实在经济研究与理论创新过程中的作用与重要性，也认识不足。

第四，经济测度对计量经济学的学科发展有重要的推动作用。首先，经济测度的质量决定了计量经济学实证分析结论的科学性。其次，经济数据，特别是经济数据的类型，对计量经济学学科发展影响巨大。举几个例子: 首先是经济数据观测的误差( measurement errors) ，对计量经济学的推断，包括参数估计和参数假设检验，有很大的影响，如导致不一致的参数估计。为了研究测度误差的影响，计量经济学很早就有了一个分支，即变量误差的计量经济学。当然，变量误差也可能由其他因素而非测度误差引起。第二个例子是时间序列计量经济学的发展。Nelson 和Plosser( 1982)在一个实证研究中发现，绝大部分宏观经济时间序列，包括GDP、CPI和股票价格，都是非平稳时间序列。这对当时以平稳时间序列作为主要研究对象的时间序列计量经济学提出了挑战，因为平稳时间序列计量经济学的理论与方法，不适用于分析非平稳时间序列。

后来的单位根和协整等现代时间序列经济学理论，就是为了研究非平稳时间序列而发展起来的。第三个例子是不完全识别计量经济学( partialidentification econometrics) 。在微观经济数据中，有一些经济变量不能获得精确测度，比如在美国问卷调查一个人或家庭收入时，因各种原因只能调查收入处于哪个区间，不能获得一个精确测度。这种不精确经济测度，对计量经济学实证研究造成了很大影响。特别地，在估计计量经济模型参数值时，不能获得点估计，只能得到区间估计。这种统计推断的方法催生了一个新的计量经济学分支，即部分或不完全识别计量经济学。第四个例子，在大数据时代，各种以前没办法获得的数据，现在通过现代信息技术可以得到，比如在金融市场，可以获得每笔交易数据，即tick by tick data，每次交易的价格、交易量以及交易的时间点，都可以完整地记录下来。这种新型的交易数据，包含很多交易行为和市场微观结构的信息。除金融市场外，超级市场或商店通过信用卡完成的交易，其交易以及交易者的信息，也同样可以获得。对这种实时交易数据进行计量经济学建模及推断，产生了一个新的计量经济学分支超高频数据计量经济学( econometrics ofultra-high frequency data ) 。更多讨论参见Engle( 2000)和Engle Russell( 1998)。

最后一个例子是面板数据。以前大部分经济数据，要么是时间序列数据，要么是横截面数据。现在，越来越多的二维数据，即对每个横截面单位( 如个人、家庭、国家等) ，可以在不同时期跟踪并测度。这种二维数据称为面板数据。一个很著名的例子，是美国密歇根大学PSID 调查数据。这个数据库调查了很多美国的个人和家庭，而且在不同时期跟踪测度，对研究美国劳动力市场与收入分配发挥了重要作用。这种数据推动了面板数据计量经济学的发展。实际上，不仅是面板数据，现在也可每天观测到一个曲线，如IBM 股票价格每天从开盘到收盘随时间变化的曲线，又如不同城市每天温度随时间变化的曲线，这些在统计学上称为函数数据，有相应的统计模型，更多讨论参见Ramsey 和Silvema ( 2005)。上面几个例子表明，数据的类型，即经济测度的类型，在很多方面都推动了计量经济学学科的发展，这其实是经济统计学对计量经济学发展的影响和重要贡献。第五，一个多世纪前，有一位美国学者说过，统计思想与统计思维总有一天会和要求一个人能够读、写一样，是一个人在现代社会中所具备的基本能力。培养大量具有经过系统训练的经济统计人才，对完善一个国家的治理体系与提高治理能力是非常重要的。中国经济统计学的一个重要任务就是培养大量高素质、具有系统的经济统计学训练的专门人才，推动中国市场化经济转型、提高宏观与微观经济管理水平，提高国家社会治理水平。尤其是，现代社会是信息爆炸的社会，需要培养大量懂得搜集数据、分析数据、解释数据、基于数据进行决策与管理的经济统计人才

四、如何推动经济统计学的发展

如何在新的历史条件下提升与发展经济统计学?第一，坚持经济统计学是经济测度学这个基本学科定位。经济统计学用数字描绘各种经济现象、各种经济主体、各个经济部门和各个不同层次在不同时间的动态全景图像。经济统计学的最主要任务是经济测度方法论的创新，发展能够更精确地测度经济现象、经济行为和经济变量的理论方法与工具，并应用于实践。这个基本定位将保证经济统计学在经济学中的基础地位，从而不会受到包括数理统计学和计量经济学在内的其他相关学科在中国兴起的可能冲击与影响。一些学者曾提出广义经济统计学的建议，将作为推断方法论的计量经济学作为其中一部分。

这种想法符合统计学的范畴定义，即如统计学分为描述统计学和推断统计学那样，经济统计学也可分为经济测度学和计量经济学。然而，由于历史的原因，计量经济学作为一个学科在国外已有80 多年历史，在中国也有30 多年发展历史。如果将计量经济学作为经济统计学的一个组成部分，有可能会出现计量经济学取代经济统计学的情形。因此，坚持经济测度学的基本定位可以更加明确经济统计学的学科特色，有利于经济统计学的长远发展。在这方面，邱东( 2013)对国民经济统计学科的定义与内涵、外延发展，做了精确阐述。

事实上，在国外，经济统计学主要也是定位在经济测度学方面。第二，发展经济统计学必须立足本土化。在中国，经济统计，特别是现代统计学意义上的经济统计，历史不是很长。中国地大物博、不同地区之间、城乡之间与不同群体或阶层之间差异巨大，经济统计不但水平较低，而且面临的挑战与困难也特别巨大。这种基本国情为在中国发展经济统计学提供了一个很大的空间，比如，关于宏观经济数据的构建，一个重要问题是处理季节性因素。在西方的经济统计工作中，季节性因素对经济变量的影响，比如感恩节、圣诞节、元旦等等，其处理都有一套成熟的方法，但是这些方法并不完全适合一些具有中国特色的季节性因素。比如中国的端午节、中秋节、春节，都是根据中国农历而定，而不是根据西方公历而定的季节性因素。这些季节性因素的处理方法将与国外季节性因素的处理方法有所不同，这是中国特色。

又如，中国在过去30 多年，成功地从计划经济模式转为市场经济模式。但是，与西方发达国家相比，中国市场经济发育、成熟的程度还比较低。中国经济统计学家能否提出一套刻画中国市场经济发展成熟程度的指标，以测度中国市场经济完善的程度? 还有，中国过去30 多年，以要素投入为主要特征的粗放型经济增长模式已经面临一个转折点。中国经济必须经济转型，以确保持续稳定发展。对中国过去30 多年粗放型经济增长模式所带来的一些不可持续的因素制约，如对环境污染的经济成本，在统计方法上还没有一个系统的、有说服力的量化描述与估计。最后，中国正处于实现以民族复兴、人民幸福为主要内容的中国梦过程中，对中国梦的量化指标的构建，包括对人民幸福感指数的构建，也是中国经济统计学家，计量经济学家与经济学家可以做的具有理论与现实意义的研究工作。总之，立足本土、立足国情、服务国家社会经济发展需要，将使经济统计学焕发出巨大的发展活力。第三，大力促进学科交叉与融合，通过学科交叉与融合，推动中国经济统计学的发展与现代化。上文在描述经济统计学的重要作用时，讨论了经济统计学对发展其他学科，特别是计量经济学的重要作用。同样地，包括经济理论、计量经济学、概率论与数理统计学在内的其他相关学科的发展，对发展经济统计学也有很大的推动作用。前面提及，著名经济统计学家钱伯海在他的晚年，集中精力从事社会劳动价值论的研究，他从经济统计学研究中深深感受到要发展经济统计学，特别是国民经济综合平衡核算体系，必须有新的经济理论作为指导。作为经济测度学，经济统计学不可避免地涉及到统计抽样调查。

在这方面，数理统计学特别是抽样理论的最新发展可以提供很大帮助。在国民经济统计学中，对宏观经济变量的测度，以及对宏观经济变量之间数量关系的描述及解释，也需要经济理论的指导。宏观经济变量是微观经济变量在一定时期内的加总( aggregation) 。由于微观个体的异质性，加总以后的宏观经济变量的性质，以及宏观经济变量之间的数量关系，与原始的微观经济变量以及它们之间的关系可能有很大的不同。在微观经济学中，一个著名的例子，就是需求函数，即微观个体需求与个体收入之间的关系，如果对微观层面个体的需求函数加总，所获得的总需求与总收入之间的关系与原来个体的需求函数将有所不同，除非微观个体消费者的效用函数满足所谓的hypathetic utility function 假设。由此可以看出，对宏观经济变量的测度( 类似加总) 之后，如何理解宏观经济变量的性质以及它们之间的数量关系，需要有微观基础，而这就涉及到经济理论。另一方面，概率论与数理统计学对理解宏观经济变量的性质也是很有助益的。例如，Granger( 1980)讨论了微观消费函数的加总问题。他假设个体之间的边际消费倾向系数有所不同，而且微观个体的边际交易倾向的数值可视为是从 分布中产生的实现。

加总以后的宏观消费变量与原始个体消费变量的统计性质将出现本质区别: 虽然微观个体的消费是一个短记忆的时间序列，但是加总以后的宏观消费变量将具有长记忆( longmemory) 的时间特性。总之，推动各个统计学科的交叉与融合将促进各个学科的发展，包括经济统计学。不管是计量经济学、经济统计学或是数理统计学，这些相关学科都有它们共同的基础，即统计思想与统计思维。因此这些学科完全能够在互相交叉融合中不断完善。同时，也有可能因此产生一些新的交叉学科。例如，实验产生的数据与现实观测经济数据有很多不同特点。特别地，经济观测数据是各种因素联合作用的结果，而且具有不可实验性( 即不能通过重复实验获得) ，因此一般情况下没有办法将其中某一或某些因素所产生的经济后果准确地分离测度出来。而实验经济学则借鉴自然科学的研究方法，通过控制实验条件排除其他因素的影响，从而可以较精确地测度所关注因素所产生的后果。实验经济学实质上是通过可控实验改进经济测度，从而可以更好地研究经济行为与经济规律，包括经济因果关系。

事实上，实验经济学与经济测度学及计量经济学的交叉与融合，正在产生一个新的交叉学科，即实验计量学( experimetrics)。第四，为了发展经济统计学，必须大力推动国际化，通过国际化推动经济统计学的发展。在中国，经济统计的历史相比西方国家短得多，特别是中国社会主义市场经济的实践只有30 几年历史，而西方成熟的市场经济已有几百年历史，我们在统计资料搜集、统计方法与工具等各个方面，还有较大差距。上个世纪70、80 年代，中国国家统计局和厦门大学合作，提出了中国国民经济核算体系，这是西方经济统计学、现代经济学和中国经济实际相结合的一个范例。今天中国的经济统计学同样可以从国外相关学科学到很多有益于自己学科发展的知识。例如，众所周知，GDP 大体反映了一个经济体社会财富水平。但是GDP 作为描述经济发展的指标，有很多缺陷，既不能精确地反映总量，也不能反映经济活动的质量与效益，更不能反映经济结构、社会分配、民生改善、以及对环境破坏的程度等等。

认识到GDP 的种种缺陷，国外学者，包括经济统计学家、经济学家，过去几十年提出各种指标，试图修正GDP 的缺陷，比如Nordhaus 和Tobin( 1972)提出了去除环境污染和交通堵塞等成本的净经济福利指标; Repetto等( 1989)提出了扣除资源损耗成本的国内生产净值; Daly、Cobb( 1989)提出了将财务分配状况、社会成本等因素计算在内的所谓可持续经济福利指标; Pinter、Hard( 1995)提出可持续发展指数; VonWeizsacker 等( 1997)提出了绿色GDP 概念，等等。这些对构建适合刻画中国宏观经济增长与发展水平的指标都有很好的借鉴意义。第五，必须顺应时展潮流，与时俱进地发展经济统计学。我们正处于一个大数据的时代，大数据提供了极其丰富的信息。如何有效地获取大数据中的有用信息，统计学无疑提供了非常重要的方法、理论与工具。与此同时，大数据也为包括经济统计学在内的统计学等分支学科的发展提供了一个新的广阔空间。例如，包括跨境电商在内的电子商务，正在中国蓬勃兴起，深刻地影响了贸易、购物、消费乃至生产形态。如何统计电子商务成为一个迫切需要解决的现实经济统计问题，这也为经济统计学的发展提供了一个难得的机遇，又如，大数据使得以较高频率测度宏观经济变量成为可能。目前绝大多数的宏观经济变量( 如CPI) 最高频率只有月度数据，在大数据条件下，完全有可能获得更高频( 如每周) 的宏观经济数据，这样可更及时反映客观经济运行情况。第六，加速经济统计学教材更新换代，尽可能地全面反映几十年来中国乃至世界上经济统计学和现代统计学的研究成果。在国外，不论是统计学还是经济学相关专业，大都没有经济统计学课程设置，因此也就没有相应的教材。这与宏观经济学、微观经济学、计量经济学等其他经济学课程有很大不同。因此，中国经济统计学教育必须更加注重教材建设，在明确学科定位的基础上，总结国内外各个相关学科以及经济统计的理论与实践，尽量汲收国内外所有有用的研究成果与经验，争取使经济统计学的研究与教育不但成为中国经济学教育的一大特色，同时也成为引领世界前沿研究的国际化学科。

五、结论

本文从统计学和经济学统一的视角出发，分析论述了现代统计学若干分支，特别是概率论、统计学、描述统计学、数理统计学、经济统计学、计量经济学以及经济理论( 包括数理经济学) 之间的内在联系，包括它们的区别与联系，以及发展前景。分析表明，统计学的这些相关学科，各自定位非常清晰，在各自学科发展方面，都有自己不可替代的发展空间。其中，经济统计学既是统计学的分支，也是经济学的分支，是统计学与经济学结合的交叉学科，具有统计学和经济学双重学科身份。经济统计学本质是经济测度学，是经济测度的方法论，是经济学实证研究的前提与基础。这是经济学其他任何相关学科，包括计量经济学，经济理论，数理经济学等无法替代的;也是统计学的其他相关学科，包括数理统计学无法替代的。

随着中国自然科学和社会科学的发展，作为推断方法论的数理统计学与计量经济学，因为有日益增加的需求而得到迅速发展。作为从样本数据推断母体特征的一般方法论，数理统计学因为符合科学研究与探索的过程与需求而在自然科学和社会科学很多领域有广泛的应用。作为经济实证研究的推断方法论，计量经济学在中国过去30 多年来有了巨大的发展。在《经济研究》、《统计研究》、《管理世界》等国内顶尖学术期刊，可以看到大量应用计量经济学理论与方法的实证研究，而专门研究经济测度的经济统计学的文章的数量则相对减少，这主要是因为经济实证研究对推断方法论日益增加的需求。计量经济学方法的大量使用，显著地提升了中国经济实证研究水平与规范程度。

篇10

关键词：经济管理类专业 统计学教材 统计软件

一、引言

统计学作为一门搜集数据、整理数据、展示数据、分析数据的方法论学科,在当今社会的各个领域得到了越来越广泛的应用,在我国各高等院校也日益受到重视,几乎所有的经济、管理类专业都把统计学作为学科基础课来开设,使之成为本专业定量分析的工具。可是据我十多年的统计学教学实践和调查结果来看,目前统计学在高校的开课效果并不理想,多数学生反映统计学公式多、计算量大、内容枯燥，还有不少同学对统计学存在畏惧心理，统计学也成为目前高校不及格率最高的科目之一。造成目前这种状况的原因很多，但目前国内的统计学教材的“可读性”差，读起来“味同嚼蜡”应该是一个主要的原因。本文对当前经济、管理类专业的统计学教材存在的一些问题进行探讨。

二、目前统计学教材存在的主要问题

目前市面上国内编著的经济、管理类的统计学教材数量繁多，其名字也五花八门，如：《统计学原理》《统计学基础》《统计学》《经济统计学》《管理统计学》等。据我调查，目前武汉市书店在售的这类图书不下三十种。虽然数目众多，但翻开一看，就会发现这些书的内容大同小异，和国外的统计学教材相比，对学生的吸引力不强。经过综合，我认为国内的统计学教材主要存在以下问题。

（一）内容陈旧。

如今的经济、管理类统计学教材由以前的只介绍描述统计变成既有描述又有推断统计的大统计学。可是翻开现有的统计学教材，就会发现不少已经过时的描述统计学的概念比比皆是，学生平时在生活、学习中几乎用不上。如不少教材里的第一章绪论部分重点介绍“标志”和“指标”这对概念，花很大篇幅来介绍两者的联系和区别，但这对概念在后续的数据分析中几乎用不到；在“后续统计调查”这章中，对统计报表、重点调查和典型调查这些方法也是花了不少篇幅来介绍，而这些在计划经济条件下使用的调查方法现在很少采用；另外，目前不少教材保留了“指数”一章，详细介绍了编制指数的两种方法，而这些内容由于内容繁杂，应用面窄，除了专门的统计调查人员，一般人根本没有必要掌握，只需要了解其基本含义。由此可见，目前国内统计学教材内容陈旧，教材中对广大读者用处不大的资源占用了大量的篇幅，而一些实用性很强的内容，如参数估计、假设检验及多元回归则放在教材后面简单介绍，由于学时有限，很多老师在课堂上只是简单地提一下，其结果是学生用这样的教材根本学不到有用的知识。

（二）概念、公式多，案例少。

目前很多学生并不需要学量系统的统计学知识，而只需要能用简单、实用的统计学方法来辨别、处理出现的定量分析问题，并且能够利用统计学软件自己解决一部分，当自己不能解决时知道到哪里寻求帮助就行了。因此统计学教材的主要任务是教会他们统计学的主要思想，学会用统计分析方法解决实际问题。基于这种目的，统计学教材应偏重实际应用，多引入生活中常见的实例或案例，不知不觉地把读者引入统计学专业知识的殿堂。但是目前的统计学教材一般都是先介绍理论、概念，再给出公式及其推导过程，最后才结合实践进行举例，而且大量繁琐的数学推导占了很大的篇幅，而经济、管理类专业的学生大多数是文科生，数学底子差，大量的公式推导往往让他们望而却步。而与大量公式相对应，国内现有的经济、管理类的统计学教材有关经济、管理的统计案例很少，大部分是过于简单的设例，或是“编写”的案例，甚至是若干年以前在自然科学领域内应用的陈旧的案例，与现实的经济、管理工作严重脱节。国内统计学教材这种重理论学习和公式推导，轻结合实际案例的特点，使得本该妙趣横生的统计学在学生眼里课程变得晦涩难懂、枯燥乏味。

（三）实用性不强。

统计学作为一门实用性很强的方法论学科，是和计算机以及统计软件紧紧地联系在一起，任何统计学方法都可以在统计学软件上操作完成，目前常用的统计学软件有SAS、STATISTIC、MINITAB、SPSS和EXCEL，对于经济管理专业的学生来说，SPSS和EXCEL都是操作起来相当简单方便的统计学软件。目前国内的统计学教材只是介绍统计学原理和方法，而如何应用统计软件来解决具体问题则没有系统的介绍，如Excel制作图、表的功能很强大，展示数据常用的直方图、条形图、饼图、环形图利用Excel都可以做得很漂亮，可是不少教材只是介绍什么是直方图和条形图，两者有何区别，而具体如何利用软件作图则只字未提；时间数列分析、多元回归分析等内容涉及的数据都很多，不借助统计软件根本没法完成，因此很多教材也只是介绍概念和方法，老师在课上也只简单介绍方法，不给学生讲授如何应用统计软件来解决具体问题，这使得学生学完这门课后实际分析问题的能力没有得到锻炼，学生在学习后续课程或撰写毕业论文时，抱怨统计学只是学了很多不会用，也不知怎么用的概念和公式。

三、对策分析

统计学教材的质量普遍不高，反映了当前我国定量分析问题的能力还有待提高。要解决这一问题，我觉得重点应从以下几方面着手。

（一）加大对从事统计学教学的教师的培训力度。

统计学教材是统计学教师教学实践的结晶。目前国内统计学教材质量不高的根本原因在于从事统计学教学教师的统计学能力有所欠缺。从事经济、管理类统计学教学的教师不仅要熟练地掌握统计学方法和统计软件的使用技巧，还要对经济、管理有一定的了解，并了解统计学在经济、管理中的使用。可是据我对武汉市高校的调查统计，不少学校从事经济、管理统计学教学的教师都是学习经济、管理的，他们对统计学方法和统计软件的使用并不熟悉，因此编出来的教材其质量也是可想而知。虽然一部分老师是统计学专业毕业的，但绝大多数是学经济统计的，对推断统计和统计软件的使用并不精通。另外还有一小部分老师是学数理统计专业的，他们对统计学方法进行过系统的学习，可是由于对于经济、管理了解甚少，因此没法和经济、管理的实际案例相结合，而只是像讲数学一样，着重公式的推导。因此要改变这种状况，各校首先要加大对统计学重要性的认识，其次要拿出切实可行的方案来对从事统计学教学的教师进行全方位的培训，使得他们具备从事统计学教学的专业水平，这样才有可能从根本上改变统计学教材吸引不了学生的现状。

（二）借鉴国外优秀统计学教材的经验。

和国内经济、管理类统计学教材内容陈旧、案例匮乏、实用性不强和趣味性差的现状相比，国外的统计学教材则让人眼前一亮。国外教材非常注重实际应用，每一部分都引入大量的生活中常见的实例或案例，不知不觉地把读者引入统计专业知识的殿堂。这些教材几乎都摒弃了繁琐的数学推导，大部分只介绍基本公式，少数则采用纯文字描述的形式来介绍统计学，让没有统计学基础的学生也能轻松地学习统计学而且它们都非常详细地介绍了如何利用统计软件来进行操作，并贯穿在各章，课后也有大量配套的习题让读者自己去练习，以加深对统计学方法的理解。因此要提高目前国内统计学教材的质量，多多向国外同行学习是非常必要的，不少学校的老师直接以国外的教材作为学生的学习教材。但是完全采用国外的教材也有不少问题，如直接采用国外原版教材，对多数学生来说英文水平有待提高，而如果采用翻译过来的教材，由于目前不少教材翻译质量不高，学生读起来感觉很生涩；另外国外的教材结合的都是本国的例子，和我国的具体国情不符，学生听起来觉得陌生。因此最好的方法是借鉴国外统计学教材好的体系和编排方法，同时结合本国的具体实践，编制适合我国国庆的教材，这就需要付出更多的努力。

（三）合理安排统计学教材的章节设置。

如今，国内经管类专业“统计学”教材通常包括绪论、统计调查、统计整理、数据的概括性描述、时间数列、抽样分布与参数估计、相关分析与回归分析、统计指数等八个部分。前面谈到过有些章节的内容陈旧，因此有必要对各章节设置进行调整。借鉴国外统计学教材的经验，应删除描述统计的大部分内容部分，重点介绍推断统计，即在有限的篇幅内重点介绍统计学的精华部分。具体来说，经济、管理类统计学教材应包括以下几部分：数据收集、数据的图表展示、数据的概括性度量、时间数列、参数估计和假设检验、方差分析和相关与回归。另外对章节的内容也要进行调整，多介绍实用性、强的内容，最后应加强统计软件的介绍，着重可以Excel或SPSS为工具来进行实例分析。

篇11

【关键词】高职院校统计学教学质量

一、引言

数学统计学教学是高职院校教学的基础内容。统计学的课堂教学是一门艺术，对学生的数学能力以及数字敏感度有更高的要求。随着信息时代的发展，越来越多的信息手段被运用到高职院校的数学统计学教学中。对于高职院校而言，学习数学统计学课程主要以帮助今后更好的就业为导向，对技能操作以及基本概念的理解较为重视。

二、高职院校数学统计学学习现状分析

（一）大班教学无法兼顾所有学生需求

由于教师资源以及教学设备资源、教学书籍是有限的，因此，我国绝大多数的高职院校往往是实施大班教学模式。在大班教学模式中，教师需要一次性面对几十名学生，在传统的数学统计学课堂上，往往遵循“教师讲解例题———布置习题———学生思考习题———教师讲解习题”的模式。但这种教学模式并没有考虑到学生的实际需求。例如，在学习样本与总体概念时，某些学生总是无法区分抽样样本和总体之间的联系与区别，但大多数学生能够快速理解，教师为了照顾所有学生进度，不得不花费额外的时间进行讲解。

（二）教学模式过于单一

由于教学资源、教学精力以及教学设备的限制，在高职院校中，教师开展数学统计学课程教学时，往往采用填鸭式的教学模式，完全按照书本的套路进行讲解，尽管很多老师也会提前制作PPT辅助教学，但学生表示PPT仅仅是书本内容的复现，缺乏新意。此外，教师在开展统计学教学时，过于看中学生解题能力的培养，忽视了高职院校以“职业技能培养”为导向的教学目标，不具有针对性。

三、提高高职院校数学统计学教学质量策略分析

（一）引入多样化教学模式

随着信息时代的发展，高职院校的教师也要积极、灵活引进新的教学模式，提高学生对数学统计学课程的兴趣。例如，采用微课的模式进行辅助教学，并在微课的设计中融入更多实践性的内容，跳出书本的性质，让数学课堂的教学能够为学生的职业发展提供基础能力。此外，教师也应该积极利用PPT、视频等多媒体设备，将实用性价值高的统计学知识展示出来，将枯燥的统计学知识变得生动多彩[1]。

（二）采用分层教学模式

分层教学模式能够有效打破传统高职院校大班教学的弊端，帮助教师更好的定位不同学生的学习难处，提供针对性的辅导。首先，教师根据学生在最近几次统计学考试、统计学课程中的表现，以及其他老师对于学生的评价，将学生进行科学的分类。其次，针对不同层次类型的学生，教师要给出不同的教学目标和方案，例如，针对A层次的优秀学生，不仅要掌握书本的知识，也要尽可能的利用课余的时间掌握EXCEL,SPSS等电脑软件在统计学中的应用，提高运用、计算能力；针对B层次的学生，则只要求掌握书本内容，保证考勤、作业以及考试分数；对于C层次的学生，教师要重点关注学生的短板问题，将统计学分为排列组合、抽样分布、假设理论等几大块，进行分别的讲解，保证学生的基本功底。最后，在应用分层教学模式时，应该充分与学生进行交流，根据学生的表现及时调整分层结果[2]。

（三）引导学生课堂讨论

引导学生进行课堂讨论能够提升学生的参与积极性。一方面，教师可以将学生进行分组，创造沟通情景，为学生提供不同类型的概率统计应用题，鼓励学生积极讨论，再推选一人进行汇报，最后公布正确的解题思路与注重点。当学生的解题思路或习题答案不正确时，教师不应当直接指出学生的错误所在，而是通过引导的形式找到问题所在。另一方面，教师应当转变传统教学霸权教学的习惯，即使学生提出了错误的观点，也应该尊重学生的理解，借助道具、案例进行点拔，鼓励学生继续思考[3]。

篇12

统计实践远早于统计学的诞生。据历史记载，在远古时代有“结绳记事”“、刻木记数”，其实这就可以说是最原始的统计。在我国，夏王朝“平水土，分九州，计民数”，进行了我国最早的人口调查，分中国为九州，人口大约1355万。在国外，埃及、希腊和古罗马的历史中也有类似记载。公元前3000年左右，埃及为了规划金字塔的建筑和建立大型农业灌溉系统，曾先后调查了全国的人口状况。

从上可以看出统计工作有着数千年的历史。随着人们在这数千年的统计活动中的不断探索，对统计规律的认识也逐渐加深，这就产生了统计学。统计学的产生至今已有300多年的历史，按照统计方法和历史发展顺序可以分为以下3个阶段。

第一，古典统计学时期

古典统计学时期是指十七世纪中叶到十八世纪末的统计学萌芽时期，当时分为国势学派和政治算术学派。

国势学派产生于十七世纪的德国，主要代表人物是海尔曼·康令（HermannConring,1606～1681年）和高尔费里德·阿亨瓦尔（Gottfriedchenwall,1719～1772年）。当时他们在大学里开设一门新课程，最初叫“国势学”，因在外文中，“国势”与“统计”词义相近，阿亨瓦尔于1749年第一个把“国势学”定名为“统计学”。这门课程采用文字叙述方法，讲述有关国情国力的系统知识。政治算术学派产生于十七世纪的英国，主要代表人物是威廉·配第（WilliamPetty,1623～1687年）和约翰·格朗特（JohnGraunt,1620～1674年）。配第在其代表作《政治算术》中，用“用数字、重量和尺度”表达思想，通过数量对比分析，研究英国、法国、荷兰三国的国情国力，阐明了英国的国际地位和社会经济发展的方向道路。这种理论和方法对统计学的形成和发展有着深远的影响。马克思给了他很高的评价，称他为“政治经济学之父”。在某种程度上也可以说他是统计学的创始人。格朗特的代表作是《对死亡率公报的自然观察和政治观察》。他根据公报数据对伦敦人口的出生率、死亡率、性别比例和人口发展趋势，作了分类、计算和预测。用具体的数量对比分析代替单纯的思维论证，这在社会科学研究方法上是一个重大的创新。国势学派和政治算术学派的区别在于，前者采用文字阐述，而后者采用的是数量分析方法。由于政治算术学派的方法被多数人接受，故该学派被公认为统计学的真正起源。

第二，近代统计学时期近代统计学时期是指十八世纪末到十九世纪末，在这个时期统计学又形成了许多学派，其中最主要的有数理学派和社会学派。数理学派产生于十九世纪中叶，其奠基人是比利时的生物学家、数学家和统计学家阿道夫·凯特勒。凯特勒认为，统计学既研究社会现象又研究自然现象，是一门独立的方法论科学。他把概率论引入统计学，根据大数定律的原理，利用统计观察资料计算和研究社会现象和自然现象的数量规律性，并用于预测未来的情况，从而开创了统计理论和实际应用的一个新领域。社会统计学派产生于十九世纪后半叶的德国，其主要代表人物是恩格尔和梅尔。

社会统计学派在一定意义上是政治算术学派的继续，他们认为统计学是一门社会科学，是研究社会现象变动原因和规律性的实质性科学。统计学所研究的是社会总体而不是个别的社会现象，由于社会想象的复杂性和总体性，必须对社会现象总体进行大量的观察和分析，研究其内在的联系，才能反映社会现象的规律性。社会统计学派的主要代表人物厄恩斯特·恩格尔，他通过工人家庭生活费用调查发现了“恩格尔定律”。

第三，现代统计学时期

现代统计学时期是指二十世纪初到现在，这个时期中主要有欧美数理统计学和东方社会经济统计学。

篇13

Abstract： Many factors restrict the level of foreign language learners' foreign language acquisition， the role of intelligence factors in foreign language acquisition is the focus of this study. Through the contrastive analysis of the IQ and English achievement in college entrance examination of the entrants， it is found that， there is no statistically significant difference between the boys and girls， shudents of Yunnan province and other provinces， rural and urban students， students of Han nationality and other nationalities. The difference of English achievement is bigger in boys group and rural group. But at the intellectual level， the students from other provinces， urban students the students of Han nationality are significantly higher than the students from Yunnan Province， rural students and minority students. In addition， the author finds that there is no significant correlation between the IQ and English achievement in college entrance examination of the entrants， whatever is the whole or in accordance with the gender， regional， urban and rural or ethnic groups. The only exception is that there is a negative correlation between the IQ and English achievement in college entrance examination of the girls.

关键词：差异；关联；智力；外语习得；大学新生

Key words： differences；relationships；intelligence；English acquisition；college students

中图分类号：G40 文献标识码：A 文章编号：1006-4311（2016）07-0226-04

0 引言

外语和母语都是人类语言。人类语言是将声音、文字或其他信号与其意义匹配的一种形式系统（Fernandez，2011）[1]。尽管全世界有各种各样的被成千上万的不同人群所使用的语言，以乔姆斯基为代表的当代语言学家倾向于将人类语言当成一个整体，因为人类语言有如下共同的特点，即人类语言都拥有相似的结构和功能。例如，任何语言都有语法和词汇，并由此构成无限多的句子，表达任何思想。人类语言在结构和功能上的共同特点意味着人类的语言是人类特有的生物性的天赋。前人对于儿童语言学习方式的研究发现在一定程度上证实了人类语言的生物性天赋的假设。正如特定年龄的儿童动觉发展的具有一致性一样，儿童的母语习得发展也经历了类似的过程。大部分正常的孩子在半岁以前的语言实践是以元音为主的单音节，如aaaah和gaaa；到了半岁到一岁之间开始出现夹杂着辅音的多音节，如dadda，tata，babaa，等。在一岁半以前，几乎每个孩子都能正确说出他们人生的第一个单词。此后一直到五岁以前，生活在任何语言环境下的孩子都将经历从单词到简单句直至复杂句的语言发展过程，最终所有正常的儿童到了青少年阶段都能完美地掌握他们的母语（Slobin， 1972）[2]。也有极少数特殊病患儿童的语言发展有不同的表现，例如，患有特定语言障碍（SLI）的儿童的语言发展滞后于他们的同辈，但是这些儿童的非言语的智力水平依然处于正常水平（Leonard，1998）[3]；与之相反的是，由于基因缺陷导致的患有威廉姆斯综合症的智力低下的儿童，却可能在词汇和语法等语言技能上与正常的儿童没有区别 （Lenhoff等，1997）[4]。很明显，基于人类语言的生物性假设的证明以及特殊病例的分析，儿童的语言能力与智力水平没有关联。

青少年的外语习得经历不同于儿童的语言发展过程，相对于儿童语言发展的快速和高效过程，青少年外语习得经历则显得缓慢和笨拙得多。入学以后的青少年和学龄前儿童这两者最明显的区别在于年龄，由此人们不得不相信由基因所决定的语言习得的关键期或敏感期的存在。儿童在语言习得的关键期时，善于对词汇记忆和句法分析进行内隐式学习，他们的程序记忆系统可塑性强，然而随着时间的推移，外显性学习逐渐占据主导地位，到了青少年以后，他们在语言上的程序性记忆的灵活性就越来越少直至完全消失（Ullman，2001）。除此以外，也有研究者从心理、情感和环境的角度对这两者的差异做出解释，例如，外语学习者心理上对目标语的文化有距离感（Schumann，1975），害怕犯错和学习动力不足（Gardner，1985），以及非母语的学习环境导致外语输入较少（VanPatten，1987）。总之外语不是一般意义上的语言，一般意义上的语言是指人类的第一语言即母语，对于外语学习者来说外语不同于母语，外语能力不属于人类的生物性天赋，外语习得是一种特殊技能的获得，这种特殊技能的获得需要诸多如学习策略、学习动力和学习环境等外在条件的支持。

以上的分析虽然可以部分地解释儿童语言习得的一致性，以及他们与青少年外语习得的总体差异的原因，却不能并足以说明为什么入学以后开始学习外语的青少年学生的外语能力比起学龄前儿童的母语习得水平呈现出更大的个体差异，这种差异不仅表现在相同年龄段的青少年外语水平差异巨大，而且表现在很少有从青少年开始外语学习的学生最终能达到自己母语的水平。这些差异与是否与他们的智力因素有关联，是本研究的重点。根据美国心理协会的解释，智力是一种能够理解复杂思想，有效地适应环境，从经验中学习，从事各种推理以及通过思考客服困难的能力。国外学者们倾向于认为智商水平越高则外语的学术能力越强，但智商水平的高低对外语的交流能力没有影响。Genesee（1976）的研究中发现智商成绩与二语习得中的听和说的能力没有相关性。Skehan（1989）的实验中显示智商分数高的学生在外语的语法、词汇和阅读方面的成绩优于智商分数低的学生，但是没有发现他们的智商与沟通能力之间的关联。

本研究试图将研究对象进行性别、区域、城乡和民族分组后，采用斯坦福-比奈智商测试得分与高考英语成绩来比较他们外语习得与智力因素之间的差异，并进而对各个组别内的研究对象的对外语习得与智力因素的关系进行研究。迄今为止，国内学者还没有对此展开过量化的实证研究。外语习得和智力因素的差异和关联的研究对于二语习得的教学关系重大，如果我们能了解外语习得与智力因素的关系，不管这种关系是正相关还是负相关或者是不相关，都可以为学生的专业选择和学校的教学安排提供必要的参考。

1 研究方法

1.1 统计手段

本研究采用社会科学统计软件SPSS 22对从研究对象的年龄、智商、英语高考成绩等分布特点进行描述性统计和独立样本t检验的比较，并从整体和以性别、区域、城乡和民族出身分类对他们的高考外语成绩与智商测试得分作相关性统计分析。研究对象的所有个人信息和他们的高考成绩均来自学校招生办公室和教务处，并被严格保密，除该研究外不作其它用途。

1.2 研究对象

参与本研究的对象为2014年考入昆明理工大学的81名大学新生，他们来自两个为进行大学英语教育而随机编成的两个班，其中女生30名占被调查总数37%，男生51名占被调查总数的63%；外省的学生31名占被调查总数38%，云南本省的学生50名占被调查总数的62%；来自城镇的学生27名占被调查总数的33%，来自农村的学生54名占被调查总数的67%；少数民族学生13名占被调查总数的16%，汉族学生68名占被调查总数的84%。

1.3 测量工具

①智力测量工具。在本研究中用来测量这些大学生智力水平的工具是史丹福-比奈国际标准智商测试的中文版，该智商测试量表是当今世界上最流行的对智商进行量化测试工具之一，具有较高的信度和效度。该智商测试量表自1916年以来共做过四次修订，本研究采用的是1986年公布的第四次修订版，也是最新的修订版本，共包含15个分测验，共有60道题目，可以评定4个认知领域，即言语推理、抽象/视觉推理、数量推理和短时记忆，要求被测试者45分钟内完成，适用于11岁以上的儿童及成人的智商水平测试，通常认为智商测试得分140分以上的为非常优秀，120-139的为优秀，110-119的为中上、聪慧，90-109的为中等，80-89的为中下，70-79的为临界智能不足，69以下的为有智力缺陷。经调查，实验对象在测试前都未听过或实际做过智商测试。

②外语能力测量工具。在本研究中用来测量这些大学生外语水平的工具是他们在2014年普通高等学校招生全国统一考试中的英语成绩。2014年的高考英语试卷共四个部分，第一部分是听力共30分，第二部分阅读理解共60分，第三部分是英语知识运用共55分，第四部分是写作共35分。参与本研究的学生的高考成绩只包含后三部分，满分为150分。

2 研究结果

2.1 描述性统计结果

①年龄分布。研究对象的平均年龄为18.7岁，最大为25岁，最小为18岁，方差为0.982。除个别学生年龄为20岁以上，绝大部分的学生年龄为18岁的和19岁，占被调查总数的87.7%。

②智商分布。从研究对象的智商分布情况来看，这81名大学新生的智商平均值为123，最高的142两个堪称非常优秀，中间值和频数最多的是124也是优秀，智商最低的94只有一个，属于中等，他们的标准偏差为约为9。这些学生的智商值以124而非100为中心呈现近似的正态分布，说明他们的智商普遍比较高。

③英语成绩分布。为了便于观察和对比，研究对象的高考英语成绩全都按百分制进行了换算。按照百分制计算，他们的高考英语成绩的最低分和最高分约为50和93，标准偏差约为9。他们的平均值、中位数和众数分别为76.6、76.7和76，三个数据非常接近。他们的英语成绩以76而非50为中心呈现近似的正态分布，说明他们的英语成绩普遍较好。通过对比这些学生的智商和英语成绩我们不难发现他们的共同点，即他们都在中等以上范围内呈现近似的正态分布，且标准偏差都约为9分。

2.2 智商与英语成绩的独立样本t检验结果

①智商与英语成绩的性别比较。在本研究中独立样本t检验结果显示，男性智商IQ的平均值M=123.96，标准偏差SD=8.57；女性智商的IQ平均值M=122.47，标准偏差SD=9.67；t（79）=0.72。虽然男性的智商比女性的略高一点，但是由于p=0.47，大于0.05，因而这种差别不具备统计学意义上的显著性，所以就本研究而言男女智商没有差别。男性英语成绩的平均值M=75.49，标准偏差SD=10.43；女性英语成绩的均值M=78.38，标准偏差SD=7.16；t （79）=-1.34。虽然女性的英语成绩比男性高了大约3分，但是由于p=0.18，大于0.05，因而我们认定在本研究中男女生英语成绩不具备统计学意义上的显著差别。尽管统计数据不能排除男女在智商和英语成绩上相同的假设，但是男生在英语成绩上的标准偏差明显大于女性，说明男生在英语成绩上的差异性大于女生。

②智商与英语成绩的区域比较。检验结果显示，外省学生的智商均值M=127.68，标准偏差SD=7.92；云南本省的学生的智商均值M=120.76，标准偏差SD=8.61；t（79）=3.62；因为p=0.001，小于0.05，所以本研究中的外省学生的智商在统计学意义上显著高于云南本省的学生。另一方面，外省学生的高考英语成绩的均值M=78.49，标准偏差SD=8.10；云南本省的高考英语成绩均值M=75.36，标准偏差SD=10.03；t（79）=1.47；因为p=0.147，大于0.05，所以本研究中的云南本省和外省学生的高考英语成绩没有统计学意义上的显著差别。

③智商与英语成绩的城乡比较。检验结果所示，城镇学生的智商均值M=127.04，标准偏差SD=9.02；乡村学生的智商均值M=121.59，标准偏差SD=8.44；t（79）=2.67；因为p=0.009，小于0.05，所以城镇学生的智商在统计学意义上显著高于乡村学生。另一方面，城镇学生的高考英语成绩的均值M=78.89，标准偏差SD=6.47；乡村学生的高考英语成绩的均值M=75.40，标准偏差SD=10.44；t（79）=1.84；因为p=0.69，大于0.05，所以城镇学生和乡村学生的英语成绩在统计学意义上没有显著区别。另外，我们发现乡村学生在英语成绩上的标准偏差显著大于城镇学生，说明乡村学生在英语成绩上的差异性较大。

④智商与英语成绩的民族比较。检验结果显示，汉族学生的智商均值M=124.29，标准偏差SD=9.15；少数民族学生的智商均值M=118.77，标准偏差SD=6.35；t（79）=2.08；因为p=0.041，小于0.05，所以汉族学生的智商在统计学的意义上显著高于少数民族学生。另一方面汉族学生的高考英语成绩均值M=76.60，标准偏差SD=9.68；少数民族学生的高考英语成绩均值M=79.37，标准SD=8.16；t（79）=0.08；因为p=0.937，大于0.05，所以汉族学生的高考英语成绩与少数民族学生在统计学意义上没有显著区别。

2.3 智商与英语成绩的相关性检验结果

①智商与英语成绩的整体的相关性。相关性检验结果显示，这81名研究对象的智商和英语成绩的相关系数r（79）=-0.076，p=0.498，由于p大于0.05，所以整体来说这些学生的智商水平和高考英语成绩不存在统计学意义上的显著相关性。

②男女生的智商与英语成绩的相关性。检验结果显示，研究对象中51名男性的智商和他们的英语成绩的相关系数r（49）=0.068，p=0.635，由于p大于0.05，所以这些男生的智商与他们的高考英语成绩没有统计学意义上的相关性；研究对象中的30名女性的智商和他们的英语成绩的相关系数为r（28）=-0.368，p=0.046，因为p

③云南和外省学生的智商与英语成绩的相关性。检验结果显示，研究对象中31外省学生的智商和他们的英语成绩的相关系r（29）=0.114，p=0.54，因为p大于0.05，所以外省学生的智商与他们高考英语成绩不存在统计学意义上的显著相关性；研究对象中的50名云南学生的智商和他们的英语成绩的相关系数r（48）=-0.272，p=0.056，因为p大于0.05，所以云南学生的智商与他们高考英语成绩也不存在统计学意义上的显著相关性。

④城镇和乡村学生的智商与英语成绩的相关性。检验结果显示，研究对象中的27名来自城镇的学生的智商与他们的英语成绩的相关系数为r（25）=-0.024，p=0.907，因为p大于0.05，所以城镇的学生的智商与他们的高考英语成绩不存在统计学意义上的显著相关性；研究对象中的54名来自乡村的学生的智商与他们的英语成绩的相关系数r（52）=-0.176，p=0.204，因为p大于0.05，所以这些乡村学生的智商与他们的高考英语成绩也不存在统计学意义上的显著相关性。

⑤汉族和少数民族学生的智商与英语成绩的相关性。检验结果显示，研究对象中的68名汉族学生的智商和他们的英语成绩的相关系数为r（66）=-0.080，p=0.518，因为p大于0.05，所以汉族学生的智商和他们的高考英语成绩没有统计学意义上的显著相关性；其余13名少数民族学生的智商和他们的英语成绩的相关系数为r（11）=-0.089， p=0.773，因为p大于0.05，所以少数民族学生的智商和他们的高考英语成绩也没有统计学意义上的显著相关性。

3 结论

通过独立样本t检验，我们发现研究对象的高考英语成绩在男性和女性、外省和云南、城镇和农村以及汉族和少数民族之间不存在统计学意义上的显著区别，尽管男生组和来自农村的学生组的学生的英语成绩差异性较大，但是研究对象不同分组的智商水平有明显差异，外省学生的智商水平显著高于云南学生，城镇学生的智商水平显著高于乡村学生，汉族学生的智商水平高于少数民族学生。

通过相关性检验，我们发现研究对象的智商与他们的高考英语成绩整体上不存在具有统计学意义的显著相关性，即使是把研究对象按照外省和本省、城镇和农村、以及汉族与少数民族分组检测，也未发现他们的智商与英语成绩有任何在统计学意义上的显著相关性，只有一个例外，即如果把研究对象按照性别分组，虽然男生组的智商与他们的英语成绩依然没有显著相关性，但是女生组的智商与她们的英语成绩呈现出在统计学意义上显著的具有中等效应量的负相关。

以上的两组检验结果既在情理之中又出乎意料。首先，智商的高低似乎与学生所处的环境有关，即外省学生的智商高于本省学生，城镇学生高于乡村学生，汉族学生高于少数民族学生，但是整体而言男生的智商和女生的智商没有显著的差别。其次，男生的英语成绩与他们的智商没有相关性，说明男生的外语习得水平可能非智力因素有关。特别值得一提的，或许也是最有可能引起争议的是本研究发现女生的智商水平与她们的英语成绩呈现负相关。这样的研究结果说明了高智商的女性更适合选择其他专业而非外语专业，同时这样的研究结果也间接印证了传统上人们普遍认为的男性的智商高于女性的智商，因为大部分非高智商的女性自觉或不自觉地选择了外语专业，事实上任何一所外语院校都是女性学生和女性教师占了大多数。

因此，为了优化教育资源的配置，让更多的学生学有所成，教育管理部门应当对新入学的女生进行智商测试，根据智商水平测试的结果给学生的专业选择提出建议。同时，外语教师应当根据学生的高考英语成绩的分布特点因材施教。具体措施包括：①鉴于女生组的智商与她们的英语成绩呈负相关的特点，学校负责学生专业调剂的部门应当建议高智商女生选择非英语专业；②鉴于男生组和来自农村的学生组的学生的英语成绩两极分化更严重的特点，外语教师应当在教学过程中更加关注来自这两组中基础较差的学生，对他们进行重点帮扶工作。

参考文献：

[1]Fernandez， E.， M.， and Cairns， H.， S. Fundamentals of Psycholinguistics [M]. A John Wiley & Sons， Ltd.， Publication，2011.

[2]Slobin， D. I. Children and language： They learn the same way all around the world [J]. Psychology Today， 1972，6（2）：71-4.

[3]Leonard， L. B. Children with Specific Language Impairment [M]. Cambridge， MA： The MIT Press， 1998.

篇14

摘 要：文章通过阐述大数据及其目的，分析大数据与统计学的对比，对大数据对统计学的挑战与机遇展开探讨研究，旨在为相关人员基于大数据及其目的、大数据与统计学的对比的大数据对统计学的挑战和机遇研究适用提供一些思路。

关键词：大数据；统计学；挑战；机遇；营销

引言

国际数据公司的相关研究指出，2011年全球数据生产量达1.8ZB，且全球信息总量每隔两年增长一倍[1]。在大数据时代下，对于统计学发展而言，挑战与机遇并存，挑战指的是现阶段传统统计学相关方法难以适用大数据，机遇指的是基于统计学，大数据展开数据处理、分析，促使大数据具备可视化特性。由此可见，研究大数据对统计学的挑战和机遇有着十分重要的现实意义。

1.大数据及其目的

现阶段，关于大数据仍旧没有一个十分明确的界定，大数据起初是源自于技术领域。在信息量不断扩大的情况下，使得常规电脑原有存储空间已不能对新处理数据进行承载，新兴数据处理技术得以产生，好比雅虎的Hadoop平台、谷歌的MapReduce等。此类技术能够对僵化层次结构、一致性予以消除，促进数据无需通过常规数据库表格进行排列，极大程度地提升了人们可处理的数据量[1]。

2.大数据与统计学的对比

2.1样本统计与全样本统计的区别

样本统计属于统计学不可或缺的依赖，样本指的是结合相应的概率自总体中随机筛选并视作总体代表的集合内容，值得一提的是随机抽样是需要成本的，包括社会关系、资金成本或者时间成本等。基于样本数量提升有限前提下，样本估计误差会随着总体数量增多而增大，这亦是样本统计无法避免的不足。大数据时代下，庞大的数据信息应运而生，数据信息发展表现出总体即是样本的态势，该属性很好的消除了样本统计这一不足。大数据时代下的全样本统计，通常情况下可对完全总体进行覆盖，然而受大部分数据属于半结构、半结构数据影响，使得概率论应用遭受一定的制约[2]。鉴于此，将全样本统计应用到统计学中，应当就总体数据展开相应的归纳、筛选，即好比在样本统计中展开数据预处理。

2.2预测分析与非预测分析的区别

统计学的创立，是为了对变量相互相关关系展开分析，因此获取数据是发生于变量确定之后的，数据分析价值是能够被预测的。相较于统计学的预测分析，庞大数据将互联网、传感器作为载体，存在于分析需求之前，因此构建于大数据上的分析多为非预测性分析。在统计学中，出现大数据无法有效应用局面，这是由于不具备非预测分析所需的庞大数据，庞大数据产生与数据中心、存储系统存在紧密的联系，并非短期产生。也就是说，统计学中大数据的应用发展，说明了非预测分析正逐步取代传统统计学预测分析，数据多次利用正逐步取代传统数据一次性利用的。

3.大数据对统计学的挑战与机遇

3.1数据生产、处理与应用的转变

相关统计部门经开展严格的统计设计工作，获得相关的统计数据，数据的预处理分别有数据清洗、非全面数据填补以及数据矫正等。大数据时代下的统计手段尚不十分明确，自大数据流环境而言，要不断探索新型抽样方法，并确保抽样方法的实时、连贯及可行性。除去传统的统计分析方法，还应当开发大数据动态分析、数据流算法等[3]。

3.2大数据时代对市场营销的机遇

3.2.1大数据营销的特点与价值

大数据营销的特点：I.数据采集多平台化特点，即大数据时代下，大数据的数据大多来源于不同的领域、不同的渠道。II.时效性特点，随着信息技术的急速发展，互联网用户消费、购物行为方式往往会瞬间出现转变。国际先进大数据营销企业AdTime基于此大数据营销特点，采取了时间营销措施，即采取相应的技术方式全面获悉用户所需，于第一时间对用户当下的需求进行回应，以使用户在下决心购买的最佳时间及时看到对应的产品广告。III.个性化特点，在大数据时代下，广告商传统媒体导向的营销理念逐步由受众导向取代，现如今，广告商可应用大数据了解用户的地理方位，需求内容等信息，达到对用户个性化营销的目的。

大数据营销的价值：I.升级营销与用户的匹配度，大数据营销不仅可提供给企业了解用户有效的途径，还能够于网络环境下，选取相关技术方法达到对用户精确定位的目的，从而开展好营销工作，升级营销与用户的匹配度。II.改善用户体验，大数据营销促使企业真正意义上认识到用户及其所使用企业产品情况，以给予用户最人性化的提醒。

3.2.2大数据营销的应用

（1）与消费者建立紧密关系

现如今，我国一些企业营销行为仍旧处于个性化定位信息、创意设计阶段，而无法对不同消费者展开个性化的营销活动。大数据时代下，经采用相关数据分析技术方法，基于对消费群体喜好、传媒接触习惯等展开有效的分析，达到特定营销活动明确开展的目的，实现企业精心开展的营销活动精准的辐射至目标消费群体处，与消费者建立紧密关系，极大的改善营销效率、质量[4]。

（2）掌握竞争对手数据

企业通过对竞争对手数据的有效掌握，获悉竞争对手发展状况，基于此帮助企业制定科学合理的产品价格，提升企业产品市场竞争优势。与此同时，企业务必要全面实施以事实为前提的决策手段，广泛地应用数据分析方式对企业每一个发展运营步骤进行优化，经对企业一系列数据的充分优化、对接，促使业务环节中潜在的价值得以被有效挖掘，降低生产成本，知己知彼，促使企业在日趋白热化的市场竞争中占据有利位置。

（3）挖掘企业内部数据

“市场未动，数据先行”俨然转变为国际上企业有效运营发展的一致认识，为了提升企业管理效率，要求企业要充分挖掘企业内部数据，并展开有效的整合、分析，以为企业相关人员做决策提供有利的参考依据，提升决策准确性，促进企业可持续发展。

3.2.4 企业的应用案例――以亚马逊为例

在应用大数据开展市场营销方面，美国亚马逊公司一直处于领先地位。亚马逊研发出“用户未下单，先发货”功能，即结合用户的购物需求数据信息，分析用户想要购买的产品，达到用户未下单，提前发货的目的。此外，亚马逊通过对用户检索信息的分析，评估流感的传播，但这仅仅为海量检索数据中的一项用途，相同的数据能够应用于预测大选结果、预测某类产品市场行情等等，极大地降低了统计成本[5]。

3.3大数据时代对市场营销的挑战

3.3.1信息收集

大数据并非就是对数据信息展开盲目的收集，即便收集了再多的数据，倘若这些数据并非是市场营销所需要的，如此便会导致前期收集来的数据信息，变成一堆“数据垃圾”。鉴于此，为了避免这一情况发生，务必要充分分析业务需求，再对自身存在价值的数据展开收集、归纳，如此方可实现大数据的有效收集应用。

3.3.2经验与数据

数据采集完毕后，面对参差不齐的数据，还应当做好数据评估工作，评估对何种目标受众开展市场营销工作。鉴于此，要求采取科学合理的手段，将这些参差不齐的数据整合成可被市场营销实践应用的，经结合过去的经验，与采集数据进行有机融合，实现对目标受众的有效分析确定。

3.3.3分析与优化

数据分析，一方面是实现数据优化，一方面是进行决策层面上的调整、转变。此环节对于专业人才的需求提出了严苛的挑战。数据分析、数据优化对于专业人才的知识框架要求大不相同，这要求相关企业不仅要培养专业的数据分析人才，还要打造数据优化人才队伍。

3.4大数据营销的未来发展趋势

信息技术不断发展，单一媒体导向的“消费者碎片化”俨然无法达到企业对于数据多样性的需求。大数据时代下，媒体的跨界融合实现对“碎片化”受众的充分聚合。在科学技术技术不断进步的背景下，跨媒介、跨平台、跨终端的多途径将不断被开拓，将使庞大的数据信息获取多维度的整合，并且在多样化网络环境下，消费者主观信息与客观数据有机融合，构筑全面用户数据库环节，将成为未来大数据营销发展的必然趋势[6]。

4.结束语

总而言之，大数据为传统统计学带来了严峻的考验，也为传统统计学有效发展创造了良好的契机。在大数据时展潮流中，我们应当充分的认识到大数据对于传统统计学而言，是补充而不是更替，构建于样本统计、预测分析内容上的传统统计学，仍旧于社会统计、经济分析中占据着主导位置。大数据时代下，为了实现企业市场营销的有效开展，相关人员务必要不断专研研究、总结经验，全面分析大数据与统计学的对比，充分认识大数据对统计学的挑战和机遇，“与消费者建立紧密关系”、“掌握竞争对手数据”、“挖掘企业内部数据”等，积极促进企业市场营销的科学合理化。

（作者单位：中国人民大学）

参考文献：

[1] He Y，Geng Z.Active learning of causal networks with intervention experiments and optimal designs[J].J Machine Learning Research，2009，（09）：2523-2547.

[2] 游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论，2013，（02）：165-171.

[3] Deng K，Geng Z，Lin J.Association Pattern Discovery via Theme Dictionary Models[J].To appear in J Royal Statist Soc B，2013，（2）：162-163.

[4] 邱 东.大数据时代对统计学的挑战[J].统计研究，2014，31（01）：16-22.