时间：2024-04-09 15:35:29
序论：在您撰写统计学基本方法时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
0引言
起源于上世纪七十年代的层次分析法(简称AHP)是由美国运筹学家T.L.Sattyti提出的，主要是对多指标系统方案给出一种层次化、结构化的决策方法。该方法综合考虑了定性与定量两种决策分析方法，在决策分析问题中有着广泛的应用。层次分析法主要是一个模型化、数量化的过程，通过对复杂系统的分解，将其转化为若干因素，在各因素之间通过比较和计算，从而得出不同方案的权重，该权重可为最佳方案的选择提供依据。在处理实际问题的过程中，经常会遇到诸如目标准则层次较多以及非基本结构的复杂决策问题，此时如何能够将该问题简化主要取决于如何从少量的定量信息入手，深入探究问题的本质及其内在关系，将思维的过程数字化，从数学的角度思考，用数字说话，达到准确计量的目的。
层次分析法中各层次的结构反映了各因素之间的关系，如何确定该结构是关键所在。通常准则层中的各准则在目标衡量中所占的比重并不一定相同，处理的关键在于如何较为准确的将这些比重进行量化。很多时候，对某个因素有影响的因子比较多，如若直接给出各个因子的比重，难免出现偏差，主要原因有：问题考虑不全面、首尾数据顾此失彼、所有数据可能不符合整体性为1的隐含条件等。比如我们有这样的生活常识：假如有若干个大小不一的西瓜，每个人都能按照自己的感觉给出每个西瓜所占总体重量的大致比重，但是由于不知道每个西瓜具体的重量，每个人给出的数据都不尽相同，而且由于只是估计值，可能所有的比值会出现相互矛盾的情况，也容易出现比值和不等于1的情形。因此，当影响某因素的因子较多时，通常将众多专家研判的均值作为各因子的比重，但这些比重只是初始值，通常要在初始值的基础上经过一系列严格的转化、换算，才能最终得出各准则层的相对权重。各准则层相对权重求解的过程大致可以分为三个步骤：1.构造判断矩阵——分析系统中各因素间的关系，对同一层次各元素关于上一层次中某一准则的重要性进行两两比较，从而构造得出两两比较的判断矩阵;2.构造判断转化矩阵——由上一步中的判断矩阵中数据计算各比较元素所在准则的相对权重，并进行一致性检验。通常由判断矩阵到判断转化矩阵的转化方式不唯一，不同的转化构造方式往往对应不同的适用和使用效果;3.计算各层次对于系统的总排序权重，并进行排序。以上三个步骤中，第二步是关键，最终可以得到各方案对于总目标的总排序。
在用层次分析法解决某些具体问题时，可能会出现相对权重明显集中，权重差距较大的现象。因此，需要对层次分析法相对权重进行改进计算，努力提升层次分析法实际应用效果。本文主要介绍确定相对权数的一种新算法—方程法，并且通过实例检验其使用效果。1层次分析法中相对权重的算法新思路
1.1建立判断矩阵
判断矩阵是在对每一层次中的所有因素进行相对重要性的两两比较的基础上而建立的矩阵，即：
R=r111…1R1n
rn11…1rnn，其中r11。，r22，…，rnn=0.5，rij表示第i个元素相对于第j个元素的重要程度关系，采用0.05-0.95标度给予数量表示，且rij+rji=1。江苏理工学院学报第20卷第6期孙丹丹：确定统计权数的新方法——方程法
rij的取值不应由个别人来确定，应由众多专家共同研判，最终取其均值。专家研判的取值是第i个元素相对于第j个元素的重要程度确定：特别重要(0.85-0.95)、重要(0.75-0.85)、相对重要(0.65-0.75)、稍重要(0.55-0.65)、重要程度相当(0.5)。
1.2判断转化矩阵
判断转化矩阵：A=a111…1a1n
an11…1ann，其中a11，a22，…，ann=1。
判断转化矩阵，需要将rij转化为aij。
判断转化矩阵中aij和aji必须满足两个条件：①aij*aji=1;②aij-aji=rij-rji(其中i为i和j两个元素中较重要者，否则条件②改为aij-aji=rij-rji)。
将以上两个条件进行变换，即aij-11aij=rij-rji或aji-11aji=rji-rij，求解可以得aij或aji(取正数解)。
1.3准则层的相对权重的计算
①计算判断矩阵中各行元素乘积：Mi=∏N1j=1aij=ai1·ai2…ain(i=1，2，....n)。
②计算Mi的n-1次方根：Wli=n-11Mi。
判断转化矩阵中涉及元素是n个，反映元素间的关系应是n-1个关系。事实上，由于判断转化矩阵中a11，a12，…，ann=1，因此对角线上的元素对计算判断转化矩阵中各行元素之乘积是没有影响的。基于以上考虑，应该计算Mi的n-1次方根。
③对Wli进行正则化处理：Wi=Wli/∑n1i=1Wli，其中Wli为判断矩阵中各行元素乘积的n-1次方根。正则化处理后，∑n1i=1Wi=1。
从上述过程可以看出，新方法中准则层的相对权重计算过程与传统层次分析法相比，区别主要在于第二步，即判断转化矩阵的计算。在判断转化矩阵中，aij保留了最初判断矩阵中rij之间的差异性，并进一步将最初判断矩阵的对角线相应因素和为1转化为了判断转化矩阵中的对角线相应因素积为1，这在一定程度上解决了相对权重明显集中，权重差距较大的现象。下面将通过实例，来验证该方法在处理权重差距较大问题时的可行性和优越性。2层次分析法中相对权重的改进算法实际应用
全部国有及规模以上非国有工业企业主要经济效益指标：工业增加值率、总资产贡献率、资产负债率、流动资产周转次数、成本费用利润率、全员劳动生产率、产品销售率，记这7个指标分别为1、2、3、4、5、6、7。
2.1判断矩阵：11121314151617110.510.2510.8010.5510.7010.8010.75210.7510.510.9010.8010.8510.9510.90310.2010.1010.510.3510.3510.8010.40410.4510.2010.6510.510.5510.8510.60510.3010.1510.6510.4510.510.7510.60610.2010.0510.2010.1510.2510.510.25710.2510.1010.6010.4010.4010.7510.52.2判断转化矩阵
由上述矩阵结合算法新思路中判断转化矩阵的求法，不妨以a12与a21为例。
由r12=0.25，r21=0.75可知：a21·a12=1，
a21-a12=r21-r12，即a21·a12=1，
a21-a12=0.5。
解方程组可得：a12=0.780 8;a21=1.280 2。
同理，可求得所有a1ij，i，j=1，2，…，7。
汇总整理后可得如下判断转化矩阵：1112131415161711110.780 811.34411.051 211.219 811.34411.280 8211.280 81111.47711.34411.409 511.546 611.477310.74410.6771110.861 210.861 211.34410.905410.951 310.74411.161 21111.051 211.409 511.105510.819 810.709 511.161 210.951 31111.280 811.105610.74410.646 610.74410.709 510.780 81110.780 8710.780 810.67711.10510.90510.90511.280 8112.3准则层的相对权重的计算
由上述矩阵结合算法新思路中准则层的相对权重的计算方法可得：Mi分别为：2.316 294，8.186 244，0.454 378，1.345 582，0.909 344，0.154 815，0.612 73。Mi的n-1次方根分别为：1.150 268，1.419 648，0.876 805，1.050 715，0.984 286，0.732 772，0.921 605。
从而可以求得每个Mi相对权重，汇总整理如下：
%11121314151617统计局公布权重116120112115114110113新算法权重116.12119.89112.29114.72113.79110.27112.91传统层次分析法权123.36146.5913.1518.95111.8611.5414.55本例中，由最后的计算结果可以看出：若使用传统层次分析法，则最终计算出的权重值差距较大且仅集中于个别因素;而使用新方法所计算出来的相对权重明显更接近于统计局所公布的数值，且由此方法计算出的权重值也有更为合理的解释。
3结语
关键词:金融统计学;教学方法;改进
中图分类号:G642.0文献标志码:A文章编号:1673-291X(2009)27-0245-02
金融统计是适应国家经济管理和金融事业发展的需要而建立和发展起来的。金融统计是国家统计体系的重要组成部分,集金融信息、金融分析与政策咨询于一体,以货币信贷及金融运行的各种数量关系为研究对象,以金融与经济统计数据为依托,运用定性与定量分析相结合的方法,分析、判断、预测国民经济运行及金融的发展情况,是中央银行货币政策决策的支持系统,是国家进行宏观调控的重要工具[1]。作为金融专业、尤其是金融工程专业的本科生,对统计学的要求更高,对统计建模及运用要求比较熟练地掌握。
一、金融创新的深化对统计学原理和方法提出更高的要求
随着金融创新的不断加深,金融学与数学、尤其是统计学的结合越来越紧密,金融模型日趋复杂。金融的统计建模,出发点都是金融资产收益率序列的统计分布。对收益或损失序列的分布刻画,是金融产品的准确定价和风险管理的基础。随着金融创新的发展和研究的深入,金融模型对统计学提出更高的要求。
1.金融资产收益或损失分布大多都是非正态分布。金融市场的一个典型事实(stylized fact)是:金融时间序列分布是尖峰、肥尾的。传统的金融建模,为了简化或得到解析表达式,通常假定时间序列是正态分布的,这个假定是金融模型受到较多诟病的主要方面。在风险管理中,正态假定导致低估金融产品的尾部风险。改进的方法之一就是用非正态分布来拟合数据,如t分布、贝塔分布、稳定分布等[2] 。这要求我们在教学中更加注重非正态分布的学习。
2.线性相关不能准确刻画金融时间序列的相关性,需要更复杂的统计技术。传统的多元金融时间序列建模都是假定时间序列服从多元正态分布,多元正态分布的前提边缘分布服从椭圆分布和只有线性相关。多元正态分布不能反映金融市场的实际情况。金融时间序列的相关性一般是非线性的,而且边缘分布也不服从椭圆分布。因此,我们需要求助于更复杂的统计技术――Copula技术。Copula技术提供了分别研究多元时间序列的边缘分布和相关性的方法,从而成为多元金融统计建模的必备知识[3] 。
3.风险管理模型要求我们更加关注金融时间序列的尾部分布。风险管理的主流模型是VaR(Value-at-Risk),VaR从统计学的角度来看,就是尾部的分位数。正态分布不能准确刻画金融资产损失分布的尾部特征,通常会导致VaR的低估,造成金融市场的巨大损失,即所谓的极值风险。EVT(extreme value theory)提供了准确刻画金融时间序列的尾部分布的方法而成为风险管理的基本工具[4] 。
虽然这些统计理论在金融中的运用不能构成本科金融统计学的核心内容,但我们在教学中必须指出这些发展的方向,成为金融工程专业本科生进一步学习或自学的指引。
二、当前金融统计学教学中存在的问题
1.教学内容陈旧,教学重点的处理存在偏差。教育部将《统计学》课程列为财经类专业本、专科专业的必修课程之一。力图通过学习《统计学》,使学生掌握探索各种现象内在的数量规律性, 并用这种规律性的解释来研究各种现象内在的规律。但是金融统计学的内容没有随着金融市场日新月异的发展而发展,导致教学内容陈旧,不能满足金融统计建模的需要。
多数教师往往把统计学课程单纯地看做是专业基础理论课程,热衷于基础知识的讲授和烦琐公式的推导,严重忽略了统计学的工具性和应用性,削弱了学生思想方法和实践能力的培养,使教学流于空洞、枯燥和乏味,挫伤了学生学习兴趣和积极性,教学偏离了课程培养目标,教学效果和质量也不理想。而一些理论推导也只是对《概率论》相关内容的重复。
2.学生数学功底参差不齐,学习难度大。统计学是一门研究社会经济现象数量关系的方法论科学,其中涉及大量的高等数学、概率论及数理统计的基础知识, 现代统计学又借助于电子计算机来提高统计分析的质量和效率, 这就要求学生必须具备良好的数学基础、具备必要的计算机知识。金融学专业的招生基本上还是文理兼收,学生的数学功底参差不齐。而且金融学、尤其是金融工程究竟属于文科还是理科,在学生中存在模糊认识,导致对数学基础不是十分重视。这造成教师在教学过程中对教学内容的处理是一个很大的挑战。
3.不重视运用和实践教学。在教学中,统计方法与金融建模、定量分析脱节。第一,教师在讲授统计理论、统计方法时缺乏针对性。在实际的教学中,虽然强调统计的应用,但主要是从概念、公式、定理出发,而不是从现实经济管理工作需要出发。第二,采用的教学案例与实际脱节。现有的统计学教材中,统计案例很少,即使有也是过于简单的设例,或是“编写”的案例,与实际的经济、管理工作脱节,很难达到较好的效果。
4.缺乏统计案例和统计软件的结合。在实际教学过程中,由于多方面的原因,对学生动手能力的训练比较少。即使有一些训练,也是手工的操作与运算,与采用现代计算机技术为核心的教学不相适应。其次,很少采用统计分析软件和案例教学方式。这最终会导致学生在实际工作中不会用统计分析软件对统计数据进行处理、显示、分析和推断,使本来快速而简单的统计工作变得复杂而难于处理,使统计的功能得不到充分发挥,使科学研究难以与国际惯例接轨。一些老师的统计分析都是在Excel软件实现,Excel软件优点是比较简单,容易操作。但它毕竟不是专业的统计软件,尤其是对金融专业的学生来讲,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。
三、金融统计学教学的改进
1.丰富和充实金融统计学的教学内容。根据专业学科的需要对统计学的内容进行处理,以满足未来发展对统计学基础的需要。根据中国金融业发展和统计改革的需要,按照中国金融统计体系和金融统计工作的内容,重新构建了金融统计学的知识体系和方法体系。同时,对于金融统计建模的相关统计理论,要适当加于补充和扩充,以满足不同层次学生的需要。
2.选择合适的统计软件,注重学生的运用实践能力。依据统计分析软件结合统计学原理的基本理论调整教学内容。现在有很多专业的、功能强大的统计软件:如s-plus、R、SPASS以及Matlab等,不同软件各有所长。一般说来,学生可根据自己的爱好选择使用统计软件,无须统一规定。但R软件是免费软件,而且有很多资源免费获取,是可供选择的最优软件。
金融专业的学生学习统计学的主要目的是运用,把金融学与统计方法结合起来研究金融现象和问题就离不开数据收集和软件运用。只学理论不掌握运用,对金融系的学生来说统计学等于白学。
3.注重培养学生的自学能力。随着大统计学思想的建立和统计学在实质学科中的应用需要,大多数学校和老师在财经类专业的本、专科专业统计学教学过程中,除了保留社会经济统计学原理中仍有现实意义的内容,如《统计学》的研究对象、方法、统计的基本概念、统计数据的搜集整理、平均及变异指标、总量指标、相对指标、抽样调查、时间序列、统计指数等,同时也系统地充实了统计推断的内容,如统计数据的分布特征、假设检验、方差分析、相关与回归分析、统计决策等。对于金融统计学,还需要为金融统计建模打下基础,所要掌握的内容更多。
一、统计及其基本思想与方法
1 什么是统计学
问：一般认为，统计学这个词来源于拉丁语的国情学，原是国家管理人员感兴趣的事情。《大不列颠百科全书》对统计学下的定义是：“统计学是关于收集和分析数据的科学和艺术。”陈希孺院士认为：“统计学是有关收集和分析带有随机性误差的数据的科学和艺术。”
史宁中教授，作为统计学家，您是如何认识统计学的?
史教授：我们先来简单地回顾统计学的历史是有益处的。正如拉丁语所说，统计原本就是收集和分析国家管理中需要的各种数据，比如国民收入、各种税收。为了直观，人们才发明了各种报表、直方图、扇形图，等等。可以看到，这种传统意义上的统计学现在仍然是非常重要的，这也是我们现在小学统计教学中的主要内容之一。后来到了14世纪左右，随着航海业在欧洲兴起，航海保险业开始出现。为了合理地确定保险金与赔偿金，需要了解不同季节、不同路线航海出现事故的可能性大小，需要收集相关的数据，根据数据进行分析和判断，这被称为近代统计学的发端。到了19世纪末20世纪初，人们把数学、特别是概率论的有关知识引入到统计学，构建了统计学的基础。与古典统计学相比，虽然二者都是对数据的收集和分析，但却有本质的不同，因为后者进行分析的基础是“不确定性”，我们称之为“随机”。
到了现代，人们发现，对于大量数据的分析，采用随机的方法不仅方便而且准确。比如，对于国民收入，我们可以动用大量的人力来收集数据，但是谁都知道这样的数据不可能是准确的，远不如我们依据某种原则规划分出地区和人群，然后抽样、加权求和准确。再比如，对于股票市场，一天交易之后，可以得到精确的交易总量，但是人们宁可用部分核心企业的股票交易量来反映股票的变化，这便是“恒生指数”“上证指数”，等等。特别是到了2l世纪，银行、保险、电信，以及材料科学、基因组学等新兴学科的实验中涉及大量数据，其分析更需要借助随机方法了。我想，大概就是因为这些原因，国家才决定在现在中小学数学的教学中加入统计学的内容。
因此，你们谈到的关于统计学的定义都是可以的。但是，要把握统计学的根本思想方法却是非常困难的。
问：那么，您认为统计学的基本思想方法是什么呢?
史教授：这是一个不容易回答的问题。对于统计学的掌握很大程度上依赖于感悟，需要比较长的时间的理解与实践。我们先来回顾一下中小学传统数学的教学内容。这些内容主要是对日常生活中见到的图形和数量的抽象，研究的问题是图形的变化和计算法则，研究的基础是定义和假设，研究的方法主要是归纳、递归、类比和演绎推理。
统计学则不同。如我上面谈到的，统计学是通过数据来进行分析和推断的。因此，统计研究的基础是数据。这些数据的特点是，对于每一个数据而言，都具有不确定性，我们需要抽取一定数量的数据，才能从中获取信息。因此，统计学的研究依赖于对数的感悟，甚至是对一堆看似杂乱无章的数的感悟。通过对数据的归纳整理、分析判断，可以发现其中隐藏的规律。因为可以用各种方法对数据进行归纳整理、分析判断，所以，得到的结论也可能是不同的。而且，我们很难说哪一种方法是对的，哪一种方法是错的，我们只能说，能够更客观地反映实际背景的方法要更好一些。比如，我们希望知道某公司员工的收入情况，可以用平均数也可以用中位数，很难说哪个方法错。事实上，如果收入比较均衡，用平均数要好一些；如果收入比较极端，用中位数要好一些。当然，最好的方法是对收入。情况进行分类，但是分类的方法又有好坏之分。我们可以看到，统计学关心更多的是好与不好，而中小学传统数学关心更多的是对与错。
因此，统计学的基本思路是，根据所关心的问题寻求最好的方法，对数据进行分析和判断，得到必要的信息去解释实际背景。
2 统计学的研究对象
问：我们对于统计学有了一定的了解。从您的谈话中我们感觉到，统计学似乎是包罗―万象的。那么，统计学到底是研究什么呢?
史教授：是这样的，统计学的应用面非常广，凡是涉及数据分析的都可以成为统计学的研究领域。特别是到了近代，人们希望更加精细地了解实际背景，更多地借助数据分析，甚至人文科学也是如此，并且逐渐形成了专业的研究领域，比如计量经济学、计量社会学、计量教育学、计量心理学，等等。这些研究领域分析方法的基础大体是统计学。统计学并不研究某一个领域的具体内容，在本质上只是研究数据分析的方法，这包括创新的方法，也包括分析方法的好坏、分析方法的适用条件。
问：您能否结合中小学统计的内容谈得更具体一些?特别是在统计教学过程中，应当把握的基本原则是什么呢?
史教授：可以在统计研究中首先遇到的问题是如何获取“好”的数据。所谓“好”的数据，是指那些能够更加客观地反映实际背景的数据，而要获取好的数据要依赖于“好”的方法。根据数据的不同，方法主要分两大类，一是通过调查收集数据，二是通过实验制造数据-中小学统计教学中涉及的主要是前者，称为抽样调查(而后者通常被称为实验设计)_抽样调查又包含两个方面，一个是对已经存在的数据的收集，称之为抽样，比如市场的物价、学生的身高、企业的产值，等等；另一个是需要我们了解才能够获取的，称之为调查，比如美国总统的民意支持率、人们日常消费的主要项目、中小学生喜欢的歌手，等等。
根据问题的不同，所要采用的方法也可能不同，但是要建立两个基本原则。第一个基本原则是，采用能够获取好的数据的方法。为了获取好的数据，我们需要尽可能多地利用对于实际背景已有的先验知识。比如，希望知道学生的身高，先验知识是“年龄之间差别很大”。因此，最好是根据年龄段学生数的多少按比例抽取样本，我们称这种方法为分层抽样。可以看到，统计方法的直观想法是很明显的。如果对于实际背景一无所知，那么一定要抽取样本，这便是随机抽样。比如，希望知道学生喜欢的歌手，因为这些学生年龄之间差别可能不大，就可以采取随机抽样。当然也可以用分层抽样，但要麻烦得多。第二个基本原则是，采用简单的方法。能够基于上述两个原则的方法就是一个好方法。我们不要小看第二个原则，一个好的方法往往能够节省很多调查经费。这就是为什么咨询公司非常欢迎统计学家的原因。
问：刚才您提到了样本，许多教师对样本这个概念总是感到费解。
史教授：是的，这个概念很难把握。样本实质上就是数据，但是，统计学中涉及的数据往往是随机性的。还是
回到“学生的身高”这个问题上来。在抽样之前。我们可能并不知道具体数据的大小，这些数据对于我们是随机的。为了讨论出一个好的方法，我们假想能够得到这些数据，并且假想这些数据的出现是依据某种规律的，这种规律就是数据出现的可能性在小，我们称之为概率。比如，高年级学生出现大数据(高个子)的可能性要大于低年级学生，就是说，出现大数据的概率要大。但是，只有当抽样之后我们才能得到真实的数据；才能进行实质的计算与分析。这样，我们所要研究的数据既具有随机性又具有真实性。为了方便起见，我们称这样的数据为样本。
问：根据您的阐述，统计学怎么有一些哲学式的思考呢?
史教授：你们理解到了根本。这是统计学与中小学传统数学的最大区别。传统数学可以根据假设和规定的原则进行计算或者推理，但是统计学往往要问你所采用的方法是不是有道理，是不是还有更为合理的方法。不过，传统数学是统计学不可缺少的工具。
问：是不是因为统计学需要计算呢?
史教授：不仅仅如此，判断统计方法的好坏也是依赖传统数学的。
1、所选统计方法脱离了资料的性质
不同的资料类型和不同的研究目的采用不同的统计方法。按照资料的性质测定指标的多少，确定资料是计数资料还是计量资料，应用单因素分析还是多因素分析。
1〃1多因素资料是对每个研究对象测量的多个指标同时进行的综合分析，其分析计算过程相对复杂。常用的有回归分析；相关分析以及判别分析、聚类分析、主成分分析和因子分 析等。多因素分析多用于计量资料。
1〃2 单因素分析应用较多，按获取资料的方法，分计数资料和计量资料。首先，计数资料主要是针对要求某现象的频率和比例，利用率或比的相应计算方法。如做不同样本问的比 较则采用计数资料的显著性检验，样本率与总体率的比较用u检验；两个样本率的比较可用u检验或四格表的x 检验，多个样本率的比较可用行乘列的卡方检验或2XC表的卡方检验。其次，计量资料要结合研究目的确定相应的统计方法。对于显著性检验通常有T检验和F检验，T检验是用于两个均数问的比较，按研究设计与比较内容的不同又分为样本均数和总体均数的比较，两个样本均数差别的检验，配对资料的显著性检验。F检验用于多个样本均数的比较，按设计类型分完全随机设计的方差分析、随机区组设计的方差分析和组内分组资料的方差分析。
2、根据研究目的选用统计分析方法
不同的统计方法说明不同的问题，同样不同的问题要应用不同的统计方法来分析和表达。研究者在做统计分析前，首先要明确资料分析的目的、意图是什么，通过分析最终达到什么样的期望，临床工作者科研通常的目的主要有：
2〃1某现象发生的频率或比例如人群中重复癌的发生率，
采用频率指标，构成指标或相对比，可计算发病、患病、感染、阳性频率或构成等。 2〃2某人群的特征值，如平均身高、体重、血压等，采用平均水平和变异的统计指标。 2 . 3 临床正常值范围如血红蛋白、血糖、尿铅含量，多采用中位数法或平均数法。
2〃4 临床诊断方法效率评价，可分别计算各种诊断方法对某病诊断的准确度和可靠度，如x线对肺癌的诊断。
2〃5 临床疗效分析比较 如几种药物疗效的比较，视资料性质作显著性检验。
2〃6 现象间关联情况分析如眼PSRT与屈光度的关系，用线形相关和回归分析。 2〃7 人群的归类、评价，可选用判别分析、聚类分析、主成分分析等。
临床研究和实践中决不能通过统计学方法去实现自己的想象。根据已确定的结果刻意去套用某种统计方法，用目的去规划统计过程，只要分析比较，就一定要求结果显著等 等现象，只能使文章更为空洞，有失科学性。
3 严格把握统计方法的适用条件
各种统计分析方法都有其适应条件，在选用统计方法时，应严格把握，充分考虑所分析的资料是否符合其适用条件。对于计量资料在计算均数或显著性检验时，其基本条件
是正态分布、方差齐性，在资料分析时要通过图示或检验看是否符合这些基本条件，若不符合则需要做相应的处理。计算集中趋势指标可使用中位数或几何均数。做统计学检验
可通过数据转换使其成为正态分布，常用的转换方式有对数转换、幂指数转换、平方根转换等，或者改非参数检验。计数资料各种方法均有其自身的适应条件，如上列举的方法其基本条件是某一事件概率不会太小，若发生概率太低，则改用小概率事件显著性检验。 4 充分理解资料样本含量的概念
统计学是对研究样本进行抽象归纳的科学，没有足够的样本量就不可能得出正确的结论，而且统计方法也有其样本量的要求。如四格表的卡方检验要求样本量大于40，方格中理论数大于5(n~>40，t>5)，若不符合则用校正卡方检验或精确概率法。行x列表的卡方检验要求理论数均大于1且小于5者不超过表中数的1／5，若不符合则改用其它方法(合理合并)。 5 合理控制混杂因素的影响
任何一种现象的发生都不是单纯的，要受多种因素的影响。当分析比较不同人群某现象的发生或存在状况时，要考虑除研究因素以外比较组之间其它条件是否相同，内部构成是否一致，其它因素对研究现象的影响如何。例如，有人研究文化素质对生育水平的影响，按年龄分组，发现50岁以上年龄组比20岁以上年龄组生育水平高而文化素质低，因而结论是文化素质与生育水平呈负相关。这一结论的错误就在于做缺乏资料的综合分析认识能力和混杂因素对研究现象的影响，忽视我国计划生育政策对不同年龄妇女生育的作用。
混杂因素应在研究之前通过研究对象选择、设立对照、随机、匹配、双盲法等控制，但如果事先没有良好设计，则通过统计方法可以控制。若资料内部构成不同，存在混杂因
素，简便方法是分组比较或标化处理。若样本量不允许分组，则对计数资料可用组内分组的卡方检验、卡方值分割法、加权卡方检验法等，计量资料的比较可用协方差分析。
关键词：经济统计学专业；转型；红河学院
基金项目：本文为红河学院“经济统计学专业调研”项目（项目编号：ZYDY1421）
中图分类号：G64 文献标识码：A
原标题：新建地方本科院校经济统计学专业转型发展研究――以红河学院为例
收录日期：2015年8月18日
一、引言
新建地方本科院校大多在地级城市，新建地方本科院校要发挥学科和专业优势，找准与地方支柱产业需求的结合点，立足地方社会经济发展培养应用型人才，为地方经济提供高效服务。本文旨在对地方新建本科院校转型发展的相关问题进行思考，结合红河学院经济统计学专业的实际情况进行具体的分析。
二、新建地方本科院校经济统计学专业转型发展面临的主要问题
新建地方本科院校经济统计学专业转型发展不可能一蹴而就，需要经历一个持续的、复杂的过程，在这个过程中，必然要面对许多发展中的主要问题。红河学院经济统计学专业至今为止招收了三届，在办学上面临着办学历史短、基础薄弱、经验不足等一系列困境，要克服困境，找出转型发展中面临的主要问题。
（一）培养目标缺乏明确性。新建地方本科院校经济统计学专业人才培养主要以培养应用型经济统计人才为主，专业定位应以地方经济社会经济统计人才需求为导向，以应用型人才培养为目标，立足地方，服务基层，培养目标应定位在应用型，培养学生应用统计专业知识和技能解决社会经济中遇到的实际问题。近年来，红河学院经济统计学专业在人才培养方式上进行了不断尝试，培养目标不断完善，但人才培养的主要途径依然是课堂讲授，实践教学缺少全真环境。
（二）缺乏实践实训环境，忽视学生实践能力的培养。经济统计学专业实践教学的目的是为了巩固经济统计理论知识，增加学生的实际动手能力，而实践性应用能力的培养离不开良好实践实训环境的支撑。
1、校内、校外实践方面。在建设校内实验室方面，教学方法和教学手段较为落后，我校的做法比较传统，仅依靠电脑和网络软件，仿真环境和模拟场景严重不足，与先进院校相比，差距较大；校外实践、实训场所较少，实习场地的功能不全，学生想全面深入地实习比较困难。
2、实践教学质量不高。我校经济统计学专业教师绝大多数是从校门到校门，大多缺少行业、企事业管理实践经验，同时现代企事业之间的竞争，对实践教学产生了重大影响，企事业更加重视经济效益，导致企业对高校的学生实习和实训积极性不高，多数企业不愿让学生真正深入生产一线，介入企业生产运行的核心过程，使得实践教学质量不高。
3、实践教学考评效果不理想。经济统计学专业实践教学是通过校内实践和校外实习实训相结合的方式进行，校外实习是通过深入企事业、地方统计部门等实际进行观察和学习。我校在实践教学考评方面，考评体系不科学，制度不严格。首先，教学考核方法不科学，学生实践成绩的评定一般根据出勤情况、实习中的表现，所上交的实训报告或小论文判断；其次，缺乏独立的实践教学考核体系及应有的激励机制，由于经济统计专业学生人数较多，我院专业教师人数较少，教师很难及时准确地对所指导的学生逐一跟踪检查，无法发挥学生的主观性和激发学生的创造性，同时，也忽视了学生实践过程中创新能力、协调能力的培养。
4、案例教学方法应用不足。在实践教学方面，案例教学是一种双向互动式的教学模式，要求教师具有深厚的理论知识和丰厚的实践经验，并具备充分调动学生积极性及完成课堂教学任务的能力，而我校教师都没有在企事业、地方统计部门等真正从事经济统计工作的经验，因此对案例的现实性缺乏把握，在指导实践实习过程中显得力不从心。
（三）师资队伍匮乏，实践经验不足。许多新建地方本科院校在升本以后，不断发展新专业，急切的增加专业数量、扩大招生规模，由此引发了一系列问题。最为明显的就是在学生规模快速增长的同时，专业教师数量增长严重滞后，个别高校的部分专业甚至出现二三个人支撑一个专业的现象。目前，红河学院经济统计专业就面临着这样的办学困境，连基本的专业教师都无法保障，更谈不上保障培养应用型人才所需“双师型”教师的数量。在现有教师中，具有丰富实践教学经验的教师少之又少，具有实践背景的“双师型”师资的匮乏是制约当前我校经济统计学专业培养应用型人才的核心瓶颈。
（四）服务地方的意识和能力不强，推动校企互动发展的措施力度不够大。新建地方本科院校大都设在地级市，办学上具有鲜明的地域性特色。就我校而言，服务地方的意识和能力不强，在校企合作项目上，仅仅满足于跟企业合作办学，停留在浅层次的知识培训上，没有形成办好应用型专业的产学研相结合机制。此外，企业与高校之间的人员流动也存在政策上的诸多障碍。
三、新建地方本科院校经济统计专业转型发展路径选择
（一）准确定位经济统计专业办学目标。新建地方本科院校经济统计专业人才培养目标的定位以应用型为导向，在完善知识结构的基础上，突出实践能力训练。培养既具有坚实的经济理论基础，又懂统计方法，并能熟练掌握现代计算手段的经济统计人才，其毕业生既是统计人才又是经济人才，应当既能胜任企事业和政府部门的统计业务，又能从事市场调查、市场预测、经济信息分析和其他经济管理工作。从我校经济统计专业人才培养模式和课程体系改革的角度上，专业设置要考虑到当前经济、行业、产业特点，还需考虑到经济结构的调整、生产方式的转移，根据市场需求进行学科设置，根据相关产业和行业对专门人才的实际需要，在拓宽专业口径的基础上，在高年级灵活设置专业方向，应立足“边疆、民族、地方性”，学校要紧扣“地方性”的要求，把学科专业的建设和发展内嵌进地方经济社会发展的全局中，面向的服务范围是以地方区域经济为主，同时辐射周边，乃至全国，服务层次是培养应用型人才，设置课程体系要全面考量我校的办学定位和专业培养目标以及市场取向，专业方向课程的具体设置可以依据专业方向的实际要求来进行选择。
（二）深化经济统计专业实践教学模式改革，彰显专业特色。随着经济社会的发展，传统的以理论教学为主的教学模式难以适应现代社会对人才的需求，动手能力强的应用型人才越来越受到用人单位的欢迎，应用型人才的培养离不开有效的实践教学，有效的实践教学能使学生增加就业砝码，增强就业能力，因此新建地方本科院校经济统计学专业要不断探索实践教学模式，彰显专业特色。现以红河学院经济统计专业为例，研究如何深化实践教学模式改革。
1、多途径创造实践教学条件。缺少实践教学环节，培养应用型人才只能是句空话，实践教学环节的成功与否，是我校经济统计专业能否真正办出特色的关键之一。因此，要多途径创造实践教学条件，尽可能缩短毕业生毕业后的适应期。首先，积极与学校争取资金，筹建各种模拟实验室；其次，积极与社会相关培训机构合作，建立合作培训关系；最后，积极与企事业单位、银行、保险公司、证券公司、地方统计部门等洽谈，建立实践教学基地。
2、提高实践教学质量。加强实践教学环节，提高实践教学质量，培养合格的经济统计应用型人才。要提高我校实践教学质量需要做到：一是要保障教师有足够的时间去接触和熟悉经济统计实务操作，可考虑分批次让教师带薪去企业锻炼的形式，增强教师自身的统计实务处理技能，以提升教师自身的实践经验；二是定期组织教师外出培训，提高我校教师统计实践水平，支持教师参加专业技术资格考试，取得相应资格证书，达到“双师型”教师的要求；三是聘请知名高校实践能力强、理论水平高的教授做兼职教授，提高年轻教师的理论水平和实践教学水平；四是聘请公司、企事业、地方统计部门等实践能力强的专家与青年教师共同担任学生实践指导教师，提高实践教学质量。
3、重视实践成果考评。重视和加强实践教学以及实践教学效果的评价，实践教学环节的考核不仅要重视学生运用统计专业知识解决实际问题的能力，而且要让学生在实践及实习、实训的过程中培养各方面的能力，对学生既要有量化考核，又要有质的考核。考评可以多种方式进行，如可以采用自评与互评相结合的方式，也可以采用小组形式进行，还可以采用以学生取得的一些职业资格证书、国家及省级证书折算成学分，代替相关课程，也可采用现场演示、让学生进行实践成果的介绍及现场答辩等方式，全面考核实践教学成果。
4、充分恰当的利用案例教学。案例教学法有利于激发学生学习的积极性和主动性，经济统计专业毕业生要学会数据处理和定量分析的方法，如核算的方法、指数的方法、统计预测法、经济计量方法等，因此，在教学中教师要充分利用案例教学，强化对统计方法适用性的识别能力以及利用这些方法分析经济数据能力的训练，以我国经济运行真实数据编写案例，结合社会经济的热点问题开展案例教学，积极开展统计实验，将理论方法的教学与计算机软件相结合，因地制宜，建立实习基地，开展丰富多彩的实践活动，积极参与国家的人口、农业、经济普查，在为地方经济发展提供服务的同时，提高学生的实际工作能力。
（三）培育稳定的、高素质的“双师型”师资队伍。加强师资队伍建设，培养“双师型”的师资队伍是应用型人才培养的关键。我校要坚持培养和引进相结合，以培养为主，以引进为辅，构建“双师型”教师队伍，全面提高教师教学队伍。从目前我校来看，师资普遍比较年轻，教师基本上是出了校门进校门的高校本科毕业生、研究生，这种关门教学，很难适应培养有参与市场竞争意识的、知识结构和能力结构并存的“应用型”人才的需要。所以，一方面要求教师应定期到企业和实际工作部门参加实际锻炼，不断增强实践经验，提高教学和科研能力；另一方面必须建立专、兼结合的开放性的师资市场，有目的的从企业和实际工作部门选择既有理论又有丰富实践经验的经济管理人员做兼职教师，建设一支既是教授又是实践专家的“双师型”教师队伍，将企事业单位的管理者、专业学者请进学校，请进课堂，给师生作讲座，传授专业知识和技能。
（四）发挥经济统计专业服务地方经济的社会功能，做好产学研结合。我校培养经济统计专业人才的目的之一就是服务于地方经济社会，所以在学科专业的设置方面要紧密围绕地方经济特点和社会发展需要，尤其是地方支柱产业的发展，只有这样，我校经济统计学专业才能办出特色。一个好的教师，不仅教学要做好，而且科研也要做好，做到教学与科研的紧密结合和相互促进，要切实改变科研与教学、科研与地方经济脱钩的现状。我校要利用自身的优势，与地方企事业、银行、保险公司、证券公司、地方统计部门等联合，实现共赢。企事业由于有了高校的技术支持，在攻克技术难题、实现产业化等方面为企事业提供便利；而我校的教师，通过与企业深度合作，提高了自身的实践能力和研发能力，学生通过参与科研或者实习实训等提前接触企业，缩短了毕业后对社会的适应期。这一切将对学校培养高质量应用型人才以及企业长远发展带来积极的效果。
四、结语
我校经济统计学专业的转型发展，可根据市场的实际情况来设置经济统计学专业的培养方向，可以与企业、证弧⒁行、保险、地方统计部门等行业联合培养所需要的专门人才，以市场为导向，整合培养制度，促进经济统计专业应用型人才培养，通过与产业结合，了解产业发展现状，以此来达到真正培养市场需求的统计人才。我校可以从以下几个方面推动办学功能向应用型发展：第一，确立与地方政府、企事业共同发展的理念，从根本上解决制约我校发展的资源不足等问题；第二，以应用研究为方向，与地方政府、企事业建立良好的合作与服务关系，为区域经济社会发展提供教育和智力支持；第三，继续发挥多学科交叉和专业群建设的优势，促进产学研结合的紧密结合。
主要参考文献：
[1]陈相成.经济管理类统计专业的改革发展思路[J].统计研究，2008.5.
关键词： 钢琴 启蒙 教学方法
随着我国社会经济的迅猛发展和人民生活水平的提高，如今钢琴教育逐渐走进千家万户，越来越多的孩子加入了浩大的琴童军团，同时对钢琴教师的需求也日益大增。面对一个零起点的孩子我们应该从何教起？我根据十几年的钢琴学习和若干年的教学经验总结出了一套通俗的方法。
兴趣是最好的老师。
根据相关统计，绝大多数幼儿在学习钢琴之前表示喜欢音乐，占总数的82%，一般的仅为16%，不喜欢的仅为2%。这说明幼儿在未经刻意引导和培养的前提下，对音乐具有本能的“原始兴趣”。而对练琴过程的问卷调查，则显示在练琴过程中有经常去厕所、喝水等行为的幼儿占42%，偶尔的占37%，不去的占21%。除开幼儿练琴过程中确实的生理需要以外，更多的原因在于缺乏兴趣。
兴趣是个体力求认识某种事物或从事某项活动的心理倾向。它表现为个体对某种事物或从事某种活动的选择性态度和积极的情绪反应。幼儿钢琴学习兴趣作为一个复杂的问题涉及幼儿本身、钢琴教师、幼儿家长，而且受到家庭环境、社会氛围等诸多因素的影响。因此，无论是幼儿学习钢琴，还是音乐教师教授钢琴，培养幼儿学习钢琴兴趣的学习的关键。兴趣作为一种心理倾向，对幼儿钢琴学习活动不仅起着激发动力产生、推动情感投入的作用，而且有效地培养幼儿注意力的形成，促进智力方面的发展。
我认为对于儿童钢琴的启蒙教学最佳的方式应该在培养兴趣的基础上采取一对一式、口传心授的方法。一般每节课为30―60分钟不等，一般课时安排为一周1―2节。
首先让学生对钢琴进行认识，尤其是对钢琴键盘的识别与记忆，并且引导幼儿对高、中、低音区进行辨识。然后从正确的弹奏姿势开始教授，要培养幼儿正确的弹奏姿势。身体要与键盘的中央对正，坐得端正而不僵硬，上身略向前倾。双手放在键盘上时要使肘部和前臂的高度与键盘一致。坐的距离以上身略向前倾、双臂自然下垂、左右肘部自然放松并稍向身体外侧展开；下身则注意大腿根到膝盖应略呈坡状倾斜，膝盖的位置在琴边下，双脚略向前伸。然后开始逐渐细化到讲解身体上半部分，手臂与手腕的感觉与形态，再到教授手形、手指，等等。幼儿手指伸张力和手指关节的弹性对今后发展具有决定性作用，因此应该注意好习惯的培养。手型应放松，手指自然弯曲，用指端肉垫部分触键。掌关节自然拱起，像是虚握着一个圆球，手腕大约与键盘平行。大指第一关节仅以指侧端触及琴键靠边缘的位置，四指和小指要注意端正。在教授过程中应该注意运用浅显易懂的语言。同时我们还应该重视学生对五线谱的识别能力锻炼，目前较流行的儿童启蒙教材中大致可分为三种五线谱入门型，即高音谱表入门法，中央c入门法，多音入门法。传统的启蒙教材《拜尔钢琴基本教程》用的就是高音谱表入法，目前在国内广泛应用的《汤普生简易钢琴教程》1-5册用的是中央c入门法。
结合学生弹奏的钢琴作品向学生讲述有关的音乐知识，例如表情记号的意义和作曲家的风格及其生平，等等。
在完成若干节的入门知识讲述和基本知识的教学后，教师可以开始对学生进行钢琴教材作业布置，每节课的必要步骤为：学生对上节课作业的演奏与反馈、教师对作业进行指导、新作业的布置。
我认为对儿童入门教学的过程可以采取如下步骤。
在每节课开始前，教师应该先询问孩子在家的练琴情况，然后开始基本功的练习，让孩子把手指活动开。然后开始让他弹奏上节课布置的作业。仔细聆听学生演奏，并且在演奏过程中及时纠正手形、识谱、表情记号等问题。
欣赏老师示范演奏所布置曲目的片段。让孩子自己进行对比比较，培养他们自己发现问题的能力。
与学生讨论有关弹奏时候出现的问题和解决方法。
设计意图：利用现代教师的示范吸引学生的注意力，激起学生的学习兴趣。通过对作品音乐要素的分析，让学生体验到作曲家写作时的情感基调，从而更好激发学生的情感共鸣，为其进一步学习提供基础。
许多钢琴教师在教授学生钢琴的过程中常常忽视了一点，即与学生家长的沟通。我们首先必须明确教学目标，使幼儿学琴者具有一定的钢琴演奏水平，继而培养孩子的各种能力，如学习能力、是非判断能力、交际能力、自我情绪控制能力、各种品德的养成、陶冶情操，等等。根据个体和家长需求的不同，再根据实际情况作出调整。为保证学生学习质量最好邀请家长在一旁观摩，并且记录老师上课的内容，根据学生的上课实际情况，家长要及时督促学生进行学习，这一点对于学生钢琴水平的进步尤为关键。
参考文献：
［1］樊禾心.钢琴教学论.上海音乐出版社，2008，1.
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。
