时间：2023-01-21 20:27:24
序论：在您撰写统计学论文时，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。
统计学论文2300字(一)：统计学方法的发展及其在大数据中的应用论文
【摘要】现阶段，统计学方法在我国企业管理中有广泛应用。本文尝试对统计学方法的诞生以及发展情况进行了简要的分析，同时还对统计学方法在现今大数据时代的应用情况进行了探索。
【关键词】统计学方法发展大数据应用
对于统计学方法来说，诞生的最初只是为了进行单纯的计数以及描述，随着统计学方法的不断发展，其所涉及到的内容更加多样化。在统计学家以及各个领域专家的不懈努力之下，统计学方法正在不断的进步以及完善，在实际应用的过程中也发挥出了较为理想的效果。在现阶段大数据的时代背景之下，对统计学进行深入探究是非常重要的，会对今后多个行业的快速发展起到促进作用。
一、统计学基本发展探析
对世界统计学的发展情况进行分析，会发现，其与科学界的发展趋势较为类似，随着统计学的不断完善，也开始与其他科学进行融合发展。对统计学进行总结，可以发现，其主要具备两个基本结合趋势，即与实质性学科结合的趋势以及与计算机学结合的趋势。对于统计学来说，其与经济学结合发展我国有广泛的应用，并且产生了经济统计这一专业；而统计学与教育的结合产生了教育统计。对于这些分支学科来说，其具有双重属性。一方面是统计学的分支；另一方面是实质性学科的分支。随着计算机信息技术的不断发展，其运算能力不断提升，这也使得大规模的统计调查工作在实际展开的过程中取得了理想效果，不仅保证了数据计算的准确性，同时也保证了计算的高效性。因此，在进行统计学技术研究发展的过程中，与计算机技术的深入结合应用是重要发展途径。通过对计算机软件的有效应用可以使统计计算过程中一些疑难的部分得到有效解决，同时也使得统计计算的展开更加方便。从现阶段我国经济类统计专业的教育情况来看，一方面在对统计方法进行创新教育，另一方面在对学生利用商品化统计软件包装能力进行提升。由此我们可以看出，在今后统计学的发展过程中，势必不能离开计算机技术的支持。在今后统计学相关专业的教育过程中，应该对学生的计算机程序设计以及利用能力进行培养提升，使得在展开统计工作的时候可以通过统计模型的编程来实现。
二、统计学方法在大数据中的应用趋势
（一）统计学方法及相关领域的动态分析
目前，国内外对统计学都有较为广泛的应用，主要应用在教育行业、生产制造行业以及企业管理当中，取得了较为理想的应用效果。根据CNKI数据库中统计方法、机器学习分布情况可以看出，在机器学习领域的论文数量从2013年以后一直呈现出持续增长的势头，并且在2016年超过了统计方法领域的论文数量。由此可以说明，我国在机器学习领域的发展速度正现出稳定提升的趋势，反映了我国在大数据领域研究方面越来越深入，所应用的研究方法也开始呈现出多样化的特点。从总体上来看国内在统计学方法研究过程中已经取得了阶段性的成果，并且其所面临的拐点与国家上的统计学发展拐点基本保持一致，大概都是在2013年开始对大数据以及将其学习等方面有了深入的探究，并且开始逐渐取得突破性的成果。而机器学习方法的论文数量都是在2016年开始超过统计方法的论文数量。但是与此同时，我们也看出其差异性也很明显，国内在统计方面研究的论文以及在机器学习方法方面研究的论文与国际相比较尚且存在较为明显的差距，并且这种差距呈现出了持续性的特点，这也使得我国在这两个领域方面还有很大的发展空间。
（二）统计学方法及相关领域研究方向分析
经过对CNKI数据库中的统计方法以及大数据领域期刊论文分布情况进行分析之后，可以看出，统计方法领域中出现频次最高的是“统计分析”以及“数理统计”、“人工智能”；在大数据领域出现频次较高的是“云计算”、“图书馆”以及“物联网”等关键词。通过上述关键词来看，其所涉及到的内容都是反映当前我国统计以及大数据技术所研究的重点以及热点，同时我们也可以看出，现阶段我国在统计与大数据领域方向的研究存在着一定的重合。在进行的数据研究的时候，需要应用到统计学方法，同时统计学方法在利用的时候往往也需要与大数据进行结合。
（三）统计学方法的发展展望
有数据的地方势必就会涉及到统计学。从17世纪开始，国势学派以及算数学派的争论到今天大数据计算、计算机技术的相互作用，使得统计学的内容正在不断完善，并且其应用领域也在不断扩大，随着大数据时代的来临，使得传统的统计学发展方向发生了一定转变，开始从小样本的统计推断分析走向大数据量的挖掘分析，从而使其所掌控的数据量不断提升。在未来统计学方法发展的过程中，应该注意将统计学与新的数据思维相结合，从而产生一种新型的、应用范围更广的大数据算法。从现阶段我国大数据方法创新发展的情况来看，其与国际研究在深度以及广度上还存在不小的差距，这也恰恰说明了我国在大数据统计学方面还有很大的进步空间。现阶段，国内的大数据研究更多的是停留在信息化产业上，与其他行业的融合发展趋势尚且不明显，这也使得信息服务以及数据产业的创新发展受到了一定影响。在今后统计学发展的过程中，其研究热点势必会从数据分析以及数据发掘向算法方向转移，这样也使得大数据技术与统计学方法二者之间的联系更加紧密。
结束语
综上所述，我国统计学方法在今后发展过程中应该充分考虑到实际需求，积极适应时代变化，现阶段大数据时代已经全面到來，并且大数据技术在我国有广泛应用，在实际应用的过程中取得了较为理想的效果。将大数据与统计方法进行结合可以使统计学方法的作用得到更好的体现，也使得统计学方法不断的进步以及拓展，在大时代背景之下，其功能性得到了更加充分的展现。
统计学毕业论文范文模板(二)：线上线下混合式教学在生物统计学教学中的实践与研究论文
[摘要]为提升生物统计学课程的教学水平，针对传统生物统计学教学中的局限，分析和实践基于线上网络教学+线下面授教学的混合式教学模式在生物统计学教学中的应用策略和方法。实践表明，通过线上+线下的互动与教学，能激发学生学习的兴趣与动力，丰富生物统计学的教学形式与内容，促进生物统计学教学质量的提升。
[关键词]线上线下；混合式教学；生物统计学；实践
[作者简介]严明（1981—），女，重庆人，博士，讲师，研究方向：生物技术。
[中图分类号]G642[文献标识码]A[文章编号]1674-9324（2020）25-0273-02[收稿日期]2020-03-18
生物统计学是生物医学类专业的必修课程，学生通过学习本课程掌握实验设计的原理和方法，并学会对实验数据进行统计分析和处理。然而，生物统计学涉及到大量基础理论，单纯通过教师讲解，学生理解度较低，学习效果不佳。如何在有限的课时内，改革传统的以讲授为主的教学方式，有效提高教学效果是生物统计学教学亟待解决的难题。
近年来，随着互联网信息技术的发展，一种基于线上网络教学+线下面授教学的混合式教学模式应运而生。该模式可避免传统教学模式中以教师为主导，学生学习主动性差的缺点，又可克服学生完全在线学习缺乏监管、学习效果不佳的困难。本文尝试将混合式教学方法运用到生物统计学教学中，以期在有限的教学时间内最大限度实现教学目标，提升课程教学效果。
一、线上线下混合式教学的概念及内涵
线上线下混合式教学是一种新兴的教学模式，授课教师利用网络教学平台向学生提供教学视频和课件等教学资源，并设置作业、调查等互动模块，学生利用课外时间自主完成学习任务，并通过平台与教师交流。在线下课堂，教师根据学生在线学习的情况，对疑难问题进行有针对性的讲授，帮助学生理解、掌握教学难点。
线上线下混合教学模式打破了教学的时空限制，学生可以灵活安排学习时间，通过学习在线资料提出问题，并带着问题进行课堂学习，有效提升学习效率。线上线下混合教学还可帮助教师动态掌握学生学习情况，生成客观的过程性评价材料，并丰富课程的教学形式，拓宽教学路径，因此正逐渐成为高等教育领域的一大趋势。
二、生物统计学课程教学面临的困境
1.教学时长受限。目前，本校生物统计学面向生物医学工程和医学信息工程专业开设，每学期共32个课时。由于教学内容抽象，而且学生要通过大量实践才能掌握统计学原理在生物研究中的应用，因此，教学难度高，课堂教学时间很难满足教学需求。
2.教与学不同步。传统教学模式下，教师与学生之间的沟通以课堂为主，教师按照教学安排按部就班地进行教学，对学生需求重視不足；学生缺乏主动反馈的意识，教师很难掌握学生的真实学习状况，教与学处于不同步状态。
上述困境对如何拓展教学时间，完成课程教学并指导学生学以致用提出了新的挑战。
三、线上线下混合式教学在生物统计学教学中的实践探究
1.构建线上教学平台，实现课前线上自主学习。授课教师首先以超星泛雅平台和学习通APP为依托构建线上教学平台。教师在平台上将课程每章的重难点列示出来，搭建课程框架体系，并上传包括课件和教师根据课程知识体系录制的教学视频等资料。教学视频时长控制在15分钟以内，并保证精炼、易懂，让学生不会因视频过长而放弃观看，提高学习时效。同时，在教学平台提供视频配套的课件资料，方便学生下载并配套观看。教师还在平台设置了视频弹幕问答和闯关式章节测试，学生通过答题和测试后才能进入后续章节的学习。
在教学实践中发现，线上教学平台还可以为理论教学提供良好的拓展实践平台。教师可以在线上平台提供实验设计及实验数据分析的实例供学生练习，实现对课时压缩的有效弥补。学生普遍反映网络教学平台十分有利于自主学习，尤其是遇到知识难点时，学生可以通过反复线上观看教学视频来帮助理解，能达到较好的学习效果。
此外，线上教学平台可以通过视频回放次数、测试完成程度等数据统计帮助教师了解学生之间的差异性，既方便教师掌握学生学习状态，分析存在的问题，也为线下课堂教学提供依据，在后续教学中因材施教，满足不同层次学生的个性化学习需求提供依据。
2.线下检测自主学习效果，实施针对性教学。采用线上线下混合模式教学，课堂教学的任务发生转移。教师要集中精力对知识点进行梳理和归纳，并针对重难点以及学生在线上学习过程中的困难进行答疑解惑和查漏补缺。在教学实践中，为完成上述任务，在每个章节的线上学习完成后均安排答疑和小组讨论，让每位学生通过多种方式修正和完善遗漏或理解错误的知识点。全部授课结束后，授课教师向学生发放了关于教学效果的调查问卷，结果显示，78.2%（18/23）的学生认为采用混合式教学方法可以把重要知识点学透，在课堂上有更充裕的时间进行消化吸收，更有利于教学内容的掌握。
在线下教学中，教师还对教学场景进行了编排和优化。教师提供具体的实验案例，并以某一具体实验案例（如抗癌药物筛选）为背景贯穿整个课程教学始终，模拟真实实验场景，让学生从实验参与者的角度设计实验流程、整理实验数据、统计分析和解读呈现的全部流程。帮助学生实践生物学研究提出假说—实验验证—得出结论的基本流程，理解生物统计学对生物学研究的重要指导作用，培养学生知识迁移、应用和分析并解决科学问题的能力。
3.课后回顾学习并提升。在课堂教学完成后，师生的教学活动都还没有结束。教师要对线上线下教学过程中容易出现的问题进行整理总结，并将解决方案到网络平台，供学生回顾性学习。学生要对课堂上遇到的问题，搜集学习资料进一步思考和巩固。教师还要对学生课后学习情况进行挖掘，并根据学生的不同情况进行个性化的学习支持。对于有困难的学生，教师要单独辅导和监管，帮助学生完成课程学习；对于学有余力的学生，可以鼓励学生走进实验室，跟随教师的科研工作，完成真正的动手实践，实现素质提升。最终通过师生配合，完成对课程教学效果的提升。
4.教学考核。由于教学形式发生变化，课程的教学考核模式也要随之做出调整和改变。在实践中，教师改变传统的期末考核模式，充分利用线上线下教学记录，实现全过程考核。考试成绩包含网络平台学习考核（25%）、线下课堂表现（25%）和期末闭卷考试（50%）三部分。其中网络平台学习考核由系统根据学习时间、频率以及测试情况生成；课堂表现根据学生听课及参与讨论情况，综合学生互评和教师考核给分。上述考核方式，降低了期末考试在总成绩中的比重，更加侧重于学生的平时学习积累和实践能力的培养。因此，可避免学生“突击考试”的侥幸心理，促进学生向平时主动学习转变，更符合现代教学模式和人才培养的需求。
统计学论文2000字(一)：影响民族院校统计学专业回归分析成绩因素的研究论文
摘要：学习成绩是评价学生素质的重要方面，也是教师检验教学能力、反思教学成果的重要标准。利用大连民族大学统计学专业本科生有关数据（专业基础课成绩、平时成绩和回归分析期末成绩），建立多元線性回归模型，对影响回归分析期末成绩的因素进行深入研究，其结果对今后的教学方法改进和教学质量提高具有十分重要的指导意义。
关键词：多元线性回归；专业基础课成绩；平时成绩；期末成绩
为了实现教学目标，提高教学质量，有效提高学生学习成绩是很有必要的。我们知道专业基础课成绩必定影响专业课成绩，而且平时成绩也会影响专业课成绩，这两类成绩与专业课成绩基本上是呈正相关的，但它们之间的关系密切程度有多大？它们之间又存在怎样的内在联系呢？就这些问题，本文主要选取了2016级统计专业50名学生的四门专业基础课成绩以及回归分析的平时成绩和期末成绩，运用SPSS统计软件进行分析研究，寻求回归分析期末成绩影响因素的变化规律，拟合出关系式，从而为强化学生的后续学习和提高老师的教学质量提供了有利依据。
一、数据选取
回归分析是统计专业必修课，也是统计学中的一个非常重要的分支，它在自然科学、管理科学和社会、经济等领域应用十分广泛。因此研究影响统计学专业回归分析成绩的相关性是十分重要的。
选取了统计专业50名学生的专业基础课成绩（包括数学分析、高等代数、解析几何和概率论）、回归分析的平时成绩和期末成绩，结合多元线性回归的基础理论知识[1-2]，建立多元回归方程，进行深入研究，可以直观、高效、科学地分析各种因素对回归分析期末成绩造成的影响。
二、建立多元线性回归模型1及数据分析
运用SPSS统计软件对回归分析期末成绩的影响因素进行研究，可以得到准确、科学合理的数据结果，全面分析评价学生考试成绩，对教师以后的教学工作和学生的学习会有较大帮助。自变量x1表示数学分析成绩，x2表示高等代数成绩，x3表示解析几何成绩，x4表示概率论成绩，x5表示平时成绩；因变量y1表示回归分析期末成绩，根据经验可知因变量y1和自变量xi，i=1，2，3，4，5之间大致成线性关系，可建立线性回归模型：
（1）
线性回归模型通常满足以下几个基本假设，
1.随机误差项具有零均值和等方差，即
（2）
这个假定通常称为高斯-马尔柯夫条件。
2.正态分布假定条件
由多元正态分布的性质和上述假定可知，随机变量y1服从n维正态分布。
从表1描述性统计表中可看到各变量的平均值1=79.68，2=74.66，3=77.22，4=78.10，5=81.04，1=75.48；xi的标准差分别为10.847，11.531，8.929，9.018，9.221，y1的标准差为8.141；有效样本量n=50。
回归分析期末成绩y1的多元回归模型1为：
y1=-5.254+0.221x1-0.4x2+0.154x3
+0.334x4+0.347x5
从表2中可以看到各变量的|t|值，在给定显著水平？琢=0.05的情况下，通过t分布表可以查出，自由度为44的临界值t？琢/2（44）=2.015，由于高等代数x2的|t|值为0.651小于t？琢/2（44），因此x2对y1的影响不显著，其他自变量对y1都是线性显著的。下面利用后退法[3]剔除自变量x2。
三、后退法建立多元线性回归模型2及数据分析
从模型1中剔除了x2变量，多元回归模型2为：
y1=-5.459+0.204x1+0.149x3+0.377x4+0.293x5（5）
在表4中，F统计量为90.326，在给定显著水平？琢=0.05的情况下，查F分布表可得，自由度為p=4和n-p-1=45的临界值F0.05（4，45）=2.579，所以F>F0.05（4，45），在表5中，所有自变量的|t|值都大于t？琢/2（45）=2.014，因此，多元回归模型2的线性关系是显著的。
四、结束语
通过对上述模型进行分析，即各个自变量对因变量的边际影响，可以得到以下结论：在保持其他条件不变的情况下，当数学分析成绩提高一分，则回归分析成绩可提高0.242分[4-5]；同理，当解析几何成绩、概率论成绩和平时成绩每提高一分，则回归分析成绩分别提高0.149分、0.377分和0.293分。
通过对学生专业基础课成绩、平时成绩与回归分析期末成绩之间相关关系的研究，一方面有利于教师把控回归分析教学课堂，提高教师意识，注重专业基础课教学的重要性，同时，当学生平时成绩不好时，随时调整教学进度提高学生平时学习能力；另一方面使学生认识到，为了更好地掌握回归分析知识，应加强专业基础课的学习，提高平时学习的积极性。因此，通过对回归分析期末成绩影响因素的研究能有效的解决教师教学和学生学习中的许多问题。
统计学毕业论文范文模板(二)：大数据背景下统计学专业“数据挖掘”课程的教学探讨论文
摘要：互联网技术、物联网技术、云计算技术的蓬勃发展，造就了一个崭新的大数据时代，这些变化对统计学专业人才培养模式的变革起到了助推器的作用，而数据挖掘作为拓展和提升大数据分析方法与思路的应用型课程，被广泛纳入统计学本科专业人才培养方案。本文基于数据挖掘课程的特点，结合实际教学经验，对统计学本科专业开设数据挖掘课程进行教学探讨，以期达到更好的教学效果。
关键词：统计学专业；数据挖掘；大数据；教学
一、引言
通常人们总结大数据有“4V”的特點：Volume（体量大），Variety（多样性），Velocity（速度快）和Value（价值密度低）。从这样大量、多样化的数据中挖掘和发现内在的价值，是这个时代带给我们的机遇与挑战，同时对数据分析技术的要求也相应提高。传统教学模式并不能适应和满足学生了解数据处理和分析最新技术与方法的迫切需要。对于常常和数据打交道的统计学专业的学生来说，更是如此。
二、课程教学探讨
针对统计学本科专业的学生而言，“数据挖掘”课程一般在他们三年级或者四年级所开设，他们在前期已经学习完统计学、应用回归分析、多元统计分析、时间序列分析等课程，所以在“数据挖掘”课程的教学内容选择上要有所取舍，同时把握好难度。不能把“数据挖掘”课程涵盖了的所有内容不加选择地要求学生全部掌握，对学生来说是不太现实的，需要为统计学专业本科生“个性化定制”教学内容。
（1）“数据挖掘”课程的教学应该偏重于应用，更注重培养学生解决问题的能力。因此，教学目标应该是：使学生树立数据挖掘的思维体系，掌握数据挖掘的基本方法，提高学生的实际动手能力，为在大数据时代，进一步学习各种数据处理和定量分析工具打下必要的基础。按照这个目标，教学内容应以数据挖掘技术的基本原理讲解为主，让学生了解和掌握各种技术和方法的来龙去脉、功能及优缺点；以算法讲解为辅，由于有R语言、python等软件，学生了解典型的算法，能用软件把算法实现，对软件的计算结果熟练解读，对各种算法的改进和深入研究则不作要求，有兴趣的同学可以自行课下探讨。
（2）对于已经学过的内容不再详细讲解，而是侧重介绍它们在数据挖掘中的功能及综合应用。在新知识的讲解过程中，注意和已学过知识的融汇贯通，既复习巩固了原来学过的知识，同时也无形中降低了新知识的难度。比如，在数据挖掘模型评估中，把混淆矩阵、ROC曲线、误差平方和等知识点就能和之前学过的内容有机联系起来。
（3）结合现实数据，让学生由“被动接收”式的学习变为“主动探究”型的学习。在讲解每种方法和技术之后，增加一个或几个案例，以加强学生对知识的理解。除了充分利用已有的国内外数据资源，还可以鼓励学生去搜集自己感兴趣的或者国家及社会大众关注的问题进行研究，提升学生学习的成就感。
（4）充分考虑前述提到的三点，课程内容计划安排见表1。
（5）课程的考核方式既要一定的理论性，又不能失掉实践应用性，所以需要结合平时课堂表现、平时实验项目完成情况和期末考试来综合评定成绩。采取期末闭卷理论考试占50%，平时实验项目完成占40%，课堂表现占10%，这样可以全方位的评价学生的表现。
三、教学效果评估
经过几轮的教学实践后，取得了如下的教学效果：
（1）学生对课程的兴趣度在提升，课下也会不停地去思考数据挖掘有关的方法和技巧，发现问题后会一起交流与讨论。
（2）在大学生创新创业项目或者数据分析的有关竞赛中，选用数据挖掘方法的人数也越来越多，部分同学的成果还能在期刊上正式发表，有的同学还能在竞赛中取得优秀的成绩。
（3）统计学专业本科生毕业论文的选题中利用数据挖掘有关方法来完成的论文越来越多，论文的完成质量也在不断提高。
（4）本科毕业生的就业岗位中从事数据挖掘工作的人数有所提高，说明满足企业需求技能的人数在增加。继续深造的毕业生选择数据挖掘研究方向的人数也在逐渐增多，表明学生的学习兴趣得以激发。
教学实践结果表明，通过数据挖掘课程的学习，可以让学生在掌握理论知识的基础上，进一步提升分析问题和解决实际问题的能力。
【论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
生物统计学是生物学学科不同专业学生都应该掌握的一门重要的工具课，是许多高等院校生物学、农学、医学等专业的必修课程之一。它是现代生物学研究不可缺少的工具，是培养学生科学研究和综合分析问题能力的重要课程，也是生物学等工作者必备的基础，同时该课程又是其他专业课程的重要基础。因此该课程在生物学、农学、林学、医学、食品、环保等专业中占有十分重要的地位[12]。生物统计学需以生物材料进行研究，但通常所涉及的材料数量较大，很难也没有必要全部参加试验，必须通过科学的方法抽取有代表性的试验个体进行试验，以获得相关的数据，实现由样本推断总体的重要功能。因此生物统计学与试验设计紧密联系，主要讲授数据资料收集和整理的方法、数据资料的统计分析方法和手段以及在概率论的基础上对统计结果做出科学的推断，从而帮助我们认识研究对象的现象和本质[13]。因此，生物统计学已成为生物科技工作者必备的基础，也有利于培养和提高大学生的科学研究能力以及独立分析问题和解决问题的能力，是当代大学生系统的能力培养和全面的素质教育的具体体现。
二、生物统计学教学存在的主要问题
1.生物统计学教材方面。教材是体现教学内容和教学要求的知识载体，也是教学最基本的工具，它不仅是教师进行教学的依据，而且是学生获取知识的重要资料，选择适合教师和学生的生物统计学教材，能够保证教学过程的顺利进行，而且还能提高教学质量，达到良好的教学效果[14，15]。目前，国内所出版的生物统计学教材种类较多，各大高校由于教师和学生的情况不同，在教材方面的选择和使用也不一样。尽管如此，目前国内所出版的生物统计学教材主要包括两大类。第一大类完全是传统生物统计学的知识和内容，不涉及统计软件的介绍和使用，这一大类教材包含两小类，一类主要侧重理论教学，过分强调课程体系的完整性和理论讲授，注重公式的推导而忽视了实际应用例题的讲解。这类教材忽略了对大学生统计思维和综合分析问题能力的培养，因此有一定的缺陷。另一类是目前各大高校使用较多的生物统计学教材，该类教材虽然也存在一些必要的公式推导，但更侧重于统计学理论与实际结合，清楚介绍每一个统计原理理论后，再通过具体实例分析和巩固统计学的基本原理和基本方法，注重培养学生分析实际问题和解决实际问题的能力，因此这类教材比较适合现在生物科学等本科专业的使用。但这类生物统计学教材由于不涉及统计软件的内容，也存在一定的不足。如果教师在授课过程中未涉及一些统计软件的介绍和使用，那么即使学生完全掌握了相关的统计原理和方法，学生在复杂的试验设计及庞大的数据面前可能也会束手无策，即使会计算，在复杂及庞大的数据计算中也可能会算错，因此可能会得出相反的结论。第二大类统计教材完全是统计软件的介绍和使用，如Excel软件、SAS统计软件、SPSS统计软件、DPS统计软件、R统计软件等的介绍和使用。生物科学、技术等飞速发展的今天，这类统计软件发挥了很大的优势，给科技工作者带来了极大的方便。但这类教材也存在一定的不足，它只注重统计过程的运算和统计，没有统计原理的介绍，因此对没有相关统计学知识或统计学基础较差的学生或老师来说，即使按照教材上的步骤计算出相应的结果，但也不知道具体的含义，也不知道怎么分析。因此这类教材不适合大学本科生的教学。另外，这两大类教材要么只注重数理统计方法的讲授，要么只重视统计软件的使用，而忽视了统计学中的数理统计分析方法是建立在正确的试验设计以及所获数据资料准确的基础上才能发挥正确的作用，这是这两大类生物统计学教材共同存在的不足之处。因此，目前市场上还未见有统计学理论与实际结合，试验设计与统计原理相结合，统计软件与统计学原理相结合的较为完善的生物统计学教材。笔者认为这类生物统计学教材是当前生物科学专业、生物技术专业、生物工程专业、农学专业、医学专业、食品专业等本科专业较为适合的教材。
2.生物统计学与高等数学方面。①生物统计学与高等数学开课时间上的不一致性。国内许多高等学校生物科学等本科专业的培养方案中都把高等数学课程作为一门必修的基础课，学生通过对该门课程的学习，系统获得函数、极限、连续、导数、微积分及常微分方程等基础知识，它为后续课程的学习和解决实际问题提供必不可少的数学基础知识及常用的数学方法。而且，通过各个知识点的学习，逐步培养学生具有较为熟练的基本运算能力和自学能力，综合运用所学知识分析和解决实际问题的能力。更重要的是，高等数学课程是学习生物统计学的关键，生物统计学中的许多原理和方法都需要高等数学中相应的知识作为基础。②生物统计学与高等数学教学上的脱节性。高等数学课程作为生物科学本科专业一门必修的基础课，各高校均认识到它在生物科学本科专业中的重要性。但长期以来，高等数学和生物统计学均作为两名独立的课程开设，一般情况下，高等数学课程由数学专业教师讲授，由于数学专业的教师没有生物学专业的相关知识，不清楚生物统计学课程的知识体系，只注重数学知识的推导、讲授。因此所讲授的知识内容之间通常存在许多不衔之处，形成了不利于生物统计学课程教学的知识的断层。同样，这也是生物统计学中教师难教，学生难学、难懂、难用的原因之一。
3.生物统计学教师知识结构和科研能力方面。常言道，学生需要一滴水，教师至少要有一桶水。生物统计学的教学，相对于其他课程而言，对教师的要求更高，不仅要求教师要有一定的数学知识，较为渊博的统计学知识，还要求教师要有较强的科研能力。教师只有具备一定的数学知识和渊博的统计学知识，才能很好把握生物统计学相关原理、理论、统计分析方法等。具备较强的科研能力，才能很好将生物统计学相关原理、理论、统计分析方法与实际相结合，才能很好地进行案例教学。4.考试制度方面。考试制度在高等教育中占有非常重要的地位，考试是教学质量评价的一项重要指标，它既是对教师教学质量的反映，也是对学生学习效果的检验。考试制度是否合理
，决定着教学质量的好坏以及学生学习积极性是否能得到最大限度地调动[16]。但是现阶段我国许多高校的考试制度较为死板，缺乏合理性和灵活性。如在学期期末考试中规定一定数量的题型，当然，这种考试制度对于规范考试是必须的，但是应该根据具体课程而定，而不能一概而论。就生物统计学课程而言，如果规定一定数量的考试题型（比如四种题型），那么教师只能根据考试规定勉为其难考虑四种题型。比如说名词解释、填空、问答、计算这四种题型。很明显，这种考试方式只是较为死板的考试，不能真证体现生物统计学课程的本质，不能很好考察学生对生物统计学原理的掌握及运用。
三、生物统计学教学策略
针对目前生物统计学存在的问题，笔者根据自己近十年的生物统计学教学实践，就如何提高生物统计学的课堂教学效果，提出如下建议。
1.选择合适的教材并优化教学内容。教材是教学最基本的工具，选择适合的生物统计学教材，能够保证教学过程的顺利进行，并能提高教学质量。针对目前市场上的不同种类教材，结合学生的实际，选择统计学理论与实际相结合，试验设计与统计原理相结合，统计软件与统计学原理相结合的生物统计学教材进行教学较为合适。据笔者过去的教学实践，该课程授课内容不宜过多和过深，授课内容过多学生精力会分散，分不清重点，而过深则影响学生的接受效果[17]。因此应根据学生实际优化教学内容，坚持以试验研究实例为线索，以科学的试验研究方法为主线，理论原理和实际例子相结合，从试验研究的选题和设计、试验方案的制定和实施、试验数据的收集和整理到试验数据的统计分析，最后做出科学的推断等，尽可能把抽象的统计学概念和原理转变为具体的实例，提高学生的学习兴趣，使其更好地理解和掌握所学的课程内容[7]。很好激发学生学习生物统计学课程的兴趣，从而更好地提高教学效果和教学质量。
2.处理好高等数学和生物统计学的关系。高等数学作为生物科学本科专业的基础课，是学习生物统计学的关键。一方面，高等数学一般在第一学年开设，因此生物统计学安排在第二学年开设为宜，这样能避免高等数学和生物统计学课程开设在时间上形成的断层，有利于学生对生物统计学的学习。另一方面，高等数学和生物统计学不应分别让不同专业的教师讲授，而均应由生物学专业教师讲授，因为生物学专业的教师清楚生物统计学课程的知识体系，在讲授高等数学时，能够根据生物统计学的相关原理和内容，优化高等数学的教学内容，有侧重点进行知识的讲授。从而能避免生物统计学与高等数学教学在知识上的脱节性，也有利于学生对生物统计学的学习。
3.提高自身知识结构和科研能力，注重案例教学。生物统计学教材大多理论性强，内容枯燥，容易使学生产生厌烦感。照本宣科的传统授课方法，更会使学生失去兴趣，对于培养学生的独立思考能力和创造能力十分不利。在现代教学中，教师既是知识的传授者，也是教学活动的组织者，在教学过程中起到关键的作用，教师知识水平的高低直接影响学生的学习效果[18]。因此教师应不断加强对生物统计学基本原理、基本理论和基本方法的学习与实践。另外，教师还应不断加强自身的科研能力，在教学过程中将自己的科研工作或生产实践案例贯穿到教学中，以自身科研实例辅助教学，增加学生的学习兴趣，培养学生的统计学思维以及对统计学的实际应用能力。
4.加强试验设计的教学和实践。试验设计又称为实验设计，它以概率论和数理统计的原理和方法为理论基础，科学地、经济地设计研究方案的一项技术。一个良好的试验设计，可以用最少的实验次数，得到足够的实验数据，从而能减少人力、物力和财力的投入[6]。由于生物统计学理论性和实践性较强，且涉及大量的数学公式、抽象的概念和复杂的内容。因此在生物统计学的教学中应充分调动学生学习的主动性，加强学生对生物统计学原理、知识的理解和综合运用，强化学生综合试验设计的锻炼及其应用。提高学生利用统计原理、方法分析和解决实际问题的能力。生物统计学教学中，一方面，教师应该有渊博的统计学知识及其丰富的科研经历，另一方面，应让学生走出教室，加强实践，使学生不但能够掌握统计分析的原理和方法，而且可以解决一些生产中的实际问题，真正达到生物统计学教学的目的。
建构主义对学生学习活动的本质进行了科学的分析，认为学生学习有如下特点：
1、学生学习不是从零开始的，而是基于原有知识经验背景的建构。即学生在学习统计课程之前，头脑里并非一片空白。学生通过日常生活的各种渠道和自身的实践，对客观世界中各种自然现象已经形成了自己的看法，建构了大量的朴素概念或前学科概念。这些前概念形形，共同构成了影响学生学习统计学概念的系统。学生的前概念是极为重要的，它是影响统计学学习的一个决定性的因素。前概念指导或决定着学生的感知过程，还会对学生解决问题的行为和学习过程产生影响。
2、学生学习知识是一个主体建构的过程，要突出学习者的主体作用。学习不仅仅是知识由外到内的转移和传递，而是学习者主动地建构自己的知识经验的过程，即通过新经验与原有知识经验的反复的、双向的相互作用，充实、丰富和改造学习者原有的知识经验。在这种建构过程中，学生一方面对当前信息的理解要以原有的知识经验为基础，超越外部信息本身；另一方面，对原有知识经验的运用又不只是简单地提取和套用，个体同时需要依据新经验对原有经验本身也做出某种调整和改造，即同化和顺应两方面的统一。学生不是被动信息的吸收者，而是主动地建构信息，这种建构不可能由其他人代替。因此，教师不能直接将知识传递给学生，而是要组织、引导，使学生参与到整个学习过程中去。
3、学生学习既是个体建构过程，也是社会建构过程。虽然知识是在个体与环境的相互作用中建构起来的，但社会性的相互作用也很重要，甚至更重要。因为人的高级心理机能的发展是社会性相互作用内化的结果（正如统计的特点具有社会性）。此外，每个学习者都有自己的经验世界，不同的学习者对某种问题可以有不同的假设和推论，学习者可以通过相互沟通和交流，相互争辩和讨论，合作完成一定的任务，共同解决问题，从而形成更丰富、更灵活的理解。同时，学生可以与教师、统计专家等展开充分沟通。这种社会性相互作用可以为知识建构创设一个广泛的学习共同体，从而为知识建构提供丰富的资源和积极的支持。因此，课堂上师生交互和生生交互活动起到了很重要的作用，“学习共同体”的形成以及对课堂社会环境和情境的营建是学生获得学习成效的重要途径。
二、建构主义理论教师“教”的特点
建构主义理论认为教师在课堂中的作用，可以概括为教师是课堂教学的组织者、发现者和中介者。
1、教师是课堂教学的组织者，起主导作用和导向作用。教师应当发挥“导向”的作用和教学组织者的作用，努力调动学生的积极性，帮助他们发现问题，进而去“解决问题”。
2、教师是课堂教学的发现者。教师要高度重视对学生错误的诊断与纠正，并用科学的原理和原则，给予正确的引导与指引。
3、教师是课堂教学的中介者。教师是学生与教育方针及知识的桥梁。教师既要把最新的知识和分析方法提供给学生，也要注意提高学生的综合素质。
从辩证法的角度看，教学是一个不断发展的动态过程，教与学是对立统一的矛盾运动，随着教学活动的变化，矛盾的主要方面，或在教师，或在学生。分开来看，“教”的主体是教师，客体是学生，教师发挥主导作用，学生发挥能动作用；“学”的主体是学生，客体是教师，学生进行认识活动和实践活动，教师则对这些活动施加影响。合起来看，在教学活动这一不断发展、循环往复的全过程中，教师与学生的主体客体地位是相互依存、相互规定，又在一定条件下相互转化的。因此，“基于教师在课堂中组织者、发现者和中介者”的角色作用，教师可以实行“提出问题──探索问题──解决问题”的模式组织课堂教学。
“基于学生为主体，教师为主导”的教学思想，在教学过程中，“学”与“导”的活动、学生与教师之间的关系应该是互动的、融合的，在和谐中不断向前发展。因此，按照“学与导和谐发展”的教学要求，教师在课堂教学中按照“提出问题──探索问题──解决问题”的模式组织课堂教学时，可以采取“诱导试学——引导探学——开导活学”方法组织课堂教学。
（1）设置情境，提出问题，激发学生学习的兴趣和热情
教师引导学生学习首先要从现实的、有兴趣的、富有挑战性的真实问题情境开始。让学生一开始进入学习探索就真切地感受到统计就在自己身边，体验到学习统计的价值，从而激发起学习统计的兴趣，萌发积极主动探索统计理论和方法的求知欲望。教师要通过对课堂的组织，让学生对学习统计产生学习兴趣，“热爱是最好的老师”，兴趣盎然地进入了对统计学知识的探索，学生才能学有所长。（2）探索问题，增强学生主角意识，激励学生积极参与
“基于教师在课堂中组织者、发现者和中介者”的角色作用，课堂教学方式应从根本上改变原有的教师讲、学生听，教师指挥、学生操作的教学现象。学生要在自己生活经验的基础上不断地提出问题，分析问题，对各种信息进行加工转换，对新经验和旧经验进行综合概括，解释有关现象。在教学过程中，教师可以提供一定的支持和引导，设计有思考价值、有意义的问题。学生可以进行小组合作研究探索，教师允许学生从不同的角度去观察分析，允许学生用自己喜欢的方法学习，通过各自想法的交流、碰撞，发现学生有价值的建设性建议及方法措施，及时制止学生运用统计方法计算分析问题时可能出现的偏差，使问题得到正确的解决。
（3）解决问题，培养学生创新能力，提高学生综合素质
在以往统计学教学中，我们关注比较多的是学生能否记住计算公式、方法、意义、应用条件，能否利用这些知识完成所设问题的正确计算。而“基于教师在课堂中组织者、发现者和中介者”的角色作用，教师在课堂中，就应该更加关注学生能否将科学知识与自己的生活经验紧密联系起来，关注学生在灵活应用统计学知识、创造性地解决实际问题时所表现出来的情感、态度和价值观。并通过实践活动，使学生对学习统计产生兴趣，变抽象的科学法则、科学方法为得心应手的工具，从而使学生在解决问题过程中，体验参与学习统计的快乐，享受成功解决实际问题的愉悦。
三、以建构主义理论为指导统计学教法探讨
1、设计课堂教学新模式
统计学课程旨在培养学生能够运用统计学基本理论和定量分析方法，对经济现象进行定性和定量的分析和评价。统计学课程内容基本分为三个模块两个层次。第一模块：研究统计学的一般问题，属于基础理论。第二模块：推断统计的理论与方法，相关与回归分析，属于一般的统计方法及其在社会经济领域的运用。第三模块：时间序列分析与预测，统计指数与因素分析，统计综合评价，属于社会经济统计方法的特有问题，侧重于各种统计分析方法运用。两个层次即理论部分和计算分析部分，两部分知识比为30：70
。反映了知识、能力、素质培养的要求。在建构主义学习环境下，教师和学生的地位、作用和传统教学相比已发生很大变化。因而首先教师必须改变传统的教育思想与教育观念，以现代教育思想和学习理论为指导，利用多媒体等现代化技术优势，探索最优的课堂教学模式。课堂教学中应进一步发挥好学生的主体作用，让学生主动地参与到获取知识的过程中去，做到：(1)合理处理好教材，创造性地使用教材，充分展示学习内容的实用意义。(2)教学思路清晰，过程流畅、自然。(3)采用启发式、精讲多练式、答疑式、案例式等教学方法，构建情景逼近式的教学模式，努力提高课堂教学效果。
2、设计课内课外相融共生的大课堂
课堂教学不仅要教会想要传授给学生的知识，还要教会学生在书本之外查阅图书、报刊、杂志、网络等资料，以开阔视野，扩大知识面，吸取精华，为我所用，要教给学生发现问题、分析问题、解决问题的方法。此外，还要通过课内设计的实训教学内容激发学生主动参与的热情，实训教学内容主要包括统计调查方案的编制、调查问卷的设计、统计表统计图的制作、综合指标分析、统计案例分析等内容。统计实训的课内教学采用精讲、示范、多练、答疑的方式；课外教学采用学生自行分散复习和有组织分组制表、制图、社会调查、整理计算分析等方式。
3、实行点、线、面、体相结合的大统计
“点”是指让学生根据某一知识点完成作业、实习。“线”是指让学生针对某一问题进行深入分析。“面”是指让学生把若干知识点联系起来进行综合的分析和实训。“体”是指让学生能就学科体系及相关学科的内容进行深入、全面、综合的分析与应用。在讲授基本理论和基本知识的同时，注重学生基本技能培养、综合能力培养、设计能力的培养。使学生能从高度整体把握统计的思路和统计分析、评价思想。
4、充分发挥学生的主体作用
建构主义理论强调学习者在建构性学习中的积极作用，是要求教师在课堂教学中善于激发学生的好奇心和求知欲，使学生主动积极的学习。教学中应根据统计教学内容和学生特点，选择适当的教学方法，灵活运用适当的教学手段，设置悬念，使学生产生好奇心和强烈的求知欲。统计学教学过程中涉及到特有的概念及科学家，教学中可以适当拓展，开阔学生的视野，影响学生的心智，塑造学生的灵魂，在潜移默化中激发学生学习统计的兴趣；教师的教学语言要准确生动形象，善于设疑，启发学生思维，活跃课堂气氛，使学生充满求知思索的激情；做到理论联系实际，强化学习的动机，激发学生学习统计持久的浓厚的兴趣，激励学生不断提高对自己能力的欲求，不断增强自己的学习信心，不断地在自我实现中超越自我。
5、设置情境，在交互中实现教学目标
学校是社会的一个细胞，是社会的一个重要组成部分。课堂也不单纯是“老师教、学生学”的木讷课堂。课堂中的社会性环境主要包括两方面，一是师生之间的交互，二是学生之间的交互。建构主义认为，每个学习者都有自己的经验世界，不同的学习者可以对某种问题形成不同的假设和推论。师生在课堂上可以通过合作解决问题、小组讨论、意见交流、辩论等形式，促进学习者之间的沟通和互动。统计教学要从过去主要关注“人机交互”到关注“人际交互”；从只关注学生与教师、教学信息的交互到关注学生之间的交互以及学生与校外专家、实践工作者的交互；从关注个别化学习到同时关注学习共同体的建立。教学中要充分利用社会性资源，调动学生的学习情趣，拓展学生的知识面，在交互中实现最佳的教学效果。
6、构建科学的考核评价体系
建构主义理论强调学习是诊断性学习和反思性学习和自主性学习，这意味着学生必须从事自我监控、自我测试、自我检查、自我约束等活动，以诊断和判断学习中所追求的是否是自己设置的目标。在教学中，应该根据理论和实训教学的不同特点、不同教学内容的具体组织方式，不断的反馈，使学生自己及时评价。同时，在学生成绩考试评定中，应采取了灵活的考试方式
，有笔试、有口试，也有设计方案和调查报告，笔试内容也应着重考核学生运用所学知识分析问题解决问题的能力，注重知识、能力和素质的综合评价。
以上探讨了在建构主义理论指导下统计学课堂教学方法，统计教学是一门艺术，艺无止境。相信当建构主义理论真正走进统计课堂教学时，统计教学会取得更好的教学效果。
摘要：本文运用建构主义理论分析了统计学课堂教学的“教”与“学”的特点，并以此为指导，探讨了统计学课堂教学新方法。
具备深厚的经济科技同专业知识是对复合型统专业人才的根本要求。只有具备深厚的经济科技统计专业知识，才能做好统计分析工作和统计预测，并为决策提供服务。
世界在不断发展，新事物层出不穷，只有具备较强的理论联系实际的工作能力，才能将所学的统计专业知识应用于实际工作中，解决实际问题。另外，新世纪经济和科技发展中出现的情况和问题是前人所未想到的，没有现成的理论可以利用，我们只能在前人经验的基础上进行探索和研究，这就要求我们具备较强的科研能力，以便发展我们的统计理论和统计方法，为经济建设服务。
2．具备相应的计算机操作能力。
21世纪不仅是知识经济世纪，也是信息经济的世纪，利用计算机和网络进行统计工作，不仅可以提高工作效率，而且可以提高准确度。同时，由于信息量的扩大，统计预测的准确性在不断提高，统计决策的准确性也在提高。不仅如此，利用网络技术还可以进行各方面的交流，从而相互学习，共同进步。
3．具有良好的写作基础和表达能力。
良好的写作基础和表达能力是对外提供信息和进行交流、发挥统计作用不可或缺的条件。
4．具有较高的外语水平。
掌握外语是获取外来信息的基础，而较强的外语表达能力是进行对外交流的必备条件。缺乏较强的外语基础，用外语编写的应用软件将无法使用，外文资料将成为一堆废纸。缺乏较高的外语表达水平，对外交流将成为空想，最起码不能进行直接交流或者在交流中容易形成差错，影响信息的准确性。
5．通晓国际统计惯例。
国际统计惯例是世界各国统计人员应共同遵守的工作规范，是进行国际交流与合作的基础。为了适应经济全球化的要求和进行国家之间统计经验交流的需要，统计工作人员应通晓国际统计惯例。
【论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
