引論：我們為您整理了13篇統計學同質的概念范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
2006年,教育部出臺了《關于全面提高高等職業教育教學質量的若干意見》(后簡稱16號文),進一步強調了大力推行工學結合,突出實踐能力培養,改革人才培養模式的要求。
高職教育工學結合人才培養模式的基本內涵是:遵循職業教育基本規律,以適應現代經濟建設、產業發展和社會進步需求為原則,建立行業(企業)與職業院校密切協作、相互促進、互利共贏的機制,以著力培養高素質技能型人才為根本目標的高職教育模式。
工學結合的學習模式具有以下諸多優勢:一是使學生將理論學習與實踐經驗相結合,加深對所學知識的理解;二是使學生了解更多的實際問題,擴大了專業視野;三是為學生提供了檢驗自己能力的機會;四是增加了學習興趣與動力。
統計學是高職院校財經類專業的基礎核心課程,同時也是一門“教”和“學”難度較大的課程。如何將理論知識與實際運用有效結合起來顯得格外重要,也極富挑戰。由于我國高職院校的工學結合起步較晚以及條件所限,能讓學生真正融入企業參加觀摩、練習的并不普遍,但除了深入企業實習,我們還可以通過重構課程體系,優化教學內容,改進教學方法等手段,將實際問題引入日常學習生活,創建學生“身臨其境”的學習情境,從而達到類似工學結合的效果。
二、重構課程體系
高職統計教學的目標是培養學生統計思維,掌握基本的統計原理和方法,最終服務于專業學習和工作實踐。由于統計學具有理論抽象、計算繁雜、應用性強的特點,按傳統的課文講授―課后練習―習題講解的模式基本能讓學生較好的掌握書本內容,但無法將統計知識與專業技能結合起來,也缺乏分析解決實際問題的能力。既沒有完全達到統計教學目標,也不能滿足高職院校培養專業應用型人才的要求。因此,我們從工學結合的理念出發,在傳統的理論教學體系外,結合不同的專業設計了專業實踐教學體系,不同專業的實踐教學體系既有自身的特色與要求,又能與理論體系相互融合與促進。
由于在傳統理論教學體系外增加了專業實踐課程體系,客觀上要求增加統計學的授課學時,這是有效且必須的。高職院校的統計教學一般安排在72―80課時左右(平均每周4課時),這與統計課程的重要地位是不相符的。這些課時對于理論教學尚可,若想強化學生的理解與實踐能力則顯得捉襟見肘,建議增加至108―120學時(平均每周6學時),將增加的課時分配給專業實踐課程教學,用課堂情景模擬企業環境,用課堂實訓問題替代企業真實問題,從而能產生近似工學結合的學習效果。
整個專業實踐體系分解為四大塊:教學計劃體系、教學方法體系、校內實訓體系和教學改革體系。首先要求教師在熟悉課本內容的基礎上,及時了解外部環境變化,發掘企業及社會的需求,從而安排實踐教學內容和教學計劃;其次,充分利用相關教學資源來提高教學效率,可以課堂模擬也可以課外實踐;最后,在教學過程中不斷比較、總結和學習,形成自己的特色與核心價值。
三、優化教學內容
目前,大多數高職統計教材都能做到結構清晰、內容完整,同時也越來越注重實用性,但真正能做到基本理論與專業需求較好融合的并不多見。
1、傳統教學內容的特點
(1)一般按照原來蘇聯模式下的社會經濟統計體系,從基本概念入手,依次安排統計設計、統計調查、統計整理和統計分析模塊;接著講解抽樣推斷、參數估計、相關回歸和統計指數,最后介紹國民經濟核算體系。但在實際教學中,由于抽樣推斷和參數估計需要一定的概率論知識,因此一般略過不講。
(2)缺少案例分析。這也是目前統計教材最大的通病。大多數教材只能做到將概念、計算講解清楚,但內容稍顯陳舊和單調,沒有很好地和專業內容與實際需要結合起來。統計教材一般不像經濟類教材那樣內容生動、案例豐富。雖然統計學基本特點是客觀真實,并不像經濟學那樣充滿想象和主觀判斷,但統計教材完全可以多采用案例分析――統計并不缺少實際事例。可能有老師覺得可以在課堂上自己增加舉例,但枯燥的課本已經提不起學生自覺看書的興趣了。
(3)缺少高質量習題。一般的教材課后習題只是注重對概念的識記,如選擇或填空“統計的特點是什么”、“統計調查的組織方式有哪些”等;或是對例題的重復變形,不過將例題稍微改頭換面就變成了一個新的習題。這里并不是說這樣的題目不好――初學者總要經歷一個識記和模仿的過程――而是說這樣的題目占整個習題的絕大多數,僅通過這些習題的訓練對于提高學生的理解和應用能力顯然是不夠的,在識記的基礎上應適當增加理解和運用層次的練習。
2、設計和優化內容
越來越多的統計教學工作者也發現了上述問題并為之努力。本文就如何設計和優化內容提出以下建議。
首先,根據工學需要,明確統計教學的內容范疇,并將課程內容細化為具體的知識點,再針對每一個知識點來設計教學內容。一定要注意課程內容不等于授課內容,課程內容只是按教學大綱要求必須講授的知識點,但如何讓學生學好學透這個知識點,老師應該圍繞該知識點的重點、難點、特點等設計具體教學內容。比如統計課程內容的“強度相對數的定義”,如果只是按書本講解強度相對數是“某一總量指標數值與另一有聯系但不同類的總量指標數值之比”,學生一般難以掌握,此時,教師可以針對此知識點設計具體的教學內容“強度相對數定義,強度相對數與平均數的區別與聯系,強度相對數與其他相對指標的區別,強度相對數的爭議等”。顯然教學內容是對課程內容的具體設計,統計教學應該經歷確定課程內容――細化具體知識點――設計教學內容的過程。
其次,大量增加實例分析,將工學需求緊密結合。目前的統計數缺少引人入勝、緊貼生活的案例。案例一般分為三種:引人入勝型,這種案例一般是與知識點相關的生活常識或趣聞,提高學生學習興趣;解決問題型,這種案例是統計知識在生產生活中的實際運用,提高學生的理解和應用能力;啟發思維型,這種案例是提出新問題引發學生思考并嘗試解決。增加案例分析有三個途徑:書本案例、課堂案例、課后習題案例。第一要增加書本案例,書本是學生學習的基礎,一本書如果內容枯燥無味,是很難吸引學生認真閱讀學習的,而沒有認真研讀書本則學習效果可想而知;第二要增加課堂案例,課堂案例應以生產生活實際應用為主;第三要適當增加課后習題的案例分析,既是對課堂內容的鞏固,又是對統計學習的補充。
最后,鼓勵使用工學結合教材和習題。編寫合格的工學結合教材和習題是一項復雜艱巨的任務。一方面要求教師緊跟專業要求和地方經濟需求,另一方面要求教師具有豐富的實踐經驗和跨專業的復合知識結構。工學結合的教材要求體現統計知識與專業知識的結合,滿足實際工作的需要;工學結合的習題要求學生通過練習,掌握一定的利用統計知識解決實際問題的能力。
三、改革教學方法
1、始終堅持“興趣性”和“重要性”原則
統計學本身涉及了大量抽象概念和計算,而數學是高職學生的普遍弱點,要達到預期教學效果,必須讓學生對統計感興趣并且重視,從而愿意學且認真學。因此,教師在整個教學過程中始終要堅持上述兩大原則。
2、善用教學方法
目前倍受推崇的有項目驅動法、工學交替法、情景模擬法等。項目驅動法是指根校企雙方據實際需要確定研究項目,并在項目合作過程中完成教學培養工作。工學交替式是指把學生的校內學習和校外實訓分段交替進行,一個學期在學校學習文化理論知識,一個學期下企業實習。這兩種方法效果明顯,但局限性也較強,比如研究項目的選擇、實習人數的限制等。情景模擬法是利用校內條件,仿真企業環境和實際工作需求,學生在教師指導下模擬企業實訓,從而達到身臨其境般的效果。
3、強化職業道德教育,全方位指導學生
統計也有其職業素質和職業道德要求。從事統計學習和工作,必須本著客觀真實、實事求是的原則,不弄虛作假。教學工作不僅僅限于課堂上知識的講解,應該以知識激起興趣,以興趣串起知識,并用真摯的情感全面地指導學生學習,幫助學生樹立正確的人生觀、價值觀,構建和諧的師生關系。積極利用課內外可利用的渠道來指點學生、關懷學生、幫助學生,建立一種長久、融洽、信任的師生關系,讓學生真正喜歡上這門課程。
四、改變考核標準
為了有效實現上述目標,考核標準也要做相應調整。除了傳統的期中期末考試外,更應該注重對平時的學習態度、實訓效果進行考核,改變“一考定成績”的模式。同時,除了教學考核外,還要求學生取得相關從業資格證,甚至鼓勵和指導學生參與職業技能考試(如統計師,會計師,經濟師等),這也是一種激勵學生學習,提高學習和應用能力的有效途徑。
綜上所述,高職院校推行工學結合人才培養模式是新形勢下我國高職教育改革的重要方向和根本出路。真正建立一套科學有效的工學結合人才培養模式任重道遠,需要在加大學校軟硬件投入,強化雙師師資隊伍建設,加強校企合作、校校合作等各個方面共同努力,最終為我國培養出更多高素質高技能的應用型人才。
【參考文獻】
[1] 陳解放:合作教育的理論及其在中國的實踐――學習與工作相結合教育模式研究[M].上海:上海交通大學出版社,2006.
篇2
類比推理和演繹推理、歸納推理一起構成人們認識客觀對象的三大推理形式。類比推理作為平行型思維方式，突破了演繹推理和歸納推理只在同質同類的一般與個別之間運用的局限，借助同構對應關系，在不同質的兩個或兩類對象之間建立起特殊的推理關系，其探索性價值充分體現于縱向層次的認知推理和橫向領域的知識轉移。
二、分析
波利亞認為：“類比是某種類型的相似性……是一種更確定的和更概念性的相似。”這里的“相似性”，是指對象在某些方面的一致性，而類比則是指可以清楚定義的一致性。因此，應用類比的關鍵在于如何把關于對象在某些方面一致性的含糊認識說清楚，其實質就是根據兩個對象的之間的相似性（或一致性），把信息從一個對象轉移到另一個對象。
相對于數學概念而言，可以把一個已知或者熟悉的數學對象的信息轉移到要學習和研究的數學對象上來，從而推理出另一個數學對象也應該具有某些信息，然后獲取這個數學對象的相關信息。通常，在概率統計的學習中有如下幾種類比的類型：因果類比、降維類比、結構類比和簡化類比。在教學中有意識地培養學生的類比思維，將有助于學生化解概率統計學習中的一些難點問題和培養學生的數學思維能力。
（或問題）掌握另一種概念（或問題），而且能夠發現兩種概念（或問題）不同之處及其產生原因。這樣就能真正領悟概念（或問題）的實質。從而架起新舊知識聯系的紐帶，既加強了知識間的縱向溝通，同時又鮮明地展示了知識的獲取過程，形成清晰的知識脈絡，把新知識納入原有認知結構中。這樣，避免了本質屬性相近的數學知識孤立的存在于學生的頭腦中，使學生將所學知識條理化、系統化。
參考文獻：
篇3
1關于統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
篇4
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2 統計學中的幾種統計思想
2.1 統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2 比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1 均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2 變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3 估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4 相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5 擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6 檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3 統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3 對統計思想的一些思考
3.1 要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1] 陳福貴.統計思想雛議[J]北京統計， 2004，(05) .
[2] 龐有貴.統計工作及統計思想[J]科技情報開發與經濟， 2004，(03) .
篇5
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。
參考文獻:
[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).
篇6
1關于統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2 統計學中的幾種統計思想
2.1 統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2 比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1 均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2 變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3 估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4 相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5 擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6 檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3 統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3 對統計思想的一些思考
3.1 要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如gnp、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(dda)、推斷性數據分析(ida)和探索性數據分析(eda)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1] 陳福貴.統計思想雛議[j]北京統計, 2004,(05) .
篇7
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
2 統計學中的幾種統計思想
2.1 統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2 比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1 均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2 變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
2.2.3 估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4 相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5 擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
2.2.6 檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
2.3 統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
3 對統計思想的一些思考
3.1 要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如gnp、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(dda)、推斷性數據分析(ida)和探索性數據分析(eda)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻:
[1] 陳福貴.統計思想雛議[j]北京統計, 2004,(05) .
篇8
1.均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.變異思想
統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
3.估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
4.相關思想
事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
5.擬合思想
擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
6.檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
二、對統計思想的若干思考
1.要改變當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜，越科學。在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
2.要不斷拓展統計思維方式
篇9
1.均值思想。均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論,是統計學的基本思想。均值思想也要求從總體上看問題,但要求觀察其一般發展趨勢,避免個別偶然現象的干擾,故也體現了總體觀。
2.變異思想。統計研究同類現象的總體特征,它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差,是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。
3.估計思想。估計以樣本推測總體,是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設:樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響,在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
4.相關思想。事物是普遍聯系的,在變化中,經常出現一些事物相隨共變或相隨共現的情況,總體又是由許多個別事務所組成,這些個別事物是相互關聯的,而我們所研究的事物總體又是在同質性的基礎上形成。因而,總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
5.擬合思想。擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在,所有實際事物的關系都表現得非常復雜,這種方法就是對規律或趨勢的擬合。擬合的成果是模型,反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。
6.檢驗思想。統計方法總是歸納性的,其結論永遠帶有一定的或然性,基于局部特征和規律所推廣出來的判斷不可能完全可信,檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。
二、對統計思想的若干思考
篇10
Key words: Variable Symbol Statistical target Statistical data
作者簡介：魯瑜，女，1963年9月出生，講師。籍貫：安徽省桐城縣，出生地：河南省洛陽市。1986年洛陽大學計劃統計專業專科畢業，1997年中南財經政法大學財務會計學本科畢業，2007年西安建筑科技大學工業工程碩士畢業。研究方向為統計核算、企業會計。
那么統計學中講的“變量”該如何理解呢？變量的概念是發展變化的，按發展變化的時序有以下幾種理解：第一、統計中的變量是指可變的數量標志；第二、變量是指可變的數量標志和全部統計指標；第三、變量是指可變的數量標志和可變的統計指標；第四、變量是說明現象某種可變特征的概念，更明確一點，即：變量包括可變的品質標志和可變的數量標志和可變的統計指標。普遍的認為第四種理解更符合客觀實際，筆者也贊同第四種理解。
一、統計中的變量是指可變的數量標志這種理解較狹隘，通過講解引入可變的品質標志也是變量，即“可變的標志”都應作變量看待。
一般變量的講解是這樣進行下去的：首先明確統計學中的幾個基本概念，三對六個：第一對是統計總體和總體單位，簡稱總體和單位；第二對是統計標志和統計指標，簡稱標志和指標；第三對是變異和變量。總體是所研究對象的全體，是由具有某種共同性質的許多個體所構成的整體，構成總體的各個個別單位，簡稱單位，也稱個體，總體和單位的概念是隨著研究目的的不同而發生變化的；標志是說明單位特征的名稱，強調單位是標志的承擔著，指標是反映現象總體數量特征的概念或名稱和具體數值（指標名稱+指標數值構成完整的統計指標，但只有概念或名稱的指標是統計設計和統計理論中使用的指標概念），是綜合各單位的某一標志而得到的，通過對指標概念的理解，首先明確指標是說明總體的，其次明確指標都是用數值表示的，沒有不用數值表現的統計指標，這是指標和標志的區別之一，由于總體和單位之間存在著變換關系，標志和指標之間也會發生變換；變異和變量，我多年的教學經驗通常是通過對標志的分類講下去的，標志按在總體單位上的表現是否穩定可分為不變標志和可變標志，一個總體中，各個單位的某一標志的具體表現都相同的標志為不變標志（強調同質性），一個總體中，各個單位的某一標志的具體表現不都（盡）相同的標志為可變標志（強調變異性），如人口總體性別是可變標志，男性人口總體性別就是不變標志；可變標志在總體各個單位上具體表現上的差別就是變異，變異有品質變異和數量變異，如人口總體性別就是品質變異，年齡就是數量變異，數量變異也稱變量，即可變的數量標志稱為變量，變量的具體取值為變量值。很顯然，通過以上的講解，通常認為變量是指可變的數量標志，即第一種變量的概念。
這種理解，未免太過于狹隘。教師若以此思想去指導教學，難免會陷入不能自圓其說的境地。我們知道，一切總體單位都具有屬性特征和數量特征，統計學中將其稱為品質標志和數量標志。例如人口總體，這些特征可能是性別、民族、籍貫、文化程度，也可能是身高、體重、年齡、工齡等。對統計研究對象而言，無論其屬性特征還是數量特征，往往均具有可變性。并且一個具體的特征可能在一種場合是可變的，而在另一場合是不變的。例如，上述所說人口總體性別是可變標志，男性人口總體性別就是不變標志了。可見性別這個品質標志有時也是可變的。推而廣之，品質標志也具有可變性。這樣，凡是“可變的標志”都應作變量看待。
然而，這只是對總體內部各單位的差異作靜態考察時的變量。如果僅僅把變量定義為“可變的標志”，那么可變的統計指標怎么解釋？它是否屬變量范疇呢？所以，還得對統計總體作考察。
二、變量是指可變的數量標志和全部統計指標這種理解也不準確，不是所有的統計指標都是變量，通過講解引入可變的統計指標才是變量，即只有“可變的統計指標”才應作變量看待。
統計有數量性、總體性、具體性和社會性的特點（《基礎統計》，梁前德主編，高等教育出版社，2000年8月第1版），由統計的具體性可知，統計所研究的社會經濟現象的數量方面是具體的量，是具體的社會經濟現象在具體時間、地點、條件下的數量表現、數量關系和數量界限。例如，甲公司2005年的銷售收入60億元就是一個統計指標，而且是具體的、唯一的數值。對于2005年的來講，銷售收入這個指標只有一個數字。因而并非所有的統計指標都是變量。但是若把甲公司2005年至2008年的銷售收入60萬元、69萬元、80萬元、84萬元依次排列，這時銷售收入就是一個變量。可見，只有當同一統計總體的同一指標在不同時間的指標數值形成數列時，統計指標才可能成為變量。
因此，從靜態上看，某總體的某一統計指標是常量，但把若干總體的同一指標放在一起，指標就變成變量了。例如，以洛陽市為總體時，2005年各公司銷售收入指標是各不相同的，它是一變量。從動態上看，我們常常使用時間數列來處理統計數據，時間數列中的指標數值往往隨時間變化而變化。如上，這種不斷變化的指標也是變量，前后不同的指標數值就是變量值。可見，統計指標也有可變與不變之分，因而，“可變的統計指標”才應看作變量。
上述第二種觀點是把全部統計指標視為變量了，但不是所有的統計指標都是變量，只有可變的統計指標才是變量，因而我認為是不妥的。第三種觀點倒是把可變的統計指標視為變量了，但未包括可變的品質標志因而我認為也是不妥的。第四種觀點我認為比較可取，但在文字表述上還可進一步具體化，由于說明現象某種特征的概念可以是標志（說明總體單位的），也可以是指標（說明總體的），因而我們不妨對變量作如下明確的定義：所有可變標志和可變的統計指標都是變量，即變量是說明現象某種可變特征的概念。
三、變量的分類：
（一）變量按具體表現不同分為分類變量（品質變量）和數值變量（數量變量）。
分類變量是用于說明事物所屬類別方面的可變特征的變量，分類變量具體表現為分類數據，它又可以分為定類變量和定序變量。定類變量是用于區分現象不同類別的變量，它的取值表現為定類數據（如產業部門）。定序變量是說明現象的有序類型的變量，它的取值表現為定序數據（如產品的質量等級）。數值變量是用于說明事物數值方面的可變特征的變量，數值變量具體表現為數值數據，按數值數據的性質不同它可以分為定距變量和定比變量。定距變量是用于測度事物次序之間的距離的變量，它的取值表現為定距數據（如考試分數）。定比變量是說明現象的比例數據的變量，它的取值表現為定比數據（如體重）。
(二)變量按所使用的測量尺度不同分為定類變量、定序變量、定距變量和定比變量。
四種變量的概念已如上所述。四種變量對事物的反映是由低級到高級,由粗略到精確逐步遞進的,高級變量能轉化為低級變量,但不能反過來。如可將考試成績百分制轉化為五分制,但不能反過來。另外,四種變量適合于不同的統計計算方法。定類變量適合計算頻數、頻率、x2檢驗、列聯相關系數等；定序變量適合計算中位數、四分位差、等級相關、非參數檢驗等；定距變量適合計算算術平均數、方差、積差相關、復相關、參數檢驗等；定比變量適合所有的統計計算方法。幾乎所有的物理量和絕大多數經濟量都屬于定比變量。因此,不僅可以計算總量指標反映它們的總規模、總水平,還可以計算相對指標和平均指標反映它們的相對水平和一般水平。
（三）數值變量按變量取值是否連續分為連續型變量和離散型變量。
連續型變量是指可取無窮多個值,其取值是連續不斷的,不能一一列舉。它是用測量或計算的方法取得的數據，如溫度、身高等。離散型變量是指只能取有限個值,而且其取值都是從整數位數斷開,可一一列舉。它只能用計數的方法取得的數據，如企業數、人數等。
（四）數值變量按性質不同分為確定性變量和隨機變量。
確定性變量是具有某種或某些起決定性作用的因素致使其沿著一定的方向呈上升、下降或水平變動的變量，如我國國民經濟總是不斷發展的，具體表現為各種經濟指標數值上升或下降（如人均收入和單位能耗），雖然也有些波動，但變化的方向和趨勢是不可改變的，這些經濟指標就是確定性變量。隨機變量是指受多種方向和作用大小都不相同的隨機因素影響，致使其變動無確定方向即呈隨機變動的變量，如，在正常情況下某種機械產品的零件尺寸就是一個隨機變量。
總之,統計學是一門邏輯嚴密的傳統學科體系,作為統計學中幾個基本概念之一的變量應有一個公認的正確的解釋。這對今后統計學理論的研究發展都是很重要的。
參考文獻：
[1]王軍虎主編．統計學基礎[M]．武漢：武漢理工大學出版社，2007年7月：10
[2]梁前德主編．基礎統計[M]．北京：高等教育出版社，2000年8月：6~9
篇11
傳統意義的精神分裂癥是指起病于成年早期伴有慢性衰退的一組精神疾病，而起病于成年后期或老年期的精神分裂癥的診斷歸屬仍然存在爭議［1］，主要疑問是：早晚發精神分裂癥是否歸屬于同一疾病單元，是同質的還是異質的［2］？本研究基于特征性認知損害是精神分裂癥的特質性損害特征之一［3］，以神經心理測查為手段，比較了兩組性別、年齡、受教育程度相當的早發、晚發精神分裂癥患者的臨床和神經心理特征，探討早晚發患者的臨床診斷歸屬。
1 對象與方法
1.1 對象
收集2003－02－2004－02北京大學第六醫院和北京安定醫院老年科的住院連續病例及符合入組條件的門診患者。符合ICD－10精神分裂癥診斷標準，晚發患者起病年齡≥45歲，早發患者起病年齡
共入組早晚發精神分裂癥患者各36例，健康對照21例。晚發組：男性4例，女性32例；年齡46－70歲，平均年齡59±7歲；平均受教育年限10±4年；PANSS平均分79±18。早發組：男女也分別為4例、32例；年齡46－72歲，平均60±8歲；平均受教育年限9±4年；PANSS平均分84±17。健康對照組：男性5例，女性16例；年齡48－71歲，平均57±8歲；平均受教育年限10±4年。早發、晚發與對照組年齡、受教育年限比較差異無統計學顯著性。
1.2 方法
所有研究對象由本人或其監護者簽署知情同意書，通過精神檢查及知情者收集患者的一般資料、病史資料及精神癥狀評定，內容包括：軀體疾病史、精神神經疾病家族史、起病年齡、總病程、疾病分型診斷、癥狀模式、抗精神病用藥當量數以及評定臨床療效總評量表（Clinical Global Impression，CGI）、Schneider一級癥狀、陽性與陰性癥狀量表（Positive and Negative Syndrome Scale，PANSS）、總體功能評定量表（Global Assessment Scale, GAS）、簡明精神狀態檢查表（Mini Mental Status Examination，MMSE）。
根據精神分裂癥認知損害特征結合中老年患者特點，選取注意轉換測查、劃消測驗、控制性口語聯想測驗、色詞Stroop測驗和威斯康星卡片分類測驗，測查受試者的注意力和執行功能。注意轉換測驗采用湘雅大學醫學院電腦版認知實驗室注意測查部分，測查操作為按一定時間間隔在電腦屏幕上變換位置呈現1－9中任意一個或一組數字，當顯示某一指定數字時，要求被試按下空格鍵。劃消測驗和控制性口語聯想測驗采用WHO老年成套神經心理測查中的圖形劃消測驗和詞語流暢性測驗［6］，分別給被試呈現一張有各種彩色圖形的紙，要求被試盡量快而準確地用鉛筆劃去特定圖形，以及要求被試在一分鐘時間內盡可能多地分別說出動物名稱、姓氏和蔬菜名稱并記錄正確、不重復的詞語數量。色詞Stroop測驗測查要求被試讀出卡片上的字或說出字的顏色，卡片A用黑色的字隨機排列紅、綠、黃、藍4個字；卡片B與A雷同，所不同的是以不同于字的紅、綠、黃、藍4種顏色寫上上述4個字，卡片C是將紅、綠、黃、藍顏色的圖形順序排列，根據完成時間評分。威斯康星卡片分類測驗128項電腦版顯示4張刺激圖片和128張反應圖片，具有不同的顏色和形狀，要求被試將呈現反應卡片與刺激卡片配對，系統給予對或錯的反饋提示，被試可以根據反饋來推測應按何種原則分類，最后要求被試報告測驗的原則。
所有研究對象的神經心理測查和精神狀態評定由同一研究者完成，測查時間安排在下午2－4點。
1.3 統計方法
采用卡方檢驗、Mann－Whitney檢驗和單因素方差分析。
2結果
2.1早晚發精神分裂癥患者的陽性家族史
早發患者組具有陽性精神病家族史者占50%(18/36)，高于晚發組的22%(8/36)（χ2＝5.316，P=0.021）。其中一級親屬患精神分裂癥的比例早發組25%(8/36)高于晚發組14%(5/36)，同時神經系統疾病家族史陽性者早發患者11%(4/36)，晚發組未報告神經系統疾病陽性家族史。
2.2早晚發精神分裂癥患者的臨床特征
早發和晚發精神分裂癥的平均起病年齡分別為28±5歲和53±7歲，總病程分別為31±7歲和7±8年。早晚發組患者MMSE評分分別為28±2和29±3，差異無統計學顯著性（F＝1.388，P＝0.243）。癥狀模式比較顯示晚發組陽性癥狀為主的患者比例89%（32/36，χ2=16.706,P=0.002）遠高于早發組50%(18/36)，晚發患者中出現Schneider一級癥狀者占58%(21/36)，早發者占44%(16/36)，差異無統計學顯著性。兩組精神病理特征比較見表1。早（晚）發患者采用傳統、傳統合并新型以及新型抗精神病藥治療的比例分別為31%（14%）、14%（8%）、56%（78%）,兩組比較差異無統計學顯著性（χ2＝4.083,df=2,P=0.130），但早發患者氯氮平使用比例31%,遠高于晚發的3%。平均用藥當量數早發和晚發患者組分別相當于（318±214）mg和（244±143）mg氯丙嗪，晚發患者用量較低，但兩組比較差異無統計學顯著性（F＝2.887,P=0.094）。
2.3 早晚發精神分裂癥患者神經心理特征比較
配對比較早發與晚發精神分裂癥患者各項神經心理測查成績，僅有注意轉換測驗第四試的錯誤數（TOVA33）、劃消測驗第一試遺漏數（CT12）、完成威斯康星卡片分類測驗首次完成輪換所需次數（W6）差異有統計學顯著性（見表2）。
本文為全文原貌 未安裝PDF瀏覽器用戶請先下載安裝 原版全文
早晚發精神分裂癥患者與健康對照相比，注意轉換測查、劃消測驗、控制性口語聯想測驗、色詞Stroop測驗和威斯康星卡片分類測驗主要指標均低于健康對照，差異有統計學顯著性。
3討論
1943年Bleuler M首次提出“晚發性精神分裂癥”的概念，其后有多位學者研究發現，晚發患者女性多見，病前可有視、聽感覺缺損和分裂樣或偏執性人格特質，突出的癥狀是幻覺、離奇的被害妄想，可見一級癥狀及情緒障礙癥狀，思維形式障礙、情感衰退較少，人格和社會功能保持良好，存在與老化有關的臨床和神經影像學改變等［2,4］。晚發的精神分裂癥與傳統意義的分裂癥有些不同，并認為早晚發精神分裂癥可能歸屬不同的疾病單元，但也有反對意見［5］。
精神分裂癥的神經心理研究發現，85％的患者認知測查反映出某種程度的神經心理功能損害，涉及從基本的感知覺、注意、記憶、言語、推理判斷到執行功能等［5］，這些損害不僅見于已患病的各種類型精神分裂癥患者，而且當病情緩解或癥狀減輕后認知損害并未消失［7］；患者未患病的一級親屬、同胞、分裂癥相關人格障礙患者也有類似表現［8,9］，提示精神分裂癥患者存在遺傳背景下的神經發育異常支持精神分裂癥的神經發育假說［10］，即精神分裂癥產生于神經選擇和遷徙的早期階段，在胎兒大腦發育的很早期，異常的變性過程可能就已經由遺傳“啟動”了，青春期后在外界環境影響下，以前隱藏的神經元選擇和遷徙的問題得以暴露。
本研究發現，晚發精神分裂癥與早發患者比較PNASS量表總分和MMSE評分相當，而且陽性癥狀、精神病理癥狀、攻擊危險性特征兩組患者并無不同，早晚患者中出現Schneider一級癥狀者的比例也無顯著性差異，說明晚發精神分裂癥同樣可以表現精神分裂癥的各類臨床病理特征［3］。神經心理測查顯示，早發及晚發精神分裂癥患者與健康對照相比所有主要測查指標均低于健康對照。如：早晚發患者注意轉換測驗正確識別數比正常對照減少，錯誤識別數比正常對照增加，劃消測驗遺漏次數較對照增多，各單項劃消所用時間都比對照延長。提示，早晚發精神分裂癥患者都存在明顯的注意保持和注意轉移損害，而且相對恒定，不因任務的難度和測查形式而異。早晚發患者控制性口語聯想測查中每一單項測驗和總測驗成績均比正常對照明顯降低，色詞Sroop單次閱讀、顏色識別、色詞閱讀以及色詞顏色識別各單項測查所用時間均比正常明顯增加，同時色詞Sroop測查中色詞顏色識別的錯誤發生次數較正常對照明顯增多。提示，早發及晚發精神分裂癥患者在概念形成、概念轉換以及無關信息抑制等執行功能上均存在普遍損害。上述特征支持早發和晚發精神分裂癥具有相同的認知損害特征。
本研究中發現，早發精神分裂癥患者組家族精神病史陽性比例明顯高于晚發組，而且神經系統疾病的陽性家族史也高于晚發組，提示遺傳因素在早發精神分裂癥患者發病中占比重大于晚發患者。臨床病理特征比較發現，在早晚發精神分裂癥PANSS總分相當的情況下，晚發組陽性癥狀為主的患者比例遠高于早發組，其陰性癥狀相對不突出，同時GAS功能評分較高，也與以往發現一致［2］。從治療上看。雖然兩組抗精神病藥使用種類和劑量比較統計學差異不顯著，但其氯氮平的使用比例在早發組明顯高于晚發組，藥物劑量早發組也高于晚發組。推測可能與早發患者早年選用氯氮平有一定關系，但也可能源于早發患者的疾病控制較難，難治程度較高。配對比較兩組的神經心理測查指標，注意轉換測驗第四試的錯誤數、劃消測驗第一試遺漏數差異有顯著性,這兩項指標是不同測驗同類指標中的一個單項，不能排除偶然因素導致，暫無法推測兩組存在本質性差別。但威斯康星卡片測驗成績，早發患者轉換完成次數較晚發患者減少、首次轉換所用試驗數較晚發患者增多，晚發精神分裂癥患者的成績好于早發患者組，略低于健康對照組（未顯示統計學顯著性差異）。這一結果提示早發精神分裂癥的執行功能異常可能較晚發患者突出，或認知損害在精神分裂癥不同發展階段逐漸進展演化表現不同。上述發現均支持早發的精神分裂癥患者遺傳因素及其神經發育異常對精神分裂癥的起病貢獻較晚發精神分裂癥大。
篇12
一、引言
伴隨信息技術的迅猛發展，數據庫規模與應用的不斷擴大，大量數據隨之產生。新增的數據包含了重要的信息，人們希望更好地利用這些數據，并通過進行更高層次的數據分析，為決策者提供更寬廣的視野。
現今，很多領域已建立了相應的數據倉庫。但人們無法辨別隱藏在海量數據中有價信息，傳統的查詢方式無法滿足信息挖掘的需求。因此，伴隨著數據倉庫技術不斷發展并逐漸完善的一種從海量信息中提取有價潛在信息的嶄新數據分析技術------數據挖掘（Data Mining）技術應運而生。
二、數據挖掘概念
數據挖掘技術從1990年左右開始，發展速度很快，數據挖掘技術的產生和不斷發展可使得人們對當今世界的海量數據中隱藏著人們所需要的商業和科學信息等重要信息進行挖掘。數據挖掘運用到交叉學科，涉及到，包括Database、AI、Machine Learning、人工神經網絡（Artificial Neural Networks）、統計學（statistics）、模式識別(Pattern Recognition)、信息檢索（Information Retrieval）和數據庫可視化等，因此數據庫目前還沒有明確的定義。通常普遍認可的數據挖掘定義是：從數據庫中抽取隱含的、以前未知的、有潛在應用價值的模型或規則等有用知識的復雜過程，是一類深層次的數據分析方法。
三、數據挖掘方法
由于數據挖掘技術研究融合了不同學科技術，在研究方法上表現為多樣性。從統計學角度上劃分，數據挖掘技術模型有：線形/非線形分析、回歸/邏輯回歸分析、單/多變量分析、時間序列/最近序列分析和聚類分析等方法。通過運用這些技術可以檢索出異常形式數據，最后，利用多種統計和數學模型對上述數據進行解釋，發掘出隱藏在海量數據后的規律和知識。
（一）數據挖掘統計
統計學為數據挖掘技術提供了判別方法與分析方法，經常會用到的有貝葉斯推理(Bayesian reasoning; Bayesian inference)、回歸分析（Regression analysis)、方差分析(Analysis of Variance，簡稱ANOVA)等分析技術、貝葉斯推理是在估計與假設統計歸納基礎上發展的全新推理方法。貝葉斯推理在與傳統統計歸納推理方法相比較，所得出的結論不僅根據當前觀察得到的樣本信息，還將根據推理者過去相關的經驗和知識來處理數據挖掘中遇到的分類問題；回歸分析是通過輸入變量和輸出變量來確定變量之間的因果關系，通過建立回歸模型，根據實測數據求解模型的各參數，若能很好的擬合，則可根據自變量進一步預測。統計方法中的方差分析是通過分析研究中估計回歸直線的性能和自變量對最終回歸的貢獻大小，從而確定可控因素對研究結果影響力的大小。
（二）聚類分析（Cluster analysis ）
聚類分析(Cluster analysis)是將一組研究對象分為相對同質的群組(clusters)的統計分析技術。 同組內的樣本具有較高相似度，常用技術有分裂/凝聚算法，劃分/增量聚類。聚類方法適用于研究群組內的關系，并對群組結構做出相應評價。同時，聚類分析為了更容易地使某個對象從其他對象中分離出來的方法用于檢測孤立點。聚類分析已被應用于經濟分析（Economic analysis）、模式識別(Pattern Recognition)、圖像處理(image processing)等多種領域。
（三）機器學習（Machine Learning）
機器學習方法經過多年的研究已相對完善，通過建立人類的認識模型、模仿人類的學習方法從海量數據中提取信息與知識，在很多領域已取得了一些較滿意的成果。因此利用目前比較成熟的機器學習方法可以提供數據挖掘效率。
（四）數據匯總
數據庫中的數據和對象經常包含原始概念層上的詳細信息，將數據集通過數據立方體和面向對象的歸納方法由低概念層抽象到高概念層，并對數據歸納為更高概念層次信息的數據挖掘技術。
（五）人工神經網絡（Artificial Neural Networks）
神經網絡是一種模范動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。近年來在解決數據挖掘中遇到的問題越來越受到人們的關注，源于人工神經網絡具有良好的自組織自適應性、并行處理、分布式存儲和高容錯等特性，并通過調整內部大量節點之間相互連接的關系，達到處理信息的目的。
（六）遺傳算法（Genetic Algorithm）
遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法，是一種受生物進化啟發的學習方法，通過變異和重組當前己知的最好假設來生成后續的假設。遺傳算法可直接對結構對象進行操作，不存在求導和函數連續性的限定，能自動獲取和指導優化的搜索空間，自適應地調整搜索方向。遺傳算法已被人們廣泛地應用于多種學科領域。
（七）粗糙集
粗糙集是一種刻劃不完整性和不確定性的數學工具，能有效地分析不精確，不一致（inconsistent)、不完整（incomplete) 等各種不完備的信息，還可以對數據進行分析和推理，從中發現隱含的知識，揭示潛在的規律。粗糙集理論應用于數據挖掘中的分類、發現不準確數據或噪聲數據內在的結構聯系。
四、數據挖掘技術發展趨勢
當前，數據挖掘技術不斷創新與發展，數據挖掘技術開發研究人員、系統應用人員所面對的主要問題：高效、有效的數據挖掘方法和相應系統的開發；交互和集成的數據挖掘環境的建立以及在實際應用中解決大型問題。
五、小結
數據挖掘技術涉及到多種學科技術，如：數據庫技術、統計學、機器學習、高性能計算、模式識別、神經網絡、數據可視化、信息檢索及空間數據分析等。因此，數據挖掘是非常有前景的研究領域，隨著數據挖掘技術的不斷發展，它將會廣泛而深入地應用到人類社會的各個領域。
參考文獻：
[1]羅可，蔡碧野.數據挖掘及其發展研究[J].計算機工程與應用,2002
[2]趙丹群.數據挖掘：原理、方法及其應用[J].現代圖書情報技術,2000
[3]劉毅勇.情報分析智能輔助決策方法及其軍事應用[M].北京：國防大學出版社，2001
[4]唐曉萍.數據挖掘技術及其在指揮控制系統中的應用[J].火力與指揮控制，2002
[5]Alex Berson，Stephen J．Smith，Data Warehousing，Data Mining,&OLAP[M], McCraw-Hill Book Co,1997
[6]吳修霆.SAS數據挖掘技術的實現[J].微電腦世界,2000, Vol.14:pp44-45
篇13
一、團隊同質性與異質性的概念
團隊同質性是指在一個團隊之中，團隊成員人口統計學特征以及態度、價值觀、經驗彼此相同或相似；團隊異質性與此相對，是指團隊成員之間特征的差異化。
二、團隊同質性與異質性的優缺點
同質的團隊由于團隊成員個體之間比較相似，故沒有“另類分子”，大多數情況下團隊里較少出現多余的聲音，很容易形成共識。因此團隊內部和諧融洽、氣氛良好。從團隊氛圍影響團隊績效的角度來說，在一個和諧融洽的團隊當中，團隊成員完成工作的內部阻力小，工作順心、愉快，故同質性的團隊具有較積極的團隊力量、高水平的適應性組織變革能力和低水平的流失率。但不可否認的是，由于團隊的同質性很強，專業能力以及性格喜好都很相似，所以很容易造成專業、能力的重疊和重復，造成人力資源的浪費。如果引導不當的話，還很容易造成組員的互相依賴（“干嘛非要我去做，他去也可以啊”）。另外，雖然同質性團隊中不再有“異類分子”出現，但大家看待問題的視角、做事的動機、出發點都出奇的一致，這也造成了一個人掉坑里，一隊人都會跟著往下掉的現象。相同的盲點、相同的誤區、相同的陷阱，同質性團隊對于這樣的潛在危險少了一些可以預警的“異類人”。 由此可見，同質性強的背后，必然導致團隊所涉及的專業領域和信息來源的缺少和缺失，從而使得團隊在執行任務過程中遇上很多困難，增加了團隊成功的難度。
相比同質性團隊，異質性的團隊成員之間有著差異化的特征與優勢，能夠在一定程度上形成資源互補，使得團隊猶如一個多面手，在執行任務時就能夠兼顧到方方面面，從容應對來自不同專業領域的突發事件，對于盲點、誤區、陷阱等潛在危險的靈敏度要比同質性團隊高得多。如果團隊成員能夠互相配合，各自展現自己的專業水準和能力所長，團隊將有極強的戰斗力。當然，由于在異質性團隊中團隊成員所具有的處世風格以及分析問題的觀點和角度多少都會不同，這樣在對處理問題和決策上就容易產生意見分歧。如果不能統一思想和意見分歧，那么在執行任務時就很難做到步調一致，從而團隊的力量就很難發揮到淋漓盡致。
國內外學者對于團隊異質性做了大量深度的研究，研究發現，異質性團隊對于團隊績效既有正向影響，同時也有負向影響。例如，對于信息的異質性，多數研究者得到了較為一 致的觀點，即認為職能和教育背景的異質性能提高團隊績效。Pelled等人的研究表明，教育背景的異質性與團隊績效有顯著的正相關[7]。Jehn的現場研究也發現信息異質性對團隊績效有積極的影響[9]。20世紀90年代，Barry對自我管理團隊的研究發現，在解決創造性問題上，外傾性與團隊工作績效呈倒“U” 關系，即團隊成員中性格外向者過多或過少都不利于團隊績效的提高。Neuman等人調查了82個零售團隊后發現，團隊中外傾性和情緒穩定性的異質性與團隊績效有正相關，責任心、宜人性和開放性上的異質性與團隊績效負相關。此外，張平學者在高層管理團隊的異質性與企業績效的實證研究中指出，在我國企業中，TMT職業經驗異質性、年齡異質性與行業動態性的交互作用在各自對企業績效的影響中起負向的調節作用，即在競爭激烈的行業中，TMT職業經驗異質性、年齡異質性越高的企業績效越差。
三、啟示與反思
無論是同質性團隊還是異質性團隊，都存在各自的優缺點，沒有哪個是絕對好或絕對壞的，具體應結合異質性的表現方面，視工作與任務的性質而定。對于工作任務較為固定、風險度低、行業競爭力強的工作，由同質性的團隊來完成就會比較順利；而對于創造性強、靈活多變、風險高、行業競爭力弱的工作，異質性團隊更能發揮其價值。
此外，對于任何一種性質的團隊，要想創造高的團隊績效，都必須要有團隊精神與合作意識。在同質性團隊當中，要在內部形成一套完善的民主決策流程和制度，也包括合理的、科學的獎勵制度。例如團隊完成任務取得勝利時，應該全體人員都有獎勵（哪怕有的人在本次沒有能力或沒有機會出到力），然后才是根據每個人的付出以及所做的貢獻分級獎勵。而在異質性團隊中，擁有一個強而有力的領導核心人物，能夠圓滿的作好成員的思想工作，統一團隊成員的思想，引導好員工為全體利益著想，犧牲小我成全大我，使得團隊目標一致、步調一致，則是團隊成功的必要因素。
參考文獻：
