序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇統計學變量類型范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

相關熱搜：統計學  統計學原理

一、數據統計分析的內涵

數據分析是指運用一定的分析方法對數據進行處理，從而獲得解決管理決策或營銷研究問題所需信息的過程。所謂的數據統計分析就是運用統計學的方法對數據進行處理。在實際的市場調研工作中，數據統計分析能使我們挖掘出數據中隱藏的信息，并以恰當的形式表現出來，并最終指導決策的制定。

二、數據統計分析的原則

（1）科學性?？茖W方法的顯著特征是數據的收集、分析和解釋的客觀性，數據統計分析作為市場調研的重要組成部分也要具有同其他科學方法一樣的客觀標準。（2）系統性。市場調研是一個周密策劃、精心組織、科學實施，并由一系列工作環節、步驟、活動和成果組成的過程，而不是單個資料的記錄、整理或分析活動。（3）針對性。就不同的數據統計分析方法而言，無論是基礎的分析方法還是高級的分析方法，都會有它的適用領域和局限性。（4）趨勢性。市場所處的環境是在不斷的變化過程中的，我們要以一種發展的眼光看待問題。（5）實用性。市場調研說到底是為企業決策服務的，而數據統計分析也同樣服務于此，在保證其專業性和科學性的同時也不能忽略其現實意義。

三、推論性統計分析方法

（1）方差分析。方差分析是檢驗多個總體均值是否相等的一種統計方法，它可以看作是t檢驗的一種擴展。它所研究的是分類型自變量對數值型因變量的影響，比如它們之間有沒有關聯性、關聯性的程度等，所采用的方法就是通過檢驗各個總體的均值是否相等來判斷分類型自變量對數值型因變量是否有顯著影響。（2）回歸分析。在數據統計分析中，存在著大量的一種變量隨著另一種變量的變化而變化的情況，這種對應的因果變化往往無法用精確的數學公式來描述，只有通過大量觀察數據的統計工作才能找到他們之間的關系和規律，解決這一問題的常用方法是回歸分析。回歸分析是從定量的角度對觀察數據進行分析、計算和歸納。

四、多元統計分析方法

篇(2)

【關鍵詞】 統計學; 統計方法; 統計分析; 研究設計

正確運用統計方法的前提是良好的實驗設計。如果試驗前沒有良好的設計， 或者設計存在缺陷， 那么， 即使使用高級的計算機和復雜的統計方法處理數據， 也只能得到錯誤的結論。對于生物（醫學）研究者來說， 統計問題咨詢應該在一個研究項目開始之前， 而不是在研究數據出來以后。沒有系統學習過生物（醫學）統計學的許多實際工作者常常錯誤地認為統計分析是在試驗完成后才考慮的問題， 而且不考慮研究目的、 資料類型以及統計方法的前提條件等有關統計方法選擇的問題。需強調的是，實驗設計、 資料搜集與整理分析是科學研究的三個緊密聯系的階段， 而良好的設計是順利地進行實驗和收集數據、 分析數據的先決條件， 希望通過運用統計方法的計算來彌補設計上的錯誤是不可能的， 也是有害的[1]。

1 統計分析步驟

統計方法的選擇依賴于研究方案中的統計學設計。統計學設計是要求研究工作者， 根據研究目的規定研究因素， 選擇觀察指標， 確定研究對象的樣本含量， 擬定研究的實施方法及數據收集、 整理和分析的模式， 以達到用最少的人力、 物力和時間， 獲得可靠的結論。在實際工作中， 必須根據醫學研究目的、 設計類型、 資料性質、 樣本大小和分析過程中所遇到的各種實際情況等， 并結合專業方面的知識來恰當地選擇和運用統計分析方法， 才能做出正確的、 符合實際的結論。在區分了研究資料的反應變量和解釋變量的基礎上， 數據的統計分析主要回答兩個問題: 一是反應變量的差異是否可歸因于分組因素或對比因素？ 二是多個反應變量之間是否存在某種聯系？ 因此， 醫學科研數據統計分析大致分以下4個步驟。

1.1 數據整理 主要進行數據質量的核查、 異常值的處理， 考察數據分布及變量轉換等， 以及看數據是否符合特定統計方法所要求的條件。如計算均數和標準差要求數據基本上呈正態分布， 方差分析要求各組方差的差別不宜過大等。

1.2 統計描述 按分組因素或控制因素分組計算反應變量的基本統計量， 如均數、 百分率、 標準差、 標準誤等， 得出資料的大致輪廓和進一步分析方向。結果的表達方式主要是統計圖或統計表[2， 3]。

1.3 統計推斷 選擇和運用恰當的統計方法（見統計方法選擇）作詳細分析， 如均數間的差異比較進行t檢驗或方差分析、 反應變量間的相互關系進行相關分析、 反應變量與解釋變量的依存關系擬合各類回歸模型等等。各種假設檢驗得到的P值是下結論的主要依據[2-4]。

1.4 結果表達 將各種分析結果簡單明了地表達出來， 為專業上的分析討論提供統計學背景[4]。有條件的話， 前3個步驟應在計算機上借助統計軟件完成。另外， 以上4個步驟只是一種粗略地劃分， 對有些資料，統計描述即可得出較為明確的結論。對于隨機分組的實驗設計資料或隨機抽樣的調查資料， 一般可根據資料性質和分析目的找到恰當的統計方法。但對于對比性資料的分析， 往往需要同時用多種統計方法進行處理或擬合復雜的統計模型。

2 統計方法選擇

生物（醫學）科學研究從研究設計開始到數據的收集、 整理、 分析的全過程中， 統計學知識始終貫穿其中， 而統計分析方法的正確選擇在數據處理中至關重要。在研究方案制定時選擇何種統計分析方法取決于實驗的目的、 不同的設計類型、 觀察指標組成的資料性質和樣本大小等。

在研究設計時， 統計方法的選擇需考慮以下6個方面的問題: (1)看反應變量是單變量、 雙變量還是多變量; (2)看單變量資料屬于3種資料類型（計量、 計數及等級資料）中的哪一種; (3)看影響因素是單因素還是多因素; (4)看單樣本、 兩樣本或多樣本; (5)看是否是配對或配伍設計; (6)看是否滿足檢驗方法所需的前提條件， 必要時可進行變量變換， 應用參數方法進行假設檢驗往往要求數據滿足某些前提條件， 如兩個獨立樣本比較t檢驗或多個獨立樣本比較的方差分析， 均要求方差齊性， 因此需要做方差齊性檢驗。如果要用正態分布法估計參考值范圍， 首先要檢驗資料是否服從正態分布。在建立各種多重回歸方程時， 常需檢驗變量間的多重共線性和殘差分布的正態性。

不同的統計分析方法都有其各自的應用條件和適用范圍。實際應用時， 必須根據研究目的、 資料的性質以及所要分析的具體內容等選擇適當的統計分析方法， 切忌只關心P值的大?。ㄊ欠?/p>

3 統計方法綜合運用實例

例 根據2001年進行的大規模調查， 已知某地健康青年男子身高均數為168.34 cm， 體重均數為57.20 kg， 同年在該地應征男性青年中隨機抽取120名男子， 測得其身高、 體重資料見表1， 試對該資料進行統計分析[1]。表1 120名應征男性青年的身高與體重資料

3.1 資料的分布特征和數字特征的統計描述 本例屬于單樣本雙變量計量資料。對該資料進行統計分析時， 首先應對每一個變量的分布類型及其特征進行統計描述， 編制直方圖或頻數表， 計算相應的統計描述指標， 然后在此基礎上選擇和運用恰當的統計方法進行統計推斷， 最后作出明確結論。

本例的身高、 體重頻數分布情況見圖1～2。由圖1可直觀看出， 身高的頻數分布特征為: 所有數據分布在155～182之間; 數據主要集中在164～173之間， 共有73人， 占總人數的60.8%; 各組段的頻數基本以168.5為中心呈對稱分布。因此， 可認為身高近似服從正態分布。而體重的頻數最多組段58～不在所有組段的中間位置， 各組段的頻數以61為中心呈不對稱分布（圖2）， 故可認為體重呈偏態分布。圖1 120名應征男性青年身高的頻數分布圖表2給出了資料分布的數字特征: 均數（x）、 標準差（s）、 中位數（Md）、 四分位數間距（QR）和全距（R）。為了進一步說明各變量是否服從正態分布， 表2也同時給出了偏度系數 由表2可見， 身高的|ug1|和|ug2|均小于1.65， 故可認為身高服從正態分布（矩法正態性檢驗）， 此結論與上述的直觀結果相同， 也與圖3的圖示法結論相同（散點幾乎都在一條直線上）。同理， 體重的|ug1|和|ug2|均大于1.65， 故可認為體重不服從正態分布， 此結論亦與上述的直觀結果相同， 顯然與圖4的圖示法結論也相同（散點不在一條直線上）。

由于身高近似服從正態分布， 且是大樣本數據， 故可用樣本均數168.84 cm代表身高的平均水平， 用樣本標準差5.19 cm代表身高的個體差異， 用x±1.96 s來描述身高的95%散布范圍， 即168.84±1.96×5.19=158.67～179.01 cm。由于體重不服從正態分布， 用中位數58.00 kg代表體重的平均水平， 用四分位數間距8.75 kg代表體重的個體差異， 用百分位數P2.5～P97.5描述體質量的95%參考值范圍， 即49.03～80.77 kg。

3.2 參數的點估計與區間估計 身高的均數: =X=168.84 cm， SX=0.47 cm， 95% CI=167.90～169.78 cm 。體重的均數: =X=57.67 kg， SX=0.63 kg， 95%CI=56.44～58.90 cm。體質瘦弱（體重≤50 kg ）檢出率: =p=17/120=14.17%， SP=3.18%， 95%CI=7.93%～10.41% 。身高與體重的相關系數: =r=0.4040， Sr=0.0842， 95%CI=0.2423～0.5435。本例n=120， 屬于大樣本數據， 由樣本均數分布規律可知， 雖然體重不是正態分布， 但在大樣本時， 其樣本均數近似服從正態分布， 故仍可用正態分布法進行總體均數的點估計與區間估計。相關系數也不服從正態分布， 故在計算ρ的95%CI時要進行反雙曲正切函數轉換。

3.3 假設檢驗 根據歷史資料， 已知10年前該地健康青年男子身高均數為166.50 cm， 體重均數為55.20 kg， 可通過假設檢驗回答: 本次調查結果所代表的該地健康青年男子的身高總體均數、 體重的總體均數、 是否比10年前提高了。

本例屬于大樣本資料， 可用樣本標準差作為總體標準差的估計值， 即身高標準差的估計值=S=5.19， 體重標準差的估計值=S=6.89， 分別進行單樣本u檢驗: 身高: u=4.98， P

同理， 還可以對體質瘦弱檢出率、 身高與體重的相關系數等作假設檢驗。

參考文獻

[1] 陳長生. 統計方法的綜合運用與統計結果的表達[A]. 徐勇勇. 醫學統計學[M]. 2版. 北京: 高等教育出版社， 2004.

[2] 陳長生， 趙清波. 康復醫學論文中統計描述指標率和比的正確應用[J]. 中國臨床康復， 2003， 7（11）: 1692-1694.

篇(3)

Epidemiology and Population Health, Albert

Einstein College of Medicine

Biostatistics and

Epidemiology

A Primer for Health and

Biomedical Professionals

Third Edition

2004, 243pp.

Softcover $ 33.20

ISBN 0-387-40292-6

本書是由美國Albert Einstein醫學院流行病學和群體健康系流行病學室Sylvia Wassertheil Smoller教授編著的。第一版于1990年出版，第二版于1995年出版，現為第三版。本書的特點是根據流行病學和統計學的基本框架，使讀者理解流行病學與生物統計學的基本原理，理解“為什么做”和“做什么？”學會“如何做、如何解釋”。書中的內容都是臨床試驗和基礎研究中最常用的、或是在文獻中經常引用的。

全書共分9章。第1章講述科研方法問題，包括邏輯推理、變異、研究設計、變量的量化、無效假設、假設檢驗、檢驗錯誤的類型、顯著性水平等；第2章敘述概率的一些基本概念；第3章介紹常用的統計學檢驗方法；第4章介紹流行病學的基本概念，包括流行病學的應用、常用指標、流行病學研究類型、偏倚、混雜、交互、多變量分析等；第5章介紹篩檢的基本概念；第6章是敘述隨機對照臨床試驗；第7章介紹生活質量的評價，包括量表的結構、可靠性、真實性、敏感性（反應性）以及用量表評價生活質量的局限性；第8章介紹遺傳流行病學的基本概念，包括雙生子研究、連鎖和聯系分析、傳遞不平衡檢驗等；第9章闡述科研倫理學與統計學的關系。第8、9兩章的內容在人類研究中十分重要，是第三版新增加的，是一般流行病學或統計學入門書籍中所沒有的。

書后附有9項附錄，介紹正文中各種統計學計算的實例，以使讀者能夠更順利閱讀本書、以及如何實際計算，包括卡方、Z值及t-值的臨界值表、Fisher精確檢驗、幾組比較的Kruskal-Wallis非參數檢驗、相關系數計算、率的年齡調整、比值比的可信性、兩個變量的“J”或“U”型關系、量表記分改變的適宜性（敏感性）評價、以及遺傳學基本原理和知識。書后還附有參考文獻及建議閱讀的書目，讀者如需了解更深入的、超出本書范圍的內容、或涉及高等數學方面的內容，可閱讀這些推薦的教科書。書末附有主題索引，便于讀者檢索。

本書以科學的哲學和邏輯學原理，討論統計學檢驗的基本原理，而不是讓讀者去做具體的統計學檢驗。全書各章節都是獨立的，讀者可不按順序閱讀，只閱讀感興趣的部分。本書特別適合那些沒有或很少有數學背景的讀者，使他們能夠讀得懂、用得上。

本書內容既簡明，又適合范圍較廣的讀者需要，所闡述原理和方法適合多種領域，包括醫學、公共衛生、心理學、教育學。本書是一本簡明的流行病學與生物統計學教科書，適合從事臨床和基礎研究的醫生、醫學專業本科生、研究生，或非醫學專業學生參考，也可供程度較高的讀者、以及對生物統計學與流行病學的邏輯學和方法學感興趣的研究人員參閱。

烏正賚，教授

（中國醫學科學院基礎研究所）

篇(4)

關鍵詞：肝膽外科、切口感染、多因素分析、對策

切口感染為所有外科術后最常見并發癥之一，當今社會無菌技術飛速發展及多種廣譜抗生素的應用可以降低其發生率，但盡管如此切口感染發病率仍比其他術后并發癥的發生率要高得多。術后切口感染嚴重影響病人的預后，對病人的術后康復引起嚴重的后果，而且還會給病人家庭增加巨大不必要的經濟負擔[1]。因此為了降低術后切口發病率，筆者通過回顧研究我院623例肝膽外科并發切口感染的病例，通過對比分析法總結其發生的因素及相對應的防范措施，現將具體情況總結如下。

1、資料與方法

1.1 一般資料 通過研究我院在2008年1月至2012年1月期間肝膽外科病例623例，其中男性399例，女性224例，年齡最大75歲，最小18歲，平均年齡55歲。623例患者實施的手術類型具體總結如下：肝移植，肝葉切除術，胰腺腫瘤切除術，胰十二指腸切除術，肝腫瘤切除術，膽總管探查引流術等。

1.2 方法 通過回顧分析研究我院在2008至2012年期間的切口感染病例，包括病人的病例，檔案記錄的查房單，病程單，輔助檢查結果，切口分泌物實驗室檢查結果，并將其按不同發病原因統一記錄于統計調查表中。

1.3統計學方法 應用SPSSl5.0軟件分析，計數資料采用百分比表示，數據對比采取X2校驗，P>0.05，差異無統計學意義，P

2、結 果

通過統計分析623例肝膽外科病人，術后發生切口感染的病例為123例，發病率為19.7%。通過具體的統計學方法χ2檢驗，發現能影響患者切口感染的確切因素有6個，分別為白細胞計數，手術時間長短，手術出血量，切口類型，醫用碘伏消毒程度，術中廣譜抗生素用量及種類。

2.1單因素Logistic回歸分析

以肝膽外科手術患者有無手術部位切口感染為因變量，以性別、年齡、職業、文化程度、生源地、居住所在地、婚姻狀況、經濟狀況、費用類別、居住狀況、工作壓力、經濟壓力、體型、手術季節、術前空腹血糖、術前糖化血紅蛋白、術前血紅蛋白量、術前血鈉水平、術前血清高敏C反應蛋白含量、術前白細胞升高程度、ASA麻醉評分、圍術期高血糖、手術時間、術中出血量、胃腸道營養、手術性質（急診或者擇期）、手術方式、手術室各區域布局、切口類型、手術切口長度、切口抗生素沖洗、是否放置引流、術后引流量、術后抗生素使用情況和基礎疾病自變量賦值后進行二分類Logistic回歸分析，結果發現手術室各區域布局合理、放置引流和抗生素切口沖洗是肝膽外科手術患者手術切口感染的保護因素，高齡、急診手術、手術時間長、手術切口長和Ⅲ類切口是肝膽外科手術患者手術切口感染的危險因素。

2.2 多因素Logistic回歸分析

以肝膽外科手術患者有無手術部位切口感染為因變量，選擇本研究進入肝膽外科手術患者手術切口感染單因素Logistic回歸分析方程的8個自變量為自變量進行多因素Logistic回歸分析，α入=0.05，α出=0.10，結果發現放置引流和抗生素切口沖洗是肝膽外科手術患者手術切口感染的保護因素，高齡、急診手術、手術時間長和Ⅲ類切口是肝膽外科手術患者手術切口感染的危險因素。

3、討 論

肝膽外科術后切口感染的危險因素與其他外科切口感染有許多共同點也有其特殊之處，主要特點是其感染的危險因素涉及患者本身與外科醫生的操作[3]，具體危險因素及防范對策總結如下：

3.1 切口類型 肝膽外科術后切口感染主要原因是受腹腔內腸源性細菌感染，由統計學資料顯示，Ⅲ型切口的感染率高達59.4%，但由于肝膽外科的特殊性，常常需要涉及到膽道切開，上消化道分離，肝小葉切除等Ⅱ，Ⅲ類型切口，且統計學顯示這兩種類型切口感染率均顯著高于Ⅰ型切口，所有增加了其術后發生切口感染的概率。因此為了降低其感染率，需要外科醫生在術前術后要做好無菌操作；仔細消毒切口；關閉腹腔前仔細沖洗腹腔，用碘伏反復消毒切口；術后放置腹腔引流且時刻保持引流管的暢通；選用抗生素需按照患者的引流液細菌實驗室檢查做相應的改變。

3.2 手術切口縫合 通過本次研究筆者還發現，切口的縫合好壞直接影響切口是否感染。由主刀醫師等經驗豐富的醫師縫合的切口感染率顯著低于實習醫生等非主刀醫師的縫合感染率。因此肝膽外科的切口感染與醫生的縫合經驗有密不可分的關系。所以外科醫生在縫合切口時因注意減少死腔，爭取一次性縫合，打結時松緊度適宜，嚴密縫合皮緣。

3.3 切口消毒及沖洗 作為所有外科手術，切口消毒都是一種非常簡單卻行之有效的一種規避切口感染的手段，經過外科長時間的發展，已經被醫學界廣泛認同，這也是無菌術提高的重要原因。最常用的沖洗液是無菌性生理鹽水，用其沖洗切口可以洗凈切口的細碎脂肪組織，灰塵，壞死組織的碎片等，可以顯著降低切口的帶菌量。切口的消毒肝膽外科廣泛使用碘伏。碘伏是單質碘與聚乙烯吡咯酮的不定性復合物，醫用碘伏濃度較低，其起著光譜殺菌的作用，對大多數細菌有殺滅作用，但其對蛋白質等不起損害作用，所以在醫學界被廣泛應用。經統計學資料顯示，切口經過碘伏消毒可以明顯降低其感染發生率。所以將無菌生理鹽水與碘伏聯合使用，是有效規避切口感染的重要手段。

3.4 術中失血量 由于肝膽外科手術入路的特殊性，肝臟等器官又是人體主要供血器官，所以術中出血極為多見。由于肝膽外科手術時間均長且操作復雜，所以病人可能會長時間的出去，經過大量輸注晶體補充液和人工血液，導致組織器官血供不足，組織缺氧，似的組織發生壞死等，降低切口的愈合力，及免疫力，所以迅速精準的操作，對外科醫生提出了更高的要求。所以在術前仔細檢查，做出正確的手術方案是必不可少的。

綜上所述，對肝膽外科術后切口感染的危險因素是多方面的，從筆者此次觀察發現的幾點危險因素，感染的發生除了與患者本身有關，但更多方面是關于外科醫生的操作，因此為了降低術后切口感染的發生概率，需要外科醫生嚴格實施無菌操作，注意細節，操作熟練迅速，最大程度的降低切口感染的發生概率。

參考文獻：

[1] 洪錦蘭，郝元濤. 手術部位感染相關因素研究進展[J]. 中華醫院感染學雜志，2010，20（5）：748-750.

篇(5)

摘 要：目的：為了了解大學生成人依戀在家庭類型和生源地上的差異現狀，為大學生心理健康提供依據。方法：采用大學生成人依戀量表，隨機抽取198名大學生進行調查。結果：從家庭類型自變量上看，大學生成人依戀在焦慮維度上的得分，有統計學意義上的差異（p0.05）。從生源地自變量上看，大學生成人依戀4個維度上的得分，沒有統計學意義上的差異（p>0.05）。結論：大學生成人依戀在家庭類型方面有一定的差異。

關鍵詞：大學生；成人依戀；家庭類型

前言

成人依戀是指成人對其童年早期依戀經驗的回憶和再現，以及當前對童年依戀經驗的評價[1]。大學生良好的成人依戀是安全型，安全型依戀的大學生在和親友相處中，對接近和親密感到舒服的程度較大以及大學生生活中感到在需要別人幫助時，能有效依戀他人的程度也較大，而生活中擔心被別人不喜歡或者不接受及擔心被別人拋棄的程度也較小。大學生的早期依戀經驗在成長過程中和父母的互動沒用改善的話，成人依戀會影響大學生的交往效能感和生活滿意度等心理品質。故成人依戀的研究對大學生心理健康的發展很有必要，為了解大學生成人依戀在家庭類型和生源地上的差異現狀，調查研究情況如下。

一、對象與方法

（一）對象 隨機抽取198名大學生進行調查，獲得有效樣本198份，有效回收率100%。其中，家庭類型：獨生子女家庭有27人，非獨生子女家庭有171人；生源地：來自城市的大學生有30人，來自農村的大學生有168人。調查時間為2014年10月。

（二）方法 采用自行設計調查表，調查基本情況，包括班級職務和學歷。采用2003年吳薇利編制的成人依戀量表[1]，該量表是自評量表，共18個項目，采用五點自評，從“1”完全不符合到“5”完全符合。該量表含4個維度，分別為親近、依賴、親近依賴復合維度及焦慮維度。該量表信度和效度良好[2]。并事后做相應訪談。

（三）統計學處理 采用SPSS17.0統計軟件進行描述統計分析和獨立樣本t檢驗。

1.結果

（1）不同家庭類型、生源地大學生成人依戀差異比較（表1）

表1所示，從家庭類型自變量上看，大學生成人依戀在焦慮維度上的得分，有統計學意義上的差異（p0.05）。從生源地自變量上看，大學生成人依戀親近、依賴、親近依賴復合與焦慮4個維度上的得分，沒有統計學意義上的差異（p>0.05）。

二、討論

1.大學生成人依戀家庭類型方面分析

研究發現，獨生子女家庭的大學生成人依戀焦慮維度上的得分，顯著高于非獨生子女大學生；親近、依賴與親近依賴復合維度上的得分，沒有顯著差異。結合事后訪談發現，獨生子女大學生生活在父母親友寵愛較多的環境中，很多事情父母有父母代辦或者包辦，也沒用和兄弟姐妹相處的體驗和經驗，個性較強與人相處中個人主義較大，更多的關注自我，當他們進入大學后，遠離了父母，在寢室關系中和室友相處較難，他們發現以前在家時的相處辦法行不通了，同伴不像父母那樣寵愛自己了，和同伴相處需要關注對方的感受和需求了，特別是獨生子女遇到獨生子女時，他們相處和交流更難，生活和學習中遭遇到的拒絕和碰避較多，獨生子女就會更多的擔心被同學和朋友不接受和不喜歡，甚至擔心被親朋拋棄；而非獨生子女則成長過程中相對較獨立，有和兄弟姐妹相處的經驗，能更多的關注交往對象的感受和需求。故獨生子女家庭的大學生成人依戀焦慮維度上的得分，顯著高于非獨生子女大學生。

2.大學生成人依戀生源地方面分析

研究發現，不同生源地大學生成人依戀在親近、依賴、親近依賴復合與焦慮維度上的得分，沒有顯著差異。訪談中發現，不同生源地的大學生已經很好的融入了城鎮生活，原因可能為，其一，大學生適應能力較強，接受新事物的能力也較快，當他們經過幾年的大學生活，他們很快適應了城鎮生活。其二，國家城鎮化進程較快，有些地區實施土地承包，農民從土地中分化出來，這樣城鄉差距縮小了，相應的隨著科技發展，電燈及電話和網絡都發展到農村，交流互動便利了，不同生源地的考生差距也減小了。其三，城鄉交流較多，人口流動較大，現在社會，很多農村人進城務工，大多數的城市建設有農民工的勞動貢獻，有些農民工長期居住在城市工作，為城市建設出力，也有很多城市人到農村參觀考察，體驗鄉土風情，城鄉的差距在減小。其四，很多大學生節假日也到城市工廠做工，也是城鎮建設中的一員，和社會發展的推動者和促進者。城鄉的融合及大學生主動進步發展，故不同生源地大學生成人依戀在親近、依賴、親近依賴復合與焦慮維度上的得分，沒有顯著差異。

（作者單位：新鄉學院教育科學系）

參考文獻：

篇(6)

[ 關鍵詞 ] 長三角地區 科技旅游 客源市場 開發模式

一、科技旅游概念及長三角地區科技旅游發展背景

日新月異的今天,旅游市場不斷成熟,人們的旅游需求不斷發生變化。傳統的旅游項目和旅游產品已越來越不能滿足人們多樣化需求?？萍籍a業化和高科技成為旅游熱點等一系列情況的出現,促使一種新興的旅游形式――科技旅游應運而生?？萍悸糜问侵笇⒖萍己吐糜斡袡C地結合為一體的一種高層次的文化旅游類型。其基本形式是以旅游資源中的科學技術要素和成分為基礎,利用各種自然和人文景觀,進行科技和旅游的科學綜合規劃設計,形成集科普、生產、加工、銷售、觀光、嘗試、體驗、娛樂為一體的旅游活動或產品。包括工業園區旅游、科技場館旅游、農業園區旅游、高新科技展示等多種旅游項目。

我國長三角地區是科技旅游示范基地,有著無數成功的開發典范。2007年上海市科普旅游示范線路推薦暨長三角青少年旅游研討會在上海舉行。上海市旅游委聯合市科委結合科普“十一五”規劃的實施,揭曉了兩條2007年度上海科普場館旅游示范線路。一條以上?？萍拣^、孫橋農業開發區、上海海洋水族館為主要景點,另一條以上海天文博物館、上海地震科普館、佘山國家森林公園為主要景點。目前上海市的20家專題性科普旅游示范基地,年接待人次超過了450萬,隨著2010年上海市博會的召開,這些科普基地將為長三角青少年旅游奠定基礎。從明年開始,上海將對長三角范圍內旅行社組團參加科普旅游示范線路進行資助。規范經營的旅行社,凡年度內輸送客源5萬人次以上,均可申請獲得資助。上海就有8家專業性博物館(磁懸浮、中醫藥、郵政、公安、乳業、鐵路、昆蟲、兒童)。

二、長三角地區科技旅游客源市場特征綜合分析和統計分析

筆者選取該區代表性城市上海做了問卷設計和問卷調查工作。在上?？萍拣^、東方明珠、上海城市展覽館等景區的正式調查中,共發放問卷514份,其中有效問卷470份,回答質量較低被剔除的問卷20份,回答不完整的問卷24份,占4.7%,比例較低,問卷調查結果比較理想。通過分析得到如下結果:男性游客比例略高于女性;科技游客以中青年為主;參與科技旅游活動的旅游者普遍具有較高的文化水平;旅游客源市場的主體為收入在中等偏上的人群中;人們獲得科技旅游信息的主要途徑是對網絡資源的利用和科普場館的展示。

本文將繼續基于這些數據,嘗試采用SPSS10.0中的獨立樣本T-TEST(Independent T-TEST)檢驗,對數據進行在線分層分析、變量頻數分布分析、均數比較分析,以及變量相關分析和回歸分析。

1.相關分析

相關分析(correlate)是研究變量間密切程度的一種統計方法,通過分析多個事物之間的關系,做統計學推斷。得相關系數值,相關系數值為-1(完全負相關關系)~+1(完全正相關關系)之間,相關系數為0時,表示不存在相關關系。先選取三個變量

X 、Y和Z,其中X=科技旅游產品類型偏好,Y=旅游者的文化程度,Z=性別。在這里做一下變量代換:

產品偏好X:1=自然科考游;2=科技園區游;3=科技場館游;4=科技夏令營

文化程度Y:1=小學;2=初中;3=高中(中專);4=大專;5=本科;6=碩士及以上

性別Z:1=男;2=女

隨機選取有效問卷100份進行統計分析,得描述性統計結果1 :

統計分析結果1:

結果分析:100份分析樣本中,平均文化程度為大專及本科層次。旅游者受教育程度與科技旅游產品偏好之間存在負相關關系,相關系數r=-0.147,p

2.距離相關分析

距離相關分析用于計算個案或變量之間距離的相異性或相似性測度。本文分析采取變量距離相關分析法來進行統計分析,得到個案處理摘要和相似性矩陣。

結果分析:這是一個相似性矩陣,即Pearson相關系數矩陣。以上是對變量:X(產品偏好)、Y(文化程度)、Z(性別),而計算距離(Computer Distances)選擇“變量間(Between variables)”的結果進行“相似性測度(Similarities)”,測度(Measures)為“Pearson相關系數(Pearson correlation)”的記過,其數值越大者距離越近。從相似性矩陣(Proximity Matrix)數值來看,性別和產品偏好成正相關關系,且相關系數為0.002;旅游者的文化程度與對科技旅游產品類型的選擇之間是負相關的關系,相關系數為-0.147;因此可得,在此驗證了前面相關分析所得的分析結果是正確的,即文化程度對科技產品類型選擇的影響程度要大于性別的影響程度。

3.線性回歸分析

回歸分析(Regression)是研究一個或多個自變量(Independent)與一個因變量(Dependent)之間是否存在某種線性關系或非線性關系的一種統計學分析方法。引入兩個以上自變量,采取多重線性回歸分析法中的強迫引入法來進行統計分析研究。

選取一個因變量即科技旅游產品類別,二個自變量即性別和文化程度,同樣選擇100份樣本問卷進行統計分析。得到以下統計分析結果。

Regression(回歸分析),強迫引入法

結果分析:結果顯示,多元方程的復相關系數為0.147、R2為0.022、調整R2(Adjusted R Square)為0.002、估計值的標準誤(Std. Error of the Estimate, 即剩余標準差)為1.17.

多重回歸方程為:科技旅游資源類型偏好=2.831-0.166*文化程度-0.00208*性別,(P

所以得出長三角地區不同地區文化程度所形成的科技旅游市場結構如下表:

三、長三角地區科技旅游開發模式

根據長三角地區的問卷調查結果顯示,該區科技旅游者的文化程度值大部分落在之間,即大專和本科學歷的科技旅游者比較多,所以對應的資源類型偏好值落在[2.001,2.167]之間。由此可見,未來一段時間長三角地區可以把科技園區游作為該區的潛力市場進行大力開發,包括對寶山鋼鐵集團、大眾汽車等工業廠區的科技線路開發等。而科技場館游在該區發展已具備一定規模并已形成漸趨成熟的管理領導體制,成為了該區的拳頭產品。預計在將來,隨著該區客源市場文化程度的普遍提高,將有越來越廣闊的旅游者參與到工業廠區和自然景區的科技旅游中。人們開始擯棄傳統的自然和人文資源觀光游覽,而是注重休閑娛樂和科技文化知識普及緊密聯系在一起的科技旅游模式。

參考文獻:

[1] Yang, Jia Lynn, Eight great factory tours. Fortune: 4/4/2005, Vol. 151 Issue 7, page 116

[2] 孫興勤:開發科技旅游實現寓教于樂[J]. 云南科技管理,P64

[3] 金穎若:科技旅游論[J]. 漢江論壇, 2003(10): 35-37

[4] 李廷勇:論科技旅游[J]. 山西大學學報(哲學社會科學版),Mar.,2004 Vol.27 No.2: 66-70

篇(7)

目前，對房地產價格的研究主要集中在兩個方面，一是從房地產價格構成方面進行研究，分析房價內部組成的合理性和變化，二是從時間規律角度對房價進行研究，其目的是在時間序列的情況下盡可能得出房地產價格的變化趨勢。

趙昕東（2010）利用1999年至2009年居民消費價格指數、國內生產總值、貨幣供給與住宅價格指數的季度數據，應用結構向量自回歸模型估計了供給沖擊、需求沖擊與貨幣政策沖擊對中國房地產價格變動的動態影響以及房地產價格沖擊對通貨膨脹率、國內生產總值增長率與貨幣存量增長率變動的動態影響。洪國志（2011）在研究中本文由收集整理認為我國行政區經濟導致市場分割的現象普遍存在，從房地產價格空間溢出角度，通過模型分析價格的空間自相關和價格溢出程度的基礎上，對城市內部區一級的邊界效應進行了檢驗。

王鶴（2012）利用全局空間自相關指標和局部空間自相關指標和1999- 2009年的省際面板數據，運用廣義空間面板數據模型分析全國范圍以及東、中、西部分區域房價，結果表明在考慮了房價空間相關性后，我國各區域房價的影響因素已不盡相同。陳浪（2012）采用動態面板數據模型和省際面板數據分析了我國房地產價格的區域互動，研究結果表明我國房地產價格互動存在空間滯后效應和時間滯后效應，且城鎮居民可支配收入、信貸擴張、土地價格和房屋竣工面積是影響我國房價的重要因素。實證結果還表明，相鄰地區之間房價影響程度比其他不相鄰地區之間房價的影響程度大，經濟特征相似地區間房價的相互影響程度比經濟特征不相似地區間房價的相互影響程度小。

因此從宏觀角度說，房地產價格變化的規律除受時間和內部組成影響之外，在空間分布上也存在一定的規律性。起源于20世紀60年代的地統計學，以區域化變量為理論基礎，以變異函數為主要工具，可以有效的用于分析房地產價格在一定區域范圍內的空間分布狀況及規律。

地統計學在房價空間分布中的引入及應注意的問題

地統計學處理的對象為區域變化量，即空間分布的變量，而房地產市場價格在空間上的分布，滿足地統計學中的兩個重要性質：在房地產市場價格的某一點，區域化變量的取值是隨機的；在研究的整個房地產價格區域內，存在一個總體或平均的結構，相鄰區域化變量的取值具有該結構所表達的相關關系。因區域化變量的特點是結構性和隨機性，因此，結構分析和空間局部是地統計學在房地產價格空間分布規律研究的主要內容。結構分析的目的是通過對房地產價格分布建立最優的半方差函數模型，能定量的描述房價區域化變量的隨機性和結構性，并進行專業化的分析和解釋。而半方差函數模型能描述房價區域變化量空間結構，揭示空間距離的變化使得區域化變量的變異情況。在地統計學中空間局部估計通常采用克立格法，該方法充分考慮房價在空間變化的相關性和隨機性，在結構分析和半方差函數模型基礎上，對房價空間分析中具有相關性的變量取值在有限的區域內進行無偏最優估計，進而從克立格制圖中了解房價空間格局的定量特征。

房價空間上分布的高低反映了房地產市場區域上的區位特征，從本質上說是區域化的變量。由于房地產價格相鄰區域的同步發展趨勢能形成房屋結構方面趨于相似和相鄰區域具有相似的便利性使房價具有空間上的相關性。運用地統計學分析房價空間分布的關鍵問題在于對所分析區域內房價空間結構的分析和半方差函數模型的建立，并在此基礎上對房價進行空間局部估計。在房價空間分布上，在不同的方向建立半方差函數，分析房地產價格在不同方位上的變異情況和房價空間相關距離并確定空間插值范圍。

房地產價格空間分布的研究方法

（一）基本模型分析

在房地產價格空間分布上，若用h表示間距，d表示位置，q（d）表示房地產價格的區域變化量，則利用地統計學中的半方差函數模型構建為：

在理論研究中，對于半變異函數曲線用球狀模型、指數模型或直線模型進行擬合，在本文的研究中，用球狀擬合模型為b（h）=c0+c1h+c2h2+c3h3（其中為c0為塊金值，c1、c2、c3為不同間距的基臺值）。針對模型中的克立格插值，若q（d0）為待估值點，在該待估值點附近有n個已知點di（i=1，2…n），對應房地產價格調查值為q（xi），pi為樣本點di的權重系數，則q（d0）=σpi（xi） （i=1，2…n），其中pi可通過半變異函數進行計算，使變量的估計值在點d0處的期望方差最小，且滿足條件σpi=1。

（二）研究數據來源及修正分析

成都市目前房地產開發主要以住宅為主，類型以普通住宅、電梯公寓、別墅等形式體現。為使所研究的結構盡可能做到準確性、代表性，資料數據選擇成都市三環以內房地產市場相對比較活躍的區域（以普通住宅市場為主）。為了使所選取樣本點在數量上滿足相應的要求，文章選取房地產住宅市場中交易數量較大、交易情況正常的普通商品房作為研究對象。

文章中所采用資料來源成都市春季、秋季的房地產交易會價格，考慮到價格上的誤差，因此依據交易會的價格資料，對其中具有代表性的部分房地產價格進行實際調查，收集2009-2010年11月新開發普通商品房住宅價格信息416條，該價格信息分布在成都市三環路以內。所采取資料的價格指標確定。因房地產價格內受到戶型、樓層、朝向等因素的影響體現出不同的交易價格，本文主要是研究房地產價格的空間分布規律，因此針對每一個樓盤的價格，采用各樓盤的均價數據來進行分析，對開發商來說均價是每一個樓盤控制銷售價格的重要標準，具有代表性，能相對準確的反應各個區域的房地產價格水平。

為避免因時間因素導致房地產交易價格變化進而影響到樣本點數據的合理性，在數據處理上對樣本點數據進行房價修正，采用中房成都指數將全部的房地產價格數據修正到2010年11月。

運用spass軟件計算出樣本數據統計特征值如表1所示?？芍儺愊禂禐?.28，屬于一般的變異強度，運用均值±3倍標準差的方法查找特征值，并用最大正常值代替，得到處理后的偏度系數由0.31降低為0.24，對處理后的樣本數據進行p-p的正態概率圖檢驗，如圖1所示，結果說明本文數據服務正態分布。

成都市普通住宅房價結構分析

（一） 各向異性下的價格變異特征分析

本文構建了一個半方差函數模型，分析坐標中00、300、700、1050四個方位的半方差函數，如圖2所示，可以得出在0-5km范圍內，四個方位的半方差函數基本相似，當范圍在5km以外時，四個方位的半方差函數開始出現較為明顯的差異，主要體現為東南和西南方位的半方差函數處于較高水平，而西北和東北方位開始出現下降狀態。房地產價格在空間上的變異其主要原因是在很大尺度上，房地產的區位因素差異大小、經濟水平不同在不同方位上表現較為顯著。當范圍在5km以外時，在東北方位上區位條件、經濟條件的差異趨向增加，成為空間結構性和相關性的主要因素，使該方位的房地產價格變異性維持在較高的水平上。其主要原因在于：隨著成都地鐵一號線的開通，區位因素因交通條件的改善而增加。因此，在該方位上區域差異明顯，而在其他方位上這種區位差異隨距離加大而變緩。

（二） 各向同性下的房價變異特征分析

在0-5km的范圍以內，成都市住宅市場房地產價格空間結構性特征為各向同性，在該范圍的半方差函數如圖3所示。依據前面論述，半方差函數曲線的形狀能反映變量空間分布的結構性及相關類型，并揭示空間范圍的大小。而半方差函數中的球狀半方差函數表明聚集分布，它的空間結構是在樣點間距達到變程之前，樣點的空間依賴性隨著他們之間距離的增大而降低。

在5km的范圍內，成都市住宅市場價格的半方差函數符合球狀模型，其變程約為 4km。在圖3中可得出隨著間距的增大，半方差函數逐漸增加，這說明住宅市場房價的空間相關性開始逐漸變弱。在到4km時，半方差函數達到最大并開始趨于穩定，房價的空間相關性開始消失。即在某點的住宅房價對周邊房價影響程度的衰減半徑為4km，即相對于某一具體點而言，它的房價對周邊房價的影響程度隨著距離的增大而減小，到4km時達到最弱的程度，而對超過該范圍的房價無影響。