统计学同质的概念精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇统计学同质的概念范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

（一）培养学生的兴趣职业教育的目的是培养高素质、技能型专门人才。所以，在统计教学中，要考虑理论知识的适度、够用，而不刻意追求理论体系的完整。要强调统计基础知识的掌握和统计基本技能的训练，注重提高学生运用基本理论和方法来分析、解决实际问题的能力。在语言表述上，力求简明、通俗、易懂，把概念表述准确、完整，便于学生理解、掌握。同时，将统计知识与计算机知识融为一体，让复杂难懂的统计理论和方法变得简单、快速、准确。将反映国计民生的最新统计数字放在恰当的地方与教材内容紧密结合，让学生感受我国社会经济的高速发展，人民生活的丰富多彩，国家变化的日新月异。这也能提高学生的学习兴趣。

（二）科学设置教学内容统计的目的是认识社会经济现象总体的数量方面，从中发现带有规律性的东西。为了达到这个目的，统计需要做一系列的工作。统计课的教学内容就是按照统计工作过程的每个阶段来安排的：统计设计、统计调查、统计整理、统计描述、统计推断、统计分析和数据积累。其中，统计设计和统计数据积累理论性较强，原则上让学生知道“是什么”、“怎么做”就行了。而对于统计调查、统计整理这两部分，内容虽然多，但容易理解，可以简单讲解，让学生多看，借此培养学生的自我学习能力。统计描述、统计推断、分析这几部分内容，要在学生对统计基本概念准确理解的基础上进行系统讲解。搜集统计数据的过程又称为统计调查，就是围绕统计指标及其体系搜集统计数据，特别是原始数据。主要方法包括直接观察法、报告法、采访法、邮寄法和实验设计调查法。统计整理，即对调查资料进行加工汇总。统计调查所获得的资料往往是分散的、不系统的原始资料，这就要求我们必须对统计调查所获得的资料进行科学的整理，并通过合适的形式把这些整理结果表述出来。具体来说，统计整理是根据统计研究的目的和要求，对统计调查所得到的原始资料进行科学分类、汇总，或对已初步加工的资料进行再加工，使之系统化、条理化，成为能够反映现象总体特征的综合资料的工作过程。统计整理主要讲方法，包括分组、汇总和编制统计表和绘制统计图。统计课的主要内容包括：统计描述（综合指标）、抽样推断、统计指数、时间数列（动态分析）和相关与回归分析。这也是重点和难点。

（三）注重学科知识的系统性统计各章节内容的安排是有逻辑性的，前面内容往往是后面内容的基础。学习过程环环相扣，不能跳越某一章节而直接进入后面的章节。总论部分是对统计课程教学内容的概括描述，通过学习，使学生了解统计学的基本框架体系，把握统计学的涵义、研究对象、研究方法及统计活动的过程，尤其要准确理解统计学的基本范畴（基本概念）。统计学基本范畴包括：总体、总体单位、标志、统计指标以及延伸出的小概念。如果把统计课的学习比喻为盖高楼大厦，那么这些基本范畴就是地基或基石。深刻理解领会这些基本概念的含义，准确把握基本概念之间的区别与联系，并能正确运用，就为这座高楼大厦夯实了地基、稳固了基石。教师讲解这些概念时，可结合生活中学生熟悉的例子深入浅出地讲解，课下布置练习进行巩固。

二、统计课重点、难点内容解析

（一）统计学的基本概念最基本的概念包括：总体、总体单位、标志、统计指标。如上所述，这是学好统计课的基础。例如，“总体”这个概念。毫不夸张地说，统计所有章节的内容都是围绕“总体”展开的。统计学的研究对象是大量的客观现象，特别是社会经济现象的数量方面，包括数量特征、数量关系和数量界限，目的是认识社会经济现象发展变化的规律性。而社会经济现象包罗万象，种类繁杂，包括社会的政治、经济、文化、人民生活等领域的各种现象。统计研究时需要分门别类，把他们界定为一个个客观存在的、具有某种共同性质的许多个别现象或事物组成的集合体，即统计总体。个别现象或事物就是总体单位。总体具有大量性、同质性、差异性三大特征。大量性即总体是由许多单位组成的，一个或少数单位不能形成总体，因为统计研究的目的是要揭示大量事物的普遍规律性，所以，统计研究的对象必须包括足够多的个体。同质性即构成总体的各单位必须具有某种共同性质，这是形成总体的客观依据，也是我们确定总体范围的标准。差异性即总体的各单位除了某些方面的共同性外，在其他方面必须有差异，这些差异是统计研究的基础和前提。如果学生不理解“总体”这个概念，就不能在特定的统计研究目的下，准确地界定总体的范围，描述总体的总量指标、相对指标、平均指标就无从理解和计算，更谈不上利用这些指标进行统计推断和统计分析。

（二）平均指标这是统计课中最重要的基础性指标。平均指标用以反映社会经济现象总体各单位某一数量标志在一定时间、地点条件下所达到的一般水平的综合指标。它反映总体分布的集中趋势。其中，算术平均数是基础的、最重要一种。明确它的计算原理和含义，就能顺理成章地掌握变异指标、抽样推断、时间数列分析、指数分析中各类指标的计算和应用。平均数的计算学生并不陌生，在小学或者初中都学过。这是学习统计平均指标的基础。但要让学生明白，他们以前学的平均数是一个抽象的量，而这里的平均数是有特定经济内容的，是具体的有空间范围、时间限制的量。学习平均指标首先要搞清分类。平均数分为两大类：静态平均数和动态平均数，这跟时间有无变化有关。计算静态平均数的每个数值都是同一时间点上的，它表示每个总体单位在某一数量标志上的平均水平。计算动态平均数的每个数值是某一个统计指标在不同时间上的取值，是表示该指标在每个时间单位上的平均水平。最常用的平均数是算术平均数，其基本公式为：算术平均数=总体标志总量总体单位总量这个指标的含义、计算原理、四个计算公式以及应用都要讲透，特别是加权算术平均数的计算和应用，对学生的要求不能停留在“会就给定的资料计算出算术平均数”这个层面，而要让学生透彻理解掌握其计算原理，并把它运用到复杂的领域。因为标准差、抽样平均误差、平均发展水平、综合指数、平均数指数、相关系数、回归分析等有关指标的计算都是以算术平均数的计算原理为基础的。

篇(2)

【关键词】统计学；统计思想；认识

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。随着社会的不断发展，统计学的应用越来越广泛，并不断发展。

一、 统计学中的几种统计思想

（一）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。

（二）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：

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.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。

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。

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。

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”。

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。

（三）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。

二、对统计思想的一些思考

（一）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。

（二）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。

（三）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） .

[3] 范文正.几种基本统计思想的现实意义[J].统计与决策，2007.（08） .

[4] 邢莉.《九章算术》中的统计学思想探究[J].统计研究，2008.（03）.

[2] 王大治.统计工作的科学性[J].科技情报开发与经济，2008.（04） .

篇(3)

一、统计学中的几种常见统计思想

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。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。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:(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。

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.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。

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。

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。

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”。

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。

二、对统计思想的若干思考

1.要改变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。

篇(4)

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(5)

[关键词]高管团队；共享心智模型；认知；人力资本

[中图分类号]F240　[文献标识码]A　[文章编号]1006－5024(2009)08-0005-04

[基金项目]教育部人文社会科学研究课题“基于人力资本的高层管理团队绩效及评价体系研究”(批准号：06JA6300.42)；上海市(第三期)重点学科“管理科学与工程”资助项目(批准号：S30504)

[作者简介]葛玉辉，上海理工大学管理学院教授，博士生导师，博士，研究方向为人力资源管理、劳动经济学。(上海200093)

一、引言

伴随着全球金融危机的加剧，企业面临所谓“弱情境”的挑战越来越大，这对企业应对各方挑战的能力提出了更高的要求。单靠高管个人力量来掌控企业命运的时代逐渐式微，组织开始日益重视高管团队的作用。高管团队的战略决策决定着组织绩效，而高管团队的认知过程驱动着其战略决策的高质量行为。因此，探索高管团队认知过程与组织绩效的作用机制，是高管团队研究向纵深发展的核心主题。

回顾高管团队的研究脉络，前期研究走的是“曲线研究”的路子：一是通过人口统计学特征来近似表达高管团队的认知和社会心理过程；二是直接从团队过程(如沟通、协调)出发研究其对决策行为的影响。经过20多年的研究探索，学界始终没有破解高管团队认知与组织绩效之间的“黑盒子”，这就为研究留出探索的空间。随着社会心理学和其他相关理论和方法研究的深入，加上前期研究的漫长探索经验，突破高管团队社会认知的难点也成为了国内外学者的强烈呼声。

二、对已有文献的评述

1.高管团队相关研究。高管团队的相关研究大体可以分为两个阶段：

第一阶段研究(如图1所示)的中心主要是通过高管的人口统计学特征来研究高管的认知和价值观等心理特征，这阶段研究的前提假设是高管的人口统计学特征可以作为高管认知框架的有效替代，尽管这种替代并不完整和准确。人口统计学的研究者认为，收集人口统计学数据而不是认知数据是因为“心理过程比较难考察和衡量”。相对认知变量来说，人口统计学变量被认为是更加客观、解释组织现象更加经济和更容易进行测试的变量。所以，研究者一般都转向研究高管职能背景、行业和企业任期、教育资质等人口特征变量与战略决策制定和组织绩效的关系上来。

在第一阶段的中后期，研究者们将研究重点转移到人口统计学特征的差异性上，普遍的一个假设就是人口统计学变量的差异代表了潜在或隐性认知过程的变化，差异性可能会对团队和组织的绩效有重要的影响。于是，很多学者对相关的影响机制进行了深入的研究。

而国内学者对高管团队的研究起步比较晚，大致从2003年开始才陆续见到有相关的理论综述和研究。其中，一些学者开始结合中国的情况来对高层管理团队的人口统计学特征及其差异性对战略效果、团队效能、企业创新、企业绩效等进行研究，丰富和完善了高层梯队理论第一阶段的研究模型。

但是，研究结果却是不够理想的：人口特征与战略决策制定和组织绩效的关系并不稳定，而且经常是相互矛盾的。这些相互矛盾的结果表明，先前人口统计学研究者对人口统计学特征差异与认知差异之间关系的假设过于简单，与实际并不相符。同质的人口统计学特征并不必然产生同质的态度、信仰或价值观。人口统计学特征指标使得我们难以认清驱动高管行为的真实心理和社会过程。

第二个阶段研究者着重研究影响高管团队人口统计学特征对组织产出作用机制的高管团队过程(如团队沟通、信任行为、领导行为和团队气氛等)及其情景调节变量。在此阶段研究的基础上，Carpenter等(2004)对之进行了总结，并对Hambrick和Manson(1984)的模型进行了第二次改进，如图2所示。

改进后的高层梯队模型除了区分并详细列出两类环境变量、列出一系列TMT特征外，最重要的一个特征是强调了情景调节变量在模型中扮演的角色。

高层梯队理论的创始人Hambrick在2007年的理论回顾中总结了其中核心的四类情景变量：管理自由度、工作要求、权力配置状况和行为整合状况的研究情况。

Finkelstein(1992)是第一个进行高管团队权力配置研究的人，他指出，高管团队的一些成员有更多的话语权。所以当对TMT行为进行预测时，他们的偏好要给予更多的重视。

Hambrick(1994)引入行为整合这个概念。行为整合是指TMT参与共同和集体互动的程度。一个行为整合良好的TMT会共享信息、资源和决策。研究表明，高管行为整合与组织绩效有直接的正向关系。

大致从2004年开始，国内学者们也开始研究高管团队的行为过程和情景变量的调节作用。李文明和赵曙明(2004)提出从特征――过程――环境三个方面来对企业高管的行为过程进行整合。叶佳佳等(2006)对外部环境因素在高管团队构成与战略决策结果之间调节关系进行定性分析。张良久和周晓东(2006)对高管团队的冲突进行了研究，提出了一个冲突动态分析模型，对团体动力学的研究有一定的帮助。王重鸣和刘学方(2007)研究内聚力对继承绩效的影响；孙海法(2007)探讨了高管团队价值观和团队氛围对冲突的缓冲作用。刘军等(2007)研究了企业环境变量对TMT冲突的调节效应。井润田和孟太生(2007)研究了文件冲突与团队过程的关系，探索文化对高管团队的影响机理。

2.共享心智模型的相关研究。共享心智模型的研究路径主要有三条：一是共享心智模型的前因变量的研究。具有代表性的是Kraiger和Wenzel的研究，提出了共享心智模型的四个前因变量：环境、组织、团队和个体。国内学者对共享心智模型的前因变量进行了更为深入的分析，从群体合成特征的视角来研究，挖掘了共享心智模型的团队互动特征。但总的来说，研究还有待进一步深入。二是共享心智模型的概念内涵特征的研究，试图明确共享心智模型的结构模型，如Cannon－Bowers等(1993)和Mathieu等(2000)提出任务――团队(人际)的两维度模型，Kriger和Wenzel(1997)提出知识――行为――态度三维度模型。Cannon-Bowers等(2001从团队知识的相似和分布特征上来进行分类，认为共享心智模型应分为四个维度：共享或重叠、相似或认同、相

容或互补以及分布，这个结构模型后来被众多研究者所采用。金杨华等(2006)从认同式和分布式心智模型来研究虚拟团队共享心智模型与团队效能的关系。徐寒易和马剑虹(2008)提出了一个被忽略的维度：共享心智模型的准确性。尽管众说纷纭，但从研究的发展与研究的效果来看，采用认同性――分布性――准确性共享心智的三维度模型将是一个可行的方案。三是集中在共享心理模型与团队行为和团队效能关系的研究，如Smith-Jentsch和Mathieu(2005)从线性假设和交互效应假设来探讨共享心智模型对组织效能指标的影响，这些研究大多认为团队成员的知识结构特征会影响团队成员间的沟通与交互，进而影响成员对团队目标和价值的认同，最终影响团队效能与团队绩效。总体来说，共享心智模型的研究脉络如图3所示：

共享心智模型作为团队认知的心理表征，是团队行为及过程背后的潜结构，它通过对团队行为和团队效能的作用，提升整个团队和组织的绩效。这也是共享心智模型相关研究的核心主线。

3.高管团队结果变量的相关研究。在以往高管团队的研究中，大部分研究选择组织绩效作为落脚点，默认了战略决策制定行为与组织绩效之间的一致性或者说是忽略了高层梯队理论所强调的“特质一战略决策一组织绩效”的过程影响机理。但实际的作用过程并非如此简单。良好的组织绩效取决于战略决策的质量，没有高质量的战略决策行为，组织绩效是难以保证的。为此，白云涛等(2007)在研究中利用团队对战略决策过程和结果的满意度、决策时间和团队成员决策一致性等因变量作为衡量效标，来考察高管团队战略决策质量。事实上，前两者是团队效能性指标，后者是战略制定状况(主要是战略的一致性)的指标。也就是说，高管团队的战略决策行为首先作用于团队效能指标和战略一致性指标，再由这两个指标影响组织绩效。这个观点得到了实证研究的证实。周志成和朱月龙(2005)将团队效能分为任务绩效和周边绩效，即等同于组织绩效。李锐和凌文辁(2006)指出团队效能感越高，绩效一般也越好。王大纲和席酉民(2007)在整合过去战略一致性研究的基础上，通过实证检验得出公司战略的高度一致性与好的组织绩效显著相关。

综合前述的研究成果，我们可以看出这些研究的脉络，如图4所示：

图中虚线将图分为两部分，在图的上面部分，是共享心智模型的相关研究，下面部分是高管团队的相关研究。高管团队开始的研究思路是认知取向的，并且寄希望于通过高管团队的组织特征和结构特征来代替并衡量团队认知。从研究结果来看，至少有两点可以说明这个方向的研究是需要改进的。首先，研究只关注个体的人口统计学特征以及个体间的特征差异，忽视了高管团队作为一个团队的社会特性。其次，研究结果不稳定，高管团队的人口统计学特征与组织绩效关系不能一概而论。

三、基于人力资本的高管团队共享心智与组织绩效作用机制的研究拓展

1.整体研究拓展思路。正如前面所述，共享心智模型是团队成员相关知识和技能的集合。如果从动态的角度来看，它是可以通过沟通、培训和反馈等活动来建立和发展的。事实上，这是一个人力资本概念的范畴――人力资本是指劳动者受到教育、培训、实践经验、迁移、保健等方面的投资而获得的知识和技能的积累。高管团队作为一个人力资本密集和权力密集的团队，其人力资本产权状况(产权界定状况、人力资本的控制权、处置权和收益权状况)，是共享心智模型的一个极为重要的前因变量，而这恰恰被大部分研究者所忽视。

近年来，一些学者开始了人力资本与高管团队相结合的研究。杜克大学的Rebecca Zarutskie教授在2008年也指出了高管团队人力资本研究的重要性，他利用首基金(firsttime fund)的数据来研究风险投资市场中高管团队人力资本预测基金的绩效。Kevin Schiek(2008)探讨了风险投资企业中高管团队人力资本对其投资组合和投资绩效的影响。这些研究都显现基于人力资本研究高管团队的重要性，但这些研究大多没意识到人力资本积累过程所承载的动态变化过程，更未破解高管团队认知方面的难点。

笔者(2007)明确提出从人力资本的视角来研究高管团队的必要性，而且还指出从人力资本的价值因子及其动态变化角度来研究高管团队与企业绩效之间的关系，并利用实证的方法得出一个高管团队人力资本价值因子的研究模型，为高管团队人力资本的研究进行了有益的探索和指出了初步的研究方向。

本文提出从人力资本的视角来研究高管团队共享心智模型对组织绩效的作用机制必将是一个全新视角，研究拓展思路如图5所示。

首先梳理两个人力资本因素的前因变量对基于人力资本视角的高管团队心智模型的影响机理，然后通过测量高管团队的共享心智模型水平来表征高管团队的认知水平。同时明晰高管团队心智模型(高管团队认知)和高管团队过程与团队决策行为的相互作用机制，最后明确高管团队心智模型与组织绩效的作用机制，考察高管团队决策行为、战略一致性和团队效能的中介作用。

2.理论拓展分析。研究的拓展可以从高管团队共享心智模型的静态和动态两类的人力资本前因变量进行探讨。

从静态的角度来说，人力资本产权状况(产权界定状况、人力资本的控制权、处置权和收益权状况)会潜在地影响高管团队共享心智模型的水平，而这一点目前学界较少见到有相关的研究。通过运用人力资本的相关理论，理清人力资本产权状况(产权界定状况、人力资本的控制权、处置权和收益权状况)对高管团队共享心智模型水平的影响机制。

从动态的角度来说，人力资本的投资活动在高管团队中主要体现为团队成员相互学习启发和团队的培训活动，这会通过团队的互动，使个体知识转化为群体知识。因此，人力资本的动态积累是影响高管团队共享心智模型的重要前因变量。通过运用人力资本投资等方面的理论，来挖掘高管团队人力资本投资的形式，特别是内隐形式对高管团队共享心智模型的影响机制。

利用商业模拟实验所得到的数据进行验证性因子分析，确定高管团队成员心智模型的人力资本因子模型，也即确定高管团队成员心智模型内的知识分类和要素，如决策相关的知识、团队相关的知识、资源相关的知识等从人力资本视角来研究高管团队共享心智模型三维度模型：认同心智模型、分布性心智模型、准确性心智模型。利用复杂网络的方法探讨认同性、分布性、准确性共享心智模型与高管团队过程和团队决策行为的相互关系及关系之间存在的中介变量，采用时间序列分析法对以上三维度的共享心智模型进行动态的人力资本的积累规律探讨，找出高层管理团队过程与决策行为过程时间序列变化，从而开发出衡量高管团队共享心智模型的自陈量表。探讨高管团队决策行为、战略一致性和团队效能等中介变量对组织绩效的影响。通过研究使得高管团队共享心智模型与组织绩效间的错综复杂关系的神秘面纱被

揭开。

参考文献：

[1] Wiersema M. F. , K. A. Bantel. Top management teamdemography and corporate strategic change [J]. Academy of Man-agement Journal, 1992,35 (1): 91－121.

[2] 张平.多元化经营环境下高层管理团队异质性与企业绩效[J].科学学与科学技术管理，2006，(2).

[3] Carpenter, M. A. , Geletkanycz, M. A. , & Sanders,W. G. Upper echelons research revisited:　Antecedents, ele-ments, and consequences of top management team composition[J]. Journal of Management, 2004, 30:749-778.

[4] Finkelstein S. Power in top management teams: Di-mensions, measurement, and validation[J]. Academy of Management Journal, 1992,3(35): 505-538.

[5] Hambrick, D. C. Top management groups: A conceptualintegration and reconsideration of the"team"label[J]. Research inorganizational behavior, 1994:171－214.

[6] 王重鸣，刘学方.高管团队内聚力对家族企业继承绩效影响实证研究[J].管理世界，2007，(10).

[7]孙海法.高管团队价值观、团队氛围对冲突的影响[J].商业经济与管理，2007，(12).

[8] 刘军，李永娟，富萍萍.高层管理团队价值观共享、冲突与绩效：一项实证检验[J].管理学报，2007，(5).

[9] Kraiger K. , L. H. Wenzel. Conceptual development andempirical evaluation of measures of shared mental models as in-dicators of team effectiveness. Team Performance Assessment andMeasurement: Theory, Methods, and Applications[M] . Lawrence Erlbaum Associates, 1997:1－356.

[10] Mathieu J. E. , T. S. Heffner, G. F. Goodwin, E. Salas,JA Cannon－Bowers. The influence of shared mental models onteam process and performance[J]. Journal of Applied Psychology,2000.85(2): 273 -283.

[11] Cannon－Bowers J. A. , E. Salas. Reflections on sharedcognition [J] . Journal of Organizational Behavior, 2001, 22 (2) :195－202.

[12] Smith－Jentsch K. A. , J. E. Mathieu, K. Kraiger. Investigating linear and interactive effects of shared mental models onsafety and efficiency in a field setting[J]. Journal of applied psy-chology, 2005,90(3): 523-535.

[13] 白云涛，郭菊娥，席酉民.高层管理团队风险偏好异质性对战略投资决策影响效应的实验研究[J].南开管理评论，2007，(2).

[14] 王大刚，席酉民.战略一致性在中国公司绩效下的实证检验[J].系统工程理论与实践，2007，(7).

[15] Zarutskie, Rebecca. 2008. The Role of Top Manage-ment Team Human Capital in Venture Capital Markets: Evidencefrom First－Time Funds[C] . AFA 2007 Chicago Meetings Pa-per: 1－35.

篇(6)

【关键词】 双性化；人格特征；心身症状；大学适应；横断面调查

中图分类号：B844.5、B848.4 文献标识码:A 文章编号:1000-6729(2008)011-0811-05

双性化（androgyny）一词源于希腊语andros（男性）和gyne（女性），它是指在同一个体身上同时具有男性和女性的心理特征，因此又称心理双性化［1］。关于双性化的研究历史较悠久，弗洛伊德（S.Freud）首先提出了“潜意识双性化”的概念。瑞士心理学家荣格（Carl. Gustar. Gung）提出了著名的“阿尼玛（anima）和阿尼姆斯（animus）” 理论，用“男性的女性意识”和“女性的男性意识”两个术语，说明人类先天具有的两性化的生理和心理特点，为了使个体人格得到健康和谐的成长，应允许男性人格中的女性因素和女性人格中的男性因素在个人的意识和行为中得到一定的展现，否则这些被压抑到意识深处的异性因素的逐渐积累，最终会危及生命主题的存在［2］。

1964年，Rossi提出了“双性化”概念，即“个体同时具有传统的男性化特质和女性化特质”，并认为双性化是最合适的性别角色模式［3］。1974年桑德拉•贝姆（Bem S）根据双性化概念，编制了测量性别角色的量表（Bem's Sex Role Inventory），包括男性分量表、女性分量表和中性干扰量表。用中位数分类法将被试分为4个性别类型：双性化、男性化、女性化和未分化类型［4］。贝姆的双性化模型认为，双性化的人适应能力最强，因为与其他类型的人相比，他们能适应更多的情境。行为储备中缺乏男性化或女性化行为的人会发现，很多时候他们很难作出恰当的反应。只有双性化的人才能为事业而奋斗的同时，与朋友、情侣和睦相处，共享闲暇时光。国外的几项研究支持了双性化理论模型［5］。但还有一些研究并没有得出这样的结果。具体而言，双性化的人可以很好地适应各种情镜， 但并不意味着，他们的身心更健康，自尊心更强［5］。

国内学者采用贝姆的性别角色量表（BSRI），对双性化大学生进行了研究。如，张莉等采用BSRI和CPAI-2对976名大学生进行测查结果发现，双性化大学生具有领导性和人际取向的人格特征［6］；另一些研究表明，双性化大学生的人格特征、安全感、自信心、情绪方面均高于其他性别角色的大学生，心身症状水平较低，是一种理想的性别角色模型［7-11］。

钱铭怡等人编制了中国大学生性别角色量表（China College Student Sex Role Inventory,CSRI）［12］，该量表克服了贝姆性别角色量表只有正性量表的局限，加入了两个负性量表，因此能够鉴别出在自评过程中社会赞许性对自评量表的影响。杨玲、王雄雄采用CSRI与SCL-90，对220名在校大学生进行测查结果表明，双性化者心身状况最佳，其次为男性化、女性化以及未分化［13］。国内现有的双性化研究中采用CSRI的较少，而且还没有关于双性化大学生学校适应状况的研究。大学阶段是个体在身心、知识各方面承上启下的转折期，也是个体完全走向社会、独立承担社会重任的准备期，因而它是人生的第二个关键期［14］。大学适应从本质上讲属于个体社会化的范畴，大学生们除了完成一般青年人的社会化任务外，还要完成一系列大学生这一特殊角色的社会化任务，从而使大学生社会化过程具有其独特性［15］。

本研究采用中国大学生性别角色量表、“大五”人格量表、症状自评量表和中国大学生适应量表，探析双性化女大学生内在的人格特征，个体的躯体、情绪、人际等心身症状，以及个体与环境的互动过程中大学适应状况。以全面反映双性化女大学生的身体、心理及社会适应状况。在深入探索双性化性别角色模型与大学适应状况方面具有理论意义，在培养女大学生的健全人格及提高大学适应能力方面具有实践意义。

1 对象与方法

1.1对象

在北京市某校采取整群抽样的方法，对大一1107名女大学生进行问卷调查，回收有效问卷1081份，分布于11个专业，年龄17-22岁，平均年龄为18岁。

1.2工具

1.2.1中国大学生性别角色量表（China College Student Sex Role Inventory,CSRI）［12］ 包括男性正性量表、女性正性量表、男性负性量表、女性负性量和中性干扰量表共5个分量表，每个分量表各20项，共100项。用中位数分类法将被试分为4个性别类型：双性化、男性化、女性化和未分化类型。量表具有较好的信度和效度，4个分量表的同质性信度、分半信度均在0.85以上，采用探索性因素分析发现4个分量表得到一个主因子，可解释方差的30%以上［12］。本研究中各分量表的同质性信度从0.84到0.86。

1.2.2症状自评量表（Symptom Checklist90,SCL-90）［16］ 该量表包括躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性和其他9个因子及1个分数项，共90个题目。本研究中各因子的同质性信度从0.79到0.90。

1.2.3大五人格问卷（NEO Personality Inventory,NEO-PI） ［17］

共60个题目，分为5个因子：神经质(指情感的调节和情绪的不稳定性)、外向性（人际互动的数量及密度、对刺激的需要以及获得愉悦的能力）、开放性（对经验本身的积极寻求和欣赏以及对不熟悉情境的容忍和探索）、宜人性（对他人持有的态度，包括体贴人的、有同情心的、信任他人的、宽大的、心软的等）、责任感（个体在目标导向行为方面的组织、坚持和动机）。量表为5点记分，分数越高，代表个体具有各因素成分越多，量表的信度指标绝大多数达到了心理测量学的要求［17］。本研究中各分量表的同质性信度从0.80到0.92。

1.2.4中国大学生适应量表（China College Student Adjustment Scale,CCSAS）［18］ 共有60个项目，分为7个因子:人际关系、学习、校园生活、择业、情绪、自我适应和满意度。让被试回答他们是否同意项目的内容与他们的实际情况相符，回答方式为5点量表：1（不同意）至5（同意）。量表具有较好的信度和效度，再测信度量表和分量表均在0.90以上，探索性因素分析发现所有项目的因子载荷均在0.45以上，各维度的累计解释率均超过42%［18］。本研究中各维度的同质性信度从0.77到0.89。

使用统一的指导语以班级为单位进行集体施测，问卷当场收回。

1.3统计方法

采用描述性统计分析、多元方差分析、LSD均值多重比较等。

2结果

2.1女大学生性别类型的分布

在被调查的1081名女大学生中，男性化性别类型者有257人，占23.8%；女性化有260人，占24.1%；双性化有271人，占25.1%；未分化有293人，占27.1% 。

2.2不同性别角色女大学生“大五”人格量表、症状自评量表、中国大学生适应量表评分比较

表1显示：人格特征方面，双性化女生神经质水平最低，而外向性、宜人性、开放性、责任心得分最高，而未分化女生神经质水平最高，外向性、开放性、宜人性、责任心得分最低；心身症状方面，双性化女生总分和各因子分最低，而未分化者均处高位。但各类型之间的分数差异均在1个标准误之内；适应方面，双性化女生各维度得分和总分均最高，未分化者均最低。在各维度上，双性化性别类型的女大学生得分均高于未分化性别类型女大学生1.5个标准误。

3讨论

3.1女大学生性别类型的分布

本研究发现，男性化、女性化、双性化、未分化性别类型的比例分别为23.8%、24.1%、25.1%、27.1%，四种性别类型女大学生的比例比较接近，大约各占1/4。钱铭怡等研究表明，女大学生中男性化、女性化、双性化、未分化性别类型的比例分别为22.5%、28.0%、25.0%、24.5%［12］，与本研究双性化女大学生的比例基本一致。也与Bem S运用贝姆性别角色量表对美国大学生的测试结果双性化女性占27% 相接近［1］。

杨锦以1141名女大学生作为研究对象，采用BSRI，结果发现双性化性别类型约占14%［8］。马莹用BSRI量表对陕西的444名女大学生性别角色类型研究表明，双性化者占6.8%［19］。这两项研究双性化性别角色类型的比例偏低，是由于选用量表的差异、文化差异还是人群地域差异形成的比例差异，需要进一步研究进行探讨。

3.2双性化性别角色类型女大学生的人格特征

本研究采用中国大学生性别角色量表和“大五’人格量表发现，在神经质人格特征分数上，双性化性别类型的女大学生最低达到2.1±0.6，未分化性别类型女大学生的分数最低是2.8±0.6；在外向性、责任感、宜人性和开放性人格特征分数上，双性化性别类型的女大学生高于未分化、男性化和女性化性别类型的女大学生，但五种人格特征分数在4种性别类型的差异均在2个标准误之内，只能说明分数差异并非偶然误差引起的，但无法推论到实际意义的现实生活中。这一结果与已有研究［6-9］结果一致。但双性化性别角色类型女大学生的人格特征的实际意义需要长期的追踪研究和多种研究方法相结合，如行为观察、他人评定、深入访谈等综合评定，才能验证双性化性别角色女大学生是否具有较完善的人格特征。

3.3双性化性别角色类型女大学生的心身症状及大学适应状况

本研究发现，双性化角色类型的女大学生心身症状分数在统计学意义上显著低于其他3种性别角色类型的女大学生。与已有研究［10-11］结果相一致。

在本研究中，双性化女大学生适应量表各维度得分均高于其他3种性别角色类型的女大学生。在总分上，双性化女大学生最高，达到231.3 ±27.7，未性化女大学生分数最低，为185.1± 32.5，双性化性别类型的女大学生显著高于未分化性别类型的女大学生1.5个标准误。但由于差异均在2个标准误之内，无法进行实际意义的推论。双性化女大学生实际的适应能力需要进一步深入的研究。

对女大学生人格特征、心身症状和大学适应的研究都表明，双向化女大学生的人格特征、适应状况最好，心身症状最少，这些结果可以在统计学意义上支持Bem双性化模型理论，双性化的人适应能力最强、人格特征最好、身心最健康［5］。从Bem双性化类型的划分来看，双性化者是男性特质分数和女性特质分数都高于中位值的人，而且本研究采用CSRI时，在性别类型划分上，仍然采用Bem的性别类型分类标准，因此双性化者是男性正性量表和女性正性量表分数同时高于中位值的人，并没有考虑到负性特质，因此，呈现的结果是双性化的女大学生最好。如果将负性量表分数纳入到性别类型分类中，结果需要进一步的研究进行探讨。

综上所述，双性化性别角色类型的女大学生具有较好的人格特征、较少的心身症状和较好的大学适应，未分化者相对最差，但目前证据只是量表得分的趋势特点，需要进一步深入的实证研究。

参考文献

［1］王佳宁.大学生双性化人格特质的现状分析及对策［J］.黑龙江高教研究，2006，152(12):128-129.

［2］宋丽丽，邹萍.大学生性别角色双性化研究综述［J］.东北财经大学学报，2006，45(3):87-88.

［3］Asnmore RD. Sex,gender,and the individual.∥Pervin LA. eds. Handbook of Personality: Theory and research. New York/London: the Guiford Press,1990：487-521.

［4］Bem SL. The measurement of psychological andryogny［J］.J Consult Clin Psychol,1974,42(2):155-162.

［5］Burger JM.著.陈会昌.译.人格心理学［M］.北京:中国轻工业出版社，2000:295-297.

［6］张莉，冯江平.大学生双性化人格特征研究［J］.中国临床心理学杂志，2005，13(4):434-436.

［7］王学.当代大学生人格建构的理想模式-双性化人格［J］.当代大学教育，2004，（4）:86-88.

［8］杨锦.女大学生双性化人格模式与心身症状关系的研究［J］.长沙民政职业技术学院学报，2006，13（2）:24-27.

［9］李少梅.大学生双性化性别特质与人格特征的相关研究［J］.陕西师范大学学报（哲学社会科学版），1998，（4）:148-152.

［10］马锦华.大学生双性化人格模式与心身症状关系探析［J］.安徽教育学院学报，2001，19（4）:87-89.

［11］王红瑞.双性化人格特质与情绪状态的相关研究［J］.新疆石油教育学院学报，2005，49（1）:124-128.

［12］钱铭怡，张光健，罗珊红，等.大学生性别角色量表（CSRI）的编制［J］.心理学报，2000，32（1）:99-104.

［13］杨玲，王雄雄.大学生性别角色与心身症状水平的研究［J］.高等理科教育，2005,63（5）.

［14］Dahmus S,Bernardin H. Student Adatation to College Questionnaire［J］. Measure Evaluat Counsel Dev,1992，125(3): 139-143.

［15］李辉，朱丽芬，李梅.大学生学校适应性研究综述［J］.云南师范大学学报（哲学社会科学版），2006，38（2）:125-127.

［16］陈昌惠.症状自评量表（Symptom Checklist90,SCL-90［J］）.中国心理卫生杂志，2000,（增刊）：31-35.

［17］张建新，周明杰.中国人人格结构探索-人格特质六因素假说［J］.心理科学进展，2006，14（4）:574-585.

［18］方晓义，沃建中，蔺秀云.《中国大学生适应量表》的编制［J］.心理与行为研究，2005，3（2）:95-101.

篇(7)

【关键词】国民经济核算体系 货币与金融统计 金融公司分类

一、2008 SNA 金融公司的分类

（一）基本思想和原则

08 SNA区分金融中介机构、金融辅助机构和其他金融公司。在分类框架中首次纳入其他金融公司，将其定义为“是提供金融服务、但其大多数资产或负债并不在公开市场上交易的机构单位”。首先金融创新带来的金融活动复杂化致使分类边界更加模糊，其次在此之前也没有其他核算体系给出关于部分非盈利机构归属至金融部门的具体操作，上述两项原因客观上要求提出新的概念以填补金融公司分类的这一缺口。

（二）具体划分建议

08 SNA是把金融公司划为金融中介机构、金融辅助机构和其他金融公司。根据金融机构活动类型和负债的流动性，将金融机构部门从五个部门改变为九个子部门。在原有基础之上增添了货币市场基金、非货币市场投资基金、限制性金融机构货币贷款人三个子部门，并且对九个子部门进一步的细分提出了细致全面的指导性意见。

二、MFS金融公司的分类

（1）分类的基础依托：按不同金融机构在货币创造过程中的不同作用划分。这是货币与金融统计的独到之处，具体可划为两大类：存款性金融机构和其他金融中介及金融辅助机构。其中，前者可以通过自身的资产负债规模直接影响全社会的货币供应量，后两者虽然可以吸收某些存款，但其创造货币的能力很低，明显区别于存款性公司。

（2）操作性强，对特殊情形的讨论更加深入。MFS在某些主体识别的问题上，如保险公司和金融担保公司的区分给出了较为详细的准则：①担保公司没有构成保险技术准备金的明确的资产总库；②担保公司不再表外记录头寸；③担保公司受到的监管可能与保险公司不同；④担保公司可能只限于特定种类的金融交易。

三、SNA与MFS金融公司分类的比较

（1）两个核算体系在对金融公司部门划分时的第一个层次的区别比较明显。08 SNA较之前版本改变较大，按照活动同质的标准将金融公司划分为金融中介机构、金融辅助机构和其他金融公司；MFS立足于货币创造的过程，着重强调存款性公司在整个金融体系中的重要性。两者间的差异反映了其核算目的的不同：SNA以社会再生产理论为基础，全面核算再生产的条件、过程与结果。MFS以金融理论为依据，侧重于金融性公司部门内部的存量流量核算。

（2）两个核算体系互相学习与借鉴，对于金融部门的分类有逐渐融合的趋势。08 SNA对金融监管机构的分类借鉴了MFS 2000的做法，将其归入金融辅助机构。下面讨论信托机构的分类问题。MFS中，第一，信托不被视作单独的机构单位，而是被并入控制信托或从信托中受益的单位。判断标准有二：①控制，有建立或依法管理信托的单位形式，或②收益状况，从信托收入或信托服务中收益的单位。第二，当建立信托的单位所属的部门不同于受益者所属的部门时，MFS做了细致的讨论。第三，两个重要例外，第一个是用来从事某种金融中介业务的信托（证券化、有抵押的证券发行和投资总库），如果没有其他的单位对有关的组合实行控制，且如果忽略这些金融信托将会导致金融账户出现严重差异，那么这类信托就视作单独的单位。第二个例外是在国外组建的信托，这类信托可被视作外国的准公司，但只有在特殊的情况下才应该对这类信托做这种处理。而08 SNA建议将信托机构视为准公司。但如果一个信托机构事实上充当了公司的SPE时，只要该信托机构与其母公司是同一经济体的常住单位，就不能将其视为单独的机构单位，而应与其母公司合并。此外对于被住户和非营利机构所有的信托机构，SNA并没有进一步澄清其特征，以及其资产何时应视为属于独立的单位、何时应与其所有者的资产进行合并。

（3）08 SNA对其九个子部门进一步的细分提出了更全面的框架，这体现出当今货币金融体系迅速变革之下的时代要求。MFS作为货币与金融统计的具体指导，是SNA的补充和细化。然而，基于93 SNA 编写的MFS 2000相比于新版SNA出现了一定的滞后性，08 SNA中的诸多创新内容将给MFS的修订提供前瞻性和建设性的框架。例如对一级分类项目“其他金融公司”的引进，金融公司进一步分解从而将非营利机构单位显示为单独的子部门，以便于得到非营利机构的卫星账户。此外，金融公司分类作为编制和呈报货币与金融统计的一个重要方面，需与有关货币定义的有机联系起来。金融市场结构的演进与变迁左右着货币与金融统计乃至国民经济核算的走向。新版SNA中增加货币市场和非货币市场投资基金就是很好的例证。08 SNA在对金融部门进行重新分类时正是出于对金融机构活动类型及其负债的流动性方面的考虑，才将此项独立出来，这进一步体现了在金融创新的大背景之下，自金融危机以来对统计体制改革和金融稳定监测的迫切需要。

参考文献

[1]雷敏，聂富强等.论货币与金融统计体系中的金融公司分类[J].统计与决策，2003(10).