统计学变量类型精品(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变量类型范文，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)

相关热搜：统计学  统计学原理

一、数据统计分析的内涵

数据分析是指运用一定的分析方法对数据进行处理，从而获得解决管理决策或营销研究问题所需信息的过程。所谓的数据统计分析就是运用统计学的方法对数据进行处理。在实际的市场调研工作中，数据统计分析能使我们挖掘出数据中隐藏的信息，并以恰当的形式表现出来，并最终指导决策的制定。

二、数据统计分析的原则

（1）科学性。科学方法的显著特征是数据的收集、分析和解释的客观性，数据统计分析作为市场调研的重要组成部分也要具有同其他科学方法一样的客观标准。（2）系统性。市场调研是一个周密策划、精心组织、科学实施，并由一系列工作环节、步骤、活动和成果组成的过程，而不是单个资料的记录、整理或分析活动。（3）针对性。就不同的数据统计分析方法而言，无论是基础的分析方法还是高级的分析方法，都会有它的适用领域和局限性。（4）趋势性。市场所处的环境是在不断的变化过程中的，我们要以一种发展的眼光看待问题。（5）实用性。市场调研说到底是为企业决策服务的，而数据统计分析也同样服务于此，在保证其专业性和科学性的同时也不能忽略其现实意义。

三、推论性统计分析方法

（1）方差分析。方差分析是检验多个总体均值是否相等的一种统计方法，它可以看作是t检验的一种扩展。它所研究的是分类型自变量对数值型因变量的影响，比如它们之间有没有关联性、关联性的程度等，所采用的方法就是通过检验各个总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响。（2）回归分析。在数据统计分析中，存在着大量的一种变量随着另一种变量的变化而变化的情况，这种对应的因果变化往往无法用精确的数学公式来描述，只有通过大量观察数据的统计工作才能找到他们之间的关系和规律，解决这一问题的常用方法是回归分析。回归分析是从定量的角度对观察数据进行分析、计算和归纳。

四、多元统计分析方法

篇(2)

【关键词】 统计学; 统计方法; 统计分析; 研究设计

正确运用统计方法的前提是良好的实验设计。如果试验前没有良好的设计， 或者设计存在缺陷， 那么， 即使使用高级的计算机和复杂的统计方法处理数据， 也只能得到错误的结论。对于生物（医学）研究者来说， 统计问题咨询应该在一个研究项目开始之前， 而不是在研究数据出来以后。没有系统学习过生物（医学）统计学的许多实际工作者常常错误地认为统计分析是在试验完成后才考虑的问题， 而且不考虑研究目的、 资料类型以及统计方法的前提条件等有关统计方法选择的问题。需强调的是，实验设计、 资料搜集与整理分析是科学研究的三个紧密联系的阶段， 而良好的设计是顺利地进行实验和收集数据、 分析数据的先决条件， 希望通过运用统计方法的计算来弥补设计上的错误是不可能的， 也是有害的[1]。

1 统计分析步骤

统计方法的选择依赖于研究方案中的统计学设计。统计学设计是要求研究工作者， 根据研究目的规定研究因素， 选择观察指标， 确定研究对象的样本含量， 拟定研究的实施方法及数据收集、 整理和分析的模式， 以达到用最少的人力、 物力和时间， 获得可靠的结论。在实际工作中， 必须根据医学研究目的、 设计类型、 资料性质、 样本大小和分析过程中所遇到的各种实际情况等， 并结合专业方面的知识来恰当地选择和运用统计分析方法， 才能做出正确的、 符合实际的结论。在区分了研究资料的反应变量和解释变量的基础上， 数据的统计分析主要回答两个问题: 一是反应变量的差异是否可归因于分组因素或对比因素？ 二是多个反应变量之间是否存在某种联系？ 因此， 医学科研数据统计分析大致分以下4个步骤。

1.1 数据整理 主要进行数据质量的核查、 异常值的处理， 考察数据分布及变量转换等， 以及看数据是否符合特定统计方法所要求的条件。如计算均数和标准差要求数据基本上呈正态分布， 方差分析要求各组方差的差别不宜过大等。

1.2 统计描述 按分组因素或控制因素分组计算反应变量的基本统计量， 如均数、 百分率、 标准差、 标准误等， 得出资料的大致轮廓和进一步分析方向。结果的表达方式主要是统计图或统计表[2， 3]。

1.3 统计推断 选择和运用恰当的统计方法（见统计方法选择）作详细分析， 如均数间的差异比较进行t检验或方差分析、 反应变量间的相互关系进行相关分析、 反应变量与解释变量的依存关系拟合各类回归模型等等。各种假设检验得到的P值是下结论的主要依据[2-4]。

1.4 结果表达 将各种分析结果简单明了地表达出来， 为专业上的分析讨论提供统计学背景[4]。有条件的话， 前3个步骤应在计算机上借助统计软件完成。另外， 以上4个步骤只是一种粗略地划分， 对有些资料，统计描述即可得出较为明确的结论。对于随机分组的实验设计资料或随机抽样的调查资料， 一般可根据资料性质和分析目的找到恰当的统计方法。但对于对比性资料的分析， 往往需要同时用多种统计方法进行处理或拟合复杂的统计模型。

2 统计方法选择

生物（医学）科学研究从研究设计开始到数据的收集、 整理、 分析的全过程中， 统计学知识始终贯穿其中， 而统计分析方法的正确选择在数据处理中至关重要。在研究方案制定时选择何种统计分析方法取决于实验的目的、 不同的设计类型、 观察指标组成的资料性质和样本大小等。

在研究设计时， 统计方法的选择需考虑以下6个方面的问题: (1)看反应变量是单变量、 双变量还是多变量; (2)看单变量资料属于3种资料类型（计量、 计数及等级资料）中的哪一种; (3)看影响因素是单因素还是多因素; (4)看单样本、 两样本或多样本; (5)看是否是配对或配伍设计; (6)看是否满足检验方法所需的前提条件， 必要时可进行变量变换， 应用参数方法进行假设检验往往要求数据满足某些前提条件， 如两个独立样本比较t检验或多个独立样本比较的方差分析， 均要求方差齐性， 因此需要做方差齐性检验。如果要用正态分布法估计参考值范围， 首先要检验资料是否服从正态分布。在建立各种多重回归方程时， 常需检验变量间的多重共线性和残差分布的正态性。

不同的统计分析方法都有其各自的应用条件和适用范围。实际应用时， 必须根据研究目的、 资料的性质以及所要分析的具体内容等选择适当的统计分析方法， 切忌只关心P值的大小（是否

3 统计方法综合运用实例

例 根据2001年进行的大规模调查， 已知某地健康青年男子身高均数为168.34 cm， 体重均数为57.20 kg， 同年在该地应征男性青年中随机抽取120名男子， 测得其身高、 体重资料见表1， 试对该资料进行统计分析[1]。表1 120名应征男性青年的身高与体重资料

3.1 资料的分布特征和数字特征的统计描述 本例属于单样本双变量计量资料。对该资料进行统计分析时， 首先应对每一个变量的分布类型及其特征进行统计描述， 编制直方图或频数表， 计算相应的统计描述指标， 然后在此基础上选择和运用恰当的统计方法进行统计推断， 最后作出明确结论。

本例的身高、 体重频数分布情况见图1～2。由图1可直观看出， 身高的频数分布特征为: 所有数据分布在155～182之间; 数据主要集中在164～173之间， 共有73人， 占总人数的60.8%; 各组段的频数基本以168.5为中心呈对称分布。因此， 可认为身高近似服从正态分布。而体重的频数最多组段58～不在所有组段的中间位置， 各组段的频数以61为中心呈不对称分布（图2）， 故可认为体重呈偏态分布。图1 120名应征男性青年身高的频数分布图表2给出了资料分布的数字特征: 均数（x）、 标准差（s）、 中位数（Md）、 四分位数间距（QR）和全距（R）。为了进一步说明各变量是否服从正态分布， 表2也同时给出了偏度系数 由表2可见， 身高的|ug1|和|ug2|均小于1.65， 故可认为身高服从正态分布（矩法正态性检验）， 此结论与上述的直观结果相同， 也与图3的图示法结论相同（散点几乎都在一条直线上）。同理， 体重的|ug1|和|ug2|均大于1.65， 故可认为体重不服从正态分布， 此结论亦与上述的直观结果相同， 显然与图4的图示法结论也相同（散点不在一条直线上）。

由于身高近似服从正态分布， 且是大样本数据， 故可用样本均数168.84 cm代表身高的平均水平， 用样本标准差5.19 cm代表身高的个体差异， 用x±1.96 s来描述身高的95%散布范围， 即168.84±1.96×5.19=158.67～179.01 cm。由于体重不服从正态分布， 用中位数58.00 kg代表体重的平均水平， 用四分位数间距8.75 kg代表体重的个体差异， 用百分位数P2.5～P97.5描述体质量的95%参考值范围， 即49.03～80.77 kg。

3.2 参数的点估计与区间估计 身高的均数: =X=168.84 cm， SX=0.47 cm， 95% CI=167.90～169.78 cm 。体重的均数: =X=57.67 kg， SX=0.63 kg， 95%CI=56.44～58.90 cm。体质瘦弱（体重≤50 kg ）检出率: =p=17/120=14.17%， SP=3.18%， 95%CI=7.93%～10.41% 。身高与体重的相关系数: =r=0.4040， Sr=0.0842， 95%CI=0.2423～0.5435。本例n=120， 属于大样本数据， 由样本均数分布规律可知， 虽然体重不是正态分布， 但在大样本时， 其样本均数近似服从正态分布， 故仍可用正态分布法进行总体均数的点估计与区间估计。相关系数也不服从正态分布， 故在计算ρ的95%CI时要进行反双曲正切函数转换。

3.3 假设检验 根据历史资料， 已知10年前该地健康青年男子身高均数为166.50 cm， 体重均数为55.20 kg， 可通过假设检验回答: 本次调查结果所代表的该地健康青年男子的身高总体均数、 体重的总体均数、 是否比10年前提高了。

本例属于大样本资料， 可用样本标准差作为总体标准差的估计值， 即身高标准差的估计值=S=5.19， 体重标准差的估计值=S=6.89， 分别进行单样本u检验: 身高: u=4.98， P

同理， 还可以对体质瘦弱检出率、 身高与体重的相关系数等作假设检验。

参考文献

[1] 陈长生. 统计方法的综合运用与统计结果的表达[A]. 徐勇勇. 医学统计学[M]. 2版. 北京: 高等教育出版社， 2004.

[2] 陈长生， 赵清波. 康复医学论文中统计描述指标率和比的正确应用[J]. 中国临床康复， 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

本书是由美国Albert Einstein医学院流行病学和群体健康系流行病学室Sylvia Wassertheil Smoller教授编著的。第一版于1990年出版，第二版于1995年出版，现为第三版。本书的特点是根据流行病学和统计学的基本框架，使读者理解流行病学与生物统计学的基本原理，理解“为什么做”和“做什么？”学会“如何做、如何解释”。书中的内容都是临床试验和基础研究中最常用的、或是在文献中经常引用的。

全书共分9章。第1章讲述科研方法问题，包括逻辑推理、变异、研究设计、变量的量化、无效假设、假设检验、检验错误的类型、显著性水平等；第2章叙述概率的一些基本概念；第3章介绍常用的统计学检验方法；第4章介绍流行病学的基本概念，包括流行病学的应用、常用指标、流行病学研究类型、偏倚、混杂、交互、多变量分析等；第5章介绍筛检的基本概念；第6章是叙述随机对照临床试验；第7章介绍生活质量的评价，包括量表的结构、可靠性、真实性、敏感性（反应性）以及用量表评价生活质量的局限性；第8章介绍遗传流行病学的基本概念，包括双生子研究、连锁和联系分析、传递不平衡检验等；第9章阐述科研伦理学与统计学的关系。第8、9两章的内容在人类研究中十分重要，是第三版新增加的，是一般流行病学或统计学入门书籍中所没有的。

书后附有9项附录，介绍正文中各种统计学计算的实例，以使读者能够更顺利阅读本书、以及如何实际计算，包括卡方、Z值及t-值的临界值表、Fisher精确检验、几组比较的Kruskal-Wallis非参数检验、相关系数计算、率的年龄调整、比值比的可信性、两个变量的“J”或“U”型关系、量表记分改变的适宜性（敏感性）评价、以及遗传学基本原理和知识。书后还附有参考文献及建议阅读的书目，读者如需了解更深入的、超出本书范围的内容、或涉及高等数学方面的内容，可阅读这些推荐的教科书。书末附有主题索引，便于读者检索。

本书以科学的哲学和逻辑学原理，讨论统计学检验的基本原理，而不是让读者去做具体的统计学检验。全书各章节都是独立的，读者可不按顺序阅读，只阅读感兴趣的部分。本书特别适合那些没有或很少有数学背景的读者，使他们能够读得懂、用得上。

本书内容既简明，又适合范围较广的读者需要，所阐述原理和方法适合多种领域，包括医学、公共卫生、心理学、教育学。本书是一本简明的流行病学与生物统计学教科书，适合从事临床和基础研究的医生、医学专业本科生、研究生，或非医学专业学生参考，也可供程度较高的读者、以及对生物统计学与流行病学的逻辑学和方法学感兴趣的研究人员参阅。

乌正赉，教授

（中国医学科学院基础研究所）

篇(4)

关键词：肝胆外科、切口感染、多因素分析、对策

切口感染为所有外科术后最常见并发症之一，当今社会无菌技术飞速发展及多种广谱抗生素的应用可以降低其发生率，但尽管如此切口感染发病率仍比其他术后并发症的发生率要高得多。术后切口感染严重影响病人的预后，对病人的术后康复引起严重的后果，而且还会给病人家庭增加巨大不必要的经济负担[1]。因此为了降低术后切口发病率，笔者通过回顾研究我院623例肝胆外科并发切口感染的病例，通过对比分析法总结其发生的因素及相对应的防范措施，现将具体情况总结如下。

1、资料与方法

1.1 一般资料 通过研究我院在2008年1月至2012年1月期间肝胆外科病例623例，其中男性399例，女性224例，年龄最大75岁，最小18岁，平均年龄55岁。623例患者实施的手术类型具体总结如下：肝移植，肝叶切除术，胰腺肿瘤切除术，胰十二指肠切除术，肝肿瘤切除术，胆总管探查引流术等。

1.2 方法 通过回顾分析研究我院在2008至2012年期间的切口感染病例，包括病人的病例，档案记录的查房单，病程单，辅助检查结果，切口分泌物实验室检查结果，并将其按不同发病原因统一记录于统计调查表中。

1.3统计学方法 应用SPSSl5.0软件分析，计数资料采用百分比表示，数据对比采取X2校验，P>0.05，差异无统计学意义，P

2、结 果

通过统计分析623例肝胆外科病人，术后发生切口感染的病例为123例，发病率为19.7%。通过具体的统计学方法χ2检验，发现能影响患者切口感染的确切因素有6个，分别为白细胞计数，手术时间长短，手术出血量，切口类型，医用碘伏消毒程度，术中广谱抗生素用量及种类。

2.1单因素Logistic回归分析

以肝胆外科手术患者有无手术部位切口感染为因变量，以性别、年龄、职业、文化程度、生源地、居住所在地、婚姻状况、经济状况、费用类别、居住状况、工作压力、经济压力、体型、手术季节、术前空腹血糖、术前糖化血红蛋白、术前血红蛋白量、术前血钠水平、术前血清高敏C反应蛋白含量、术前白细胞升高程度、ASA麻醉评分、围术期高血糖、手术时间、术中出血量、胃肠道营养、手术性质（急诊或者择期）、手术方式、手术室各区域布局、切口类型、手术切口长度、切口抗生素冲洗、是否放置引流、术后引流量、术后抗生素使用情况和基础疾病自变量赋值后进行二分类Logistic回归分析，结果发现手术室各区域布局合理、放置引流和抗生素切口冲洗是肝胆外科手术患者手术切口感染的保护因素，高龄、急诊手术、手术时间长、手术切口长和Ⅲ类切口是肝胆外科手术患者手术切口感染的危险因素。

2.2 多因素Logistic回归分析

以肝胆外科手术患者有无手术部位切口感染为因变量，选择本研究进入肝胆外科手术患者手术切口感染单因素Logistic回归分析方程的8个自变量为自变量进行多因素Logistic回归分析，α入=0.05，α出=0.10，结果发现放置引流和抗生素切口冲洗是肝胆外科手术患者手术切口感染的保护因素，高龄、急诊手术、手术时间长和Ⅲ类切口是肝胆外科手术患者手术切口感染的危险因素。

3、讨 论

肝胆外科术后切口感染的危险因素与其他外科切口感染有许多共同点也有其特殊之处，主要特点是其感染的危险因素涉及患者本身与外科医生的操作[3]，具体危险因素及防范对策总结如下：

3.1 切口类型 肝胆外科术后切口感染主要原因是受腹腔内肠源性细菌感染，由统计学资料显示，Ⅲ型切口的感染率高达59.4%，但由于肝胆外科的特殊性，常常需要涉及到胆道切开，上消化道分离，肝小叶切除等Ⅱ，Ⅲ类型切口，且统计学显示这两种类型切口感染率均显著高于Ⅰ型切口，所有增加了其术后发生切口感染的概率。因此为了降低其感染率，需要外科医生在术前术后要做好无菌操作；仔细消毒切口；关闭腹腔前仔细冲洗腹腔，用碘伏反复消毒切口；术后放置腹腔引流且时刻保持引流管的畅通；选用抗生素需按照患者的引流液细菌实验室检查做相应的改变。

3.2 手术切口缝合 通过本次研究笔者还发现，切口的缝合好坏直接影响切口是否感染。由主刀医师等经验丰富的医师缝合的切口感染率显著低于实习医生等非主刀医师的缝合感染率。因此肝胆外科的切口感染与医生的缝合经验有密不可分的关系。所以外科医生在缝合切口时因注意减少死腔，争取一次性缝合，打结时松紧度适宜，严密缝合皮缘。

3.3 切口消毒及冲洗 作为所有外科手术，切口消毒都是一种非常简单却行之有效的一种规避切口感染的手段，经过外科长时间的发展，已经被医学界广泛认同，这也是无菌术提高的重要原因。最常用的冲洗液是无菌性生理盐水，用其冲洗切口可以洗净切口的细碎脂肪组织，灰尘，坏死组织的碎片等，可以显著降低切口的带菌量。切口的消毒肝胆外科广泛使用碘伏。碘伏是单质碘与聚乙烯吡咯酮的不定性复合物，医用碘伏浓度较低，其起着光谱杀菌的作用，对大多数细菌有杀灭作用，但其对蛋白质等不起损害作用，所以在医学界被广泛应用。经统计学资料显示，切口经过碘伏消毒可以明显降低其感染发生率。所以将无菌生理盐水与碘伏联合使用，是有效规避切口感染的重要手段。

3.4 术中失血量 由于肝胆外科手术入路的特殊性，肝脏等器官又是人体主要供血器官，所以术中出血极为多见。由于肝胆外科手术时间均长且操作复杂，所以病人可能会长时间的出去，经过大量输注晶体补充液和人工血液，导致组织器官血供不足，组织缺氧，似的组织发生坏死等，降低切口的愈合力，及免疫力，所以迅速精准的操作，对外科医生提出了更高的要求。所以在术前仔细检查，做出正确的手术方案是必不可少的。

综上所述，对肝胆外科术后切口感染的危险因素是多方面的，从笔者此次观察发现的几点危险因素，感染的发生除了与患者本身有关，但更多方面是关于外科医生的操作，因此为了降低术后切口感染的发生概率，需要外科医生严格实施无菌操作，注意细节，操作熟练迅速，最大程度的降低切口感染的发生概率。

参考文献：

[1] 洪锦兰，郝元涛. 手术部位感染相关因素研究进展[J]. 中华医院感染学杂志，2010，20（5）：748-750.

篇(5)

摘 要：目的：为了了解大学生成人依恋在家庭类型和生源地上的差异现状，为大学生心理健康提供依据。方法：采用大学生成人依恋量表，随机抽取198名大学生进行调查。结果：从家庭类型自变量上看，大学生成人依恋在焦虑维度上的得分，有统计学意义上的差异（p0.05）。从生源地自变量上看，大学生成人依恋4个维度上的得分，没有统计学意义上的差异（p>0.05）。结论：大学生成人依恋在家庭类型方面有一定的差异。

关键词：大学生；成人依恋；家庭类型

前言

成人依恋是指成人对其童年早期依恋经验的回忆和再现，以及当前对童年依恋经验的评价[1]。大学生良好的成人依恋是安全型，安全型依恋的大学生在和亲友相处中，对接近和亲密感到舒服的程度较大以及大学生生活中感到在需要别人帮助时，能有效依恋他人的程度也较大，而生活中担心被别人不喜欢或者不接受及担心被别人抛弃的程度也较小。大学生的早期依恋经验在成长过程中和父母的互动没用改善的话，成人依恋会影响大学生的交往效能感和生活满意度等心理品质。故成人依恋的研究对大学生心理健康的发展很有必要，为了解大学生成人依恋在家庭类型和生源地上的差异现状，调查研究情况如下。

一、对象与方法

（一）对象 随机抽取198名大学生进行调查，获得有效样本198份，有效回收率100%。其中，家庭类型：独生子女家庭有27人，非独生子女家庭有171人；生源地：来自城市的大学生有30人，来自农村的大学生有168人。调查时间为2014年10月。

（二）方法 采用自行设计调查表，调查基本情况，包括班级职务和学历。采用2003年吴薇利编制的成人依恋量表[1]，该量表是自评量表，共18个项目，采用五点自评，从“1”完全不符合到“5”完全符合。该量表含4个维度，分别为亲近、依赖、亲近依赖复合维度及焦虑维度。该量表信度和效度良好[2]。并事后做相应访谈。

（三）统计学处理 采用SPSS17.0统计软件进行描述统计分析和独立样本t检验。

1.结果

（1）不同家庭类型、生源地大学生成人依恋差异比较（表1）

表1所示，从家庭类型自变量上看，大学生成人依恋在焦虑维度上的得分，有统计学意义上的差异（p0.05）。从生源地自变量上看，大学生成人依恋亲近、依赖、亲近依赖复合与焦虑4个维度上的得分，没有统计学意义上的差异（p>0.05）。

二、讨论

1.大学生成人依恋家庭类型方面分析

研究发现，独生子女家庭的大学生成人依恋焦虑维度上的得分，显著高于非独生子女大学生；亲近、依赖与亲近依赖复合维度上的得分，没有显著差异。结合事后访谈发现，独生子女大学生生活在父母亲友宠爱较多的环境中，很多事情父母有父母代办或者包办，也没用和兄弟姐妹相处的体验和经验，个性较强与人相处中个人主义较大，更多的关注自我，当他们进入大学后，远离了父母，在寝室关系中和室友相处较难，他们发现以前在家时的相处办法行不通了，同伴不像父母那样宠爱自己了，和同伴相处需要关注对方的感受和需求了，特别是独生子女遇到独生子女时，他们相处和交流更难，生活和学习中遭遇到的拒绝和碰避较多，独生子女就会更多的担心被同学和朋友不接受和不喜欢，甚至担心被亲朋抛弃；而非独生子女则成长过程中相对较独立，有和兄弟姐妹相处的经验，能更多的关注交往对象的感受和需求。故独生子女家庭的大学生成人依恋焦虑维度上的得分，显著高于非独生子女大学生。

2.大学生成人依恋生源地方面分析

研究发现，不同生源地大学生成人依恋在亲近、依赖、亲近依赖复合与焦虑维度上的得分，没有显著差异。访谈中发现，不同生源地的大学生已经很好的融入了城镇生活，原因可能为，其一，大学生适应能力较强，接受新事物的能力也较快，当他们经过几年的大学生活，他们很快适应了城镇生活。其二，国家城镇化进程较快，有些地区实施土地承包，农民从土地中分化出来，这样城乡差距缩小了，相应的随着科技发展，电灯及电话和网络都发展到农村，交流互动便利了，不同生源地的考生差距也减小了。其三，城乡交流较多，人口流动较大，现在社会，很多农村人进城务工，大多数的城市建设有农民工的劳动贡献，有些农民工长期居住在城市工作，为城市建设出力，也有很多城市人到农村参观考察，体验乡土风情，城乡的差距在减小。其四，很多大学生节假日也到城市工厂做工，也是城镇建设中的一员，和社会发展的推动者和促进者。城乡的融合及大学生主动进步发展，故不同生源地大学生成人依恋在亲近、依赖、亲近依赖复合与焦虑维度上的得分，没有显著差异。

（作者单位：新乡学院教育科学系）

参考文献：

篇(6)

[ 关键词 ] 长三角地区 科技旅游 客源市场 开发模式

一、科技旅游概念及长三角地区科技旅游发展背景

日新月异的今天,旅游市场不断成熟,人们的旅游需求不断发生变化。传统的旅游项目和旅游产品已越来越不能满足人们多样化需求。科技产业化和高科技成为旅游热点等一系列情况的出现,促使一种新兴的旅游形式――科技旅游应运而生。科技旅游是指将科技和旅游有机地结合为一体的一种高层次的文化旅游类型。其基本形式是以旅游资源中的科学技术要素和成分为基础,利用各种自然和人文景观,进行科技和旅游的科学综合规划设计,形成集科普、生产、加工、销售、观光、尝试、体验、娱乐为一体的旅游活动或产品。包括工业园区旅游、科技场馆旅游、农业园区旅游、高新科技展示等多种旅游项目。

我国长三角地区是科技旅游示范基地,有着无数成功的开发典范。2007年上海市科普旅游示范线路推荐暨长三角青少年旅游研讨会在上海举行。上海市旅游委联合市科委结合科普“十一五”规划的实施,揭晓了两条2007年度上海科普场馆旅游示范线路。一条以上海科技馆、孙桥农业开发区、上海海洋水族馆为主要景点,另一条以上海天文博物馆、上海地震科普馆、佘山国家森林公园为主要景点。目前上海市的20家专题性科普旅游示范基地,年接待人次超过了450万,随着2010年上海市博会的召开,这些科普基地将为长三角青少年旅游奠定基础。从明年开始,上海将对长三角范围内旅行社组团参加科普旅游示范线路进行资助。规范经营的旅行社,凡年度内输送客源5万人次以上,均可申请获得资助。上海就有8家专业性博物馆(磁悬浮、中医药、邮政、公安、乳业、铁路、昆虫、儿童)。

二、长三角地区科技旅游客源市场特征综合分析和统计分析

笔者选取该区代表性城市上海做了问卷设计和问卷调查工作。在上海科技馆、东方明珠、上海城市展览馆等景区的正式调查中,共发放问卷514份,其中有效问卷470份,回答质量较低被剔除的问卷20份,回答不完整的问卷24份,占4.7%,比例较低,问卷调查结果比较理想。通过分析得到如下结果:男性游客比例略高于女性;科技游客以中青年为主;参与科技旅游活动的旅游者普遍具有较高的文化水平;旅游客源市场的主体为收入在中等偏上的人群中;人们获得科技旅游信息的主要途径是对网络资源的利用和科普场馆的展示。

本文将继续基于这些数据,尝试采用SPSS10.0中的独立样本T-TEST(Independent T-TEST)检验,对数据进行在线分层分析、变量频数分布分析、均数比较分析,以及变量相关分析和回归分析。

1.相关分析

相关分析(correlate)是研究变量间密切程度的一种统计方法,通过分析多个事物之间的关系,做统计学推断。得相关系数值,相关系数值为-1(完全负相关关系)~+1(完全正相关关系)之间,相关系数为0时,表示不存在相关关系。先选取三个变量

X 、Y和Z,其中X=科技旅游产品类型偏好,Y=旅游者的文化程度,Z=性别。在这里做一下变量代换:

产品偏好X:1=自然科考游;2=科技园区游;3=科技场馆游;4=科技夏令营

文化程度Y:1=小学;2=初中;3=高中(中专);4=大专;5=本科;6=硕士及以上

性别Z:1=男;2=女

随机选取有效问卷100份进行统计分析,得描述性统计结果1 :

统计分析结果1:

结果分析:100份分析样本中,平均文化程度为大专及本科层次。旅游者受教育程度与科技旅游产品偏好之间存在负相关关系,相关系数r=-0.147,p

2.距离相关分析

距离相关分析用于计算个案或变量之间距离的相异性或相似性测度。本文分析采取变量距离相关分析法来进行统计分析,得到个案处理摘要和相似性矩阵。

结果分析:这是一个相似性矩阵,即Pearson相关系数矩阵。以上是对变量:X(产品偏好)、Y(文化程度)、Z(性别),而计算距离(Computer Distances)选择“变量间(Between variables)”的结果进行“相似性测度(Similarities)”,测度(Measures)为“Pearson相关系数(Pearson correlation)”的记过,其数值越大者距离越近。从相似性矩阵(Proximity Matrix)数值来看,性别和产品偏好成正相关关系,且相关系数为0.002;旅游者的文化程度与对科技旅游产品类型的选择之间是负相关的关系,相关系数为-0.147;因此可得,在此验证了前面相关分析所得的分析结果是正确的,即文化程度对科技产品类型选择的影响程度要大于性别的影响程度。

3.线性回归分析

回归分析(Regression)是研究一个或多个自变量(Independent)与一个因变量(Dependent)之间是否存在某种线性关系或非线性关系的一种统计学分析方法。引入两个以上自变量,采取多重线性回归分析法中的强迫引入法来进行统计分析研究。

选取一个因变量即科技旅游产品类别,二个自变量即性别和文化程度,同样选择100份样本问卷进行统计分析。得到以下统计分析结果。

Regression(回归分析),强迫引入法

结果分析:结果显示,多元方程的复相关系数为0.147、R2为0.022、调整R2(Adjusted R Square)为0.002、估计值的标准误(Std. Error of the Estimate, 即剩余标准差)为1.17.

多重回归方程为:科技旅游资源类型偏好=2.831-0.166*文化程度-0.00208*性别,(P

所以得出长三角地区不同地区文化程度所形成的科技旅游市场结构如下表:

三、长三角地区科技旅游开发模式

根据长三角地区的问卷调查结果显示,该区科技旅游者的文化程度值大部分落在之间,即大专和本科学历的科技旅游者比较多,所以对应的资源类型偏好值落在[2.001,2.167]之间。由此可见,未来一段时间长三角地区可以把科技园区游作为该区的潜力市场进行大力开发,包括对宝山钢铁集团、大众汽车等工业厂区的科技线路开发等。而科技场馆游在该区发展已具备一定规模并已形成渐趋成熟的管理领导体制,成为了该区的拳头产品。预计在将来,随着该区客源市场文化程度的普遍提高,将有越来越广阔的旅游者参与到工业厂区和自然景区的科技旅游中。人们开始摈弃传统的自然和人文资源观光游览,而是注重休闲娱乐和科技文化知识普及紧密联系在一起的科技旅游模式。

参考文献:

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

[2] 孙兴勤:开发科技旅游实现寓教于乐[J]. 云南科技管理,P64

[3] 金颖若:科技旅游论[J]. 汉江论坛, 2003(10): 35-37

[4] 李廷勇:论科技旅游[J]. 山西大学学报(哲学社会科学版),Mar.,2004 Vol.27 No.2: 66-70

篇(7)

目前，对房地产价格的研究主要集中在两个方面，一是从房地产价格构成方面进行研究，分析房价内部组成的合理性和变化，二是从时间规律角度对房价进行研究，其目的是在时间序列的情况下尽可能得出房地产价格的变化趋势。

赵昕东（2010）利用1999年至2009年居民消费价格指数、国内生产总值、货币供给与住宅价格指数的季度数据，应用结构向量自回归模型估计了供给冲击、需求冲击与货币政策冲击对中国房地产价格变动的动态影响以及房地产价格冲击对通货膨胀率、国内生产总值增长率与货币存量增长率变动的动态影响。洪国志（2011）在研究中本文由收集整理认为我国行政区经济导致市场分割的现象普遍存在，从房地产价格空间溢出角度，通过模型分析价格的空间自相关和价格溢出程度的基础上，对城市内部区一级的边界效应进行了检验。

王鹤（2012）利用全局空间自相关指标和局部空间自相关指标和1999- 2009年的省际面板数据，运用广义空间面板数据模型分析全国范围以及东、中、西部分区域房价，结果表明在考虑了房价空间相关性后，我国各区域房价的影响因素已不尽相同。陈浪（2012）采用动态面板数据模型和省际面板数据分析了我国房地产价格的区域互动，研究结果表明我国房地产价格互动存在空间滞后效应和时间滞后效应，且城镇居民可支配收入、信贷扩张、土地价格和房屋竣工面积是影响我国房价的重要因素。实证结果还表明，相邻地区之间房价影响程度比其他不相邻地区之间房价的影响程度大，经济特征相似地区间房价的相互影响程度比经济特征不相似地区间房价的相互影响程度小。

因此从宏观角度说，房地产价格变化的规律除受时间和内部组成影响之外，在空间分布上也存在一定的规律性。起源于20世纪60年代的地统计学，以区域化变量为理论基础，以变异函数为主要工具，可以有效的用于分析房地产价格在一定区域范围内的空间分布状况及规律。

地统计学在房价空间分布中的引入及应注意的问题

地统计学处理的对象为区域变化量，即空间分布的变量，而房地产市场价格在空间上的分布，满足地统计学中的两个重要性质：在房地产市场价格的某一点，区域化变量的取值是随机的；在研究的整个房地产价格区域内，存在一个总体或平均的结构，相邻区域化变量的取值具有该结构所表达的相关关系。因区域化变量的特点是结构性和随机性，因此，结构分析和空间局部是地统计学在房地产价格空间分布规律研究的主要内容。结构分析的目的是通过对房地产价格分布建立最优的半方差函数模型，能定量的描述房价区域化变量的随机性和结构性，并进行专业化的分析和解释。而半方差函数模型能描述房价区域变化量空间结构，揭示空间距离的变化使得区域化变量的变异情况。在地统计学中空间局部估计通常采用克立格法，该方法充分考虑房价在空间变化的相关性和随机性，在结构分析和半方差函数模型基础上，对房价空间分析中具有相关性的变量取值在有限的区域内进行无偏最优估计，进而从克立格制图中了解房价空间格局的定量特征。

房价空间上分布的高低反映了房地产市场区域上的区位特征，从本质上说是区域化的变量。由于房地产价格相邻区域的同步发展趋势能形成房屋结构方面趋于相似和相邻区域具有相似的便利性使房价具有空间上的相关性。运用地统计学分析房价空间分布的关键问题在于对所分析区域内房价空间结构的分析和半方差函数模型的建立，并在此基础上对房价进行空间局部估计。在房价空间分布上，在不同的方向建立半方差函数，分析房地产价格在不同方位上的变异情况和房价空间相关距离并确定空间插值范围。

房地产价格空间分布的研究方法

（一）基本模型分析

在房地产价格空间分布上，若用h表示间距，d表示位置，q（d）表示房地产价格的区域变化量，则利用地统计学中的半方差函数模型构建为：

在理论研究中，对于半变异函数曲线用球状模型、指数模型或直线模型进行拟合，在本文的研究中，用球状拟合模型为b（h）=c0+c1h+c2h2+c3h3（其中为c0为块金值，c1、c2、c3为不同间距的基台值）。针对模型中的克立格插值，若q（d0）为待估值点，在该待估值点附近有n个已知点di（i=1，2…n），对应房地产价格调查值为q（xi），pi为样本点di的权重系数，则q（d0）=σpi（xi） （i=1，2…n），其中pi可通过半变异函数进行计算，使变量的估计值在点d0处的期望方差最小，且满足条件σpi=1。

（二）研究数据来源及修正分析

成都市目前房地产开发主要以住宅为主，类型以普通住宅、电梯公寓、别墅等形式体现。为使所研究的结构尽可能做到准确性、代表性，资料数据选择成都市三环以内房地产市场相对比较活跃的区域（以普通住宅市场为主）。为了使所选取样本点在数量上满足相应的要求，文章选取房地产住宅市场中交易数量较大、交易情况正常的普通商品房作为研究对象。

文章中所采用资料来源成都市春季、秋季的房地产交易会价格，考虑到价格上的误差，因此依据交易会的价格资料，对其中具有代表性的部分房地产价格进行实际调查，收集2009-2010年11月新开发普通商品房住宅价格信息416条，该价格信息分布在成都市三环路以内。所采取资料的价格指标确定。因房地产价格内受到户型、楼层、朝向等因素的影响体现出不同的交易价格，本文主要是研究房地产价格的空间分布规律，因此针对每一个楼盘的价格，采用各楼盘的均价数据来进行分析，对开发商来说均价是每一个楼盘控制销售价格的重要标准，具有代表性，能相对准确的反应各个区域的房地产价格水平。

为避免因时间因素导致房地产交易价格变化进而影响到样本点数据的合理性，在数据处理上对样本点数据进行房价修正，采用中房成都指数将全部的房地产价格数据修正到2010年11月。

运用spass软件计算出样本数据统计特征值如表1所示。可知变异系数为0.28，属于一般的变异强度，运用均值±3倍标准差的方法查找特征值，并用最大正常值代替，得到处理后的偏度系数由0.31降低为0.24，对处理后的样本数据进行p-p的正态概率图检验，如图1所示，结果说明本文数据服务正态分布。

成都市普通住宅房价结构分析

（一） 各向异性下的价格变异特征分析

本文构建了一个半方差函数模型，分析坐标中00、300、700、1050四个方位的半方差函数，如图2所示，可以得出在0-5km范围内，四个方位的半方差函数基本相似，当范围在5km以外时，四个方位的半方差函数开始出现较为明显的差异，主要体现为东南和西南方位的半方差函数处于较高水平，而西北和东北方位开始出现下降状态。房地产价格在空间上的变异其主要原因是在很大尺度上，房地产的区位因素差异大小、经济水平不同在不同方位上表现较为显著。当范围在5km以外时，在东北方位上区位条件、经济条件的差异趋向增加，成为空间结构性和相关性的主要因素，使该方位的房地产价格变异性维持在较高的水平上。其主要原因在于：随着成都地铁一号线的开通，区位因素因交通条件的改善而增加。因此，在该方位上区域差异明显，而在其他方位上这种区位差异随距离加大而变缓。

（二） 各向同性下的房价变异特征分析

在0-5km的范围以内，成都市住宅市场房地产价格空间结构性特征为各向同性，在该范围的半方差函数如图3所示。依据前面论述，半方差函数曲线的形状能反映变量空间分布的结构性及相关类型，并揭示空间范围的大小。而半方差函数中的球状半方差函数表明聚集分布，它的空间结构是在样点间距达到变程之前，样点的空间依赖性随着他们之间距离的增大而降低。

在5km的范围内，成都市住宅市场价格的半方差函数符合球状模型，其变程约为 4km。在图3中可得出随着间距的增大，半方差函数逐渐增加，这说明住宅市场房价的空间相关性开始逐渐变弱。在到4km时，半方差函数达到最大并开始趋于稳定，房价的空间相关性开始消失。即在某点的住宅房价对周边房价影响程度的衰减半径为4km，即相对于某一具体点而言，它的房价对周边房价的影响程度随着距离的增大而减小，到4km时达到最弱的程度，而对超过该范围的房价无影响。