時(shí)間：2023-07-09 09:01:31
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇統(tǒng)計(jì)學(xué)變量類型，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進(jìn)步。
【關(guān)鍵詞】統(tǒng)計(jì)學(xué)DCOVA框架統(tǒng)計(jì)方法教學(xué)
一、引言
數(shù)據(jù)對于當(dāng)今天的商務(wù)活動具有重大的意義。數(shù)據(jù)是關(guān)于這個世界的事實(shí)，它能夠說明問題、提示事實(shí)、隱含規(guī)律。一些商業(yè)機(jī)構(gòu)正是通過“挖掘”數(shù)據(jù)來發(fā)現(xiàn)事物之間的關(guān)聯(lián)性，并從中獲取利潤。如果人們躲避數(shù)據(jù)，就可能由于盲目接受他人對數(shù)據(jù)的概括總結(jié)而上當(dāng)受騙，也可能完全依賴“感覺”來做決策，從而不利于做出正確的決策。因此，作為一門研究如何處理和分析數(shù)據(jù)的課程——統(tǒng)計(jì)學(xué)越來越受到各方重視。在高校中，絕大部分商科專業(yè)把統(tǒng)計(jì)學(xué)或商務(wù)統(tǒng)計(jì)作為專業(yè)必修課列入到人才培養(yǎng)方案中。如何學(xué)好、用好統(tǒng)計(jì)學(xué)成為當(dāng)前許多人需要迫切解決的一個問題。美國著名的統(tǒng)計(jì)學(xué)家萊文（Levine）等在其撰寫的統(tǒng)計(jì)學(xué)教科書中首次提出了DCOVA框架，用于指導(dǎo)學(xué)生或相關(guān)從業(yè)者如何有效學(xué)習(xí)和使用統(tǒng)計(jì)學(xué)。
二、基本術(shù)語
統(tǒng)計(jì)學(xué)是把數(shù)據(jù)轉(zhuǎn)化為信息用于決策的方法或工具。例如，為了研究青年人喜歡網(wǎng)上購物的主要原因，可以通過調(diào)查來收集原始數(shù)據(jù)，再制作總結(jié)表來整理數(shù)據(jù)從中獲得數(shù)據(jù)中隱藏的有用信息（最主要的原因是網(wǎng)上購物價(jià)格便宜），最后根據(jù)所獲得的信息進(jìn)行決策，即網(wǎng)店價(jià)格要比實(shí)體店便宜才能吸引青年消費(fèi)者。從調(diào)查數(shù)據(jù)到總表結(jié)，就是把數(shù)據(jù)轉(zhuǎn)化為信息的方法。統(tǒng)計(jì)方法是把數(shù)據(jù)轉(zhuǎn)化信息的方法，包括統(tǒng)計(jì)描述方法和統(tǒng)計(jì)推斷方法。統(tǒng)計(jì)描述方法主要包括收集、整理、可視化和概括數(shù)據(jù)；統(tǒng)計(jì)推斷方法是指用樣本數(shù)據(jù)得出總體結(jié)論，包括對總體參數(shù)的置信區(qū)間估計(jì)和假設(shè)檢驗(yàn)。為了學(xué)習(xí)和使用統(tǒng)計(jì)學(xué)的方法，可以應(yīng)用DCOVA框架。DCOVA框架包括定義數(shù)據(jù)（D）、收集數(shù)據(jù)（C）、整理數(shù)據(jù)（O）、可視化數(shù)據(jù)（V）和分析數(shù)據(jù)（A）等5個階段（圖1）。例如，為了研究一所高校學(xué)生的努力學(xué)習(xí)程度，根據(jù)DCOVA框架，首要定義數(shù)據(jù)，即找什么樣的數(shù)據(jù)能夠代表學(xué)生的努力學(xué)習(xí)程度，為此需要對努力學(xué)習(xí)程度開發(fā)一個可操作定義，比如用每天平均學(xué)習(xí)時(shí)長（小時(shí)）來代表一個學(xué)生的努力學(xué)習(xí)程度。其次要收集數(shù)據(jù)，可以通過問卷調(diào)查的形式收集數(shù)據(jù)。再次是整理和可視化數(shù)據(jù)，比如制作頻數(shù)分布表來整理數(shù)據(jù)，從而可以查看學(xué)習(xí)時(shí)長的分布情況，制作直方圖來可視化學(xué)習(xí)時(shí)長數(shù)據(jù)，從而直觀形象地顯現(xiàn)數(shù)據(jù)的分布特征，從中判斷學(xué)習(xí)時(shí)長是否服從正態(tài)分布等。最后是分析數(shù)據(jù)，比如可以分析不同專業(yè)、不同性別、不同年級的學(xué)生每天學(xué)習(xí)時(shí)長均值的差異，或者估計(jì)全校學(xué)生每天平均學(xué)習(xí)時(shí)長等。DCOVA框架較好地囊括了統(tǒng)計(jì)學(xué)教學(xué)中主要的知識體系。
三、定義數(shù)據(jù)（D）
定義數(shù)據(jù)主要是解釋收集什么數(shù)據(jù)的問題，它與一項(xiàng)研究的目的及其所涉及的變量相關(guān)。研究目標(biāo)決定研究中所涉及的變量，相關(guān)變量決定需要收集的數(shù)據(jù)（圖2）。在上述的例子中，研究目標(biāo)是“研究一所高校學(xué)生的努力學(xué)習(xí)程度”，其中“努力學(xué)習(xí)程度”就是研究中需要涉及的變量。由于該變量沒有直接的數(shù)據(jù)對應(yīng)，需要開發(fā)一個相應(yīng)的可操作定義——如每天平均學(xué)習(xí)時(shí)長，最后去收集學(xué)生每天平均學(xué)習(xí)時(shí)長的數(shù)據(jù)。
可操作定義指對所有與該分析相關(guān)的人而言很顯明是普遍接受的定義，是對某個抽象變量的一種清晰、精確的表述，是對該變量意義的共同理解。努力學(xué)習(xí)程度是一個抽象變量，在收集數(shù)據(jù)時(shí)會遇到麻煩，因此需要一個可操作定義。每天平均學(xué)習(xí)時(shí)長可以作為努力學(xué)習(xí)程度的一個可操作定義，因?yàn)榇蠹移毡檎J(rèn)為一名學(xué)生在學(xué)習(xí)上花費(fèi)的時(shí)間越多，說明該生學(xué)生越努力，并有每天平均學(xué)習(xí)時(shí)長是一種清晰、精確的表述，從而方便研究者收集相關(guān)的數(shù)據(jù)。
定義數(shù)據(jù)還包括確定所需數(shù)據(jù)的類型。數(shù)據(jù)是變量的取值，變量類型與其所對的數(shù)據(jù)類型一致。變量可以分為屬性變量（如性別）和數(shù)值變量，數(shù)值變量又進(jìn)一步區(qū)分為離散數(shù)值變量（如家庭人數(shù)）和連續(xù)數(shù)值變量（如身高）。相應(yīng)的，數(shù)據(jù)可以分為屬性數(shù)據(jù)（如男、女）和數(shù)值數(shù)據(jù)，數(shù)值數(shù)據(jù)又進(jìn)一步區(qū)分為離散數(shù)值數(shù)據(jù)（如2人、3人）和連續(xù)數(shù)值數(shù)據(jù)（如1.75m、1.68m）。在SPSS中，變量的測量尺度（類型）分為名義（圖標(biāo)為三個小圈）和有序（圖標(biāo)為階梯），這兩類都屬于屬性數(shù)據(jù)；還有一類為標(biāo)度（圖標(biāo)為尺子），這類屬于數(shù)值數(shù)據(jù)。
四、收集數(shù)據(jù)（C）
在明確了需要什么數(shù)據(jù)的前提下，就需要進(jìn)入收集數(shù)據(jù)階段。收集數(shù)據(jù)（C）主要是解決數(shù)據(jù)的來源問題。數(shù)據(jù)的來源有原始數(shù)據(jù)來源和二手?jǐn)?shù)據(jù)來源。原始數(shù)據(jù)來源主要通過調(diào)查、觀察和實(shí)驗(yàn)獲得數(shù)據(jù)；二手?jǐn)?shù)據(jù)來源主要是指其他組織或個人已公布的數(shù)據(jù)。由于獲得原始數(shù)據(jù)比較麻煩，所以二手?jǐn)?shù)據(jù)是首選的數(shù)據(jù)來源。
在經(jīng)濟(jì)管理研究領(lǐng)域，原始數(shù)據(jù)來源主要依靠調(diào)查。由普查涉及面廣、成本高、耗時(shí)長和難度大，所以一般不常用，對許多研究者來說，主要通過抽樣調(diào)查來獲得原始數(shù)據(jù)。因此，如何抽樣就成了一個無法逃避的問題。調(diào)查數(shù)據(jù)的質(zhì)量直接影響研究的價(jià)值，如果數(shù)據(jù)本身嚴(yán)重存在錯誤、偏見，不管采用什么數(shù)據(jù)分析方法，都很難得出可信的分析結(jié)果。為了從一種總體中找到一個樣本，并對樣本采集數(shù)據(jù)，首先要做的工作是抽樣。不同的抽樣方法生成不同的樣本類型，如簡單隨機(jī)抽樣方法生產(chǎn)簡單隨機(jī)樣本，抽樣方法與形成的樣本類型一致。抽樣方法分為非概率抽樣和概率抽樣兩大類。非概率抽樣包括便利抽樣和判斷抽樣，其優(yōu)點(diǎn)是便利、快速、低成本，可以用于前期或試探性分析，其缺點(diǎn)是樣本的代表性一般較差，不能用于統(tǒng)計(jì)推斷。概率抽樣包括簡單隨機(jī)抽樣、系統(tǒng)抽樣、分層抽樣和群抽樣，其中簡單隨機(jī)抽樣和系統(tǒng)抽樣的優(yōu)點(diǎn)是簡單易行，但無法保證樣本的代表性；分層抽樣過程比較繁瑣，但能夠確保樣本的代表性，并能對每個層進(jìn)行分析，得出每層的結(jié)果；群抽樣的優(yōu)點(diǎn)是調(diào)查成本低，但有效性相對較差，需要增加樣本容量才能達(dá)到其他抽樣方法的效果。
五、整理數(shù)據(jù)（O）和可視化數(shù)據(jù)（V）
有了數(shù)據(jù)之后，就可以進(jìn)入數(shù)據(jù)的整理和可視化階段了。不同的數(shù)據(jù)類型分別有不同的整理和可視化方法。整理數(shù)據(jù)主要用到表格，可視化數(shù)據(jù)主要是用圖形。對于屬性數(shù)據(jù)，可以用總結(jié)表、交叉表進(jìn)行整理，用條形圖、餅圖、帕累托圖、對比條形圖等工具進(jìn)行可視化。對于數(shù)值數(shù)據(jù)，可以用頻數(shù)分布表進(jìn)行整理，用莖葉圖、直方圖、折線圖、箱線圖、散點(diǎn)圖等工具進(jìn)行可視化。從對數(shù)據(jù)的整理和可視化的工作中，可以獲得數(shù)據(jù)的描述性信息。
摘要：利用哈爾濱市952個城市居民樣本數(shù)據(jù)，選擇13個因素作為識別生態(tài)消費(fèi)行為的基礎(chǔ)變量，運(yùn)用因子分析方法考察消費(fèi)者行為的維度結(jié)構(gòu)，結(jié)果表明生態(tài)消費(fèi)者進(jìn)行消費(fèi)時(shí)不僅關(guān)注環(huán)境，而且還關(guān)注消費(fèi)對自身的影響；根據(jù)不同個體的消費(fèi)習(xí)慣與個體特征之間的差異性，采用聚類分析方法對總樣本進(jìn)行分析，將其分為堅(jiān)定型生態(tài)消費(fèi)者、主流型生態(tài)消費(fèi)者、偶爾型生態(tài)消費(fèi)者和非生態(tài)消費(fèi)者四類，并在此基礎(chǔ)上分別從人口統(tǒng)計(jì)學(xué)特征、社會和環(huán)境價(jià)值觀、心理學(xué)特征3個方面分析了不同類型生態(tài)消費(fèi)者的行為特征。
關(guān)鍵詞：生態(tài)消費(fèi)；城市居民；識別
中圖分類號：F713.55文獻(xiàn)標(biāo)識碼：A文章編號：1001-8409（2013）01-0074-06
“生態(tài)消費(fèi)”作為可持續(xù)消費(fèi)、綠色消費(fèi)、適度消費(fèi)等術(shù)語的同義語，其所倡導(dǎo)的理念及行動準(zhǔn)則已成為包括我國在內(nèi)的世界各國和地區(qū)的核心政策目標(biāo)，而實(shí)現(xiàn)這一目標(biāo)在實(shí)踐上的具體要求就是提高居民的生態(tài)消費(fèi)水平。尋找一個真正有效的提高生態(tài)消費(fèi)水平的辦法，首先要做的基礎(chǔ)工作是將消費(fèi)者進(jìn)行識別分類，研究哪些消費(fèi)者更趨向于進(jìn)行生態(tài)消費(fèi)，并對各類消費(fèi)者的社會人口統(tǒng)計(jì)學(xué)特征、心理學(xué)特征、社會價(jià)值觀和環(huán)境價(jià)值觀、家庭內(nèi)部生活習(xí)慣等各方面特征加以對比分析，找出其差異性，才能有針對性地提出對策建議，有效地提高居民生態(tài)消費(fèi)的整體水平。
一、文獻(xiàn)回顧
學(xué)術(shù)界對生態(tài)消費(fèi)的關(guān)注源于對環(huán)境主義者消費(fèi)模式的研究，這一領(lǐng)域的研究主要是從消費(fèi)者的環(huán)境和社會價(jià)值觀、社會人口統(tǒng)計(jì)學(xué)特征及心理學(xué)變量等方面因素對消費(fèi)模式的影響展開的[1，2]。長期以來，國內(nèi)外許多學(xué)者從社會人口統(tǒng)計(jì)學(xué)特征對生態(tài)消費(fèi)行為做過大量的研究，包括年齡、性別、收入、教育、職業(yè)等變量[3～5]。盡管研究所得出的結(jié)論不同，但社會人口統(tǒng)計(jì)學(xué)特征卻是研究并識別生態(tài)消費(fèi)者的重要變量之一[6]。已有的研究多側(cè)重于對消費(fèi)者生態(tài)消費(fèi)行為的影響因素進(jìn)行實(shí)證研究，而鮮有對生態(tài)消費(fèi)者的識別及其特征進(jìn)行系統(tǒng)研究。本文研究的主題是城市居民生態(tài)消費(fèi)者的識別。利用對哈爾濱市居民的問卷調(diào)查獲得的數(shù)據(jù)，本文分3個步驟開展研究：第一步，通過因子分析確定生態(tài)消費(fèi)行為識別的依據(jù)；第二步，通過聚類分析對消費(fèi)者進(jìn)行分類并識別生態(tài)消費(fèi)者；第三步，分別從社會人口統(tǒng)計(jì)學(xué)特征、社會和環(huán)境價(jià)值觀、心理學(xué)特征3個方面分析不同類型消費(fèi)者的特征。
二、數(shù)據(jù)來源
本文的數(shù)據(jù)來自于對哈爾濱市居民的問卷調(diào)查，調(diào)查時(shí)間是2009年5月。調(diào)查人員在哈爾濱中心城區(qū)（包括南崗區(qū)、道里區(qū)、香坊區(qū)和道外區(qū)）的百貨商店、超市、建材市場、居民小區(qū)等人流密集區(qū)對單個消費(fèi)者隨機(jī)發(fā)放調(diào)查問卷，共發(fā)放調(diào)查問卷1000份，全部收回后獲得有效問卷952份，問卷有效率為95.2%。
本次調(diào)查的問卷包含47個問題，涉及到社會人口統(tǒng)計(jì)學(xué)變量，被調(diào)查者的社會價(jià)值觀、環(huán)境價(jià)值觀、心理學(xué)因素、購買行為和習(xí)慣等一系列因素。通過對這些問題的分析，找出造成消費(fèi)者生態(tài)消費(fèi)水平差異的因素。
三、研究結(jié)果
關(guān)鍵詞： 老年人；肺炎疫苗；影響因素中圖分類號： R 563.1文獻(xiàn)標(biāo)識碼：A
上海是我國老年人口比例最高，人口老齡化發(fā)展速度較快的城市，早在1978年就跨入了老年型結(jié)構(gòu)城市，與此相應(yīng)的老年性疾病的預(yù)防與控制越來越受到社會的重視。肺炎球菌是引發(fā)肺炎、腦膜炎和中耳炎的主要病因，由于肺炎球菌對抗菌藥物的耐藥性增加，以及耐藥菌株在世界范圍內(nèi)的傳播，除使用疫苗預(yù)防外，目前尚無其他有效的公共干預(yù)措施［1］。上海市從1998年開始使用23價(jià)肺炎球菌疫苗（肺炎疫苗），但至今老年人群的接種率仍然很低。為做好老年人群中肺炎疫苗的接種工作，我們對長寧區(qū)社區(qū)老年人接種肺炎疫苗的影響因素進(jìn)行了調(diào)查分析。
1對象與方法
1.1對象
以2004年1月1日至2005年12月31日在長寧區(qū)9個免疫門診接種過肺炎疫苗的≥60歲老年人為接種組調(diào)查對象。共登記接種肺炎疫苗的老年人122人，實(shí)際調(diào)查100人，失訪的主要原因?yàn)橐寻徇w、地址有誤等。
以長寧區(qū)社區(qū)未接種過肺炎疫苗的≥60歲老年人為未接種組調(diào)查對象。2005年長寧區(qū)轄196個居委，依據(jù)按容量比例概率抽樣（PPS抽樣）的方法，根據(jù)每個居委老年人數(shù)的比例，抽取20個居委，每個居委調(diào)查20名老年人，共計(jì)400名老年人。
1.2方法
根據(jù)知情同意原則，由統(tǒng)一培訓(xùn)的調(diào)查員采用自擬的《老年人群肺炎疫苗知曉及接種情況調(diào)查表》入戶調(diào)查，調(diào)查內(nèi)容包括老年人一般情況、健康狀況、對肺炎疫苗的認(rèn)知、態(tài)度和利用等。
1.3統(tǒng)計(jì)分析
用Epidata 3.1建立數(shù)據(jù)庫錄入調(diào)查表數(shù)據(jù)，用SPSS 11.5進(jìn)行χ2檢驗(yàn)、方差分析和多因素Logistic回歸分析。
2結(jié)果
2.1基本情況
2.1.1性別年齡接種組100名老年人中，男41名（41.0%），女59名（59.0%）；未接種組400名老年人中，男163名（40.8%），女237名（59.2%），兩組性別之間差異無統(tǒng)計(jì)學(xué)意義（χ2＝0.002，P>0.05）。
所有被調(diào)查的老年人年齡為60～92歲，接種組平均年齡為（72.62±7.97）歲，未接種組平均年齡為（72.53±6.90）歲，兩組年齡之間差異無統(tǒng)計(jì)學(xué)意義（F＝0.01，P>0.05）。
2.1.2文化程度接種組文化程度以大專及以上（42.0%）、高中（24.0%）和初中（16.0%）為主，未接種組文化程度以初中（23.8%）、文盲半文盲（23.3%）和高中（19.3%）為主，兩組文化程度之間的差異有統(tǒng)計(jì)學(xué)意義（χ2=43.13，P
2.1.3目前或退休前職業(yè)接種組職業(yè)以工人（25.0%）、科技人員（16.0%）和教育（12.0%）為主，未接種組職業(yè)以工人（55.5%）、企業(yè)管理人員（11.3%）和教育（6.5%）為主，兩組職業(yè)之間的差異有統(tǒng)計(jì)學(xué)意義（χ2=54.97，P
2.1.4家庭類型兩組老年人的家庭類型均以“和老伴生活在一起”為主，其次為“和子女或兒孫生活在一起”，“獨(dú)居”和“其他類型”的構(gòu)成比最小，兩組家庭類型之間的差異無統(tǒng)計(jì)學(xué)意義（2.1.5家庭人均月收入接種組老年人家庭人均月收入≥1 000元的占91.0%，而未接種組為46.8%，兩組家庭人均月收入之間的差異有統(tǒng)計(jì)學(xué)意義（2.2肺炎疫苗接種影響因素的多因素Logistic回歸分析
以是否接種肺炎疫苗為應(yīng)變量，以問卷中設(shè)計(jì)的10個影響因素為自變量，進(jìn)行多因素Logistic逐步回歸(變量進(jìn)入方程的概率α= 0.05，變量從方程中剔除的概率β= 0. 1) 。應(yīng)變量賦值情況：未接種肺炎疫苗為0；接種肺炎疫苗為1，自變量設(shè)置取值為“0、1”的啞變量。
影響老年人肺炎疫苗接種的因素按影響大小依次為是否接種過流感疫苗、是否患過肺炎或老慢支等呼吸系統(tǒng)疾病、家庭人均月收入、3個有關(guān)肺炎疫苗認(rèn)知的問題和是否患有其他慢性?。ū?）。
2.3未接種組老年人肺炎疫苗未種原因分析
在被問及“肺炎疫苗未種原因”時(shí)，400名未接種組老年人未種原因及構(gòu)成比（%）依次為：不知道有這種疫苗的192人次（40.9%），目前不需要接種疫苗的172人次（36.7%），認(rèn)為疫苗價(jià)格太貴了，不能承受的73人次（15.6%），不知道在哪里接種疫苗的14人次（3.0%），有禁忌證不能接種的7人次（1.5%），其他原因11人次（2.3%）。
3討論
長寧區(qū)生命統(tǒng)計(jì)數(shù)據(jù)顯示，2002―2004年，本區(qū)60歲及以上老年人的死因中分別有14.3%、14.8%和17.8%與肺炎有關(guān)，但是我區(qū)及上海市老年人群每年肺炎疫苗的接種率都不到1%。國外有研究結(jié)果表明，醫(yī)務(wù)人員是影響肺炎疫苗接種的重要因素。Tammy等［2］總結(jié)1981―2000年有關(guān)肺炎球菌多糖疫苗的文獻(xiàn)后發(fā)現(xiàn)，對醫(yī)生而言，難于確定這種疫苗的作用，也缺乏有關(guān)疫苗重復(fù)接種的知識，是影響疫苗使用的主要因素；對病人而言，不知道有這種疫苗，醫(yī)生沒有告知這種疫苗是主要的影響因素。Nichol等［3］對1 874名醫(yī)師進(jìn)行了肺炎球菌疫苗的應(yīng)用知識和態(tài)度的調(diào)查，發(fā)現(xiàn)多數(shù)醫(yī)師缺乏對該疫苗重要性的認(rèn)識，青霉素能有效控制肺炎球菌性疾病的觀念仍普遍存在，而且許多國家并沒有把肺炎疫苗作為公費(fèi)醫(yī)療報(bào)銷范疇成為影響肺炎疫苗接種的主要因素。
本研究顯示，社區(qū)老年人接種肺炎疫苗受多個因素的影響。接種過流感疫苗的老年人可能會更多地從醫(yī)護(hù)人員處了解到肺炎疫苗或受到醫(yī)護(hù)人員的推薦而接種肺炎疫苗。在本次調(diào)查中也發(fā)現(xiàn)，接種組老年人有50%是從醫(yī)務(wù)人員的途徑獲知肺炎疫苗的，醫(yī)務(wù)人員對老年人接種疫苗起著至關(guān)重要的作用。
患過肺炎、老慢支等呼吸系統(tǒng)疾病的老年人可能更關(guān)注呼吸道疾病的預(yù)防而傾向于接種肺炎疫苗，目前尚患有其他慢性病如高血壓、糖尿病與接種肺炎疫苗呈負(fù)相關(guān)，這部分老年人可能更關(guān)注于對其他慢性病的預(yù)防，或更多的醫(yī)療費(fèi)用投入到其他慢性病的控制而不愿意接種肺炎疫苗。
由于目前上海市提供的進(jìn)口肺炎疫苗的價(jià)格是進(jìn)口流感疫苗的近3倍，且未納入醫(yī)保范圍，因此家庭收入水平成為影響肺炎疫苗接種的因素之一。
對肺炎及肺炎疫苗的認(rèn)知情況也是影響肺炎疫苗接種的重要因素。那些認(rèn)為肺炎是老年人的一種常見病或認(rèn)為目前的抗生素并不能有效根治肺炎、老慢支等的反復(fù)發(fā)作的老年人更傾向于接種肺炎疫苗來預(yù)防呼吸系統(tǒng)疾病。認(rèn)為“兒童才需要打疫苗，包括肺炎疫苗，年紀(jì)大的人不需要接種疫苗”的老年人也不愿意接種肺炎疫苗。
文化程度、職業(yè)和家庭類型與老年人接種肺炎疫苗沒有相關(guān)性，可能原因?yàn)檫@些因素尚未對老年人發(fā)生肺炎、老慢支等呼吸系統(tǒng)疾病構(gòu)成顯著影響，或者這些因素對提高老年人肺炎疫苗的認(rèn)知沒有顯著影響。
[關(guān)鍵詞]教師職業(yè)倦怠 人口統(tǒng)計(jì)學(xué)變量 個性因素 組織因素
[中圖分類號] G451 [文獻(xiàn)標(biāo)識碼] A [文章編號] 2095-3437（2013）15-0027-03
教師職業(yè)倦怠是教育研究中值得關(guān)注的一個問題?！敖處熓且粋€高壓力的職業(yè)，社會賦予教師的高度期望、繁重的工作量、學(xué)生行為問題、學(xué)生考試成績和課程與教學(xué)改革等都是教師壓力的主要來源?！盵1]“過高的工作壓力和職業(yè)倦怠會導(dǎo)致教師工作績效下降、缺勤、離職，對教師的身心健康造成不利影響，并對學(xué)生產(chǎn)生直接、消極的影響，甚至波及整個社會?！盵2]教師職業(yè)倦怠也因此成為教師專業(yè)發(fā)展的阻力和教師職業(yè)生涯中的危機(jī)。
一、職業(yè)倦怠的概念界定
對于職業(yè)倦怠的概念，不同學(xué)者從不同的角度提出了不同的看法，概括起來，不外乎兩大類，即側(cè)重揭示職業(yè)倦怠最終狀態(tài)的靜態(tài)定義和側(cè)重描述職業(yè)倦怠動態(tài)發(fā)展過程的動態(tài)定義。
（一）職業(yè)倦怠的靜態(tài)定義
Maslach認(rèn)為，“職業(yè)倦怠是指那些需要連續(xù)不斷地與他人互動的人際服務(wù)業(yè)者在經(jīng)歷長期壓力下的一種行為反應(yīng)，它由情感衰竭（emotional exhaustion）、非人性化（depersonalization）和低個人成就感（reduced personal accomplishment）三個成分組成”。[3]
在眾多職業(yè)倦怠靜態(tài)定義中，得到學(xué)術(shù)界廣泛認(rèn)同的當(dāng)屬M(fèi)aslach對職業(yè)倦怠的界定。由于Maslach及其同事所編制的職業(yè)倦怠量表――MBI的普遍使用，使這一定義成為目前最常用的職業(yè)倦怠標(biāo)準(zhǔn)化操作性定義。
（二）職業(yè)倦怠的動態(tài)定義
與Maslach不同，Cherniss則從職業(yè)倦怠動態(tài)發(fā)展過程的角度界定職業(yè)倦怠，并給出了職業(yè)倦怠的定義，這一定義屬于職業(yè)倦怠的動態(tài)定義。Cherniss認(rèn)為，“職業(yè)倦怠是個體面對工作疲勞（strain）在態(tài)度和行為上消極變化的過程，可分為三個階段：第一階段為資源和需求的不平衡，即壓力階段；第二階段為即刻、短時(shí)的情緒緊張、疲勞和耗盡，即疲勞階段；第三階段包括一系列態(tài)度和行為的改變（如以疏離、機(jī)械的方式對待工作對象），即防御性應(yīng)對（defensive coping）階段”。[4]
職業(yè)倦怠的靜態(tài)定義和動態(tài)定義并不是相互排斥的，相反，在一定意義上，兩類定義是互補(bǔ)關(guān)系，動態(tài)定義所描述的是靜態(tài)定義的前一個階段，靜態(tài)定義所描述的是動態(tài)定義的最后階段。
Schaufeli和Enzmann在研究了職業(yè)倦怠的諸多定義之后，最為全面地概括了職業(yè)倦怠現(xiàn)象的本質(zhì)：“職業(yè)倦怠是一般個體所經(jīng)驗(yàn)的、一種與工作有關(guān)的持續(xù)、消極的心理狀態(tài)，它主要以精疲力竭為基本特征。職業(yè)倦怠表現(xiàn)為負(fù)性壓力（distress）、低效能感、動機(jī)下降以及態(tài)度和行為的消極改變。這一心理狀況是逐漸形成的，但卻在很長一段時(shí)間內(nèi)不被個體所覺知。它起因于工作中目的與現(xiàn)實(shí)的互不協(xié)調(diào)。職業(yè)倦怠因其實(shí)質(zhì)上是一種不適當(dāng)?shù)膽?yīng)對策略，往往會持續(xù)存在”。[5]這一定義首先將職業(yè)倦怠的諸多癥狀概括為一個核心特征――精疲力竭和四種一般表現(xiàn)，即負(fù)性壓力、低效能感、動機(jī)下降以及態(tài)度和行為的消極改變。其次，它強(qiáng)調(diào)未能實(shí)現(xiàn)的目標(biāo)和不適當(dāng)?shù)膽?yīng)對策略是職業(yè)倦怠產(chǎn)生的前提條件。最后，它指出職業(yè)倦怠是一個逐步發(fā)展的過程。顯然，這一概念和其他諸多概念相比，明顯的優(yōu)勢在于不僅描述了職業(yè)倦怠的一般癥狀表現(xiàn)、產(chǎn)生原因及發(fā)生范圍，而且具體指出了職業(yè)倦怠的核心特征和四個常見的伴隨特征。此外，該定義還強(qiáng)調(diào)了職業(yè)倦怠是一個逐漸發(fā)展的過程，并指出應(yīng)對策略，在職業(yè)倦怠形成過程中具有重要的作用。
二、教師職業(yè)倦怠的影響因素
影響教師職業(yè)倦怠的因素眾多，概括起來主要分為人口統(tǒng)計(jì)學(xué)變量、個性變量和組織變量三大類。
（一）人口統(tǒng)計(jì)學(xué)變量
已有研究考察的人口統(tǒng)計(jì)學(xué)變量主要包括年齡與工作經(jīng)驗(yàn)、性別、學(xué)生級別、教育程度和婚姻狀況等。這些變量也與職業(yè)倦怠或多或少存在一定的相關(guān)。例如，多數(shù)研究表明，教師的年齡和工作經(jīng)驗(yàn)與職業(yè)倦怠呈負(fù)相關(guān)，所以，在教師職業(yè)生涯初期，容易出現(xiàn)職業(yè)倦怠；就性別而言，較為一致的結(jié)論是男教師的非人性化程度明顯高于女教師；從學(xué)生級別來看，多數(shù)研究顯示中學(xué)教師的職業(yè)倦怠程度要高于小學(xué)教師；有關(guān)婚姻狀況與職業(yè)倦怠關(guān)系的研究出現(xiàn)兩種結(jié)果：一種結(jié)果表明，已婚教師的職業(yè)倦怠水平低于未婚教師，而另一種結(jié)果則顯示，結(jié)婚與否和職業(yè)倦怠的相關(guān)性并不顯著。其他一些人口統(tǒng)計(jì)學(xué)變量，如教師職稱、任教科目、學(xué)校級別等與教師職業(yè)倦怠的關(guān)系，較難取得一致結(jié)論。
總之，人口統(tǒng)計(jì)學(xué)變量與教師職業(yè)倦怠的相關(guān)性較低，研究結(jié)果也不十分一致，有些研究并未發(fā)現(xiàn)顯著的相關(guān)關(guān)系，甚至還得出與多數(shù)研究相反的結(jié)論。由此可以看出，人口統(tǒng)計(jì)學(xué)變量雖然是影響教師職業(yè)倦怠的因素，但并不是主要的因素。
（二）個性因素
影響教師職業(yè)倦怠的個性因素主要有心理控制源、A型人格、大五人格、工作期望、應(yīng)對策略、自我概念、自尊和自信、自我效能、人生意義等。通過對這些因素的研究，可以解釋為什么在相同或相似的工作環(huán)境和壓力下，個體經(jīng)驗(yàn)的職業(yè)倦怠程度會有所不同。
研究表明，心理控制源是職業(yè)倦怠的有效預(yù)測變量，外控教師因其將事件和成就歸因于他人或機(jī)遇，因而其職業(yè)倦怠程度要高于內(nèi)控教師；A型人格的人由于個性爭強(qiáng)好勝，具有時(shí)間緊迫感和充滿成功的理想等特點(diǎn)，通常認(rèn)為更容易產(chǎn)生職業(yè)倦??；研究表明，大五人格中的神經(jīng)質(zhì)與職業(yè)倦怠的關(guān)系最為顯著；個體對組織、工作以及自身過高的期望也會影響其職業(yè)倦怠程度，過高的期望會增加職業(yè)倦怠的程度；研究表明，個體的自我概念、自尊和自信都與職業(yè)倦怠呈顯著的負(fù)相關(guān)；Leiter認(rèn)為，職業(yè)倦怠是由于自我效能感出現(xiàn)危機(jī)所致，實(shí)證研究也證明了這一點(diǎn)；職業(yè)倦怠的存在主義理論認(rèn)為，職業(yè)倦怠是由于個體在生活和工作中尋求存在意義的需要未能實(shí)現(xiàn)所致，有關(guān)人生意義與職業(yè)倦怠關(guān)系的量化研究也充分支持了這一觀點(diǎn)。
三、組織因素
組織因素成為影響教師職業(yè)倦怠的原因是職業(yè)倦怠是一個與工作有關(guān)的概念。工作壓力源以及其他組織水平上的變量是產(chǎn)生職業(yè)倦怠的可能原因，因此，這應(yīng)該是我們重點(diǎn)關(guān)注的因素。
（一）學(xué)生問題行為
學(xué)生是教師工作的對象，學(xué)生的行為表現(xiàn)是影響教師壓力和職業(yè)倦怠的重要因素。很多實(shí)證研究均表明，學(xué)生在課堂的問題行為、不遵守紀(jì)律、態(tài)度冷漠是教師主要的壓力源，學(xué)生問題行為與教師職業(yè)倦怠呈正相關(guān)。Hoerr和West將學(xué)生問題行為分為兩類：一類是一般問題行為，即較常見的、可以被教師預(yù)知的、經(jīng)常出現(xiàn)的行為；另一類是危機(jī)問題行為。他們發(fā)現(xiàn)，學(xué)生一般問題行為與情感衰竭、非人性化存在高相關(guān)，而學(xué)生的危機(jī)問題行為則只與非人性化維度相關(guān)。Friedman的研究結(jié)果表明，學(xué)生的不尊重（指學(xué)生不尊重老師和其他同學(xué)）和不用心（指學(xué)生學(xué)習(xí)考試不及格）等學(xué)生問題行為會增加教師的職業(yè)倦怠感。
（二）學(xué)校文化
教師的主要工作場所是學(xué)校，所以學(xué)校文化也是影響教師職業(yè)倦怠的因素之一。Leithwood、Menzies、Jantzi等人認(rèn)為，如果學(xué)校的目標(biāo)明確，學(xué)校給予教師一個不斷學(xué)習(xí)的環(huán)境，學(xué)校文化是合作、團(tuán)結(jié)的，教師的職業(yè)倦怠水平就低；相反，在組織僵硬的學(xué)校里，教師的職業(yè)倦怠水平就高。因此，學(xué)校應(yīng)形成一個團(tuán)結(jié)、合作、不斷學(xué)習(xí)和相互支持的良好氛圍，學(xué)校管理應(yīng)該人性化。
（三）工作負(fù)擔(dān)
大量研究表明，合理的工作量有利于降低教師的職業(yè)倦怠水平，相反，工作超負(fù)荷則會提高教師的職業(yè)倦怠水平。工作超負(fù)荷有質(zhì)和量兩方面的含義。從量的方面來看，工作超負(fù)荷是指有過多的工作要求，而用太少的時(shí)間去完成任務(wù)。如繁重的備課、批改任務(wù)，過多的學(xué)生數(shù)量等。從質(zhì)的方面來看，工作超負(fù)荷是指工作的復(fù)雜和困難程度大，例如學(xué)校要求教師的教學(xué)成績要在本地區(qū)排名第一。
（四）教師的自
以往的實(shí)證研究顯示，教師參與的自也是影響教師職業(yè)倦怠的一個重要因素。當(dāng)教師在教學(xué)和學(xué)校管理等事務(wù)中擁有更大的參與自，教師的職業(yè)倦怠水平就低，而缺乏參與自會使教師的士氣、自尊和工作滿意度下降，進(jìn)而提高職業(yè)倦怠水平。
（五）角色沖突和角色模糊
角色沖突和角色模糊也是影響教師職業(yè)倦怠的重要組織變量。當(dāng)個體面對兩種沖突情境而又被期望做出角色行為時(shí)，角色沖突就會出現(xiàn)。當(dāng)個體對其職業(yè)的權(quán)利、義務(wù)和責(zé)任缺乏明晰、一致的認(rèn)識而感到無法勝任工作，或者面對不斷增加的復(fù)雜工作和較大的組織變革時(shí)，角色模糊就會產(chǎn)生。
大量的實(shí)證研究表明，角色沖突與情感衰竭、非人性化呈正相關(guān)，與個人成就感呈負(fù)相關(guān)，其中，角色模糊與個人成就感的關(guān)系最為密切。總之，角色沖突和角色模糊與教師職業(yè)倦怠都有較高的相關(guān)，但比較而言，角色沖突對教師職業(yè)倦怠的解釋能力相對較強(qiáng)。
（六）社會支持
社會支持通常從來源和類型兩個方面進(jìn)行劃分。依據(jù)來源，社會支持可分為校內(nèi)支持（包括同事支持、校長支持等）和校外支持（包括學(xué)生支持、朋友支持、配偶支持等）。依據(jù)類型，社會支持可分為信息支持、實(shí)際支持和情感支持三類。
一般而言，社會支持作為個體的一種應(yīng)對方式，良好的社會支持能有效降低教師職業(yè)倦怠的程度，但因社會支持的結(jié)構(gòu)較為復(fù)雜，不同類型的社會支持對教師職業(yè)倦怠的影響有所不同。例如，多數(shù)實(shí)證研究結(jié)果顯示，校內(nèi)支持與教師職業(yè)倦怠的關(guān)系比較密切，其對教師職業(yè)倦怠各成分均有負(fù)向預(yù)測作用，而校外支持與教師職業(yè)倦怠的相關(guān)性并不顯著；情感支持能有效降低情感衰竭、非人性化；實(shí)際支持可以增強(qiáng)教師的個人成就感；教師的時(shí)間支持高，則情感衰竭和非人性化程度低。
個別學(xué)者的研究甚至得出相反的結(jié)論。例如Burke和Greenglass的一項(xiàng)研究結(jié)果顯示，社會支持對教師職業(yè)倦怠的影響并不顯著。Byrne認(rèn)為，這可能是由社會支持理論結(jié)構(gòu)的多維性和統(tǒng)計(jì)方法的多樣性造成的。
除以上因素之外，工作需求、工作資源、工作控制以及付出與回報(bào)不成比例等也是影響教師職業(yè)倦怠的因素。而在以上各組織因素中，學(xué)生的行為問題、角色沖突與角色模糊、教師的自主性、工作負(fù)擔(dān)是教師壓力的主要來源。
綜上所述，與教師職業(yè)倦怠有關(guān)的因素主要有人口統(tǒng)計(jì)學(xué)變量、個性變量和組織變量三類。其中，人口統(tǒng)計(jì)學(xué)變量相對比較穩(wěn)定，它們與教師職業(yè)倦怠雖有相關(guān)關(guān)系，但不與教師職業(yè)倦怠有因果聯(lián)系。個性變量則比較主觀、多變，它們對教師職業(yè)倦怠的影響也比人口統(tǒng)計(jì)學(xué)變量要大。組織因素是屬于微系統(tǒng)或中系統(tǒng)層面，其與教師職業(yè)倦怠的相關(guān)程度也最高。
[ 參 考 文 獻(xiàn) ]
[1] 周曉曄，秦巍.中學(xué)教師職業(yè)壓力調(diào)查分析[J].遼寧師范大學(xué)學(xué)報(bào)（社會科學(xué)版），2004，（3）：69-71.
[2] Farber，B.A.Stress and burnout in the American teacher[M].San Francisco，CA：Jossey？鄄Bass，1991.
[3] Maslach，C.Burnout： A social psychological analysis.In J.W.Jone（Ed.），The burnout syndrome：Current research，theory，investigations[M].Park Ridge，IL：London House Press，1982.
[4] Cherniss，C..Professional bournout in human service organiz？鄄
ations[M].New York：Praeger，1980.
[5] Schaufeli，W.B.&Enamann，D..The burnout companion to stu？鄄
1t檢驗(yàn)
t檢驗(yàn)是英國統(tǒng)計(jì)學(xué)家W.S.Gosset1908年根據(jù)t分布原理建立起來的一種假設(shè)檢驗(yàn)方法,常用于計(jì)量資料中2個小標(biāo)本均數(shù)的比較。理論上,t檢驗(yàn)的應(yīng)用條件是要求標(biāo)本來自正態(tài)分布的總體,兩標(biāo)本均數(shù)比較時(shí),還要求兩總體方差相等。但在實(shí)際工作中,與上述條件略有偏離,只要其分布為單峰且近似正態(tài)分布,也可應(yīng)用[2]。
常用的t檢驗(yàn)有如下3類:(1)單個標(biāo)本t檢驗(yàn):用于推斷標(biāo)本均數(shù)代表的總體均數(shù)和已知總體均數(shù)有無統(tǒng)計(jì)學(xué)意義。當(dāng)標(biāo)本例數(shù)較少(n<60)且總體標(biāo)準(zhǔn)差未知時(shí),選用t檢驗(yàn);反之當(dāng)標(biāo)本例數(shù)較多或標(biāo)本例數(shù)較少、總體標(biāo)準(zhǔn)差已知時(shí),則可選用u檢驗(yàn)[3]。(2)配對標(biāo)本t檢驗(yàn):適用于配對設(shè)計(jì)的兩標(biāo)本均數(shù)的比較,在選用時(shí)應(yīng)注意兩標(biāo)本是否為配對設(shè)計(jì)資料。常用的配對設(shè)計(jì)資料主要有如下3種情況:兩種同質(zhì)受試對象分別接受兩種不同的處理;同一受試對象或同一標(biāo)本的2個部分,分別接受不同的處理;同一受試對象處理前后的結(jié)果比較。(3)兩獨(dú)立標(biāo)本t檢驗(yàn):又稱成組t檢驗(yàn),適用于完全隨機(jī)設(shè)計(jì)的兩標(biāo)本均數(shù)的比較。與配對t檢驗(yàn)不同的是,在進(jìn)行兩獨(dú)立標(biāo)本t檢驗(yàn)之前,還必須對兩組資料進(jìn)行方差齊性檢驗(yàn)。若為小標(biāo)本且方差齊,則選用t檢驗(yàn);反之若方差不齊,則選用校正t檢驗(yàn)(t′檢驗(yàn)),或采用數(shù)據(jù)變換的方法(如取對數(shù)、開方、倒數(shù)等)使兩組資料具有方差齊性后再進(jìn)行t檢驗(yàn),或采用非參數(shù)檢驗(yàn)[4]。此外,當(dāng)兩組標(biāo)本例數(shù)較多(n1、n2>50)時(shí),這時(shí)應(yīng)用t檢驗(yàn)的計(jì)算比較繁瑣,可選用u檢驗(yàn)[5]。
2方差分析
方差分析適用于兩組以上計(jì)量資料均數(shù)的比較,其應(yīng)用條件是各組資料取自正態(tài)分布的總體且各組資料具有方差齊性。因此,在應(yīng)用方差分析之前,同樣和成組t檢驗(yàn)一樣需要對各組資料進(jìn)行正態(tài)性檢驗(yàn)、方差齊性檢驗(yàn)。
常用的方差分析有如下幾類:(1)完全隨機(jī)設(shè)計(jì)的方差分析:主要用于推斷完全隨機(jī)設(shè)計(jì)的多個標(biāo)本均數(shù)所代表的總體均數(shù)之間有無顯著性差別。完全隨機(jī)設(shè)計(jì)是將觀察對象隨機(jī)分為兩組或多組,每組接受一種處理,形成2個或多個標(biāo)本。
(2)隨機(jī)區(qū)組設(shè)計(jì)的方差分析:隨機(jī)區(qū)組設(shè)計(jì)首先是將全部受試對象按某種或某些特性分為若干區(qū)組,然后區(qū)組內(nèi)的每個研究對象接受不同的處理,通過這種設(shè)計(jì),既可以推斷處理因素又可以推斷區(qū)組因素是否對試驗(yàn)效應(yīng)產(chǎn)生作用。此外,由于這種設(shè)計(jì)還使每個區(qū)組內(nèi)研究對象的水平盡可能地相近,減少了個體間差異對研究結(jié)果的影響,比成組設(shè)計(jì)更容易檢驗(yàn)出處理因素間的差別。(3)析因設(shè)計(jì)的方差分析:將2個或2個以上處理因素的各種濃度水平進(jìn)行排列組合、交叉分組的試驗(yàn)設(shè)計(jì)。它不僅可以檢驗(yàn)每個因素各水平之間是否有差異,還可以檢驗(yàn)各因素之間是否有交互作用,同時(shí)還可以找到處理因素的各種濃度水平之間的最佳組合。此外,還有正交設(shè)計(jì)、拉丁方設(shè)計(jì)等多種方差分析法,實(shí)驗(yàn)者在應(yīng)用時(shí)可以參考相關(guān)的統(tǒng)計(jì)學(xué)著作。
目前,某些醫(yī)學(xué)論文中有這樣的情況,就是用t檢驗(yàn)代替方差分析對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)處理,這是不可取的。t檢驗(yàn)只適用于推斷2個小標(biāo)本均數(shù)之間有無顯著性差別,而采用t檢驗(yàn)對多組均數(shù)進(jìn)行兩兩比較,會增加犯I型錯誤的概率,即可能把本來無差別的2個總體均數(shù)判為有差別,使結(jié)論的可信度降低[6]。對多個標(biāo)本均數(shù)進(jìn)行比較時(shí),正確的方法是先進(jìn)行方差分析,若檢驗(yàn)統(tǒng)計(jì)量有顯著性意義時(shí),再進(jìn)行多個標(biāo)本均數(shù)的兩兩(多重)比較。
3χ2檢驗(yàn)
χ2檢驗(yàn)是一種用途比較廣泛的假設(shè)檢驗(yàn)方法,但是在醫(yī)學(xué)論文中常用于分類計(jì)數(shù)資料的假設(shè)檢驗(yàn),即用于2個標(biāo)本率、多個標(biāo)本率、標(biāo)本內(nèi)部構(gòu)成情況的比較,標(biāo)本率與總體率的比較,某現(xiàn)象的實(shí)際分布與其理論分布的比較。但是當(dāng)標(biāo)本滿足正態(tài)近似條件時(shí),如標(biāo)本例數(shù)n與標(biāo)本率p滿足條件np與n(1-p)均大于5,則可以計(jì)算假設(shè)檢驗(yàn)統(tǒng)計(jì)量u值來進(jìn)行判斷[5]。
常用的χ2檢驗(yàn)分為如下幾類:(1)2×2表χ2檢驗(yàn)。適用于2個標(biāo)本率或構(gòu)成比的比較,在應(yīng)用時(shí),當(dāng)整個試驗(yàn)的標(biāo)本例數(shù)n≥40且某個理論頻數(shù)1≤T<5時(shí),需對χ2值進(jìn)行連續(xù)性校正。因?yàn)門值太小,會導(dǎo)致χ2值增大,易出現(xiàn)假陽性結(jié)論。此外,若標(biāo)本例數(shù)n<40,或有某個T值小于1,此時(shí)即使采用校正公式計(jì)算的χ2值也有偏差,需要用2×2表χ2檢驗(yàn)的確切概率檢驗(yàn)法(Fisher確切檢驗(yàn)法)。(2)配對資料χ2檢驗(yàn)。適用于配對設(shè)計(jì)的2個標(biāo)本率或構(gòu)成比的比較,即通過單一標(biāo)本的數(shù)據(jù)推斷兩種處理結(jié)果有無顯著性差別。在應(yīng)用時(shí),如果甲處理結(jié)果為陽性而乙處理結(jié)果為陰性的標(biāo)本例數(shù)n1與甲處理結(jié)果為陰性而乙處理結(jié)果為陽性的標(biāo)本例數(shù)n2之和<40,需要對計(jì)算的χ2值進(jìn)行校正。(3)R×C表χ2檢驗(yàn)。適用于多個標(biāo)本率或構(gòu)成比的比較。在R×C表χ2檢驗(yàn)中,若檢驗(yàn)統(tǒng)計(jì)量有顯著性意義時(shí),還需要對多個標(biāo)本率或構(gòu)成比進(jìn)行兩兩比較,即分割R×C表,使之成為非獨(dú)立的四格表,并對每兩個率之間有無顯著性差別作出結(jié)論。
2×2表資料在應(yīng)用時(shí)可分為如下幾種類型:橫斷面研究設(shè)計(jì)的2×2表資料、隊(duì)列研究設(shè)計(jì)的2×2表資料、病例-對照研究設(shè)計(jì)的2×2表資料、配對研究設(shè)計(jì)的2×2表資料。研究者應(yīng)注意不同類型的2×2表資料的統(tǒng)計(jì)分析方法略有差別,比如在分析隊(duì)列研究設(shè)計(jì)的2×2表資料時(shí),如果用χ2公式計(jì)算得到P<0.05,研究者則應(yīng)再計(jì)算相對危險(xiǎn)度(RR)并檢驗(yàn)總體RR與1之間的差異是否具有統(tǒng)計(jì)學(xué)意義[7]。
此外,在進(jìn)行R×C表χ2檢驗(yàn)時(shí),還有如下2個主要的注意事項(xiàng):首先,T值最好不要小于5,若有1/5的T值小于5,χ2檢驗(yàn)結(jié)論是不可靠的,解決的辦法有3種:增大標(biāo)本量;刪去T值太小的行和列;將T值太小的行或列與性質(zhì)相近的鄰行或鄰列的實(shí)際頻數(shù)合并[2,8]。其次,不同類型的R×C表資料選擇的統(tǒng)計(jì)分析方法是不一樣的。(1)雙向無序的R×C表資料:可以選用一般的χ2公式計(jì)算。(2)單向有序的R×C表資料:如果是原因變量為有序變量的單向有序R×C表資料,可以將其視為雙向無序的R×C表資料而選用一般的χ2檢驗(yàn)公式計(jì)算,但如果是結(jié)果變量為有序變量的單向有序R×C表資料,選用的統(tǒng)計(jì)分析方法有秩和檢驗(yàn)、Radit分析和有序變量的logistic回歸分析等。(3)雙向有序且屬性不同的R×C表資料:對于這類資料采用的統(tǒng)計(jì)分析方法不能一概而論,應(yīng)根據(jù)研究者的分析目而合理選擇。如果研究者只關(guān)心原因變量與結(jié)果變量之間的差異是否具有統(tǒng)計(jì)學(xué)意義時(shí),此時(shí),原因變量的有序性就顯得無關(guān)緊要了,可將其視為結(jié)果變量為有序變量的單向有序R×C表資料進(jìn)行分析。如果研究者希望考察原因變量與結(jié)果變量之間是否存在線性相關(guān)關(guān)系,此時(shí)需要選用處理定性資料的相關(guān)分析方法如Spearman秩相關(guān)分析方法等。如果兩個有序變量之間的相關(guān)關(guān)系具有統(tǒng)計(jì)學(xué)意義,研究者希望進(jìn)一步了解這兩個有序變量之間的線性關(guān)系,此時(shí)宜選用線性趨勢檢驗(yàn)。如果研究者希望考察列聯(lián)表中各行上的頻數(shù)分布是否相同,此時(shí)宜選用一般的χ2公式計(jì)算。(4)雙向有序且屬性相同的R×C表資料:這類資料實(shí)際上就是配對設(shè)計(jì)2×2表資料的延伸,在分析這類資料時(shí),實(shí)驗(yàn)者的目的主要是研究兩種處理方法檢測結(jié)果之間是否具有一致性,因此常用的統(tǒng)計(jì)分析方法為一致性檢驗(yàn)或Kappa檢驗(yàn)。
4非參數(shù)檢驗(yàn)
作者：王玉琨，薛富波，杜曉晗，徐勇勇
【關(guān)鍵詞】 ，創(chuàng)傷嚴(yán)重度指數(shù)
【Abstract】 AIM: To review some important factors affecting the outcomes of trauma patients and to screen variables for the predictive model of trauma outcomes so that a new trauma scaling model more applicable to Chinese patients can be established. METHODS: The database of discharge abstracts of trauma patients from more than 200 hospitals nationwide was used and a logistic regression model was fitted with the outcomes of patients as response and other 9 factors as predictors， including the anatomic injury severity grade by ISS value. A stepwise regression method was used to select the variables and their parameters were estimated. RESULTS: Six factors， namely， anatomic injury severity grade， complication status， age group， identity， operation status and financial support status were selected into the logistic regression model (P
【Keywords】 trauma severity indices; logistic models; international classification of diseases; abbreviated injury scale; injury severity score
【摘要】 目的： 考察影響創(chuàng)傷結(jié)局的重要因素，初步篩選創(chuàng)傷患者結(jié)局預(yù)測模型的構(gòu)成變量，為建立新的適合中國患者的創(chuàng)傷嚴(yán)重度評分方法進(jìn)行有關(guān)評分模型的初步探討. 方法： 利用全國200余所醫(yī)院的創(chuàng)傷患者病案首頁數(shù)據(jù)，初選出包括ISS評分所得嚴(yán)重度在內(nèi)的9個相關(guān)的因素，將患者結(jié)局作為應(yīng)變量擬合Logistic回歸模型. 逐步回歸法篩選變量，并估計(jì)其影響作用的大小. 結(jié)果： 解剖嚴(yán)重程度、有無并發(fā)癥、年齡組、身份、是否接受手術(shù)、費(fèi)用類型等6個因素對患者結(jié)局的影響有統(tǒng)計(jì)學(xué)意義（P
【關(guān)鍵詞】 創(chuàng)傷嚴(yán)重度指數(shù)；Logistic模型；國際疾病分類；簡明損傷定級；損傷嚴(yán)重度評分
0引言
創(chuàng)傷評分是目前創(chuàng)傷患者傷情評價(jià)的基本方法，在世界范圍內(nèi)廣泛應(yīng)用. 我國的創(chuàng)傷評分研究起步晚，目前尚未得到廣泛推廣和應(yīng)用，其原因在于多數(shù)創(chuàng)傷評分方法操作復(fù)雜，應(yīng)用條件苛刻，且大多數(shù)創(chuàng)傷評分模型是基于國外（歐美國家）患者的生理、解剖參數(shù)而確定，對于國內(nèi)患者其適用性較差. 為建立一種適合國內(nèi)創(chuàng)傷患者的簡單易行的創(chuàng)傷評分方法，我室提出基于創(chuàng)傷病種ICD9（國際疾病分類）6位數(shù)編碼的創(chuàng)傷評分方法的構(gòu)想，并且已經(jīng)建立全部創(chuàng)傷病種ICD9 6位數(shù)編碼與AIS（簡明損傷定級）分值的對應(yīng)關(guān)系表［1］. 通過ISS評分方法對此對應(yīng)關(guān)系的考察表明，此種通過ICD9編碼轉(zhuǎn)換的方法所得的AIS分值能夠很好地體現(xiàn)單個創(chuàng)傷的解剖嚴(yán)重度，可以作為創(chuàng)傷評分的解剖學(xué)參數(shù)［2］. 我們進(jìn)一步探討了國內(nèi)創(chuàng)傷患者結(jié)局的影響因素，為基于ICD9 6位數(shù)編碼的創(chuàng)傷評分方法篩選其他模型變量，并從統(tǒng)計(jì)學(xué)角度考察各種因素對創(chuàng)傷患者結(jié)局的影響程度.
1資料和方法
1.1數(shù)據(jù)來源全國范圍內(nèi)200余所大、中型醫(yī)院1998年全年收治的創(chuàng)傷患者病案首頁數(shù)據(jù). 經(jīng)數(shù)據(jù)清洗，排除治療結(jié)果中“未治”、“其他”或?yàn)榭瞻椎挠涗洠罱K得符合研究要求的創(chuàng)傷患者記錄共112 749條. 其中男性88 622人，女性24 087人. 按年齡將患者分為3個年齡組，其中0~15歲16 382人，16~54歲87 242人，≥55歲9 125人. 地方人員94 935人，軍隊(duì)人員17 814人. 自費(fèi)患者81 170人，非自費(fèi)（公費(fèi)或醫(yī)療保險(xiǎn)等）患者31 579人. 單發(fā)傷70 345例，多發(fā)傷42 404例. 接受手術(shù)治療者54 176例，未接受手術(shù)者58 573例. 伴有創(chuàng)傷并發(fā)癥者582例，無并發(fā)癥者112 167例. 發(fā)生院內(nèi)感染者1255例，未發(fā)生院內(nèi)感染11 194例. 患者結(jié)局（出院時(shí)）中存活111 684人，死亡1065人.
1.2創(chuàng)傷評分方法（解剖評分）采用我室編制的ICD9 6位數(shù)編碼與AIS分值對應(yīng)表，以創(chuàng)傷患者的出院診斷ICD9編碼為基礎(chǔ)，換算出每一個出院診斷所對應(yīng)的創(chuàng)傷的AIS分值. 以Turner Osler的改良ISS法［3］（即不考慮創(chuàng)傷所在的身體區(qū)域，僅以AIS分值最高的3處創(chuàng)傷計(jì)算ISS分值）計(jì)算每位患者的ISS分值. 再按照ISS分值將全部患者分為三個解剖嚴(yán)重程度分組，ISS 1~12者為輕，13~19者為中，20~75者為重［4］. 經(jīng)以上分組后，全部患者中，輕度創(chuàng)傷患者93 343例，中度創(chuàng)傷患者9507例，重度創(chuàng)傷患者9899例.
1.3數(shù)據(jù)處理方法以患者的結(jié)局（存活或死亡）為應(yīng)變量，將性別、年齡組、身份（軍隊(duì)或地方人員）、費(fèi)用類型、創(chuàng)傷類型（單發(fā)傷或多發(fā)傷）、是否接受手術(shù)、有無并發(fā)癥、有無院內(nèi)感染等因素與解剖嚴(yán)重程度分組一起作為自變量，擬合Logistic回歸模型，考察各因素對患者結(jié)局的影響. 通過逐步Logistic回歸分析，篩選有統(tǒng)計(jì)學(xué)意義的影響因素，并計(jì)算其對患者結(jié)局的作用大小. 為簡化計(jì)算過程和方便分析結(jié)果的專業(yè)解釋，此次分析僅考察各因素的主效應(yīng)及其一階交互效應(yīng)，其余高階交互效應(yīng)假定為零.
2結(jié)果
2.1變量篩選結(jié)果經(jīng)逐步Logistic回歸分析，解剖嚴(yán)重程度、有無并發(fā)癥、年齡組、身份、是否接受手術(shù)、費(fèi)用類型等6個因素對患者結(jié)局的影響有統(tǒng)計(jì)學(xué)意義（P
2.2模型擬合優(yōu)度及各因素的效應(yīng)大小使用以上篩選出的變量和交互效應(yīng)對患者的結(jié)局重新擬合Logistic回歸模型，模型擬合度統(tǒng)計(jì)量、自變量及交互效應(yīng)項(xiàng)對模型的意義見Tab 1. 可見費(fèi)用類型的主效應(yīng)無統(tǒng)計(jì)學(xué)意義，但與解剖嚴(yán)重度的交互效應(yīng)卻有統(tǒng)計(jì)學(xué)意義.表1Logistic模型擬合結(jié)果
各因素及交互效應(yīng)項(xiàng)的參數(shù)估計(jì)值見Tab 2. 其中各因素的水平值對應(yīng)的具體含義見Tab 3. 表2各因素及交互效應(yīng)項(xiàng)的參數(shù)估計(jì)值（略）表3各因素的水平值對應(yīng)的具體含義（略）
3討論
根據(jù)以上參數(shù)估計(jì)值，即可給出創(chuàng)傷患者結(jié)局的Logistic回歸預(yù)測模型，各因素對患者結(jié)局的影響作用大小也可得以考察和比較. 從結(jié)果可以看出，解剖嚴(yán)重度分組是影響創(chuàng)傷結(jié)局的最重要的因素，解剖嚴(yán)重度越高，死亡概率越大. 其次是有無并發(fā)癥和年齡因素，有并發(fā)癥者死亡概率明顯增加，年齡越大，死亡概率越大. 此三個因素應(yīng)在創(chuàng)傷評分模型中作為主要的因素來考察. 身份因素對結(jié)局的影響表現(xiàn)為地方人員死亡概率高于軍隊(duì)人員，這可能與軍隊(duì)人員具有良好的基本醫(yī)療保障有關(guān). 費(fèi)用類型的作用與身份因素存在相似之處，自費(fèi)患者死亡概率高于非自費(fèi)患者. 其余因素對結(jié)局雖然存在一定的影響，但影響程度均較輕，是否作為創(chuàng)傷評分模型應(yīng)考察的因素需作進(jìn)一步的探討. 各因素之間存在的交互效應(yīng)，在建立新的創(chuàng)傷評分模型時(shí)也須加以重視，在進(jìn)一步地考察確認(rèn)之后，應(yīng)通過適當(dāng)?shù)哪Ｐ捅磉_(dá)項(xiàng)使之得以充分體現(xiàn).
以AISISS為基礎(chǔ)的解剖嚴(yán)重度評分，是世界范圍內(nèi)廣泛應(yīng)用的創(chuàng)傷評分方法，雖然在對患者結(jié)局的預(yù)測與評價(jià)方面效果有不盡如人意的地方，但可作為改良的創(chuàng)傷評分方法的基礎(chǔ)［5］. 有些因素，比如是否手術(shù)、是否院內(nèi)感染等，均是在患者入院后才可收集的信息，不便作為評分模型的組成變量，僅能用作創(chuàng)傷患者結(jié)局的預(yù)測變量之一. 另外一些重要因素，如患者的血壓、心率、呼吸、體溫等生理指標(biāo)，均是影響患者結(jié)局的重要因素［6］，應(yīng)當(dāng)作為創(chuàng)傷評分模型的重要變量，其對患者結(jié)局的影響程度也需要進(jìn)行類似的考察和分析. 由于病案首頁數(shù)據(jù)在此類信息方面的缺失，此次無法一并進(jìn)行分析，我們將在后續(xù)的研究中收集更為全面的數(shù)據(jù)，對各種有關(guān)的因素進(jìn)行全面地分析.
此研究是建立基于ICD9編碼的創(chuàng)傷評分模型的一次初步探索，是對部分影響因素的初步考察與分析. 但由于數(shù)據(jù)信息量的限制，研究的結(jié)果尚不能作為創(chuàng)傷評分模型的最終參考依據(jù). 后續(xù)的研究工作需要收集更全面的數(shù)據(jù)，考察更多的因素，從臨床和統(tǒng)計(jì)學(xué)兩個方面對各種影響因素的作用進(jìn)行全面的考察與分析，以期為建立一個合理的創(chuàng)傷評分模型提供依據(jù).
【參考文獻(xiàn)】
［1］ 薛富波，王玉琨，徐勇勇. 創(chuàng)傷國際疾病分類編碼向AIS分值轉(zhuǎn)換規(guī)則的研究［J］. 中華創(chuàng)傷雜志，2003; 19(7): 385-388.
Xue FB， Wang YK， Xu YY. Converting rules from international classification of disease codes of trauma to abbreviated injury scale values ［J］. Chin J Trauma， 2003; 19(7): 385-388.
［2］ 王玉琨，薛富波，徐勇勇，等. 基于ICD9編碼的ISS創(chuàng)傷評分方法研究［J］. 創(chuàng)傷外科雜志，2004; 6(1): 28-30.
Wang YK， Xue FB， Xu YY， et al. Exploration of a newly developed trauma severity scaling method of ISS based on ICD9 codes ［J］. J Traumatic Surg， 2004; 6(1):28-30.
［3］ Osler T， Baker SP， Long W， et al. A modification of the injury severity score that both improves accuracy and simplifies scoring ［J］. J Trauma， 1997; 43: 922-925.
［4］ MacKenzie EJ， Steinwachs DM， Shankar B. Classifying trauma severity based on hospital discharge diagnoses. Validation of an ICD9CM to AIS85 conversion table ［J］. Med Care， 1989; 27(4): 412-422.
［5］ 楊柳青，任秀清，楊寧，等. 改良創(chuàng)傷評分（RTS）與創(chuàng)傷嚴(yán)重度評分（ISS）在創(chuàng)傷評估中的應(yīng)用［J］. 川北醫(yī)學(xué)院學(xué)報(bào)，1998; 13(2): 20-22.
Yang LQ， Ren XQ， Yang N， et al. Applications of revised trauma score and injury severity score in trauma evaluations ［J］. J North Sichuan Med Coll， 1998; 13(2): 20-22.
關(guān)鍵詞：圍手術(shù)期；醫(yī)院感染；影響因素
Abstract:［Objective］Tounderstandtheincidencerateofperioperativenosocomialinfectionamongsurgicalpatientsanditsrelevantfactors［Methods］TheincidenceofallsurgicalpatientsinJi''''nanRailwayHospitalin2002wereinvestigatedandunconditionallogisticregressionwereadoptedtoanalyzetheitsrelevantfactors［Results］Onehundredandninetytwooutof1368surgicalpatientswereconfirmedasperioperativenosocomialinfectionsduringtheperiodfromhospitalizationtocheckingout,withtheincidencerateof1401%(1392%inmale，1421%infemale)Theincidencerateisdifferent(P＜001)indifferentage,durationoftheoperation，durationofhospitalization,kindofantibioticusedanddurationofuse,typeofanesthesia,whethercompanyingmalignanttumorsanddiabetesornot，whetherconductingtracheotomyornot,andtypeofincisioninoperatingMultivariateunconditionallogisticregressionanalysisshowsthatage，thetimethattheoperationlasted，thetypeofanesthesia，malignanttumorcompanied，thelengthoftimehospitalizedshouldbeenteredtheregressionequation［Conclusion］Elderage，thelongtimethattheoperationlasts，generalanesthesia，companyingmalignanttumor，thelongtimeofhospitalizationaretheriskfactorsofperioperativenosocomialinfection
Keywords：Perioperation;NosocomialinfectionL;Riskfactors
〖HJ＊3／7〗〖FL（2K2〗
圍手術(shù)期系指病人住院后直至手術(shù)結(jié)束與本次手術(shù)有關(guān)的處理告一段落的時(shí)間。外科手術(shù)的危險(xiǎn)之一就是術(shù)后感染，輕者使患者醫(yī)療費(fèi)用增加，重者造成死亡［1］。為了掌握圍手術(shù)期醫(yī)院感染發(fā)生情況，探討其危險(xiǎn)因素，為采取預(yù)防控制措施提供依據(jù)，我們對2002年濟(jì)南鐵路局中心醫(yī)院所有手術(shù)患者進(jìn)行前瞻性調(diào)查。
1對象與方法
11對象2002年濟(jì)南鐵路局中心醫(yī)院所有外科手術(shù)患者共1368例。
12方法由經(jīng)統(tǒng)一培訓(xùn)合格的調(diào)查員，從病人入院至手術(shù)后出院，觀察患者的一般特征，糖尿病、癌癥、切口類型等易感染因素，泌尿道插管、動靜脈插管、使用呼吸機(jī)、氣管切開（插管）等侵襲性操作及醫(yī)院感染的發(fā)生情況。
醫(yī)院感染診斷按照2001年版衛(wèi)生部《醫(yī)院感染診斷標(biāo)準(zhǔn)》（試行）。
將原始資料編碼整理后，輸入計(jì)算機(jī)，用FoxPro建立數(shù)據(jù)庫，先使用SPSS100軟件進(jìn)行單因素分析，將單因素分析具有統(tǒng)計(jì)學(xué)意義的變量重新賦值作為自變量，感染與否作為因變量（感染=1，未感染=0），進(jìn)行多因素非條件Logistic回歸分析。變量的賦值為：性別，女=0，男=1；年齡（歲），＜30=1，31～59=2，≥60=3；住院時(shí)間（d），＜7=1，7～13=2，≥21=3；手術(shù)持續(xù)時(shí)間（h），≤4=0，5～6=1，7～8=2，＞8=3；麻醉方式，全麻=1，非全麻=0；切口類型，Ⅰ類=0，≥Ⅱ=1；伴有惡性腫瘤，伴有=1，不伴有=0；伴有糖尿病，伴有=1，不伴=0；侵襲性操作，有=1，無=0；抗生素使用種類，1種=0，2種=1，3種=2，≥4種=3；抗生素使用時(shí)間（d），＜6=1，6～11=2，≥12=3。2個或多個感染率的比較采用χ2檢驗(yàn)。
2結(jié)果〖HJ*3／7〗
21感染發(fā)生情況1368例患者中，發(fā)生感染的192例，感染率為1404%。醫(yī)院感染率，男性為1392%（113/812），女性為1421%（79/556），差異無統(tǒng)計(jì)學(xué)意義（χ2=134，P＞005）；15歲以下為1458%（14/96），16～30歲為769%（26/338），31～45歲為721%（22/305），46～59歲為1045%（23/220），60歲以上為2616%（107/409），差異有統(tǒng)計(jì)學(xué)意義（χ2=7438，P＜001）。手術(shù)持續(xù)時(shí)間不超過2h的為671%（49/730），2～4h的為1496%（57/381），5～6h的為2400%（36/150），≥8h的為4673%（50/107），差異有統(tǒng)計(jì)學(xué)意義（χ2=13985，P＜001）；住院時(shí)間＜7d的為742%（46/620），7～13d的為1603%（75/468），14～20d的為2192%（32/146），＞20d的為2911%（39/134），差異有統(tǒng)計(jì)學(xué)意義（χ2=5673，P＜001）。使用1種抗生素的為1012%（58/573），2種的為1164%（56/481），3種的為1753%（27/154），≥4種的為3188%（51/160），差異有統(tǒng)計(jì)學(xué)意義（χ2=4599，P＜001）；使用抗生素不超過3d的為1045%（61/584），4～6d的為1149%（54/470），7～12d的為2000%（29/145），＞12d的為2840%（48/169），差異有統(tǒng)計(jì)學(xué)意義（χ2=4203，P＜001）。全身麻醉的為1902%（124/652），非全身麻醉的為950%（68/716），差異有統(tǒng)計(jì)學(xué)意義（χ2=2558，P＜001）。伴有惡性腫瘤的為2047%（79/386），未伴有惡性腫瘤的為1151%（113/982），差異有統(tǒng)計(jì)學(xué)意義（χ2=1837，P＜001)。氣管切開者為1775%（98/552），未氣管切開者為1152%（94/816），差異有統(tǒng)計(jì)學(xué)意義（χ2=1056，P＜001）。Ⅰ類切口手術(shù)為954%（31/325），Ⅱ類切口手術(shù)為1431%（76/531），Ⅲ類切口手術(shù)為1660%（85/512），差異有統(tǒng)計(jì)學(xué)意義（χ2=830，P＜005)。伴有糖尿病的為1758%（87/495），未伴有糖尿病的為1203%（105/873），差異有統(tǒng)計(jì)學(xué)意義（χ2=809，P＜001）。
192例醫(yī)院感染者中，感染部位為呼吸道的82例（占4271%），切口69例（占3594%），泌尿道18例（占938%），皮膚與軟組織10例（占521%），消化道7例（占365%），血液6例（占313%）。
22影響感染發(fā)生因素的非條件Logistic回歸分析將有統(tǒng)計(jì)學(xué)意義的因素作為自變量，在α=005下進(jìn)行影響圍手術(shù)期醫(yī)院感染發(fā)病因素的非條件Logistic回歸分析，進(jìn)入方程的有年齡、手術(shù)持續(xù)時(shí)間、麻醉方式、伴發(fā)惡性腫瘤、住院時(shí)間，即年齡大、手術(shù)持續(xù)時(shí)間長、全身麻醉、伴發(fā)惡性腫瘤、住院時(shí)間長者容易發(fā)生圍手術(shù)期感染。見表1。
表1影響圍手術(shù)期感染的非條件Logistic回歸分析
〖BHDFG2，WK8＊2，WK6，WK5，WK5，WK5，WK10＊2W〗
影響因素ββxP值RR值RR值的95%CI
年齡2850122000012433549～64141
〖BHDWG1＊3〗手術(shù)持續(xù)時(shí)間2390725000111623237～32254
麻醉方式2340681000510793648～21126
伴有癌癥2280236001010882054～19436
住院時(shí)間114057900209591325～16687
常數(shù)項(xiàng)－54800310000000－
3討論
本次觀察結(jié)果，手術(shù)患者圍手術(shù)期醫(yī)院感染發(fā)生率為1404%，高于王紅旗報(bào)道的住院患者平均感染率（213%）［2］，這是因?yàn)樾g(shù)后患者由于機(jī)體受到創(chuàng)傷，抵抗力及免疫力下降，易發(fā)生醫(yī)院感染［3］。也高于武迎宏報(bào)道的手術(shù)患者感染率（619%）［4］，這是因?yàn)楸敬尾扇∏罢靶杂^察方法，在整個圍手術(shù)期由醫(yī)護(hù)人員對患者進(jìn)行監(jiān)測，能及時(shí)獲得患者感染的資料，與一般事后根據(jù)病歷等資料進(jìn)行統(tǒng)計(jì)的比較，結(jié)果更為準(zhǔn)確，得到的醫(yī)院感染率能代表醫(yī)院感染的實(shí)際水平。
分析結(jié)果，年齡大、手術(shù)持續(xù)時(shí)間長、全身麻醉、伴發(fā)惡性腫瘤、住院時(shí)間長是病人發(fā)生圍手術(shù)期醫(yī)院感染的危險(xiǎn)因素。出現(xiàn)這種現(xiàn)象的原因是，隨著年齡的增加，生理防御、免疫功能和自理能力呈進(jìn)行性自然減退，發(fā)生感染的機(jī)會增加；隨著手術(shù)持續(xù)時(shí)間的延長，手術(shù)野受手術(shù)室環(huán)境、手術(shù)者及手術(shù)人員攜帶的病原菌污染的機(jī)會也增加，手術(shù)時(shí)間長者可能為手術(shù)復(fù)雜、手術(shù)操作不熟練、操作不規(guī)范，容易增加手術(shù)切口污染的機(jī)會；全麻患者多有氣管插管、吸痰等操作，破壞或改變了機(jī)體的外部屏障，增加了感染的機(jī)會；惡性腫瘤患者由于抗癌藥的使用，使機(jī)體抵抗力、免疫力進(jìn)一步下降，促進(jìn)醫(yī)院感染的發(fā)生；住院時(shí)間長的患者，感染機(jī)會相應(yīng)增加，也是發(fā)生醫(yī)院感染的重要因素。
手術(shù)患者較其他住院患者容易發(fā)生醫(yī)院感染，應(yīng)針對危險(xiǎn)因素加強(qiáng)防護(hù)。醫(yī)務(wù)人員在嚴(yán)格執(zhí)行手術(shù)無菌操作的基礎(chǔ)上，應(yīng)盡量減少手術(shù)時(shí)間，積極治療原發(fā)病，加強(qiáng)支持治療，縮短住院時(shí)間，加強(qiáng)醫(yī)院感染監(jiān)測，有效降低圍手術(shù)期醫(yī)院感染的發(fā)生。
參考文獻(xiàn)：
［1］余如平手術(shù)室醫(yī)院感染的相關(guān)因素分析及預(yù)防對策［J］中華醫(yī)院感染學(xué)雜志，2004，14（10）：991
［2］王紅旗，徐艷，劉蓮香369例醫(yī)院感染病例調(diào)查分析［J］中華醫(yī)院感染學(xué)雜志，2005，15（5）：515
關(guān)鍵詞：非小細(xì)胞肺癌；惡性與否；CT征象；Logistic回歸分析；計(jì)算機(jī)體層攝影
日常工作中，影像科醫(yī)師對非小細(xì)胞肺癌（non small cell lung cancer，NSCLC）的診斷是局限在肺癌形態(tài)學(xué)方面的初步認(rèn)識，僅僅評價(jià)肺癌病灶的大小、密度、邊緣情況及鄰近血管、胸膜的關(guān)系等情況。而病灶惡性程度則由病理結(jié)果來證實(shí)，然而肺癌影像學(xué)表現(xiàn)是由病灶的生物學(xué)行為決定的，一般認(rèn)為良性病灶的體積小，邊緣光滑等，惡性病灶的體積大，邊緣毛刺、深分葉、胸腔積液、有轉(zhuǎn)移等。如今，隨著高檔次螺旋CT在臨床中廣泛應(yīng)用，對肺組織結(jié)構(gòu)細(xì)節(jié)的顯示接近大體解剖[1]，可發(fā)現(xiàn)2 mm大小的病灶，能敏感顯示結(jié)節(jié)、病灶內(nèi)鈣化、脂肪及液化壞死等，使得肺癌的各種CT征象表現(xiàn)得淋漓盡致。從各種CT征象中大致地預(yù)判出肺癌的惡性與否是一項(xiàng)探索性工作，本文旨在通過Logistic回歸分析，對NSCLC的各種CT征象與病灶惡性與否做相關(guān)性研究。
1資料與方法
1.1一般資料 收集本院經(jīng)過病理免疫組化證實(shí)肺癌并進(jìn)行病理分級60例，男41例，女19例，年齡（59±15）歲，平均60歲，鱗癌23例，腺癌34例，腺鱗癌2例，大細(xì)胞癌1例，其中高分化癌4例，高-中分化癌7例，中分化癌8例，中-低分化10例，低分化31例。主要臨床表現(xiàn)為咳嗽、咳痰、痰中帶血、聲嘶、胸痛、胸悶不適等等。
1.2方法 采用美國GE公司生產(chǎn)的LightSpeed64排VCT行層厚為5 mm軸位掃描及1.25 mm螺旋容積掃描。掃描參數(shù)：探測器配置64×1.25，射線束寬度20.00 mm，電壓120 KV，電流135 mAs，掃描視野以肺部為主，其它部位是否掃描以臨床實(shí)際需要確定，螺矩1.375∶1，重建間隔1.25 mm；所有病例均做增強(qiáng)掃描，用非離子對比劑碘海醇100 mL，高壓注射器經(jīng)肘靜脈注射，速率3.5～4 mL/s。所有圖像均傳輸?shù)絇ACS系統(tǒng)工作站。
1.3圖像分析 各由1名經(jīng)驗(yàn)豐富的主治醫(yī)師和副主任醫(yī)師對圖像進(jìn)行多平面重組（multi-planar reformation，MPR）后處理分析。分析指標(biāo)包括：年齡、性別、病灶部位、病理類型、原發(fā)灶大小、分葉征、毛刺征、空洞、空泡、鈣化、血管集束征、胸膜凹陷征、肺不張、胸腔積液、液化壞死和轉(zhuǎn)移，還有平掃和增強(qiáng)的CT值及其差值。其中轉(zhuǎn)移的CT征象包括：①單發(fā)（多發(fā)）肺內(nèi)或者胸膜瘤灶結(jié)節(jié)。②單根（多根）肋骨或者椎體、附件骨質(zhì)破壞。③胸壁軟組織侵犯。④隆突下或者肺門區(qū)域淋巴結(jié)廣泛融合性轉(zhuǎn)移[2]。⑤腦、肝、腎上腺等器官單發(fā)（多發(fā)）轉(zhuǎn)移癌灶。平掃和增強(qiáng)CT測量值標(biāo)準(zhǔn)均來自癌灶的實(shí)體中心層面并且測量部位、面積相近。
1.4方法 結(jié)合臨床治療中，高分化、高-中分化及中分化肺癌相對于低分化、中-低分化及未分化肺癌治療起來比較容易好轉(zhuǎn)、不易復(fù)發(fā)以及患者5年生存率較高，以及本研究的需要將高分化、高-中分化及中分化癌列為良性，共19例，將低分化、中-低分化及未分化列為惡性，共41例。采取良性（賦值=0）、惡性（賦值=1）為二分因變量（Y），計(jì)數(shù)資料和計(jì)量資料為自變量，其中，計(jì)數(shù)資料包括：性別X1（男=1，女=0）、病變部位X2（右肺=0，左肺=1）、病理類型X3（鱗癌=0，腺癌=1，鱗腺癌=2，大細(xì)胞癌=3）、CT征象分葉征X4、毛刺征X5、空洞X6、空泡X7、鈣化X8、血管集束征X9、胸膜凹陷征X10、肺不張X11、胸腔積液X12、液化壞死X13和轉(zhuǎn)移X14（無=0，有=1），計(jì)量資料包括：年齡X15（歲）、平掃X16和增強(qiáng)峰值X17、CT差值X18（HU）及癌灶最大直徑X19（cm），統(tǒng)計(jì)數(shù)據(jù)由SPSS19.0軟件包處理，計(jì)數(shù)資料采用χ2檢驗(yàn)，計(jì)量資料進(jìn)行方差的Levene檢驗(yàn)和均值的T檢驗(yàn)，然后把有統(tǒng)計(jì)學(xué)意義的指標(biāo)進(jìn)行多因素的二元Logisitic回歸分析，檢驗(yàn)水準(zhǔn)α=0.05，P
2結(jié)果
2.1計(jì)數(shù)資料的單因數(shù)分析結(jié)果，見表1。
2.2計(jì)量資料的單因數(shù)分析，見表2。
2.3多因數(shù)的二元Logisitic回歸分析 由表1和表2，將篩選出有統(tǒng)計(jì)學(xué)意義的年齡、分葉征、血管集束征、液化壞死及病灶最大徑與癌灶的惡性與否進(jìn)行二元Logisitic回歸分析結(jié)果，見表3。其中常量、血管集束征、液化壞死、病灶最大徑有統(tǒng)計(jì)學(xué)意義（P
Ln■=-9.198+0.79X■+1.79X■+2.83X■
3討論
【關(guān)鍵詞】 人格；社會支持；精神衛(wèi)生；因素分析，統(tǒng)計(jì)學(xué)；學(xué)生，醫(yī)科
【中圖分類號】 R 395.6 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1000-9817(2008)11-0976-02
大學(xué)生的心理健康狀況越來越受到人們的關(guān)注和重視。為了解醫(yī)科大學(xué)新生心理健康狀況，筆者運(yùn)用大學(xué)生人格問卷（University Personality Inventory, UPI）［1］對某醫(yī)科大學(xué)2007級新生進(jìn)行測評，以期為開展大學(xué)生心理健康教育，促進(jìn)大學(xué)生的心理健康提供依據(jù)。
1 對象與方法
1.1 對象 以某醫(yī)科大學(xué)2007級2 649名新生為調(diào)查對象，實(shí)際收回有效問卷2 545份，有效回收率為96.1%。其中男生1 234名（48.5%），女生1 311名（51.5%）；年齡最大25歲，最小16歲，平均19歲。
1.2 調(diào)查工具和方法 選擇以大學(xué)新生為主要對象的大學(xué)生人格問卷（UPI）為調(diào)查工具，該問卷共有60道題，其中4道測偽題（第5，20，35，50題）不計(jì)入總分，每題1分，UPI最高分為56分，最低分0分，得分越高，說明心理問題越嚴(yán)重。UPI按篩選標(biāo)準(zhǔn)可分為一、二、三類，滿足下列條件之一者歸為第一類：（1）UPI總分≥25分者；（2）第25題作肯定回答者；（3）輔助題中至少有2題作肯定回答者；（4）明確提出咨詢要求者。滿足下列條件之一者歸為第二類：（1）20分≤UPI總分＜25分者；（2）第8，16，26題中作肯定回答者；（3）輔助題中有1題作肯定回答者。不屬于第一類和第二類者歸為第三類。第一類可能存在嚴(yán)重的心理問題；第二類可能存在一般心理問題；第三類為心理健康者。采用計(jì)算機(jī)交互方式自填問卷。
一般情況采用自制問卷，社會支持狀況的評定采用肖水源編制的社會支持量表（Social Support Scale, SSS）［2］。遵循知情同意原則，采取集中填答法，調(diào)查員現(xiàn)場講解填表要求，填畢核查后收回。
1.3 統(tǒng)計(jì)分析 資料核查整理后，采用EpiData 3.02軟件建立數(shù)據(jù)庫，用SPSS 12.0軟件對數(shù)據(jù)進(jìn)行描述性分析、χ2檢驗(yàn)和多因素Logistic回歸分析。
2 結(jié)果
2.1 UPI篩選分類結(jié)果 根據(jù)UPI篩選分類，歸為一類的學(xué)生150人（5.9%），歸為二類的學(xué)生626人（24.6%），歸為三類的學(xué)生1 769人（69.5%）。
2.2 回答比例前1 0 位的項(xiàng)目及UPI重要項(xiàng)目回答情況 見表1，2。
2.3 不同人口統(tǒng)計(jì)學(xué)變量UPI篩選結(jié)果比較 根據(jù)UPI篩選標(biāo)準(zhǔn)，歸為一類和二類的學(xué)生共776人，不同程度心理問題檢出率為30.5%。家庭結(jié)構(gòu)存在缺陷的大學(xué)生心理問題檢出率高達(dá)46.2%，高于家庭結(jié)構(gòu)完整的大學(xué)生，且差異有統(tǒng)計(jì)學(xué)意義(P＜0.05)。另外，學(xué)生UPI不同類型的檢出率在性別、專業(yè)滿意度和家庭經(jīng)濟(jì)狀況方面，差異有統(tǒng)計(jì)學(xué)意義（P值均＜0.05）。見表3。
2.4 心理健康狀況影響因素的Logistic回歸分析 以大學(xué)新生的心理狀況為因變量，賦值為：存在不同程度心理健康問題=0，心理健康=1；以調(diào)查對象的性別、民族、戀愛狀況、家庭結(jié)構(gòu)、家庭經(jīng)濟(jì)狀況、社會支持、專業(yè)滿意度等因素作為自變量，進(jìn)行Logistic逐步回歸分析（篩選指標(biāo)時(shí)，入選和剔除的判別水平分別定為α=0.10和α=0.15）。結(jié)果顯示，完整的家庭結(jié)構(gòu)和良好的社會支持是大學(xué)生心理健康的保護(hù)因素，而家庭經(jīng)濟(jì)狀況差是大學(xué)生心理問題形成的促進(jìn)因素。見表4。
3 討論
UPI篩選分類結(jié)果顯示：該組醫(yī)科大學(xué)新生的心理問題檢出率為30.5％，與國內(nèi)任桂秀［3］、李文喜［4］報(bào)道基本一致，低于劉淳松等［5］、黃晨［6］報(bào)道的結(jié)果。與該校2006級臨床學(xué)院新生心理健康狀況監(jiān)測結(jié)果［7］相比，不同程度心理問題檢出率基本持平。
從回答比例較高的前10位項(xiàng)目顯示，大學(xué)新生的心理問題主要集中在強(qiáng)迫癥傾向、情緒問題、缺乏自信等；從UPI 重要項(xiàng)目回答的情況顯示，發(fā)現(xiàn)想輕生、對任何事情都沒有興趣、感覺心理方面有問題的學(xué)生也占有一定的比例，但均較低。
通過對不同人口統(tǒng)計(jì)學(xué)變量學(xué)生比較發(fā)現(xiàn)，性別、家庭結(jié)構(gòu)、專業(yè)滿意度和家庭經(jīng)濟(jì)狀況不同，UPI不同類型檢出率的差異有統(tǒng)計(jì)學(xué)意義。尤其是家庭結(jié)構(gòu)存在缺陷的大學(xué)新生心理問題檢出率高達(dá)46.2%，高于家庭結(jié)構(gòu)完整的大學(xué)生（29.6%）。而在民族、是否戀愛方面的比較，差異無統(tǒng)計(jì)學(xué)意義，可能原因是本研究樣本主要為漢族學(xué)生以及剛?cè)雽W(xué)的新生尚未遇到戀愛方面的問題。Logistic回歸分析結(jié)果顯示，完整家庭結(jié)構(gòu)是大學(xué)生心理健康的保護(hù)因素，完整的家庭結(jié)構(gòu)有利于大學(xué)新生的心理健康，而家庭結(jié)構(gòu)的缺陷是大學(xué)新生心理問題形成的重要影響因素。由于新生在考入大學(xué)之前都沒有完全脫離家庭的環(huán)境，這就決定了家庭情況對他們心理方面的影響是不容忽視的［8］。而家庭經(jīng)濟(jì)狀況差是大學(xué)新生心理問題形成的另一個促進(jìn)因素。較高的學(xué)費(fèi)和生活費(fèi)的確給貧困家庭子女造成了巨大的壓力，也著實(shí)影響到他們的心理健康，使他們不再自信，甚至自卑自棄［9］。根據(jù)對調(diào)查對象社會支持評定發(fā)現(xiàn)，良好的社會支持是大學(xué)新生心理健康的保護(hù)因素。無論是客觀的、可見的、或是實(shí)際的支持，還是主觀的、體驗(yàn)的或是情感的支持，都有利于促進(jìn)大學(xué)新生的心理健康［10］。這也為有效開展大學(xué)生心理衛(wèi)生工作和促進(jìn)大學(xué)生心理健康提供了有益的線索。
4 參考文獻(xiàn)
［1］ 樊富珉.大學(xué)生心理咨詢案例集.北京：清華大學(xué)出版社，1994：348-349.
［2］ 汪向東，王希林，馬弘，等.心理衛(wèi)生評定量表手冊：增訂版.北京：中國心理衛(wèi)生雜志社，1999：127-131.
［3］ 任桂秀，徐玉芳，郭玲玲，等.醫(yī)學(xué)新生人格問卷調(diào)查分析.中國行為醫(yī)學(xué)科學(xué)，2005，14(5)：442-444.
［4］ 李文喜，李光紅，龔曉潔.高校新生大學(xué)生人格問卷調(diào)查.中國行為醫(yī)學(xué)科學(xué)，1999，8(2)：101.
［5］ 劉淳松，陳正.理工院校大學(xué)新生心理健康狀況調(diào)查.中國公共衛(wèi)生，2006，22(12)：1 530.
［6］ 黃晨.1341名醫(yī)學(xué)生心理健康水平調(diào)查分析.高校保健醫(yī)學(xué)研究與實(shí)踐，2006，3(4)：17-19，22.
［7］ 王潤玲，王波，孫業(yè)桓. 某醫(yī)科大學(xué)臨床醫(yī)學(xué)專業(yè)新生心理健康狀況調(diào)查. 中國學(xué)校衛(wèi)生，2007，28(9)：805-806.
［8］ 王月云，孫維權(quán)，尹平，等.某大學(xué)學(xué)生亞健康狀況及其影響因素Logistic回歸分析.中國衛(wèi)生統(tǒng)計(jì)，2007，24(3)：255-258.
［9］ 聞聲遠(yuǎn).從UPI透視當(dāng)代貧困生的精神世界.教育與現(xiàn)代化，2006(2)：62-67.
關(guān)鍵詞 概率 統(tǒng)計(jì)
中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A
經(jīng)過近幾年的不斷教學(xué)探索、改革，概率統(tǒng)計(jì)課程形成了一套符合高職院校各專業(yè)開設(shè)的課程模式和標(biāo)準(zhǔn)，在大學(xué)的第二學(xué)期開設(shè)，微積分結(jié)束后，再開設(shè)概率統(tǒng)計(jì)，主要是建筑系各專業(yè)、商學(xué)院各專業(yè)、電信系各專業(yè)、電子系各專業(yè)等開設(shè)。實(shí)際上，概率統(tǒng)計(jì)一直是本科各專業(yè)開設(shè)的一門重要基礎(chǔ)課，研究生入學(xué)資格必考的一門課程。我們現(xiàn)在開設(shè)的課程體系還主要是仿照本科院校的課程體系，從知識性、數(shù)學(xué)理論的邏輯性開設(shè)，先講古典概率，概率的基本概念，各種概率類型，然后講隨機(jī)變量，從一維隨機(jī)變量推廣到多維隨機(jī)變量，幾個重要的分布定理，接著，再講統(tǒng)計(jì)學(xué)，統(tǒng)計(jì)學(xué)先講簡單隨機(jī)樣本，描述統(tǒng)計(jì)，參數(shù)估計(jì)，假設(shè)檢驗(yàn)、回歸方程等。這樣的教學(xué)模式和課程體系已經(jīng)沿用了幾十年，但是隨著計(jì)算機(jī)概率統(tǒng)計(jì)軟件的不斷出現(xiàn)，結(jié)合高職學(xué)生的數(shù)學(xué)基礎(chǔ)，應(yīng)該改革本科概率統(tǒng)計(jì)的課程模式和體系，減少理論，增加應(yīng)用，結(jié)合數(shù)學(xué)軟件，使應(yīng)用問題更符合生活，使繁雜的概率統(tǒng)計(jì)計(jì)算可以實(shí)現(xiàn)。
1概率論
第一章隨機(jī)事件及概率，這一章是概率統(tǒng)計(jì)的基礎(chǔ)，必須講，但是現(xiàn)在中小學(xué)課本幾乎有一半的內(nèi)容，大學(xué)主要是從概率類型、概念公式體系教學(xué)，而中小學(xué)主要從解決問題的方法教學(xué)，每年高考概率都是重點(diǎn)考試內(nèi)容，這一部分的確是生活中應(yīng)用最多的內(nèi)容，每時(shí)每刻我們都和運(yùn)氣打交道，即和隨機(jī)問題打交道。根據(jù)高職院校學(xué)生的數(shù)學(xué)基礎(chǔ)和幾年的教學(xué)經(jīng)驗(yàn)，高職院校的學(xué)生還是適合從解決問題的方法教學(xué)，從數(shù)學(xué)體系教學(xué)：概念、公式、定理、推導(dǎo)、舉例、練習(xí)，前面四個環(huán)節(jié)他們是很難接受的。還是從問題出發(fā)，通過排列、組合、數(shù)學(xué)分析、數(shù)學(xué)分類討論解決問題，他們更能接受。用問題驅(qū)動進(jìn)行教學(xué)，對條件概率、全概率、貝葉斯、二項(xiàng)式概率這些教學(xué)難點(diǎn)用問題驅(qū)動，重點(diǎn)學(xué)習(xí)轉(zhuǎn)化方法，避免用繁雜的公式教學(xué)這樣效果更好。同時(shí)建議教學(xué)中引入數(shù)學(xué)軟件：excel或spss，因?yàn)樵S多有趣的概率案例需要大量的計(jì)算，比如，生日問題、彩票抽獎問題、小概率事件問題，往往計(jì)算復(fù)雜，一般教學(xué)是直接給出結(jié)果，這樣往往減少學(xué)生的興趣。通過軟件學(xué)生感到他們身邊的很多問題可以用數(shù)學(xué)解決。
第二章隨機(jī)變量，這一章是概率論的核心，也是教學(xué)難點(diǎn)，主要需要大量的基礎(chǔ)知識，極限、連續(xù)、導(dǎo)數(shù)、積分、多元微積分等必不可少。高中理科的學(xué)生學(xué)了少數(shù)內(nèi)容，而文科學(xué)生就沒有沾邊了，高職院校的學(xué)生學(xué)習(xí)當(dāng)然是很困難的，微積分的內(nèi)容很多就沒有開設(shè)。像我們這類學(xué)校，多元微積分就沒有開設(shè)，而一元微積分的知識也達(dá)不到，所以凡是遇到理論的推導(dǎo)，學(xué)生學(xué)習(xí)非常困難，因此我們可以重點(diǎn)開設(shè)隨機(jī)變量、期望、方差，介紹分布函數(shù)等，對多維隨機(jī)變量只作了解。這部分?jǐn)?shù)學(xué)軟件應(yīng)用更多，比如，遇到正態(tài)分布、指數(shù)分布、泊松分布等概率計(jì)算，以往都是查表，需要較多課時(shí)介紹轉(zhuǎn)化和查表，像正態(tài)分布不需轉(zhuǎn)化成標(biāo)準(zhǔn)正態(tài)分布直接查表。像計(jì)算數(shù)學(xué)期望、方差、分布函數(shù)、概率，不需復(fù)雜的積分運(yùn)算，直接用軟件計(jì)算。
第三章大數(shù)定理，中心極限定理，抽樣分布，這是我們概率統(tǒng)計(jì)的橋梁部分，沒有它，統(tǒng)計(jì)學(xué)的理論無法建立、證明。但是難度超出了高職學(xué)生的基礎(chǔ)和能力。因此只能做介紹而已。
2統(tǒng)計(jì)學(xué)
傳統(tǒng)的教學(xué)是先講簡單隨機(jī)樣本，參數(shù)估計(jì)，假設(shè)檢驗(yàn)，回歸分析等。這樣的教學(xué)模式需要較多的課時(shí)，一般要30課時(shí)左右，而且學(xué)生不敢興趣。實(shí)際上生活中，主要還是應(yīng)用描述統(tǒng)計(jì)，而我們的課本幾乎不講，從這幾年的數(shù)學(xué)建模競賽試題來看，都有描述統(tǒng)計(jì)的試題，比如2012 全國大學(xué)生數(shù)學(xué)建模競賽D 題，腦卒中發(fā)病環(huán)境因素分析及干預(yù)，學(xué)生們往往不知道如何下手，因?yàn)閷?shí)際問題往往數(shù)據(jù)較多，我們的課堂教學(xué)案例往往把問題理想化，數(shù)據(jù)較少，計(jì)算簡單，問題很特殊，實(shí)際問題一般需要結(jié)合軟件解決，數(shù)學(xué)軟件的學(xué)習(xí)是一個空點(diǎn)，當(dāng)今計(jì)算機(jī)應(yīng)用日益普及，優(yōu)秀的軟件不斷出現(xiàn)，目前較好的統(tǒng)計(jì)軟件有：excel、matlab、spss 等，現(xiàn)在比較流行的是spss 軟件，社會科學(xué)統(tǒng)計(jì)軟件包，SPSS 是世界上最早采用圖形菜單驅(qū)動界面的統(tǒng)計(jì)軟件，它最突出的特點(diǎn)就是操作界面極為友好，輸出結(jié)果美觀漂亮。它將幾乎所有的功能都以統(tǒng)一、規(guī)范的界面展現(xiàn)出來，使用Windows 的窗口方式展示各種管理和分析數(shù)據(jù)方法的功能，對話框展示出各種功能選擇項(xiàng)。用戶只要掌握一定的Windows 操作技能，粗通統(tǒng)計(jì)分析原理，就可以使用該軟件為特定的科研工作服務(wù)。SPSS 采用類似EXCEL表格的方式輸入與管理數(shù)據(jù)，數(shù)據(jù)接口較為通用，能方便地從其他數(shù)據(jù)庫中讀入數(shù)據(jù)。其統(tǒng)計(jì)過程包括了常用的、較為成熟的統(tǒng)計(jì)過程，完全可以滿足非統(tǒng)計(jì)專業(yè)人士的工作需要。輸出結(jié)果十分美觀，存儲時(shí)則是專用的SPO 格式，可以轉(zhuǎn)存為HTML 格式和文本格式。對于熟悉老版本編程運(yùn)行方式的用戶，SPSS還特別設(shè)計(jì)了語法生成窗口，用戶只需在菜單中選好各個選項(xiàng)，然后按“粘貼”按鈕就可以自動生成標(biāo)準(zhǔn)的SPSS 程序。
所以，統(tǒng)計(jì)學(xué)部分的教學(xué)有很大的改革空間，完全可以可以通過計(jì)算機(jī)軟件進(jìn)行教學(xué)，增加最近幾年全國大學(xué)生數(shù)學(xué)建模競賽的案例，使統(tǒng)計(jì)部分的教學(xué)更有趣、更生動。
關(guān)鍵詞 地統(tǒng)計(jì)學(xué)；生態(tài)學(xué)；尺度；時(shí)空特征；應(yīng)用
中圖分類號 S153 文獻(xiàn)標(biāo)識碼 A 文章編號 1007-5739（2014）13-0245-01
Application of Geostatistics in Ecology
LI Xiu-mei 1 ZHOU Shi-xue 2 LUO Sheng-jun 2 LI Chang-zhou 2 LIU Li-ping 2 *
（1 Forestry Ecology Department，Hubei Ecology Vocational College，Wuhan Hubei 430200； 2 Macheng Forestry Bureau）
Abstract Natural phenomena has spatial variability and autocorrelation characteristics.As the theory and methods in researching space distribution，goestatistics became an effective method for quantitative analysis of spatial characteristics，and gradually introduced to ecology.Based on the basic theory and method，the paper introduced the application of geostatistics in ecology.
Key words geostatistics；ecology；scale；temporal and spatial characteristics；application
地統(tǒng)計(jì)學(xué)起源于20世紀(jì)60年代，是以區(qū)域化變量為理論基礎(chǔ)，以半變異函數(shù)和插值分析為主要工具的一種地質(zhì)統(tǒng)計(jì)學(xué)方法；是通過分析空間數(shù)據(jù)探索空間過程的信息分析技術(shù)[1]。與傳統(tǒng)生態(tài)學(xué)方法相比，地統(tǒng)計(jì)學(xué)變異函數(shù)中的變程（a）包含了距離和方向2種含義，即量化的空間尺度信息，比依靠經(jīng)驗(yàn)直接確定空間取樣尺度更合理；比通過尺度推繹方式間接獲得目標(biāo)現(xiàn)象的特征更精確；修正了傳統(tǒng)景觀格局研究方法中小尺度生態(tài)學(xué)現(xiàn)象在區(qū)域內(nèi)均質(zhì)性的不合理假設(shè)。
由于該理論充分考慮了樣點(diǎn)的位置、方向和彼此間距離等空間結(jié)構(gòu)信息，為實(shí)現(xiàn)參數(shù)的離散化與空間化提供了一種有效工具，可以定量化區(qū)域變量的空間特征，進(jìn)而對未知樣點(diǎn)進(jìn)行無偏最優(yōu)估值，以直接反映自然現(xiàn)象的隨機(jī)性和結(jié)構(gòu)性，廣泛用于地理學(xué)、環(huán)境科學(xué)、土壤學(xué)等諸多研究領(lǐng)域[2-3]。揭示了經(jīng)典統(tǒng)計(jì)方法難以發(fā)現(xiàn)的規(guī)律，有利于融合格局、尺度、過程關(guān)系，完善生態(tài)學(xué)理論與方法。
1 地統(tǒng)計(jì)學(xué)的基本理論與方法
1.1 區(qū)域化變量理論
地統(tǒng)計(jì)學(xué)處理的對象為區(qū)域化變量，區(qū)域化變量的兩大特點(diǎn)是隨機(jī)性和結(jié)構(gòu)性?；诖?，地統(tǒng)計(jì)學(xué)引入隨機(jī)函數(shù)及其概率分布模型為理論基礎(chǔ)，對區(qū)域化變量加以研究[4]。
1.2 變異函數(shù)
變異函數(shù)是地統(tǒng)計(jì)學(xué)方法的基礎(chǔ)，根據(jù)已知樣本點(diǎn)來確定變量在空間上的變化規(guī)律，推算未知點(diǎn)的屬性。其優(yōu)點(diǎn)在于根據(jù)已知樣本點(diǎn)計(jì)算某未知點(diǎn)的屬性值時(shí)，考慮了不同距離、不同方向空間點(diǎn)位間的相關(guān)性，使估計(jì)值更精確。
1.3 空間插值
與傳統(tǒng)的插值方法不同，地統(tǒng)計(jì)學(xué)考慮樣點(diǎn)的方向、位置和彼此間的距離，可以研究既有一定隨機(jī)性又有一定結(jié)構(gòu)性的各種變量的空間分布規(guī)律[5]。克里格（Kriging）插值是一種最優(yōu)、無偏的估值方法，在生態(tài)學(xué)中的應(yīng)用最廣泛，可以給出每一估計(jì)樣點(diǎn)的不確定性（即產(chǎn)生誤差的幾率和大?。?，并利用多種附屬信息填補(bǔ)采樣不足的缺陷。這種在誤差允許范圍內(nèi)的空間差值既節(jié)省工作量，又彌補(bǔ)因資料不足帶來的困難[6]。
1.4 空間模擬
空間模擬方法是當(dāng)今地統(tǒng)計(jì)領(lǐng)域中由已知推斷未知的最活躍的一種方法。由于Kriging方法具有平滑作用，不適宜用于獲取變量極值的空間分布，例如通過重金屬含量的極值來尋找湖泊水體污染源；而空間模擬方法即能模擬變量的空間變化趨勢又能保留變量的極值；此外，空間模擬通過多種實(shí)現(xiàn)（realization）系統(tǒng)的表現(xiàn)，進(jìn)行各種情況下的模擬，具有較好的統(tǒng)計(jì)效用[1]。
2 地統(tǒng)計(jì)學(xué)在生態(tài)學(xué)中的應(yīng)用
地統(tǒng)計(jì)學(xué)檢驗(yàn)、模擬和估計(jì)空間特征的作用，對認(rèn)識不同尺度生態(tài)學(xué)功能與過程具有重要意義[7]。20世紀(jì)80年代初，引起生態(tài)學(xué)者關(guān)注，廣泛應(yīng)用于描述生態(tài)因子的空間自相關(guān)性、繪制生態(tài)因子分布圖以及設(shè)計(jì)抽樣方案，分析自然因子普遍存在的空間相關(guān)程度、距離和方向等。利用其對可信程度和誤差的評價(jià)，解決了定量地測度空間尺度和更精確地繪制自然因子的空間分布[8]。生態(tài)現(xiàn)象所涉及的任何屬性，如植被類型、生物量、土壤化學(xué)元素含量、污染物濃度等，均可以作為地統(tǒng)計(jì)模型的變量。
地統(tǒng)計(jì)學(xué)方法可以用于研究離散現(xiàn)象的空間特征（群落、種群的格局分布），在處理具有空間連續(xù)性特征的變量（土壤性質(zhì)）更占優(yōu)勢。20世紀(jì)80年代初，區(qū)域化變量理論和地統(tǒng)計(jì)方法成為量化土壤物理化參數(shù)空間變異的有效方法[9]。尤其是地統(tǒng)計(jì)學(xué)方法中半方差圖和Kriging插值法適合于土壤特性的空間預(yù)測[8]。目前廣泛用于土壤養(yǎng)分[10]、水分[11]等的分布、污染物擴(kuò)散、土壤肥力質(zhì)量評價(jià)[12]、土壤分類制圖、試驗(yàn)設(shè)計(jì)和采樣方法探討等[13]。
地統(tǒng)計(jì)學(xué)在生態(tài)學(xué)的應(yīng)用主要集中在生態(tài)系統(tǒng)尺度以下，彌補(bǔ)了景觀生態(tài)學(xué)在處理物種、種群和群落空間信息的不足。區(qū)域化隨機(jī)變量耦合了地形（海拔、坡度、坡向）、土壤、水分等環(huán)境因子，是分析種群、群落的空間異質(zhì)性與環(huán)境因子關(guān)系的有力工具[14]；既是對生態(tài)系統(tǒng)尺度空間異質(zhì)性和格局問題的研究，也從生態(tài)系統(tǒng)的組成成分入手，同樣是對生態(tài)系統(tǒng)功能過程的細(xì)化[7]。
3 結(jié)語
地統(tǒng)計(jì)學(xué)無論是空間異質(zhì)性分析法還是空間模擬差值法，通常都是對因子的靜態(tài)研究，對處理時(shí)間變化問題存在缺陷。有學(xué)者嘗試建立基于地統(tǒng)計(jì)學(xué)原理的時(shí)間動態(tài)模型[15]。鑒于地統(tǒng)計(jì)學(xué)方法側(cè)重于空間分析，而傳統(tǒng)統(tǒng)計(jì)學(xué)方法注重于時(shí)序分析，二者相結(jié)合，將時(shí)間因子融入空間變異中是今后需要解決的問題[6]。非線性多維時(shí)間序列分析預(yù)測模型（GS-SVR）就是半變異函數(shù)基礎(chǔ)上，結(jié)合SVR和新的定階方法發(fā)展的一種新的多維時(shí)間序列最優(yōu)階數(shù)判斷法[16]。
地統(tǒng)計(jì)學(xué)與其他格局分析方法相結(jié)合，將有助于解決現(xiàn)象的時(shí)空發(fā)展過程與機(jī)理問題。近期“3S”技術(shù)與地統(tǒng)計(jì)學(xué)相結(jié)合，通過地理數(shù)據(jù)確定樣點(diǎn)之間的距離，通過屬性數(shù)據(jù)計(jì)算出變量之間的差異，二者結(jié)合得到地統(tǒng)計(jì)學(xué)所需要的步長和半方差函數(shù)關(guān)系，強(qiáng)化了大尺度空間信息的分析[10，17]。但目前地統(tǒng)計(jì)學(xué)應(yīng)用于景觀尺度的研究較少，并且尚未形成較成熟的定量化研究方法。
4 參考文獻(xiàn)
[1] 王勁峰，武繼磊，孫英君，等.空間信息分析技術(shù)[J].地理研究，2005，24（3）：464-472.
[2] 唐濤，蔡慶華，潘文斌.地統(tǒng)計(jì)學(xué)在淡水生態(tài)學(xué)中的應(yīng)用[J].湖泊科學(xué)，2000，12（3）：280-288.
[3] 張坤，洪偉，吳承禎，等.基于地統(tǒng)計(jì)學(xué)和GIS的福建省降雨侵蝕力空間格局[J].山地學(xué)報(bào)，2009，27（5）：538-540.
[4] 孫英君，王勁峰，柏延臣.地統(tǒng)計(jì)學(xué)方法進(jìn)展研究[J].地球科學(xué)進(jìn)展，2004，19（2）：268-274.
[5] 王景雷，孫景生，張寄陽，等.基于GIS和地統(tǒng)計(jì)學(xué)的作物需水量等值線圖[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（5）：51-54.
[6] 王正軍，李典謨，商晗武，等.地質(zhì)統(tǒng)計(jì)學(xué)理論與方法及其在昆蟲生態(tài)學(xué)中的應(yīng)用[J].昆蟲知識，2002，39（6）：405-411.
[7] 王政，王慶成，李哈濱.紅松老齡林主要樹種的空間異質(zhì)性特征與比較的定量研究[J].植物生態(tài)學(xué)報(bào)，2000，24（6）：718-723.
[8] 葛劍平，郭海燕，仲莉娜.地統(tǒng)計(jì)學(xué)在生態(tài)學(xué)中的應(yīng)用（Ⅰ）―基本理論和方法[J].東北林業(yè)大學(xué)學(xué)報(bào)，1995，23（2）：88-94.
[9] 廖桂堂，李廷軒，王永東，等.基于GIS和地統(tǒng)計(jì)學(xué)的低山茶園土壤肥力質(zhì)量評價(jià)[J].生態(tài)學(xué)報(bào)，2007，27（5）：1978-1986.
[10] 祝錦霞，許紅衛(wèi)，王珂，等.基于GIS和地統(tǒng)計(jì)學(xué)的低丘紅壤地區(qū)三種土壤性質(zhì)空間變異性研究[J].土壤，2008，40（6）：960-965.
[11] 張繼光，陳洪松，蘇以榮.喀斯特山區(qū)洼地表層土壤水分的時(shí)空變異[J].生態(tài)學(xué)報(bào)，2008，28（12）：6334-6343.
[12] 王曉春，韓士杰，鄒春靜，等.長白山岳樺種群格局的地統(tǒng)計(jì)學(xué)分析[J].應(yīng)用生態(tài)學(xué)報(bào)，2002（7）：781-784.
[13] 李艷，史舟，徐建明，等.地統(tǒng)計(jì)學(xué)在土壤科學(xué)中的應(yīng)用及展望[J].水土保持學(xué)報(bào)，2003，17（1）：178-183.
[14] 尚占環(huán)，姚愛興，龍瑞軍.干旱地區(qū)山地荒漠草原陰坡植物群落空間異質(zhì)性[J].生態(tài)學(xué)報(bào)，2005，25（2）：312-318.
[15] 夏敏，趙小敏，張佳寶，等.基于GIS和地統(tǒng)計(jì)學(xué)的土壤養(yǎng)分時(shí)空變異分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007，29（2）：312-317.
一、結(jié)果
1.特困移民與常住居民一般情況比較共調(diào)查少數(shù)民族特困移民188例(包括土家族102例、苗族86例)和安置地同民族常住居民110名(包括土家族63例、苗族47例)。其中土家族特困移民與常住居民在性別、年齡、婚姻狀況上差異均無統(tǒng)計(jì)學(xué)意義(P＞0.05)，而在受教育程度、就業(yè)狀況、家庭人均年收入上差異有統(tǒng)計(jì)學(xué)意義(P＜0.05);苗族特困移民與常住居民在性別、年齡、婚姻狀況、受教育程度上差異均無統(tǒng)計(jì)學(xué)意義(P＞0.05)，而在就業(yè)狀況、家庭人均年收入上差異有統(tǒng)計(jì)學(xué)意義(P＜0.05，)。
2.特困移民與常住居民SCL－90評分情況比較土家族特困移民與常住居民在人際關(guān)系、抑郁、焦慮、偏執(zhí)、精神病性得分及總分上差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05)，而在軀體化、強(qiáng)迫癥狀、敵對、恐怖得分上差異無統(tǒng)計(jì)學(xué)意義(P＞0.05);苗族特困移民與常住居民在軀體化、人際關(guān)系、抑郁、焦慮、精神病性得分及總分上差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05)，而在強(qiáng)迫癥狀、敵對、恐怖、偏執(zhí)得分上差異無統(tǒng)計(jì)學(xué)意義(P＞0.05，)。
3.特困移民與常住居民心理障礙陽性癥狀檢出情況比較心理障礙陽性癥狀的總檢出率為28.5%(85/298)，其中土家族特困移民和常住居民的檢出率分別為32.4%(33/102)和23.8%(15/63)，差異無統(tǒng)計(jì)學(xué)意義(χ2=1.857，P=0.173);苗族特困移民和常住居民的檢出率分別為31.4%(27/86)和21.3%(10/47)，差異無統(tǒng)計(jì)學(xué)意義(χ2=1.866，P=0.171)。不同性別、年齡、婚姻狀況、就業(yè)狀況的土家族特困移民心理障礙陽性癥狀的檢出率間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05);而不同受教育程度、家庭人均年收入的土家族特困移民心理障礙陽性癥狀的檢出率間差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。不同年齡、就業(yè)狀況的土家族常住居民心理障礙陽性癥狀的檢出率間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05);而不同性別、婚姻狀況、受教育程度、家庭人均年收入的土家族常住居民心理障礙陽性癥狀的檢出率間差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。不同性別、年齡、婚姻狀況的苗族特困移民心理障礙陽性癥狀的檢出率間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05);而不同受教育程度、就業(yè)狀況、家庭人均年收入的苗族特困移民心理障礙陽性癥狀的檢出率間差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。不同年齡、就業(yè)狀況的苗族常住居民心理障礙陽性癥狀的檢出率間差異有統(tǒng)計(jì)學(xué)意義(P＜0.05);而不同性別、婚姻狀況、受教育程度、家庭人均年收入的苗族常住居民心理障礙陽性癥狀的檢出率間差異無統(tǒng)計(jì)學(xué)意義(P＞0.05)。
4.特困移民與常住居民SSRS評分情況比較無論土家族還是苗族特困移民主觀支持、客觀支持、支持利用度得分及總分與常住居民比較差異均有統(tǒng)計(jì)學(xué)意義(P＜0.05，)。特困移民與常住居民心理健康問題的多因素Logistic回歸分析以是否有心理健康問題為應(yīng)變量，以性別、年齡、婚姻狀況、教育程度、就業(yè)狀況和家庭人均年收入為自變量，采取逐步回歸法進(jìn)行二分類Logistic回歸分析，自變量納入水平α=0.10，以P＜0.05為有統(tǒng)計(jì)學(xué)意義。變量賦值情況:無心理健康問題者(SCL－90總分＜160分)=0，有心理健康問題者(SCL－90總分≥160分)=1;男性=0，女性=1;15～35歲=0，36～55歲=1，≥56歲=2;未婚=0，已婚=1，離異/喪偶=2;文盲或小學(xué)=0，初中及以上=1;無業(yè)=0，農(nóng)民/零工=1，固定職業(yè)=2;家庭人均年收入＜0.9萬元=0，0.9～1.8萬元=1，＞1.8萬元=2。結(jié)果顯示，兩個特困移民納入模型的自變量有3個，分別為性別、年齡和家庭人均年收入;土家族常住居民納入模型的自變量為性別和年齡;苗族常住居民納入模型的自變量為年齡和受教育程度。在兩個特困移民及土家族常住居民中，女性和高齡對心理健康的影響有統(tǒng)計(jì)學(xué)意義(P＜0.05);在苗族常住居民中，高齡對心理健康的影響有統(tǒng)計(jì)學(xué)意義
二、討論
1.本研究結(jié)果顯示，湘西州土家族、苗族特困移民的SCL－90總分及人際關(guān)系、抑郁、焦慮、精神病性因子得分均高于安置地同民族的常住居民，其心理障礙陽性癥狀的檢出率為31.9%(60/188)，說明移民的總體心理健康水平較當(dāng)?shù)鼐用癫?，已有相?dāng)數(shù)量的移民存在不同程度的心理癥狀。這與其他類型移民的研究結(jié)果相似。移民心理健康受個體和社會等多種因素影響。相關(guān)研究表明，性別和年齡是影響移民心理健康的兩個重要個體因素。在本研究中，不同性別、年齡、婚姻狀況的特困移民心理障礙陽性癥狀的檢出率間有差異。多因素Logistic回歸分析也顯示，女性和高齡是特困移民心理健康的危險(xiǎn)因素。女性對移民帶來的生活生產(chǎn)方式和社會關(guān)系的變化更為敏感，對新環(huán)境的適應(yīng)和認(rèn)同更為艱難，因而容易表現(xiàn)得更為焦慮，較男性更易產(chǎn)生心理健康問題。老年人由于年齡的增加，身體健康狀態(tài)和勞動能力下降，加之對故地的思鄉(xiāng)之情和社會支持網(wǎng)絡(luò)的缺失，影響了他們對新環(huán)境的融入和新生活的適應(yīng)，心理應(yīng)激增加，容易產(chǎn)生不良情緒，導(dǎo)致心理健康問題出現(xiàn)。因此，女性和老年人應(yīng)成為特困移民心理健康監(jiān)控和干預(yù)的重點(diǎn)人群。社會支持是指能夠獲得來自家庭成員、親友、同事、團(tuán)體、組織和社區(qū)等在精神上和物質(zhì)上的支持和幫助，對緩沖心理應(yīng)激、維護(hù)和促進(jìn)心理健康具有重要作用，也是影響心理健康的一個重要社會因素。
2.本研究SSRS評分結(jié)果顯示，特困移民主觀支持、客觀支持、支持利用度得分及總分均低于常住居民，有統(tǒng)計(jì)學(xué)差異，提示湘西州土家族、苗族特困移民在移民搬遷后獲取的社會支持不夠，社會調(diào)適能力較差。本研究認(rèn)為，特困移民作為移民中的特殊群體，其社會支持網(wǎng)絡(luò)經(jīng)歷了“破壞－重建－再次破壞－再次重建”的特殊過程，他們獲取社會支持的可及性、穩(wěn)定性和有效性遠(yuǎn)遠(yuǎn)低于當(dāng)?shù)鼐用窈桶徇w前，心理上難免產(chǎn)生焦慮和失落感，而且他們的生活方式、思想意識等還受到傳統(tǒng)社會的影響，不可能迅速適應(yīng)和融入當(dāng)?shù)?，因此出現(xiàn)心理健康問題的可能性較高。對于特困移民，遷入地政府和社區(qū)應(yīng)加大幫扶力度和心理干預(yù)，指導(dǎo)他們盡快建立新的、穩(wěn)固的社會支持網(wǎng)絡(luò)，盡早融入當(dāng)?shù)厣鐣h(huán)境。雖然特困移民的生活水平、生產(chǎn)能力和收入水平較搬遷前有了普遍提高，移民對搬遷后的物質(zhì)生活水平比較滿意，但移民的整體心理建康狀態(tài)不是很穩(wěn)定，部分移民已經(jīng)出現(xiàn)了心理健康問題。這一現(xiàn)象也提示在移民工作中，除了要解決好移民搬遷后的生活與生產(chǎn)外，特困移民的心理健康與社會調(diào)適情況也應(yīng)納入移民工作重點(diǎn)中去。
3.要增強(qiáng)特困移民的認(rèn)同感和歸屬感。政府和移民遷入地社區(qū)要有意識、有組織、有針對性地開展豐富多樣的文化活動和教育活動，吸引和動員移民參與進(jìn)來，通過移民與當(dāng)?shù)鼐用竦慕涣鳒贤?，促進(jìn)移民搬遷后社會支持網(wǎng)絡(luò)的建立，培育移民對遷入地的認(rèn)同感和歸屬感。要加強(qiáng)對特困移民心理健康的監(jiān)測和及時(shí)干預(yù)。政府和社區(qū)要認(rèn)識到移民心理健康對移民工作的重要性，組織和培訓(xùn)工作人員學(xué)習(xí)相關(guān)知識，定期對移民進(jìn)行心理健康體檢，早期發(fā)現(xiàn)高危人群，通過談心、一對一幫扶等形式進(jìn)行心理干預(yù)和治療。要理性認(rèn)識心理健康問題。對已經(jīng)出現(xiàn)心理健康問題的特困移民，應(yīng)作為重點(diǎn)關(guān)注和工作對象。首先，應(yīng)消除歧視和偏見，積極主動與他們交流溝通，尋找其心理健康問題發(fā)生的原因;其次，要認(rèn)識到移民在搬遷后出現(xiàn)的心理健康問題絕大多數(shù)是可逆的，需要政府和社會各層面的關(guān)心和幫助，需要社區(qū)工作人員耐心細(xì)致的心理疏導(dǎo)。
作者：羅家順
