時(shí)間：2023-08-06 10:52:31
導(dǎo)語(yǔ)：在統(tǒng)計(jì)學(xué)變量類型的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
【關(guān)鍵詞】 客體依戀;自我概念;回歸分析;精神衛(wèi)生;學(xué)生
【中圖分類號(hào)】 R 179 R 395.6 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 1000-9817(2010)02-0214-03
伯恩斯(Burns)[1]認(rèn)為:個(gè)體如何理解自己是其內(nèi)在一致性的關(guān)鍵部分,自我概念積極的學(xué)生成就動(dòng)機(jī)與學(xué)習(xí)投入及成績(jī)也明顯優(yōu)于自我概念消極的學(xué)生。他還認(rèn)為一定的經(jīng)驗(yàn)對(duì)個(gè)人具有怎樣的意義是由個(gè)人的自我概念決定的。不同的人可能會(huì)獲得完全相同的經(jīng)驗(yàn),但對(duì)這種經(jīng)驗(yàn)的解釋卻可能是高度不同的[2]。當(dāng)個(gè)人的既有自我概念消極時(shí),每一種經(jīng)驗(yàn)都會(huì)被與消極的自我評(píng)定聯(lián)系到一起;反之則可能被賦予積極的含義。在各種不同的情境中,人們對(duì)事情發(fā)生的期待、對(duì)于情境中其他人行為的解釋及自己在情境中如何行為,都受到自我概念極大的影響。戀愛(ài)是當(dāng)代大學(xué)生生活的中心內(nèi)容之一。戀愛(ài)關(guān)系可以對(duì)青少年的發(fā)展產(chǎn)生正面影響,也可以產(chǎn)生負(fù)面影響而導(dǎo)致問(wèn)題的產(chǎn)生。在整個(gè)青少年期的發(fā)展過(guò)程中,戀愛(ài)經(jīng)驗(yàn)是不斷變化的。本研究旨在考察已具有戀愛(ài)經(jīng)驗(yàn)大學(xué)生的依戀模式及親密關(guān)系心理對(duì)戀愛(ài)持續(xù)時(shí)間及戀愛(ài)次數(shù)的影響,以及依戀模式及親密關(guān)系心理對(duì)自我概念發(fā)展的影響。
1 對(duì)象與方法
1.1 對(duì)象 2008年10-12月,由研究者在某師范院校中招募已有戀愛(ài)經(jīng)驗(yàn)的大學(xué)生進(jìn)行問(wèn)卷調(diào)查。共發(fā)放問(wèn)卷220份,回收有效問(wèn)卷209份,回收有效率為95%。其中男生107名,女生102名;戀情持續(xù)時(shí)間為3個(gè)月以下者32名,3～6個(gè)月42名,6～12個(gè)月28名,12個(gè)月以上105名,有2人未報(bào)告;戀愛(ài)次數(shù)為1次94名,2次64名,3次及以上45名,有6人未報(bào)告戀愛(ài)次數(shù)。年齡為21～24歲,平均21歲。
1.2 工具
1.2.1 成人依戀問(wèn)卷 由關(guān)系問(wèn)卷中文版(RQ)和親密關(guān)系經(jīng)歷量表組成。關(guān)系問(wèn)卷包括4段短文,分別描述4種依戀類型,要求被試者從中選出一種最符合自己的依戀類型。親密關(guān)系經(jīng)歷量表包括36題,其中18道題測(cè)量依戀回避,18道題測(cè)量依戀焦慮,為L(zhǎng)ikert 7點(diǎn)量表,計(jì)算其平均分作為維度得分。該量表被證明有很好的信度和效度[3]。本研究中2個(gè)分量表的內(nèi)部一致性系數(shù)分別為0.82和0.77。
1.2.2 田納西自我概念量表(Tennessee Self-Concept Scale,簡(jiǎn)稱TSCS) 該量表由美國(guó)田納西心理治療醫(yī)生Williams于1965年編制,臺(tái)灣心理學(xué)家林邦杰于1978年進(jìn)行了修訂。研究表明,量表的Cronbach系數(shù)α=0.869 4 ,Spearman-Brown分半信度系數(shù)為0.965 6,且證明有很高的效度[4]。量表共有70道題,形成生理自我、道德自我、心理自我、家庭自我、社會(huì)自我、自我批評(píng)、自我認(rèn)同、自我滿意、自我行動(dòng)和自我總分。除了自我批評(píng)得分越高說(shuō)明其自我概念越低外,其余各項(xiàng)得分越高表示他越喜歡自己、信任自己,認(rèn)為自己是個(gè)有價(jià)值的人。
1.3 數(shù)據(jù)分析 采用SPSS 16.0統(tǒng)計(jì)軟件包對(duì)數(shù)據(jù)進(jìn)行整理和分析。
2 結(jié)果
2.1 成人依戀類型和親密關(guān)系經(jīng)歷 成人依戀問(wèn)卷調(diào)查結(jié)果顯示,戀愛(ài)學(xué)生的依戀類型為安全型90人(43.1%),輕視型49人(23.4%),傾注型42人(20.1%),害怕型28人(13.4%);親密關(guān)系經(jīng)歷量表測(cè)量結(jié)果顯示,依戀回避(3.74±0.34)分,依戀焦慮(3.87±0.56)分。
2.2 不同依戀類型對(duì)戀愛(ài)持續(xù)時(shí)間及戀愛(ài)次數(shù)的影響 比較戀愛(ài)持續(xù)時(shí)間分別為3個(gè)月以下、3～6個(gè)月、6～12個(gè)月及12個(gè)月以上。大學(xué)生依戀類型差異無(wú)統(tǒng)計(jì)學(xué)意義(χ2=12.56,P>0.05)。比較戀愛(ài)次數(shù)分別為1次、2次、3次及以上者,大學(xué)生依戀類型差異也無(wú)統(tǒng)計(jì)學(xué)意義(χ2=4.73,P>0.05)。
2.3 親密關(guān)系經(jīng)歷量表、田納西自我概念量表測(cè)評(píng)結(jié)果
2.3.1 不同戀愛(ài)持續(xù)時(shí)間、戀愛(ài)次數(shù)親密關(guān)系經(jīng)歷量表和田納西自我概念量表得分比較 以戀愛(ài)持續(xù)時(shí)間為自變量,對(duì)親密關(guān)系經(jīng)歷量表、自我概念的各個(gè)因素得分進(jìn)行方差分析,結(jié)果顯示,戀愛(ài)持續(xù)時(shí)間不同的大學(xué)生依戀回避和依戀焦慮得分差異無(wú)統(tǒng)計(jì)學(xué)意義;在自我概念各維度得分上,除道德自我、家庭自我、自我滿意、自我行動(dòng)及自我總分上得分差異均有統(tǒng)計(jì)學(xué)意義(F值分別為3.14,2.91,4.29,2.87,3.76,P值均
2.3.2 不同性別大學(xué)生親密關(guān)系經(jīng)歷量表、田納西自我概念量表得分比較 以性別為自變量對(duì)親密關(guān)系經(jīng)歷量表、自我概念的各個(gè)指標(biāo)進(jìn)行t檢驗(yàn),結(jié)果見(jiàn)表1。在親密關(guān)系體驗(yàn)上,女性依戀焦慮高于男性,差異有統(tǒng)計(jì)學(xué)意義(t=4.81,P
2.3.3 不同依戀類型個(gè)體自我概念得分比較 以依戀類型作為自變量,以田納西自我概念量表的各個(gè)指標(biāo)作為因變量,進(jìn)行單因素方差分析,除道德自我和自我批評(píng)外,不同依戀類型個(gè)體在田納西自我概念各維度上的得分差異均有統(tǒng)計(jì)學(xué)意義(P值均
2.3.4 成人依戀和自我概念的相關(guān)分析 從表3中可以看出,依戀焦慮除與自我批評(píng)呈正相關(guān)外,與自我概念其他各維度均呈負(fù)相關(guān);依戀回避與自我概念各維度間均無(wú)相關(guān)。
2.3.5 依戀類型和自我概念的回歸分析 見(jiàn)表4。
以性別、戀愛(ài)次數(shù)、戀愛(ài)持續(xù)時(shí)間、依戀焦慮、依戀回避等5個(gè)分指標(biāo)預(yù)測(cè)自我概念總分,進(jìn)行逐步回歸分析,結(jié)果見(jiàn)表4。
3 討論
調(diào)查表明,擁有戀愛(ài)經(jīng)歷的大學(xué)生的依戀類型,安全型高于40%,而矛盾型(即傾注型)占20%;男生在依戀焦慮上的得分顯著低于女生,而在依戀回避上不存在性別差異,與
李同歸等[5]對(duì)成人的研究結(jié)果不一致。自我概念的整體情況男大學(xué)生在各項(xiàng)因子上的得分均高于女大學(xué)生,說(shuō)明具有戀愛(ài)經(jīng)驗(yàn)的男大學(xué)生與女大學(xué)生相比,更敢于承認(rèn)自己的優(yōu)點(diǎn)和長(zhǎng)處,能夠更好地接納自己。這與以往的研究結(jié)果[6]不一致?？赡芘c本研究關(guān)注的群體與以往研究不同有關(guān),也可能反映了社會(huì)期望對(duì)有戀愛(ài)經(jīng)驗(yàn)的男女自我概念的影響。
方差分析結(jié)果顯示,不同依戀類型的大學(xué)生在自我概念各維度上,除在道德自我和自我批評(píng)維度得分差異無(wú)統(tǒng)計(jì)學(xué)意義外,其他各維度得分差異均有統(tǒng)計(jì)學(xué)意義,安全型被試的得分均高于其他3種非安全型的被試。這說(shuō)明安全型被試對(duì)自己各方面的感受均好于非安全型的被試,更能認(rèn)識(shí)自己、接納自己、肯定自己的價(jià)值,并能以此采取積極的行為。
調(diào)查結(jié)果表明,依戀焦慮與自我概念各維度相關(guān)均有統(tǒng)計(jì)學(xué)意義。相對(duì)于依戀回避而言,依戀焦慮對(duì)自我概念有較好的預(yù)測(cè)性。此外,戀愛(ài)持續(xù)時(shí)間也能預(yù)測(cè)自我概念,戀愛(ài)持續(xù)時(shí)間越長(zhǎng)自我概念總分越高,個(gè)體越喜歡自己、信任自己并認(rèn)為自己是個(gè)有價(jià)值的人。
4 參考文獻(xiàn)
[1] BURNS RB. The self-concept: Theory measurement,development and behavior. New York:Longman, 1982:58-76.
[2] 劉岸英. 自我概念的理論回顧及發(fā)展走向. 心理科學(xué), 2004, 27(10):248-249.
[3] 李同歸,加藤和生. 成人依戀的測(cè)量:親密關(guān)系經(jīng)歷量表(ECR)中文.心理學(xué)報(bào),2006,38(3):399 -406.
[4] 林邦杰.田納西自我概念量表之修訂.中國(guó)測(cè)驗(yàn)?zāi)昕?臺(tái)灣),1980,27:71-78.
[5] 李同歸,李楠欣,李敏. 成人依戀與社會(huì)支持及主觀幸福感的關(guān)系.中國(guó)臨床康復(fù),2006, 10(46):47-49.
[6] 萬(wàn)德智.大學(xué)生自我概念發(fā)展特點(diǎn)及其與應(yīng)對(duì)方式的相關(guān)性研究.濟(jì)南:山東大學(xué),2007.
【關(guān)鍵詞】 腎腫瘤； 淋巴結(jié)轉(zhuǎn)移； 危險(xiǎn)因素； 回歸分析
Prediction of lymph node metastasis with binary logistic regression in renal cell carcinoma ZHANG Xiao-nong，SHEN Jun， CHEN Peng.Yuehua Hospital of Yueyang，Yueyang 414014, China
【Abstract】 Objective To study the risk factors of lymph node metastasis of renal cell Carcinoma（RCC） and to set up a Logistic regression model.Methods The clinical data of 163 patients with renal cell carcinoma who underwent radical nephrectomy from July 2000 to July 2008 in Affiliated Tumor Hospital of Xinjiang Medicial University, were analyzed by univariate and binary Logistic regression.Results The incidence of lymph node metastasis was 20.9%. Univariate logistic analysis revealed that the tumor size，clinical stage, Fuhrman nuclear grade and anemia were all correlated with lymph node metastasis of RCC（P
【Key words】 Renal cell carcinoma； Lymph node metastasis； Risk factors； Regression analysis
腎細(xì)胞癌（RCC）在成人泌尿生殖系統(tǒng)腫瘤中發(fā)病率僅次于膀胱癌居第二位,且對(duì)放化療、生物治療不敏感，預(yù)后較差。腎癌的生物學(xué)行為多變，發(fā)生機(jī)制復(fù)雜且受到與患者和腫瘤相關(guān)因素的影響，目前不太容易對(duì)根治性腎切除術(shù)后患者的生存率進(jìn)行準(zhǔn)確預(yù)測(cè)。淋巴結(jié)轉(zhuǎn)移是影響腎細(xì)胞癌預(yù)后的重要因素，而準(zhǔn)確的淋巴結(jié)分期對(duì)腎細(xì)胞癌的治療和預(yù)后評(píng)價(jià)尤為重要。本研究回顧性分析本院近9年163例腎細(xì)胞癌根治性切除術(shù)后的病理及臨床資料，探討腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移的危險(xiǎn)因素，研究預(yù)測(cè)腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移的較為合適的方法和指標(biāo)，并建立Logistic 回歸模型。
1 資料與方法
1.1 一般資料 2000年2月～2008年10月，本院共行腎癌根治性切除術(shù)163例，所有的病例經(jīng)病理組織學(xué)確診。其中男105例，女58例；年齡17～79歲，中位數(shù)年齡55歲；腫瘤最大直徑（CT）1.3～19.0 cm，中位數(shù)6.0 cm；根據(jù)2002年AJCC腎細(xì)胞癌分期標(biāo)準(zhǔn)，Ⅰ期77例，Ⅱ期31例，Ⅲ期43例，Ⅳ期12例；根據(jù)1982年Fuhrman核分級(jí)標(biāo)準(zhǔn)，G1 81 例，G2 46例，G3 22例，G4 14例；病理類型：透明細(xì)胞癌135例，顆粒細(xì)胞癌7例，混合細(xì)胞癌12例，狀細(xì)胞癌7例，肉瘤樣癌2例；腫瘤側(cè)別：左側(cè)84例，右側(cè)79例；其中淋巴結(jié)轉(zhuǎn)移34例。
1.2 方法 查閱病歷資料，收集11項(xiàng)可能與腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移相關(guān)的臨床病理因素，如性別、年齡、腫瘤最大徑、ECOG-PS、腫瘤側(cè)別、腫瘤分期、病理類型、腫瘤分級(jí)、貧血、堿性磷酸酶和乳酸脫氫酶。以34例淋巴結(jié)轉(zhuǎn)移者為研究組，以129例無(wú)淋巴結(jié)轉(zhuǎn)移者為對(duì)照組。
1.3 統(tǒng)計(jì)學(xué)處理 統(tǒng)計(jì)學(xué)分析采用Logistic回歸分析，以淋巴結(jié)是否轉(zhuǎn)移為應(yīng)變量（Y：無(wú)0，有1），對(duì)各研究指標(biāo)進(jìn)行量化，各自變量（研究指標(biāo)）賦值標(biāo)準(zhǔn)，見(jiàn)表1。將量化數(shù)據(jù)輸入計(jì)算機(jī)，應(yīng)用SPSS 13.0統(tǒng)計(jì)軟件包，進(jìn)行Logistic回歸分析。采用相對(duì)危險(xiǎn)度的近似估計(jì)值比值比（odds ratio，OR）來(lái)估計(jì)各變量與RCC轉(zhuǎn)移的聯(lián)系強(qiáng)度。先用Logistic回歸模型做單因素分析（α0.05），利用單因素分析得出的結(jié)果對(duì)不同因素的作用大小進(jìn)行排序，以α0.05為入選變量的檢驗(yàn)水準(zhǔn)，以α0.1為剔除變量的檢驗(yàn)水準(zhǔn)，基于偏最大似然估計(jì)的前進(jìn)法向前逐步選擇自變量，再用Logistic回歸模型多因素逐步回歸分析，并得出RCC淋巴結(jié)轉(zhuǎn)移的概率模型。
表1 RCC淋巴結(jié)轉(zhuǎn)移因素（自變量）賦值標(biāo)準(zhǔn)
2 結(jié)果
2.1 單因素分析 把與163例RCC患者淋巴結(jié)轉(zhuǎn)移有關(guān)的臨床病理因素應(yīng)用單因素的Logistic回歸模型做單因素分析，結(jié)果見(jiàn)表2。其中腫瘤大小、臨床分期、Fuhrman核分級(jí)和貧血的OR值均大于1，與RCC淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)有關(guān)（P0.05）。
表2 腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移影響因素的Logistic回歸單因素分析（n163，α0.05）
2.2 多因素分析 利用表2的結(jié)果，將P值＜0.05的自變量和臨床認(rèn)為對(duì)腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移有關(guān)的病理類型X7（病理類型）也入選Logistic回歸模型，基于偏最大似然估計(jì)的前進(jìn)法向前逐步選擇自變量，進(jìn)行多因素逐步回歸分析，其中腫瘤大小、臨床分期和Fuhrman核分級(jí)對(duì)RCC淋巴結(jié)轉(zhuǎn)移有顯著回歸效果而選入回歸方程，結(jié)果見(jiàn)表3。但由單因素回歸分析亦可知，P值＜0.05的自變量X9（貧血）未能選入回歸方程并不說(shuō)明其對(duì)腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移無(wú)統(tǒng)計(jì)學(xué)意義，而可能是由于其作用被已選入的變量代替，從而使回歸模型中的自變量均保證具有統(tǒng)計(jì)學(xué)意義。自變量X7（病理類型）也未能進(jìn)入方程，不能因此認(rèn)為其與腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移一定無(wú)關(guān)，如果增加樣本含量，可能會(huì)出現(xiàn)有統(tǒng)計(jì)學(xué)意義的結(jié)果。
表3 腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移影響因素的Logistic回歸多因素分析（n163, α0.10）
2.3 概率模型 由多因素逐步回歸分析結(jié)果，可得出腎細(xì)胞癌臨床病理因素與淋巴結(jié)轉(zhuǎn)移關(guān)系的概率模型,LogitP－8.199＋0.603X3＋1.840X6＋0.976X8， 其中P值越接近于1，患者發(fā)生轉(zhuǎn)移的可能性越大；P值越接近于0，患者發(fā)生轉(zhuǎn)移的可能性越小。整個(gè)模型經(jīng)χ2檢驗(yàn)有統(tǒng)計(jì)學(xué)意義（χ281.601，P0.000）。
2.4 應(yīng)用概率模型的回代分析 為檢驗(yàn)該模型的實(shí)用性，163例RCC對(duì)概率模型進(jìn)行回代分析，以預(yù)測(cè)概率0.500為判別函數(shù)的分界點(diǎn)。結(jié)果顯示此概率模型判斷163例RCC淋巴結(jié)轉(zhuǎn)移與病理診斷總符合率為87.7%［（122+21）/163］，結(jié)果見(jiàn)表4。
表4 RCC淋巴結(jié)轉(zhuǎn)移概率模型回代分析*
注:*判別函數(shù)的分界值為0.5000
3 討論
腎細(xì)胞癌是腎臟最常見(jiàn)的惡性腫瘤，占成人腎惡性腫瘤的85%～90%和人類惡性腫瘤的1%～2%［1］。大約25%～30%的腎細(xì)胞癌在初始診斷時(shí)伴有遠(yuǎn)處轉(zhuǎn)移，局限性腎癌在根治性手術(shù)后大約1/3的患者最終會(huì)發(fā)生遠(yuǎn)處轉(zhuǎn)移,而30%～40%的患者會(huì)有淋巴結(jié)轉(zhuǎn)移［2］。目前對(duì)腫瘤患者可能出現(xiàn)的淋巴結(jié)轉(zhuǎn)移進(jìn)行預(yù)測(cè)是一個(gè)大的挑戰(zhàn)，淋巴結(jié)轉(zhuǎn)移是癌癥擴(kuò)散的首要跡象，因此，詳細(xì)的術(shù)前影像學(xué)和準(zhǔn)確的淋巴結(jié)分期對(duì)外科治療計(jì)劃和策略及術(shù)后隨訪十分重要，同時(shí)還能為患者提供預(yù)后有關(guān)的準(zhǔn)確信息。
癌細(xì)胞淋巴結(jié)轉(zhuǎn)移是影響腎細(xì)胞癌療效和預(yù)后的重要因素。Blute等［3］通過(guò)多因素分析總結(jié)了RCC淋巴結(jié)轉(zhuǎn)移的高危因素：（1）腫瘤臨床分期T3或T4；（2）腫瘤最大徑＞10 cm；（3）腫瘤細(xì)胞為低分化；（4）腫瘤組織中含有肉瘤樣成分；（5）腫瘤組織中有壞死。如果具有2個(gè)或以上危險(xiǎn)因素淋巴結(jié)轉(zhuǎn)移的幾率為10%，如果低于2個(gè)危險(xiǎn)因素淋巴結(jié)轉(zhuǎn)移的幾率僅為0.6%，如果5個(gè)危險(xiǎn)因素均滿足者淋巴結(jié)轉(zhuǎn)移率達(dá)到50%。此外，遠(yuǎn)處轉(zhuǎn)移和下腔靜脈癌栓陽(yáng)性等也是淋巴結(jié)轉(zhuǎn)移的高危因素［4］。
對(duì)腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移的臨床病理指標(biāo)進(jìn)行分析，試圖找出RCC預(yù)后的獨(dú)立的臨床病理指標(biāo)，可以為臨床選擇更好的治療方案，從而提高患者的術(shù)后生存率。通過(guò)對(duì)影響RCC淋巴結(jié)轉(zhuǎn)移的可能臨床病理因素進(jìn)行系列研究，可以在眾多的有關(guān)因素中篩選出具有顯著性影響的因素，將作用有顯著性意義的影響因素挑選出來(lái)后建立較為合適的回歸方程，便于檢查和分析，從而可能對(duì)RCC的淋巴結(jié)轉(zhuǎn)移的診斷和治療帶來(lái)幫助。筆者對(duì)163例RCC患者的臨床病例因素進(jìn)行單因素Logistic回歸分析，結(jié)果表明腫瘤大小、臨床分期，F(xiàn)uhrman核分級(jí)、貧血與RCC的淋巴結(jié)轉(zhuǎn)移有關(guān)（P
本研究表明，腫瘤大小、臨床分期和Fuhrman核分級(jí)是腎細(xì)胞癌淋巴結(jié)轉(zhuǎn)移的危險(xiǎn)因素，與Blute等的研究結(jié)果基本一致。根據(jù)臨床病理參數(shù)建立的Logistic回歸模型對(duì)RCC患者淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)提供非常重要的信息，對(duì)于判斷預(yù)后、指導(dǎo)術(shù)后治療及隨訪方案的制訂具有重要的作用。因?yàn)榇嬖谘芯糠椒ê脱芯恐笜?biāo)的多樣性，筆者選取的研究方法和研究指標(biāo)也有其自身的局限性，需要更多的病例和更多研究者的參與，相信隨著研究的不斷深入，這一問(wèn)題將會(huì)得到解決。
參 考 文 獻(xiàn)
［1］ Jemal A, Murray T, Ward E, et al. Cancer statistics, 2005. CA Cancer J Clin， 2005， 55:10-30.
［2］ Motzer RJ, Bander NH, Nanus DM. Renal-cell carcinoma. N Engl J Med, 1996, 335（12）:865-875.
［3］ ML Blute, BC Leibovich, JC Cheville, et al. A protocol for performing extended lymph node dissection using primary tumor pathological features for patients treated with radical nephrectomy for clear cell renal cell carcinoma. J Urol, 2004，172（2）: 465-469.
近年來(lái)，用戶研究已經(jīng)成為產(chǎn)品設(shè)計(jì)界的重要研究手段，在產(chǎn)品的進(jìn)入期、成長(zhǎng)期、成熟期甚至衰退期，用戶研究都起著至關(guān)重要的作用，它可以幫助產(chǎn)品概念的具體化、合理化地符合用戶需求，提品功能定義的依據(jù)，等等。歸根結(jié)底，它起到了從用戶的需求域（感性描述）到設(shè)計(jì)的功能域（物理要素）的轉(zhuǎn)換作用，最終幫助設(shè)計(jì)者獲得成功產(chǎn)品所需的要素。
在用戶研究的領(lǐng)域里，我們已經(jīng)有了較為科學(xué)的方法來(lái)獲得需求域中的各類信息數(shù)據(jù)，而如何將這些信息數(shù)據(jù)轉(zhuǎn)換成為我們所需要的設(shè)計(jì)要素則成為研究的重點(diǎn)和難點(diǎn)。用戶的需求來(lái)源于人，而產(chǎn)品的功能賦之予物，我們需要找到一種方法來(lái)發(fā)掘這主客體之間的聯(lián)系，定性定量分析毫無(wú)疑問(wèn)是解決這一問(wèn)題的必要方法。
二、統(tǒng)計(jì)學(xué)：定量與定性研究結(jié)合
與其他產(chǎn)品設(shè)計(jì)的單一研究方法不同，在用戶研究中，定性與定量分析一般而言是相輔相成的，這樣做很好地結(jié)合了兩種分析各自的長(zhǎng)處。定量分析能夠發(fā)現(xiàn)某個(gè)存在的現(xiàn)象，具有很好的說(shuō)服力和可信性，是對(duì)事物“量”的分析，主要通過(guò)數(shù)據(jù)收集和分析來(lái)完成。定性研究則可以發(fā)掘隱藏在現(xiàn)象底下的規(guī)律及原因，具有能夠抓住本質(zhì)的深刻性和高效性，是對(duì)事物“質(zhì)”的分析，主要通過(guò)常識(shí)、感覺(jué)、經(jīng)驗(yàn)等主觀因素來(lái)參與分析。
在用戶研究中可以直接獲取的數(shù)據(jù)很少，因此定量分析沒(méi)有施展的空間，并且對(duì)于一些感性問(wèn)題，例如用戶的需求、用戶的感覺(jué)等同樣也無(wú)能為力。定性分析則受主觀因素影響較大，具有不確定性的特點(diǎn)。如何能夠很好地發(fā)揮定量分析的可信度與定性分析的深刻度是我們所要解決的下一個(gè)問(wèn)題，這里引入統(tǒng)計(jì)學(xué)的分析方法，將定量與定性分析結(jié)合起來(lái)。
三、用戶研究中的統(tǒng)計(jì)學(xué)
統(tǒng)計(jì)學(xué)廣泛運(yùn)用于生物、化學(xué)、心理學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)學(xué)等諸多領(lǐng)域。它被用來(lái)了解與測(cè)量系統(tǒng)變異性，程序控制，對(duì)資料作出結(jié)論，并且完成資料取向的決策。而它的這些用途特點(diǎn)非常適合集心理學(xué)、社會(huì)學(xué)、人類學(xué)等多門學(xué)科交融的用戶研究，因此，我們可以通過(guò)引入統(tǒng)計(jì)學(xué)的方法，來(lái)對(duì)用戶研究中獲取的信息進(jìn)行定量和定性分析，從而完成需求域到功能域的轉(zhuǎn)化。
根據(jù)統(tǒng)計(jì)學(xué)的研究特點(diǎn)，我們將其在用戶研究中的運(yùn)用步驟分為信息獲取、信息處理、數(shù)據(jù)分析、數(shù)據(jù)校驗(yàn)四個(gè)步驟。
1.信息獲取
用戶研究方法有很多，現(xiàn)大多已趨于成熟。我們?cè)诖_定研究目的與目標(biāo)的前提下，有意識(shí)地選擇用戶研究的方法，并且明確其輸出的數(shù)據(jù)及形式，為今后的分析做準(zhǔn)備。在用戶研究中我們可以通過(guò)背景資料收集、問(wèn)卷調(diào)查、用戶觀察、用戶訪談、用戶角色和用戶情境等方法獲得大量的文字?jǐn)?shù)據(jù)、圖像數(shù)據(jù)、問(wèn)卷數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)和語(yǔ)音數(shù)據(jù)，這些數(shù)據(jù)都可以通過(guò)進(jìn)一步的處理，轉(zhuǎn)換成統(tǒng)計(jì)學(xué)中可以運(yùn)用的數(shù)據(jù)形式。為了更好地進(jìn)行下一步的分析研究，要根據(jù)用戶研究對(duì)象的特點(diǎn)將這些信息分為用戶基本數(shù)據(jù)、用戶行為數(shù)據(jù)和用戶主觀數(shù)據(jù)。
基本數(shù)據(jù)主要是指對(duì)用戶的性別、年齡、職業(yè)、收入、教育、地區(qū)、家庭結(jié)構(gòu)、生活方式等量化后的數(shù)據(jù)；行為數(shù)據(jù)是指用戶與產(chǎn)品的交互，即對(duì)于產(chǎn)品的使用及體驗(yàn)通過(guò)觀察測(cè)試等方法提取的數(shù)據(jù)；主觀數(shù)據(jù)是指用戶對(duì)于產(chǎn)品的滿意度、情緒反應(yīng)、審美反應(yīng)、生活態(tài)度等通過(guò)問(wèn)卷訪談等方式獲得的數(shù)據(jù)。由此我們便獲得了計(jì)算所需的數(shù)據(jù)。
2.信息處理
上面我們已經(jīng)論述了信息獲取的方法及信息的分類和特點(diǎn)，但是這些信息的形式如文字、圖像、問(wèn)卷大多都不能直接用于統(tǒng)計(jì)學(xué)的分析，因此我們要對(duì)信息進(jìn)行處理，也就是信息的量化。
(1)用戶基本數(shù)據(jù)量化
基本數(shù)據(jù)都屬于某種“品質(zhì)”或“屬性”，它們的量化方法可以使用取值為“1”或“0”的人工變量來(lái)表示是否存在，也就是對(duì)質(zhì)的因素的判斷。如“1”表示已婚，“0”表示未婚。同樣有時(shí)本身是“數(shù)量”因素也可以轉(zhuǎn)化成“質(zhì)”因素，如“1”表示年收入5萬(wàn)到10萬(wàn)，“0”表示年收入5萬(wàn)以下。
（2）用戶行為數(shù)據(jù)量化
用戶行為數(shù)據(jù)可以通過(guò)試驗(yàn)器械的輔助，有計(jì)劃的觀察與測(cè)試來(lái)獲得。主要是行為過(guò)程中存在的與衡量目標(biāo)完成情況相關(guān)的變量。這些具體數(shù)據(jù)的情況與目標(biāo)有著直接關(guān)系，通?？梢灾苯荧@得具體數(shù)值。如時(shí)間、頻率、數(shù)量、周期、步驟等。
（3）用戶主觀數(shù)據(jù)量化
用戶主觀數(shù)據(jù)主要通過(guò)對(duì)用戶的問(wèn)卷與訪談得到，是從用戶的主觀因素出發(fā)對(duì)用戶體驗(yàn)進(jìn)行量化。在這里，我們可以用數(shù)值來(lái)表示主觀因素的程度，通過(guò)這種方法來(lái)量化這些主觀的、抽象的、感性的信息。如滿意程度可以由-3，-2，-1,0,1,2，3這7個(gè)數(shù)值表示，-3為最不滿意，3為最滿意。同理抽象感性詞匯可以選擇一對(duì)反義詞作為兩極，由負(fù)值到正值表示符合的程度。如傳統(tǒng)和現(xiàn)代、圓潤(rùn)和尖銳等。
此外，為了消除數(shù)據(jù)計(jì)量單位不同的影響，便于數(shù)據(jù)的直接比較，要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化——使數(shù)據(jù)矩陣式中每列數(shù)據(jù)的平均值為0，方差為1；或者規(guī)格化——將每列的最大數(shù)據(jù)變?yōu)?，最小數(shù)據(jù)變?yōu)?，其余數(shù)據(jù)取值在0～1之間。
3.數(shù)據(jù)分析
在對(duì)數(shù)據(jù)進(jìn)行必要的處理以后我們就要開(kāi)始進(jìn)行統(tǒng)計(jì)分析。為了便于介紹統(tǒng)計(jì)方法，我們先將處理好的數(shù)據(jù)分類。在統(tǒng)計(jì)學(xué)中根據(jù)變量數(shù)學(xué)性質(zhì)的由低到高可將其劃分為：定類數(shù)據(jù)、定序數(shù)據(jù)、定距數(shù)據(jù)和定比數(shù)據(jù)。定比數(shù)據(jù)使用較少，此處略。定類數(shù)據(jù)是一個(gè)分類體系，通常將研究對(duì)象屬性分類后編號(hào)，其只能測(cè)量類別差。如華中、華北、華東等。定序數(shù)據(jù)多了類別間順序等級(jí)的信息，可以測(cè)量次序差。如幼年、少年、青年、中年、壯年、老年等。定距數(shù)據(jù)不僅可以測(cè)量差別，還可以測(cè)算距離，如10秒、20秒、30秒等。
下面介紹在設(shè)計(jì)領(lǐng)域常會(huì)遇到的變量類型之間的關(guān)系測(cè)量以及相對(duì)應(yīng)的方法類別，具體公式與計(jì)算方法可以參看相關(guān)統(tǒng)計(jì)學(xué)書目。
（1）雙變量統(tǒng)計(jì)
兩個(gè)變量之間關(guān)系的探討在用戶研究中是重要的內(nèi)容。相關(guān)分析是解決這個(gè)問(wèn)題最為常用的統(tǒng)計(jì)學(xué)方法。判斷兩個(gè)變量之間的關(guān)系主要從它們的相關(guān)程度、相關(guān)正負(fù)、相關(guān)類型等方面來(lái)看，在通常情況下為線性相關(guān)，可從相關(guān)系數(shù)中看出兩個(gè)變量之間的關(guān)系。
①兩個(gè)定類變量以及定類與定序變量之間的關(guān)系可使用相關(guān)分析中的λ和τy測(cè)量法。λ測(cè)量法可以是不分變量與自變量的對(duì)稱形式。如丈夫購(gòu)車標(biāo)準(zhǔn)與妻子購(gòu)車標(biāo)準(zhǔn)之間的關(guān)系。τy測(cè)量法要求具有自變量與因變量之別，如性別與購(gòu)車標(biāo)準(zhǔn)之間的關(guān)系。定類與定序變量關(guān)系也可用此兩種系數(shù)，如收入水平與購(gòu)車標(biāo)準(zhǔn)之間的關(guān)系。
②兩個(gè)定序變量之間的關(guān)系可以使用Gamma系數(shù)和dY系數(shù)來(lái)表示。例如同等收入水平年齡與購(gòu)車價(jià)格之間的關(guān)系。
③定類與定距、定序與定距可采用相關(guān)比率測(cè)量法。如性別與某手機(jī)功能操作次數(shù)之間的關(guān)系或是年齡與后者之間的關(guān)系。除此之外，也可以使用單因素方差分析。
變量之間除相關(guān)關(guān)系還可以用函數(shù)關(guān)系來(lái)表示，線性回歸分析可以測(cè)量變量之間的線性關(guān)系，它是在研究過(guò)程中將一些因素作為所控制的變量（自變量），而另一些隨機(jī)變量作為它們的因變量來(lái)進(jìn)行分析的。一元線性回歸可以用來(lái)解決雙變量統(tǒng)計(jì)問(wèn)題。
（2）多變量統(tǒng)計(jì)
在設(shè)計(jì)領(lǐng)域中研究的問(wèn)題影響因素往往較為復(fù)雜，在雙變量統(tǒng)計(jì)不能滿足要求的時(shí)候我們就要用到多變量統(tǒng)計(jì)方法，主要有多元線性回歸分析，Logistic回歸分析、聚類分析、主成分分析、因子分析等。
①多元線性回歸分析。研究在線性相關(guān)條件下，兩個(gè)和兩個(gè)以上自變量對(duì)一個(gè)因變量的數(shù)量變化關(guān)系，稱為多元線性回歸分析，表現(xiàn)這一數(shù)量關(guān)系的數(shù)學(xué)公式稱為多元線性回歸模型。它解決的問(wèn)題是通過(guò)抽樣調(diào)查的數(shù)據(jù)，確定自變量和因變量之間關(guān)系的密切程度；確定多個(gè)自變量對(duì)應(yīng)變量的共同影響，比較各個(gè)自變量對(duì)因變量影響的大??；確定因變量和自變量之間的關(guān)系表達(dá)式，即回歸方程式。如臺(tái)燈外形表現(xiàn)現(xiàn)代感程度分別與其燈罩、燈頸、燈座造型、材質(zhì)、色彩的關(guān)系，這種方法在感性工學(xué)研究中經(jīng)常使用。
②Logistic回歸分析。線性回歸模型的一個(gè)局限性是要求因變量是定量變量（定距變量、定比變量），而不能是定性變量（定序變量、定類變量）。但是在許多實(shí)際問(wèn)題中，經(jīng)常出現(xiàn)因變量是定性變量（分類變量）的情況。Logistic回歸分析就是用于處理分類因變量的統(tǒng)計(jì)分析方法。其因變量只取兩個(gè)值，表示一種決策、一種結(jié)果的兩種可能性。如消費(fèi)者是否購(gòu)買產(chǎn)品與產(chǎn)品性能、外觀、價(jià)格、
品牌等因素之間的關(guān)系。
③聚類分析。聚類分析是研究“物以類聚”的一種多元統(tǒng)計(jì)分析方法。聚類分析的基本思想是根據(jù)對(duì)象間的相關(guān)程度進(jìn)行類別的聚合。例如可以通過(guò)測(cè)試者對(duì)于較多產(chǎn)品的評(píng)價(jià)運(yùn)用聚類分析將產(chǎn)品分別歸類。又如通過(guò)對(duì)消費(fèi)者生活形態(tài)的研究將其分類，有針對(duì)性地進(jìn)行產(chǎn)品開(kāi)發(fā)。聚類分析可用樹(shù)藝術(shù)與設(shè)計(jì)ˉ形圖來(lái)表示結(jié)果。
④主成分分析。把多個(gè)變量（指標(biāo)）化為少數(shù)幾個(gè)綜合變量（綜合指標(biāo)），而這幾個(gè)綜合變量可以反映原來(lái)多個(gè)變量的大部分信息。為了使這些綜合變量所含的信息互不重疊，應(yīng)要求它們之間互不相關(guān)。例如在評(píng)價(jià)一個(gè)產(chǎn)品設(shè)計(jì)時(shí)，往往有很多因素，通過(guò)主成分分析可以用少數(shù)幾個(gè)綜合因素對(duì)其進(jìn)行評(píng)價(jià)，減少工作量。
⑤因子分析。因子分析可以看成是主成分分析的一種推廣。它的基本目的是，找出隱藏在一組測(cè)量到的變量中的一些更基本的，但又無(wú)法直接測(cè)量到的隱性變量（愛(ài)好、態(tài)度、能力）去解釋顯在變量（設(shè)計(jì)成功與否、銷售量、點(diǎn)擊率）。例如從眾多人們顯在的生活習(xí)慣中找到人們選擇使用購(gòu)買生活用品的潛在因子。這種方法可以應(yīng)用在用戶研究中的生活方式研究之中。
4.數(shù)據(jù)檢驗(yàn)
數(shù)據(jù)檢驗(yàn)其實(shí)是貫穿整個(gè)計(jì)算過(guò)程中的，一些計(jì)算方法需要檢測(cè)數(shù)據(jù)是否適合做此類運(yùn)算，如回歸分析的擬合優(yōu)度檢驗(yàn)，因子分析的KMO檢驗(yàn)，而回歸分析可以用逆運(yùn)算進(jìn)行檢驗(yàn)等。當(dāng)然一般人都會(huì)認(rèn)為數(shù)據(jù)是客觀而準(zhǔn)確的，但是準(zhǔn)確的數(shù)據(jù)之后，依賴分析師的常識(shí)、經(jīng)驗(yàn)和主觀判斷，來(lái)選擇和運(yùn)用適合分析方法，并以嚴(yán)謹(jǐn)?shù)难芯繎B(tài)度來(lái)完成整個(gè)分析步驟。
1、統(tǒng)計(jì)研究設(shè)計(jì)：應(yīng)交代統(tǒng)計(jì)研究設(shè)計(jì)的名稱和主要做法。如調(diào)查設(shè)計(jì)(分為前瞻性、回顧性或橫斷面調(diào)查研究)；實(shí)驗(yàn)設(shè)計(jì)(應(yīng)交代具體的設(shè)計(jì)類型，如自身配對(duì)設(shè)計(jì)、成組設(shè)計(jì)、交叉設(shè)計(jì)、析因設(shè)計(jì)、正交設(shè)計(jì)等)；臨床試驗(yàn)設(shè)計(jì)(應(yīng)交代屬于第幾期臨床試驗(yàn)，采用了何種盲法措施等)。主要做法應(yīng)圍繞4個(gè)基本原則(隨機(jī)、對(duì)照、重復(fù)、均衡)概要說(shuō)明，尤其要交代如何控制重要非試驗(yàn)因素的干擾和影響。
2、資料的表達(dá)與描述：用x±s表達(dá)近似服從正態(tài)分布的定量資料，用M(QR)表達(dá)呈偏態(tài)分布的定量資料；用統(tǒng)計(jì)表時(shí)，要合理安排縱橫標(biāo)目，并將數(shù)據(jù)的含義表達(dá)清楚；用統(tǒng)計(jì)圖時(shí)，所用統(tǒng)計(jì)圖的類型應(yīng)與資料性質(zhì)相匹配，并使數(shù)軸上刻度值的標(biāo)法符合數(shù)學(xué)原則；用相對(duì)數(shù)時(shí)，分母不宜小于20，要注意區(qū)分百分率與百分比。
3、統(tǒng)計(jì)學(xué)分析方法的選擇：對(duì)于定量資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類型、資料所具備的條件和分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用t檢驗(yàn)和單因素方差分析；對(duì)于定性資料，應(yīng)根據(jù)所采用的設(shè)計(jì)類型、定性變量的性質(zhì)和頻數(shù)所具備的條件以及分析目的，選用合適的統(tǒng)計(jì)學(xué)分析方法，不應(yīng)盲目套用x2檢驗(yàn)。對(duì)于回歸分析，應(yīng)結(jié)合專業(yè)知識(shí)和散布圖，選用合適的回歸類型，不應(yīng)盲目套用簡(jiǎn)單直線回歸分析，對(duì)具有重復(fù)實(shí)驗(yàn)數(shù)據(jù)的回歸分析資料，不應(yīng)簡(jiǎn)單化處理；對(duì)于多因素、多指標(biāo)資料，要在一元分析的基礎(chǔ)上，盡可能運(yùn)用多元統(tǒng)計(jì)學(xué)分析方法，以便對(duì)因素之間的交互作用和多指標(biāo)之間的內(nèi)在聯(lián)系進(jìn)行全面、合理的解釋和評(píng)價(jià)。
4、統(tǒng)計(jì)結(jié)果的解釋和表達(dá)：當(dāng)P＜0.05(或P＜0.01)時(shí)，應(yīng)說(shuō)明對(duì)比組之間的差異有統(tǒng)計(jì)學(xué)意義，而不應(yīng)說(shuō)對(duì)比組之間具有顯著性(或非常顯著性)的差別；應(yīng)寫明所用統(tǒng)計(jì)學(xué)分析方法的具體名稱(如：成組設(shè)計(jì)資料的t檢驗(yàn)、兩因素析因設(shè)計(jì)資料的方差分析、多個(gè)均數(shù)之間兩兩比較的q檢驗(yàn)等)，統(tǒng)計(jì)量的具體值(如t值，x2值，F(xiàn)值等)應(yīng)盡可能給出具體的P值；當(dāng)涉及總體參數(shù)(如總體均數(shù)、總體率等)時(shí)，在給出顯著性檢驗(yàn)結(jié)果的同時(shí)，再給出95％可信區(qū)間。
關(guān)鍵詞:自然資源調(diào)查;高分衛(wèi)星;遙感技術(shù);神經(jīng)網(wǎng)絡(luò);像素級(jí)分析
高分衛(wèi)星又稱作高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)工程，是《中國(guó)國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》(2006—2020年)的16個(gè)重大科技專項(xiàng)之一，主要用于國(guó)土普查、農(nóng)作物估產(chǎn)、環(huán)境治理、氣象預(yù)警預(yù)報(bào)和綜合防災(zāi)減災(zāi)等領(lǐng)域。目前，包括最新發(fā)射的高分十三號(hào)衛(wèi)星在內(nèi)，所有高分衛(wèi)星的實(shí)時(shí)動(dòng)態(tài)對(duì)地觀測(cè)成果已經(jīng)全面投入商用，民營(yíng)企業(yè)可以以較低成本獲得全面的米級(jí)精度實(shí)時(shí)衛(wèi)星遙感遙測(cè)信息。因?yàn)樵缙诿駹I(yíng)企業(yè)較少涉及衛(wèi)星航天工程，所以受到高分衛(wèi)星專項(xiàng)工程的商用影響，越來(lái)越多的民營(yíng)企業(yè)開(kāi)始涉及高分衛(wèi)星專項(xiàng)工程的信息數(shù)據(jù)分析工作，包括農(nóng)業(yè)服務(wù)、氣象服務(wù)、林業(yè)資源調(diào)查、水域及漁業(yè)資源調(diào)查、農(nóng)業(yè)資源調(diào)查、水利水文監(jiān)測(cè)、礦產(chǎn)資源調(diào)查等。該研究基于高分衛(wèi)星數(shù)據(jù)開(kāi)發(fā)工具包，研究一種可以分析調(diào)查自然資源現(xiàn)狀及動(dòng)態(tài)變化情況的算法架構(gòu)，使中國(guó)產(chǎn)衛(wèi)星遙感技術(shù)的應(yīng)用范圍進(jìn)一步拓展。
1地籍單元的劃分與類模型提取
基于高分衛(wèi)星專項(xiàng)工程的商業(yè)化數(shù)據(jù)服務(wù)，其本質(zhì)意義是讓國(guó)內(nèi)普通企業(yè)可以充分享受到衛(wèi)星航天工程的數(shù)據(jù)成果。當(dāng)前高分衛(wèi)星資源分析系統(tǒng)中，已經(jīng)推出了商業(yè)化應(yīng)用，使農(nóng)民可以每年只花費(fèi)數(shù)十元，就可以對(duì)農(nóng)田的含水量、預(yù)計(jì)產(chǎn)量、病蟲害發(fā)生概率進(jìn)行詳細(xì)統(tǒng)計(jì)。該研究在針對(duì)高分衛(wèi)星資源分析的深度研究中，探求一種分析性能更佳的地籍單元分析模式，使基于復(fù)雜神經(jīng)網(wǎng)絡(luò)的高分衛(wèi)星數(shù)據(jù)分析系統(tǒng)可以提供更強(qiáng)大的分析功能。因?yàn)樾l(wèi)星視場(chǎng)為交叉重疊的帶狀視場(chǎng)，而大部分被分析地區(qū)屬于面狀區(qū)域，所以，在任何衛(wèi)星遙感數(shù)據(jù)的處理中，利用衛(wèi)星視場(chǎng)拼接被分析區(qū)域均屬于首要工作。同時(shí)，在相關(guān)分析中，即便在單一衛(wèi)星視場(chǎng)區(qū)域內(nèi)進(jìn)行分析，也需要對(duì)地籍單元進(jìn)行細(xì)化分析，以獲得足夠精確的機(jī)器學(xué)習(xí)分析結(jié)果。如圖1所示。圖1中，根據(jù)被分析地區(qū)的區(qū)域坐標(biāo)，在衛(wèi)星視場(chǎng)數(shù)據(jù)中選擇所有相關(guān)視場(chǎng)資料，對(duì)視場(chǎng)資料進(jìn)行拼接，最終形成被分析區(qū)域的原始數(shù)據(jù)圖像集。根據(jù)市場(chǎng)的四至極點(diǎn)構(gòu)建矩形區(qū)域，使用四分法對(duì)區(qū)域進(jìn)行逐層劃分，直至最終地籍單元的像素?cái)?shù)量在神經(jīng)網(wǎng)絡(luò)的可控制范圍內(nèi)。本文研究中，選擇的地籍單元數(shù)量最終為F(x，y)={m×n}，maxx=m＜25，maxy=n＜25的地籍單元。使用神經(jīng)網(wǎng)絡(luò)對(duì)地籍單元資料進(jìn)行評(píng)價(jià)，最終找到邊緣地籍單元并確定地籍單元的屬性。將邊緣地籍單元進(jìn)行連線，最終形成加權(quán)疊加輸出結(jié)果。受到篇幅限制，本文不對(duì)較為成熟的地籍單元的四分法及其他相關(guān)算法進(jìn)行深入討論，僅對(duì)其神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)實(shí)現(xiàn)算法進(jìn)行展開(kāi)分析。
2地籍單元的神經(jīng)網(wǎng)絡(luò)分析算法
2．1神經(jīng)網(wǎng)絡(luò)整體分析架構(gòu)
該神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入值為地籍單元的不超過(guò)25×25個(gè)像素陣列，其中需要進(jìn)行3個(gè)神經(jīng)網(wǎng)絡(luò)判斷模塊。3個(gè)神經(jīng)網(wǎng)絡(luò)模塊均通過(guò)25×25個(gè)像素陣列的輸入數(shù)據(jù)進(jìn)行分析，分別給出該地籍單元是否包含資源邊界的分析類型判斷二值化判斷，對(duì)自然資源種類進(jìn)行判斷的地籍種類模塊，判斷邊界位于像素陣列位置的邊界判斷模塊。如圖2所示。
2．2數(shù)據(jù)降維功能的實(shí)現(xiàn)
分析類型選擇模塊分為兩個(gè)功能，是將數(shù)據(jù)充分降維，不超過(guò)25×25個(gè)像素點(diǎn)陣，共包含最高625個(gè)輸入單元，每個(gè)輸入單元包括3個(gè)上色通道，每通道為1個(gè)16位Long型變量。即該模塊的輸入量最高可達(dá)到625×3=1875個(gè)Long型變量輸入，而其輸出結(jié)果為1個(gè)Logical型二值化變量，其分析過(guò)程的信息損失量較大。所以，該模塊在提供二值化輸出功能的同時(shí)，應(yīng)有充足的數(shù)據(jù)降維功能，使降維過(guò)程損失的信息量在模塊帶回歸變量中充分保留，采用40%的維度壓縮比，其隱藏層結(jié)構(gòu)傳導(dǎo)函數(shù)如公式(1)所示:f(n+1)=mod(f(n)×40%)(1)式中，mod函數(shù)為取整函數(shù);根據(jù)該式進(jìn)行降維設(shè)計(jì)，則其隱藏層結(jié)構(gòu)見(jiàn)表2。表2中，該降維模塊在3個(gè)模塊中均有應(yīng)用，均作為其隱藏層的前6層結(jié)構(gòu)，其利用六階多項(xiàng)式回歸函數(shù)的豐富待回歸變量資源，將高達(dá)1875個(gè)數(shù)據(jù)維度降維到7個(gè)數(shù)據(jù)維度，以供后續(xù)分析，六階多項(xiàng)式回歸函數(shù)的基函數(shù)如公式(2):(2)式中，Xi為第i個(gè)輸入變量;Y為節(jié)點(diǎn)輸出變量;j為多項(xiàng)式階數(shù)，該設(shè)計(jì)中使用了6階多項(xiàng)式;Aj為第j階多項(xiàng)式的待回歸變量，每個(gè)節(jié)點(diǎn)共包含6個(gè)待回歸變量。
2．3功能模塊的實(shí)現(xiàn)
圖2中的3個(gè)神經(jīng)網(wǎng)絡(luò)功能模塊，其隱藏層前6層均為表2和公式(2)提供的邏輯架構(gòu)，但在后續(xù)各層中有所不同，3個(gè)神經(jīng)網(wǎng)絡(luò)功能模塊的后續(xù)隱藏層結(jié)構(gòu)有以下區(qū)別，詳見(jiàn)表3。表3中，3個(gè)神經(jīng)網(wǎng)絡(luò)功能模塊應(yīng)用到除多項(xiàng)式回歸函數(shù)之外的2種回歸函數(shù)，分別為二值化函數(shù)和對(duì)數(shù)回歸函數(shù)。邊界判斷模塊中，因?yàn)槭嵌嗔猩窠?jīng)網(wǎng)絡(luò)，則會(huì)構(gòu)建2列平行的多列神經(jīng)網(wǎng)絡(luò)模塊，分別對(duì)m值和n值進(jìn)行輸出。此時(shí)，二值化函數(shù)的基函數(shù)寫作公式(3)，對(duì)數(shù)回歸函數(shù)的基函數(shù)寫作公式(4):
3資源調(diào)查監(jiān)測(cè)算法效能判斷
按照?qǐng)D1中的技術(shù)整合方式，將前文所述的神經(jīng)網(wǎng)絡(luò)算法整合到技術(shù)體系中，可以得到對(duì)應(yīng)的分析結(jié)果，分析數(shù)據(jù)來(lái)自某市市域面積的自然資源調(diào)查結(jié)果，分析時(shí)間周期來(lái)自2018年1月1日至2019年12月31日，每15d對(duì)數(shù)據(jù)進(jìn)行重新采集取樣，即達(dá)到該市2年期限內(nèi)的48次密集資源普查結(jié)果。在算法效能判斷中，分析單一圖像內(nèi)資源區(qū)域邊界數(shù)據(jù)點(diǎn)的標(biāo)準(zhǔn)偏差率得到單張圖像的分析結(jié)果，分析時(shí)序圖像上資源區(qū)域邊界變化趨勢(shì)的標(biāo)準(zhǔn)偏差率結(jié)果，在兩種標(biāo)準(zhǔn)偏差率基礎(chǔ)上，判斷該算法精度。對(duì)比數(shù)據(jù)來(lái)自高分衛(wèi)星數(shù)據(jù)開(kāi)發(fā)工具包內(nèi)自帶資源識(shí)別系統(tǒng)給出的分析結(jié)果同樣分析該兩種標(biāo)準(zhǔn)偏差率。標(biāo)準(zhǔn)偏差率的計(jì)算公式如式(5):式中:σ為一維單列數(shù)據(jù)的標(biāo)準(zhǔn)偏差率;xi為該列數(shù)據(jù)的第i個(gè)輸入值;x－為該列數(shù)據(jù)的算數(shù)平均數(shù);N為數(shù)據(jù)列的最大下標(biāo)。使用SPSS24．0的t校驗(yàn)功能比較數(shù)據(jù)的差異性，當(dāng)t＜10．000時(shí)認(rèn)為數(shù)據(jù)存在統(tǒng)計(jì)學(xué)差異，同時(shí)讀取t校驗(yàn)過(guò)程的P值;當(dāng)P＜0．05時(shí)認(rèn)為分析結(jié)果處于統(tǒng)計(jì)學(xué)置信空間內(nèi);當(dāng)P＜0．01時(shí)認(rèn)為數(shù)據(jù)具有顯著的統(tǒng)計(jì)學(xué)意義。該分析結(jié)果詳見(jiàn)表4。表4中，靜態(tài)標(biāo)準(zhǔn)偏差率均值指所有48套計(jì)算結(jié)果中的標(biāo)志性數(shù)據(jù)點(diǎn)位置沿分界線連線進(jìn)行分組，對(duì)其標(biāo)準(zhǔn)偏差率求取均值并進(jìn)一步計(jì)算該值數(shù)列的標(biāo)準(zhǔn)偏差率;動(dòng)態(tài)標(biāo)準(zhǔn)偏差率均值指計(jì)算48套計(jì)算結(jié)果的標(biāo)志性數(shù)據(jù)點(diǎn)位置變化量沿分界線連線進(jìn)行分組，對(duì)其標(biāo)準(zhǔn)偏差率求取均值并進(jìn)一步計(jì)算該值數(shù)列的標(biāo)準(zhǔn)偏差率;改組數(shù)據(jù)比較中，t＜10．000，P＜0．01，具有顯著的統(tǒng)計(jì)學(xué)差異，且革新軟件將靜態(tài)分析誤差優(yōu)化84．9%，將動(dòng)態(tài)誤差優(yōu)化85．7%。革新系統(tǒng)的分析精度顯著優(yōu)于工具包的自帶系統(tǒng)。該研究的根本意義在于探求一種基于原始開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)模塊可以服務(wù)于高分衛(wèi)星遙測(cè)數(shù)據(jù)，使其得到更精細(xì)化的資源識(shí)別功能，所以，判斷其對(duì)資源識(shí)別的準(zhǔn)確率，可以使其社會(huì)效能得到更大提升。在驗(yàn)證試驗(yàn)中，選擇20名地籍管理專業(yè)從業(yè)者，以肉眼評(píng)價(jià)方式對(duì)2套算法的最終分析效果進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)2種分析算法的失誤率，詳見(jiàn)表5。表5中，考察全市約35km2土地面積，涉及分類地塊29753個(gè)，最大面積318．4hm2，最小面積0．8hm2，2套軟件算法條件下，均為發(fā)生在林木、農(nóng)作物、水產(chǎn)水域資源類型之間的跨門類誤判，即所有2種算法條件下，所有機(jī)器誤判均為在林木種類之間的誤判、農(nóng)作物種類之間的誤判、水產(chǎn)類型之間的誤判。自帶軟件較革新軟件，在林木種類誤判數(shù)量上高出6．8倍，在農(nóng)作物類型誤判數(shù)量上高出19．2倍，在水產(chǎn)類型誤判數(shù)量上高出4．1倍，即可認(rèn)為革新軟件因?yàn)閱⒂昧松窠?jīng)網(wǎng)絡(luò)深度迭代回歸的數(shù)據(jù)識(shí)別模式，使其資源類型誤判率得到了顯著提升。在邊界劃分方面，因?yàn)楦叻中l(wèi)星給出的遙測(cè)數(shù)據(jù)每像素點(diǎn)約為0．8m×0．8m，所以其本身存在一定程度的測(cè)量誤差，在此基礎(chǔ)上，對(duì)資源邊界的實(shí)際判讀精度，只能達(dá)到亞米級(jí)，很難達(dá)到毫米級(jí)。但因?yàn)楫?dāng)前進(jìn)行地籍單元?jiǎng)澐謺r(shí)，底圖一般采用國(guó)家地球地理信息系統(tǒng)(GIS)底圖，其比例尺約為1∶1000，支持最高達(dá)到±50mm的精度，所以，對(duì)兩套系統(tǒng)判斷資源區(qū)邊界的精度進(jìn)行對(duì)比分析，其結(jié)果見(jiàn)表6。表6中，大資源區(qū)指林木、農(nóng)田、水域、房屋壓占、道路壓占等大資源區(qū)的邊界劃分結(jié)果，小資源區(qū)指大資源區(qū)內(nèi)因?yàn)椴煌帜痉N類、不同農(nóng)作物種類、不同水產(chǎn)種類等進(jìn)行的小資源區(qū)劃分結(jié)果。通過(guò)比較，革新軟件對(duì)比自帶軟件，其大資源區(qū)邊界精度提升65．9%，小資源區(qū)邊界精度提升67．2%，綜合分析其邊界劃分精度提升62．5%。該結(jié)果t＜10．000，P＜0．01，具有顯著的統(tǒng)計(jì)學(xué)差異?？梢哉J(rèn)為使用了神經(jīng)網(wǎng)絡(luò)深度迭代回歸的機(jī)器學(xué)習(xí)分析策略較其自帶系統(tǒng)具有更高的邊界劃分精度，且不論其自帶軟件還是革新軟件，均已經(jīng)實(shí)現(xiàn)遠(yuǎn)超過(guò)原始衛(wèi)星遙感圖像成像精度的邊界劃分能力。
4結(jié)束語(yǔ)
神經(jīng)網(wǎng)絡(luò)深度迭代回歸數(shù)據(jù)挖掘分析方法，是在不完備數(shù)據(jù)條件下實(shí)現(xiàn)高精度數(shù)據(jù)分析的大數(shù)據(jù)解決方案。通過(guò)該方案可以充分利用不完備數(shù)據(jù)條件，如成像精度每像素點(diǎn)覆蓋0．8m×0．8m范圍的高分衛(wèi)星圖像數(shù)據(jù)，對(duì)其進(jìn)行逐像素點(diǎn)的地籍單元模塊深度迭代回歸分析，可以實(shí)現(xiàn)平均精度達(dá)到±186．3mm的地籍邊界劃分。即便采用全站儀進(jìn)行人工防線測(cè)量，雖然全站儀精度可以達(dá)到±50mm以內(nèi)，但資源區(qū)邊界難以通過(guò)肉眼明確位置，其實(shí)際分析精度不會(huì)超過(guò)該革新算法的精度。該革新算法可以大幅度提升資源調(diào)查效率和資源區(qū)劃分精度，具有顯著的大數(shù)據(jù)工程意義。
參考文獻(xiàn):
［1］井延濤．國(guó)土資源遙感監(jiān)測(cè)應(yīng)用研究［J］．華北自然資源，2020(6):84－85．
［2］付晶瑩，彭婷，江東，等．草地資源立體觀測(cè)研究進(jìn)展與理論框架［J］．資源科學(xué)，2020，42(10):1932－1943．
［3］段志強(qiáng)，張娜，王挺，等．基于遙感影像的違章建筑監(jiān)測(cè)實(shí)踐［J］．地理空間信息，2020，18(10):41－45．
［4］王克．試談設(shè)立一種微型衛(wèi)星式監(jiān)測(cè)站的可行性［J］．中國(guó)無(wú)線電，2020(10):45－46，49．
［5］陳湘楠，耿莉．多源衛(wèi)星遙感數(shù)據(jù)在廣西北部灣地區(qū)的應(yīng)用［J］．北京測(cè)繪，2020，34(10):1368－1373．
［6］尤淑撐，張銳，董麗娜，等．自然資源衛(wèi)星遙感常態(tài)化監(jiān)測(cè)框架設(shè)計(jì)及關(guān)鍵技術(shù)［J］．地理信息世界，2020，27(5):115－120，128．
［7］王橋，趙少華，封紅娥，等．國(guó)家城鎮(zhèn)生態(tài)環(huán)境綜合監(jiān)測(cè)技術(shù)體系構(gòu)建［J］．地球信息科學(xué)學(xué)報(bào)，2020，22(10):1922－1934．
［8］趙少華，朱軍，白志杰，等．土壤污染監(jiān)測(cè)衛(wèi)星遙感應(yīng)用需求與載荷配置初探［J］．環(huán)境與可持續(xù)發(fā)展，2020，45(5):114－117．
［9］楊貫偉．衛(wèi)星遙感技術(shù)在公路全生命周期建設(shè)中的應(yīng)用［J］．?dāng)?shù)字通信世界，2020(10):48－49，81．
【關(guān)鍵詞】 子宮內(nèi)膜異位癥；不孕；腹腔鏡手術(shù)；妊娠率
子宮內(nèi)膜異位癥（內(nèi)異癥）是育齡婦女常見(jiàn)疾病， 且與不孕關(guān)系密切。內(nèi)異癥相關(guān)不孕的治療一直是臨床中的難點(diǎn)， 腹腔鏡手術(shù)可部分改善此類患者妊娠預(yù)后， 但遠(yuǎn)未達(dá)到理想水平。本文探討了內(nèi)異癥相關(guān)不孕患者年齡、r-AFS分期（根據(jù)1985年修訂的美國(guó)生育學(xué)會(huì)內(nèi)異癥分期標(biāo)準(zhǔn)）、不孕類型、不孕年限、術(shù)前用藥、術(shù)后用藥及是否接受輔助生殖技術(shù)（ART）助孕與其腹腔鏡術(shù)后妊娠率的關(guān)系， 旨在為提高此類患者的生育能力尋找更合理的治療方案。
1 資料與方法
1. 1 一般資料 收集2009年5月～2011年4月于福建省婦幼保健院經(jīng)腹腔鏡手術(shù)與病理結(jié)果確診為內(nèi)異癥且合并不孕患者的資料。剔除輸卵管、內(nèi)分泌因素所致不孕、男性因素不孕以及合并子宮腺肌病、子宮肌瘤、卵巢腫瘤、盆腔炎癥、卵巢囊腫破裂、惡變、內(nèi)科疾病等。符合條件病例共113例， 失訪12例（失訪率10.62%）， 入選病例共101例?；颊吣挲g22～43歲， 平均（30.31±4.42）歲， 不孕年限1～12年， 中位數(shù)2（2～4）年。藥物治療情況：根據(jù)病情及患者意愿， 101例患者中有53例僅單純行腹腔鏡手術(shù)治療；10例患者術(shù)前孕三烯酮口服（2.5 mg/次， 2次/周）3個(gè)月， 術(shù)后均補(bǔ)充促性腺激素釋放激素激動(dòng)劑（GnRH-a）醋酸曲普瑞林肌肉注射（3.75 mg/次， 每28天1次）3～6個(gè)月；38例患者僅術(shù)后補(bǔ)充GnRH-a治療（3.75 mg/次， 每28天1次）3～6個(gè)月， 無(wú)術(shù)前用藥。
1. 2 研究方法
1. 2. 1 回顧性分析 根據(jù)病歷資料將101例入選病例按照各臨床因素分組， 回顧性分析患者年齡、r-AFS分期、不孕類型、不孕年限、術(shù)前用藥、術(shù)后用藥及是否接受輔助生殖技術(shù)助孕與腹腔鏡術(shù)后妊娠率的關(guān)系。
1. 2. 2 隨訪 通過(guò)電話或門診隨訪2～4年，隨訪時(shí)間截止至2013年4月30日。主要指導(dǎo)患者受孕， 了解其術(shù)后繼續(xù)用藥、接受輔助生殖技術(shù)助孕以及妊娠情況。
1. 3 統(tǒng)計(jì)學(xué)方法 采用SPSS 17.0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)學(xué)分析， 計(jì)數(shù)資料采用χ2檢驗(yàn)， 不滿足χ2檢驗(yàn)條件的采用Fisher確切概率法計(jì)算， 采用多因素非條件Logistic回歸分析腹腔鏡術(shù)后妊娠率的影響因素。P
2 結(jié)果
2. 1 術(shù)后1年內(nèi)及術(shù)后1年后的妊娠率比較 本研究納入病例101例， 腹腔鏡術(shù)后累積受孕率64.36%（65/101）。其中術(shù)后1年內(nèi)的受孕率44.55%（45/101）， 術(shù)后1年后的受孕率19.80%（20/101）， 前者顯著高于后者（χ2= 14.1774， P
2. 2 術(shù)后1年內(nèi)妊娠率與各臨床因素的關(guān)系 按照各臨床因素分組分別統(tǒng)計(jì)其術(shù)后1年內(nèi)的妊娠率， 結(jié)果見(jiàn)表1。年齡
2. 3 術(shù)后隨訪2～4年累積妊娠率與各臨床因素的關(guān)系 按照各臨床因素分組分別統(tǒng)計(jì)其腹腔鏡術(shù)后累積妊娠率， 結(jié)果見(jiàn)下表。年齡
2. 4 腹腔鏡術(shù)后妊娠率影響因素的多因素分析 以是否妊娠為因變量， 以年齡、r-AFS分期、不孕類型、不孕年限以及不同輔助藥物治療方案、是否采用輔助生殖技術(shù)為自變量進(jìn)行Logistic回歸分析（引入變量的水平為0.05， 剔除變量的水平為0.05）。多因素分析顯示所篩選因素中僅年齡是妊娠率的獨(dú)立影響因素。OR值為0.241， 表示年齡越小妊娠率越高。
3 討論
內(nèi)異癥合并不孕的機(jī)制復(fù)雜， 臨床上尚無(wú)標(biāo)準(zhǔn)化治療方案。腹腔鏡手術(shù)有助于提高內(nèi)異癥相關(guān)不孕患者的生育能力， 但仍不能達(dá)到理想水平， 臨床上常于腹腔鏡手術(shù)前后補(bǔ)充內(nèi)分泌藥物治療以期進(jìn)一步改善妊娠預(yù)后。但目前關(guān)于手術(shù)前后輔以藥物治療能否改善此類患者的生育能力， 及其生育能力的其它可能影響因素仍無(wú)一致觀點(diǎn)。關(guān)菁[1]、葛春曉[2]等認(rèn)為腹腔鏡術(shù)后聯(lián)合GnRH-a治療可提高內(nèi)異癥患者的妊娠率， 改善妊娠結(jié)局。而Loverro等[3]進(jìn)行的一項(xiàng)前瞻性隨機(jī)對(duì)照研究獲得相反結(jié)論。Sachiko等[4]的研究顯示術(shù)前藥物治療會(huì)增加卵巢內(nèi)異癥患者腹腔鏡術(shù)中正常卵巢組織的去除量從而降低卵巢儲(chǔ)備， 對(duì)內(nèi)異癥患者的生育能力造成不利影響。本文擬通過(guò)探討內(nèi)異癥相關(guān)不孕患者腹腔鏡術(shù)后妊娠率的可能影響因素， 嘗試找出改善該類患者妊娠率的有效方法[4]。
r-AFS評(píng)分系統(tǒng)是目前臨床上應(yīng)用最廣的內(nèi)異癥評(píng)分系統(tǒng)。但近年來(lái)有研究[5]顯示內(nèi)異癥患者術(shù)后妊娠率與r-AFS分期無(wú)統(tǒng)計(jì)學(xué)相關(guān)性， 作者的研究結(jié)果亦表明I～I(xiàn)I期患者的妊娠率與III～I(xiàn)V期患者的妊娠率比較無(wú)顯著差異， 提示r-AFS分期不能很好地反映患者的生育能力。近年內(nèi)出現(xiàn)一個(gè)新的評(píng)分系統(tǒng)即子宮內(nèi)膜異位癥生育指數(shù)（EFI）， 但該系統(tǒng)在臨床尚未得到廣泛應(yīng)用， 其有效性仍需更多大樣本前瞻性研究進(jìn)一步驗(yàn)證。
本研究結(jié)果顯示腹腔鏡術(shù)后1年內(nèi)的妊娠率顯著高于術(shù)后1年后的妊娠率， 提示術(shù)后1年內(nèi)為最佳受孕時(shí)機(jī)。年齡（35歲患者的妊娠率顯著高于年齡）或等于35歲患者的妊娠率， 考慮與35歲后女性卵巢儲(chǔ)備功能明顯下降有關(guān)。不孕類型、不孕年限、腹腔鏡術(shù)后補(bǔ)充內(nèi)分泌藥物治療對(duì)妊娠率均無(wú)顯著影響。該結(jié)果與劉丹等[6]的研究相符。我們的研究同時(shí)顯示腹腔鏡術(shù)前是否輔助藥物治療對(duì)妊娠率亦無(wú)顯著影響。采用輔助生殖技術(shù)助孕與未助孕患者1年內(nèi)的妊娠率差異有統(tǒng)計(jì)學(xué)意義， 而超過(guò)1年后其妊娠率差異無(wú)統(tǒng)計(jì)學(xué)意義。多因素分析顯示無(wú)論是對(duì)于術(shù)后1年內(nèi)妊娠率還是隨訪2～4年術(shù)后累積妊娠率， 年齡是唯一恒定的影響因素。綜合上述因素我們不建議內(nèi)異癥相關(guān)不孕患者腹腔鏡圍手術(shù)期前后接受藥物治療。患者可于術(shù)后短期期待， 醫(yī)師指導(dǎo)受孕， 對(duì)經(jīng)短期期待、醫(yī)師指導(dǎo)受孕而未能妊娠的內(nèi)異癥患者， 特別是年齡≥35歲的患者， 建議積極采用輔助生殖技術(shù)助孕。
參考文獻(xiàn)
[1] 關(guān)菁， 沈浣， 劉亞南， 等.腹腔鏡術(shù)后應(yīng)用促性腺激素釋放激素激動(dòng)劑對(duì)I期子宮內(nèi)膜異位癥不孕患者生育能力的影響. 中華婦產(chǎn)科雜志， 2010， 45（4）：264-268.
[2] 葛春曉， 朱湘虹， 湯曉秋. 腹腔鏡保守性手術(shù)聯(lián)合戈舍瑞林治療重度卵巢內(nèi)異癥206例近遠(yuǎn)期療效分析. 中華婦產(chǎn)科雜志， 2012， 47（8）：603-607.
[3] Loverro G， Carriero C， Rossi AC， et al. A randomized study comparing triptorelin or expectant management following conservative laparoscopic surgery for symptomatic stage III-IV endometriosis. Eur J Obstet Gynecol Reprod Biol.，2008， 136（2）：194-198.
[4] Sachiko Matsuzaki， Céline Houlle， Claude Darcha， et al. Analysis of risk factors for the removal of normal ovarian tissue during laparoscopic cystectomy for ovarian endometriosis. Hum Reprod， 2009， 24（6）：1402-1406.
1對(duì)象與方法
1．1研究對(duì)象
1．1．1被評(píng)價(jià)課程。某醫(yī)科大學(xué)為全日制在校研究生開(kāi)設(shè)的16f-IPBL選修課程，涉及I臨床專業(yè)、基礎(chǔ)專業(yè)及人文倫理等學(xué)科領(lǐng)域，課程學(xué)時(shí)在9—18之間，每個(gè)班次參與人數(shù)在lO～3O人之間。
1．1．2問(wèn)卷調(diào)查對(duì)象。以參與PBL課程的528名碩士研究生為研究對(duì)象，采用自填式問(wèn)卷調(diào)查。
1．2研究方法
1．2．1編制調(diào)查問(wèn)卷。采用“Dephil法”與“層次分析法(AHP)”進(jìn)行評(píng)價(jià)指標(biāo)的篩選和權(quán)重的確定，構(gòu)建了包含三級(jí)評(píng)價(jià)指標(biāo)的醫(yī)學(xué)研究生PBL模式教學(xué)質(zhì)量評(píng)價(jià)體系J，以評(píng)價(jià)體系為基礎(chǔ)編制調(diào)查問(wèn)卷。問(wèn)卷共分四部分，包涵46個(gè)問(wèn)題，第一部分用于收集填表人的基本信息；第二部分將評(píng)價(jià)體系中三級(jí)指標(biāo)細(xì)化到問(wèn)卷的題目中，指標(biāo)與問(wèn)題逐一對(duì)應(yīng)，對(duì)每門PBL課程的實(shí)際教學(xué)質(zhì)量進(jìn)行量化評(píng)價(jià)，以此作為各門PBL課程教學(xué)效果的客觀評(píng)價(jià)標(biāo)準(zhǔn)；第三部分中的題目是對(duì)教學(xué)過(guò)程相關(guān)信息的收集，旨在尋找PBL課程實(shí)施過(guò)程中影響教學(xué)效果的相關(guān)因素；第四部分設(shè)置了兩道開(kāi)放性問(wèn)題，以獲得更符合被調(diào)查者想法的答案，收集更多研究者在問(wèn)卷設(shè)計(jì)時(shí)未曾考慮到的信息。
1．2．2數(shù)據(jù)整理。對(duì)收集到的調(diào)查問(wèn)卷進(jìn)行篩查，剔除標(biāo)準(zhǔn)為：(1)漏項(xiàng)超過(guò)10％的問(wèn)卷；(2)重復(fù)率超過(guò)90％的問(wèn)卷；(3)兩組以上邏輯篩查項(xiàng)填答矛盾的問(wèn)卷(問(wèn)卷中設(shè)置了三組邏輯篩查項(xiàng)，若兩組及兩組以上邏輯相關(guān)性問(wèn)題的回答存在矛盾，則認(rèn)定被調(diào)查者沒(méi)有認(rèn)真填寫該份問(wèn)卷，該份問(wèn)卷將被篩查掉)。
1．2．3統(tǒng)計(jì)學(xué)分析。采用Epidata3．02完成數(shù)據(jù)錄人，用SPSS13．0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)分析。正態(tài)分布計(jì)量資料以±s描述，偏態(tài)分布計(jì)量資料以M(Q)描述，計(jì)數(shù)資料用率或構(gòu)成比描述。組間比較選用t檢驗(yàn)或方差分析，變量之間關(guān)聯(lián)性檢驗(yàn)采用Spearman等級(jí)相關(guān)分析，教學(xué)效果影響因素分析采用多元線性回歸模型。假設(shè)檢驗(yàn)水準(zhǔn)為雙側(cè)=0．05。
2結(jié)果
2．1一般情況
發(fā)放調(diào)查問(wèn)卷536份，收回問(wèn)卷528份，問(wèn)卷回收率98．51％?；厥盏膯?wèn)卷中，15份問(wèn)卷漏項(xiàng)超過(guò)10％，3份問(wèn)卷選項(xiàng)完全一致，13份問(wèn)卷存在邏輯性錯(cuò)誤，共31份試卷被篩除掉，最后獲得有效問(wèn)卷497份，問(wèn)卷有效率94．13％。被調(diào)查對(duì)象中，男生占31．79％，女生占68．21％；年齡分布在21—36歲，平均年齡(24．52±1．74)歲；基礎(chǔ)醫(yī)學(xué)碩士占46．88％，臨床醫(yī)學(xué)碩士53．12％。
2．2PBL模式教學(xué)效果總體評(píng)價(jià)
從問(wèn)卷中評(píng)價(jià)體系部分對(duì)PBL模式課程教學(xué)質(zhì)量量化評(píng)價(jià)結(jié)果可知，被調(diào)查者對(duì)PBL課程的總體評(píng)價(jià)得分為85．2O(11．95)，總體評(píng)價(jià)得分呈負(fù)偏態(tài)分布，醫(yī)學(xué)研究生PBL課程教學(xué)質(zhì)量總體評(píng)價(jià)得分偏向高分一側(cè)。評(píng)價(jià)得分在80．00—100．00之間的所占比例最高，近75％的參與學(xué)生對(duì)醫(yī)學(xué)研究生PBL課程的整體教學(xué)評(píng)分在8O．0o分以上，即絕大多數(shù)參與學(xué)生對(duì)PBL課程給予了較高評(píng)價(jià)。
2．3影響教學(xué)效果的單因素分析
以評(píng)價(jià)得分Y為應(yīng)變量，因Y呈負(fù)偏態(tài)分布，先采用變量變換的方式使其正態(tài)化，然后以l9個(gè)影響因素為自變量，進(jìn)行單因素分析。
2．3．1授課對(duì)象相關(guān)因素。研究生生源類別、既往是否有工作經(jīng)歷、是否已取得醫(yī)師資格、對(duì)PBL模式的認(rèn)知程度4個(gè)因素對(duì)醫(yī)學(xué)研究生PBL課程教學(xué)效果的影響有統(tǒng)計(jì)學(xué)意義(均P<0．05，t或F值分別為2．1l6，一2．850，一3．214，25．433)。其中，生源類別為定向、委培的研究生參與PBL課程的教學(xué)效果優(yōu)于非定向、自籌的研究生；既往有過(guò)工作經(jīng)歷的研究生參與PBL課程的教學(xué)效果優(yōu)于從未有過(guò)工作經(jīng)歷的研究生；已取得醫(yī)師資格的研究生參與PBL課程的教學(xué)效果優(yōu)于尚未取得醫(yī)師資格的研究生；對(duì)PBL模式?jīng)]有任何了解的研究生的教學(xué)效果最差，不同了解程度的研究生參與課程的教學(xué)效果問(wèn)無(wú)顯著差異。此外，學(xué)生性別、年齡2個(gè)因素對(duì)醫(yī)學(xué)研究生PBL課程教學(xué)效果的影響無(wú)統(tǒng)計(jì)學(xué)意義。
2．3．2學(xué)習(xí)過(guò)程相關(guān)因素。所修PBL課程與專業(yè)的相關(guān)程度、選課目的、同一學(xué)期選課門數(shù)、課前資料準(zhǔn)備情況、課堂討論參與度5個(gè)因素對(duì)醫(yī)學(xué)研究生PBL課程教學(xué)效果的影響均有統(tǒng)計(jì)學(xué)意義(均P<0．05，t或F值分別為90．829，48．136，137．69，122．232，27．637)。其中，所修PBL課程與研究生自身攻讀的專業(yè)越相關(guān)，獲得的教學(xué)效果越好；以掌握專業(yè)知識(shí)、提高學(xué)習(xí)興趣、尋求科研幫助等積極目的參與課程的研究生獲得的教學(xué)效果明顯優(yōu)于以單純拿學(xué)分、遵從導(dǎo)師要求等消極目的參與課程的研究生，具有雙重選課目的的研究生的教學(xué)效果介于兩者之問(wèn)；同一學(xué)期選修PBL課程門數(shù)在3門以內(nèi)的研究生的教學(xué)質(zhì)量評(píng)價(jià)總分無(wú)顯著差異，優(yōu)于選修PBL課程門數(shù)超過(guò)3門的研究生；研究生在課前資料準(zhǔn)備的越充分，最終獲得的教學(xué)效果越好；參與課堂討論頻率越高，討論態(tài)度越積極的研究生獲得的教學(xué)效果越好。
2．3．3師資配備相關(guān)因素。教師年齡、職稱、是否有留學(xué)經(jīng)歷、是否擔(dān)任研究生導(dǎo)師4個(gè)因素對(duì)醫(yī)學(xué)研究生PBL課程教學(xué)效果的影響均有統(tǒng)計(jì)學(xué)意義(均P<0．05，t或F值分別為5．239，2．289，1．937，4．050)。其中年齡在40—5O歲的PBL教師講授的課程獲得的教學(xué)效果最好，其余年齡分組的PBL教師的教學(xué)效果無(wú)顯著差異；具有副高級(jí)職稱的教師講授的PBL課程獲得的教學(xué)效果優(yōu)于其他職稱的教師；曾有留學(xué)經(jīng)歷教師講授的PBL課程的教學(xué)效果優(yōu)于未有留學(xué)經(jīng)歷的任課教師；擔(dān)任碩導(dǎo)工作的任課教師講授的PBL課程的教學(xué)效果優(yōu)于擔(dān)任博導(dǎo)和未曾擔(dān)任研究生導(dǎo)師的任課教師。此外，教師性別、學(xué)位級(jí)別2個(gè)因素對(duì)醫(yī)學(xué)研究生PBL課程教學(xué)效果的影響無(wú)統(tǒng)計(jì)學(xué)意義。
2．3．4課程相關(guān)因素。不同類型PBL課程的教學(xué)效果間存在統(tǒng)計(jì)學(xué)差異(F=15．96，P=0．000)，臨床類和人文類PBL課程的教學(xué)效果優(yōu)于基礎(chǔ)類PBL課程。而將相同PBL課程安排在不同學(xué)年開(kāi)設(shè)獲得的教學(xué)效果無(wú)統(tǒng)計(jì)學(xué)差異。
2．4影響因素間的相關(guān)性分析
在影響教學(xué)效果的因素中，部分因素間可能存在相關(guān)性，進(jìn)行相關(guān)分析后可知：學(xué)生的生源類型與既往是否有工作經(jīng)歷之間r=0．305，P=0．000<0．05，即生源類型為定向和委培的研究生大多曾經(jīng)有過(guò)工作經(jīng)歷；教師職稱與教師年齡之間r。=0．328，P=0．000<0．05，即年齡越大的教師其職稱越高，兩者間具有相關(guān)性。
2．5教學(xué)效果相關(guān)因素的多元線性回歸分析
經(jīng)單因素分析，共得到14個(gè)影響因素，同時(shí)考慮到學(xué)生的生源類型、教師職稱兩個(gè)因素，分別與學(xué)生既往是否有工作經(jīng)歷、教師年齡之間有相關(guān)性，根據(jù)經(jīng)驗(yàn)式診斷，不將學(xué)生的生源類型和教師職稱兩個(gè)因素納入方程。以教學(xué)質(zhì)量評(píng)價(jià)得分Y作為應(yīng)變量，12個(gè)影響因素作為自變量，并將分類變量轉(zhuǎn)化成啞變量，采用forward法引人多元線性回歸分析，擬合主效應(yīng)模型。12個(gè)自變量分別為與授課對(duì)象特征相關(guān)的研究生既往是否有工作經(jīng)歷、是否已取得醫(yī)師資格、對(duì)PBL模式的認(rèn)知程度，與學(xué)習(xí)過(guò)程相關(guān)的所修PBL課程與專業(yè)的相關(guān)程度、選課目的、同一學(xué)期選課門數(shù)、課前資料準(zhǔn)備情況、課堂討論參與度，與師資配置相關(guān)的教師年齡、是否有留學(xué)經(jīng)歷、是否擔(dān)任研究生導(dǎo)師以及與課程管理相關(guān)的課程類型。結(jié)果顯示，最終進(jìn)入模型的根據(jù)其影響程度大小依次為：學(xué)生課前資料準(zhǔn)備情況、學(xué)生所修PBL課程與專業(yè)的相關(guān)程度、課程類型、學(xué)生同一學(xué)期選課門數(shù)、教師是否擔(dān)任研究生導(dǎo)師、學(xué)生課堂討論參與度、學(xué)生對(duì)PBL模式的認(rèn)知程度以及學(xué)生有既往是否有工作經(jīng)歷8個(gè)變量。回歸模型的復(fù)相關(guān)系數(shù)R為0．698，校正復(fù)相關(guān)系數(shù)adi為0．686，即最終模型可解釋的變異占總變異的69．8％?；貧w模型的方差分析F=58．238，P=0．000，回歸方程的擬合優(yōu)度較好。變量(啞變量)回歸系數(shù)的假設(shè)檢驗(yàn)結(jié)果見(jiàn)表1：
3討論
國(guó)內(nèi)醫(yī)學(xué)院校對(duì)PBL模式課程教學(xué)的研究，大多集中在“教學(xué)手段或方法”、“教學(xué)內(nèi)容”等方面的改革研究上，對(duì)教學(xué)效果的研究多是基于單門課程或單個(gè)小班傳統(tǒng)教學(xué)模式與PBL模式的對(duì)照研究。本研究通過(guò)在醫(yī)學(xué)研究生群體中大規(guī)模的實(shí)踐PBL教學(xué)模式，對(duì)PBL模式在醫(yī)學(xué)研究生群體中應(yīng)用的教學(xué)效果及影響因素進(jìn)行研究和評(píng)價(jià)，為進(jìn)一步改進(jìn)PBL課程的各實(shí)施環(huán)節(jié)，提高研究生課程教學(xué)質(zhì)量提供依據(jù)。
3．1提高研究生教學(xué)安排對(duì)PBL模式的適應(yīng)性
高水平的教學(xué)組織安排是保證PBL順利開(kāi)展的前提。PBL作為一種全新教學(xué)模式，從課程的開(kāi)設(shè)到課程的組織與管理，都需在傳統(tǒng)教學(xué)管理模式上做出適應(yīng)性調(diào)整。研究結(jié)果表明，研究生對(duì)PBL模式的認(rèn)知程度及既往是否有工作經(jīng)歷直接影響PBL課程的教學(xué)效果，故在課程組織過(guò)程中，開(kāi)課前應(yīng)根據(jù)PBL模式的理念、發(fā)展趨勢(shì)、基本思想及授課流程對(duì)擬參與學(xué)生進(jìn)行培訓(xùn)，或定期開(kāi)設(shè)PBL示范課程，提高學(xué)生對(duì)PBL模式的整體認(rèn)知程度，以獲得更好的教學(xué)效果。在課程的實(shí)施過(guò)程中，采取科學(xué)的分組策略，兼顧各組中研究生在既往工作經(jīng)歷、年齡、性別及經(jīng)歷背景等方面的比例，利于研究生在學(xué)習(xí)過(guò)程中實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，提高教學(xué)效果。此外，本研究結(jié)果顯示，我校開(kāi)設(shè)的研究生PBL課程中，臨床和人文類課程的教學(xué)效果優(yōu)于基礎(chǔ)類課程，這可能與課程設(shè)置及本校生源特點(diǎn)有關(guān)，不具有普遍性。同時(shí)也說(shuō)明，在我國(guó)以教師為主的傳統(tǒng)教學(xué)主流下推行PBL模式，不同高校在實(shí)踐PBL模式的過(guò)程應(yīng)實(shí)現(xiàn)個(gè)性化發(fā)展，根據(jù)各高校生源特•58-點(diǎn)和學(xué)科側(cè)重，充分考慮各個(gè)環(huán)節(jié)影響因素，合理選擇適宜課程實(shí)踐PBL模式，才能更好的推廣PBL課程，實(shí)現(xiàn)教學(xué)效果的最優(yōu)化。
3．2合理組建PBL課程教學(xué)團(tuán)隊(duì)
PBL課程指導(dǎo)教師的教學(xué)技能與其受到的教育方式、專業(yè)知識(shí)水平、社會(huì)閱歷、所參加的教學(xué)方法培訓(xùn)有關(guān)J。在PBL教學(xué)過(guò)程中，教師作為資源提供者，要善于合理構(gòu)造和設(shè)計(jì)問(wèn)題；作為促進(jìn)者，要具備很強(qiáng)的課堂駕馭能力；作為評(píng)價(jià)者，要善于肯定和發(fā)現(xiàn)問(wèn)題J。研究結(jié)果表明，研究生導(dǎo)師參與PBL課程的教學(xué)效果優(yōu)于其他任課教師，一方面研究生導(dǎo)師具備一定教學(xué)經(jīng)驗(yàn)，更了解研究生的學(xué)習(xí)習(xí)慣和實(shí)際需求，在課程中易于依據(jù)研究生需求對(duì)問(wèn)題的設(shè)計(jì)和整個(gè)授課過(guò)程做出調(diào)整；另一方面，當(dāng)前我國(guó)研究生導(dǎo)師年齡趨于年輕化j，年輕化的教師隊(duì)伍善于理念更新，對(duì)PBL這種新型教學(xué)模式的接受程度更高。故在組建PBL課程團(tuán)隊(duì)時(shí)，應(yīng)注重培養(yǎng)中青年P(guān)BL課程教學(xué)團(tuán)隊(duì)，充分鼓勵(lì)中青年教師，特別是研究生導(dǎo)師經(jīng)過(guò)規(guī)范的PBL培訓(xùn)，參與到研究生PBL課程教學(xué)中，在教學(xué)實(shí)踐和探索的過(guò)程中實(shí)現(xiàn)理念創(chuàng)新。在此過(guò)程中大學(xué)或?qū)W院從管理層面應(yīng)發(fā)揮核心作用，為教師提供實(shí)踐平臺(tái)，制定計(jì)劃性強(qiáng)、規(guī)范有序的培訓(xùn)方案，幫助教師更新教學(xué)理念、了解新的教學(xué)方法、掌握新的教學(xué)技巧、適應(yīng)新的角色，在研討問(wèn)題的設(shè)計(jì)和教師的引導(dǎo)技巧方面不斷完善和提高。
一、基于SPSS的統(tǒng)計(jì)學(xué)課程框架
傳統(tǒng)統(tǒng)計(jì)學(xué)課程框架是典型的學(xué)科中心課程，其特征是將課程內(nèi)容按知識(shí)的邏輯結(jié)構(gòu)關(guān)系組織在一起，追求知識(shí)的完整性、系統(tǒng)性，強(qiáng)調(diào)知識(shí)的傳授、信息獲得和記憶，忽視對(duì)學(xué)生的技能訓(xùn)練，難以達(dá)到將理論用于實(shí)踐的目的。SPSS在教學(xué)上的應(yīng)用，給我們改革統(tǒng)計(jì)學(xué)課程提供了契機(jī)。新課程教學(xué)模式可概括為:以統(tǒng)計(jì)軟件SPSS作為教學(xué)平臺(tái)，以數(shù)據(jù)收集+統(tǒng)計(jì)學(xué)基本原理和思路+數(shù)據(jù)處理軟件為核心。課程理念凝煉為“略去證明、講清原理、依托軟件、突出實(shí)用”十六字方針。具體表現(xiàn)在:(1)理論講授著重“講清基本原理，略去繁難的證明”，可分為數(shù)據(jù)搜集、數(shù)據(jù)整理、描述統(tǒng)計(jì)、統(tǒng)計(jì)指數(shù)、相關(guān)與回歸等模塊。統(tǒng)計(jì)學(xué)理論的講授以“必需夠用”為原則。(2)上機(jī)實(shí)踐環(huán)節(jié)強(qiáng)調(diào)“依托SPSS，突出實(shí)用”，要求學(xué)生熟悉SPSS的操作基本流程:打開(kāi)數(shù)據(jù)文件、確定統(tǒng)計(jì)程序、指定統(tǒng)計(jì)變量、解釋統(tǒng)計(jì)結(jié)果。采用多媒體教學(xué)手段，以計(jì)算機(jī)軟件為主要教學(xué)工具。著重培養(yǎng)學(xué)生的實(shí)踐操作技能，突出體現(xiàn)職業(yè)教育的技能性、應(yīng)用性。課程改革目標(biāo)是培養(yǎng)學(xué)生在專業(yè)領(lǐng)域中的數(shù)據(jù)分析能力，具體包括兩個(gè)方面的內(nèi)容:在掌握統(tǒng)計(jì)基本原理的基礎(chǔ)上，培養(yǎng)學(xué)生的理性;以統(tǒng)計(jì)軟件為依托，以專業(yè)典型數(shù)據(jù)分析任務(wù)為載體，培養(yǎng)學(xué)生的應(yīng)用性。課程框架的特點(diǎn)不是介紹理論統(tǒng)計(jì)學(xué)的數(shù)學(xué)原理，而是側(cè)重闡述統(tǒng)計(jì)方法的思路與思想，并輔以大量經(jīng)濟(jì)與管理的實(shí)例，通過(guò)SPSS統(tǒng)計(jì)軟件實(shí)現(xiàn)具體統(tǒng)計(jì)步驟。SPSS軟件是教學(xué)平臺(tái)，整合各方面因素以有利于學(xué)生數(shù)據(jù)分析能力的培養(yǎng)。
二、統(tǒng)計(jì)學(xué)課程載體的選擇和實(shí)現(xiàn)
有人認(rèn)為課程載體是:“只要它能為你的教學(xué)目標(biāo)服務(wù)，能承載你的教學(xué)內(nèi)容，具體的存在物，載體是一個(gè)可望又可及的目標(biāo)，在它被完成后，學(xué)生往往會(huì)有強(qiáng)烈的成就感。”選擇課程載體有六個(gè)原則:承載課程教育目標(biāo);涵蓋完整工作過(guò)程;涵蓋后續(xù)崗位所需的職業(yè)素質(zhì)要求;涵蓋技術(shù)文檔制作;涵蓋成本核算;涵蓋過(guò)程考核與綜合考核。我們認(rèn)為統(tǒng)計(jì)學(xué)課程載體就是承載一定職業(yè)能力的任務(wù)或項(xiàng)目，學(xué)生通過(guò)完成任務(wù)或項(xiàng)目，養(yǎng)成數(shù)據(jù)分析能力。課程載體的選擇必須在專業(yè)典型工作任務(wù)或項(xiàng)目中尋覓。不同專業(yè)的統(tǒng)計(jì)學(xué)課程基本理論可以一樣，但其課程載體必須體現(xiàn)不同的專業(yè)性。以會(huì)計(jì)專業(yè)統(tǒng)計(jì)課程為例，學(xué)習(xí)描述性統(tǒng)計(jì)分析時(shí)，以上市銀行一些重要財(cái)務(wù)指標(biāo)的會(huì)計(jì)信息與股票價(jià)值相關(guān)性研究為載體。
第一步，搜集數(shù)據(jù)。學(xué)生分小組搜集20～30家上市的金融銀行類股票一定時(shí)刻的股票價(jià)格、流動(dòng)比率、凈資產(chǎn)負(fù)債比率、固定資產(chǎn)比率等財(cái)務(wù)指標(biāo)。
第二步，數(shù)據(jù)錄入。打開(kāi)SPSS軟件，進(jìn)入“變量視圖”，定義好變量。切換到“數(shù)據(jù)視圖”中輸入變量的具體取值。
第三步，確定統(tǒng)計(jì)程序。點(diǎn)擊“分析”、“描述統(tǒng)計(jì)”、“描述”，打開(kāi)“描述性”對(duì)話框。第四步，指定統(tǒng)計(jì)變量。將“流動(dòng)比率”、“凈資產(chǎn)負(fù)債比率”等選入“變量”列表。單擊選項(xiàng)按鈕進(jìn)入“描述:選項(xiàng)”對(duì)話框，如圖1所示。第五步，結(jié)果解釋。結(jié)合統(tǒng)計(jì)學(xué)知識(shí)和專業(yè)知識(shí)，學(xué)生可從平均股價(jià)、凈利潤(rùn)等統(tǒng)計(jì)指標(biāo)看我國(guó)銀行業(yè)經(jīng)營(yíng)狀況。會(huì)計(jì)專業(yè)學(xué)生通過(guò)SPSS完成上述任務(wù)，加深對(duì)描述統(tǒng)計(jì)理論知識(shí)的認(rèn)識(shí)，也與未來(lái)工作中的典型任務(wù)相結(jié)合，體現(xiàn)了統(tǒng)計(jì)學(xué)課程的技能性、應(yīng)用性。區(qū)別于傳統(tǒng)模式，改革后的統(tǒng)計(jì)學(xué)課程由不同的任務(wù)或項(xiàng)目組成，用SPSS加以實(shí)現(xiàn)。
三、SPSS對(duì)統(tǒng)計(jì)學(xué)課堂學(xué)習(xí)的影響
1．產(chǎn)生了新的教學(xué)要素
應(yīng)用SPSS軟件以前，學(xué)生需要直接面對(duì)各種數(shù)據(jù)，至多借助計(jì)算器完成計(jì)算。SPSS為統(tǒng)計(jì)學(xué)課程提供前所未有的技術(shù)支持，在人和數(shù)據(jù)之間產(chǎn)生了一個(gè)“新界面”。SPSS的作用不僅僅是工具意義，它其實(shí)作為一個(gè)新的教學(xué)要素參與教學(xué)。SPSS引起了教學(xué)方式和教學(xué)價(jià)值觀的深層變革。SPSS與統(tǒng)計(jì)學(xué)課程的整合營(yíng)造出信息化教學(xué)環(huán)境，在此環(huán)境里，形成“自主、探究、合作”為特征的教與學(xué)方式，極大激發(fā)了學(xué)生的主動(dòng)性、積極性、創(chuàng)造性。
2．促進(jìn)了學(xué)生自主學(xué)習(xí)
何克抗教授曾強(qiáng)調(diào)，“建構(gòu)主義的教學(xué)設(shè)計(jì)主要有兩大部分:一是學(xué)習(xí)環(huán)境的設(shè)計(jì)，二是自主學(xué)習(xí)策略的設(shè)計(jì)”。SPSS極大改善了統(tǒng)計(jì)學(xué)的學(xué)習(xí)環(huán)境，也為學(xué)生自主學(xué)習(xí)策略的設(shè)計(jì)提供更廣闊的空間和可能性。采用SPSS平臺(tái)學(xué)習(xí)統(tǒng)計(jì)學(xué)，可有效簡(jiǎn)化統(tǒng)計(jì)過(guò)程。數(shù)據(jù)輸入、整理、選擇統(tǒng)計(jì)功能、結(jié)果解釋、預(yù)測(cè)、圖形輸出等對(duì)學(xué)生都不是難事。而且，計(jì)算機(jī)特有的模擬和動(dòng)態(tài)演示功能，使統(tǒng)計(jì)學(xué)的抽象理論變得直觀、具體、形象，從而增強(qiáng)學(xué)生對(duì)概念的理解。建構(gòu)主義堅(jiān)持“做中學(xué)”的學(xué)習(xí)觀，其實(shí)可區(qū)分為兩種類型:“學(xué)中做”的自主學(xué)習(xí)和“做中學(xué)”的自主學(xué)習(xí)。在統(tǒng)計(jì)學(xué)課程學(xué)習(xí)初期為“學(xué)中做”，教師“教”的比重要大一些，課程載體的選擇要有一定的廣度;學(xué)習(xí)后期為“做中學(xué)”，學(xué)生“學(xué)”的比重要大一些，課程載體的選擇要有一定的深度。
3．出現(xiàn)了新的問(wèn)題
首先，提高統(tǒng)計(jì)學(xué)課程的師資水平。授課教師應(yīng)該熟悉所教專業(yè)的典型工作任務(wù)，開(kāi)發(fā)適合統(tǒng)計(jì)課程的合適載體，根據(jù)社會(huì)需求調(diào)整統(tǒng)計(jì)知識(shí)內(nèi)容范圍。受課程標(biāo)準(zhǔn)的限制，當(dāng)前講授的統(tǒng)計(jì)知識(shí)內(nèi)容主要圍繞描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)，一些多元統(tǒng)計(jì)方法(聚類分析、主成分分析、因子分析等)在課堂上很少涉及。
在多元回歸分析中，自變量“家庭可支配收人”為定距變量可直接引人，學(xué)生個(gè)人人口統(tǒng)計(jì)學(xué)變量和家庭背景變量都屬于定類或定序變量，需要先將其轉(zhuǎn)換為虛擬變量才能引人線性回歸模型中，這里使用最小二乘法(OLS)估計(jì)回歸模型參數(shù)。進(jìn)人模型的7個(gè)變量分別為：家庭可支配收人、專業(yè)類別、情感狀態(tài)、兼職情況、父親受教育程度、母親受教育程度、家庭經(jīng)濟(jì)來(lái)源主要承擔(dān)者的職業(yè)類型，而學(xué)生性別、年級(jí)等控制變量均未通過(guò)顯著性檢驗(yàn)，故沒(méi)有呈現(xiàn)(如表9所示)。
表9中的模型(1 ),(2)基于農(nóng)村大學(xué)生樣本，模型(3)、(4)基于城鎮(zhèn)大學(xué)生樣本，模型(5)、(6)基于總樣本并同時(shí)引人學(xué)生來(lái)源地變量。上述h個(gè)回歸模型分別控制了父親受教育程度或母親受教育程度，回歸結(jié)果顯示，各模型的有效解釋率或擬合優(yōu)度介于37.707o}77.fi%之間，F(xiàn)統(tǒng)計(jì)量的顯著性概率值均小于0.001，且多重共線性診斷統(tǒng)計(jì)量表明不存在嚴(yán)重多重共線性問(wèn)題，總體上看，各個(gè)回歸模型的擬合程度滿足要求，具有統(tǒng)計(jì)學(xué)意義。進(jìn)一步分析發(fā)現(xiàn)不同因素對(duì)大學(xué)生家庭高等教育負(fù)擔(dān)比的影響呈現(xiàn)不同特征
第一，“家庭可支配收人”變量對(duì)城鄉(xiāng)大學(xué)生家庭高等教育負(fù)擔(dān)比有最顯著影響。其回歸系數(shù)均顯著為負(fù)，表明隨著家庭可支配收人的增加，大學(xué)生家庭高等教育負(fù)擔(dān)比隨之下降，其中，農(nóng)村家庭可支配收人增加對(duì)降低高等教育負(fù)擔(dān)比的影響更大。
第二，大學(xué)生“情感狀態(tài)”因素有顯著影響。戀愛(ài)中的農(nóng)村大學(xué)生的家庭高等教育負(fù)擔(dān)比顯著高于單身的農(nóng)村大學(xué)生家庭，這可能與談戀愛(ài)的農(nóng)村大學(xué)生需要更多額外支出有關(guān)；與此相反，戀愛(ài)中的城鎮(zhèn)大學(xué)生家庭高等教育負(fù)擔(dān)比顯著低于單身的城鎮(zhèn)大學(xué)生，這可能與談戀愛(ài)的城鎮(zhèn)大學(xué)生自身家庭經(jīng)濟(jì)條件比較優(yōu)越有關(guān)，在校額外支出對(duì)其家庭可支配收人的影響微不足道不過(guò)，總體上看，戀愛(ài)中的大學(xué)生給家庭帶來(lái)的高等教育負(fù)擔(dān)要明顯高于仍處于單身的大學(xué)生。
第三，農(nóng)村或城鎮(zhèn)家庭中“母親受教育程度” 影響要比父親更加顯著，只是影響的方向和程度有所不同。在家庭可支配收入不變的情況下，對(duì)于農(nóng)村家庭來(lái)說(shuō)，母親受教育程度越高，其家庭高等教育負(fù)擔(dān)越重。這驗(yàn)證了家長(zhǎng)受教育程度越高，越會(huì)重視教育和盡力滿足子女教育需求，更傾向于為子女受教育支出更多的情況‘“〕，而且有研究發(fā)現(xiàn)母親的影響更大。對(duì)于城鎮(zhèn)家庭來(lái)說(shuō)，母親具有高中及以上受教育程度的家庭，其家庭高等教育負(fù)擔(dān)比要比受教育程度更低的家庭更低。造成這種反向差異的原因可能來(lái)自兩方面：一是城鎮(zhèn)母親受教育程度越高，越具有多元化資本(已有經(jīng)驗(yàn)實(shí)證研究表明我國(guó)城鎮(zhèn)地區(qū)的女性教育回報(bào)顯著高于男性，這對(duì)減少或節(jié)省子女在讀期間的顯性支出具有重要作用，在不考慮隱性教育支出的情況下，子女顯性教育支出的減少使得家庭高等教育負(fù)擔(dān)比的估值降低；二是調(diào)查數(shù)據(jù)存在誤差，具有高受教育程度的農(nóng)村母親樣本并不多，本身不足以很好地解釋模型。父親受教育程度對(duì)農(nóng)村或城鎮(zhèn)家庭高等教育負(fù)擔(dān)比的影響并不顯著。不過(guò)，基于不分學(xué)生來(lái)源地的全樣本回歸結(jié)果顯示，總體上看，父親或母親的受教育程度與家庭高等教育負(fù)擔(dān)的關(guān)系并不大。