统计学变量的定义精品(七篇)

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

篇(1)

 

统计学是一门基于试验数据的搜集、整理，对研究目标的统计性质进行分析和推断的学科，更是一门综合运用数学科学、计算机科学、信息学等工具学科、并与自然科学、社会科学相结合的多学科相交叉的边缘学科。在我国，早期的统计学设置比较狭隘，多作为数学学科的概率统计和经济学科的经济统计等子学科。直到 1998年，国家教育部设立了统计学专业[1]，2011年颁布的《普通高等学校本科专业目录》更把统计学提升为一级学科!由此可见，统计学的专业地位及其重要性得到了广泛的认可。

 

与之相反，关于统计学专业教学的研究还处于起步阶段。相比于其他大类专业的教学研究，关于统计专业教学的教学语言设计的研究还未得到深入发展。

 

教学语言是一类广义的语言，是教学者与教学对象的多种感官的交流;同时，也是一种人文文化的载体，是一种民族文化的展示。教学语言的设计，就是通过调动教学对象的听觉、视觉、感觉等多方面来实现教学目标。

 

统计学专业的教学语言主要包括：口语语言、文字语言、符号语言、图表语言和肢体语言，本文将从上述五个方面对统计学专业的教学语言设计展开讨论与研究。

 

一、充分运用口语语言阐述教学内容

 

口语语言，是教学内容阐述的主要载体之一，是师生之间思想、情感交流的主要工具。由于统计学是与自然科学、社会科学相结合的多学科相交叉的边缘学科，统计学专业教学的口语语言与一般教学的口语语言既有联系，又有区别，主要具有以下特点：

 

1.对于基础理论的教学，口语语言要准确、规范

 

由于统计学的基础理论主要是基于各种模型，通过逻辑推导来进行分析和推断，并以高等数学形式来描述，因此相关教学的口语语言应以标准的数学口语语言来准确、规范地阐述相应的数学理论，特别要注意相应的模型理论的提出和逻辑关系的表述、推导等，依此来帮助学生准确地理解、把握统计学的基础理论; 同时，对复杂的逻辑关系及符号含义，要做出准确的表述，帮助学生在有限的课堂教学时间内了解、体会相应的含义，并能进行熟练、独立的运用。

 

2.对于后续课程的具体教学内容，口语语言要亲切、生动

 

在针对特定的知识点的教学过程中，教师要通过口语设计，把抽象的数学理论转换为具体的形象感觉，并结合适当的现实案例加以说明。特别是抽象的概念，比如随机过程中“下鞅”、“上鞅”、“鞅”以及“遍历性”等概念，要努力避免平铺直叙、照本宣科地进行授课，而是把该概念与日常实例相结合。

 

该定理是其后重要结论的基础，具有重要意义，但其证明太过数学化，因此在课堂教学中，并不进行证明，而采用简明的语言来进行说明。对第一个不等式，可以强调为“在每个样本点上，取所有随机变量的最小值，做成一个新的随机变量，它的均值不会大于所有随机变量先做平均再取最小的那个值”，即“最小值的期望，小于等于期望的最小值”;从而整个定理叙述为“最小值的期望，小于等于期望的最小值，小于等于期望的最大值，小于等于最大值的期望”。

 

由此可见，在课堂教学过程中，通过语言设计来调动学生的积极性，再结合语音、语调、语速等变化来突出重点、强调难点、控制教学节奏，可以让学生更好地理解具体教学内容。

 

二、准确运用文字语言刻画基本内容

 

文字语言，是教学内容可视化的主要载体之一，是学生明确认知教学内容的主要途径。统计学专业教学的文字语言的“准确性”，应具有如下特点：

 

1.对于基础理论的教学，注重文字语言的“数学性”

 

由于统计学是以数学理论为基础的，因此，文字语言要符合数学描述的一般要求;同时，也要注重结合教学目的，进行适当的调整来强调重点。

 

比如，统计量的定义：“设x1，x2，…，xn为取自某总体的样本，若样本函数T=Tx1，x2，…，xn中不含有任何未知参数，则称T为统计量”。在该定义中，应当注意三个非常重要的细节：“x1，x2，…，xn”、“任何”和“未知”。如果在教学过程中，不强调这几个细节，就可能忽略了小标“n”这个已知参数，从而产生对统计量概念的混淆，影响对统计量“样本均值”的认识。

 

2.对于后续课程的案例教学，强调文字语言的“概括性”

 

统计学处理的是实际的、非数学的对象，特别是一些来自社会经济活动的、真实物理环境的或现实遗传学科的具体实例。此时的文字语言，不仅要具有抽象性，抛弃不必要、不相关的、过多的背景描述，还要朴实易懂，最大限度地概括试验的理论背景、数据的研究意义。其意义在于，既利于学生理解研究的问题，明确研究的目标，同时也为学生的思考留出相应的空间。

 

三、简明地运用符号语言，压缩复杂意义

 

符号，是一些基本概念、基本性质、运算法则的缩写;符号语言，就是利用基本符号，以简单、明确和形式化的方式来简化复杂关系及大量文字性描述。在形式上，符号语言可以简化计算和推理过程，明确其中的逻辑过程，展现其抽象性;在意义上，通过结合具体试验背景，符号语言精练了相关信息的描述，体现其简洁性。由此可见，符号语言对相应学科的发展、传播和普及都有重要的推动作用。

 

对统计学专业而言，其基础理论部分的符号语言基本与高等数学的符号语言是相似的，因此，在教学过程中，教师要有意识地训练学生对符号的灵活运用，并提及相应符号的意义。

 

对统计专业低年级学生，教师要通过符号语言的设计，消除学生对符号的陌生感，使学生牢固地掌握各类符号的意义，熟练地运用各类符号描述相对复杂的含义，并将复杂的文字性描述利用符号来进行简化描述，进而培养学生利用符号语言来压缩复杂意义的能力。

 

例如，在概率统计中，随机变量的期望EX是一个重要概念，通过不同的角度可以得到不同形式的符号描述。在符号语言下，概率空间记为Ω，F，P，随机变量记为X，对应的密度函数和分布函数分别记为px和Fx，从而随机变量的数学期望EX有如下表述记为

 

其中，EX是数学期望(expectation)的符号，第一个等式为实空间R中的数学期望描述，这是一般概率论中的结论;第二个等式为实空间中的一般随机变量的数学期望表达式;第三个等式则为在概率空间Ω，F，P中的描述形式，是Riemann-Stieltjes积分，这是在随机分析范围下常用的描述方式。因此，在教学过程中，教师应强调上述关系式的意义及使用范围。

 

再如Lindeberg-Levy中心极限定理：设{Xi}∞i=1是相互独立、同分布的随机变量序列，且EXi=μ，VarXi=σ2& gt;0都存在;若记Y*n = X1 + X2 + 上述定理中的符号沿袭了高等数学的符号方式，同时，将σn改写为nσ2，其目的在于强调正态分布关于参数μ和σ2的依赖关系。强调这种依赖关系，有利于学生对正态分布的掌握，进一步明确随机变量与其特征参数的关系，也为后续其他重要分布和统计量的学习奠定基础。

 

对统计学专业高年级的学生，教师要注意引导学生基于基本符号，在特定的实际问题中，创造性地定义一些新符号，并赋予明确的含义，从而把特定问题进行符号化描述，简化统计分析、推断过程。这里需要注意的是，所定义的新符号首先要遵循一般的符号原理与意义，不只是符号的数学意义，还有在特定问题下的符号意义;其次，满足问题分析的需要，充分利用特有名词的缩写、符号的上、下标等。

 

比如，在回归分析中，基于多变量的多项式回归模型中，因变量y关于自变量x1，x2的二元二次回归模型为：y = β0 + β1 x1 + β2 x2 + β11 x21 + β22 x22 + β12 x1 x2 + ε。在该表达式中，β的小标1、2分别代表与变量x1，x2有关，而重复出现的次数则表征了相应变量的阶数。因此，建议在教学过程中，对该类下表可以进行改进，比如将β12改记为β1，2，即下标中的“12”改为“1，2”，通过添加“，”进一步明晰变量的交互关系。

 

四、合理运用图表语言，明晰基本关系

 

图表语言，是利用图像、表格等直观的形象来描述复杂的概念、关系以及抽象数据所具有的含义。与符号语言的简洁和抽象相比，图表语言更具形象、直观的特性，能记录数量变化趋势、表达变量之间的关系以及展现概念之间的相关关系，因此，在统计学专业教学中，图表语言具有非常重要的意义与作用。

 

1.数据图表，记录数量变化趋势

 

数据图表，主要是对试验结果所获得的数据的形象表达，比如某地区的生产总值、居民消费额、空气中污染物含量等具体数据的excel表格或柱状图，以及对抽象数据处理之后所形成的频数直方图、频率直方图、盒子图等。依据不同的目的，选用不同的数据图表来说明进行统计分析的依据，并掌握进行统计推断的方向。

 

2.分析图表，表达变量之间的关系

 

分析图表，主要是指基于概率论与统计分析所得到的分析结论的图表，目的在于展示分析结论，进而解释变量关系。主要包括：(1)教材所附的典型分布的分布表，如正态分布表、F分布表、t分布表等;(2)数据分析表，如回归分析中所得到的Model Summery、ANVOA、Coefficients等;(3)结论预测表，如变量拟合图、时间序列分析表等。

 

3.关系图表，展现概念之间的相关关系

 

关系图表，主要是指为了那些抽象描述多个概念之间的相关关系，是对各种概念、方法、思想等的总体描述。从大的角度上讲，借助于关系图表，学生对统计学的发展、不同统计思想与方法间的异同等方面，会形成整体认识，常见于导论一类课程。从小的角度上讲，通过建立关系图表，学生可以进一步区分具体的概念，深化知识点的理解和运用。

 

五、巧妙运用肢体语言，深化教学效果

 

肢体语言，主要是指教师在教学过程中通过动作、姿势、表情等肢体的动作和变化来传达教学内容、实现教学目的的行为。首先，肢体语言具有形象、生动、操作性强;其次，易于学生的模仿与体会，以形成对抽象概念的形象认识;再次，可以很好地控制教学进程，如加速新课程的引入、教学内容的转换等。同时，可以活跃课堂气氛，调动学生的积极性，传递教师对学生的关怀。

 

总之，教学设计是指为实现教学目标，教师依据学习原理和教学理论，对各个环节进行具体计划，进而形成完整、有效的教学方案的过程。为了充分、有效地利用课堂教学，教师应该运用多种方法和技巧来实现与学生的交流。因此，教学语言的设计就显得更为重要。通过不断地研究与实践，教师的教学语言设计能力将会得以丰富和提高，取得事半功倍的效果。

 

随着社会的发展，大数据时代的到来，统计思想与技术日益受到重视，统计人才更是供不应求。为更好地培养社会所需的专业技术人才，作为统计学专业的教师，在日常的教学过程中，应该深刻地考虑教学语言的设计，从而更好地实现教学目标，努力做到知识、技术、思想的传播，也做到人文关怀的传承，培养出一批具有社会责任感的专业人才。

篇(2)

关键词：生物统计学;SPSS;考核方式;改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）18-0247-02

生物统计学是数理统计方法在生物科学领域的应用，它主要是研究数据资料的收集、整理、分析和解释的科学[1]。生物统计学是我院动物科学、动物医学、动物药学、动植物检疫、水产饲草等专业的专业基础课，由于该课程理论抽象、公式繁多、内容枯燥，是学生们普遍认为难学的一门课程[2]。实验教学是培养学生理论联系实际，提高创新意识和实践能力的重要环节。在生物统计学的教学工作中充分认识并落实实验教学的地位，对于培养学生运用数理统计方法解决生物学领域问题的能力、增强创新意识、提高人才培养质量有着重要的作用[3]。可见实验教学在生物统计学中占有重要地位，因此我们应该注重实验教学环节并对其适时改革。

一、SPSS在生物统计学上机实验中的应用

目前，在生物统计学上机实验课中，可选用的软件有Excel、SPSS、SAS、Oringin和R软件等[4-7]。其中SPSS为专业统计软件，其统计分析功能较强，是复杂、大型统计分析中的常用工具[8]。SPSS即社会科学统计软件包是世界著名的统计分析软件之一，“易学、易用、易普及”是SPSS软件最大的竞争优势，也是广大数据分析人员对其偏爱有加的主要原因。SPSS主要具有以下优点：大量成熟的统计分析方法、完善的数据定义操作管理、开放的数据接口、灵活的统计表格和统计图形。因此我们在实验教学中首选SPSS软件作为上机用统计软件。由于SPSS软件版本多，而且多为英文版，对于初学者来说中文版本更为适合，因此我们专门购买了SPSS17中文多国语言版本。

SPSS软件运行时有多个窗口，各窗口有各自的作用，但是想快速入门，只需要熟悉两个基本窗口即可，他们是数据编辑窗口（SPSS Data Editor）和结果输出窗口（SPSS Viewer）。数据编辑窗口是SPSS的主要程序窗口（见图1），其功能主要是定义SPSS数据的结构、录入数据和管理数据。数据的录入一般分两种方法：（1）在数据编辑窗口里，新建数据，首先打开数据编辑窗口的左下方“变量视图”，在里面定义需要录入数据的变量名称以及其他选项，如图1中的“品种”、“血糖值”就是变量名，然后回到数据视图，可以在定义好的变量下录入相应的数据。（2）在数据编辑窗口里，可以直接打开已经存在的数据，如“.cav、.xls、.dbf、.txt”等形式的数据资料。SPSS结果输出窗口是SPSS的另一个主要窗口（见图2），它的主要功能是显示管理SPSS统计分析结果、报表及图形。SPSS结果输出窗口中显示的结果等信息可以保存起来，以后需要时候可以再打开查看结果。

二、数显互动系统在生物统计学上机实验中的应用

生物统计学的上机操作实验环节可以提高学生的动手能力，还可以提高其解决实际问题的能力。但是对于从未接触过SPSS统计软件的初学者来说，只是口述SPSS统计软件的各种操作是不够的，学生不容易接受，而且会手忙脚乱。因此我们使用的是Motic第二代数码显微互动系统，该系统由教师主控单元、学生终端单元和链接教师和学生间的网络系统三部分组成。该系统的优点在于可进行图像的实时数字传输，实现师生双向信息互动和文件传送[8]。

生物统计学的整个上机实验过程主要包括以下几个环节：（1）老师演示：学生上机操作前老师要以例题的形式进行讲解和操作，教师通过数码互动系统在主控单元计算机屏幕进行数据分析操作，每名学生坐在自己的电脑前就可以从电脑上看到教师分析数据时的每一个操作动作，这样可以使得学生很快就掌握了该次上机的详细操作步骤。（2）学生操作：学生针对本次实验内容自己上机运用SPSS软件进行相应的统计分析，在这个环节里如果学生遇到不会操作的地方，可以举手向老师请教，在老师的指导下能够顺利完成实验内容。（3）写电子版实验报告：只用SPSS分析完数据还不够，还要会分析最终结论（即统计推断）。因此学生要把实验的主要结果（图、表等）和最终结论填写到实验报告中。最终以Word的形式通过Email发送给老师。

三、生物统计学上机考核方式的改革

考核方式的改革是生物统计学实验教学改革的重要组成部分。合理的考核评价体系，对于客观、全面评价学生的学业水平和引导学生的学习方向上发挥着重要作用，能够达到调动学生积极性，提高学生学习效率的目的[3]。以往的上机考核多以上机实践总结和考勤作为评分标准，学生在写上机实践总结时往往存在抄袭，而且文笔好的学生写的总结内容丰富全面，可能得了高分，这样对于学生的动手能力和水平难以准确地给予评价。因为我们针对上机考核方式进行了一些改革。在上机考核中增加了电子实验报告和上机考试这两部分。电子实验报告是每次实验课上当堂完成实验操作结果那部分，既可以作为检验学生对每节实验课是否掌握的依据，还可以提高学生的电脑运动能力（Word）。上机考试主要是针对整个上机实验内容进行抽样考试，我们事先出各种类型的试卷，针对不同的班级随机抽取一个类型的试卷进行上机考试，因为班级多，而计算机机房的电脑有限，只能采用各个班级轮流上机考试。为了杜绝了不同班级考题一样及考题外漏等问题，我们分别出了A、B、C等多种类型试卷。最终，上机总分=考勤（10%）+电子实验报告（20%）+上机考试（70%）。

四、结语

通过以上SPSS软件的应用、数显互动系统的应用以及多元化评定上机考核等方面的改革与实践，使得学生对生物统计学的学习、理解、操作等情况能够及时反馈给老师，老师可以根据情况不断完善实验教学方法和手段，从而提高实验教学效果，同时增强了学生的动手能力和解决实际问题能力。学以致用是生物统计学最重要的特点之一，因此不仅要求学习者掌握知识，更要学会应用知识[9]。尤其是在做本科生或研究生毕业论文的时候，学生应该能够独立完成合理试验的设计，运用SPSS统计软件，针对不同数据进行分析，完成高质量的毕业论文。

参考文献：

[1]张勤.生物统计学[M].第2版.中国农业大学出版社，2008.

[2]白俊艳，贾小平，张小辉，等.生物统计学课程改革与实践[J].畜牧与饲料科学，2013，34（10）：57-60.

[3]张强，张建平.生物统计学实验教学的探索与实践[J].实验室科学，2012，15（6）：15-18.

[4]梅花，白乙尔图.SPSS统计软件在《生物统计学》教学中的实例应用[J].中国畜牧兽医文摘，20l2，（7）：217.

[5]朱水平.生物统计学实验教程[M].云南科技出版社，2006.

[6]姜红霞.origin软件在生物统计学教学中的应用[J].陕西教育：高教版，2009，（3）：82-83.

[7]马相如.自由软件R及其在生物统计学教学中的使用[J].科技传播，2010，（3）：81-82.

篇(3)

【摘要】 目的：通过幽门螺杆菌与胃癌癌前病变关系研究的资料，探讨单独二分类Logit模型中有序分类资料中的应用。方法： 选择293名患有轻度萎缩性胃炎的患者，对病变进展的影响因素分析分别采用累积比数Logit模型和单独的二分类Logit模型，并对两种模型的分析结果进行比较。结果：累积比数Logit模型分析结果显示幽门螺杆菌感染对胃癌癌前病变的影响无统计学意义(OR=1.158，95%CI：0.986～2.464)，但得分检验发现幽门螺杆菌不满足累积比数Logit模型的比例优势假定条件(χ2=24.100，P

【关键词】 胃癌癌前病变; 幽门螺杆菌; 累积比数Logit模型; 单独的二分类Logit模型

有序分类资料最常用的分析方法是累积比数Logit模型[1]，对多分类有序反应资料，如果采用一般的二分类Logit模型，而不是累积比数Logit模型，只能获得50%～70%的检验效能[2]，说明在处理有序分类数据方面，累积比数Logit模型要优于二分类Logit模型。近几年累积比数Logit模型在国内应用领域有所增多，但不少忽略了模型的使用条件，盲目套用，以致影响所得结论的可靠性。本研究通过累积比数Logit模型在实际数据分析中的应用，说明了忽视模型应用条件所产生的后果，并介绍了如何选择恰当的分析方法。

1 资料与方法

1.1 资料来源

资料来源于1项茂名市某医院的队列研究数据，该研究选择了360名轻度慢性萎缩性胃炎(CAG)患者，根据他们的幽门螺杆菌(Hp)感染情况分为阴性组和阳性组两组人群，随访3年后重新进行病理学诊断，观察他们的病变情况。

1.2 胃黏膜病理诊断

用胃内窥镜观察胃黏膜病变，并在胃体大小弯、胃角、胃窦大小弯、前后壁各取胃黏膜活检组织1块。病理切片照全国胃、十二指肠活检、病理诊断标准进行诊断。每个受检对象以最严重病变为第一诊断。

1.2 统计分析方法

累积比数Logit模型的形式为[3]：Logit(P(Y≤k|X))=ln(P(Y≤k|x)1-P(Y≤k|x))=ak-pi=1βixi ，k=1，2，…，K-1。 (1)反应变量Y为K个等级的有序变量，第k(k=1，2，…，K)类的概率分别为{π1，π2，…，πk}，且Kk=1πk=1 。影响因素xT=(x1，x2，…，xP)为解释变量，xi(i=1，2，…，p)可以是连续变量、无序或有序分类变量。则该模型实际上是将K个等级人为地分成{1，…，k }和{k+1，…，K}两类，在这两类基础上定义的Logit P表示属于前k个等级的累积概率(P(Y≤k|x))与后K-k个等级的累积概率(1-P(Y≤k|x))的比数之对数。故该模型称为累积比数模型，其应用有一个基本的假定条件，即比例优势假定(proportional odds assumption)。这一条件要求自变量的回归系数应与分割点k无关，换句话说，无论从哪一点分类，对所有的累积logit，变量xk都有一个相同的βk估计。

单独的二分类logit模型(separate binary logistic modes)主要是把反应变量按照不同分割点合并为不同的二类，然后分别进行二分类的Logistic回归分析[4]。本研究中的反应变量为随访5年后的病变，分为轻度CAG、重度CAG、肠上皮化生(IM)、不典型增生(DYS)共4类，有3个分割点，故定义为3个二分类Logit：一是将IM、重度CAG和轻度CAG合并，即{DYS}VS{IM，重度CAG，轻度CAG}，表示至少进展到DYS;二是将DYS和IM合并，重度CAG和轻度CAG合并，即{DYS，IM}VS{重度CAG，轻度CAG}，表示至少进展到IM;三是将DYS、IM和重度CAG合并，即{DYS，IM，重度CAG}VS{轻度CAG}，表示至少进展到重度CAG。然后以上述分类分别作3次二分类的logistic回归分析。整个分析过程均由SAS 8.2(SAS Institute， Cary，N.C.)来完成[5]。

2 结果

经3年随访后，共67人因各种原因失访，293人具有可供分析的完整资料。其中，118人病变仍为轻度CAG，91人进展为重度CAG，49人进展为IM，35人进展为DYS。具体进展情况见表1。

累积比数Logit模型分析结果表明(表2)，除性别因素外，其他因素对胃癌癌前病变的影响均无统计学意义。但从得分检验(score test)结果来看(表3)，Hp不满足比例优势假定条件(χ2=24.100，P

为了核实结果的正确性，并充分利用该资料有序的特点，故采用单独的二分类Logit模型进一步分析(表4)，可以看出，年龄、性别、吸烟、饮酒这四个变量在不同分割点的OR值相差不大，而Hp的OR值则差别很大。把DYS、IM和重度CAG合并为一类(即“至少进展为重度CAG”)时，Hp的影响有统计学意义(OR=2.334，95%CI：1.402～3.885)。而对“至少进展到DYS”和“至少进展到IM”的影响则无统计学意义。表4 单独二分类Logit模型分析结果

3 讨论

本次研究结果显示，年龄、性别、吸烟、饮酒对胃癌癌前病变的进展无影响。在校正上述因素的影响后，Hp感染主要作用于胃癌癌前病变的早期阶段，Hp阳性者至少进展到重度CAG的可能性是Hp阴性者的2.334倍(OR=2.334，95%CI：1.402～3.885)，而对进展到更高级的病变如IM、DYS，则Hp阳性与阴性并无差别。这与有学者提出的Hp主要作用于胃癌癌前病变的早期阶段的结论是一致的[6，7]。

累积比数Logit模型是分析有序分类资料最常用的方法，但其应用需要满足一定的条件，其中一个基本条件就是比例优势假定条件，即自变量的回归系数应与分割点k无关。对于一个自变量xk而言，不同累积比数发生比的回归线相互平行，只是截距参数有所差别。以往有人认为，累积比数Logit模型对这一条件并不敏感，但在实际中，这一条件不满足往往容易导致错误的结论，本研究即证明了这一点。Ralf也曾对这一问题进行了探讨[8]，并指出，如果不满足比例优势假定条件，最好采用单独的二分类Logit模型进行分析，否则做出的结论往往给人以误导甚至是毫无意义的。本研究发现资料不满足比例优势假定条件，因此采用了简单且易于理解的单独的二分类Logit模型进一步分析。结果表明，尽管Hp对进展到更高级的病变(IM、DYS)无影响，但对至少进展到重度CAG的影响有统计学意义，即Hp主要作用于胃癌癌前病变的早期阶段。如果忽略比例优势假定条件的检验，接受累积比数Logit模型的分析结果，便会得出相反的结论。

当有序分类资料不满足比例优势假定条件时，还有其它一些方法可供选择[9]，如stereotype模型、偏比例优势模型(partial proportional odds models)等[10]。这些方法都是基于累积Logits计算的，因而可与单独的二分类Logit模型直接比较，但其计算过程繁琐，且结果的解释不如单独的二分类Logit模型易于理解。多项Logit模型(polytomous logits models)是基于广义Logits计算的，其计算过程和结果解释均与单独的二分类Logit模型不同，因而二者不可直接比较，一般也不作为比例优势假定条件不满足时的首选方法。

总之，对于有序分类资料的分析，应先看其是否满足模型的使用条件，如不满足，最好换用其它更为合适的方法。本次研究一开始采用累积比数Logit模型分析，结果显示Hp对胃癌癌前病变的影响无统计学意义，这实际上是由于Hp不满足比例优势假定条件所致。在利用单独的二分类Logit模型作进一步详细分析后，则可以发现，Hp阳性者至少进展到重度CAG的危险显著高于Hp阴性者。

【参考文献】

1 McCullagh P.Regression Models for Ordinal Data (with Discussion). J.R.Stat Soc，1980，42：109.

2 BG Amstrong，M Sloan.Ordinal Regression Models for Epidemiologic Data.Am J of Epidemiology，1989，129：191～204.

3 Ludwig Fahrmeir，Gerhard Tutz.Multivariate Statistical Modeling Based on Generalized Linear Models.Beijing：World Publishing Cooperation，1998，75～79.

4 Ralf Bender，Ulrich Grouven.Using Binary Logistic Regression Models for Ordinal Data with Non-proportional Odds.Journal of Clinical Epidemiol，1998，51：809～816.

5 Ralf Bender，Axel Bender.Calculating Ordinal Regression Models in SAS and SPlus.Biometrical Journal，2000，42：677～699.

6 Kunio Takeuchi， Yoshihiro Ohno， Yasushi Tsuzuki， etc. Helicobacter pylori Infection and Early Gastric Cancer.J Clin Gastroenterol， 2003，36：321～324.

7 夏志伟，林三仁.幽门螺杆菌与胃癌.幽门螺杆菌感染的基础与临床(修订版).北京：中国科学技术出版社， 2002， 172～178.

8 Ralf Bender，Ulrich Grouven.Ordinal Logistic Regression in Medical research.Journal of the Royal College of Physicians of London，1997，31：546～551.

篇(4)

经管类专业一般都包含经济学、国民经济与贸易、工商管理、市场营销、会计学、金融学等经济类为主的专业。独立学院的培养目标是应用型本科人才，相对于一般本科院校的经管类专业，独立学院的经管类专业没有过多的理论研究，而是培养以市场就业技能为主的专业，通俗的说就是能够在学生毕业后顺利走向市场的专业，所以，作为经管类专业比较重要的公共基础课―《概率论与数理统计》，也应以培养学生的应用技能为主，但是在教学中发现，情况不容乐观。本文就以东方科技学院为例，来谈谈经管类专业的概率论与数理统计课程的教学改革。

二、概率论与数理统计教学的现状

概率论与数理统计课程是一门承前启后的课程，不同于高中所学的简单概率，只需要排列组合的初等方法就能计算，大学中的概率论与数理统计课程是以微积分为基础，需要重新定义概念与运算规则，而且，经管类专业课程《统计学》又以《概率论与数理统计》为基础的，所以，概率论与数理统计课程的学习与微积分的学习好坏有关，又决定了后续课程《统计学》的学习效果。在教学中发现，这样重要的一门课程在学习效果上并不好，每年东方科技学院的期末考试不及格率仅次于高等数学的不及格率。很多学生也是怨声载道，大吐苦水，不知道该如何学好这门课程，明明都尽力去学了就是学不会。作为每年都让这门课程的一线教师，经过多年的教学实践发现主要存在以下几个问题：

1、概念理解不到位。概率论数理统计的课程分两部分：概率论以及数理统计。概率论是以微积分为基础，通过分布函数来定义概率，一般包含概率的定义与性质、分布函数、二元分布函数、数学期望与方差、大数定律与中心极限定理；数理统计一般包含：数理统计的基本概念、参数估计、假设检验、方差分析、回归分析。从内容上来看有点多，一般也不会全部讲解，受到课时偏少的影响，教师在概念解释上就讲的偏少，主要还是以解题为主，但是概念没有解释清楚的后果就是学生根本无法理解随机变量、分布函数、统计分布的内涵是什么。尽管在课堂上一再强调随机变量与高等数学的变量不一样，随机变量仅仅表示事件，不同的数字变量可以表示为相同的事件，分布函数是以随机变量进行定义的，其含义就是随机变量所定义事件的可能性-概率。但很多学生还是以高等数学的变量与函数来理解随机变量与分布函数，特别是随机变量函数的分布时候，就更无法理解，教师讲的口干舌燥，学生听的一脸茫然，那求知若渴却又无法理解的眼神让教师无可奈何，不得不再次重复讲解。

2、微积分基础不牢固。概率论与数理统计是以分布函数为主线串联的，但是分布函数的问题就牵涉到高等数学的微积分知识，特别是二元分布函数需要用到二元微积分，这对很多学生是苦不堪言，原因就在于前修课程微积分没有学好。由于高等数学的知识量大，课时又相对较少，独立学院学生的数学基础本身就很薄弱，教师在讲微积分知识时就尽量简单化，二重积分的知识就变简单很多，这就导致W生学习概率论的时候，再次面对二重积分就有天然的畏惧感，不熟悉的分布函数概念以及难懂的二重积分的计算，使得很多学生就放弃概率论的学习。对数理统计也是如此，数理统计的知识是以总体样本为基础，通过抽样来估计总体参数并对总体参数进行检验的过程，而且，统计的规律就是随着样本的增大，总体就服从正态分布，就是通过一定的方法来估计正态总体的两个参数并进行检验。这样的知识点按理来说不难，但是学生的表现来看，不尽如人意。这反映出学生对新事物的接受能力不适应，经过高考对知识点反复强调讲解的习惯，学生对大学课程没有反复练习的行为不适应，而且其他课程也多，又处于没有人监管的状态，主观上就放弃了对难点的探索精神。因为数学的学习不同于其它课程，除课堂教学外，还需要有一定的时间做预习预备与复习巩固的。

3、不注重实践操作。概率论与数理统计的学习只是讲解一些基本的概率统计原理，理论上不需要过多详细讲解，而应该把重点放在学生的实践操作能力上。特别是数理统计方面的知识点如参数估计、假设检验、回归分析等这些知识，让学生指导基本的原理即可，学会在实际中会用到这些知识才是重中之重，理论与实践的结合，才会更直观的让学生明白理论的意义所在。经管类学生所需的统计知识在以后要用到的地方挺多的，工作上一些简单的excel表格就是有求和求平均，如果考上经管类研究生，那么学术上还需要学习《计量经济学》，得会用统计学的知识进行实证分析，统计软件如SPSS做模型分析，并对结果进行经济解释，进而来撰写相关的学术论文。因此，针对经管类学生的特殊性，教师应该在实际操作上下一番功夫。

三、概率论与数理统计课程教学的改进措施

针对概率论与数理统计课程一些教学的问题，提出一些改进措施。

1、重视概念的解释。教师在主观意识上应该认识到解释概念的重要性。受到应试教育的影响，教师在教学上轻概念重解题的思维一直没有改变，认为数学就是能够让学生解出题目来就是好效果，殊不知，这样的教学只能培养一批会机械计算的学生工人，根本无法培养学生的综合素质。况且，解释概念比解题重要的多，概念解释清楚了，学生就容易理解做题的含义，反而能促进解题的进展，磨刀不误砍柴工。学生应该注意甄别新旧知识的区别，建构主义认为，前面的知识学习会对后面知识的学习带来影响。很多学生在大学前已经习惯了数学当中的数字计算，数字变量的概念，对概率论当中的随机变量以及分布函数还是以原有思维进行思考，这样，就很难走出误区。教师即时在课堂上反复强调数字变量以及随机变量的不同，但如果学生的主观没有意识到，就很难达到效果。所以，对于新旧概念的区别，教师要详细解释，学生也应该主动认识。

2、加强微积分的练习。如果不会微积分，那么概率论与数理统计的学习也就无从谈起。微积分的学习是在高等数学中很重要的一个知识点，那么师生就应该在高等数学中把这个知识学好。如果还是未能学好，就应该采取开设选修课的方式，给予微积分基础不好的学生来补习，当然这个在实际操作当中有一定的难度，选修课是学生自愿选择的，那些微积分本来就不好的就不会去选修该课程，教师可以规定高等数学不及格的学生必须强制的选修微积分，至于会不会引起学生的反感而导致学生的逆反厌学情绪，这个得需要做一定的调查才行；此外可行的就是成立学习小组，让那些成绩优秀的学生来帮助后进学生，采取帮扶的方式来提高微积分的成绩。还有就是教师可以建立qq群、微信群等网络平台，通过网络答疑解惑的方式来解决对数学学习有难度的学生。

3、注重统计软件操作。数理统计方面的知识在后续课程如《统计学》、《计量经济学》用的很多，这些课程的目的是培养学生掌握基本统计软件的用法。因此，在讲解数理统计的时候，教师就可以穿插一些基本软件方面的知识，把理论用到实际操作上，就能让学生更加明白理论的含义，当然，这里要注意的是，由于课时不够，正式课堂上可能无法讲解太多。教师应该采取课后作业的形式进行，布置一些跟尽管专业有关的习题，如分析教育水平对收入的影响这类简单可行的统计练习，并把做题的批改当成平时成绩的一部分，以监督学生完成课后习题。

四、结束语

经管专业的特殊性，使得概率论与数理统计课程的学习显得较为重要，对后续课程有很大的影响，教师与学生应该充分意识到概率论当中一些概念的重要性，加强微积分的练习，在统计方面尽可能的讲解软件使用的知识，来提高概率论与数理统计的教学效果。

参考文献：

[1]李小平. 概率论与数理统计[M].北京：高等教育出版社， 2013.

篇(5)

[关键词]零售企业 跨国营销 风险管理 理论综述

一、引言

对今天的零售企业来说，国际化是一个重要趋势（Simpson,Thorpe，1995）[1]。上世纪90年代以来，零售企业特别是大型零售企业也和其它行业一样，正在大力向国外发展，零售企业的跨国营销已成为当今世界的一大潮流。然而，服务型企业在国际扩张中面临的风险远远大于制造业面临的风险（Carman & Langeard，1998）[2]。著名的日本零售企业八佰伴正是因为没有正视风险管理，盲目投资，最终在亚洲金融风暴的冲击下彻底崩溃，黯然淡出其辉煌了30余年的商业舞台[3]。显然，零售企业在国际化进程中由于其跨国经营的性质，其营销活动面临着比国内企业更多、更复杂、破坏力也更强的国际风险，零售企业跨国营销风险管理理论研究逐渐引起国内外学者的关注。

二、风险与风险管理的定义

（一）风险的定义

风险的基本含义是损失的不确定性。经济,企业观察 经济学家把风险定义为损失机会，这表明风险是一种面临损失的可能性状况，也表明风险是在一定状况下的概率度；统计学家把风险定义为实际结果与预期结果的离差度，使用统计学中的标准差来衡量风险；保险学者把风险定义为一个事件的实际结果偏离预期结果的客观概率。

本研究采用决策理论家的定义，他们把风险定义为损失的不确定性，这种不确定性又可分为客观的不确定性和主观的不确定性。客观的不确定性是实际结果与预期结果的离差，它可以使用统计学工具加以度量；主观的不确定性是个人对客观风险的评估，它同人的知识、经验、精神和心理状态有关。

（二）风险管理的定义

美国学者Christin（1997）认为风险管理是企业或组织为控制偶然损失的风险，，以保全所得能力和资产所做的一切努力；另外两位美国学者Willins,Lichard.Hans（1996）认为，风险管理是通过对风险的鉴定、衡量和控制，以最低的成本使风险所造成的损失控制在最低限度的管理方法。我国的陈佳贯(2000)认为，风险管理是企业通过对潜在意外或损失的识别、衡量和分析，并在此基础上进行有效的控制，用最为经济合理的方法处理风险，以实现最大安全保障的科学管理方法。可见，风险管理是一个系统过程，包括风险的识别、衡量和控制等环节；风险管理的目标在于控制和减少损失，提高有关单位或个人的经济利益或社会效果；风险管理是一种管理方法。

三、跨国营销风险管理的理论研究

随着跨国企业不断向全球化拓展以及国际竞争的不断加剧，跨国企业将面临更复杂的国际风险。Gloshal(1987)就曾论述到，对于跨国企业的管理者而言，风险控制是三个战略目标之一[4]。

1987年，Beamish和Banks提出存在两种类型的东道国风险：情境风险和交易风险。1991年，W.Chan Kim和Peter Hwang提出影响国际市场进入模式选择的两个变量是环境变量和交易变量。

1992年，Miller提出了一个由三部分变量构成的、完整的国际风险模式。这三部分是：一般环境的不确定性；行业的不确定性；特定企业的不确定性[5]。Miller的这篇文章在学术界引起了极大的反响，他第一次对公司进入国际市场面临的不确定性进行了系统而全面的分类，并提出一体化框架，为后来的研究提供了很好的指引，让更多学者投入到国际风险的研究之中。

1995年，荷兰学者Kelth D.Brouthers从实证的角度对Miller提出的一体化框架进行了检验，并在此基础上对一体化模型进行了补充。Bruthers将战略风险划分为两大类，即管理控制风险和市场复杂性风险：管理控制风险，由管理经验、文化差异和产业结构三个变量构成；市场复杂性风险，包括影响企业进入市场的能力、分销产品/服务的能力和企业的获利能力[6]。在我国，许晖等学者又对此模型加以扩展,借鉴Root（1994）对国际市场进入模式决策影响因素的研究[7]，构建一体化国际风险感知模型。许晖等人认为国际风险的感知主要由三部分构成,其中控制风险变量与以下三点相关:管理层对风险控制的意愿；管理层对目标市场的认知程度；替代的控制机制的可获取性[8]。

四、零售企业跨国营销风险管理的理论研究

商业（包括零售）领域内稍具规模的对外直接投资开始于20世纪70年代，到20世纪90年代以后，以零售企业为主的跨国营销活动进入，国际化战略成为零售商的一个重大公司战略(Steve Burt, John Dawson , Leigh Sparks,2004)[9]，在大多数零售商中应用。综观国内外理论研究，学者们主要从以下三方面对零售企业跨国营销风险管理进行研究。

（一）零售企业海外市场选择中的风险评估

篇(6)

【关键词】  证候研究；变量聚类

近年来,有不少学者利用系统变量聚类方法对西医病种中中医症状的分布情况进行研究。例如,麻氏等[1]通过对739例胆病病案进行分析,得到9个类,并把它们分别诠释为肝胆湿热证、肝胆郁热证、肝胆蕴热证、肝胆气郁证、血瘀证、脾失健运证、阳虚寒湿证、阴虚内热证和热毒亡阳证。笔者剖析系统变量聚类结果的统计学含义,并基于此讨论把它们诠释为证候的合理性。 我们的结论是,变量聚类的结果不能诠释为证候。

1  变量聚类结果的统计学含义

   

在麻氏等[2]分析的胆病数据中,症状变量全部是二值的。分析所得的变量类之一如下。

   

类1：发热寒战、右上腹压痛拒按、黄疸、恶心呕吐、右上腹疼痛、大便秘结、小便色黄、苔黄、苔腻、脉滑、脉弦、口苦。

   

本节以这个类为例,剖析系统变量聚类结果的含义。要准确把握这个类的含义,需要考虑3个因素,即“变量”与“事件”这两个概念的区别、变量间相似系数的定义以及变量类间相似系数的定义。下面逐一讨论这3个因素。

1.1  变量与事件

   

变量是刻画事物某方面特征的指标,它的每一个取值对应一个事件。先拿概率论中常用的抛掷硬币试验为例来解释这两概念。抛掷硬币试验可以从多个方面来看：使用的硬币是否质地均匀、抛掷方式如何、抛掷结果是什么等等。“抛掷结果”这个指标刻画试验一个方面的特征,因此它是一个变量。这个变量有两个可能的取值,即“正面朝上”和“反面朝上”。于是有两个事件,即“抛掷结果正面朝上”和“抛掷结果反面朝上”。

   

接下来看一个中医的例子。“有无口苦”是反映患者身体一个方面特征的指标,因此它是一个变量,称为症状变量。它有两个可能的取值,即“有”和“无”。于是有两个症状事件, 即 “(患者)有口苦”和“(患者)无口苦”。如果要考虑不同轻重程度,相应的变量是“口苦程度”。 一般情况下,程度变量有4个可能的取值,即“无”、“轻”、“中”和“重”。于是有4个症状事件,即“无口苦”、“有轻度口苦”、“有中度口苦”和“有重度口苦”。为了统一二值和多值情况下症状变量的称谓,可以用“口苦情况” 来替代“有无口苦”和“口苦程度”。

   

“有口苦”这个词通常被简化为“口苦”。同时,“口苦情况”也被简化为“口苦”。这样,“口苦”时而指“口苦情况”这个变量,时而又指“有口苦”这个事件。在下一节读者将会看到,这种歧义性造成了对变量聚类结果之含义的误解。

   

顾名思义,变量聚类的对象是变量而不是事件,其结果是变量的类而不是事件的类。所以,类1的成员是“口苦情况”等症状变量,而不是“有口苦”等症状事件。为了避免误解,我们把类1的定义改写如下。

   

类1：发热寒战情况、右上腹压痛拒按情况、黄疸情况、右上腹疼痛情况、恶心呕吐情况、大便秘结情况、小便色黄情况、苔黄情况、苔腻情况、脉滑情况、脉弦情况、口苦情况。

1.2  变量类相似系数

   

“口苦情况”等12个症状变量为什么会被聚成一类呢？它们被聚成一类这件事的含义是什么？一个粗略的回答是,这意味着“口苦情况”等12个症状变量之间的相似度高。如果要准确回答这个问题,则需要考虑如何基于变量之间的相似系数定义类之间的相似系数。

   

常用的方法有最大相似系数法、最小相似系数法和平均相似系数法。在计算两个类a和b间的相似系数时,考虑a中变量与b中变量间的相似系数。最大相似系数法取其最大者,最小相似系数法取其最小者,而平均相似系数法取平均数[2]。

   

如果类1是用最大相似系数法获得的,那么对类中任意一个变量v,类中有另外一个变量u使得v和u间的相似系数不低于某个阈值。如果类1是用最小相似系数法获得的,那么类中任意两个变量间的相似系数不低于某个阈值。如果类1是用平均相似系数法获得的,那么类中变量间的相似系数的平均值不低于某个阈值[2]。

   

上面提到阈值是怎样决定的呢？在获得类1的过程中,需要合并多对变量类,而每对类之间都有一个相似系数。这些相似系数的最小者就是上面说的阈值。一般说,最大相似系数法的阈值最大,平均相似系数法的阈值次之,最小相似系数法的阈值最小。

1.3 变量相似系数

   

变量间相似系数的高低的直观含义是什么？这个问题的答案依赖所选用的相似系数是什么。相似系数有各种各样的类型[2]。作为例子,这里只讨论jaccard相似度和相关系数。

   

jaccard相似度只适用于二值变量。下面用一个例子来说明它的定义和直观含义。用d记脉弦和口苦同时出现的样本数,b记脉弦出现而口苦不出现的样本数,c记脉弦不出现而口苦出现的样本数。“脉弦情况”和“口苦情况”这两个变量的jaccard相似度定义为d/(b+c+d)。jaccard相似度的取值在0～1之间,可以视为是症状出现的“同步率”。它的值越高,脉弦和口苦出现时的“同步率”就越高,即脉弦和口苦的出现更接近如下情况：要么两者都不出现,要么两者都出现。

   

相关系数是统计学中用来度量数字变量间关联程度的一个指标。如果把症状的出现表示为1,不出现表示为0,那么就可以定义“脉弦情况”和“口苦情况”间的相关系数。相关系数的取值在0～1之间。当两个变量的可能取值相同时,它们之间的相关系数也可视为是一种“同步率”。“脉弦情况”和“口苦情况”间的相关系数越高,脉弦和口苦同时出现或同时不出现的次数也就越多,反之亦然。

1.4  类1的含义

在分析数据时,麻氏等[1]用的是sas软件。由于他们未提及软件设置,所使用的变量相似系数应该是sas默认的jaccard相似度,而所使用的变量类相似系数应该是sas默认的平均相似系数。所以,类1是一个由口苦情况等12个症状变量组成的集合,其含义是这12变量两两之间的jaccard相似度平均不低于某个阈值,即口苦等12个症状两两同步出现的频率平均不低于某个阈值。

2  证候的含义

   

证候是一个具争议性的概念。但是,在诠释变量聚类结果时人们所使用的证候其意义基本是统一的、清楚的。例如,在把类1诠释为肝胆湿热证时,“肝胆湿热证”对应由口苦等12个症状(事件)组成的症状群,其意义如下：①如果这些症状全部(或其大多数)在某患者身上同时出现,那么该患者有肝胆湿热证；②如果这些症状中许多不在一患者身上出现,那么该患者无肝胆湿热证。

3  变量聚类结果的诠释

   

现在我们以类1为例来讨论变量聚类的诠释问题。在文献[1]中,类1被诠释为肝胆湿热证。这是由于类1被认为是由“有口苦”等12个症状事件组成的集合,进而其意义被理解为口苦等12个症状同时出现。在把类1诠释为肝胆湿热之后,进一步得出结论：肝胆湿热证是肝胆病中的中医证候之一。这就是说,肝胆湿热证存在于研究涉及的739个样本中,即有一部分样本同时包含口苦等12个症状或其大多数。为方便讨论,我们将这一段文字涉及的几件事按逻辑顺序整理如下：①把类1认为是由“有口苦”等12个症状事件组成的集合；②把类1的意义理解为口苦等12个症状同时出现,从而把它诠释为肝胆湿热证。③在②的基础上,得出肝胆病中有肝胆湿热证的结论,即有一部分样本同时包含“口苦”等12个症状或其大多数。

   

根据第2节的结论,类1是症状变量的集合而不是症状事件的集合。所以,上述第1步是不正确的。再根据第2节的结论,类1的意义不是口苦等12个症状同时出现。实际上,句子“口苦等12个症状同时出现”本身是一个病句。显然,口苦等12症状不可能在每一个样本中都同时出现。那么它们究竟在哪些样本中出现呢？句子没有指明,因此意义不清。所以,第2步也是错误的。最后,第3步从“口苦等12个症状同时出现”这个含义不清的命题推出“有一部分样本同时包含口苦等12个症状或其大多数”。这是不合逻辑的。

   

上述三步都有问题。那么有没有可能不通过它们,而直接从类1的含义出发得出“有一部分样本同时包含口苦等12个症状或其大多数”这个结论呢？回答是否定。类1的含义只是说口苦等12个症状两两以一定频率在样本中同时出现。这并不意味12个症状同时出现在某些样本中。在逻辑上,从两两双边关系是无法推出多边关系的。打一个比方：青年a与一对好朋友b和c谈三角恋爱,a和b常常一起出现,a和c常常一起出现,b和c常常一起出现,但这些并不意味着他们三人会同时出现。

    上面的讨论以文献[1]为例。但是,所指出的问题是其它用变量聚类研究证候分布工作共有的。问题的根源在于研究目的与研究方法不匹配。这些工作是要通过分析一组关于西医某病种的样本,揭示该病种中中医证候的分布规律,这其实是揭示该组样本中中医证候的分布情况。简而言之,这就是要揭示样本某方面的特征和性质。变量聚类方法只考虑变量间的关系,完全不分析样本的特征和性质。既然如此,它又怎么能揭示样本中中医证候的分布规律呢？

4  结束语

   

变量聚类所得到的不是症状事件的类,而是症状变量的类,其含义不是一些症状同时出现于一些患者,从而不能诠释为证候。变量聚类不分析样本的特征和性质,从而不可能揭示证候在样本中的分布规律。

【参考文献】

 

篇(7)

关键词 国有石油企业 员工敬业度 人口统计学变量 差异分析

一、员工敬业度的概念

目前对敬业度（Engagement）的概念都没有一个统计的界定，主要有两个领域对其进行研究：管理公司和学术界。管理公司主要以实际出发对其进行实证研究，学术界则是从学术角度提出相关的理论。

第一，在管理公司领域，盖洛普公司的盖洛普博士将敬业度定义为：企业首先要为员工创造良好的环境使其优势能得到有效发挥，在此基础上，企业还应让员工在组织中有一种归属感，让其感受到自己就是组织的一员，具有主人翁的责任感。盖洛普公司将员工主要分为敬业、守业和怠工员工三类，这主要是根据员工在情感上认同工作和组织的程度，以及由此而带来的员工对工作和组织的投入度；翰威特公司认为敬业度是用来衡量员工期望留在公司的程度，以及对工作尽心的程度，据此翰威特公司提出了积极评价、渴望留任和竭尽所能三维度的敬业度。韬睿公司将敬业度定义为员工意愿和努力帮助组织取得成功的程度，据此公司将员工敬业度分为理性敬业度和感性敬业度两个维度，即建立在工作给自己带来利益前提下的敬业行为和建立在对工作认同和情感归属上的敬业行为。

第二，在学术研究中，国内外学者中， Kahn将敬业度定义为：企业员工自发地控制自己，以将自己与工作角色结合在一起，也就是将自己置于一种“角色内状态”，并且他还将敬业度分为三个维度：行为敬业度、认知敬业度和情感敬业度；Maslach等学者则从工作倦怠的对立角度出发将敬业度定义为对工作积极的一面，他认为敬业度和工作倦怠分别为一个三维连续体的两极，敬业度的精力、投入和职业效能感三个维度分别对应着工作倦怠的情绪枯竭、犬儒主义和效能感低落三个维度。相对于工作倦怠程度高的员工所具有的无能感和耗竭感，敬业度高的员工通常精力充沛，不同于在工作和组织中处于疏离状态的员工，他们在工作中具有较高的自我效能感，能在组织中建立良好的人际关系，并能有效进入工作状态； Schaufeli等人与Maslach有相同的观点，认为敬业度是工作倦怠的对立面，而他们认为敬业度包含活力敬业度、奉献敬业度和投入敬业度三个维度。

综上，本文所使用的敬业度概念为：企业中员工在工作角色中自我表达和自我投入的程度，以及员工在行为、认知和情感三个维度上对工作、组织的认同程度。

二、国有石油企业员工敬业度在人口统计学变量上的差异分析

（一）不同性别的国有石油企业员工敬业度的差异分析

对不同性别的国有石油企业员工的工作敬业度和组织敬业度两个维度以及整体员工敬业度的得分平均数进行F检验和t检验，所得结果如表1所示。

（二）不同婚姻状况的国有石油企业员工敬I度的差异分析

对不同婚姻状况的国有石油企业员工的工作敬业度和组织敬业度两个维度以及整体员工敬业度的得分平均数进行F检验和t检验，所得结果如表2所示。

（三）不同年龄的国有石油企业员工敬业度的差异分析

本文将国有石油企业的员工划分为四个年龄段，采用单因素方差分析方法分析不同年龄段的国有石油企业员工在敬业度各子纬度上的得分。如表3所示。

（四）不同学历的国有石油企业员工敬业度的差异分析

采用单因素方差分析方法分析不同年龄段的国有石油企业员工在敬业度各子纬度上的得分，如表4所示。

（五）不同工龄的国有石油企业员工敬业度的差异分析

不同工龄的国有石油企业员工敬业度的差异分析（如表5）。

三、国有石油企业员工敬业度在人口统计学变量上的差异

在以上人口统计学变量中，只有员工婚姻状况对国有石油企业员工的敬业度有较大影响，而石油企业员工敬业度在不同性别、不同年龄段、不同学历、不同工龄上均无显著差异。这与已有的研究结论有相同之处，但并不完全一致，其原因是受研究对象，国有石油企业这个群体的特殊性的影响。

不同婚姻状况的国有石油企业员工的工作敬业度无明显差异，但在组织敬业度这一维度上以及整体员工敬业度上的差异却很显著；石油企业的已婚员工不论是工作敬业度、组织敬业度还是整体敬业度都高于未婚员工，究其原因，已婚员工其家庭生活相对稳定，亲戚朋友等人际圈子范围也相对固定，对家庭承担责任也更大，他们对于工作稳定性的要求更高，同时已婚员工较未婚员工年龄大，各方面相对成熟，更有自己明确的目标和认识，工作积累和经验都相对较好，对企业更有归属和认同感。

（李季单位为兰州工业学院经济管理学院；高海燕单位为中石油西北化工销售公司）

[作者简介：李季（1983―），男，辽宁开原人，博士，工程师，研究方向：企业管理及人力资源管理。]

参考文献

[1] Heaney C A，Israel B A，House J S . Chronic job insecurity among automobile workers：effectson job satisfaction and health[J]. Social Scienee & Medicine，1994.

[2] Davy J A，Kinicki A J，Scheck C L . A test of job seccurity，s direct and mediated effects on withdrawal cognitions[J]. Journal of organizational Behavior，1997.

[3] Greenhalgh L，Rosenblatt Z . Job security：toward conceptual clarity[J]. Academy of Management Review，1984，9（3）.