前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇統(tǒng)計(jì)學(xué)變量的分類范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

統(tǒng)計(jì)學(xué)變量的分類范文第1篇

關(guān)鍵詞：ArcGIS 土壤 區(qū)域 空間變異

中圖分類號(hào)：X53 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-3973（2012）010-108-02

1 引言

隨著信息社會(huì)的到來，人類社會(huì)進(jìn)入了信息大爆炸的時(shí)代。面對(duì)海量的信息，人們對(duì)信息的要求發(fā)生了巨大變化。隨著計(jì)算機(jī)技術(shù)的出現(xiàn)和快速發(fā)展，對(duì)空間位置信息和其他屬性類信息進(jìn)行統(tǒng)一管理的地理信息系統(tǒng)也隨之快速發(fā)展起來了。

在眾多的地理信息軟件中，美國公司ESRI公司推出的ArcGIS地理信息平臺(tái)是最具代表性的GIS軟件平臺(tái)，其強(qiáng)大的空間分析處理工具和不斷更新、完善的空間分析功能是其他軟件無法比擬的。

土壤是在巖石風(fēng)化產(chǎn)物基礎(chǔ)上發(fā)育形成的自然體，土壤中還有各種重金屬，通過ArcGIS的地統(tǒng)計(jì)模塊能夠揭示土壤重金屬的空間變異規(guī)律和空間分布，為實(shí)現(xiàn)土壤可持續(xù)利用和區(qū)域規(guī)劃提供理論依據(jù)。

2 ArcGIS中地統(tǒng)計(jì)模塊

來自法國的統(tǒng)計(jì)學(xué)家G.Matheron在經(jīng)過許多研究和分析后后創(chuàng)立了一門嶄新的統(tǒng)計(jì)學(xué)分支：地統(tǒng)計(jì)學(xué)。地統(tǒng)計(jì)學(xué)的基礎(chǔ)是區(qū)域化變量，以變異函數(shù)為工具，研究的對(duì)象是具有隨機(jī)性和結(jié)構(gòu)性的自然現(xiàn)象。

2.1 地統(tǒng)計(jì)基本原理

2.1.1 地統(tǒng)計(jì)假設(shè)

隨機(jī)性，正態(tài)分布和平穩(wěn)性分別是地統(tǒng)計(jì)原理的三個(gè)基本假設(shè)。在平穩(wěn)性中有兩大類：均值平穩(wěn)和二階平穩(wěn)、內(nèi)蘊(yùn)平穩(wěn)。均值平穩(wěn)假設(shè)均值是與位置無關(guān)的一個(gè)常量；二階平穩(wěn)與協(xié)方差有聯(lián)系；內(nèi)蘊(yùn)平穩(wěn)與半變異函數(shù)有聯(lián)系。二階平穩(wěn)假設(shè)在空間上的任意兩點(diǎn)，如果它們的距離和方向都相同，那么它們的協(xié)方差也是相同的；內(nèi)蘊(yùn)平穩(wěn)則假設(shè)在空間上的任意兩點(diǎn)，如果它們的距離和方向是相同的，那么它們的方差也是相同的。

統(tǒng)計(jì)學(xué)變量的分類范文第2篇

關(guān)鍵詞：生物醫(yī)學(xué)數(shù)據(jù)；統(tǒng)計(jì)建模；預(yù)測模型；心得體會(huì)

隨著生物信息技術(shù)的飛速發(fā)展，生物醫(yī)學(xué)研究領(lǐng)域的數(shù)據(jù)呈幾何級(jí)增長。近年來，生物醫(yī)學(xué)大數(shù)據(jù)受到學(xué)者們的廣泛關(guān)注。生物醫(yī)學(xué)大數(shù)據(jù)具有典型的“4V”特征：體量巨大（volume）、種類繁多（variety）、實(shí)時(shí)更新（velocity）、價(jià)值隱藏（value）[1]；“3H”特點(diǎn)：高維（highdimension）、高度計(jì)算復(fù)雜性（highcomplexity）、高度不確定性（highuncertainty）[2]。因此，綜合利用生物學(xué)、醫(yī)學(xué)、數(shù)學(xué)、流行病學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)學(xué)等多個(gè)學(xué)科的方法和手段，從中挖掘“有價(jià)值”的信息，為生物醫(yī)學(xué)研究提供確鑿有效的證據(jù)，顯得尤為重要。筆者以肺癌全基因組關(guān)聯(lián)研究（genome-wideas-sociationstudy，GWAS）為例，結(jié)合理論學(xué)習(xí)和案例實(shí)踐的切身體會(huì)，淺談利用GWAS數(shù)據(jù)建立肺癌風(fēng)險(xiǎn)預(yù)測模型的心得體會(huì)。

一、嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)質(zhì)量控制體系不容忽視

由于存在檢測、觀察、填寫或錄入錯(cuò)誤，未經(jīng)數(shù)據(jù)質(zhì)控的原始數(shù)據(jù)極可能含有一些異常，甚至錯(cuò)誤的觀測值。在研究設(shè)計(jì)之初，便要盡可能考慮規(guī)避產(chǎn)生錯(cuò)誤數(shù)據(jù)。另外，統(tǒng)計(jì)建模之前，仍然必須對(duì)原始數(shù)據(jù)再次進(jìn)行質(zhì)量控制。在GWAS中，要同時(shí)對(duì)行（樣本）、列（位點(diǎn)）進(jìn)行質(zhì)量評(píng)價(jià)。例如，刪除次等位基因頻率低于5%、缺失率超過5%或哈代不平衡的位點(diǎn)；刪除分型失敗率超過5%、問卷性別與遺傳性別不一致、存在血緣關(guān)系、屬于離群值的樣本[3]。另外，同時(shí)需要對(duì)流行病學(xué)問卷及臨床數(shù)據(jù)進(jìn)行核查。只有對(duì)數(shù)據(jù)進(jìn)行清理后，才能用于后續(xù)關(guān)聯(lián)分析、統(tǒng)計(jì)建模。

二、合理的建模方法和策略值得精雕細(xì)琢

對(duì)于GWAS高維數(shù)據(jù)，合理的方法和策略不僅要考慮統(tǒng)計(jì)學(xué)性能（一類錯(cuò)誤、檢驗(yàn)效能、預(yù)測精度），還需要考慮分析效率（計(jì)算速度）。因此，研究者應(yīng)該要深入思考，為研究項(xiàng)目量身定制一套“合理”的方法和策略。然而，現(xiàn)有的統(tǒng)計(jì)學(xué)模型和方法往往都有相應(yīng)的應(yīng)用條件。實(shí)際數(shù)據(jù)由于其變量結(jié)構(gòu)的復(fù)雜性，不一定完全滿足所有的應(yīng)用條件。并且，簡單的算法速度快，但統(tǒng)計(jì)性能相對(duì)低；復(fù)雜算法需要犧牲計(jì)算速度來提升統(tǒng)計(jì)性能。因此，研究者可能需要制定多個(gè)備選方案。結(jié)合建模步驟，筆者將從以下幾個(gè)方面，淺談個(gè)人心得體會(huì)。1.初始模型：一般擬合logistic回歸模型評(píng)價(jià)肺癌風(fēng)險(xiǎn)。模型中往往需要納入一些協(xié)變量，例如：年齡、性別、吸煙、人群分層等。一般參考以下納入原則：（a）在模型中有統(tǒng)計(jì)學(xué)意義（P≤0.05）；（b）即便在模型中無統(tǒng)計(jì)學(xué)意義，但絕大多數(shù)同類研究顯示其是公認(rèn)的影響因素。某些協(xié)變量可能是位點(diǎn)的混雜因素，例如人群分層。如果GWAS中忽視調(diào)整混雜因素的影響，則有可能導(dǎo)致誤報(bào)噪音位點(diǎn)的一類錯(cuò)誤膨脹，或識(shí)別致病位點(diǎn)的檢驗(yàn)效能降低[4]。此外，研究者還需要考察協(xié)變量進(jìn)入模型的形式。一般而言，無序分類變量以啞變量形式進(jìn)入模型。當(dāng)某些類別樣本量特別小，需要進(jìn)行類別合并。有序分類變量、連續(xù)性變量則需要考慮是否以非線性的形式進(jìn)入模型。一種最簡單的方式是，將連續(xù)性變量轉(zhuǎn)化為有序分類變量，并以啞變量形式進(jìn)入模型。如果啞變量各組的系數(shù)呈現(xiàn)線性遞增的趨勢，則提示原始變量與結(jié)局變量間存在線性關(guān)系。否則，可采用啞變量、樣條函數(shù)等方法處理非線性關(guān)系。2.因素篩選：研究者需要從GWAS數(shù)據(jù)50萬位點(diǎn)中篩選出肺癌相關(guān)位點(diǎn)，加入初始模型，以提高模型的預(yù)測精度。常規(guī)做法是，在初始模型中逐個(gè)納入位點(diǎn)，對(duì)位點(diǎn)的主效應(yīng)進(jìn)行假設(shè)檢驗(yàn)。因檢驗(yàn)次數(shù)達(dá)50萬次，研究者必須要考慮多重比較所致的一類錯(cuò)誤膨脹。常見一類錯(cuò)誤控制方法有Bonferroni法和FDR法。前者較為嚴(yán)格，后者較為寬松。GWAS識(shí)別位點(diǎn)一般采用“寧缺毋濫”的原則，傾向于采用嚴(yán)格的校正方法。除此之外，研究者還要在多個(gè)獨(dú)立的人群中驗(yàn)證初篩的位點(diǎn)。如果位點(diǎn)在多個(gè)人群中都顯示與結(jié)局存在統(tǒng)計(jì)學(xué)關(guān)聯(lián)，則認(rèn)為該位點(diǎn)是潛在的影響因素。除基因位點(diǎn)主效應(yīng)外，研究者還需要關(guān)注基因-基因、基因-環(huán)境交互作用。復(fù)雜疾病往由環(huán)境、基因相互影響，共同導(dǎo)致。因此，有必要在模型中對(duì)交互作用進(jìn)行評(píng)估。例如，基因-環(huán)境交互作用可以顯著提高肺癌風(fēng)險(xiǎn)預(yù)測模型的預(yù)測精度[5]。有效的降維策略能夠提高因素篩選的效率。筆者曾采用“信息熵初篩對(duì)數(shù)線性模型再篩多因素lo-gistic回歸模型確認(rèn)”的降維策略進(jìn)行全基因組基因-基因交互作用分析[6]。信息熵方法計(jì)算速度快，且其統(tǒng)計(jì)量總是不小于對(duì)數(shù)線性模型，不會(huì)出現(xiàn)漏檢的情況。前兩步可以檢驗(yàn)次數(shù)將1011次縮減至105次。檢驗(yàn)次數(shù)降低6個(gè)數(shù)量級(jí)。最后一步，利用調(diào)整協(xié)變量的logistic回歸模型對(duì)關(guān)聯(lián)結(jié)果加以確認(rèn)，防止出現(xiàn)假陽性。當(dāng)然，研究者也可以根據(jù)項(xiàng)目“量體裁衣”，選擇其他降維方法，例如：隨機(jī)森林（randomforest）、多因子降維（multifactordimensionalityreduction，MDR）等。3.預(yù)測模型：經(jīng)過遺傳因素篩選步驟后，研究者可通逐步回歸、LASSO等方法，建立含有與協(xié)變量、遺傳位點(diǎn)的主效應(yīng)項(xiàng)、交互作用項(xiàng)的風(fēng)險(xiǎn)預(yù)測模型。根據(jù)受試者工作特征曲線（receiveroperatingcharacteristiccurve，ROC）確定一個(gè)風(fēng)險(xiǎn)閾值，使得風(fēng)險(xiǎn)預(yù)測的靈敏度、特異度同時(shí)達(dá)到最優(yōu)。若樣本的預(yù)測概率≥閾值，則預(yù)測該樣本為肺癌。4.模型評(píng)價(jià)：從統(tǒng)計(jì)學(xué)的角度，可采用ROC曲線下面積（areaunderROC，AUC）來評(píng)價(jià)模型的優(yōu)劣[7]。此外，還可以采用交叉驗(yàn)證的方式評(píng)價(jià)模型，即：訓(xùn)練集擬合的預(yù)測模型對(duì)測試集的樣本進(jìn)行風(fēng)險(xiǎn)估計(jì)，并計(jì)算AUC。然而，AUC并非衡量模型的唯一標(biāo)準(zhǔn)。如果預(yù)測模型形式簡單，應(yīng)用便捷，即便AUC稍有遜色，也是優(yōu)秀的模型之一。所以，筆者認(rèn)為需要綜合考慮，權(quán)衡利弊。

三、熟練的軟件操作和編程技能令人事半功倍

扎實(shí)的理論基礎(chǔ)固然重要，熟練的軟件操作亦不可或缺。筆者建議研究者不要拘泥于某一軟件，本著“方便原則”利用多個(gè)軟件進(jìn)行數(shù)據(jù)處理、統(tǒng)計(jì)建模。根據(jù)筆者的經(jīng)驗(yàn)，一般不太可能一次性完成建模工作，往往需要不斷調(diào)整分析策略和分析方法。因此，筆者建議研究者適當(dāng)撰寫一些項(xiàng)目相關(guān)的通用程序。如果需要重新建模，只需要修改程序參數(shù)，微調(diào)代碼就可以建立新的預(yù)測模型。因此，這就要求研究者“功在平時(shí)”以培養(yǎng)編程能力。基于肺癌GWAS風(fēng)險(xiǎn)預(yù)測模型的建模體會(huì)，筆者建議研究者需要重視數(shù)據(jù)質(zhì)量控制體系、推敲建模方法和策略、培養(yǎng)熟練軟件操作技能。

參考文獻(xiàn)：

[1]王波,呂筠,李立明.生物醫(yī)學(xué)大數(shù)據(jù):現(xiàn)狀與展望[J].中華流行病學(xué)雜志,2014,35(6):617-620.

[2]寧康,陳挺.生物醫(yī)學(xué)大數(shù)據(jù)的現(xiàn)狀與展望[J].科學(xué)通報(bào),2015,(z1):534-546.

[3]陳峰,柏建嶺,趙楊,荀鵬程.全基因組關(guān)聯(lián)研究中的統(tǒng)計(jì)分析方法[J].中華流行病學(xué)雜志,2011,32(4):400-404.

[4]ZhaoY,ChenF,ZhaiR,LinX,WangZ,SuL,ChristianiDC.Correctionforpopulationstratificationinrandomforestanalysis[J].InternationalJournalofEpidemiology,2012,41(6):1798-1806.

[5]ZhangR,ChuM,ZhaoY,WuC,GuoH,ShiY,DaiJ,WeiY,JinG,MaH,DongJ,YiH,BaiJ,GongJ,SunC,ZhuM,WuT,HuZ,LinD,ShenH,ChenF.Agenome-widegene-environmentinteractionanalysisfortobaccosmokeandlungcancersusceptibility[J].Carcinogenesis,2014,35(7):1528-1535.

[6]ChuM,ZhangR,ZhaoY,WuC,GuoH,ZhouB,LuJ,ShiY,DaiJ,JinG,MaH,DongJ,WeiY,WangC,GongJ,SunC,ZhuM,QiuY,WuT,HuZ,LinD,ShenH,ChenF.Agenome-widegene-geneinteractionanalysisidentifiesanepistaticgenepairforlungcancersusceptibilityinHanChinese[J].Carcinogenesis,2014,35(3):572-577.

統(tǒng)計(jì)學(xué)變量的分類范文第3篇

關(guān)鍵詞：精神分裂癥 認(rèn)知矯正治療 認(rèn)知缺陷 社會(huì)功能

一、對(duì)象和方法

（一）對(duì)象

來自2007年10月至2008年4月吉林省公安廳安康醫(yī)院的精神分裂癥恢復(fù)期患者，均在我院痊愈出院，按納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)選擇86例，其中男42例，女44例；平均年齡（32.38±9.79）歲；平均受教育年限（7.20±3.06）年；用藥劑量換算成氯丙嗪，平均劑量為（216±142）mg。入組標(biāo)準(zhǔn)：符合中國精神障礙分類與診斷標(biāo)準(zhǔn)第3版中精神分裂癥診斷標(biāo)準(zhǔn)；簡明精神病量表（BPRS）分值≤36；臨床總體印象量表（CGI）分值≤2為恢復(fù)期精神分裂癥患者；單一用藥者；住院最后年齡18～50歲；獲得受試者或監(jiān)護(hù)人的書面知情同意愿意參加神經(jīng)心理測驗(yàn)與認(rèn)知矯正治療。排除標(biāo)準(zhǔn)：患有嚴(yán)重軀體疾??；酒、藥物依賴；服藥依從性不良者；正在接受其他藥物（非抗精神病藥）、心理治療者；妊娠或哺乳期婦女。

（二）方法

應(yīng)用隨機(jī)表法將患者分為認(rèn)知矯正治療組（治療組）和對(duì)照組，各43例。兩組各有3例因病情波動(dòng)而脫落，最終80例患者進(jìn)入結(jié)果分析。采用Wykes等改編的神經(jīng)認(rèn)知矯正手冊（漢化）為治療工具，由經(jīng)過培訓(xùn)的治療師的指導(dǎo)下，對(duì)認(rèn)知矯正治療組患者進(jìn)行認(rèn)知作業(yè)練習(xí)，包括認(rèn)知靈活性、工作記憶、計(jì)劃執(zhí)行功能3大功能模塊。每周練習(xí)4次，每次45min，持續(xù)6個(gè)月。對(duì)照組予一般工娛活動(dòng)，主要包括音樂治療、個(gè)人生活技能訓(xùn)練和手工制作等。在治療前和治療6個(gè)月，兩組患者分別進(jìn)行社會(huì)功能缺陷篩選量表（SDSS）、BPRS、WCST量表評(píng)定。

（三）統(tǒng)計(jì)分析

所得數(shù)據(jù)輸入計(jì)算機(jī)，采用SAS統(tǒng)計(jì)軟件處理，治療前后采用配對(duì)t檢驗(yàn)，兩組間采用t檢驗(yàn)；以SDSS總分為應(yīng)變量，分別與WCST（自變量：X1正確反應(yīng)數(shù)、X2錯(cuò)誤應(yīng)答數(shù)、X3持續(xù)錯(cuò)誤反應(yīng)數(shù)、X4非持續(xù)錯(cuò)誤、X5分類數(shù)）進(jìn)行方差分析、多重線性回歸和相關(guān)分析。脫落病例不納入統(tǒng)計(jì)分析。

二、結(jié)果

（一）兩組治療前后BPRS評(píng)分比較

兩組患者治療前后BPRS總分差異均無統(tǒng)計(jì)學(xué)意義（P均＞0.05）。

（二）兩組治療前后SDSS評(píng)分比較

治療前后SDSS總分比較，對(duì)照組患者差異無統(tǒng)計(jì)學(xué)意義（P＞0.05），治療組患者治療后明顯下降（P＜0.05）；兩組間SDSS總分比較，治療前差異無統(tǒng)計(jì)學(xué)意義（P＞0.05），治療后治療組較對(duì)照組下降明顯（P＜0.05）。

（三）兩組治療前后認(rèn)知功能的比較

治療6個(gè)月后，治療組WCST中正確反應(yīng)數(shù)明顯增加，持續(xù)錯(cuò)誤反應(yīng)數(shù)明顯減少；對(duì)照組WCST中持續(xù)錯(cuò)誤反應(yīng)數(shù)明顯減少；治療前后兩組WCST各項(xiàng)評(píng)分差異均無統(tǒng)計(jì)學(xué)意義（P均＞0.05）。

（四）多元回歸分析

以治療前SDSS為應(yīng)變量，以治療前WCST各項(xiàng)指標(biāo)為自變量進(jìn)行逐步回歸分析，結(jié)果顯示：變量X1正確反應(yīng)數(shù)、X3持續(xù)錯(cuò)誤數(shù)、X5分類數(shù)進(jìn)入回歸方程。由標(biāo)準(zhǔn)偏回歸系數(shù)的絕對(duì)值大小排序依此為X3＞X1＞X5。對(duì)回歸模型進(jìn)行方差分析顯示F=36.84，P＜0.001，說明WCST與SDSS所擬合的回歸方程具有統(tǒng)計(jì)學(xué)意義。以治療后SDSS為應(yīng)變量，以治療后WCSTX1、X2、X3、X4和X5為自變量進(jìn)行逐步回歸分析，結(jié)果顯示：變量X3持續(xù)錯(cuò)誤反應(yīng)數(shù)進(jìn)入回歸方程。對(duì)回歸模型進(jìn)行方差分析顯示F=58.89，P＜0.001，說明WCST與SDSS所擬合的回歸方程具有統(tǒng)計(jì)學(xué)意義。

三、討論

國外研究普遍認(rèn)為精神分裂癥患者的個(gè)人生活技能、社會(huì)交往、職業(yè)能力、婚姻家庭等社會(huì)功能常有明顯下降，且與患者認(rèn)識(shí)缺陷有關(guān)。認(rèn)知矯正治療能夠改善精神分裂癥患者的認(rèn)知功能和社會(huì)功能，故研究他們之間的關(guān)系具有重要意義。

本研究顯示，恢復(fù)期精神分裂癥患者經(jīng)過6個(gè)月的認(rèn)知功能矯正治療，患者的精神癥狀無明顯變化，而認(rèn)知功能與社會(huì)功能則有明顯改善，這與目前觀點(diǎn)認(rèn)為精神癥狀與認(rèn)知缺陷是兩個(gè)獨(dú)立的癥狀群相符。本研究采用WCST對(duì)精神分裂癥恢復(fù)期患者的認(rèn)知功能作綜合評(píng)定，SDSS總分與WCST的多元回歸分析顯示，認(rèn)知功能與社會(huì)功能的改善有明顯相關(guān)性，這與McGurk等的研究相符，其中WCST中持續(xù)錯(cuò)誤反應(yīng)數(shù)最具指標(biāo)意義。提示認(rèn)知功能的恢復(fù)水平可能影響著患者社會(huì)功能的改善程度。由于本研究樣本較小，且社會(huì)功能的影響因素較多等，本研究結(jié)果能否較好的反映出精神分裂癥患者認(rèn)知功能與社會(huì)功能的變化關(guān)系并作為預(yù)測指標(biāo)，尚有待進(jìn)一步的研究澄清。

綜上所述，本研究顯示認(rèn)知矯正治療能明顯改善精神分裂癥患者認(rèn)知缺陷和社會(huì)功能。精神分裂癥患者認(rèn)知缺陷的恢復(fù)水平影響著患者社會(huì)功能的改善程度，并有可能成為一項(xiàng)預(yù)測指標(biāo)。促進(jìn)精神分裂癥患者認(rèn)知功能的恢復(fù)，將為患者最終回歸社會(huì)帶來希望，值得深入探索。

參考文獻(xiàn)：

［1］Medalia A，Lim R.Treatment of cognitive dysfunction in Psychiatric Disorders［J］.Journal of Psychiatric Practice，2004，10：17-25.

統(tǒng)計(jì)學(xué)變量的分類范文第4篇

關(guān)鍵詞：兒童 免疫接種 滿意度

Doi：10.3969/j.issn.1671-8801.2014.02.523

【中圖分類號(hào)】R-1 【文獻(xiàn)標(biāo)識(shí)碼】B 【文章編號(hào)】1671-8801（2014）02-0352-02

社會(huì)經(jīng)濟(jì)水平不斷發(fā)展，人們的生活水平不斷提高，公眾對(duì)健康意識(shí)也在不斷加強(qiáng)，家長對(duì)兒童免疫接種門診服務(wù)需求已由疾病的預(yù)防轉(zhuǎn)向預(yù)防接種的安全性問題。加強(qiáng)和改進(jìn)兒童免疫接種工作，完善醫(yī)療服務(wù)體系，提高服務(wù)水平和服務(wù)質(zhì)量是鳳山縣兒童免疫接種門診工作的重要課題，家長對(duì)兒童免疫接種門診服務(wù)的滿意度是反映醫(yī)療水平和服務(wù)質(zhì)量的直接指標(biāo)[1]。為了解家長對(duì)兒童免疫接種門診服務(wù)滿意度，探究影響工作質(zhì)量的關(guān)鍵因素及薄弱環(huán)節(jié)，于2013年9月對(duì)鳳山縣兒童家長進(jìn)行問卷調(diào)查，現(xiàn)報(bào)道如下：

1 資料與方法

1.1 一般資料。根據(jù)鳳山縣各兒童免疫接種門診的建設(shè)等級(jí)，采用分層隨機(jī)抽樣的方法，對(duì)鳳山縣各社區(qū)650名兒童家長進(jìn)行問卷調(diào)查，獲得有效問卷565份，有效率為86.92%。

1.2 方法。自行設(shè)計(jì)問卷調(diào)查表，調(diào)查內(nèi)容包括：接種門診環(huán)境衛(wèi)生狀況、對(duì)醫(yī)護(hù)人員的技術(shù)水平、醫(yī)護(hù)人員對(duì)家長問題回答的情況、對(duì)疫苗相關(guān)知識(shí)的介紹、通知接種疫苗的方式、接種前的查體、打完疫苗對(duì)注意事項(xiàng)的告知情況、兒童家長對(duì)接種門診位置的便捷程度、接種門診的醫(yī)護(hù)人員對(duì)家長或兒童的熟悉程度等九項(xiàng)內(nèi)容。

1.3 統(tǒng)計(jì)分析。采用 Epidata3.1建立數(shù)據(jù)庫進(jìn)行數(shù)據(jù)錄入，采用SPSS12.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。對(duì)接種門診工作情況的滿意度用率表示，運(yùn)用多分類有序反應(yīng)變量 Logistic回歸分析滿意度的主要影響因素。

2 結(jié)果

2.1 家長對(duì)兒童免疫接種門診服務(wù)滿意度。調(diào)查顯示，有69.2%的家長對(duì)該地區(qū)免疫接種門診離家庭距離的設(shè)置表示滿意，有54.9%的家長對(duì)接種門診的衛(wèi)生狀況感到滿意，有47.8%的家長對(duì)醫(yī)生和護(hù)士的技術(shù)水平表示比較滿意，有50.9%的家長對(duì)醫(yī)護(hù)人員對(duì)兒童的熟悉程度表示不滿意，有32.2%的家長對(duì)接種前的健康檢查表示不滿意，具體數(shù)據(jù)分析見下表1所示：

表1 家長對(duì)兒童免疫接種門診服務(wù)滿意度（%）

2.2 家長主觀滿意度影響因素分析。調(diào)查顯示，有63.8%的家長對(duì)接種門診的工作總體評(píng)價(jià)比較滿意，35.4%表示一般，6.1%表示不太滿意。以被調(diào)查者主觀總滿意程度為應(yīng)變量，以預(yù)設(shè)影響計(jì)劃免疫服務(wù)滿意度的9種因素為自變量以進(jìn)行多分類有序反應(yīng)變量Logistic回歸分析，影響主觀滿意度的變量從大到小依次為：接種門診的衛(wèi)生狀況（OR=2.81）、醫(yī)護(hù)人員的技術(shù)水平（OR=2.59）、醫(yī)護(hù)人員回答家長問題的情況（OR=2.23）、對(duì)疫苗相關(guān)知識(shí)的介紹（OR=1.74）、通知接種疫苗的方式（OR=1.66）、接種前的查體（OR=1.58）、打完疫苗對(duì)注意事項(xiàng)的告之情況（OR=1.51）。其中接種點(diǎn)設(shè)置的距離和醫(yī)患熟悉程度兩項(xiàng)因素?zé)o統(tǒng)計(jì)學(xué)意義（P>0.05），其它因素?cái)?shù)據(jù)差異均有統(tǒng)計(jì)學(xué)意義。

3 結(jié)論

服務(wù)對(duì)象對(duì)醫(yī)療服務(wù)的滿意度調(diào)查是反映醫(yī)療服務(wù)質(zhì)量的重要指標(biāo)，也是反映醫(yī)療管理效果的最有效方式之一，現(xiàn)已經(jīng)在商業(yè)服務(wù)和臨床醫(yī)療服務(wù)領(lǐng)域得到廣泛的應(yīng)用[2]。隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展以及人們生活水平的不斷提高，公共衛(wèi)生服務(wù)體系越來越重視醫(yī)療水平和服務(wù)質(zhì)量的提高，也越來越多對(duì)服務(wù)對(duì)象滿意度展開調(diào)查，進(jìn)而探究影響工作質(zhì)量的關(guān)鍵因素及薄弱環(huán)節(jié)，為進(jìn)一步改善醫(yī)療服務(wù)質(zhì)量和提高醫(yī)療服務(wù)水平提出依據(jù)[3]。本次調(diào)查鳳山縣兒童免疫接種服務(wù)滿意度的直接服務(wù)對(duì)象是兒童，由于兒童對(duì)其接受服務(wù)的效果質(zhì)量不能做出有效評(píng)價(jià)，因此，本調(diào)查以兒童家長為調(diào)查對(duì)象展開調(diào)查以了解目前鳳山目前兒童免疫接種的服務(wù)質(zhì)量。

本次調(diào)查顯示，家長對(duì)鳳山縣兒童免疫接種服務(wù)綜合滿意度較高，在調(diào)查九條項(xiàng)目中，家長對(duì)該地區(qū)免疫接種門診離家庭距離的設(shè)置、接種門診的衛(wèi)生狀況以及醫(yī)生和護(hù)士的技術(shù)水平滿意度比較高，而對(duì)醫(yī)護(hù)人員和兒童的熟悉程度以及接種前的健康檢查表示不滿意，而經(jīng)多分類有序反應(yīng)變量Logistic回歸分析顯示，影響家長主觀滿意度的因素有：接種門診環(huán)境衛(wèi)生狀況、對(duì)醫(yī)護(hù)人員的技術(shù)水平、醫(yī)護(hù)人員對(duì)家長問題回答的情況、對(duì)疫苗相關(guān)知識(shí)的介紹、通知接種疫苗的方式、接種前的查體、打完疫苗對(duì)注意事項(xiàng)的告知情況，并且影響家長主觀滿意度各因素經(jīng)統(tǒng)計(jì)學(xué)處理均有統(tǒng)計(jì)學(xué)意義（P0.05），其它因素?cái)?shù)據(jù)差異均有統(tǒng)計(jì)學(xué)意義。由以上數(shù)據(jù)顯示可以說明，影響兒童家長滿意度不僅與醫(yī)療技術(shù)水平、服務(wù)方式、服務(wù)質(zhì)量等情況有關(guān)，而且與醫(yī)療衛(wèi)生環(huán)境、心理狀態(tài)等情況相關(guān)。

目前，兒童免疫接種門診醫(yī)護(hù)人員注重醫(yī)療技術(shù)水平、服務(wù)方式以及服務(wù)質(zhì)量的提高，然而醫(yī)護(hù)人員忽視對(duì)服務(wù)對(duì)象的人文關(guān)懷，忽視醫(yī)護(hù)人員與兒童家長間的交流[4]。醫(yī)護(hù)人員與家長的交流可以使家長獲取更多的有關(guān)疫苗預(yù)防疾病的知識(shí)、有關(guān)接種的禁忌癥以及有關(guān)接種后發(fā)生副反應(yīng)的有效處理方法等，從而有效的滿足家長對(duì)兒童免疫接種的服務(wù)需求，提高家長對(duì)兒童免疫接種的滿意度。

綜上所述，隨著規(guī)范化兒童免疫接種門診建設(shè)的不斷推進(jìn)，鳳山縣兒童免疫接種門診已基本達(dá)到規(guī)范化標(biāo)準(zhǔn)，家長對(duì)兒童免疫接種門診的滿意度較高。但隨著經(jīng)濟(jì)的發(fā)展和公眾健康意識(shí)的不斷加強(qiáng)，家長對(duì)兒童免疫接種的服務(wù)需求層次也在提高，除標(biāo)準(zhǔn)操作流程外，家長希望得到人性化的服務(wù)設(shè)施[5]。兒童免疫接種門診的醫(yī)護(hù)人員要充分認(rèn)識(shí)到服務(wù)對(duì)象的現(xiàn)實(shí)需求以及感知、理解能力，對(duì)兒童免疫接種工作進(jìn)行針對(duì)性開展，使兒童免疫接種門診服務(wù)實(shí)現(xiàn)疾病的預(yù)防向預(yù)防接種的安全性的轉(zhuǎn)變，提高家長對(duì)兒童免疫接種門診的滿意度，進(jìn)而提高兒童家長主動(dòng)帶孩子接種疫苗的積極性和各類疫苗的接種率，更有效地控制和減少各種傳染病的傳播。

參考文獻(xiàn)

[1] 張，王文軍，李晶，陳廷，劉琥，宋燁.濟(jì)寧市兒童計(jì)劃免疫接種門診服務(wù)滿意度調(diào)查[J].中國公共衛(wèi)生，2009，10（03）：1195-1196

[2] 張小芳.太原市西山礦區(qū)計(jì)劃免疫接種門診服務(wù)滿意度調(diào)查與分析[J].醫(yī)學(xué)信息（上旬刊），2010，11（10）：3989-3990

[3] 唐申，韋巧燕，陳建鋒，董妃興.兒童家長預(yù)防接種知識(shí)知曉情況現(xiàn)狀分析[J].中國現(xiàn)代醫(yī)藥雜志，2012，10（03）：58-60

統(tǒng)計(jì)學(xué)變量的分類范文第5篇

關(guān)鍵詞：多元統(tǒng)計(jì)分析；主成分分析；聚類分析

科學(xué)研究是一個(gè)反復(fù)學(xué)習(xí)的過程，無論是研究自然現(xiàn)象還是社會(huì)現(xiàn)象，人們往往以解釋某種現(xiàn)象或者預(yù)測某種變化趨勢作為目標(biāo)，然后通過收集數(shù)據(jù)并分析數(shù)據(jù)對(duì)這些目標(biāo)進(jìn)行檢驗(yàn)，通常還會(huì)對(duì)所研究的現(xiàn)象提出一個(gè)改進(jìn)的解釋.在這個(gè)過程個(gè)，常常需要同時(shí)觀測多個(gè)指標(biāo)，例如，要衡量一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r，需要觀測的指標(biāo)有：總產(chǎn)值、利潤、效益、勞動(dòng)生產(chǎn)率、萬元產(chǎn)值能耗、固定資產(chǎn)、流動(dòng)資金周轉(zhuǎn)率、物價(jià)、信貸、稅收等等；在醫(yī)學(xué)診斷中，要判斷某人是否患病，也需要做多項(xiàng)指標(biāo)的體檢，如：血壓、脈搏跳動(dòng)次數(shù)、白血球、體溫等等.保這樣需要處理多個(gè)變量的觀測數(shù)據(jù)的情況，如何進(jìn)行有效的分析和研究呢?如果用一元統(tǒng)計(jì)方法，則必須把多個(gè)變量分開分析，一次處理一個(gè)變量，這樣做有時(shí)候也許比較方便有效，但由于這種方法忽視了諸多變量間可能存在的相關(guān)性。因此，一般會(huì)丟失很多信息，另一種方法就是多元統(tǒng)計(jì)方法，它同時(shí)對(duì)多個(gè)變量的觀測數(shù)據(jù)進(jìn)行分析，這樣的分析對(duì)諳各變量之間的關(guān)系、相依性和相對(duì)重要性都能提供有用信息。

一、多元統(tǒng)計(jì)分析研究的主要內(nèi)容

在當(dāng)前科技和經(jīng)濟(jì)迅速發(fā)展的今天，在國民經(jīng)濟(jì)許多領(lǐng)域中，特別是對(duì)社會(huì)現(xiàn)象的分析，只停留在定性分析的基礎(chǔ)上是不夠的，為提高科學(xué)性、可靠性，通常需要定性和定量的分析。如果說一元統(tǒng)計(jì)方法是研究一個(gè)隨機(jī)變量統(tǒng)計(jì)科學(xué)的規(guī)律，那么多元統(tǒng)計(jì)分析方法是研究多個(gè)隨機(jī)變量之間相互依賴關(guān)系以及內(nèi)在統(tǒng)計(jì)規(guī)律性的一門統(tǒng)計(jì)學(xué)科。同時(shí)，利用多遠(yuǎn)統(tǒng)計(jì)分析中不同的方法可以對(duì)研究對(duì)象進(jìn)行分析和簡化。多元統(tǒng)計(jì)分析包括的主要內(nèi)容有：聚類分析、判別分析、主成分分析、因子分析對(duì)應(yīng)分析、典型相關(guān)分析等。

二、多元統(tǒng)計(jì)分析方法在企業(yè)中的應(yīng)用

在這里，重點(diǎn)研究聚類分析、判別分析、主成分分析、因子分析方法及其在企業(yè)中的應(yīng)用。

1.聚類分析。隨著生產(chǎn)技術(shù)和科學(xué)的發(fā)展，人類的認(rèn)識(shí)不斷加深，分類越來越細(xì)，要求也越來越高，光憑經(jīng)驗(yàn)和專業(yè)知識(shí)是不能確切分類的，往往需要定量和定性的分析結(jié)合起來去分類，于是數(shù)學(xué)工具逐漸被引進(jìn)分類學(xué)中，形成了數(shù)值分類學(xué)。后來隨著多元分析的引進(jìn)，聚類分析逐漸從數(shù)值分類學(xué)中脫離出來形成一個(gè)相對(duì)獨(dú)立的分支。

在企業(yè)銷售領(lǐng)域，銷售商需要考慮對(duì)不同生產(chǎn)企業(yè)生產(chǎn)的同名稱商品的分類問題。例如，某商場對(duì)銷售20種啤酒進(jìn)行分類，以便對(duì)不同的類別的啤酒采用不同的銷售策略，變量包括啤酒名稱、熱量卡路里、鈉含量、酒精含量、價(jià)格。根據(jù)以上指標(biāo)，利用聚類分析可以實(shí)現(xiàn)把同一類型的啤酒企業(yè)歸到同一類別。再如商業(yè)企業(yè)制定商品銷售價(jià)格時(shí)，需要對(duì)某個(gè)大城市的物價(jià)指數(shù)進(jìn)行考察，而物價(jià)指數(shù)很多，有農(nóng)用生產(chǎn)物價(jià)指數(shù)、服務(wù)項(xiàng)目物價(jià)指數(shù)、食品消費(fèi)物價(jià)指數(shù)、零售價(jià)格指數(shù)等，因而要先對(duì)這些價(jià)格指數(shù)利用聚類分析方法進(jìn)行分析。

2.判別分析。在生產(chǎn)、科研和日常生活中經(jīng)常需要根據(jù)觀測到的數(shù)據(jù)資料，對(duì)所研究的對(duì)象進(jìn)行分類。判別分析是判斷樣品所屬類型的一種多元統(tǒng)計(jì)分析方法，其目的是對(duì)已知分類的數(shù)據(jù)建立由數(shù)值指標(biāo)構(gòu)成的分類規(guī)則，然后把這樣的規(guī)則應(yīng)用到未知分類的樣本中去分類。

在聚類分析中，某商場對(duì)銷售的20種啤酒進(jìn)行分類，假定分類結(jié)構(gòu)為一級(jí)品、二級(jí)品和三級(jí)品，現(xiàn)在判斷新商標(biāo)的啤酒屬于哪個(gè)級(jí)別的產(chǎn)品就需要用判別分析。

3.主成分分析是一種常用的多元統(tǒng)計(jì)分析方法，相對(duì)于其他統(tǒng)計(jì)學(xué)方法，更強(qiáng)調(diào)用數(shù)據(jù)本身來指導(dǎo)分析過程，而不是依賴事先給定的某些假設(shè)。主要目的是希望用較少的變量解釋原始資料中的大部份變異，期望能將許多相關(guān)性很高的變量轉(zhuǎn)化成彼此互相獨(dú)立的變量，從中選取較原始變量個(gè)數(shù)少且能解釋大部份資料中變異的幾個(gè)新變量(降低原始變量的維數(shù))，也就是所謂的主成分，而這幾個(gè)主成分也就成為用來解釋資料的綜合性指標(biāo)。