时间：2023-07-09 09:01:31
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇统计学变量类型，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
【关键词】统计学DCOVA框架统计方法教学
一、引言
数据对于当今天的商务活动具有重大的意义。数据是关于这个世界的事实，它能够说明问题、提示事实、隐含规律。一些商业机构正是通过“挖掘”数据来发现事物之间的关联性，并从中获取利润。如果人们躲避数据，就可能由于盲目接受他人对数据的概括总结而上当受骗，也可能完全依赖“感觉”来做决策，从而不利于做出正确的决策。因此，作为一门研究如何处理和分析数据的课程——统计学越来越受到各方重视。在高校中，绝大部分商科专业把统计学或商务统计作为专业必修课列入到人才培养方案中。如何学好、用好统计学成为当前许多人需要迫切解决的一个问题。美国著名的统计学家莱文（Levine）等在其撰写的统计学教科书中首次提出了DCOVA框架，用于指导学生或相关从业者如何有效学习和使用统计学。
二、基本术语
统计学是把数据转化为信息用于决策的方法或工具。例如，为了研究青年人喜欢网上购物的主要原因，可以通过调查来收集原始数据，再制作总结表来整理数据从中获得数据中隐藏的有用信息（最主要的原因是网上购物价格便宜），最后根据所获得的信息进行决策，即网店价格要比实体店便宜才能吸引青年消费者。从调查数据到总表结，就是把数据转化为信息的方法。统计方法是把数据转化信息的方法，包括统计描述方法和统计推断方法。统计描述方法主要包括收集、整理、可视化和概括数据；统计推断方法是指用样本数据得出总体结论，包括对总体参数的置信区间估计和假设检验。为了学习和使用统计学的方法，可以应用DCOVA框架。DCOVA框架包括定义数据（D）、收集数据（C）、整理数据（O）、可视化数据（V）和分析数据（A）等5个阶段（图1）。例如，为了研究一所高校学生的努力学习程度，根据DCOVA框架，首要定义数据，即找什么样的数据能够代表学生的努力学习程度，为此需要对努力学习程度开发一个可操作定义，比如用每天平均学习时长（小时）来代表一个学生的努力学习程度。其次要收集数据，可以通过问卷调查的形式收集数据。再次是整理和可视化数据，比如制作频数分布表来整理数据，从而可以查看学习时长的分布情况，制作直方图来可视化学习时长数据，从而直观形象地显现数据的分布特征，从中判断学习时长是否服从正态分布等。最后是分析数据，比如可以分析不同专业、不同性别、不同年级的学生每天学习时长均值的差异，或者估计全校学生每天平均学习时长等。DCOVA框架较好地囊括了统计学教学中主要的知识体系。
三、定义数据（D）
定义数据主要是解释收集什么数据的问题，它与一项研究的目的及其所涉及的变量相关。研究目标决定研究中所涉及的变量，相关变量决定需要收集的数据（图2）。在上述的例子中，研究目标是“研究一所高校学生的努力学习程度”，其中“努力学习程度”就是研究中需要涉及的变量。由于该变量没有直接的数据对应，需要开发一个相应的可操作定义——如每天平均学习时长，最后去收集学生每天平均学习时长的数据。
可操作定义指对所有与该分析相关的人而言很显明是普遍接受的定义，是对某个抽象变量的一种清晰、精确的表述，是对该变量意义的共同理解。努力学习程度是一个抽象变量，在收集數据时会遇到麻烦，因此需要一个可操作定义。每天平均学习时长可以作为努力学习程度的一个可操作定义，因为大家普遍认为一名学生在学习上花费的时间越多，说明该生学生越努力，并有每天平均学习时长是一种清晰、精确的表述，从而方便研究者收集相关的数据。
定义数据还包括确定所需数据的类型。数据是变量的取值，变量类型与其所对的数据类型一致。变量可以分为属性变量（如性别）和数值变量，数值变量又进一步区分为离散数值变量（如家庭人数）和连续数值变量（如身高）。相应的，数据可以分为属性数据（如男、女）和数值数据，数值数据又进一步区分为离散数值数据（如2人、3人）和连续数值数据（如1.75m、1.68m）。在SPSS中，变量的测量尺度（类型）分为名义（图标为三个小圈）和有序（图标为阶梯），这两类都属于属性数据；还有一类为标度（图标为尺子），这类属于数值数据。
四、收集数据（C）
在明确了需要什么数据的前提下，就需要进入收集数据阶段。收集数据（C）主要是解决数据的来源问题。数据的来源有原始数据来源和二手数据来源。原始数据来源主要通过调查、观察和实验获得数据；二手数据来源主要是指其他组织或个人已公布的数据。由于获得原始数据比较麻烦，所以二手数据是首选的数据来源。
在经济管理研究领域，原始数据来源主要依靠调查。由普查涉及面广、成本高、耗时长和难度大，所以一般不常用，对许多研究者来说，主要通过抽样调查来获得原始数据。因此，如何抽样就成了一个无法逃避的问题。调查数据的质量直接影响研究的价值，如果数据本身严重存在错误、偏见，不管采用什么数据分析方法，都很难得出可信的分析结果。为了从一种总体中找到一个样本，并对样本采集数据，首先要做的工作是抽样。不同的抽样方法生成不同的样本类型，如简单随机抽样方法生产简单随机样本，抽样方法与形成的样本类型一致。抽样方法分为非概率抽样和概率抽样两大类。非概率抽样包括便利抽样和判断抽样，其优点是便利、快速、低成本，可以用于前期或试探性分析，其缺点是样本的代表性一般较差，不能用于统计推断。概率抽样包括简单随机抽样、系统抽样、分层抽样和群抽样，其中简单随机抽样和系统抽样的优点是简单易行，但无法保证样本的代表性；分层抽样过程比较繁琐，但能够确保样本的代表性，并能对每个层进行分析，得出每层的结果；群抽样的优点是调查成本低，但有效性相对较差，需要增加样本容量才能达到其他抽样方法的效果。
五、整理数据（O）和可视化数据（V）
有了数据之后，就可以进入数据的整理和可视化阶段了。不同的数据类型分别有不同的整理和可视化方法。整理数据主要用到表格，可视化数据主要是用图形。对于属性数据，可以用总结表、交叉表进行整理，用条形图、饼图、帕累托图、对比条形图等工具进行可视化。对于数值数据，可以用频数分布表进行整理，用茎叶图、直方图、折线图、箱线图、散点图等工具进行可视化。从对数据的整理和可视化的工作中，可以获得数据的描述性信息。
摘要：利用哈尔滨市952个城市居民样本数据，选择13个因素作为识别生态消费行为的基础变量，运用因子分析方法考察消费者行为的维度结构，结果表明生态消费者进行消费时不仅关注环境，而且还关注消费对自身的影响；根据不同个体的消费习惯与个体特征之间的差异性，采用聚类分析方法对总样本进行分析，将其分为坚定型生态消费者、主流型生态消费者、偶尔型生态消费者和非生态消费者四类，并在此基础上分别从人口统计学特征、社会和环境价值观、心理学特征3个方面分析了不同类型生态消费者的行为特征。
关键词：生态消费；城市居民；识别
中图分类号：F713.55文献标识码：A文章编号：1001-8409（2013）01-0074-06
“生态消费”作为可持续消费、绿色消费、适度消费等术语的同义语，其所倡导的理念及行动准则已成为包括我国在内的世界各国和地区的核心政策目标，而实现这一目标在实践上的具体要求就是提高居民的生态消费水平。寻找一个真正有效的提高生态消费水平的办法，首先要做的基础工作是将消费者进行识别分类，研究哪些消费者更趋向于进行生态消费，并对各类消费者的社会人口统计学特征、心理学特征、社会价值观和环境价值观、家庭内部生活习惯等各方面特征加以对比分析，找出其差异性，才能有针对性地提出对策建议，有效地提高居民生态消费的整体水平。
一、文献回顾
学术界对生态消费的关注源于对环境主义者消费模式的研究，这一领域的研究主要是从消费者的环境和社会价值观、社会人口统计学特征及心理学变量等方面因素对消费模式的影响展开的[1，2]。长期以来，国内外许多学者从社会人口统计学特征对生态消费行为做过大量的研究，包括年龄、性别、收入、教育、职业等变量[3～5]。尽管研究所得出的结论不同，但社会人口统计学特征却是研究并识别生态消费者的重要变量之一[6]。已有的研究多侧重于对消费者生态消费行为的影响因素进行实证研究，而鲜有对生态消费者的识别及其特征进行系统研究。本文研究的主题是城市居民生态消费者的识别。利用对哈尔滨市居民的问卷调查获得的数据，本文分3个步骤开展研究：第一步，通过因子分析确定生态消费行为识别的依据；第二步，通过聚类分析对消费者进行分类并识别生态消费者；第三步，分别从社会人口统计学特征、社会和环境价值观、心理学特征3个方面分析不同类型消费者的特征。
二、数据来源
本文的数据来自于对哈尔滨市居民的问卷调查，调查时间是2009年5月。调查人员在哈尔滨中心城区（包括南岗区、道里区、香坊区和道外区）的百货商店、超市、建材市场、居民小区等人流密集区对单个消费者随机发放调查问卷，共发放调查问卷1000份，全部收回后获得有效问卷952份，问卷有效率为95.2%。
本次调查的问卷包含47个问题，涉及到社会人口统计学变量，被调查者的社会价值观、环境价值观、心理学因素、购买行为和习惯等一系列因素。通过对这些问题的分析，找出造成消费者生态消费水平差异的因素。
三、研究结果
关键词： 老年人；肺炎疫苗；影响因素中图分类号： R 563.1文献标识码：A
上海是我国老年人口比例最高，人口老龄化发展速度较快的城市，早在1978年就跨入了老年型结构城市，与此相应的老年性疾病的预防与控制越来越受到社会的重视。肺炎球菌是引发肺炎、脑膜炎和中耳炎的主要病因，由于肺炎球菌对抗菌药物的耐药性增加，以及耐药菌株在世界范围内的传播，除使用疫苗预防外，目前尚无其他有效的公共干预措施［1］。上海市从1998年开始使用23价肺炎球菌疫苗（肺炎疫苗），但至今老年人群的接种率仍然很低。为做好老年人群中肺炎疫苗的接种工作，我们对长宁区社区老年人接种肺炎疫苗的影响因素进行了调查分析。
1对象与方法
1.1对象
以2004年1月1日至2005年12月31日在长宁区9个免疫门诊接种过肺炎疫苗的≥60岁老年人为接种组调查对象。共登记接种肺炎疫苗的老年人122人，实际调查100人，失访的主要原因为已搬迁、地址有误等。
以长宁区社区未接种过肺炎疫苗的≥60岁老年人为未接种组调查对象。2005年长宁区辖196个居委，依据按容量比例概率抽样（PPS抽样）的方法，根据每个居委老年人数的比例，抽取20个居委，每个居委调查20名老年人，共计400名老年人。
1.2方法
根据知情同意原则，由统一培训的调查员采用自拟的《老年人群肺炎疫苗知晓及接种情况调查表》入户调查，调查内容包括老年人一般情况、健康状况、对肺炎疫苗的认知、态度和利用等。
1.3统计分析
用Epidata 3.1建立数据库录入调查表数据，用SPSS 11.5进行χ2检验、方差分析和多因素Logistic回归分析。
2结果
2.1基本情况
2.1.1性别年龄接种组100名老年人中，男41名（41.0%），女59名（59.0%）；未接种组400名老年人中，男163名（40.8%），女237名（59.2%），两组性别之间差异无统计学意义（χ2＝0.002，P>0.05）。
所有被调查的老年人年龄为60～92岁，接种组平均年龄为（72.62±7.97）岁，未接种组平均年龄为（72.53±6.90）岁，两组年龄之间差异无统计学意义（F＝0.01，P>0.05）。
2.1.2文化程度接种组文化程度以大专及以上（42.0%）、高中（24.0%）和初中（16.0%）为主，未接种组文化程度以初中（23.8%）、文盲半文盲（23.3%）和高中（19.3%）为主，两组文化程度之间的差异有统计学意义（χ2=43.13，P
2.1.3目前或退休前职业接种组职业以工人（25.0%）、科技人员（16.0%）和教育（12.0%）为主，未接种组职业以工人（55.5%）、企业管理人员（11.3%）和教育（6.5%）为主，两组职业之间的差异有统计学意义（χ2=54.97，P
2.1.4家庭类型两组老年人的家庭类型均以“和老伴生活在一起”为主，其次为“和子女或儿孙生活在一起”，“独居”和“其他类型”的构成比最小，两组家庭类型之间的差异无统计学意义（2.1.5家庭人均月收入接种组老年人家庭人均月收入≥1 000元的占91.0%，而未接种组为46.8%，两组家庭人均月收入之间的差异有统计学意义（2.2肺炎疫苗接种影响因素的多因素Logistic回归分析
以是否接种肺炎疫苗为应变量，以问卷中设计的10个影响因素为自变量，进行多因素Logistic逐步回归(变量进入方程的概率α= 0.05，变量从方程中剔除的概率β= 0. 1) 。应变量赋值情况：未接种肺炎疫苗为0；接种肺炎疫苗为1，自变量设置取值为“0、1”的哑变量。
影响老年人肺炎疫苗接种的因素按影响大小依次为是否接种过流感疫苗、是否患过肺炎或老慢支等呼吸系统疾病、家庭人均月收入、3个有关肺炎疫苗认知的问题和是否患有其他慢性病（表1）。
2.3未接种组老年人肺炎疫苗未种原因分析
在被问及“肺炎疫苗未种原因”时，400名未接种组老年人未种原因及构成比（%）依次为：不知道有这种疫苗的192人次（40.9%），目前不需要接种疫苗的172人次（36.7%），认为疫苗价格太贵了，不能承受的73人次（15.6%），不知道在哪里接种疫苗的14人次（3.0%），有禁忌证不能接种的7人次（1.5%），其他原因11人次（2.3%）。
3讨论
长宁区生命统计数据显示，2002―2004年，本区60岁及以上老年人的死因中分别有14.3%、14.8%和17.8%与肺炎有关，但是我区及上海市老年人群每年肺炎疫苗的接种率都不到1%。国外有研究结果表明，医务人员是影响肺炎疫苗接种的重要因素。Tammy等［2］总结1981―2000年有关肺炎球菌多糖疫苗的文献后发现，对医生而言，难于确定这种疫苗的作用，也缺乏有关疫苗重复接种的知识，是影响疫苗使用的主要因素；对病人而言，不知道有这种疫苗，医生没有告知这种疫苗是主要的影响因素。Nichol等［3］对1 874名医师进行了肺炎球菌疫苗的应用知识和态度的调查，发现多数医师缺乏对该疫苗重要性的认识，青霉素能有效控制肺炎球菌性疾病的观念仍普遍存在，而且许多国家并没有把肺炎疫苗作为公费医疗报销范畴成为影响肺炎疫苗接种的主要因素。
本研究显示，社区老年人接种肺炎疫苗受多个因素的影响。接种过流感疫苗的老年人可能会更多地从医护人员处了解到肺炎疫苗或受到医护人员的推荐而接种肺炎疫苗。在本次调查中也发现，接种组老年人有50%是从医务人员的途径获知肺炎疫苗的，医务人员对老年人接种疫苗起着至关重要的作用。
患过肺炎、老慢支等呼吸系统疾病的老年人可能更关注呼吸道疾病的预防而倾向于接种肺炎疫苗，目前尚患有其他慢性病如高血压、糖尿病与接种肺炎疫苗呈负相关，这部分老年人可能更关注于对其他慢性病的预防，或更多的医疗费用投入到其他慢性病的控制而不愿意接种肺炎疫苗。
由于目前上海市提供的进口肺炎疫苗的价格是进口流感疫苗的近3倍，且未纳入医保范围，因此家庭收入水平成为影响肺炎疫苗接种的因素之一。
对肺炎及肺炎疫苗的认知情况也是影响肺炎疫苗接种的重要因素。那些认为肺炎是老年人的一种常见病或认为目前的抗生素并不能有效根治肺炎、老慢支等的反复发作的老年人更倾向于接种肺炎疫苗来预防呼吸系统疾病。认为“儿童才需要打疫苗，包括肺炎疫苗，年纪大的人不需要接种疫苗”的老年人也不愿意接种肺炎疫苗。
文化程度、职业和家庭类型与老年人接种肺炎疫苗没有相关性，可能原因为这些因素尚未对老年人发生肺炎、老慢支等呼吸系统疾病构成显著影响，或者这些因素对提高老年人肺炎疫苗的认知没有显著影响。
[关键词]教师职业倦怠 人口统计学变量 个性因素 组织因素
[中图分类号] G451 [文献标识码] A [文章编号] 2095-3437（2013）15-0027-03
教师职业倦怠是教育研究中值得关注的一个问题。“教师是一个高压力的职业，社会赋予教师的高度期望、繁重的工作量、学生行为问题、学生考试成绩和课程与教学改革等都是教师压力的主要来源。”[1]“过高的工作压力和职业倦怠会导致教师工作绩效下降、缺勤、离职，对教师的身心健康造成不利影响，并对学生产生直接、消极的影响，甚至波及整个社会。”[2]教师职业倦怠也因此成为教师专业发展的阻力和教师职业生涯中的危机。
一、职业倦怠的概念界定
对于职业倦怠的概念，不同学者从不同的角度提出了不同的看法，概括起来，不外乎两大类，即侧重揭示职业倦怠最终状态的静态定义和侧重描述职业倦怠动态发展过程的动态定义。
（一）职业倦怠的静态定义
Maslach认为，“职业倦怠是指那些需要连续不断地与他人互动的人际服务业者在经历长期压力下的一种行为反应，它由情感衰竭（emotional exhaustion）、非人性化（depersonalization）和低个人成就感（reduced personal accomplishment）三个成分组成”。[3]
在众多职业倦怠静态定义中，得到学术界广泛认同的当属Maslach对职业倦怠的界定。由于Maslach及其同事所编制的职业倦怠量表――MBI的普遍使用，使这一定义成为目前最常用的职业倦怠标准化操作性定义。
（二）职业倦怠的动态定义
与Maslach不同，Cherniss则从职业倦怠动态发展过程的角度界定职业倦怠，并给出了职业倦怠的定义，这一定义属于职业倦怠的动态定义。Cherniss认为，“职业倦怠是个体面对工作疲劳（strain）在态度和行为上消极变化的过程，可分为三个阶段：第一阶段为资源和需求的不平衡，即压力阶段；第二阶段为即刻、短时的情绪紧张、疲劳和耗尽，即疲劳阶段；第三阶段包括一系列态度和行为的改变（如以疏离、机械的方式对待工作对象），即防御性应对（defensive coping）阶段”。[4]
职业倦怠的静态定义和动态定义并不是相互排斥的，相反，在一定意义上，两类定义是互补关系，动态定义所描述的是静态定义的前一个阶段，静态定义所描述的是动态定义的最后阶段。
Schaufeli和Enzmann在研究了职业倦怠的诸多定义之后，最为全面地概括了职业倦怠现象的本质：“职业倦怠是一般个体所经验的、一种与工作有关的持续、消极的心理状态，它主要以精疲力竭为基本特征。职业倦怠表现为负性压力（distress）、低效能感、动机下降以及态度和行为的消极改变。这一心理状况是逐渐形成的，但却在很长一段时间内不被个体所觉知。它起因于工作中目的与现实的互不协调。职业倦怠因其实质上是一种不适当的应对策略，往往会持续存在”。[5]这一定义首先将职业倦怠的诸多症状概括为一个核心特征――精疲力竭和四种一般表现，即负性压力、低效能感、动机下降以及态度和行为的消极改变。其次，它强调未能实现的目标和不适当的应对策略是职业倦怠产生的前提条件。最后，它指出职业倦怠是一个逐步发展的过程。显然，这一概念和其他诸多概念相比，明显的优势在于不仅描述了职业倦怠的一般症状表现、产生原因及发生范围，而且具体指出了职业倦怠的核心特征和四个常见的伴随特征。此外，该定义还强调了职业倦怠是一个逐渐发展的过程，并指出应对策略，在职业倦怠形成过程中具有重要的作用。
二、教师职业倦怠的影响因素
影响教师职业倦怠的因素众多，概括起来主要分为人口统计学变量、个性变量和组织变量三大类。
（一）人口统计学变量
已有研究考察的人口统计学变量主要包括年龄与工作经验、性别、学生级别、教育程度和婚姻状况等。这些变量也与职业倦怠或多或少存在一定的相关。例如，多数研究表明，教师的年龄和工作经验与职业倦怠呈负相关，所以，在教师职业生涯初期，容易出现职业倦怠；就性别而言，较为一致的结论是男教师的非人性化程度明显高于女教师；从学生级别来看，多数研究显示中学教师的职业倦怠程度要高于小学教师；有关婚姻状况与职业倦怠关系的研究出现两种结果：一种结果表明，已婚教师的职业倦怠水平低于未婚教师，而另一种结果则显示，结婚与否和职业倦怠的相关性并不显著。其他一些人口统计学变量，如教师职称、任教科目、学校级别等与教师职业倦怠的关系，较难取得一致结论。
总之，人口统计学变量与教师职业倦怠的相关性较低，研究结果也不十分一致，有些研究并未发现显著的相关关系，甚至还得出与多数研究相反的结论。由此可以看出，人口统计学变量虽然是影响教师职业倦怠的因素，但并不是主要的因素。
（二）个性因素
影响教师职业倦怠的个性因素主要有心理控制源、A型人格、大五人格、工作期望、应对策略、自我概念、自尊和自信、自我效能、人生意义等。通过对这些因素的研究，可以解释为什么在相同或相似的工作环境和压力下，个体经验的职业倦怠程度会有所不同。
研究表明，心理控制源是职业倦怠的有效预测变量，外控教师因其将事件和成就归因于他人或机遇，因而其职业倦怠程度要高于内控教师；A型人格的人由于个性争强好胜，具有时间紧迫感和充满成功的理想等特点，通常认为更容易产生职业倦怠；研究表明，大五人格中的神经质与职业倦怠的关系最为显著；个体对组织、工作以及自身过高的期望也会影响其职业倦怠程度，过高的期望会增加职业倦怠的程度；研究表明，个体的自我概念、自尊和自信都与职业倦怠呈显著的负相关；Leiter认为，职业倦怠是由于自我效能感出现危机所致，实证研究也证明了这一点；职业倦怠的存在主义理论认为，职业倦怠是由于个体在生活和工作中寻求存在意义的需要未能实现所致，有关人生意义与职业倦怠关系的量化研究也充分支持了这一观点。
三、组织因素
组织因素成为影响教师职业倦怠的原因是职业倦怠是一个与工作有关的概念。工作压力源以及其他组织水平上的变量是产生职业倦怠的可能原因，因此，这应该是我们重点关注的因素。
（一）学生问题行为
学生是教师工作的对象，学生的行为表现是影响教师压力和职业倦怠的重要因素。很多实证研究均表明，学生在课堂的问题行为、不遵守纪律、态度冷漠是教师主要的压力源，学生问题行为与教师职业倦怠呈正相关。Hoerr和West将学生问题行为分为两类：一类是一般问题行为，即较常见的、可以被教师预知的、经常出现的行为；另一类是危机问题行为。他们发现，学生一般问题行为与情感衰竭、非人性化存在高相关，而学生的危机问题行为则只与非人性化维度相关。Friedman的研究结果表明，学生的不尊重（指学生不尊重老师和其他同学）和不用心（指学生学习考试不及格）等学生问题行为会增加教师的职业倦怠感。
（二）学校文化
教师的主要工作场所是学校，所以学校文化也是影响教师职业倦怠的因素之一。Leithwood、Menzies、Jantzi等人认为，如果学校的目标明确，学校给予教师一个不断学习的环境，学校文化是合作、团结的，教师的职业倦怠水平就低；相反，在组织僵硬的学校里，教师的职业倦怠水平就高。因此，学校应形成一个团结、合作、不断学习和相互支持的良好氛围，学校管理应该人性化。
（三）工作负担
大量研究表明，合理的工作量有利于降低教师的职业倦怠水平，相反，工作超负荷则会提高教师的职业倦怠水平。工作超负荷有质和量两方面的含义。从量的方面来看，工作超负荷是指有过多的工作要求，而用太少的时间去完成任务。如繁重的备课、批改任务，过多的学生数量等。从质的方面来看，工作超负荷是指工作的复杂和困难程度大，例如学校要求教师的教学成绩要在本地区排名第一。
（四）教师的自
以往的实证研究显示，教师参与的自也是影响教师职业倦怠的一个重要因素。当教师在教学和学校管理等事务中拥有更大的参与自，教师的职业倦怠水平就低，而缺乏参与自会使教师的士气、自尊和工作满意度下降，进而提高职业倦怠水平。
（五）角色冲突和角色模糊
角色冲突和角色模糊也是影响教师职业倦怠的重要组织变量。当个体面对两种冲突情境而又被期望做出角色行为时，角色冲突就会出现。当个体对其职业的权利、义务和责任缺乏明晰、一致的认识而感到无法胜任工作，或者面对不断增加的复杂工作和较大的组织变革时，角色模糊就会产生。
大量的实证研究表明，角色冲突与情感衰竭、非人性化呈正相关，与个人成就感呈负相关，其中，角色模糊与个人成就感的关系最为密切。总之，角色冲突和角色模糊与教师职业倦怠都有较高的相关，但比较而言，角色冲突对教师职业倦怠的解释能力相对较强。
（六）社会支持
社会支持通常从来源和类型两个方面进行划分。依据来源，社会支持可分为校内支持（包括同事支持、校长支持等）和校外支持（包括学生支持、朋友支持、配偶支持等）。依据类型，社会支持可分为信息支持、实际支持和情感支持三类。
一般而言，社会支持作为个体的一种应对方式，良好的社会支持能有效降低教师职业倦怠的程度，但因社会支持的结构较为复杂，不同类型的社会支持对教师职业倦怠的影响有所不同。例如，多数实证研究结果显示，校内支持与教师职业倦怠的关系比较密切，其对教师职业倦怠各成分均有负向预测作用，而校外支持与教师职业倦怠的相关性并不显著；情感支持能有效降低情感衰竭、非人性化；实际支持可以增强教师的个人成就感；教师的时间支持高，则情感衰竭和非人性化程度低。
个别学者的研究甚至得出相反的结论。例如Burke和Greenglass的一项研究结果显示，社会支持对教师职业倦怠的影响并不显著。Byrne认为，这可能是由社会支持理论结构的多维性和统计方法的多样性造成的。
除以上因素之外，工作需求、工作资源、工作控制以及付出与回报不成比例等也是影响教师职业倦怠的因素。而在以上各组织因素中，学生的行为问题、角色冲突与角色模糊、教师的自主性、工作负担是教师压力的主要来源。
综上所述，与教师职业倦怠有关的因素主要有人口统计学变量、个性变量和组织变量三类。其中，人口统计学变量相对比较稳定，它们与教师职业倦怠虽有相关关系，但不与教师职业倦怠有因果联系。个性变量则比较主观、多变，它们对教师职业倦怠的影响也比人口统计学变量要大。组织因素是属于微系统或中系统层面，其与教师职业倦怠的相关程度也最高。
[ 参 考 文 献 ]
[1] 周晓晔，秦巍.中学教师职业压力调查分析[J].辽宁师范大学学报（社会科学版），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检验
t检验是英国统计学家W.S.Gosset1908年根据t分布原理建立起来的一种假设检验方法,常用于计量资料中2个小标本均数的比较。理论上,t检验的应用条件是要求标本来自正态分布的总体,两标本均数比较时,还要求两总体方差相等。但在实际工作中,与上述条件略有偏离,只要其分布为单峰且近似正态分布,也可应用[2]。
常用的t检验有如下3类:(1)单个标本t检验:用于推断标本均数代表的总体均数和已知总体均数有无统计学意义。当标本例数较少(n<60)且总体标准差未知时,选用t检验;反之当标本例数较多或标本例数较少、总体标准差已知时,则可选用u检验[3]。(2)配对标本t检验:适用于配对设计的两标本均数的比较,在选用时应注意两标本是否为配对设计资料。常用的配对设计资料主要有如下3种情况:两种同质受试对象分别接受两种不同的处理;同一受试对象或同一标本的2个部分,分别接受不同的处理;同一受试对象处理前后的结果比较。(3)两独立标本t检验:又称成组t检验,适用于完全随机设计的两标本均数的比较。与配对t检验不同的是,在进行两独立标本t检验之前,还必须对两组资料进行方差齐性检验。若为小标本且方差齐,则选用t检验;反之若方差不齐,则选用校正t检验(t′检验),或采用数据变换的方法(如取对数、开方、倒数等)使两组资料具有方差齐性后再进行t检验,或采用非参数检验[4]。此外,当两组标本例数较多(n1、n2>50)时,这时应用t检验的计算比较繁琐,可选用u检验[5]。
2方差分析
方差分析适用于两组以上计量资料均数的比较,其应用条件是各组资料取自正态分布的总体且各组资料具有方差齐性。因此,在应用方差分析之前,同样和成组t检验一样需要对各组资料进行正态性检验、方差齐性检验。
常用的方差分析有如下几类:(1)完全随机设计的方差分析:主要用于推断完全随机设计的多个标本均数所代表的总体均数之间有无显著性差别。完全随机设计是将观察对象随机分为两组或多组,每组接受一种处理,形成2个或多个标本。
(2)随机区组设计的方差分析:随机区组设计首先是将全部受试对象按某种或某些特性分为若干区组,然后区组内的每个研究对象接受不同的处理,通过这种设计,既可以推断处理因素又可以推断区组因素是否对试验效应产生作用。此外,由于这种设计还使每个区组内研究对象的水平尽可能地相近,减少了个体间差异对研究结果的影响,比成组设计更容易检验出处理因素间的差别。(3)析因设计的方差分析:将2个或2个以上处理因素的各种浓度水平进行排列组合、交叉分组的试验设计。它不仅可以检验每个因素各水平之间是否有差异,还可以检验各因素之间是否有交互作用,同时还可以找到处理因素的各种浓度水平之间的最佳组合。此外,还有正交设计、拉丁方设计等多种方差分析法,实验者在应用时可以参考相关的统计学著作。
目前,某些医学论文中有这样的情况,就是用t检验代替方差分析对实验数据进行统计学处理,这是不可取的。t检验只适用于推断2个小标本均数之间有无显著性差别,而采用t检验对多组均数进行两两比较,会增加犯I型错误的概率,即可能把本来无差别的2个总体均数判为有差别,使结论的可信度降低[6]。对多个标本均数进行比较时,正确的方法是先进行方差分析,若检验统计量有显著性意义时,再进行多个标本均数的两两(多重)比较。
3χ2检验
χ2检验是一种用途比较广泛的假设检验方法,但是在医学论文中常用于分类计数资料的假设检验,即用于2个标本率、多个标本率、标本内部构成情况的比较,标本率与总体率的比较,某现象的实际分布与其理论分布的比较。但是当标本满足正态近似条件时,如标本例数n与标本率p满足条件np与n(1-p)均大于5,则可以计算假设检验统计量u值来进行判断[5]。
常用的χ2检验分为如下几类:(1)2×2表χ2检验。适用于2个标本率或构成比的比较,在应用时,当整个试验的标本例数n≥40且某个理论频数1≤T<5时,需对χ2值进行连续性校正。因为T值太小,会导致χ2值增大,易出现假阳性结论。此外,若标本例数n<40,或有某个T值小于1,此时即使采用校正公式计算的χ2值也有偏差,需要用2×2表χ2检验的确切概率检验法(Fisher确切检验法)。(2)配对资料χ2检验。适用于配对设计的2个标本率或构成比的比较,即通过单一标本的数据推断两种处理结果有无显著性差别。在应用时,如果甲处理结果为阳性而乙处理结果为阴性的标本例数n1与甲处理结果为阴性而乙处理结果为阳性的标本例数n2之和<40,需要对计算的χ2值进行校正。(3)R×C表χ2检验。适用于多个标本率或构成比的比较。在R×C表χ2检验中,若检验统计量有显著性意义时,还需要对多个标本率或构成比进行两两比较,即分割R×C表,使之成为非独立的四格表,并对每两个率之间有无显著性差别作出结论。
2×2表资料在应用时可分为如下几种类型:横断面研究设计的2×2表资料、队列研究设计的2×2表资料、病例-对照研究设计的2×2表资料、配对研究设计的2×2表资料。研究者应注意不同类型的2×2表资料的统计分析方法略有差别,比如在分析队列研究设计的2×2表资料时,如果用χ2公式计算得到P<0.05,研究者则应再计算相对危险度(RR)并检验总体RR与1之间的差异是否具有统计学意义[7]。
此外,在进行R×C表χ2检验时,还有如下2个主要的注意事项:首先,T值最好不要小于5,若有1/5的T值小于5,χ2检验结论是不可靠的,解决的办法有3种:增大标本量;删去T值太小的行和列;将T值太小的行或列与性质相近的邻行或邻列的实际频数合并[2,8]。其次,不同类型的R×C表资料选择的统计分析方法是不一样的。(1)双向无序的R×C表资料:可以选用一般的χ2公式计算。(2)单向有序的R×C表资料:如果是原因变量为有序变量的单向有序R×C表资料,可以将其视为双向无序的R×C表资料而选用一般的χ2检验公式计算,但如果是结果变量为有序变量的单向有序R×C表资料,选用的统计分析方法有秩和检验、Radit分析和有序变量的logistic回归分析等。(3)双向有序且属性不同的R×C表资料:对于这类资料采用的统计分析方法不能一概而论,应根据研究者的分析目而合理选择。如果研究者只关心原因变量与结果变量之间的差异是否具有统计学意义时,此时,原因变量的有序性就显得无关紧要了,可将其视为结果变量为有序变量的单向有序R×C表资料进行分析。如果研究者希望考察原因变量与结果变量之间是否存在线性相关关系,此时需要选用处理定性资料的相关分析方法如Spearman秩相关分析方法等。如果两个有序变量之间的相关关系具有统计学意义,研究者希望进一步了解这两个有序变量之间的线性关系,此时宜选用线性趋势检验。如果研究者希望考察列联表中各行上的频数分布是否相同,此时宜选用一般的χ2公式计算。(4)双向有序且属性相同的R×C表资料:这类资料实际上就是配对设计2×2表资料的延伸,在分析这类资料时,实验者的目的主要是研究两种处理方法检测结果之间是否具有一致性,因此常用的统计分析方法为一致性检验或Kappa检验。
4非参数检验
作者：王玉琨，薛富波，杜晓晗，徐勇勇
【关键词】 ，创伤严重度指数
【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： 考察影响创伤结局的重要因素，初步筛选创伤患者结局预测模型的构成变量，为建立新的适合中国患者的创伤严重度评分方法进行有关评分模型的初步探讨. 方法： 利用全国200余所医院的创伤患者病案首页数据，初选出包括ISS评分所得严重度在内的9个相关的因素，将患者结局作为应变量拟合Logistic回归模型. 逐步回归法筛选变量，并估计其影响作用的大小. 结果： 解剖严重程度、有无并发症、年龄组、身份、是否接受手术、费用类型等6个因素对患者结局的影响有统计学意义（P
【关键词】 创伤严重度指数；Logistic模型；国际疾病分类；简明损伤定级；损伤严重度评分
0引言
创伤评分是目前创伤患者伤情评价的基本方法，在世界范围内广泛应用. 我国的创伤评分研究起步晚，目前尚未得到广泛推广和应用，其原因在于多数创伤评分方法操作复杂，应用条件苛刻，且大多数创伤评分模型是基于国外（欧美国家）患者的生理、解剖参数而确定，对于国内患者其适用性较差. 为建立一种适合国内创伤患者的简单易行的创伤评分方法，我室提出基于创伤病种ICD9（国际疾病分类）6位数编码的创伤评分方法的构想，并且已经建立全部创伤病种ICD9 6位数编码与AIS（简明损伤定级）分值的对应关系表［1］. 通过ISS评分方法对此对应关系的考察表明，此种通过ICD9编码转换的方法所得的AIS分值能够很好地体现单个创伤的解剖严重度，可以作为创伤评分的解剖学参数［2］. 我们进一步探讨了国内创伤患者结局的影响因素，为基于ICD9 6位数编码的创伤评分方法筛选其他模型变量，并从统计学角度考察各种因素对创伤患者结局的影响程度.
1资料和方法
1.1数据来源全国范围内200余所大、中型医院1998年全年收治的创伤患者病案首页数据. 经数据清洗，排除治疗结果中“未治”、“其他”或为空白的记录，最终得符合研究要求的创伤患者记录共112 749条. 其中男性88 622人，女性24 087人. 按年龄将患者分为3个年龄组，其中0~15岁16 382人，16~54岁87 242人，≥55岁9 125人. 地方人员94 935人，军队人员17 814人. 自费患者81 170人，非自费（公费或医疗保险等）患者31 579人. 单发伤70 345例，多发伤42 404例. 接受手术治疗者54 176例，未接受手术者58 573例. 伴有创伤并发症者582例，无并发症者112 167例. 发生院内感染者1255例，未发生院内感染11 194例. 患者结局（出院时）中存活111 684人，死亡1065人.
1.2创伤评分方法（解剖评分）采用我室编制的ICD9 6位数编码与AIS分值对应表，以创伤患者的出院诊断ICD9编码为基础，换算出每一个出院诊断所对应的创伤的AIS分值. 以Turner Osler的改良ISS法［3］（即不考虑创伤所在的身体区域，仅以AIS分值最高的3处创伤计算ISS分值）计算每位患者的ISS分值. 再按照ISS分值将全部患者分为三个解剖严重程度分组，ISS 1~12者为轻，13~19者为中，20~75者为重［4］. 经以上分组后，全部患者中，轻度创伤患者93 343例，中度创伤患者9507例，重度创伤患者9899例.
1.3数据处理方法以患者的结局（存活或死亡）为应变量，将性别、年龄组、身份（军队或地方人员）、费用类型、创伤类型（单发伤或多发伤）、是否接受手术、有无并发症、有无院内感染等因素与解剖严重程度分组一起作为自变量，拟合Logistic回归模型，考察各因素对患者结局的影响. 通过逐步Logistic回归分析，筛选有统计学意义的影响因素，并计算其对患者结局的作用大小. 为简化计算过程和方便分析结果的专业解释，此次分析仅考察各因素的主效应及其一阶交互效应，其余高阶交互效应假定为零.
2结果
2.1变量筛选结果经逐步Logistic回归分析，解剖严重程度、有无并发症、年龄组、身份、是否接受手术、费用类型等6个因素对患者结局的影响有统计学意义（P
2.2模型拟合优度及各因素的效应大小使用以上筛选出的变量和交互效应对患者的结局重新拟合Logistic回归模型，模型拟合度统计量、自变量及交互效应项对模型的意义见Tab 1. 可见费用类型的主效应无统计学意义，但与解剖严重度的交互效应却有统计学意义.表1Logistic模型拟合结果
各因素及交互效应项的参数估计值见Tab 2. 其中各因素的水平值对应的具体含义见Tab 3. 表2各因素及交互效应项的参数估计值（略）表3各因素的水平值对应的具体含义（略）
3讨论
根据以上参数估计值，即可给出创伤患者结局的Logistic回归预测模型，各因素对患者结局的影响作用大小也可得以考察和比较. 从结果可以看出，解剖严重度分组是影响创伤结局的最重要的因素，解剖严重度越高，死亡概率越大. 其次是有无并发症和年龄因素，有并发症者死亡概率明显增加，年龄越大，死亡概率越大. 此三个因素应在创伤评分模型中作为主要的因素来考察. 身份因素对结局的影响表现为地方人员死亡概率高于军队人员，这可能与军队人员具有良好的基本医疗保障有关. 费用类型的作用与身份因素存在相似之处，自费患者死亡概率高于非自费患者. 其余因素对结局虽然存在一定的影响，但影响程度均较轻，是否作为创伤评分模型应考察的因素需作进一步的探讨. 各因素之间存在的交互效应，在建立新的创伤评分模型时也须加以重视，在进一步地考察确认之后，应通过适当的模型表达项使之得以充分体现.
以AISISS为基础的解剖严重度评分，是世界范围内广泛应用的创伤评分方法，虽然在对患者结局的预测与评价方面效果有不尽如人意的地方，但可作为改良的创伤评分方法的基础［5］. 有些因素，比如是否手术、是否院内感染等，均是在患者入院后才可收集的信息，不便作为评分模型的组成变量，仅能用作创伤患者结局的预测变量之一. 另外一些重要因素，如患者的血压、心率、呼吸、体温等生理指标，均是影响患者结局的重要因素［6］，应当作为创伤评分模型的重要变量，其对患者结局的影响程度也需要进行类似的考察和分析. 由于病案首页数据在此类信息方面的缺失，此次无法一并进行分析，我们将在后续的研究中收集更为全面的数据，对各种有关的因素进行全面地分析.
此研究是建立基于ICD9编码的创伤评分模型的一次初步探索，是对部分影响因素的初步考察与分析. 但由于数据信息量的限制，研究的结果尚不能作为创伤评分模型的最终参考依据. 后续的研究工作需要收集更全面的数据，考察更多的因素，从临床和统计学两个方面对各种影响因素的作用进行全面的考察与分析，以期为建立一个合理的创伤评分模型提供依据.
【参考文献】
［1］ 薛富波，王玉琨，徐勇勇. 创伤国际疾病分类编码向AIS分值转换规则的研究［J］. 中华创伤杂志，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编码的ISS创伤评分方法研究［J］. 创伤外科杂志，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］ 杨柳青，任秀清，杨宁，等. 改良创伤评分（RTS）与创伤严重度评分（ISS）在创伤评估中的应用［J］. 川北医学院学报，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.
关键词：围手术期；医院感染；影响因素
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〗
围手术期系指病人住院后直至手术结束与本次手术有关的处理告一段落的时间。外科手术的危险之一就是术后感染，轻者使患者医疗费用增加，重者造成死亡［1］。为了掌握围手术期医院感染发生情况，探讨其危险因素，为采取预防控制措施提供依据，我们对2002年济南铁路局中心医院所有手术患者进行前瞻性调查。
1对象与方法
11对象2002年济南铁路局中心医院所有外科手术患者共1368例。
12方法由经统一培训合格的调查员，从病人入院至手术后出院，观察患者的一般特征，糖尿病、癌症、切口类型等易感染因素，泌尿道插管、动静脉插管、使用呼吸机、气管切开（插管）等侵袭性操作及医院感染的发生情况。
医院感染诊断按照2001年版卫生部《医院感染诊断标准》（试行）。
将原始资料编码整理后，输入计算机，用FoxPro建立数据库，先使用SPSS100软件进行单因素分析，将单因素分析具有统计学意义的变量重新赋值作为自变量，感染与否作为因变量（感染=1，未感染=0），进行多因素非条件Logistic回归分析。变量的赋值为：性别，女=0，男=1；年龄（岁），＜30=1，31～59=2，≥60=3；住院时间（d），＜7=1，7～13=2，≥21=3；手术持续时间（h），≤4=0，5～6=1，7～8=2，＞8=3；麻醉方式，全麻=1，非全麻=0；切口类型，Ⅰ类=0，≥Ⅱ=1；伴有恶性肿瘤，伴有=1，不伴有=0；伴有糖尿病，伴有=1，不伴=0；侵袭性操作，有=1，无=0；抗生素使用种类，1种=0，2种=1，3种=2，≥4种=3；抗生素使用时间（d），＜6=1，6～11=2，≥12=3。2个或多个感染率的比较采用χ2检验。
2结果〖HJ*3／7〗
21感染发生情况1368例患者中，发生感染的192例，感染率为1404%。医院感染率，男性为1392%（113/812），女性为1421%（79/556），差异无统计学意义（χ2=134，P＞005）；15岁以下为1458%（14/96），16～30岁为769%（26/338），31～45岁为721%（22/305），46～59岁为1045%（23/220），60岁以上为2616%（107/409），差异有统计学意义（χ2=7438，P＜001）。手术持续时间不超过2h的为671%（49/730），2～4h的为1496%（57/381），5～6h的为2400%（36/150），≥8h的为4673%（50/107），差异有统计学意义（χ2=13985，P＜001）；住院时间＜7d的为742%（46/620），7～13d的为1603%（75/468），14～20d的为2192%（32/146），＞20d的为2911%（39/134），差异有统计学意义（χ2=5673，P＜001）。使用1种抗生素的为1012%（58/573），2种的为1164%（56/481），3种的为1753%（27/154），≥4种的为3188%（51/160），差异有统计学意义（χ2=4599，P＜001）；使用抗生素不超过3d的为1045%（61/584），4～6d的为1149%（54/470），7～12d的为2000%（29/145），＞12d的为2840%（48/169），差异有统计学意义（χ2=4203，P＜001）。全身麻醉的为1902%（124/652），非全身麻醉的为950%（68/716），差异有统计学意义（χ2=2558，P＜001）。伴有恶性肿瘤的为2047%（79/386），未伴有恶性肿瘤的为1151%（113/982），差异有统计学意义（χ2=1837，P＜001)。气管切开者为1775%（98/552），未气管切开者为1152%（94/816），差异有统计学意义（χ2=1056，P＜001）。Ⅰ类切口手术为954%（31/325），Ⅱ类切口手术为1431%（76/531），Ⅲ类切口手术为1660%（85/512），差异有统计学意义（χ2=830，P＜005)。伴有糖尿病的为1758%（87/495），未伴有糖尿病的为1203%（105/873），差异有统计学意义（χ2=809，P＜001）。
192例医院感染者中，感染部位为呼吸道的82例（占4271%），切口69例（占3594%），泌尿道18例（占938%），皮肤与软组织10例（占521%），消化道7例（占365%），血液6例（占313%）。
22影响感染发生因素的非条件Logistic回归分析将有统计学意义的因素作为自变量，在α=005下进行影响围手术期医院感染发病因素的非条件Logistic回归分析，进入方程的有年龄、手术持续时间、麻醉方式、伴发恶性肿瘤、住院时间，即年龄大、手术持续时间长、全身麻醉、伴发恶性肿瘤、住院时间长者容易发生围手术期感染。见表1。
表1影响围手术期感染的非条件Logistic回归分析
〖BHDFG2，WK8＊2，WK6，WK5，WK5，WK5，WK10＊2W〗
影响因素ββxP值RR值RR值的95%CI
年龄2850122000012433549～64141
〖BHDWG1＊3〗手术持续时间2390725000111623237～32254
麻醉方式2340681000510793648～21126
伴有癌症2280236001010882054～19436
住院时间114057900209591325～16687
常数项－54800310000000－
3讨论
本次观察结果，手术患者围手术期医院感染发生率为1404%，高于王红旗报道的住院患者平均感染率（213%）［2］，这是因为术后患者由于机体受到创伤，抵抗力及免疫力下降，易发生医院感染［3］。也高于武迎宏报道的手术患者感染率（619%）［4］，这是因为本次采取前瞻性观察方法，在整个围手术期由医护人员对患者进行监测，能及时获得患者感染的资料，与一般事后根据病历等资料进行统计的比较，结果更为准确，得到的医院感染率能代表医院感染的实际水平。
分析结果，年龄大、手术持续时间长、全身麻醉、伴发恶性肿瘤、住院时间长是病人发生围手术期医院感染的危险因素。出现这种现象的原因是，随着年龄的增加，生理防御、免疫功能和自理能力呈进行性自然减退，发生感染的机会增加；随着手术持续时间的延长，手术野受手术室环境、手术者及手术人员携带的病原菌污染的机会也增加，手术时间长者可能为手术复杂、手术操作不熟练、操作不规范，容易增加手术切口污染的机会；全麻患者多有气管插管、吸痰等操作，破坏或改变了机体的外部屏障，增加了感染的机会；恶性肿瘤患者由于抗癌药的使用，使机体抵抗力、免疫力进一步下降，促进医院感染的发生；住院时间长的患者，感染机会相应增加，也是发生医院感染的重要因素。
手术患者较其他住院患者容易发生医院感染，应针对危险因素加强防护。医务人员在严格执行手术无菌操作的基础上，应尽量减少手术时间，积极治疗原发病，加强支持治疗，缩短住院时间，加强医院感染监测，有效降低围手术期医院感染的发生。
参考文献：
［1］余如平手术室医院感染的相关因素分析及预防对策［J］中华医院感染学杂志，2004，14（10）：991
［2］王红旗，徐艳，刘莲香369例医院感染病例调查分析［J］中华医院感染学杂志，2005，15（5）：515
关键词：非小细胞肺癌；恶性与否；CT征象；Logistic回归分析；计算机体层摄影
日常工作中，影像科医师对非小细胞肺癌（non small cell lung cancer，NSCLC）的诊断是局限在肺癌形态学方面的初步认识，仅仅评价肺癌病灶的大小、密度、边缘情况及邻近血管、胸膜的关系等情况。而病灶恶性程度则由病理结果来证实，然而肺癌影像学表现是由病灶的生物学行为决定的，一般认为良性病灶的体积小，边缘光滑等，恶性病灶的体积大，边缘毛刺、深分叶、胸腔积液、有转移等。如今，随着高档次螺旋CT在临床中广泛应用，对肺组织结构细节的显示接近大体解剖[1]，可发现2 mm大小的病灶，能敏感显示结节、病灶内钙化、脂肪及液化坏死等，使得肺癌的各种CT征象表现得淋漓尽致。从各种CT征象中大致地预判出肺癌的恶性与否是一项探索性工作，本文旨在通过Logistic回归分析，对NSCLC的各种CT征象与病灶恶性与否做相关性研究。
1资料与方法
1.1一般资料 收集本院经过病理免疫组化证实肺癌并进行病理分级60例，男41例，女19例，年龄（59±15）岁，平均60岁，鳞癌23例，腺癌34例，腺鳞癌2例，大细胞癌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。主要临床表现为咳嗽、咳痰、痰中带血、声嘶、胸痛、胸闷不适等等。
1.2方法 采用美国GE公司生产的LightSpeed64排VCT行层厚为5 mm轴位扫描及1.25 mm螺旋容积扫描。扫描参数：探测器配置64×1.25，射线束宽度20.00 mm，电压120 KV，电流135 mAs，扫描视野以肺部为主，其它部位是否扫描以临床实际需要确定，螺矩1.375∶1，重建间隔1.25 mm；所有病例均做增强扫描，用非离子对比剂碘海醇100 mL，高压注射器经肘静脉注射，速率3.5～4 mL/s。所有图像均传输到PACS系统工作站。
1.3图像分析 各由1名经验丰富的主治医师和副主任医师对图像进行多平面重组（multi-planar reformation，MPR）后处理分析。分析指标包括：年龄、性别、病灶部位、病理类型、原发灶大小、分叶征、毛刺征、空洞、空泡、钙化、血管集束征、胸膜凹陷征、肺不张、胸腔积液、液化坏死和转移，还有平扫和增强的CT值及其差值。其中转移的CT征象包括：①单发（多发）肺内或者胸膜瘤灶结节。②单根（多根）肋骨或者椎体、附件骨质破坏。③胸壁软组织侵犯。④隆突下或者肺门区域淋巴结广泛融合性转移[2]。⑤脑、肝、肾上腺等器官单发（多发）转移癌灶。平扫和增强CT测量值标准均来自癌灶的实体中心层面并且测量部位、面积相近。
1.4方法 结合临床治疗中，高分化、高-中分化及中分化肺癌相对于低分化、中-低分化及未分化肺癌治疗起来比较容易好转、不易复发以及患者5年生存率较高，以及本研究的需要将高分化、高-中分化及中分化癌列为良性，共19例，将低分化、中-低分化及未分化列为恶性，共41例。采取良性（赋值=0）、恶性（赋值=1）为二分因变量（Y），计数资料和计量资料为自变量，其中，计数资料包括：性别X1（男=1，女=0）、病变部位X2（右肺=0，左肺=1）、病理类型X3（鳞癌=0，腺癌=1，鳞腺癌=2，大细胞癌=3）、CT征象分叶征X4、毛刺征X5、空洞X6、空泡X7、钙化X8、血管集束征X9、胸膜凹陷征X10、肺不张X11、胸腔积液X12、液化坏死X13和转移X14（无=0，有=1），计量资料包括：年龄X15（岁）、平扫X16和增强峰值X17、CT差值X18（HU）及癌灶最大直径X19（cm），统计数据由SPSS19.0软件包处理，计数资料采用χ2检验，计量资料进行方差的Levene检验和均值的T检验，然后把有统计学意义的指标进行多因素的二元Logisitic回归分析，检验水准α=0.05，P
2结果
2.1计数资料的单因数分析结果，见表1。
2.2计量资料的单因数分析，见表2。
2.3多因数的二元Logisitic回归分析 由表1和表2，将筛选出有统计学意义的年龄、分叶征、血管集束征、液化坏死及病灶最大径与癌灶的恶性与否进行二元Logisitic回归分析结果，见表3。其中常量、血管集束征、液化坏死、病灶最大径有统计学意义（P
Ln■=-9.198+0.79X■+1.79X■+2.83X■
3讨论
【关键词】 人格；社会支持；精神卫生；因素分析，统计学；学生，医科
【中图分类号】 R 395.6 【文献标识码】 A 【文章编号】 1000-9817(2008)11-0976-02
大学生的心理健康状况越来越受到人们的关注和重视。为了解医科大学新生心理健康状况，笔者运用大学生人格问卷（University Personality Inventory, UPI）［1］对某医科大学2007级新生进行测评，以期为开展大学生心理健康教育，促进大学生的心理健康提供依据。
1 对象与方法
1.1 对象 以某医科大学2007级2 649名新生为调查对象，实际收回有效问卷2 545份，有效回收率为96.1%。其中男生1 234名（48.5%），女生1 311名（51.5%）；年龄最大25岁，最小16岁，平均19岁。
1.2 调查工具和方法 选择以大学新生为主要对象的大学生人格问卷（UPI）为调查工具，该问卷共有60道题，其中4道测伪题（第5，20，35，50题）不计入总分，每题1分，UPI最高分为56分，最低分0分，得分越高，说明心理问题越严重。UPI按筛选标准可分为一、二、三类，满足下列条件之一者归为第一类：（1）UPI总分≥25分者；（2）第25题作肯定回答者；（3）辅助题中至少有2题作肯定回答者；（4）明确提出咨询要求者。满足下列条件之一者归为第二类：（1）20分≤UPI总分＜25分者；（2）第8，16，26题中作肯定回答者；（3）辅助题中有1题作肯定回答者。不属于第一类和第二类者归为第三类。第一类可能存在严重的心理问题；第二类可能存在一般心理问题；第三类为心理健康者。采用计算机交互方式自填问卷。
一般情况采用自制问卷，社会支持状况的评定采用肖水源编制的社会支持量表（Social Support Scale, SSS）［2］。遵循知情同意原则，采取集中填答法，调查员现场讲解填表要求，填毕核查后收回。
1.3 统计分析 资料核查整理后，采用EpiData 3.02软件建立数据库，用SPSS 12.0软件对数据进行描述性分析、χ2检验和多因素Logistic回归分析。
2 结果
2.1 UPI筛选分类结果 根据UPI筛选分类，归为一类的学生150人（5.9%），归为二类的学生626人（24.6%），归为三类的学生1 769人（69.5%）。
2.2 回答比例前1 0 位的项目及UPI重要项目回答情况 见表1，2。
2.3 不同人口统计学变量UPI筛选结果比较 根据UPI筛选标准，归为一类和二类的学生共776人，不同程度心理问题检出率为30.5%。家庭结构存在缺陷的大学生心理问题检出率高达46.2%，高于家庭结构完整的大学生，且差异有统计学意义(P＜0.05)。另外，学生UPI不同类型的检出率在性别、专业满意度和家庭经济状况方面，差异有统计学意义（P值均＜0.05）。见表3。
2.4 心理健康状况影响因素的Logistic回归分析 以大学新生的心理状况为因变量，赋值为：存在不同程度心理健康问题=0，心理健康=1；以调查对象的性别、民族、恋爱状况、家庭结构、家庭经济状况、社会支持、专业满意度等因素作为自变量，进行Logistic逐步回归分析（筛选指标时，入选和剔除的判别水平分别定为α=0.10和α=0.15）。结果显示，完整的家庭结构和良好的社会支持是大学生心理健康的保护因素，而家庭经济状况差是大学生心理问题形成的促进因素。见表4。
3 讨论
UPI筛选分类结果显示：该组医科大学新生的心理问题检出率为30.5％，与国内任桂秀［3］、李文喜［4］报道基本一致，低于刘淳松等［5］、黄晨［6］报道的结果。与该校2006级临床学院新生心理健康状况监测结果［7］相比，不同程度心理问题检出率基本持平。
从回答比例较高的前10位项目显示，大学新生的心理问题主要集中在强迫症倾向、情绪问题、缺乏自信等；从UPI 重要项目回答的情况显示，发现想轻生、对任何事情都没有兴趣、感觉心理方面有问题的学生也占有一定的比例，但均较低。
通过对不同人口统计学变量学生比较发现，性别、家庭结构、专业满意度和家庭经济状况不同，UPI不同类型检出率的差异有统计学意义。尤其是家庭结构存在缺陷的大学新生心理问题检出率高达46.2%，高于家庭结构完整的大学生（29.6%）。而在民族、是否恋爱方面的比较，差异无统计学意义，可能原因是本研究样本主要为汉族学生以及刚入学的新生尚未遇到恋爱方面的问题。Logistic回归分析结果显示，完整家庭结构是大学生心理健康的保护因素，完整的家庭结构有利于大学新生的心理健康，而家庭结构的缺陷是大学新生心理问题形成的重要影响因素。由于新生在考入大学之前都没有完全脱离家庭的环境，这就决定了家庭情况对他们心理方面的影响是不容忽视的［8］。而家庭经济状况差是大学新生心理问题形成的另一个促进因素。较高的学费和生活费的确给贫困家庭子女造成了巨大的压力，也着实影响到他们的心理健康，使他们不再自信，甚至自卑自弃［9］。根据对调查对象社会支持评定发现，良好的社会支持是大学新生心理健康的保护因素。无论是客观的、可见的、或是实际的支持，还是主观的、体验的或是情感的支持，都有利于促进大学新生的心理健康［10］。这也为有效开展大学生心理卫生工作和促进大学生心理健康提供了有益的线索。
4 参考文献
［1］ 樊富珉.大学生心理咨询案例集.北京：清华大学出版社，1994：348-349.
［2］ 汪向东，王希林，马弘，等.心理卫生评定量表手册：增订版.北京：中国心理卫生杂志社，1999：127-131.
［3］ 任桂秀，徐玉芳，郭玲玲，等.医学新生人格问卷调查分析.中国行为医学科学，2005，14(5)：442-444.
［4］ 李文喜，李光红，龚晓洁.高校新生大学生人格问卷调查.中国行为医学科学，1999，8(2)：101.
［5］ 刘淳松，陈正.理工院校大学新生心理健康状况调查.中国公共卫生，2006，22(12)：1 530.
［6］ 黄晨.1341名医学生心理健康水平调查分析.高校保健医学研究与实践，2006，3(4)：17-19，22.
［7］ 王润玲，王波，孙业桓. 某医科大学临床医学专业新生心理健康状况调查. 中国学校卫生，2007，28(9)：805-806.
［8］ 王月云，孙维权，尹平，等.某大学学生亚健康状况及其影响因素Logistic回归分析.中国卫生统计，2007，24(3)：255-258.
［9］ 闻声远.从UPI透视当代贫困生的精神世界.教育与现代化，2006(2)：62-67.
关键词 概率 统计
中图分类号：G642 文献标识码：A
经过近几年的不断教学探索、改革，概率统计课程形成了一套符合高职院校各专业开设的课程模式和标准，在大学的第二学期开设，微积分结束后，再开设概率统计，主要是建筑系各专业、商学院各专业、电信系各专业、电子系各专业等开设。实际上，概率统计一直是本科各专业开设的一门重要基础课，研究生入学资格必考的一门课程。我们现在开设的课程体系还主要是仿照本科院校的课程体系，从知识性、数学理论的逻辑性开设，先讲古典概率，概率的基本概念，各种概率类型，然后讲随机变量，从一维随机变量推广到多维随机变量，几个重要的分布定理，接着，再讲统计学，统计学先讲简单随机样本，描述统计，参数估计，假设检验、回归方程等。这样的教学模式和课程体系已经沿用了几十年，但是随着计算机概率统计软件的不断出现，结合高职学生的数学基础，应该改革本科概率统计的课程模式和体系，减少理论，增加应用，结合数学软件，使应用问题更符合生活，使繁杂的概率统计计算可以实现。
1概率论
第一章随机事件及概率，这一章是概率统计的基础，必须讲，但是现在中小学课本几乎有一半的内容，大学主要是从概率类型、概念公式体系教学，而中小学主要从解决问题的方法教学，每年高考概率都是重点考试内容，这一部分的确是生活中应用最多的内容，每时每刻我们都和运气打交道，即和随机问题打交道。根据高职院校学生的数学基础和几年的教学经验，高职院校的学生还是适合从解决问题的方法教学，从数学体系教学：概念、公式、定理、推导、举例、练习，前面四个环节他们是很难接受的。还是从问题出发，通过排列、组合、数学分析、数学分类讨论解决问题，他们更能接受。用问题驱动进行教学，对条件概率、全概率、贝叶斯、二项式概率这些教学难点用问题驱动，重点学习转化方法，避免用繁杂的公式教学这样效果更好。同时建议教学中引入数学软件：excel或spss，因为许多有趣的概率案例需要大量的计算，比如，生日问题、彩票抽奖问题、小概率事件问题，往往计算复杂，一般教学是直接给出结果，这样往往减少学生的兴趣。通过软件学生感到他们身边的很多问题可以用数学解决。
第二章随机变量，这一章是概率论的核心，也是教学难点，主要需要大量的基础知识，极限、连续、导数、积分、多元微积分等必不可少。高中理科的学生学了少数内容，而文科学生就没有沾边了，高职院校的学生学习当然是很困难的，微积分的内容很多就没有开设。像我们这类学校，多元微积分就没有开设，而一元微积分的知识也达不到，所以凡是遇到理论的推导，学生学习非常困难，因此我们可以重点开设随机变量、期望、方差，介绍分布函数等，对多维随机变量只作了解。这部分数学软件应用更多，比如，遇到正态分布、指数分布、泊松分布等概率计算，以往都是查表，需要较多课时介绍转化和查表，像正态分布不需转化成标准正态分布直接查表。像计算数学期望、方差、分布函数、概率，不需复杂的积分运算，直接用软件计算。
第三章大数定理，中心极限定理，抽样分布，这是我们概率统计的桥梁部分，没有它，统计学的理论无法建立、证明。但是难度超出了高职学生的基础和能力。因此只能做介绍而已。
2统计学
传统的教学是先讲简单随机样本，参数估计，假设检验，回归分析等。这样的教学模式需要较多的课时，一般要30课时左右，而且学生不敢兴趣。实际上生活中，主要还是应用描述统计，而我们的课本几乎不讲，从这几年的数学建模竞赛试题来看，都有描述统计的试题，比如2012 全国大学生数学建模竞赛D 题，脑卒中发病环境因素分析及干预，学生们往往不知道如何下手，因为实际问题往往数据较多，我们的课堂教学案例往往把问题理想化，数据较少，计算简单，问题很特殊，实际问题一般需要结合软件解决，数学软件的学习是一个空点，当今计算机应用日益普及，优秀的软件不断出现，目前较好的统计软件有：excel、matlab、spss 等，现在比较流行的是spss 软件，社会科学统计软件包，SPSS 是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows 的窗口方式展示各种管理和分析数据方法的功能，对话框展示出各种功能选择项。用户只要掌握一定的Windows 操作技能，粗通统计分析原理，就可以使用该软件为特定的科研工作服务。SPSS 采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便地从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。输出结果十分美观，存储时则是专用的SPO 格式，可以转存为HTML 格式和文本格式。对于熟悉老版本编程运行方式的用户，SPSS还特别设计了语法生成窗口，用户只需在菜单中选好各个选项，然后按“粘贴”按钮就可以自动生成标准的SPSS 程序。
所以，统计学部分的教学有很大的改革空间，完全可以可以通过计算机软件进行教学，增加最近几年全国大学生数学建模竞赛的案例，使统计部分的教学更有趣、更生动。
关键词 地统计学；生态学；尺度；时空特征；应用
中图分类号 S153 文献标识码 A 文章编号 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
地统计学起源于20世纪60年代，是以区域化变量为理论基础，以半变异函数和插值分析为主要工具的一种地质统计学方法；是通过分析空间数据探索空间过程的信息分析技术[1]。与传统生态学方法相比，地统计学变异函数中的变程（a）包含了距离和方向2种含义，即量化的空间尺度信息，比依靠经验直接确定空间取样尺度更合理；比通过尺度推绎方式间接获得目标现象的特征更精确；修正了传统景观格局研究方法中小尺度生态学现象在区域内均质性的不合理假设。
由于该理论充分考虑了样点的位置、方向和彼此间距离等空间结构信息，为实现参数的离散化与空间化提供了一种有效工具，可以定量化区域变量的空间特征，进而对未知样点进行无偏最优估值，以直接反映自然现象的随机性和结构性，广泛用于地理学、环境科学、土壤学等诸多研究领域[2-3]。揭示了经典统计方法难以发现的规律，有利于融合格局、尺度、过程关系，完善生态学理论与方法。
1 地统计学的基本理论与方法
1.1 区域化变量理论
地统计学处理的对象为区域化变量，区域化变量的两大特点是随机性和结构性。基于此，地统计学引入随机函数及其概率分布模型为理论基础，对区域化变量加以研究[4]。
1.2 变异函数
变异函数是地统计学方法的基础，根据已知样本点来确定变量在空间上的变化规律，推算未知点的属性。其优点在于根据已知样本点计算某未知点的属性值时，考虑了不同距离、不同方向空间点位间的相关性，使估计值更精确。
1.3 空间插值
与传统的插值方法不同，地统计学考虑样点的方向、位置和彼此间的距离，可以研究既有一定随机性又有一定结构性的各种变量的空间分布规律[5]。克里格（Kriging）插值是一种最优、无偏的估值方法，在生态学中的应用最广泛，可以给出每一估计样点的不确定性（即产生误差的几率和大小），并利用多种附属信息填补采样不足的缺陷。这种在误差允许范围内的空间差值既节省工作量，又弥补因资料不足带来的困难[6]。
1.4 空间模拟
空间模拟方法是当今地统计领域中由已知推断未知的最活跃的一种方法。由于Kriging方法具有平滑作用，不适宜用于获取变量极值的空间分布，例如通过重金属含量的极值来寻找湖泊水体污染源；而空间模拟方法即能模拟变量的空间变化趋势又能保留变量的极值；此外，空间模拟通过多种实现（realization）系统的表现，进行各种情况下的模拟，具有较好的统计效用[1]。
2 地统计学在生态学中的应用
地统计学检验、模拟和估计空间特征的作用，对认识不同尺度生态学功能与过程具有重要意义[7]。20世纪80年代初，引起生态学者关注，广泛应用于描述生态因子的空间自相关性、绘制生态因子分布图以及设计抽样方案，分析自然因子普遍存在的空间相关程度、距离和方向等。利用其对可信程度和误差的评价，解决了定量地测度空间尺度和更精确地绘制自然因子的空间分布[8]。生态现象所涉及的任何属性，如植被类型、生物量、土壤化学元素含量、污染物浓度等，均可以作为地统计模型的变量。
地统计学方法可以用于研究离散现象的空间特征（群落、种群的格局分布），在处理具有空间连续性特征的变量（土壤性质）更占优势。20世纪80年代初，区域化变量理论和地统计方法成为量化土壤物理化参数空间变异的有效方法[9]。尤其是地统计学方法中半方差图和Kriging插值法适合于土壤特性的空间预测[8]。目前广泛用于土壤养分[10]、水分[11]等的分布、污染物扩散、土壤肥力质量评价[12]、土壤分类制图、试验设计和采样方法探讨等[13]。
地统计学在生态学的应用主要集中在生态系统尺度以下，弥补了景观生态学在处理物种、种群和群落空间信息的不足。区域化随机变量耦合了地形（海拔、坡度、坡向）、土壤、水分等环境因子，是分析种群、群落的空间异质性与环境因子关系的有力工具[14]；既是对生态系统尺度空间异质性和格局问题的研究，也从生态系统的组成成分入手，同样是对生态系统功能过程的细化[7]。
3 结语
地统计学无论是空间异质性分析法还是空间模拟差值法，通常都是对因子的静态研究，对处理时间变化问题存在缺陷。有学者尝试建立基于地统计学原理的时间动态模型[15]。鉴于地统计学方法侧重于空间分析，而传统统计学方法注重于时序分析，二者相结合，将时间因子融入空间变异中是今后需要解决的问题[6]。非线性多维时间序列分析预测模型（GS-SVR）就是半变异函数基础上，结合SVR和新的定阶方法发展的一种新的多维时间序列最优阶数判断法[16]。
地统计学与其他格局分析方法相结合，将有助于解决现象的时空发展过程与机理问题。近期“3S”技术与地统计学相结合，通过地理数据确定样点之间的距离，通过属性数据计算出变量之间的差异，二者结合得到地统计学所需要的步长和半方差函数关系，强化了大尺度空间信息的分析[10，17]。但目前地统计学应用于景观尺度的研究较少，并且尚未形成较成熟的定量化研究方法。
4 参考文献
[1] 王劲峰，武继磊，孙英君，等.空间信息分析技术[J].地理研究，2005，24（3）：464-472.
[2] 唐涛，蔡庆华，潘文斌.地统计学在淡水生态学中的应用[J].湖泊科学，2000，12（3）：280-288.
[3] 张坤，洪伟，吴承祯，等.基于地统计学和GIS的福建省降雨侵蚀力空间格局[J].山地学报，2009，27（5）：538-540.
[4] 孙英君，王劲峰，柏延臣.地统计学方法进展研究[J].地球科学进展，2004，19（2）：268-274.
[5] 王景雷，孙景生，张寄阳，等.基于GIS和地统计学的作物需水量等值线图[J].农业工程学报，2004，20（5）：51-54.
[6] 王正军，李典谟，商晗武，等.地质统计学理论与方法及其在昆虫生态学中的应用[J].昆虫知识，2002，39（6）：405-411.
[7] 王政，王庆成，李哈滨.红松老龄林主要树种的空间异质性特征与比较的定量研究[J].植物生态学报，2000，24（6）：718-723.
[8] 葛剑平，郭海燕，仲莉娜.地统计学在生态学中的应用（Ⅰ）―基本理论和方法[J].东北林业大学学报，1995，23（2）：88-94.
[9] 廖桂堂，李廷轩，王永东，等.基于GIS和地统计学的低山茶园土壤肥力质量评价[J].生态学报，2007，27（5）：1978-1986.
[10] 祝锦霞，许红卫，王珂，等.基于GIS和地统计学的低丘红壤地区三种土壤性质空间变异性研究[J].土壤，2008，40（6）：960-965.
[11] 张继光，陈洪松，苏以荣.喀斯特山区洼地表层土壤水分的时空变异[J].生态学报，2008，28（12）：6334-6343.
[12] 王晓春，韩士杰，邹春静，等.长白山岳桦种群格局的地统计学分析[J].应用生态学报，2002（7）：781-784.
[13] 李艳，史舟，徐建明，等.地统计学在土壤科学中的应用及展望[J].水土保持学报，2003，17（1）：178-183.
[14] 尚占环，姚爱兴，龙瑞军.干旱地区山地荒漠草原阴坡植物群落空间异质性[J].生态学报，2005，25（2）：312-318.
[15] 夏敏，赵小敏，张佳宝，等.基于GIS和地统计学的土壤养分时空变异分析[J].江西农业大学学报，2007，29（2）：312-317.
一、结果
1.特困移民与常住居民一般情况比较共调查少数民族特困移民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与常住居民在性别、年龄、婚姻状况上差异均无统计学意义(P＞0.05)，而在受教育程度、就业状况、家庭人均年收入上差异有统计学意义(P＜0.05);苗族特困移民与常住居民在性别、年龄、婚姻状况、受教育程度上差异均无统计学意义(P＞0.05)，而在就业状况、家庭人均年收入上差异有统计学意义(P＜0.05，)。
2.特困移民与常住居民SCL－90评分情况比较土家族特困移民与常住居民在人际关系、抑郁、焦虑、偏执、精神病性得分及总分上差异均有统计学意义(P＜0.05)，而在躯体化、强迫症状、敌对、恐怖得分上差异无统计学意义(P＞0.05);苗族特困移民与常住居民在躯体化、人际关系、抑郁、焦虑、精神病性得分及总分上差异均有统计学意义(P＜0.05)，而在强迫症状、敌对、恐怖、偏执得分上差异无统计学意义(P＞0.05，)。
3.特困移民与常住居民心理障碍阳性症状检出情况比较心理障碍阳性症状的总检出率为28.5%(85/298)，其中土家族特困移民和常住居民的检出率分别为32.4%(33/102)和23.8%(15/63)，差异无统计学意义(χ2=1.857，P=0.173);苗族特困移民和常住居民的检出率分别为31.4%(27/86)和21.3%(10/47)，差异无统计学意义(χ2=1.866，P=0.171)。不同性别、年龄、婚姻状况、就业状况的土家族特困移民心理障碍阳性症状的检出率间差异有统计学意义(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碍阳性症状的检出率间差异无统计学意义(P＞0.05)。不同年龄、就业状况的土家族常住居民心理障碍阳性症状的检出率间差异有统计学意义(P＜0.05);而不同性别、婚姻状况、受教育程度、家庭人均年收入的土家族常住居民心理障碍阳性症状的检出率间差异无统计学意义(P＞0.05)。不同性别、年龄、婚姻状况的苗族特困移民心理障碍阳性症状的检出率间差异有统计学意义(P＜0.05);而不同受教育程度、就业状况、家庭人均年收入的苗族特困移民心理障碍阳性症状的检出率间差异无统计学意义(P＞0.05)。不同年龄、就业状况的苗族常住居民心理障碍阳性症状的检出率间差异有统计学意义(P＜0.05);而不同性别、婚姻状况、受教育程度、家庭人均年收入的苗族常住居民心理障碍阳性症状的检出率间差异无统计学意义(P＞0.05)。
4.特困移民与常住居民SSRS评分情况比较无论土家族还是苗族特困移民主观支持、客观支持、支持利用度得分及总分与常住居民比较差异均有统计学意义(P＜0.05，)。特困移民与常住居民心理健康问题的多因素Logistic回归分析以是否有心理健康问题为应变量，以性别、年龄、婚姻状况、教育程度、就业状况和家庭人均年收入为自变量，采取逐步回归法进行二分类Logistic回归分析，自变量纳入水平α=0.10，以P＜0.05为有统计学意义。变量赋值情况:无心理健康问题者(SCL－90总分＜160分)=0，有心理健康问题者(SCL－90总分≥160分)=1;男性=0，女性=1;15～35岁=0，36～55岁=1，≥56岁=2;未婚=0，已婚=1，离异/丧偶=2;文盲或小学=0，初中及以上=1;无业=0，农民/零工=1，固定职业=2;家庭人均年收入＜0.9万元=0，0.9～1.8万元=1，＞1.8万元=2。结果显示，两个特困移民纳入模型的自变量有3个，分别为性别、年龄和家庭人均年收入;土家族常住居民纳入模型的自变量为性别和年龄;苗族常住居民纳入模型的自变量为年龄和受教育程度。在两个特困移民及土家族常住居民中，女性和高龄对心理健康的影响有统计学意义(P＜0.05);在苗族常住居民中，高龄对心理健康的影响有统计学意义
二、讨论
1.本研究结果显示，湘西州土家族、苗族特困移民的SCL－90总分及人际关系、抑郁、焦虑、精神病性因子得分均高于安置地同民族的常住居民，其心理障碍阳性症状的检出率为31.9%(60/188)，说明移民的总体心理健康水平较当地居民差，已有相当数量的移民存在不同程度的心理症状。这与其他类型移民的研究结果相似。移民心理健康受个体和社会等多种因素影响。相关研究表明，性别和年龄是影响移民心理健康的两个重要个体因素。在本研究中，不同性别、年龄、婚姻状况的特困移民心理障碍阳性症状的检出率间有差异。多因素Logistic回归分析也显示，女性和高龄是特困移民心理健康的危险因素。女性对移民带来的生活生产方式和社会关系的变化更为敏感，对新环境的适应和认同更为艰难，因而容易表现得更为焦虑，较男性更易产生心理健康问题。老年人由于年龄的增加，身体健康状态和劳动能力下降，加之对故地的思乡之情和社会支持网络的缺失，影响了他们对新环境的融入和新生活的适应，心理应激增加，容易产生不良情绪，导致心理健康问题出现。因此，女性和老年人应成为特困移民心理健康监控和干预的重点人群。社会支持是指能够获得来自家庭成员、亲友、同事、团体、组织和社区等在精神上和物质上的支持和帮助，对缓冲心理应激、维护和促进心理健康具有重要作用，也是影响心理健康的一个重要社会因素。
2.本研究SSRS评分结果显示，特困移民主观支持、客观支持、支持利用度得分及总分均低于常住居民，有统计学差异，提示湘西州土家族、苗族特困移民在移民搬迁后获取的社会支持不够，社会调适能力较差。本研究认为，特困移民作为移民中的特殊群体，其社会支持网络经历了“破坏－重建－再次破坏－再次重建”的特殊过程，他们获取社会支持的可及性、稳定性和有效性远远低于当地居民和搬迁前，心理上难免产生焦虑和失落感，而且他们的生活方式、思想意识等还受到传统社会的影响，不可能迅速适应和融入当地，因此出现心理健康问题的可能性较高。对于特困移民，迁入地政府和社区应加大帮扶力度和心理干预，指导他们尽快建立新的、稳固的社会支持网络，尽早融入当地社会环境。虽然特困移民的生活水平、生产能力和收入水平较搬迁前有了普遍提高，移民对搬迁后的物质生活水平比较满意，但移民的整体心理建康状态不是很稳定，部分移民已经出现了心理健康问题。这一现象也提示在移民工作中，除了要解决好移民搬迁后的生活与生产外，特困移民的心理健康与社会调适情况也应纳入移民工作重点中去。
3.要增强特困移民的认同感和归属感。政府和移民迁入地社区要有意识、有组织、有针对性地开展丰富多样的文化活动和教育活动，吸引和动员移民参与进来，通过移民与当地居民的交流沟通，促进移民搬迁后社会支持网络的建立，培育移民对迁入地的认同感和归属感。要加强对特困移民心理健康的监测和及时干预。政府和社区要认识到移民心理健康对移民工作的重要性，组织和培训工作人员学习相关知识，定期对移民进行心理健康体检，早期发现高危人群，通过谈心、一对一帮扶等形式进行心理干预和治疗。要理性认识心理健康问题。对已经出现心理健康问题的特困移民，应作为重点关注和工作对象。首先，应消除歧视和偏见，积极主动与他们交流沟通，寻找其心理健康问题发生的原因;其次，要认识到移民在搬迁后出现的心理健康问题绝大多数是可逆的，需要政府和社会各层面的关心和帮助，需要社区工作人员耐心细致的心理疏导。
作者：罗家顺
