统计学差异分析篇1
管理者绩效评价方法研究”（项目编号：11YJa630033）、吉林省社科基
金项目“吉林省发展战略新兴产业的人才支撑环境研究”（项目编号：
2012B292）、东北电力大学博士科研启动基金项目“推动战略性新兴产
业发展的人力资源开发研究”（项目编号：BSJXm-201114）、吉林市科
技局软科学项目“吉林市创新型城市建设研究”（项目编号：201243206）
的阶段性成果
中图分类号：F272.92文献标识码：a
内容摘要：本文介绍了人-组织匹配的三种形式及测量量表，并通过问卷调查的方式对不同城市的553名企业员工进行了调查，从性别、年龄、学历、职位和工作年限等五个人口统计学变量来探讨员工对以上三种匹配是否存在显著差异，最后对结果进行了分析，提出了有益的管理建议。
关键词：人-组织匹配性别年龄学历职位工作年限
人-组织匹配的概念与测量
（一）人-组织匹配的概念
匹配，又称契合，指的是一种相称、适应或胜任的状态。人-组织匹配，是指个体特质与组织整体之间协调一致的状态（Gregory等，2010），它从系统的角度看待人与组织之间的关系，因此受到了国内外学者和管理者的广泛关注，目前已成为人力资源管理领域的重要课题。
Chatman（1989）认为人-组织匹配是人与组织在规范、价值观方面的高度契合和一致。muchinsky和monahan（1987）认为匹配包含两种类型：一致性匹配和互补性匹配。一致性匹配是指个体在目标、价值观以及态度等方面与组织中的其他成员或组织文化具有相似性，互补性匹配是指个体拥有的独特资源可以满足组织的需要。Caplan（1987）则从人与组织互相满足对方需要的角度，将人-组织匹配分成个人需求与组织供给相匹配以及工作要求与个人能力相匹配。需求-供给匹配是指当组织满足个体的需要和偏好时，才能出现人与组织的匹配；要求-能力匹配是指当个体拥有组织所要求的能力时，才能出现人与组织的匹配。
Kristof（1996）在前人研究的基础上，对人-组织匹配的不同类型进行了整合，提出了人-组织匹配的整合模型，指出人-组织匹配包括一致性匹配和互补性匹配，一致性匹配指价值观匹配，互补性匹配则进一步分成需求-供给匹配和要求-能力匹配。Cable和DeRue（2002）以及Hinkle和Choi（2009）的研究也表明人与环境匹配是三维度的。由此，可以看出，人-组织匹配的完整涵义包括人与组织在三个方面的匹配，即价值观匹配、需求-供给匹配和要求-能力匹配。
（二）人-组织匹配的测量
对于人-组织匹配的测量，本文选用的是Cable和DeRue（2002）的英文测量量表，并采用“双向翻译”的方法将其转化为中文量表。具体做法是：首先请一位在国内获得博士学位并已在美国工作8年的专业人士将量表翻译成中文，然后再请英文专业的老师将其回译成英文，最后由专门研究组织行为学和人力资源管理领域的专家将其与原文进行了对比，来确保量表具有良好的内容效度，从而形成了中文版量表。具体内容如表1所示。
人口统计学变量的人-组织匹配差异分析
（一）样本的描述性统计分析
本研究以企业员工为调查对象，通过问卷调查的方式获取数据，调查范围涉及吉林、长春、成都、上海、北京、广州、深圳、沈阳、石家庄等多个城市，行业涉及化纤、电信、汽车制造、it等多个行业，共收回553份有效问卷。研究样本的详细信息如表2所示。
（二）样本的t检验与方差分析
独立样本t检验是利用来自两个正态总体的独立样本数据，来推断两个总体的均值是否存在显著差异的一种统计推断方法。给定显著性水平α后，首先需要利用F检验来判断两总体方差是否相等。如果F统计量的p值大于给定的显著性水平α，则可认为两总体方差并无显著性差异，此时可进一步观察方差相等条件下的t检验结果，如果t统计量的p值小于或等于给定的显著性水平α，则可认为两总体均值之间存在显著性差异。相反，如果p值大于给定的显著性水平α，则可认为两总体均值之间不存在显著性差异。如果进行F检验时，F统计量的p值小于给定的显著性水平α，则认为两总体方差有显著性差异，此时需观察方差不相等条件下的t检验结果。
独立样本t检验是对两组数据均值是否存在显著差异的统计检验，如果组别在三组以上，则需要采用方差分析。方差分析所研究的是分类型自变量对数值型因变量的影响。当只涉及一个分类型自变量时，该分析称为单因素方差分析；涉及两个或两个以上的分类型自变量时，则称为多因素方差分析。本研究中主要采用了单因素方差分析的方法来推断总体均值之间是否存在显著差异，如果存在显著差异，接下来就要确定自变量的不同水平对因变量的影响程度如何，哪些水平的作用明显区别于其他水平，哪些水平的作用不显著。这就要用到多重比较的分析方法，多重比较是利用样本数据，对各个水平下的总体均值逐一进行两两之间的比较检验。由于所采用的统计量不同，多重比较有许多具体方法。方差相等时常采用LSD法比较，方差不相等时常采用tamhane法比较。
本文采用独立样本t检验和单因素方差分析对研究样本的性别、年龄、学历、职位和工作年限进行统计分析。其中，对于员工的性别采用独立样本t检验，对于员工的年龄、学历、工作年限和职位采用单因素方差分析并进行两两比较，具体检验结果如表3、表4、表5、表6、表7、表8、表9、表10、表11所示。置信度水平为95%，两两比较只列出在统计上有显著差异的结果。
结果与分析
（一）性别的独立样本t检验
独立样本t检验结果表明（见表3），性别对价值观匹配、需求-供给匹配是有显著差异的，要求-能力匹配则无显著差异。男性与组织匹配程度更高，这可能与中国文化中男性占主导地位有关，长期以来人们形成了“男主外、女主内”的传统观念，导致了男性更注重工作和事业，女性更注重家庭。因此，组织给男性赋予了更多的权力和报酬，男性也更认同组织给自我带来的成就感和满足感。虽然随着女性受教育水平的提高，女性的工作能力与男性一样，都能满足组织工作的要求，但“性别歧视”现象仍然存在，使得女性在企业中总体地位不高，影响力小于男性，从而表现出了对企业价值观和企业回报的不认同。
（二）年龄的单因素方差分析
单因素方差分析表明（见表4），年龄对所有测量变量产生了显著的影响。也就是说，不同年龄的人在认同组织价值观、组织供给与个体需求、个体能力与工作要求等方面的匹配程度是不同的。从表5中可以看出，26-30岁的员工比较特殊，他们在所有测量变量上都与其他年龄组的员工有显著差异，与40岁左右或者年龄更大的员工差异最为显著，这可能是因为26-30岁的员工是80后，大部分为独生子女，个性强，习惯以自我为中心，经济转型及就业、住房等巨大压力使其处在不稳定的生活状态，价值观有了巨大改变，这些可能都是造成80后员工不同于老员工的原因。
（三）学历的单因素方差分析
单因素方差分析表明（见表6），学历对价值观匹配、需求-供给匹配、要求-能力匹配等因素均产生了显著影响。从表7中可以看出，本科以下的员工在价值观匹配、需求-供给匹配、要求-能力匹配方面要显著高于本科以上的员工。这可能是因为过去教育资源匮乏，年龄较大员工接受的学校教育较少，因而导致学历层次较低，但是这些员工通过多年的工作，积累了丰富的职业技能，在组织中可能也从事管理者的工作，因此对组织的整体认同感更高。
（四）职位的单因素方差分析
单因素方差分析表明（见表8），不同职位的员工在价值观匹配、需求-供给匹配、要求-能力匹配等方面有显著不同。从表9中可以看出，基层技术工人在三种匹配程度上均与其他职位员工差异较大。这可能与目前工人的地位较低、待遇较差有关，在调查中得知，东北地区的一些大型国有企业，很多工人的收入低于2000元，因而他们组织认同感低，工作积极性不高。
（五）工作年限的单因素方差分析
单因素方差分析表明（见表10），不同工作年限的员工在价值观匹配、需求-供给匹配、要求-能力匹配的感知是不同的。从表11中可以看出，工作10年以上的员工在价值观匹配、需求-供给匹配、要求-能力匹配等方面的感知都显著高于工作10年以下的员工。这可能是因为在一个组织中工作时间越长，对组织的情感越深厚，认同感也更高的关系。同时，工作年限越长，工作能力越能得到提高，员工从组织得到的回报也越高，这与我们的认知是相同的。
管理建议
通过以上分析，在进行企业管理时应该注意以下问题：
一是人-组织匹配的性别差异反映的可能是公平问题。因此，管理者应避免戴“有色眼镜”，消除“性别歧视”。随着教育程度的提高，女性也可以“委以重任”，发挥潜力。二是80后员工在人-组织匹配方面呈现出不同的特征，如何对新生代员工进行有效管理，应引起管理者的高度重视。三是制造性企业的产品质量往往与基层技术工人关系很大。基层技术工人与其他层次人员在人-组织匹配程度上差异较大，可能在某种程度上反映了他们对于工作报酬和工作内容的不满。因此，提高基层技术工人的报酬，增加教育和培训的机会，增强他们与组织的匹配度。四是员工在一个组织工作时间越长，与组织的匹配程度越高。如何提高员工的忠诚度、降低离职率是企业管理者着重考虑的问题。五是人-组织匹配程度因为采用主观填答的方式，在某种程度上反映了人们对组织的认同感。如何增强员工对组织的认同，可能人性关怀更为重要，“海底捞”的做法值得借鉴。
参考文献：
1.GregoryBt，albrittonmD，osmonbekovt.themediatingRoleofpsychologicalempowermentontheRelationshipsbetweenp–oFit，JobSatisfaction，andin-roleperformance.JournalofBusinessandpsychology.2010，25（4）
2.ChatmanJa.improvinginteractionalorganizationalresearch：amodelofperson-organizationfit.academyofmanagementReview.1989，14（3）
3.muchinskypm，monahanCJ.whatisperson-environmentcongruence？Supplementaryversuscomplementarymodelsoffit.JournalofVocationalBehavior.1987，31（3）
4.CaplanRD.person-environmentfittheoryandorganizations：Commensuratedimensions，timeperspectives，andmechanisms.JournalofVocationalbehavior.1987，31（3）
5.KristofaL.person-organizationfit：anintegrativereviewofitsconceptualizations，measurement，andimplications.personnelpsychology.1996，49（1）
统计学差异分析篇2
关键词：人格元分析大学生
近年来人格心理学的课题越来越多的受到学者重视，而大学生又是学者研究的热点群体，很多学者对大学生人格特质的性别差异和文理差异进行探讨。早在三十年代的时候研究学者就提出将男性气质和女性气质作为人格两级的观点并加以推广，认为人格因素与成才关系密切，不同层次的人才均存在最优化的人格特征。对人格的探索主要使用两类方法，一类是结构明确的问卷测验，另一类是结构不明确的投射测验。而在使用问卷测验作为研究方法的课题中多使用卡特尔十六项人格因素测验来测量人格特征。此测验是美国伊利诺州立大学卡特尔教授用因素分析法编制，将人格特征分为十六个因素进行分析，在做这类研究的时候，学者一般是根据研究结果给出分析讨论。
元分析是研究文献的一种数量化综述方法，是对已有大量实证文献的再次统计。通过对相关文献中的统计指标利用相应的统计公式，做更进一步统计分析。并根据获得的统计显著性等来分析两个变量间真实的相关关系。研究对已有关于大学生人格特征性别和学科差异方面的课题进行元分析，以促进健康人格的形成，进而提高大学生的心理健康水平。其中性别差异分析包括对男女生十六个因素的分析；学科差异分析包括对文理科生十六个因素的分析。除此之外对研究报告质量、出版年代和地域差异效应进行分析。
一、对象与方法
研究尽可能获取已出版和未出版文献，要求论文的研究对象是大学生；施测时间从1995到2011年；报告男女生在各因子得分；将大学生团体按文理分科，报告各因子得分；报告性别与文理差异的显著性检验值。
按照标准在中国期刊网、中文期刊数据库和中国优秀硕士学位论文数据库检索大学生和人格特征，共命中从1995到2011年的研究成果220篇，依照标准选取26篇，在选取时考虑入选文献的作者、年代、地区和期刊种类以及总样本数。
二、统计方法
2.1编码
元分析中引进的文献可能是低质量的，因此专家建议将报告质量作为一项中介变量考察。本文将研究报告分为核心期刊/一般刊物和学位论文三类,编码分为核心刊物/一般刊物/学位论文。研究还对被试来源和研究报告出版年代编码，分为东部/中部/西部。
2.2效应值的大小
大学生个性特征的性别及专业的关系如何可通过平均效应值回答。当研究包括平均数和标准差时，直接算出值
假设男生比女生人格特征因素得高时d值为正，否则为负。学科差异中假设理科生人格特征因素得分高于文科生时d值为正，否则为负。
三、结果
研究报告26篇文献的基本统计情况与性别与文理差异分析的平均效应值，失安全数、标准误、平均效果量95%的置信区间和出版年代效应、报告质量效应与地域差异效应。
3.1性别学科差异元分析
我们采用效应值的无偏估计来计算26个d均值。当实验组和控制组样本容量大于10、效应值小于1.5时,该加权方法有效。
本文根据专家的经验标准判断效果量。把效果量的绝对值以0.2与0.7为界分成小中大三类。但只依靠效果量分析是不够的，还要敏感性分析。
失安全数是评估元分析的有用指标。当结果有统计学意义时，使用失安全数可以计算最少需多少个未发表的研究才能使元分析的结论逆转。本分析使用此指标测量元分析的可靠性。公式nfs0.05=(∑z/1.645)2-K,K为已发表研究数。
失安全数越大，需逆转结果的未发表研究越多，元分析结论越可靠。本文同时报告平均效果量95%置信区间。置信区间可于假设检验，若95%的置信区间包含0则p>0.05，无统计学意义；若95%的置信区间不包含0则p
由上表可看出，近17年来男女生在乐群性、稳定性、敏感性、幻想性上有中等效应，有统计学意义且失安全数大。在恃强性、敢为性、世故性、实验性、独立性、自律性、紧张性上有小效应。学科差异分析中，文理科学生在乐群性、敏感性、实验性上有中等效应，有统计学意义且失安全数大，而其他人格特征的效应值较小。
3.2三种效应
三者与平均效果量的相关
用16种人格特质分别与文献质量和地域差异做相关。结果在性别差异分析中，地域差异和世故性、自律性相关显著；出版年代和敏感性相关显著。在学科差异分析中，文献质量和有恒性、世故性相关显著；地域差异和幻想性、忧虑性相关显著；出版年代和乐群性、幻想性、世故性相关显著。
三者和平均效果量的回归分析
以文献质量、地域差异和出版年代为预测变量，平均效果量为因变量做多元回归分析。平均效果量以样本加权，使用逐步回归法，在同一模型中进行探索性回归分析。[8]结果表明，性别差异分析的差异分析中文献质量、地域差异和出版年代对因子平均效果量的多元回归分析中，出版年代进入回归方程。出版年代效应能解释平均效果量的20%左右。在学科差异分析的三者对平均效果量的多元分析中，出版年代效应和文献质量进入回归方程。出版年代效应能解释平均效果量变异的39%左右，二者合起来能解释变异的一半。
四、讨论
近17年来大学生的人格特征具有明显的性别和学科差异。女生情绪开朗，乐于合作，对环境适应性强。情绪波动较明显，有时易感情用事，缺乏耐心与恒心。男生喜欢独自，办事稳妥合规。情绪稳定，能面对现实。有时固执任性，显得冷酷。云南师范大学罗国忠指出，中学生人格特质存在性别差异。女生的乐群性、敏感性、幻想性和自律性特质高于男生，男生的稳定性和恃强性特质高于女生,具有统计学显著性。这个结果与本研究非常类似，说明人格具有差异性和相对稳定性。
分析表明，文献质量和出版年代常使不同的研究结果不一致。这可能是元分析发表偏倚造成。发表偏倚指统计学上有意义的阳性研究结果较统计学上没有意义的阴性研究结果或无效研究结果更易发表。这会对元分析结果的真实性和可靠性产生影响。元分析是基于以往研究的的量化综述研究，其研究质量受到搜集的文献质量的影响。本研究虽尽量广泛收集数据，但数据仍不够丰富。另外大学生的人格特征受性别和学科影响的同时，也受到城乡差异和独生非独生子女等因素的影响，但由于文献中数据不足不能符合元分析的条件，未能一一进行研究。
性别和学科差异分析中存在出版年代效应。这可能是由于每一批被试出生年代的差异，让他们经历特定的社会历史文化环境，由此影响他们在人格特征的得分情况。也有学者使用出生组效应代替出版年代效应。因此以后的研究可使用横断历史研究对人格特征发展做进一步元分析。
参考文献：
[1]范会勇.张进辅,过去十年中学生SCL-90调查结果的元分析[J].心理科学,2005
[2]毛良斌,郑全全.元分析的特点方法及其应用的现状分析[J].应用心理学,2005
统计学差异分析篇3
关键词：单因素完全随机试验联合方差分析系统分组设计
根据重复和随机两个试验设计原则，所形成的完全随机设计，简单方便，广泛使用。在方差分析中误差的自由度最大，统计显著性要求的F临界值最小[1，2]。对于单因素完全随机试验可以单独进行方差分析；也可以把几个单因素完全随机试验联合进行方差分析，能够获得更多试验信息[3，4，5]。
例：在温室内以a、B、C、D4种培养液培养玉米，每种3盆（浓度不同），每盆4株，一个月后测定其株高（cm），得结果如表1，作方差分析[2]。
表14种培养液下的玉米株高（cm）
1.按照单因素完全随机试验进行方差分析
用excel对a、B、C、D4因素分别进行方差分析，结果于表2。
表2.1a因素完全随机试验方差分析表
表2.2B因素完全随机试验方差分析表
2.对4个单因素完全随机试验方差分析的结果进行综合
用excel对a、B、C、D4因素分别方差分析的结果，汇总于表3。
表3a、B、C、D4因素完全随机试验方差分析综合表
3.方差齐性检验
方差分析有一个假定，所有试验处理必须具有共同的方差。对表3总计项用bartlett法作方差齐性检验。
卡方值χ2=1.8216，概率p=0.4022
结论：因为实得概率p>α，故接受H0，认为各组间方差齐。因此，可以将上述a、B、C3因素合并进行方差分析。
4.a、B、C3因素合并资料的方差分析
4.1对合并资料进行方差分析
计算合并资料的总变异平方和SS=8388.89，自由度df=36-1=35。
处理间平方和SS=6393.06，自由度df=3-1=2。
4.2按照系统分组进行方差分析
把表4与合并资料的总变异、处理间变异加以综合，得到系统分组方差分析的结果于表5。
表5a、B、C3因素系统分组方差分析表
4.3平方和与自由度的关系式
表4总计平方和SS=1995.84；总计自由度df=33。表5总变异平方和SS=8388.89；总变异自由度df=35。处理（组）间平方和SS=6393.06；自由度df=2。
关系式：平方和SS=8388.89-1995.84=6393.06；自由度df=35-33=2。这是由于把a、B、C3因素联合进行方差分析，增加了“新的变异来源”而增加的平方和与自由度。
5.结论与讨论
5.1几个单因素完全随机试验联合方差分析的步骤
①首先按照单因素完全随机试验分别进行方差分析；
②把几个单因素完全随机试验方差分析的结果加以综合；
③作方差齐性检验，剔除影响方差齐性最大的方差；
④对合并资料按照单因素完全随机试验进行方差分析；
⑤把②和④综合，得到系统分组方差分析的结果。
上述方法步骤，不仅适用于重复次数相等资料的单因素完全随机试验，而且适用于重复次数不等资料的单因素完全随机试验。
5.2证明现有系统分组设计方差分析的变异原因划分欠妥
统计学中所谓的“系统分组设计”或“巢设计”或“窝设计”，实质上就是几个单因素完全随机试验的联合方差分析，即一组相同试验方案数据的联合分析[2]。而且原来的系统分组设计方差分析时，“总变异=处理（组）间+组内亚组间+处理内”并不恰当，应该改为“总变异=因素间+因素内水平间+误差”，这样一来变异原因更加明确。以前所有的统计书都把系统分组设计作为一种特别的试验设计，必须澄清，应当改正。
参考文献：
[1]辛淑亮.现代农业试验统计[m].北京：中国统计出版社，1999.
[2]盖钧镒.试验统计方法[m].北京：中国农业出版社，2000：91，135，273.
[3]莫惠栋.农业试验统计[m].上海：上海科学技术出版社，1984.
[4]王钦德，扬坚.食品试验统计与统计分析[m].北京：中国农业大学出版社，2010：62.
[5]刘权.果树试验统计及统计[m].北京：中国农业出版社，1997.
统计学差异分析篇4
【关键词】会计专业统计学教学审计财务管理管理会计
统计学原理是高等院校经济类和管理类专业（以下简称经管专业）的一门核心课程。大统计学是一门搜集、整理和分析统计数据的方法论科学，其目的是探索数据的内在数量规律性。统计学广泛应用于各学科中，在商业以及工业中，统计被用来了解与测量系统变异性，程序控制，对决策提供数据支持；在第一产业方面，可运用统计计算出各种农产品的需求情况及价格分布，从而指导生产；在生产行业中，统计学可以运用在产品开发、营销、财务管理等方面，从而提高企业的营运能力；在服务行业中，例如在金融行业中，运用统计技术将各种交易资料加以分类、整理，从而得到如客户贡献度、客户偏好、存款变动趋势、产品分析、行业发展等数据，从而为管理层提供决策依据，等等。特别是在会计专业中，统计学更是发挥了不可估量的贡献。在对会计专业学生的统计学教学中，大致可以从审计学、财务管理和管理会计几方面入手，将统计学教学与会计专业有机结合。笔者经过了多年的统计学专业学习，并经过了长时间的高校会计专业学生的实践教学，对统计学教学过程有了更深刻的感受，在这里本人谈谈对会计专业统计学教学的一些改革创新思路。
一审计学——审计统计抽样
审计抽样是指审计人员在实施审计测试时，从被审总体中选取一定数量的样本进行审查，通过样本的审查结果来推断被审总体特征的一种审计技术方法，审计统计抽样是审计抽样的一种方法，它是相对于非统计抽样而言的。统计抽样是指在审计抽样中，审计人员根据概率论和数理统计的原理，按照一定方法确定样本数量，并以样本审查结果推断评估总体的审计抽样技术。它运用的数学运算包括两个过程：样本规模和推算总体。统计抽样的思想方法是以假设检验为前提，设定抽样参数，确定抽样规模，无人为偏见的随机抽取样本进行审核，根据需要扩大样本，逐次逼近总体特征，根据样本特征经计算推导，得出总体结论。根据抽样测试的目标不同，统计抽样方法可分为3大类：用于符合性测试的属性抽样和用于实质性测试的变量抽样以及货币单位抽样。审计中常用的统计抽样技术有属性抽样（包括固定样本量抽样、停—走抽样、发现抽样）、变量抽样（包括单位平均数估计抽样、差额估计抽样、比率估计抽样、分层抽样）、货币单位抽样等。统计抽样的方法很多，每一种方法都有其特定的优点和局限，既没有某一种方法一无是处，也没有哪一种方法在任何情况下都是最优的。因此依照何种标准来选择适当的统计抽样方法很重要，应重点考虑审计目标、审计效果、审计效率、审计成本等因素。要确定哪种统计抽样方法最为适宜是不容易的，这要求审计人员对每一种可供选择的统计抽样方法都要有所了解，掌握它们各自的优点和运用条件，充分了解实际情况，再与丰富的审计实践经验相结合，才能做出正确的选择。
二财务管理——收益和风险
财务管理中的收益和风险，在统计学中即表现为描述统计中的算术平均数和标准差（标准差系数）。例如：期望现金流量的计算方法中，如果影响资产未来现金流量的因素较多，不确定性较大，使用单一的现金流量可能并不能如实反映资产创造现金流量的实际情况。在这种情况下，采用期望现金流量法更为合理的，企业应当采用期望现金流量法预计资产未来现金流量。在期望现金流量法下，资产未来每期现金流量应当根据每期可能发生情况的概率及其相应的现金流量加权计算求得，此种方法即加权算术平均数的计算方法；货币时间价值的计算是假定没有风险和通货膨胀，但在财务活动中，经营风险带来的财务风险是客观存在的，而且风险和收益密切相关，所以财务管理者必须研究风险和收益。如果不考虑收益的前提下，可以直接用标准差来衡量财务活动中的风险，若考虑收益，则不能直接用标准差，需要用标准差系数来衡量风险，即用标准差与收益的比值来衡量。
除此之外，在财务管理中，需要对资金需要量等指标进行预测，为统计学中的预测方法提供了多种思路。
可以按照时间序列的组成因素，可以选择平滑法预测、回归法预测等，这些方法都是会计专业中常用的预测方法。例如，在财务预测中，资金需要量预测的主要方法有销售百分比法、线性回归分析法和预计资产负债表法。线性回归分析法是假定资金需要量与业务量之间存在线性关系并建立数学模型，然后根据历史有关资料，确定参数从而用回归直线预测资金需要量的一种方法。其预测的数学模型为y＝a＋bx，式中y为资金需要量；a为不变资金；b为单位业务量所需要的变动资金；x为业务量。不变资金是指在一定的营业规模内，不随业务量增减的资金。变动资金是指随营业业务量变动而同比例变动的资金。根据企业历史资料，运用线性模型，在确定a、b数值的基础上，即可预测一定业务量x所需的资金量y。用于销售预测的常用方法有判断分析法、趋势外推分析法、因果预测分析法和产品寿命周期推断法等。趋势外推分析法在销售量预测中的应用较为普遍，其具体应用形式包括平均法（简均法、移动平均法和趋势平均法）和修正的时间序列回归法。
三管理会计
按成本性态可以将企业的全部成本分为固定成本和变动成本。固定成本与变动成本只是经济生活中诸多成本性态的两种极端类型，多数成本是以混合成本的形式存在的。混合成本是指那些“混合”了固定成本和变动成本两种不同性质的成本，对混合成本的分解方法有历史成本法、账户分析法和工程分析法。历史成本法的基本做法就是根据以往若干时期（若干月或若干年）的数据所表现出来的实际成本与业务量之间的依存关系来描述成本的性态，并以此来确定决策所需要的未来成本数据。历史成本法通常分为高低点法、散布图法和回归直线法3种。回归直线法运用最小二乘法的原理，对所观测到的全部数据加以计算，从而勾画出最能代表平均成本水平的直线y＝a＋bx，这条通过回归分析而得到的直线就称为回归直线，它的截距就是固定成本a，斜率就是单位变动成本b，这种分解方法也称作回归直线法。又因为回归直线可以使各观测点的数据与直线相应各点误差的平方和最小，所以这种分解方法又称为最小二乘法。
管理会计中的标准成本法是指通过制定标准成本，将标准成本与实际成本进行比较获得成本差异，并对成本差异进行因素分析，据以加强成本控制的一种会计信息系统和成本控制系统。标准成本法便于企业编制预算和进行预算控制；可以有效地控制成本支出；可以为企业的例外管理提供数据；可以帮助企业进行产品的价格决策和预测；可以简化存货的计价以及成本核算的账务处理工作。标准成本是在正常生产经营条件下应该实现的，可以作为控制成本开支，评价实际成本、衡量工作效率的依据和尺度的一种目标成本。可分为理想标准成本、正常标准成本和现实标准成本。成本差异是指实际成本与标准成本之间的差额，也称标准差异。按成本的构成分为直接材料成本差异、直接人工成本差异和制造费用差异。直接材料成本差异、直接人工成本差异和变动制造费用差异都属于变动成本，决定变动成本数额的因素是价格和耗用数量。制造费用差异（即间接制造费用差异）按其形成的原因和分析方法的不同又可分为变动制造费用差异和固定制造费用差异两部分。例如：直接材料成本差异是指一定产量产品的直接材料实际成本与直接材料标准成本之间的差异。直接材料成本差异＝直接材料实际成本－直接材料标准成本。直接材料成本是变动成本，其成本差异形成的原因包括价格差异和数量差异。价格差异是实际价格脱离标准价格所产生的差异。数量差异是单位实际材料耗用量脱离单位标准材料耗用量所产生的差异。计算公式如下：材料价格差异＝（实际价格－标准价格）×实际用量；材料数量差异＝（材料单位实际耗用量－材料单位标准耗用量）×标准价格；直接材料成本差异＝材料价格差异＋材料数量差异。此种计算方法是统计学中加权综合指数体系中的相对数形式和绝对数形式。在学习和工作中比较常用的是基期权数加权的数量指数和报告期权数加权的质量指数形成的指数体系。
综上，会计专业中的统计学教学应结合自身特点，注重对统计思想的挖掘和传递，注重对学生统计思维能力的培养和塑造，以培养应用能力为主线，与会计专业老师深入沟通，对现有统计学教材的课程设置及传统的教学手段进行大胆改革，从而使会计专业的学生增强学习统计知识的兴趣，真正认识到统计学的重要性，学到真正能指导实践的现代化统计知识。通过一段时间的实践，会计专业学生对统计学和会计学科的关系有了深刻的认识，增加了学习统计学的主动性，并对会计专业课程有了不同角度的解读。
参考文献
〔1〕白日荣、苏永明.非统计专业统计学教学的改革与创新〔j〕.统计教育，2007（12）
〔2〕杨绪忠.财经类非统计学专业的统计学课程教学探讨〔j〕.统计与决策，2002（05）
统计学差异分析篇5
关键词：代谢组学；模式识别；多元统计分析；显著性检验；类间距；离差平方和；核磁共振
1引言
代谢组学是继基因组学、转录组学、蛋白质组学后，生命科学研究领域出现的又一门新兴组学技术[1]，它为系统研究分子病理、基因功能和系统生物学提供了一种强有力的技术手段。
代谢组学通常以生物样品（体液、组织提取物等）中的代谢物为检测对象，以核磁共振（nmR）[2，3]、高效液相色谱（HpLC）[4]、质谱（mS）[5]和傅立叶变换红外光谱（FtiR）[6，7]，以及色谱质谱核磁共振联用技术[8，9]等为检测手段。由于生物样品组成复杂[10]，所获得的各种谱图中包含着海量信息，很难直观地从谱中获得全部有效信息。计算机技术的飞速发展使得快速分析、处理大量数据成为可能。代谢组学研究中最常用的数据分析方法是模式识别，包括非监督的方法（如主成分分析（pCa））和监督的方法（如偏最小二乘法（pLS）），及在此基础上发展的优化的方法，如偏最小二乘法辨别分析（pLSDa）、正交偏最小二乘法辨别分析（opLSDa）[11，12]等。
模式识别分析是将样本投射到低维空间中，实现对数据的降维，从而使复杂的数据可视化。在该低维空间中，映射点分布的不同反映了样本组成上的差异。因此，对于分布于低维（二维或者三维）的主成分空间中不同样本的映射点之间是否存在显著性差异的判别尤为重要。当两组样本在空间中映射的分布区域相互靠近，甚至出现部分重叠时，仅凭主观印象作出判断很容易出现错误。在代谢组学研究中，外界刺激能同时引起体液或者生物组织中多种代谢物含量的变化，这些变化通常是相互关联、互相影响的，单一代谢物的统计变化特异性最差，不能正确、全面地反映整体的变化情况。要提高检出率和特异性，需采用多种实验方法对样本进行检测，并衡量组间差异和定量判别样品分散程度。各组样本的分散程度所反映的是样本由于自身个体差异、对外来刺激响应的个体差异、实验仪器误差、主观数据处理等因素造成影响。对分散度的准确描述将有助于评价实验对象的选择是否合适及个体差异的影响。
对于分布于二维或三维空间中点的位置需要用2个变量或3个变量描述，因此有必要引入多元统计分析方法，从而获得更加丰富的数据信息，以此提高判断的全面性、准确性和科学性。本研究将多元统计分析中的多元t检验、类间距计算及组内离差平方和计算等方法应用到代谢组学研究中，期望能为判别低维空间中的两组或多组点之间是否存在显著性差异，量化存在显著性差异的组间的差异大小、组内样本分散程度，提供客观、准确的判别方法。
2多元t检验、类间距和组内离差平方和计算在代谢组学中的应用
统计学差异分析篇6
1．1研究对象
在知情同意条件下，随机抽取广西右江民族医学院护理学专业女大学生395名。所有受检对象的身体均无畸形，无重大疾病和手术史。
1．2研究方法
1．2．1检测方法
利用日本百利达公司生产的mC－180人体成分分析仪检测护理学专业女大学生的体成分，选取躯干、四肢的肌肉量和脂肪量进行分析。
1．2．2采集条件
①测试前受检对象无剧烈运动，心情平静，排空二便；②摘除与身体接触的金属饰品；③双脚裸足站立在人体成分分析仪上，根据分析仪提示手握电极时，受检者双手握住电极；④测试时间在20s内完成；⑤测试前均对仪器进行校正，并由专人负责仪器操作。检测时严格按照仪器说明书及采集条件进行操作。
1．2．3体质状况评定标准
根据中华人民共和国卫生部疾病控制司关于利用身体质量指数（Bodymassindex，Bmi）判定体质状况的标准，以Bmi＜18．5为体重过低，18．5kg／m2≤Bmi＜23．9kg／m2为体重正常，24kg／m2≤Bmi＜27．9kg／m2超重，Bmi≥28kg／m2为肥胖［6］。
1．3统计学方法
用SpSS13．0统计软件对体成分相关数据进行t检验、单因素方差分析、各均数间两两比较用LSD。p＜0．05为差异有统计学意义。
2结果
2．1护理学女大学生的整体健康状况
根据中华人民共和国卫生部疾病控制司关于Bmi的评定标准，受检的395名护理学专业女大学生中体重正常人数为255人，占总受检人数的64．56％；体重过轻人数为119人，占总人数的30．13％；超重人数为17人，占总人数的4．30％；肥胖人数为4人，占总人数的1．01％。
2．2护理学专业女大学生的全身和躯干肌肉和脂肪分布情况
经单因素方差分析各年龄段全身和躯干的肌肉量和脂肪量，差异有统计学意义（p＜0．01）；全身肌肉量在21岁分别与18、19、20、22、23、24、25岁比较，差异均有统计学意义（p＜0．05）。各年龄段躯干肌肉量的比较，21岁分别与18、22岁比较，18岁分别与23、25岁比较，22岁分别与23、24、25岁比较，差异均有统计学意义（p＜0．05）；19、20岁分别与21、23、24、25岁比较，差异有统计学意义（p＜0．01）。18、19、24岁全身脂肪量、躯干脂肪量分别与22、23、25岁年龄组比较，差异有统计学意义（p＜0．05或0．01）。
2．3护理学专业女大学生的四肢节段性肌肉量和脂肪量分布情况
右上肢肌肉量明显高于左上肢肌肉量（p＜0．01）；而脂肪量右上肢则明显低于左上肢（p＜0．01），见表2。分别对四肢的肌肉量和脂肪量进行单因素方差分析，结果显示：各年龄段左上肢肌肉量和脂肪量、左下肢脂肪量、右上下肢脂肪量总的来说差异有统计学意义（p＜0．05），各年龄段右上、下肢肌肉量和左下肢肌肉量总的来说差异有统计学意义（p＜0．01），见表3。左上肢肌肉量在21岁分别与18、21、22岁比较差异有统计学意义（p＜0．05）；21岁分别与19、20、24岁比较差异有统计学意义（p＜0．01）。右上肢肌肉量在21岁分别与22、23岁，24岁分别与23、25岁比较差异有统计学意义（p＜0．05）；21岁分别与18、19、20、24岁比较差异有统计学意义（p＜0．01）。左下肢肌肉量在18岁与24岁，19与25岁比较差异有统计学意义（p＜0．05）；21岁分别与18、19、20、22、23、24、25岁，24岁分别与19、20岁，25岁分别与20、22岁，20岁与24岁比较差异有统计学意义（p＜0．01）。右下肢肌肉量在18岁分别与21、25，23岁与24岁比较差异有统计学意义（p＜0．05）；21岁分别与19、20、22、23、24、25岁，25岁分别与20、19岁，24岁分别与18、19、20岁比较差异有统计学意义（p＜0．01）。左上肢脂肪量在23岁分别与19、24岁，18岁与22岁，24岁与25岁比较差异有统计学意义（p＜0．05）。22岁分别与19、24岁比较差异有统计学意义（p＜0．01）。右上肢脂肪量在18岁分别与23、25岁，23岁与25岁比较差异有统计学意义（p＜0．05）；22岁分别与18、19、24岁，19岁与23岁比较差异有统计学意义（p＜0．01）。左下肢脂肪量在18岁与22岁，19岁与23岁，24岁分别与23、25岁比较差异有统计学意义（p＜0．05）；22岁分别与19、24岁，23岁与25岁比较差异有统计学意义（p＜0．01）。右下肢脂肪量在23岁分别与19、24岁，18岁与22岁，24岁与25岁比较差异有统计学意义（p＜0．05）；22岁分别与19、24岁比较差异有统计学意义（p＜0．01）。
3讨论
3．1护理学专业女大学生的体质健康状况
本研究中护理学专业女大学生体重异常人数为140人，占总人数的35．44％，其中体重过轻人数占30．13％，超重和肥胖学生人数占5．31％。有研究表明适当的体育运动可改变机体的肌肉和脂肪分布，从本次调查的结果表明，护理学专业女大学生体重过轻人数偏多，除了女生自身爱美之外，还与护理学专业学生的就业密切相关。现在很多医院招聘护理学专业女大学生时除身高要求之外，还有外在的形体美要求。为此，很多女生为自己在今后的就业招聘中脱颖而出增添一份自信，除增加体育运动之外，在日常生活中盲目过度控制饮食以保持苗条身材，这是护理学专业女大学生体重过轻人数偏多的原因之一。而出现超重和肥胖的学生除了遗传因素外，主要是由于饮食无节制、经常食用高能量食品以及缺乏体育锻炼有关。
3．2护理学专业女大学生躯干四肢肌肉量和脂肪量的年龄变化
不同的人群由于其遗传素质、饮食习惯和生活环境等不同，体脂分布及其占体质量百分比均可能呈现各自的特点。本研究结果显示：躯干、四肢的肌肉量和脂肪量呈波浪式变化，护理学专业女大学生躯干四肢的肌肉量在20岁之前无明显变化，但在21岁年龄组的躯干四肢的肌肉量达到阶段性高峰，而躯干四肢的脂肪量在22岁达到阶段性高峰。护理学专业女大学生各年龄段的全身肌肉量和躯干肌肉量均高于百色市苗族青少年，主要考虑是女大学生的身体发育已完全，而青少年处于生长发育阶段所致。躯干四肢的脂肪量与广西汉族女大学生相比，四肢脂肪量在18、19岁年龄组明显低于汉族女大学生，躯干脂肪量在21岁年龄组之前亦明显低于汉族女大学生，出现这种差异除了遗传、民族因素之外，还可能与护理学专业的特殊性有关，护理学女大学生比汉族女大学生更关注自己的形体美，此外，亦有可能是护理学女大学生的生活水平比汉族女大学生低所致。
3．3护理学毕业女大学生的身体节段性分布
统计学差异分析篇7
【关键词】区域经济差异空间统计
一、中国区域经济差异的空间差异
空间统计的核心就是正确的认识到地理位置与空间数据之间的依赖性，主张通过正确认识到不同空间中的数据关联，有效处理多种问题。
（一）空间统计理论分析
从地理学角度讲，任何事物都与其周围事物存在一定的关联性，但与之相近的事物与其联系更为密切。同时，所有的空间数据均具有一定的空间依赖的特点，这一特点就决定空间数据的核心就是正确认识到地理环境信息对经济发展的影响。
实现空间统计与地理分析的结合，需要进行有效的空间抽样。但是由于空间依赖现象的存在，导致多种统计中独立假设的功能失效，因此，必须要正确认识到数据的空间依赖性特点，确保其能够为恐慌那件数据分析提供便利。
（二）区域空间统计的常见方法
1.空间权重矩阵
在进行空间分析的过程中，首先应该定义空间对象的所有相邻关系。因此，可利用空间权重矩阵对其进行相关研究。其基本方法为：
定义1个二元对称的空间权重矩阵w，以wn表示n个位置间的空间临近关系，并根据相关标准进行度量，其几百本的矩阵结构为：
空间权重矩阵中存在多种规则，包括简单的二进制邻接矩阵、基于距离的二进制空间权重矩阵等。
2.全局空间自相关
本文采用moran指数，对全局空间自相关进行分析。定义X为固定区域i的测量值，以（Xi-X）（Xj-X）反应测量数值间的相似性，随后确定临近关系w与观测值的相似性C，就可计算出moran的具体数据（i），其计算公式为：
根据上述公式，可计算出检验统计数据，并检查空间关联的显著性。在上述公式中，均值、方差都可取理论上的数据。当我们取H0（该单元中不存在空间自相关性）进行显著性检验时，可通过所有区域单元观测值之间的相关性进行二次判断。
3.局部空间自相关
在eSDa中，评估空间联系程度的方法为GrearyC，为开展全局统计，可忽略空间中存在的不稳定要素。进一步考虑是否存在观测值高值与低值，判断哪个区域对经济发展的贡献最大，争取能在最大程度上避免因全局自相关评估而掩盖反常局部评估的现象。
在统计过程中，建议使用局部G统计量Gi（d）检测小范围内局部空间依赖性，因为在全局性的空间联系中，这些数据是无法揭示的。但需要注意，若全局统计难以证明空间联系存在是，可使用局部G统计，测量区域单元的测量值在空间中的聚集程度。全局G统计量量公式为：
由上述公式可发现，显著的正G值能够清晰反映该区域单元周围的实际数据，并在高观测值区域内反映出空间集聚的状态。显著的负G值能表述地观测值的区域单元，能探测出目标区域内部单元的空间分布（主要指高值集聚或低值集聚）。
二、差异统计理论的应用分析
本文以我国某地区，对经济差异统计理论的应用情况进行讨论。
（一）全局空间自相关分析
采用空间权重矩阵，作为简单的二进制连接矩阵。虑到该区域中相邻两区域间经济发展的实际情况，取该区域中相邻两区的2011年-2013年相关数据的平均值，具体结果见表1。
表12011年-2013年该区域moran指数统计
（二）G统计
基于二进制相邻接矩阵计算，可判断人均GDp自然对数的全局G统计数据（如表2），当计算出设定总量显著性水平α等于0.05时。
表2基于正态假设的全局G统计
从此图表的G统计量的解释情况来看，按照区域单元空间相邻地理关系探测空间联系能够判断，该区域为高值集聚空间分布。
（三）局部G统计量
在局部G统计量处理中，考虑到局部小范围的不稳定特点，因此可认为全局G统计量不能完全揭示空间的依赖性。从计数结果来看，若局部统计量G的检验较为保守，因此可取α等于0.05，即可显示落后地区空间集聚的分布作用。
三、结束语
本文简单分析了区域经济差异空间统计的相关问题，对工作人员而言，要重视数据的准确性，通过高精准的数据提高空间统计的科学性，为地区间的经济发展提供数据支撑，推动区域经济健康、持续发展。
参考文献：
[1]孙盼盼，戴学锋.中国区域旅游经济差异的空间统计分析[J].旅游科学，2014，28（02）.
[2]李广东，方创琳.中国区域经济增长差异研究进展与展望[J].地理科学进展，2013，32（07）.
[3]关兴良，方创琳，罗奎.基于空间场能的中国区域经济发展差异评价[J].地理科学，2012，32（09）.
统计学差异分析篇8
【关键词】更年期；动态心电图；心率变异性；对比【abstract】
【中图分类号】R749.4+2【文献标识码】a【文章编号】1004-4949（2012）10-0021-02心率变异性（HRV）分析是近几年对心电图分析比较前沿的热点研究。是目前临床上能定最分析自主神经功能的唯一方法[1]。在一些医院未能引起重视，一些患者许多检查都正常，但心慌、心悸不适等自觉症状重，通过24h动态心电图检查发现，心率变异性发生改变，通过调节神经、心理治疗达到了很好的效果，为此随机抽查118例已行24h动态心电图患者进行心率变异性分析，为患者诊断、治疗、护理提供依据。
1临床资料与方法
1.1资料来源：我院2011年1月—10月门诊及住院病人中进行动态心电图检查者，但临床未能完全确诊有心脏器质性疾患者共计118例，女性49例，小于40岁4例，40—60岁26例，大于60岁19例；男性患者69例，小于45岁7例，45—65岁30例，大于65岁32例。
1.2选择方法：所有病人均为窦性心律，剔除有心房扑动、心房纤颤、交界性心律和有间歇性心房纤颤者，对所选病例男性小于45岁7例、女性小于40岁4例剔除（例数少，无统计学意义，另外选择女性以40—60岁和大于60岁两个年龄段，男性以45—65岁和大于65岁两个年龄段进行对比分析。
1.3研究方法
1.3.1动态心电图记录：男、女两组均行24h动态心电图记录。采用青岛康泰医学系统有限公司全息动态心电图分析系统在人工干预下选择清晰、明了的心电图波形进行QRS波起始、结束，t波起始（J波后选60—80ms后为t波起点进行分析），然后在人工干预下进入自动分析系统，再进入分析模块，人工干预分析。
1.3.2心率变异性分析：自动分析系统自动算出心率变异性频域、时域分析数据，然后计算出LF/HF比值。结合临床对病人心率变异性指标进行分析，主要分析SDann、RmSSD及LF/HF比值。
1.4统计学处理结果：数据结果用X2检验及t检验结果如下：
表格SDann、RmSSD、LF/HF值
男性45—65岁与大于65岁SDann和RmSSD无明显差异，而LF/HF值非常显著差异p
2讨论
2.1心率变异性分析（HRV）是测量nn间期（或瞬时心率）变化的大小及变化规律，其变化规律反映了交感受神经与迷走神经平衡的状态，HRV作为定量分析自主神经功能的唯一方法，是一项通过24h动态心电图反映自主神经平衡的临床检测技术（1）。常用方法有许多，直观的检测项目有SDnn、SDann、RmSSD、LF/HF比值。
SDnn表示全程全部nn间期的标准差，但其受许多因素影响，是对24h长程HRV的总体分析。而SDann反映HRV中的慢变化成分，是每5min时段nn间期的均值和标准差，RmSSD反映HRV中快变化成分，代表全程nn间期之差的平方根（2），以上几种是心率变异性主要时域分析指标。只有结合心率变异性频域分析才能更好地反映自主神经调节与平衡状态。心率变异性受多种因素的影响如年龄、性别、运动、休息、、疾病（主要有糖尿病、心血管疾病等）（1）。从本探讨可以看出同性别之间不同年龄段，不同性别间同年龄段心率变异性不同，随着年龄的增长，心率变异性变小，尤其女感受神经与迷走神经失衡，心率变化昼夜节律性降低，心率变异性小。SDann主要反映交感神经兴奋性，当其值降低时，交感受神经兴奋性降低，男性45—65岁时SDann异常率占20%，当年龄大于65岁时增加到29%，但男性在这两个年龄段无明显差异。而女性由41—60岁的23.1%增加到60岁以后的47.4%，差异性非常显著（p
2.2针对这些情况，进行相应的治疗并提出合理的建议，许多患者半年随访未再发生心慌等不适症状。
增加老年朋友尤其老年女性朋友的聚集，达到相互沟通与交流的目的。进行心理指导或到心理门诊给予心理干预和心理治疗。必要时使用调节植物神经功能的药物。定期体格检查，检查出一些隐藏疾病尤其是一些心血管疾病、代谢性疾病等，严重时进行全面体检，利于尽早诊断与治疗。
由于探讨例数偏少，有待于不断总结，希望同行给予指点。参考文献
统计学差异分析篇9
【关键词】湿化学；干化学；比较；相关性分析
近几年，干化学分析仪逐渐被临床所广泛应用，尤其是在急诊检验工作中更是体现其快速有效的优势。但同时与湿化学检测结果出现的较大差异，也给临床诊断、病情的分析以及检测结果的评估和解释带来一定的困难。因此为了进一步了解这两种检测体系的检测结果不一致的情况，现对本院就诊的40例患者的血清标本同时进行湿化学和干化学部分检测结果分析对比，为实验室提供两种检测数据的可比性提供参考依据。
1材料与方法
1.1仪器干化学法：强生vitros-5600全自动干化学分析仪，美国强生公司生产。湿化学法雅培c8000生化分析仪，美国雅培公司生产。
1.2试剂干化学法：美国强生公司生产的vitros-5600原装干片试剂。湿化学法：血清天门冬氨酸氨基转移酶（ast），谷丙转氨酶（alt），r-谷氨酰转肽酶（r-ggt），碱性磷酸酶（alp），尿素氮（bun），肌酐（cr），尿酸（ua），总胆固醇（tc），高密度脂蛋白胆固醇（hdl-c），低密度脂蛋白胆固醇呢（ldl-c），甘油三酯（tg），乳酸脱氢酶（ldh）由上海科华生化技术股份有限公司提供。干化学校准品和质控液均为强生公司提供的原装配套产品。湿化学生化分析仪所用校准品由利德曼公司生产提供（批号：lot103101ba）；质控液为利德曼公司生产提供的生化质控血清（批号：lot106281c）。
1.3方法
1.3.1定标和质控样本测试前，进行仪器保养和检查，避免仪器故障。两台生化分析仪，分别用相应的定标液和质控液进行系统校正。统计两台仪器质控结果，确保所有检测项目的变异值不超过规定变异值。
1.3.2仪器重复性和精密度检验在确保质控和定标合格的状态下，分别进行两台仪器的重复性测试。
1.4标本来源40例血清样本分别来自正常或患者的标本，无溶血的轻微脂血血清。
1.5统计学处理采用spss13.0软件进行统计分析。求得所得两类数据的差值，对检测结果数据进行正态性分布检验。符合正态分布的进行配对数据t检验，不符合正态性分布的进行秩和检验，计算两组数据的回归方程，并进行回归系数和相关系数的统计学假设检验。
2结果
2.1干化学和湿化学检测数据正态性分布分析对雅培c8000湿化学检测数据和强生vitros-5600干化学检测数据进行正态性分布检验。标准峰度值和标准偏度值（u<1.96）可见bun、ua、tc、tg、ldl符合正态分布（p>0.05），进一步进行方差齐性分析，对两组数据进行配对数据t检验，而alt、ast、alp、ggt、cr、hdl-c、ldh检测结果不符合正态分布（u>1.96，p<0.05），需对其进行秩和检验。
2.2干化学和湿化学检测结果差异显著性分析对alt、ast、alp、ggt、cr、hdl-c、ldh进行秩和检验，以这7组数据差值的总体中位数md为检验统计量，零假设为md=0，备择假设md≠0，α=0.05，作出推断结论。而bun、ua、tc、tg、ldl符合正态分布，进一步进行方差齐性分析，对两组数据进行配对数据t检验。结果见表1和表2。
由表1秩和检验结果可见，除alt（p>0.05）外，其余项目ast、alp、ggt、cr、hdl-c、ldh的干化学检测结果和湿化学检测结果比较差异均有统计学意义（p<0.05或p<0.01）。同时由表2配对数据t检验结果可见，bun、ua和tg的干化学和湿化学检测结果比较差异均有统计学意义（p<0.05），而tc、ldl-c比较差异均无统计学意义（
p>0.05）。
2.3干化学和湿化学检测结果的相关性分析以湿化学测定值为x，干化学测定的值为y，求得回归系数b，截距a，建立回归方程y=a+bx，并进行回归系数和相关系数的显著性检验。查f表，可知[f1，38（0.05）=251]。由结果分析表明ast、alt、ggt、alp、ldh、bun、ua由这两种检测方法得出的结果存在显著相关性（p<0.05），且相关系数r>0.96。而tc、tg、hdl-c、ldl-c则无明显相关性r<0.9，其中cr有明显相关性（r=0.9237），但差异无统计学意义。
3讨论
干化学是相对于传统的湿化学即溶液化学而言的。它是以被检测样品中的液体作为反映媒介，待测物直接与固化于载体上的干粉试剂反应的一种方式。它与传统湿化学最大的区别就在于参与化学反应的媒介不同[1-2]。近20多年来，随着生物化学中酶的提取分离、纯化和储存技术的发展，加之传感器、感光计和电机技术等的进步，干化学技术也被我国各大中小型医院所接受。且其相对于湿化学检测有试剂稳定期长，全血可上机，无需排水系统和管路系统，操作简单便捷，分析前后不需要清洗，容易保养等优势，也很快使其成为了临床生化检测体系中重要的一部分[3]。实验室同一检测项目，在两种不同的分析系统下得到的结果需具有可比性，且结果要接近，这对于临床应用是非常必要和有重要意义的。本次对本实验室的部分急诊项目进行统计分析，发现在所检测的12项中，除alt、tc、ldl-c外，其余检测项目ast、ggt、bun、cr、ua、tg、hdl-c、ldh由两种检测方法得出的检测结果有显著差异。这与陈少莲等[4]的报道有一致性，但也有差异；与赵春娥等[5]的报道也不尽相同。出现这种情况的原因除了样本选择上的差异外，在仪器的型号上也有所差别，因此不同类型的样本，不同型号的仪器干湿化学检测结果的比较也应区别开。但其中tg、hdl-c检测结果差异较大且无显著相关性，tc、ldl-c检测结果无显著差异也无显著相关性，而ast、ggt、bun、ua、ldh虽检测结果差异较大，但相关性良好，说明两者之间的差异除了系统误差还有其他重要因素导致了差异[6]。脂质类检测项目tc、ldl-c，分析其相关性较差的原因主要在于实验误差大，可能与干化学线性范围较窄有关。因此有必要对不同区间值的样本分区段验证两者的拟合曲线[7]。而tg、hdl-c为高脂患者诊断的重要指标，检测结果差异较大，但相关性较好，初步分析认为其湿化学检测主要为浊度法，而干化学试剂干片中扩散层的存在对样本进行的一定程度的纯化，减少了样本本身对检测结果干扰因素，这可能是导致tg、hdl-c检测结果差异存在的原因之一[8]。对于ast、ggt、bun、ua、ldh，由于干化学和湿化学检测方法之间本存在的偏倚度以及线性参考范围的差异也是不可统一的因素[9-10]，但仍需进一步验证分析误差的原因所在。对于上述存在差异的项目应有针对性的进一步验证探究，并考虑和采取减少实验误差、系统误差的方法措施，尽可能使所有项目具有可比性，并具有独立的正常参考范围，为临床提供更为准确和参考价值的检测数据。
参考文献
[1]李贵星，陆小军.临床生化干化学分析和湿化学分析的初步比较[j].华西医学，2003，18（1）：69-71.
[2]hemryc，roydennr.earlyhistoryofeastmankodakekt-achemslides[j].clinchem，1997，63（9）：1647-1652.
[3]林有东，蔡鹏威.vitros250全自动干化学分析仪的评价[j].福建医药杂志，2006，28（6）：116-117.
[4]陈少莲，马晓桂，卢汉威，等.干湿化学法对乳糜状态标本部分生化指标检测结果的影响[j].检验医学与临床，2012，9（16）：2448-2449.
[5]赵春娥，王惠云.干、湿生化分析仪部分急诊项目检测结果的分析[j].医学信息，2012，25（2）：554-555.
[6]吴黎明.干湿化学检测常规急诊项目的比较[j].江苏大学学报（医学版），2009，19（6）：499-501.
[7]荆成宝，殷争运，赵斌，等.au全自动生化分析仪与vitros350干式全自动生化分析仪部分项目检测结果对比分析[j].现代检验医学杂志，2009，24（6）：105-106.
[8]鲍瀛，段樱，谭兵，等.干化学和湿化学检测结果的比较[j].哈尔滨医药，2008，28（5）：6-7.
统计学差异分析篇10
关键词睡眠质量血液透析匹兹堡睡眠质量指数
doi:10.3969/j.issn.1007-614x.2012.27.091
abstractobjective:tomeasuretheprevalenceofsleepdisorderandevaluatetheassociationofsleepqualitywithclinicalfactorsinmaintenancehemodialysispatients.method:atotalof66hemodialysispatientscompletedquestionnairesonclinicdata,sleepqualityanddepression.Sleepqualitywasmeasuredusingpittsburghsleepqualityindex(pSQi).Result:poorsleepquality(pSQi≥5)wasfoundin50individuals(7576%)thepSQiscorecorrelatedwithage(r=0459,p＜005),theperiodofhemodialysis(r=0817,p＜005),hemoglobin(r=-0380,p＜005),albumin(r=-0429,p＜005),C-reactiveprotein(r=0743,p＜005),anddepression(r=0650,p＜005).Conclusion:poorsleepqualityiscommononmaintenancehemodialysisandaffectedbymanyfactors.
Keywordssleepquality;Hemodialysis;pittsburghsleepqualityindex
终末性肾脏病是临床常见一类疾病，维持性血液透析是终末性肾病的主要治疗方式之一。临床研究发现透析患者中发生睡眠质量障碍的比例可达53%～71%［1，2］，而睡眠质量下降可引起患者生活质量下降［3］。本研究通过分析影响血液透析患者睡眠质量的相关因素，从而为临床干预提供依据。
资料与方法
血液透析患者66例。纳入标准：透析时间＞6个月，每周透析总时间达12小时，处于稳定透析阶段，既往无精神疾病、肿瘤、脑出血或脑梗死病史，近3个月无急性感染病史。
方法：⑴调查工具：应用问卷调查法方法，共四部分：①一般资料：姓名、性别、年龄、病因、透析总时间。②匹兹堡睡眠质量指数量表：采用参与计分的18个自评条目，得分越高睡眠质量越差。③抑郁自评量表(SDS)：以标准分采用中国常模，分值越高抑郁程度越严重。④临床数据收集：测定患者白蛋白、C反应蛋白、胆固醇、血红蛋白水平并记录。⑵分组方法将患者按pSQi评分结果不同进行分组。pSQi评分＜5，为睡眠质量良好组(1组)；pSQi评分≥5＜10，为睡眠质量较差组(2组)；pSQi评分≥10，为睡眠质量极差组(3组)。
统计学处理：原始数据使用SpSS190统计软件包录入，并采用描述性统计，X2分析，单因素方差分析，相关分析等进行统计学分析，p＜005有统计学意义。
结果
所有患者pSQi评分平均851±444，其中50例(7576%)患者pSQi评分≥5，1组患者16例，2组患者28例，3组患者22例。
各组患者比较：①各组患者性别、病因比较：透析患者中，男31例，女35例；糖尿病肾病22例，慢性肾炎21例，高血压肾病14例，多囊肾2例，梗阻性肾病1例，狼疮3例，痛风性肾病1例，未分类2例。X2分析发现各组患者性别及基础病因差异无统计学意义。②各组患者年龄等相关因素比较：各组患者年龄、透析总时间、血红蛋白、白蛋白、C反应蛋白、SDS标准分差异有统计学意义，各组患者胆固醇差异无统计学意义，见表1。
维持性血液透析患者各指标与pSQi评分相关性分析：通过多变量相关分析可发现pSQi评分和年龄(r=0459，p＜005)、透析总时间(r=0817，p＜005)、血红蛋白(r=-0380，p＜005)、白蛋白(r=-0429，p＜005)、C反应蛋白(r=0743，p＜005)、抑郁(r=0650，p＜005)相关；与性别(r=-0117，p＞005)、病因(r=0045，p＞005)、胆固醇(r=0010，p＞005)无相关性。
讨论