统计学变量类型

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇统计学变量类型范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

统计学变量类型范文第1篇

【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。

统计学变量类型范文第2篇

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%。

统计学变量类型范文第3篇

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。

统计学变量类型范文第4篇

[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

统计学变量类型范文第5篇

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