统计学同质的概念范文
时间：2023-07-10 17:18:57
导语：如何才能写好一篇统计学同质的概念，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
>> 中日大学校长对世界一流大学的认知 对我国高校学习建设“世界一流大学”的历史思考 西南联大对我国当前建设世界一流大学的启示 NCA―HLC院校认证对中国建设世界一流大学的启示 一流大学的真谛 世界一流大学的理念以及对中国大学理念的反思 世界一流大学学科建设的经验及对我国的启示 一流大学本科改革及其对高中生源质量的新要求 一流大学的“有”与“无” 斯坦福大学创业型大学发展之路对我国高校创建一流大学的启示 世界一流大学探析与启示 一流大学的澡堂狂欢 论一流大学建设的路径转型 一流大学建设的核心任务 关于构建世界一流大学的思考 强化建设一流大学的治理能力 亚洲世界一流大学的师资模式 独特的灵魂才能造就一流大学 世界一流大学是怎样建成的 创建一流大学视域下的一流图书馆建设 常见问题解答 当前所在位置：ltopics/20121011/14721.html。[Bailitop Education Consulting Co.，Ltd.，2014，“What is the first-class university in the United States？”..]
[2]刘承波，2001：《试论世界一流大学概念的模糊性问题》，《教育发展研究》第1期。[Liu Chengbo，2001，“A Brief Study on Concepption of First-class Universities”， Research in Education Development.No.1.]
[3]刘志民、刘川宁，2015：《行业特色型高水平大学的国际标杆探索》，《高等工程教育研究》第5期。[Liu Zhimin and Liu Chuanning，2015，“On the World Benchmark of the High-level Universities with Clear-cut Professional Characteristics”，Research in Higher Education of Engineering， No.1.]
[4]韩立文、程栋显、欧冬舒，2006：《什么是世界一流大学》，《北京大学教育评论》第10期。[Henry H.Levin，Dong Wook Jeong and Dongshu Ou，2006，“What is World Class University？ ”Peking Univeristy Education Review. No.4.]
[5]王晓阳、刘宝存、李婧，2010：《世界一流大学的定义、评价与研究：美国大学联合会常务副主席约翰・冯（John Vaugh）访谈录》，《比较教育研究》第1期。[Wang Xiaoyang，Liu Baocun and Li Jing，2010，“Definition Evaluation and Research of World Class University： an Interview with Dr. John Vaugh， the Executive Vice President of AAU”，Comparative Education Review.No.1.]
[6]维基百科，2014 ：《大学排名》， 2014/07/16。[Wu Shulian，Lv Jia and Guo Shilin，2014，“ 2002 annual list of China’s top universities”.]
[8]武书连、吕嘉、郭石林，2014：《2002年度中国一流大学名单》， 2014/07/16。[Wu Shulian，Lv Jia and Guo Shilin，2014，“ 2002 annual list of China’s top universities”.]
[9]中国社会科学院语言研究所词典编辑室，2005：《现代汉语词典（第五版）》，北京商务印书馆。[Dictionary editorial office of Language Research Institute of Chinese Academy of Social Sciences，2005，“Modern Chinese Dictionary 5th Edition”，Beijing The Commercial Press.]
[10]中国校友会网大学研究团队，2014 ：《中国一流大学名单？》。[China’s University Alumni Network Research Team，2014，“China’s top universities list.in”.]
[11]周光礼，2014：《世界一流大学的量化指标》， .[Zhou Guangli，2014，“Quantitative indicators of world-class universities”， .]
The Logic Dilemma and Outlook for the Different Cognition of the Concept “First-Class University”
Liu Zhimin
（College of Public Administration， Nanjing Agricultural University）
篇2
【摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述
2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
1要更正当前存在的一些不正确的思想认识
英国着名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
陈福贵.统计思想雏议[J]北京统计,2004,(05).
庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
篇3
一、数理统计思想的形成
统计思想需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的数理统计思想。
二、数理统计思想的特点
数理统计思想从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在数理统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）数理统计思想强调方法性与应用性的统一；（2）数理统计思想强调科学性与艺术性的统一；（3）数理统计思想强调客观性与主观性的统一；（4）数理统计思想强调定性分析与定量分析的统一。
三、数理统计思想
就是统计实际工作、数理统计学理论及应用研究中必须遵循的基本理念和指导思想。数理统计的思想主要包括：均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。
1.均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有数理统计学理论，是数理统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。数理统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
3.估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
4.相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
5.拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模于此而预示的可能性”。
6.检验思想
数理统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
四、数理统计的思想方法？
1.要更正不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
2.要不断拓展统计思维方式
数理统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息（尤其是不完全甚至劣质的信息）去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.要深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析、推断性数据分析和探索性数据分析等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
数理统计思想方法应用必须坚持以事实为依据、用数据说话的原则，把统计技术的应用与专业技术紧密结合，在考虑统计项目实施时，应从理论和事实层面上注重分析和使用条件，认真权衡各种关联因素。数理统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
参考文献
[1] 陈福贵.统计思想雏议[J]北京统计，？2004，（05）.
[2] 庞有贵.统计工作及统计思想[J]科技情报开发与经济，？2004，（03）.
[3] 范文正.几种基本统计思想的现实意义[J]统计与决策，？2007，（08）.
篇4
关键词：总体总体单位标志指标
社会经济统计学中的概念很多，但重点要掌握以下几个常用基本概念。
一、总体和总体单位
凡是客观存在的、在同一性质基础上结合起来的，许多个别事物组成的整体叫统计总体，简称为总体。构成总体的个别事物叫总体单位。例如，在全国人口普查中，全国人口就构成了人口普查的总体，而每个人就是总体单位。
总体必须具备以下三个特征：
1.同性质：同性质就是要就构成总体的各个单位在某方面要有共同的性质，同性质是构成总体的基础，是统计研究的前提。例如，在研究我国工业企业发展状况时，我国的所有工业企业便构成总体，该总体各单位的共性是“从事工业生产经营活动”（向社会提供工业产品或劳动服务即经济职能是相同的）。凡是从事非工业生产活动的企业如农业企业、商业企业等不能成为该总体的基本单位。
2.大量性：大量性即是要求构成总体的单位数必须足够多。例如，我们以个别人对某问题的看法作为民意调查的结论。因为每个人所处的社会环境、地位及拥有的知识、信息等是不一样的，带有一定特殊性和偶然性。只有调查足够多的人，这种特殊性和偶然性因素的影响才趋于相互抵消，才有可能显示出必然性来。
3.差异性：即在同质条件下，要求组成总体的各个单位在其他地方的表现又必须不同或不完全相同。例如，在人口普查中，每个人除了具有“中国国籍且在中国国境内居住”的共性外，其他方面如年龄、爱好、个性、文化程度、职业等表现是不同或不完全相同的总体和总体单位不是固定不变的，随着研究目的和研究任务的变化而变化，即一定研究条件下的总体，在另外的研究条件下可能转化为总体单位；而一定研究总体单位，在另外的研究条件可能转化为总体。
二、标志与指标
（一）标志
反映总体单位属性或特征的名称叫标志。例如，对人口普查中的“某人”来说，有性别、年龄、爱好等方面的特征，这里的“性别”、“年龄”、“爱好”等名称就是标志。
一个完整的标志包括标志名称和标志表现两个方面。所谓标志表现就是标志在总体单位上的具体体现。如人口普查中的个体单位“某人”的性别为男，年龄为58岁。这里的“性别”、“年龄”是标志名称，“男”、“58岁”是标志表现。任何一项统计工作都要掌握总体单位在特定的时间、地点、条件下实际发生的情况，因此标志的具体表现是统计最关心的问题。
标志可分为品质标志和数量标志。品质标志是表明总体单位属性方面的特征，其具体表现用文字陈述。如某人的性别为男，文化程度大学，这里的“男”、“大学”则为品质标志的表现。数量标志是表明总体单位数量特征的，其具体表现用数值表示。如某人的年龄60岁，工龄15年，这里的“60岁”“15年”就是数量标志的表现。
（二）指标
统计指标是用来表明总体特征的概念及其数量表现。它由指标名称和指标数值两个基本部分组成。指标名称反映现象所属的一定范畴；指标数值反映现象在具体环境下所达到的规模、水平及比例关系等。
统计指标的特征：
1.可量性：统计指标是对现象某种综合数量特征进行概括而形成的科学范畴。但不是所有进行概括现象的范畴都形成统计指标。只有那些能用数字加以计量的范畴才有可能被称为统计指标。例如，国内生产总值、就业人员、税收总额等，对于那些无法用数字加以计量的范畴，就不可能成为统计指标。
2.综合性：统计指标是反映总体综合数量特征的，其数值是同质总体各单位某一数量标志质的总计。
3.具体性：统计指标是反映具体现象在具体时间、地点、条件下的具体数量特征，而不是抽象的现象、概念和数字，它包括着特定的涵义、内容、计算方法和计量单位等，因而不存在脱离具体内容的统计指标。
（三）指标与标志的区别与联系
1.区别：（1）指标必须可量，而标志中只有数量标志才具有可量性。（2）指标是用来说明总体数量特征的，而标志是说明总体单位的属性或特征的。（3）指标具有综合性，他是同质总体各个单位某一数量标志值的差异综合，而标志一般不具有综合性，他是说明总体单位的属性或特征的。
2.联系：（1）标指数均由总体单位的数量标准值汇总而来，指标数值的大小受个单位标志之大小及其变化的影响。（2）指标与数量标志之间存在着一定的变化关系，随着研究目的变化，总体和总体单位的转换带来指标和标志之间也发生相应的转化。
三、变异和变量
（一）变异
变异就是标志在总体单位之间的具体表现之差异。
正因为总体单位之间存在着不同程度的差异，才需要通过统计研究来发现现象变化的原因、过程和规律。所以，同性质是统计研究的前提；而差异性是统计研究的内容。
变异有属性变异和数量变异之分。品质标志在总体各单位之间的具体表现不同成为属性变异。如人有爱好不同之异；企业有组织形式不同之别。数量标志在总体各单位上的表现的差异称为数量差异，如人有年龄大小之异，企业有利润高低之别等。
（二）变量
篇5
关键词：非统计学专业；统计思想
中图分类号：G64文献标识码：A
一、统计思想概述
我们的生活中统计无处不在，统计思想也应该时时拥有。到底什么是统计思想，从目前的研究来看没有一个统一的定义。对统计思想作过比较深入研究的李金昌教授指出，统计思想是关于“为何统计、统计什么、如何统计”的思想，也就是关于统计的世界观和方法论。笔者认为，所谓统计思想是研究问题或认识问题时的一种统计思维模式。那么，统计思想表现在哪些方面？
笔者认为，统计研究对象的特点和统计研究的基本方法体现了统计思想的最主要方面。一般认为统计学是研究如何搜集数据、整理数据、分析数据，以便从中作出正确推断的认识方法论科学。统计认识的是客观现象的数量方面，具有数量性、具体性、总体性、变异性等特点。而统计研究和统计工作中使用的基本方法主要有：大量观察法、统计分组法、综合指标法、统计模型法、归纳推断法。本文认为，统计思想主要包括：定量认识的思想、总体认识的思想、均值评价的思想、综合评价的思想、权数的思想、正确认识统计规律的思想、比较的思想、关联的思想、拟合的思想、检验的思想，等等。限于篇幅，这里仅对前六种统计思想谈些看法。
（一）定量认识的思想，即用数据说话。任何事物都是质和量的统一体，因此对事物的认识可以分为定性认识和定量认识。统计的语言是数字，统计认识是定量的认识。但是，统计的定量认识是以定性认识即现象质的规定性为基础的，即在定性认识指导下进行定量认识，以达到更高层次的定性认识。定量研究是统计认识事物最重要的特点之一。如，我们今天讲经济的可持续性发展，作为统计研究，要考虑的是，在一定的经济理论指导下，思考可持续性发展的基本内涵是什么，将可持续性发展量化，即用哪些统计指标可以反映可持续性发展，如何搜集数据、整理数据、分析数据才能得到反映可持续性发展状况的指标数值。
（二）总体认识的思想。统计认识现象的数量方面，是现象总体的数量方面，统计对现象个体的数量特征兴趣不浓。统计活动就是要对现象总体普遍存在的事实进行大量观察和综合分析，得出反映现象总体的数量特征。因为个别现象有其特殊性、偶然性，而现象总体则具有相对的普遍性、稳定性。统计研究事物的总体特征，反映现象的数量规律性在具体时间、地点的表现，可以防止“只见树木，不见森林”的片面观点，有助于对客观事物规律发展的全面认识。需要说明的是，对事物总体的认识，需要观察总体中的“足够多”的单位，才能说明总体的数量特征。至于多大数目的单位才能称得上“足够多”，这要根据特定的原则和方法来确定。还有，尽管统计最终要认识的是现象总体，但是它一般是从总体中个体研究开始的，即从个体的研究过渡到对总体的研究。
（三）均值评价的思想。统计对现象总体的评价和研究，平均数法是基本的方法之一。保利说：“统计学就是平均法的科学”。统计学中的许多分析方法，比如动态趋势分析、指数法、期望值标准决策等，都是以平均数法为基础的。采用均值评价也要求从总体上认识事物，但是更加注意现象总体发展的一般趋势和一般水平，避免个别偶然因素的干扰。现象总体的同质性、大量性、变异性是应用平均数方法的前提条件。我们生活中常常有公布的CPI、职工工资水平没有跟着感觉走现象，在很大程度上是因为我们没有用均值评价的思想来看待问题。
（四）综合评价的思想。综合评价思想是总体认识和均值评价思想的进一步深化与发展，但绝对不是简单相加。总体认识强调的是要考察总体中足够多的个体才能使现象变化总的趋势和一般规律性显示出来；均值评价思想强调的是通过平均的方法使现象总体发展的一般趋势和一般水平表现出来。但是，这些显示出来的特征都可能只是现象总体某一方面的数量特征。如果要全面考察总体多方面的数量特征，对总体作出综合评价时，需要设置不同指标即统计指标体系，先对现象的各个侧面进行数量评价，最后运用一定的数学模型得出综合的结论。综合评价就是要以更加全面的观点看问题。比如，武汉市和成都市的人居环境哪个更优？采用单指标评价效果肯定不好，这需要设置反映人居环境的多个指标，采用综合评价的方法。
（五）权数的思想。权数在统计学中应用极其广泛，可惜目前还没有一个对权数明确统一的定义。本文试着这样表述：对多个变量值平均或综合时，表明各变量值重要程度的相对数或绝对数叫权数。权数思想是统计学中的重要思想。将多个变量值平均时或综合成一个指标时，都要考虑权数的影响。在实际生活中，一个委员会中的诸多委员的态度对决策结果的影响大小不同，我们可以看成单个决策值的权数不同；再如，根据销售经理、营业员、客户代表对某一商品未来销售状况的估计来预测这种商品销售量时，三者的意见一般不能同等看待。
（六）正确对待统计规律的思想。统计规律表现为大量现象的规律性和单个客体行为的概率规律性。例如，经过反复实验，发现公园中某种娱乐设施的安全性为99.99%，这是统计规律的表现。某小孩去玩耍时，一般认为是安全的，“因为小概率事件在一次试验中是不会发生的”，因此人们可以放心使用。但是，统计规律是可能失灵的，只是发生意外的可能性很小。我们对待统计规律的态度应该是“不得全信，但不得不信”，否则我们就会患上杞人忧天、庸人自扰的疾病。统计规律和物理规律不一样，物理规律是给定客观条件就一定（100%的概率）要发生，而统计规律是“依一定的概率发生”。统计规律体现了偶然性与必然性的统一，其发现是哲学认识论的完善和发展；统计规律对于人们认识现象的存在与变化是非常有帮助的，但是要解释现象的存在与变化一般还需要借助于各学科的相关知识。
二、为何要加强非统计学专业统计思想的培养
高校非统计学专业（特别是经管类统计学专业）的统计学教学中普遍存在以下问题，对培养学生统计思想极为不利：
（一）教材建设落后。非统计学专业的许多教材重视定性分析，缺少细致的量化分析，理论研究缺乏科学性、严密性。比如，《市场营销学》往往变成了“策略技巧汇编”，容易给读者造成市场营销成功与否关键在于某种灵感和高超的主意的印象。
（二）教学时数少，教学内容强调统计方法的应用。一般高校非统计类专业（主要是经管类专业）统计类课程开设少，许多学校只开设《统计学原理》，只有48个学时左右，教学时数少，讲授内容注重统计方法，强调统计公式的数理依据。这样，学生花很多时间背定义、记公式。其结果往往是公式运用的具体条件不明白，计算结果解释不清楚，考试结束很快忘记了名词概念和大堆统计公式。
（三）实践操作少。大多数学校非统计专业很少开设统计学的实践教学，许多学生凭机械记忆获取的统计学知识来应对习题和考试，对实践中的具体问题没有用统计思想作指导去思考，认为统计就是记住一些概念和繁琐的计算，学习统计学不知道究竟能解决生活和工作中的什么问题，读书成了痛苦的事情，很难真正达到教学目的。
三、加强统计思想培养的建议
教学过程中要重视和加强统计思想的培养，改进思维方式和思维习惯。统计学教师是教学工作的组织者和实施者，首先应该转变教学观念，明白统计思想的教育比统计方法的教育重要。统计思想决定了统计方法的选用，和相关学科的理论一道解释统计计算与统计分析的结果；学生获得的统计思想一生难忘，学会了统计思想就会时常从统计学的观点看世界、看问题，而具体复杂的统计方法容易忘记。现实的教学中一些教师，主要是一些年轻教师，很少甚至没有讲解统计思想。在统计学教学的始终、在教学的每一个单元，都应该引导学生思考、归纳总结相应部分所包含的统计思想。
（一）加强实践教学。理论来自于实践，真理需要实践检验。通过加强实践教学，可以让学生进一步总结统计思想和强化用统计思想来思考问题、分析问题的意识。非统计专业统计学教学由于学时的限制，可以结合校内外有关活动、学生兴趣，甚至改变传统考核方式，让学生做一些调查研究来达到培养统计思想的目的。如，让学生对高校一年级学生学习状况的调查研究。学生第一步工作就是统计调查方案的设计。学生要思考哪些人、多少人才能代表新生（包含了总体认识等思想）、做哪些方面的调查研究才能反映学习状况（包含了定量分析、均值评价、综合评价等思想）、采用什么方法来确定要调查的学生以及数据分析中如何根据这部分学生的学习状况来反映全体新生的学习状况（包含抽样与归纳推断等思想）、学习状况评价时哪些因素与成绩有关（包含正确认识统计规律、关联等思想）。通过教师的指点和启发，学生可以悟出许多统计思想，从而受益终身。
（二）重视统计软件等数据处理与分析工具的应用和统计思想培养的有机结合。繁琐的运算和特定统计分析条件下的数据处理大多可以交给相关计算机软件（如SPSS）去完成，可以减轻学生的学习负担，增强学习与运用统计学的兴趣，让统计真正成为管理与科学研究的工具。但是，要引导学生在统计思想指导下使用何种统计分析方法，选择适宜的统计软件，以及做好统计解释工作；否则，统计软件的利用就会无的放矢、统计结论错误百出、统计解释张冠李戴。
需要特别说明的是，在培养学生统计思想的过程中要方法正确，指导学生正确认识统计的作用，特别是统计解释时要考虑现象所处的具体条件和运用相关科学的知识，否则就会曲解统计、甚至妖魔化统计。比如，“大多数人都死在床上，所以床可能是个很可怕的东西”、“这个城市环境这么好，但肺癌患者越来越多”、“广告上说职工工资很高，实际上我们的工资很低”、“明明大家工资都下降了，却说平均工资上升了”。对这类问题进行解释时，需要教师引导学生认真细致分析。
（作者单位：成都信息工程学院统计学院）
主要参考文献：
[1]李金昌.关于统计思想若干问题的探讨[J].统计研究，2006.3.
[2]黄良文.统计学（第二版）[M].北京：中国统计出版社，2008.10.12.
[3]贾怀勤.应用统计[M].北京：对外经济贸易大学出版社，1998.6.9.
[4]王振龙.统计哲学研究[M].北京：中国统计出版社，2002.28.30.
篇6
1 我国商业银行的现状
随着非银行业务对传统金融服务市场的进一步侵占，以及国际化进程、金融自由化的日益加快，一种前所未有的竞争形式正摆在中国银行业的面前：首先，国有的专业银行向商业银行的加速转变，市场体制结构逐步替换了计划体制结构，必须遵循“自主经营，自负盈亏，自担风险，自我约束”市场经营的基本规则，进一步地加重行业中的激烈竞争状态，结果导致不管是转型的还是原有的那些商业银行都不得不面对效益以及客户的巨大压力，与此同时不得不思考以后要以怎样的态度来面对银行业内的激烈竞争的形式；其次，非银行机构通过不断的提高其产品创新能力和业务创新水平的途径，也在与银行业进一步争夺金融服务市场。并且，目前在我国的金融市场中，供求格局已经发生了根本性质的改变，买方金融市场以占主导地位，各商业银行的经营策略都逐渐朝抢占优质客户和垄断行业的方向倾斜，导致当前银行同业竞争日趋激烈化的局面。因此，客户关系管理系统便成了我国的商业银行亟待快速发展的对象。
2 客户关系管理和数据挖掘理论综述
2.1 客户关系管理的定义
到目前为止客户关系管理仍然没有一个公认的定义，CRM可以从三个方面来描述：（1）CRM是一套应用软件系统；（2）CRM是一种管理理念；（3）CRM又是一种新型管理机制。
由于近年来信息技术和市场经济的快速发展，市场竞争的焦点已经从产品的竞争转向服务的竞争、客户关系的竞争以及品牌的竞争。客户关系管理的根本思想主要包括以下几点：（1）不断提高客户忠诚度和满意度。市场激烈竞争所产生的结果：许多产品或者服务在品质方面的区别将会与日渐弱，与此同时，产品的同质化倾向会变得越来越强。而产品同质化所产生的结果，就使消费者不会再将品质作为选择商品的唯一标准，相反客户会越来越重视厂商能否提供及时的高质量的服务以及能否满足其个性化的需求。因此在企业感觉到客户资源才是市场竞争中至关重要的因素之后，客户的忠诚度和满意度就变得尤为重要了；（2）重视客户个性化的特征，一对一的营销方案。随着产品和服务的极大丰富以及竞争的日益激烈，尤其是信息渠道和工具的迅速发展，使得客户对服务以及产品的选择范围进一步扩大，由于选择的欲望也不断加强、选择能力不断提高，客户的需求也日益呈现出了个性化的特征。因此，需要针对不同客户，采用相应的营销方案；（3）客户让渡价值是建立高质量的客户关系的基础。企业维持以及增进客户关系的重要基础就是使得客户的让渡价值增值；（4）客户关系贯穿于市场营销的整个过程。全面管理客户和企业之间的关系，提升企业的营销能力、降低营销的成本，这是CRM系统的又一个重点；（5）进一步延伸企业供应链管理。在CRM和ERP的有机结合过程中，将客户、经销商和企业的销售联系起来，才能使客户的个性化需求得到快速满足。
2.2 数据挖掘技术理论综述
（1）数据挖掘的定义。数据挖掘：在数据的大集合中随机抽取在数据中隐藏的有用信息的过程。可以有助于对数据进行有效的综合以及分析，且发现一些潜在的关系，并对未来可能发生的行为进行综合的判断；（2）数据挖掘的过程。数据挖掘的过程可以分为以下几个步骤：数据准备数据挖掘结果的评价和表达；（3）数据挖掘常用技术分析。它作为一门新的技术，有很多新的特点：数据挖掘所面对的是大量的数据，而且这些数据可能是随机的、有噪声的、不完全的；同时它也是许多学科的交叉点，运用了计算机、统计学等学科技术。在数据挖掘中常常采用的几种技术是：神经网络、遗传算法、统计方法、支持向量机、粗糙集、聚类分析。
3 数据挖掘和商业银行客户关系管理的关系
客户关系管理是商业银行赢得更多客户的根本性保障，数据挖掘技术是保证客户关系管理得以有效实施的保证，在客户关系的管理中有效的应用数据挖掘技术，可以为CRM的过程提供有效地技术支撑。下面介绍一下数据挖掘与商业银行CRM的关系。
3.1 客户的生命周期
前面提到了数据挖掘和客户关系管理的关系，在这里，首先要了解一下“客户生命周期”的概念。“客户生命周期”： 不同阶段中的客户和企业之间的关系。客户生命周期与企业从客户获得的收益有着直接的联系，从而理解客户生命周期这个概念就变得十分重要。
然而，客户与企业之间彼此的了解会随着时间慢慢深化，从而使得客户与企业的关系也会不断发生变化。“客户生命周期”为银行准确了解客户的行为提供了一个基本的框架。
从总体来看，客户生命周期分为4个阶段：（1）潜在客户：存在于银行的目标市场中，但是还未真正成为银行客户的群体；（2）响应客户：对银行的产品和服务有兴趣的客户；（3）既得客户：当前正在使用银行服务和产品的客户；（4）流失客户：不再使用银行服务和产品的客户。
3.2 数据挖掘在CRM中的商业价值
数据挖掘是CRM创造商业价值的关键，也应该是CRM重要组成部分。如果利用传统的统计分析方法对商业银行的数据作分析，这个过程是非常漫长的，容易错失商业银行应有的商机。利用数据挖掘中的高级统计工具和人工智能技术，可以实现对商业银行海量数据的挖掘，让企业及时得到信息，并展开行动。
商业银行在有效利用数据挖掘技术后，达到了更好的了解客户的目的，以方便进行有效的营销，并进一步扩大商机。而且利用数据挖掘技术，可以准确的预知潜在客户的切实需求，以及客户未来的预计收入状况，从而提高商业银行目标市场营销的准确度，最终在银行业的竞争中优先获得准确的商机。
总之，把数据挖掘技术引进到客户关系管理中，为商业银行扩大原有商机、创造新的商机、优先获得商机提供了强有力的条件。进而帮助商业银行制定更有效的销售和服务决策，使得数挖掘成为CRM中最关键、最重要的组成部分。
篇7
本文基于matlab编程语言，采用灰度共生矩阵来提取纹理图像的特征，然后采用模糊C均值的聚类方法对提取出的特征做聚类，文中第三章给出了实验结果与讨论，实验结果表明，该方法可以有效的获得纹理图像不同区域的边界。
关键词：纹理图像图像分割灰度共生矩阵模糊C均值。
图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用于人眼而产生视觉的实体。数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接收系统所需要的图像过程。图像处理的基础是数学，主要任务是进行各种算法设计和处法实现。图像处理内容也并非非孤立存在的，往往相互联系，而一个实用的图像处理系统也通常需要将几种图像处理技术结合起来，才能得到所需要的结果。
图像分割方法又可以分为结构分割方法和非结构分割方法两大类。结构分割方法是根据图像的局部区域像素的特征来实现图像分割，如阈值分割、区域生长、边缘检测、纹理分析等，这些方法假定事先知道这些区域的特性，或者在处理过程中能够求得这些特性，从而能够寻找各种形态或研究各像素群。非结构分割法包括统计模式识别、神经网络方法或其他利用景物的先验知识实现的方法等。
从来60年代开始，遥感图像分类一直立足于单像元的光量谱能量信息，按统计学算法对单个像元进行分类。近年来，随着遥感技术的发展，高分辨率遥感影像陆续出现，传统的仅依靠单个光谱信息的分类方法难以满足实际需求，人们开始研究能够改变分类精度的新方法，陆续提出了空间信息等概念。而描述区域性质的纹理信息是一种重要的空间信息。
纹理通常被认为是由纹理基元按某种确定性的规律或者只是某种统计规律重复排列组成，但至今认为准确的纹理是不存在的，一般来说，纹理在局部区域内呈现不规则性，而在宏观上又表现出某种规律性。纹理是由许多相互接近的，相互编织的元素构成，并富有有周期性。纹理就是指在图像中反复出现的局部模式和它们的排列规则。这是一种与图像空间区域有关的特征，因此必须在图像的某个区域上才能反映和测量出来。
纹理是表征图像的一个重要特征，它广泛存在于各类图像中，通常运用各种观测系统获取的图像大多是纹理型的，如航空和卫星遥感图像，水文地质图像。医学显微图像，材料的微观图像等，甚至很多自然景物都可以认为是由许多细微的纹理组成的，通过对这些纹理图像进行分析可获取很多有用的宏观和微观信息，因此纹理分析具有重要的理论意义和广阔的应用前景。
根据局部的不规则性和全局的规律性，可将纹理分为随机性纹理和确定性纹理。从空间变化情况看，若图像中灰度相当不平稳，需要研究图像在极小范围内的变化规律，称为微纹理，若图像中有明显示的占有一定尺寸的结构单元，整个图像的纹理是由这些结构单元按一定规律形成的，则称之为宏纹理，上述的结构单元称为纹理单元。
纹理分析的主要任务包括纹理分割，纹理分类和纹理合成三个方面。纹理分割主要目的是获得纹理图像不同区域的边界，纹理分类是将纹理区域归于不同类别，获得纹理类别分布图。无论从目的还是方法上，纹理分割和分类是不能截然分开的，在实际应用中，两者可以互换使用。纹理合成主要应用于图像压缩以及计算机形态学领域。
纹理特征提取是纹理分割的关键，一般灰度图像的分割是基于灰度值的一致性，相近性；在纹理图像中，区域的一致性是由区域内纹理的某些特征的一致性来表示的，分割是在某个或某些特征的基础上进行的。
纹理特征提取的主要目的是将随机纹理或确定纹理的空间结构差异映射为特征值的差异。分割则是从纹理特征空间中，提取出特征一致的区域。分割方法可分为基于区域和基于边界的方法，其不同在于：基于区域的方法检测特征空间的一致性，基于边界的方法检测特征空间的相异性。
因为纹理是由基本的纹理单元及其相互联系表现出来的，孤立地从一个象素不可能得到有关纹理信息。象素值的直方图也很少能反映出纹理信息，所以纹理图像任一象素特性是由该象素与其周围象素的相五联系来确定的。通过特征提取，从纹理图像中计算出一些在同质区域内保持相对稳定的特征值，以此特征值作为特征，表示同质区域内一致性以及区域间的相异性，通过分析纹理特征空间，提取特征一致性的区域，从而实现分割及分类。
纹理分析方法大致可以分为四类：统计方法，结构方法，模型方法和空间频谱分析法，均有许多成功的应用。
基于结构的方法假设纹理是由一系列纹理基元有规律的排列组成，纹理基元可以分离出来，结构方法力图通过找到纹理基元，以基元特征和排队列规则作为特征进行纹理分割，一般只实用于规则性较强的人工纹理，对于分析自然纹理图像很难取得满意的效果，因此应用受到很大程度的限制。
基于模型的方法假设纹理是以某种参数控制的分布模型方式形成的，如Markov随机模型，Gibbs随机模型，分形模型等，从纹理图像的实现来估计模型参数，以参数作为特征，来进行纹理分析。这类方法存在计算量大，自然纹理很难用单一的模型表达的缺点。
空间/频谱法借助于傅立叶频谱的特性来描述周期的或近乎周期的两维图像模式的方向性，主要包括Gabor变换，小波变换法等。这类主法根据人的视觉机理，利用在空间域和频率域同时取得较好局部化特性的滤波器对纹理图像进行滤波，从而获得较为理想的特征。
统计方法是目前研究最多，较成熟，占有主导地位的一种方法，它利用图像的统计特性求出特征值进行分割研究，包括通过：自相关函数，灰度共生矩阵，灰度级行程长，Laws纹理能量法等。这类方法一般原理简单，容易实现。
参考文献：
[1]冈萨雷斯，数字图像处理，电子工业出版社，2005年9月
篇8
摘要:以统计学方法的聚类分析，数据挖掘技术的决策树、关联规则、粗糙集、判别分析等数理方法为例，对其在中医辨证学中的应用进行总结、分析;查阅、整理相关文献，将部分学者对其在中医辨证学中的应用进行回顾;结合中医传统理论及其数理思想和方法，发现其在中医学辨证中有一定的适用性，也存在一定的问题。
关键词:聚类分析;决策树;关联规则;粗糙集;判别分析;中医辨证;应用分析
1可行性分析及应用现状
1．1聚类分析
在中医辨证客观化、标准化的研究中，聚类分析多用于中医证候的分类，在方法学上为中医学的辨证论治提供量化分型依据。聚类分析是一种动态分类的方法，可以把相似的事物归入合适的类别，使同类中的事物尽可能的相似(组内同质性)，而类与类之间保持显著差异(组间异质性)。中医辨证即通过把同种病机引起的一系列证候群归纳为一种证型(组内同质性)，而证型与证型之间有着显著差异(组间异质性)。因聚类分析属于探索性研究，结果可以提供多个可能的“解”，故在辨证运用中其“解”需结合中医传统理论进行判断分析。纵观文献可知，多数学者认为聚类分析的研究方法与中医学的辨证思维殊途同归，有异曲同工之妙，在中医数理辨证研究中属较成熟的方法之一，结合运用的相关研究较多。
唐雪勇运用聚类分析对白癜风的中医辨证分型规律进行了研究。该研究选取符合纳入标准的200例白癜风患者，首先回顾研究总结出古今医家对对白癜风中医辨证认识的15个证型，结合文献和征询专家意见制定调查表，并通过专业人员进行录入，后应用SPSS16．0软件对所采集的资料进行处理。聚类结果示，白癜风辨证证型可分为:气血不和、肝肾不足、脾胃虚弱、湿热内蕴、气滞血瘀5型，其中前两型最为常见。姜楠对代谢综合征的中医辨证分型进行了聚类分析研究。首先对期刊文献进行检索，按照相关标准对文献证型进行规范，进行频数频率统计，对统计结果进行筛选。将筛选结果进行聚类分析，结果示当聚类为7类时效果较好，且作者认为结果符合临床实际，初步建立了代谢综合征的中医辨证分型。又如，周迪夷运用SPSS13．0卡方检验、SAS8．2统计软件进行系统聚类分析，对临床收集的131例2型糖尿病患者进行中医辨证分型，结果归纳出了2型糖尿病的7个证候类型及糖尿病肾病的7个证候类型。运用聚类分析方法对中医辨证分型研究有较多报道，在此不一一赘述。
1．2决策树
决策树是一种归纳推理算法，采用树枝状来展现数据受各变量影响情形的预测模型，能利用树形图的分割自动确认和评估分割。数据分类是决策树解决的核心问题，根据数据的不同属性归为不同类别。中医辨证论治着眼于证，辨证的过程即为对同种病机引起的症状和体征的病理阶段的辨析，其证候信息数据复杂多样，多为定性的变量数据，决策树具有能够处理大量变量信息、得出比较精确分类、简单明确、处理不完整数据等优点。故运用决策树技术可以将症状和体征与证候(证型)之间的关系进行辨析。徐蕾［4］将406例慢性胃炎患者的调查资料中的88项指标进行了决策树分析。以该88项指标建立数据库，建立以信息熵减少为特征的决策树分类模型，采用决策树C4．5算法。结果筛选出对慢性胃炎辨证有意义的26个变量信息，建立辨证模型，结果示各类模型的灵敏度和特异度较高。有学者对杨志敏教授治疗失眠阳虚型的两个方剂运用决策树技术进行了同症异治辨证思路研究。选取符合纳入标准的病例，收集患者的四诊信息、人口学特征等相关资料。根据资料录入数据，采用SPSS18．0统计分析软件及Clementine12．0进行数据分析，决策树模型选用C＆Rtree算法，将有统计学差异的特征进入模型，从中选取相关因素和诊断规则。10层交叉验证模型识别正确率为74．59%。最后归纳出两方的共性适应证，禁忌症的辨证思路。余学杰运用决策树对中医专家辨证的规律进行了提取探析，首先选取803位患者，对其证候信息剔除重复后提取103种证候信息，进行决策树运算分析，结果得出9中证名与证候的规则。
1．3关联规则分析
关联规则用于发现数据中变量间的关系，是最常用的数据挖掘技术之一。关联规则中有两个重要参数:支持度和可信度，该技术其目的就是挖掘出事物内在之间满足一定支持度和置信度的关联现象。面向中医辨证的关联规则，大多数中医学者通过应用该方法对中医的症状、体征之间进行关联，从而客观把握中医的“证”，使其客观与标准，从而达到精准辨证提高临床疗效。如，陈绩锐对480例小儿肺炎的症状、体征进行关联规则运算，从而得出不同证型之间的病机差异和辨证要点，继而对基于关联规则技术的小儿肺炎辨证规律进行了研究。唐伟将临床234例胃脘痛患者进行宏观分为6型，将宏观分型与胃黏膜的微观表现相结合，运用数据挖掘方法，分析探讨二者的相关性。通过胃镜等现代检查手段结合数据挖掘技术，使其客观的把握胃脘痛的辨证特点。刘智认为基于支持度－置信度的关联规则算法，考虑到数据的时间因素以及规则前件与后件的相关问题时，该算法并不是很有效。提出一种新的关联规则框架:时间支持度－时效匹配度，并应用该方法对冠心病舌象、舌质、发病诱因等18个方面与26中冠心病中医证型之间的中医辨证规律进行了研究。黄文金运用“证候－证素－证名”的辨证新新体系结合关联规则数据挖掘对《中医儿科学》教材中辨证分型数据进行运算分析，得出证素之间、证素与症候之间的关联关联规则。结论得出关联规则是挖掘中医儿科学教材辨证诊断经验行之有效的方法。
1．4粗糙集
粗糙集是一种新的处理模糊和不确定性知识的数学工具。其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。粗糙集能在保持相对高质量分类能力的基础上，尽量消除不必要的信息得到较小属性集合，有较好的分类能力。辨证论治是中医学的精髓，辨证的准确与否直接决定施治的效果，辨证不统一最主要原因是医生的主观因素和患者症状的不确定性。针对中医辨证认识的不统一性，粗糙集技术理论有自身的优势，值得在中医辨证数据处理中应用。晏峻峰将粗糙集理论应用于中医证素辨证中，通过阐述粗糙集的思想及在证素辨证中应用所出现的问题和解决办法，结果发现两者有相适应性，从而指出粗糙集理论在中医证素辨证研究中值得进一步深入。孙继佳采用粗糙集与支持向量机结合对293例中医肝硬化患者的症状、体征信息进行统计运算。结果显示该方法辨证平均正确率高于70%，尤其采用粗糙集约减后辨证的准确率为84．4%左右。董国华等运用粗糙集合神经网络技术对哮喘的中医辨证分型进行了研究，并把该项研究命名为粗糙神经网络模型，其结构为:输入粗糙集处理神经网络模型输出，结果示该结合方法准确率较高，优于单纯一种方法。
1．5判别分析
判别分析又称为“分辨法”，顾名思义该技术与中医学的辨证法有着一定联系。判别分析就是研究判断个体所属类型的一种多元统计方法，是一种统计判别和分组技术，就一定数量样本的一个分组变量和相应的其他多元变量的已知信息，确定分组与其他多元变量信息所属的样本进行判别分组。这种技术与中医辨证有着相似性，故可结合应用。赵宝利收集类风湿性关节炎患者资料436例，按照纳入标准进行证候分类，湿热痹阻型、肝肾两虚型、寒热错杂型各占29．59%、47．93%、22．48%。采用SPSS11．0软件包，逐步判别分析用Analyze－Classify－Discriminant选择逐步向前最大似然估计模块。筛选出13个变量信息是有统计学意义，予变量赋值后发现理论判别与实际资料具有较高的总吻合率，研究中所得到的判别模型与临床实际基本符合。唐旭东将34例再生障碍性贫血患者用统计学方法筛选出53项免疫学指标，对研究对象进行辨证分型，以判别分析方法建立再障辨证分型的判别方程。结果筛选出与再障中医辨证分型最有意义的5个免疫学指标，与再生障碍性贫血免疫学发病机制有密切的关系，说明再障中医辨证分型存在的物质基础。黄小波等对慢性疲劳综合征的中医证型进行了判别分析，结果示慢性疲劳综合征中医证型判别函数与临床实际较为符合，从而指出判别分型能够提高该病的中医辨证分型，应用前景较好。
2问题和展望
由上述可知，以上数理方法在中医学辨证中具备一定的可行性且有了一定层次的研究。辨证论治是中医的精髓，证是中医学所特有的概念，是对疾病某一阶段机体整体反应状态所做的病理概括，一般由一组相对固定的、有内在联系的、能揭示疾病某一阶段或某一类型病变本质的症状和体征构成，同一症状、体征可以出现在同一疾病的不同证型之中。另外，依据中医学的恒动观，辨证过程中应充分考虑证候的时相性和空间性特征，而以上数理方法运用于中医学辨证中都未顾及中医辨证的恒动观念。紧扣中医学辨证论治的传统思维，分析以上几种数理方法的思想，不难发要使两者有较好的适配性，还存在很多问题有待改善。
基于聚类分析的数学和计算机原理，其为得到合理的分类，必须使用适当的指标来定量地描述研究对象的间质性。因聚类分析属定量描述，而中医四诊信息属性为不定量或变量，故聚类分析在中医辨证中具有一定的局限性。根据中医辨证论治思想，同一四诊信息可隶属于不同的证型，而聚类分析过程中，对于这种变量信息计算机不能智能识别，该四诊信息只能出现在一个证型中，这样既有别于中医的辨证思维，又不能够对证型之间进行完全区别;又如，决策树分析过程中，中医四诊信息纳入模型后不能进行灵活的剔除，不能对变量信息进行灵活的选择，分类能力一般，需对分类结果进行修剪，若修剪不当会造成结果的不准确性，容易产生较大误差;再者，关联规则可产生的是症状、体征之间的关联以及各个规则的强度，但对于分类、预测能力均较差。因此该方法适于用来抽取规则帮助理解中医证候内涵，对中医的辨证分型有一定的不适应性，若需应用于辨证还需要专业知识进行分析，带有主观色彩。又如，纵观上述文献发现，基于粗糙集技术的中医辨证学研究尚处于起步阶段，因粗糙集自身的局限性，在中医辨证中应用也多是多种方法相结合;最后，判别分析是已知某事物有几类，从各类中取一样本并设计出标准，从而在样本中都按该标准分类，这种分辨方法需要较强的中医专业知识制定其各型的标准，才能有较高的准确性，同时也带有主观色彩。由上所知，上述数理方法在中医辨证中的应用都有自身的优势和不足。整体来说，数理方法在中医辨证学中的应用尚属摸索阶段，尚未有相应标准去验证其辨证的科学性、精确性，这也是还未被同行业普遍认同的原因之一。在中医辨证走向客观化、标准化道路上，要不断加强中医传统理论的学习，使其占主导地位，将数据为其所用;改善数理方法运算的局限性，依据中医辨证的思维方法设计开发新的计算机软件。只有建立以中医传统理论为主导地位，信息数据和运算软件为中医理论所用的发展模式，才能使中医客观化辨证这条路走的更远。
参考文献
［1］唐雪勇，杨志波，王建湘．白癜风聚类分析的中医辨证分型规律研究［J］．湖南中医药大学学报，2012，32(1):72－74．
［2］姜楠，石岩．代谢综合征中医辨证分型的聚类研究［J］．光明中医，2009，24(1):1－2．
［3］周迪夷．2型糖尿病中医分期辨证研究［D］．北京:北京中医药大学，2010．
［4］徐蕾，贺佳，孟虹，等．基于信息熵的决策树在慢性胃炎中医辨证中的应用［J］．第二军医大学学报，2004，25(9):1019－1012．
［5］杨志敏，原嘉民，黄春华，等．基于决策树阳虚型失眠症同证异治方辨证思路研究［J］．时珍国医国药，2013，24(5):1219－1220．
［6］余学杰，李书珍，李晓燕，等．基于决策树提取中医专家辨证规律初探［J］．辽宁中医杂志，2015，42(1):19－24．
［7］陈绩锐．基于关联规则的小儿肺炎辨证规律研究［D］．南宁:广西中医药大学，2014．
［8］唐伟，周正光，王欢欢．胃脘痛中医辨证与胃镜表现的关联规则分析［J］．中国中西医结合杂志，2013，33(3):303－306．
［9］刘智．关联规则挖掘方法在冠心病中医诊疗中的应用研究［D］．大连:大连海事大学，2012．
［10］黄文金，姚明龙，叶云金，等．关联规则在中医儿科学证素诊断中的应用［J］．中医药临床杂志，2015，27(3):329－331．
［11］晏峻峰，朱文峰．粗糙集理论在中医证素辨证研究中的应用［J］．中国中医基础医学杂志，2006，12(2):90－93．
［12］孙继佳，苏式兵，陆奕宇，等．基于粗糙集与支持向量机的中医辨证数据挖掘方法研究［J］．数理易学杂志，2010，23(3):261－265．
［13］董国华，朱莉乐，李璟健，等．粗糙集结合神经网络的哮喘辨证分型法［J］．计算机与数字工程，2015，43(9):1622－1626．
［14］赵宝利，黄可儿，赵敏．类风湿性关节炎中医辨证分型的判别分析［J］．中华中医药杂志，2012，27(1):240－242．
［15］唐旭东，麻柔，刘锋，等．再生障碍性贫血中医辨证分型的客观量化与临床意义［J］．中华中医药杂志，2008，23(9):780－783．
［16］黄小波，李宗信，陈文强，等．慢性疲劳综合征中医证型判别分析［J］．中国中医药信息杂志，2006，13(6):21－22．
篇9
(论文摘要)职业决策自我效能是影响火学生就业的一个重要因素，目前对于大学生职业决策自我效能的研究成果还不是很丰富，文章对现有的研究进行总结。期望对今后的相关研究提供借鉴。
随着社会的飞速发展，我国高等教育改革和大学生毕业分配制度的改革也随之推进，自2000年高校扩招以来，越来越多的大学毕业生涌向了就业市场，每个人都希望能找到一份理想的工作，能在工作中实现自己的价值，可是现实的求职过程却是十分的困难，就业形势的日趋严峻和求职困难的日益增加，让越来越多的大学生对求职过程充满了恐慌，如何让他们在这个过程中正确认识自己，提高求职的效率，就逐渐成了人们关注的问题。现实的求职过程是一个综合考虑各种因素并最终做出选择的复杂的决策过程。在这个过程中，个体会受到众多因素的影响，比如对职业信息的获得、对自我的评价、对求职过程中心态的调整以及对未来的信念等等，每一个因素都会影响到个体对职业的最终选择，甚至会影响到个体一生的发展。因此，越来越多的心理学家把研究的焦点集中到了职业决策领域。自我效能的概念最早出现在1977年班杜拉的《自我效能:关于行为变化的综合理论》一文中，经过多次的修改后，班杜拉最终认为自我效能是个体对其组织和实施达成特定成就目标所需行动过程的能力的信念。自我效能这个社会认知论中的一个重要概念一经提出，就受到心理学家的重视，并被广泛用于实践，自我效能理论在职业领域的应用研究更多地体现为对职业决策自我效能的研究，职业决策自我效能是指对自己能否胜任和职业有关的任务或活动所具有的信念，它是影响职业决策的一个非常关键的因素。下面将对大学生职业决策自我效能的主要研究和进展做些介绍。
一、职业决策自·我效能的理论研究
1.职业决策自我效能的定义
正式提出职业决策自我效能(career decisionmaking self-efficacy)概念的是Taylor和Betz，这一概念是职业自我效能理论具体在职业决策阶段的运用。Taylor和Betz从社会学习和认知行为理论出发，依据班杜拉的自我效能结构，提出了职业决策自我效能概念。他们认为个体在知觉成功执行任务能力(即自我效能感)上的差异可以用来解释为什么有的人在职业决策时比其他人有更多的困难，了解不同个体在职业决策时对自我效能的期待，即个体需要成功做出职业决策时的信念程度，可以帮助人们有效理解和解决职业决策的困难。他们对职业决策自我效能的研究和做出的定义也是目前该领域研究者广泛接受的:“职业决策自我效能是决策者在进行职业决策过程中对自己完成各项任务所必需的能力的自我评估或信心”。由此可以看出，职业决策效能感则针对的是职业决策过程的一种信心与期待，而不是其他。
2.职业决策自我效能的理论研究
职业心理学家们一直以来就强调自我概念、自我效能在个体职业发展中的重要性，并认为自我效能是个体职业发展过程中的基本变量。最早将“自我概念”引人职业理论的人是Donald Super，该提法对于界定职业心理学和职业发展学提供了一定的帮助。Dnoald Spuer在1953年和1963年间的主要著作中，给出了“职业自我概念”的定义，并提出职业发展的过程就是职业自我概念发展的过程。
Super的理论一经提出，便引起众多学者的兴趣，出现了大量有关自我概念或自我效能、职业成熟度以及职业探索行为的相关研究。比如，Konman和Osipow，特别强调自我评估这个概念，他们在详细描述和提炼Super的理论过程中，提出自己的理论假设:自我评估在职业选择过程中起着缓和剂的作用，那些具有高自我评估的个体将会选择适合自己特质的职业角色，而那些低自我评估的个体可能就不会这样。
在以上各类研究的基础上，为了更好地测量个体的职业决策自我效能，Taylor和Betz将Bandura的社会认知学习理论的思想与Criets的职业成熟度理论的结合，选择了Criets的职业成熟度理论中职业选择能力部分，并参考职业自我效能两方面的主要内容:一是与职业内容有关的自我效能，即个体对自身完成某一职业所规定的有关内容(如该职业所需教育、某种具体职业任务等)能力的信念;二是有关职业行为过程的自我效能，即个体对自身完成有关职业行为过程(如职业决策、职业找寻等)、实现日标行为能力的信念。在1983年，Taylor和Betz提出，职业决策自我效能结构包括五个部分:了解自己的能力、职业兴趣、与职业有关的需要和价值以及自我概念等的自我评价能力;获得职业信息的能力;将个人的属性与工作特点从进行匹配的目标筛选能力;做出职业决策后，对决策实施的职业规划能力;解决或应付在职业决策过程中所遇到问题或障碍的能力等。
3.职业决策自我效能的测量
(1)职业决策效能感量表
职业决策效能感的测量最早起源于对职业决策困难者的研究。奥斯波在采用他主编的职业决策量表进行研究的过程中发现，缺乏信心可以导致决策困难。霍兰德也发现:在职业决策技巧方面缺乏信心，同样也导致职业决策困难。受上述两项的启发以及班杜拉的自我效能感理论的启发，借助克锐兹的职业成熟度理论模型结构，贝茨和泰勒于1983年编制了职业决策效能感量表(career decision-making self-effieaey scale，简称CDMSI;)，目的是为了解自我效能期待对理解和解决职业决策困难的有效性，以及它们之间的相关程度。因而，贝兹与泰勒所编的职业决策效能感量表(CDMSE )是用于测量个人需要成功做出职业决策时的信念程度。
该量表的结构分为五个部分:自我评价、信息收集、目标筛选、职业规划、问题解决。CDMSE量表五个维度各有项目10个，合计50个项目，每个项目要求从“完全没有信心”到“完全有信心”作答，采用10点计分，即从0到9分，分数越高表示越有信心做出职业决策。研究表明，量表具有良好的信度和效度，5个分量表的a系数分别为0.88， 0.89， 0.87， 0.89， 0.86， Luzoz的验证性研究也显示，全量表的a系数为0.93，间隔6个星期的重测信度系数为0.83。同时，Taylor， Betz和RobbinS (1985)的研究发现，CDMSE与其他著名的职业决策量表有显著相关。
后来又出现的简式量表(CDMSE-S玛的效果也类似于原量表，已经有大量的研究证实了该量表的科学性。CDMSE-SF是在原表的基础上进行缩减而成的。同样是5个部分，每个部分由5个项目组成，共25个项目，每个项目从“完全没有信心”到“完全有信心”，采用五点计分量表，最高程度计4分，最低计0分，全量表最高分为100分。龙艳梅以上海市两所大学一至四年级的419名大学生为样本对CDMSE-SF进行了修订。经过修订的择业效能感量表同质性信度和重测信度分别为0.8953和0.851，其验证性因素分析表明，修订的量表五因素模型的拟合性较好，构想效度较为理想。
(2)择业效能感问卷(CDMSE-C)
郑日昌和张杉杉选取理工科大学生被试群体编制出本土化的择业效能感问卷((CDMSE-C)。该问卷采用现代因素分析的方法进行验证性研究分析，结果表明择业效能有4个维度:职业信息与技能效能感、学绩效能感、个性自我了解效能感和社会支持效能感。
(3)职业决策自我效能量表((CDMSE-R)
彭永新和龙立荣参照Betz和Taylor编制，1994年修订的职业决策自我效能量表，依据学生的访谈资料和学生开放式问卷的调查结果，编制出大学生职业决策自我效能量表(CDMSE-R)。研究以武汉地区14所大学30个专业1000名毕业年级的大学生作为研究样本，进行正式施测。统计分析结果表明，量表有较好的项目特性，同质性信度、同时效度较好。但问卷的重测信度由于间隔时间过长而偏低，结构效度较差。如果换一个角度，只是将该问卷作为了解大学生职业决策困难状况的整体诊断工具，只考虑总分，应该说，该问卷的同质性信度为0.93，重测信度为0.656，并具有较高的辨别效度，是进行职业决策困难状况诊断的一个有效的量表。
在此基础上，彭永新和龙立荣两位老师又于2003年进行了高中生专业决策自我效能量表的初步编制，为高中生在选定大学专业出现困难时提供诊断工具。方法依然是参照Betz和Taylor的“职业生涯决策自我效能量表”，依据对高中生的访谈资料和开放式问卷调查结果，抽取湖北省8所中学高三年级的750名同学作为研究样本，进行正式施测。结果:一是该量表的项目特性良好;二是全量表的内部一致性信度a系数为0.9135，重测信度为0.834;三是该量表均具有较强的辨别效度。得到的结论支持该量表可以作为高中生选定大学专业出现困难时的诊断工具试用。
(4)修订的择业效能感量表
龙艳梅以上海市两所大学一至四年级的419名大学生为样本对Betz和肠alor的量表(简式)进行了修订。经过修订的择业效能感量表同质性信度和重测信度分别为0.8953和0.851，其验证性因素分析表明，修订的量表五因素模型的拟合性较好，构想效度较为理想。
二、职业决策自我效能的研究现状
1.职业决策自我效能的影响因素的研究
(1)年龄
Luzzo (1993)的研究指出:年龄与职业决策自我效能感没有显著相关;而Peterson同时进行的研究结果则与此相反:高职业决策自我效能感与高年龄、高年级相连;Glnakaos指出:在校的成人学生与年轻学生相比，显示出更高的职业决策自我效能感。
(2)性别
性别差异一直是心理学家感兴趣的领域。众多职业决策自我效能的实证研究结果均没有显示出更多的性别差异。但当控制变量发生变化时，性别差异出现。Hackett&Betz发现:如果依据传统观念，将职业进行男女分工，大学生被试的职业决策自我效能水平出现明显的性别差异:女生或男生在各自的传统职业领域中表现出较高的职业决策自我效能水平。具体到女生群体，某女生的职业决策自我效能水平越高，她就越倾向于选择非传统职业。Hackett & Betz假设，正是这种差异会影响求职者的目标定向以及求职时的坚定性;对于女性，这种自我效能的认知机制往往会对其产生消极影响。Suckle和Bonett以大学生为研究被试，将传统职业和非传统职业与家庭责任结合起来进行比较研究，结果发现，在传统女性职业领域，女大学生把职业与家庭责任结合起来的自我效能比男生要高，但在非传统职业领域，男女没有性别差异。Bonett以未婚和已婚的男女为被试，研究婚姻状况和性别对职业自我效能的影响，发现在传统女性职业上，已婚女性的职业自我效能要比已婚男性高，未婚女性比未婚男性职业自我效能高，而在已婚和未婚男性之间，己婚和未婚女性之间没有显著差异。 (3)归因方式
Luzzo Funk和Strang对大学生CDMSE得分的归因方式进行了研究，干预措施是对学生的归因方式进行重新培训，劝说学生把职业决策的低水平信心和与职业相关的失败经验归因于努力的缺乏。结果显示，在归因方式重新培训后，那些原来在职业外部控制项目上得分较高的学生现在更多地选择了内部信息。
(4)人格因素
刘晓燕对当代大学生择业效能感与人格因素之间的关系进行了实证研究。该研究运用Betz和Taylor编制的择业效能感量表(CDMSE-SF)和艾森克人格问卷对哈尔滨市180名大学生进行了调查，结果表明:当代大学生的择业效能感的水平较高，但个体差异较大;择业效能感与艾森克的人格维度理论中的内外倾、神经质两个因素显著相关，男生在选择职业时更易受人格因素的影响，而女生则较少受人格因素的影响;择业效能感的高低与人格因素密切相关。
(5)其他相关因素
胡艳红对大学生择业效能感与职业兴趣、职业价值观的关系进行了研究。以西安地区五所大学的286名应届大学本科毕业生为被试进行问卷调查，采用因素分析，结果发现:大学生择业效能感包括自我概念、自我评价、社会支持、职业信息收集、学绩和目标设定六个方面;大学生择业效能感在性别、学科上有一定差异;男生择业效能感高于女生，具体体现在自我评价和职业信息收集方面有显著差异，男生比女生的自我评价高、收集职业信息的能力强;择业效能感、职业兴趣、职业价值观三者有密切的关系。回归分析表明，职业兴趣、职业价值观对大学生的择业效能感有很大影响。
李莉、马剑虹进行了大学生职业生涯决策自我效能及其归因研究。通过对浙江大学420名本科毕业生和研究生毕业生的问卷调查，结果发现:性别因素在职业决策自我效能的各个纬度有着不同的影响，学历因素对毕业生的职业决策自我效能有很大影响，文理科毕业生之间在职业决策自我效能各个部分没有显著差异，有工作经历的毕业生在选择目标、制定规划两部分显著高于没有工作经验的毕业生。
2.职业决策自我效能的干预研究
Sullivan， Kate， Roy， Mahalik和James为提高被试的得分采取了一系列的努力措施，他们让大学生做完量表后，给她们观看职业干预的录像带，该录像带内容是通过减少在职业规划与教育中的性别定势来拓宽女性的职业观念的范围。观看录像带2周后再进行CDMSE测量，结果发现被试的CDMSE得分均有显著提高。
Fukuyama ， Probert ， Neineyer ， Nevill和Metzler通过计算机程序(DISCOER)来评估职业指导对本科生的职业决策自我效能和职业决策能力所产生的效果。结果显示，学生职业决策自我效能有大大提高，且对职业的不确定性降低。
Luzz。和’Taylor又进行了一项研究，即口头劝说是否对一年级大学生的CDMSE得分产生影响。有88名学生完成了CDMSE作为前测，然后随机将其分为控制组和对照组。控制组的学生要完成WOWI测量，随后依照顺序与咨询者进行当面会谈来讨论其测量结果，在反馈阶段，职业咨询者会用言语劝说学生告诉他们能够拥有足够的技能和机会参与到有效的职业决策活动中去。而那些对照组的学生则只是参与WOWI测试，不接受咨询者的口头劝说。结果显示，控制组的学生CDMSE得分有显著提高，而对照组的学生的CDMSE得分没有发生变化。
Luzzo， Funk和Strang对大学生对CDMSE得分的归因方式进行了研究，干预措施是对学生的归因方式进行重新培训，劝说学生把职业决策的低水平信心和与职业相关的失败经验归因于努力的缺乏。结果显示，在归因方式重新培训后，那些原来在职业外部控制项目上得分较高的学生现在更多地选择了内部信息。
篇10
1 引言
1.1 以往有关品牌印象的研究
Anderson(1971)认为人在获得各种信息的同时，会将各种具体信息综合起来，形成一个总的印象。但是关于如何实现信息的整合却出现过两种不同的观点：一种观点认为感知者总是分别地评价目标对象每条信息的涵义，然后把它们按代数法则整合在一起组成一个概括性的印象(Anderson, 1971)。关于消费者是怎样把多种多样的品牌信息整合为单一的、整体的品牌印象，Troutman和Shanteau(1976)开展了关于消费者品牌印象形成的社会心理学模型研究。在消费者行为领域，印象形成的累加模型认为消费者将累加多种多样的信息来获得一个整体性的品牌印象；平均(含加权平均)模型认为消费者将把多种多样的信息价值加以平均来获得一个整体性的品牌印象；另一种观点认为感知者总是把目标对象的多种特征融合成一种符合逻辑的单一印象，在这个过程中，目标对象的各个侧面都被修饰而且合理地融合在一起，形成整体印象(Asch, 1946)。在此基础上，Asch(1946)又进一步指出使人产生印象的刺激因素影响力差别悬殊，中心特质对印象形成起主要作用，中心特质经常影响边缘特质，并使之与中心特质保持一致，形成了整体印象。在特质理论的启发下，Mullen等人(1984)提出在对产品的中心特质正面诉求的同时指出边缘特质方面的某些不足，能够增加消费者对品牌(产品)中心特质的信任度，并提高消费者对产品优越性的接受度。这一研究结论启示营销实践者，要在品牌传播过程中通过突出品牌的重要中心特质，来使消费者形成品牌印象。Fiske和Neuberg(1990)认为印象形成过程是一个连续体，一端是以类别为基础的加工，它是一种基于范畴的加工；另一端是以个别特征为基础的加工，即逐个地将对象的单个特征整合为一个具体印象。这两种类型的加工并不是截然分开的，在二者之间存在中间类型的加工。印象形成连续体模型(the continuum model of impression formation)认为，消费者可能会沿着一个连续体形成对目标对象的印象，从瞬间抓住目标对象的类别信息，到逐次对目标对象的个别化信息进行加工，从而形成对目标对象的印象。该理论属于序列加工理论，认为感知者可能首先自动地进行基于类别的信息加工，然后还可能会进行更多的基于特征的信息加工。
长期以来，有关品牌印象的研究紧密围绕着品牌形象来展开，既关注品牌本身的客观状态，也关注消费者对这些客观状态的主观反映。其实，“形象”是一个心理学概念，它是指人们对客观事物认知后在头脑中形成的主观印象。所以，从这个意义上看，以往文献中的品牌形象与品牌印象在很大程度上具有相通的意义，所强调的都是消费者对品牌客观状态的主观反映。在消费心理学领域，人们普遍认为产品的差别更少取决于它们“是什么”而更多地取决于它们“像什么”(Ballantyne, Warren, & Nobbs, 2006)。它们“像什么”主要取决于产品的品牌形象。营销管理专家Levy(2003)认为品牌是存在于人们心目中的象征性实体，产品的品牌形象在很大程度上影响着消费者的购买决策。品牌形象对消费者具有多种多样的作用。Fichter和Jonas(2008)的一项研究探讨了品牌形象对消费者产品评价的影响作用。他们把品牌形象理解为消费者对品牌持有的刻板印象(stereotype)，认为品牌形象包含了该品牌系统的简约的关键信息。品牌一旦在消费者头脑中形成刻板印象，即建立了品牌形象，消费者会据此对其产品信息进行自动加工。这一结论在品牌负面印象方面有更多的印证，例如，Van Heerde，Helsen和Dekimpe(2007)研究指出，公司面临的最大威胁莫过于产品伤害，它会扭曲消费者长期以来的良好质量感知、沾污公司声誉、引起品牌的主要收益和市场份额下降、更为重要的是不仅危机品牌对潜在顾客的吸引力下降，而且现有的顾客由于对品牌的信任已经被打破而变为品牌转换者。这说明产品伤害危机给消费者留下的不良印象会直接损毁品牌形象，而且负面初始印象比正面初始印象更难以改变。
1.2 品牌印象概念界定
印象(impression)是指接触过的客观事物在人的头脑中留下的迹象，它往往表现为一种认知客体的部分状态或整体效果。品牌印象(brand impression)是指消费者基于对品牌信息的感知和体验而在头脑中留下的品牌部分或整体信息。品牌印象无疑是品牌与消费者的关系基础。好的品牌印象能够改善和增进品牌与消费者之间的关系，逐步构建品牌的知名度、联想度、美誉度、信任度和忠诚度。品牌建设的任务就是要在深刻把握消费者品牌印象形成机制的基础上，通过调节和控制消费者对品牌的认知、联想、态度、信念和情感来积累品牌资产。
根据以往印象形成理论的一些观点和解释，可以推论品牌印象是消费者对目标品牌感知后在头脑中保留的痕迹，它是一种有意义结构的认知表征。品牌印象形成则是指消费者在头脑中对目标品牌的类别信息和个别化信息进行动态的组织化活动，即根据经验对品牌信息进行分析、概括和推断，进而形成具有评价意义的认知表征。品牌印象不是单个知觉印象的简单相加，而是在综合各种品牌信息知觉的基础上产生的整体形象。品牌印象从总的趋势上看虽然是动态变化的，但它一旦形成，就难以轻易改变，不容易被理性所说服，有可能成为品牌刻板印象。多数情况下，人们先是根据品牌的有限信息对其形成第一印象，然后再收集相关的信息，并经过整合形成整体印象，即在头脑中形成的一种简单而有意义的认知表征。这种认知表征构成了消费者对品牌进行评价的基础，它会影响到消费者对品牌的口碑和购买行为。
1.3 品牌印象结构推论
根据以往研究成果和品牌印象的概念可以推导出三种品牌印象结构：一种是品牌印象的整体概念，即消费者对品牌的综合性整体印象；另一种是消费者对品牌各个侧面特征的整体印象；还有一种是消费者对品牌多个维度的具体印象，即品牌多维印象。Bergkvist和Rossiter(2007)研究认为在营销领域对于反映一个具体对象或一个具体属性的构念，可以使用单项目测量，这种测量与多项目测量相比同样具有很好的预测效度。据此，对品牌的综合性整体印象、品牌各个侧面的整体印象(如品牌质量印象、品牌传播印象、品牌服 务印象、品牌价格印象)等都采用单项目测量，而对品牌多个维度的具体印象则可采用多项目测量。
2 方法
研究采用文献研究、关键事件访谈与问卷测试相结合的研究方法进行。
2.1 预测验问卷的编制
2.1.1 品牌印象成分收集
品牌印象成分的收集过程主要包括三个步骤。第一步，在预试问卷项目的收集过程中，通过查阅了大量有关品牌印象方面的文献，收集这些研究报告中所列出的有关品牌印象的描述作为参考；第二步，按照研究目的拟定访谈提纲，对消费者展开深度访谈，要求每位被访谈者回答“您对哪些使用过的品牌印象比较深刻？”说出1至3个品牌，然后要求消费者分别描述其对品牌A、B、C的印象。从多方面获取有关品牌印象的第一手资料。在获得访谈资料以后，根据访谈记录整理出品牌印象主要涉及的具体特征，然后将从访谈资料中所列举出的品牌印象特征内容进行分类和归纳，成为备择项目，如：该品牌拥有多种价位的商品，便于选择；该品牌广告做得多，是常见的牌子；该品牌的服务全面周到；该品牌质量口碑很好，用得放心；第三步，从品牌印象概念中演绎出一些项目，如：该品牌产品使用效果好、该品牌产品性价比不错(价格合算)、该品牌产品安全可靠，等等。
2.1.2 预测验问卷的形成
(1)预测验问卷项目的确定。通过对来自以上三方面的反映品牌印象的项目进行分析与归类，一共得到22个具体项目，再对这些项目进行初步的筛选与修改。筛选与修改主要包括以下三个方面：即检查反映同一内容的项目之间是否重复，删除重复的项目；根据Borsboom，Mellenbergh和Heerden(2004)的思想，为了证实研究对品牌印象概念界定的合理性，再次找具有品牌管理知识专长的人员访谈，请他们判断这些项目与品牌印象之间关系的紧密程度，从而检测概念的构思效度。另外，还请具有语言知识专长的人员对项目的语言表述进行审查，确保测验项目没有歧义，使语句流畅、通俗易懂。由此确定了反映品牌印象的项目18个。这些项目组成的问卷在整体结构上依据研究对品牌印象的概念界定形成。最后，为了防止反应定势的出现，将18个项目随机排列，初步编制了预测验问卷。
(2)调查方式。研究中的调查对象都是普通消费者。首先，要求被试回忆他(她)在日常消费过程中较有印象的品牌是什么？并填写出那个品牌的名称；然后要求被试针对自己所填写的那个品牌来回答问卷。这样可以使消费者对各个项目的评价始终针对他(她)所填写的品牌，使测试不至于偏离轨道。问卷以7点量表的形成呈现。
2.1.3 预测验
在预测验中，实验人员委托中学和小学班主任安排学生将问卷带回家里由家长完成问卷，并由班主任回收问卷，以及大学生找成人消费者做问卷等方式，向800位消费者发放问卷，得到有效问卷599份(样本1)，有效回收率达到74.88％。样本构成情况为：从性别来看，男性消费者331人，占55.3％，女性消费者268人，占44.7％；从年龄来看，17～25岁的消费者230人，占38.4％，26～40岁的消费者196人，占32.7％；41～60岁的消费者156人，占26.0％；60岁以上的消费者17人，占10.7％；从文化程度来看，高中或以下文化程度的消费者83人，占13.9％，中专程度的消费者106人，占17.7％，大专程度的消费者131人，占21.9％，本科程度的消费者233人，占38.9％，研究生程度的消费者46人，占7.7％。
2.1.4 正式测验
经过预测验，在探索性因素分析的基础上修订问卷，再次委托中学和小学班主任安排学生将问卷带回家里由家长完成问卷，以及大学生找成人消费者做问卷等方式，向800位消费者发放问卷，得到有效问卷651份(样本2)，有效回收率达到81.38％。样本构成情况为：从性别来看，男性消费者372人，占57.1％；女性消费者279人，占42.9％。从年龄来看，17～25岁的消费者191人，占29.3％；26～40岁的消费者247人，占37.9％；41～60岁的消费者197人，占30.3％；60岁以上的消费者16人，占2.5％。从文化程度来看，高中或以下文化程度的消费者126人，占19.4％；中专程度的消费者141人，占21.7％；大专程度的消费者148人，占22.7％；本科程度的消费者203人，占31.2％；研究生程度的消费者33人，占5.1％。
另外，为了获得重测信度数据，研究人员对某大学三个班级165名大学生进行重复测试，时间间隔一个月，最后共获取有效问卷146份(样本3)，其中男生完成86份，占58.9％，女生完成60份，占41.1％。第一次测验时要求被试署名，第二次测验时研究人员事先在问卷中写好被试的姓名及其在第一次测验中所评价的品牌名称，并发给相应的被试作答，确保所有被试前后两次评价的品牌一致。
3 结果
3.1 探索性因素分析结果
3.1.1 品牌印象的因素结构
利用SPSS18.0统计软件针对预测验中获取的599份有效问卷数据进行探索性因素分析。针对预测验获取的数据，首先利用KMO检验和Bartlett球度检验对样本的适合性作了考察。结果表明，KMO值为0.878，说明研究的样本足够性比较适当；从Bartlett球度检验的结果来看，值为6225.149(自由度为153)，达到0.000的显著性水平，代表母群体的相关矩阵间有共同因素存在，这进一步表明适合对数据做因素分析。在做探索性因素分析时，首先探查了各项目的共同度，如表1所示，除项目6、8、11的共同度在0.500以下，其余项目的共同度均在0.670以上。接下来采用主成分分析法，抽取因素时限定特征根大于1者，进行方差最大正交旋转，使在每个因子上具有较高负荷的变量个数最小化。结果如表1所示。其中，项目11在两个因子上的负荷超过了0.4；项目8在四因子上的因素负荷都低于0.5，而且因素负荷分布在三个因子上；项目6的负荷分布在四因子上，而且全都低于0.5。
对测验维度的评估通过计算每个先验维度各项目的题总相关来进行。这些题总相关检验用于决定：(1)是否每个项目主要与一个维度相关；(2)这些题总相关高的项目是否具有概念性的意义。首先对每个项目与其所属的先验维度的题总相关(Item－Total Correlation)进行计算，结果发现(表1所示)大多数项目与所属维度的题总相关较高，其相关系数介于0.638～0.834之间，属于可接受范围。但是，在品牌质量印象维度中第6项目“该品牌产品经久耐用”的题总相关系数只有0.281，在品牌传播印象维度中第8项目“该品牌广告口号朗朗上口，容易记住”的题总相关系数为0.298、第1 1项目“该品牌产品样式不断创新，引领潮流”的题总相关系数为0.473，这三个项目与其所属先验维度的相关很低，可能不适合用来测量相应的维度，属于可考虑删除的项目。
结合前面的题总相关分析和共同度分析，在探索性因素分析的基础上，删除了在两个或两个以上因子上的因素负荷大于0.4的项目，还删除了在其中一个因子上的负荷值小于0.5的项目，即删除了项目6、8和11。最后保留了15个项目。对整体解释的变异数表进行检查，发现提取出特征根大于1的公因子4个(见表2)。这4个公因子所解释的方差占整个方差的75.823％。
根据测验项目在各因素上的分布情况对四个因素进行命名。第一个因素包含的项目主要与品牌产品的外观和宣传有关，因此命名为“品牌传播印象”，其特征值的方差贡献率为23.379％；第二个因素包含的项目主要与品牌产品质量有关，命名为“品牌质量印象”，其特征值的方差贡献率为22.451％；第三个因素包含的项目主要与产品价格有关，命名为“品牌价格印象”，其特征值的方差贡献率为15.229％；第四个因素包含的项目主要与服务有关，命名为“品牌服务印象”，其特征值的方差贡献率为14.764％。从中可见四个公因子的方差贡献率比较均衡。
利用预测验中所得到的数据对测验的同质性状况进行检验，结果发现各分测验的同质性系数Cronbach(α)在0.819～0.936之间(即：品牌传播印象分测验为0.892、品牌质量印象分测验为0.936、品牌价格印象分测验为0.835、品牌服务印象分测验为0.819)，表明各分测验各自测量的品牌印象要素相同程度较高。总测验的同质性系数Cronbach(α)为0.854，从总体上反映了本测验的同质性信度较好，说明测验可以测量到消费者的同一种心理特质，即品牌印象。
3.1.2 验证性因素分析结果
利用在正式测验中获取的651个样本观测数据(样本2)，针对在预测验中经探索性因素分析所保留的15个项目，进行验证性因素分析，结果如表3所示。
根据温忠麟、侯杰泰等人(2004)的推荐，采用/df、NNFI、GFI、CFI及RMSEA等几个拟合指数作为评价模型拟合的标准，其中/df大于10表示模型很不理想，小于5表示模型可以接受，小于2则模型拟合得很好；NNFI、CFI的临界值为0.9，越靠近1越好；GFI大于0.8可接受，越靠近1越好；RMSEA的临界值为0.08，小于0.05表示拟合得非常好。根据以上标准，从表3可见，只有四维模型是可接受的模型。而且数据显示，在四维模型中，各个dylw.net观测项目在对应潜变量上的因素负荷较高，都超过了0.50，介于0.59～0.84之间，说明每个观测指标为相应的潜变量所解释的比例较高，而且四个因子之间存在中等程度的相关，相关系数介于0.41～0.59之间(如图1所示)。这些数据表明模型的质量较高。
图1 品牌印象测验的验证性因素分析结果
注：KSI1是指品牌传播印象，它包括的项目分别是项目9、8、15、10、5等；KSI2是指品牌质量印象，它包括项目3、1、7、12等；KSI3是指品牌服务印象，它包括项目6、4、14等；KSI4是指品牌价格印象，它包括项目11、2、13等。
3.1.3 重测信度检验
利用由15个项目构成的品牌印象多维测量问卷，以及由品牌质量印象、品牌传播印象、品牌服务印象、品牌价格印象等构成的各维单项目测量问卷和反映品牌总体印象的单项目测量问卷，对三个班级165名大学生进行重复测试，时间间隔一个月(每个被试前后评价的品牌一致)，共获取有效问卷146份，计算重测信度系数。结果显示：品牌印象多维度测量、品牌印象各维单项目测量和品牌印象单项目测量的重测信度系数分别为0.850、0.803和0.784，均超过0.700，达到较高的水平，表明这三种测量都具有较好的稳定性。
3.1.4 聚合效度和辨别效度
为了检验品牌印象问卷的聚合效度和辨别效度，参照Ruekert和Churchill(1984)介绍的方法，衡量一个测验的聚合效度和辨别效度的一种有效方法是分别检验该测验与相似测验(similar measures)或不相似测验(dissimilar measures)的两两相关。对此，在2010年10月下旬蒙牛与伊利互相攻击的恶性营销事件背景下，研究人员向400位消费者发放问卷，得到有效问卷313份(样本4)，有效回收率达到78.25％。样本构成情况为：从性别来看，男性消费者152人，占48.6％；女性消费者161人，占51.4％。从年龄来看，17～25岁的消费者133人，占42.5％；26～40岁的消费者101人，占32.3％；41～60岁的消费者73人，占23.3％；60岁以上的消费者6人，占1.9％。从文化程度来看，高中或以下文化程度的消费者37人，占11.8％；中专程度的消费者52人，占16.6％；大专程度的消费者43人，占13.7％；本科程度的消费者140人，占44.7％；研究生程度的消费者41人，占13.1％。
由于品牌印象及其它相关变量的测量会受到被调查者对品牌信息了解的影响，因此在问卷调查中，首先向被调查者提供品牌事件背景信息，然后通过询问的方式确认他们知晓事件情况，再要求被试针对涉事品牌回答问卷。在本次问卷调查中，根据引言部分中的品牌印象结构推论，分别以三种不同的测量方式对品牌印象进行测量，即包括品牌印象单项目测量(1个项目)、品牌印象各维度单项目测量(即品牌质量印象、品牌传播印象、品牌价格印象和品牌服务印象分别用1个项目测量，共4个项目)和品牌印象多维度测量(15个项目)。在表4中呈现的测量分为三组，包括品牌印象测量(组A)、理论上与品牌印象相关的构念(组B)和理论上与品牌印象不相关的构念(组C)。其中组A包括品牌印象多维度测量(由以上验证性因素分析确立的15个项目组成)、品牌印象各维单项目测量(以语义差别量表的形式测量了4个项目，即该品牌质量的好坏程度、该品牌服务的好坏程度、该品牌传播的好坏程度和该品牌价格的合算程度等)和品牌印象单项目测量(以语义差别量表的形式测量了1个项目，即该品牌整体状况的好坏程度)；组B包括感知正直(Integrity)的多项目量表和单项目量表、感知友善(Benevolence)的多项目量表和单项目量表、品牌总体信任和品牌态度量表等。组C包括制度信任量表(5个项目)。
从组A可见，品牌印象多维度测验与品牌印象各维单项目测验和品牌印象单项目测验之间呈现出高度正相关，表明这三种品牌印象测量具有聚合效度。辨别效度要求用于捕捉相同构念的测量之间的相关系数大于这些测量与其 它构念测量之间的相关系数(Campbell & Fiske, 1959)。从表4可见，组A中的相关系数均大于它们与组B和组C之间的相关系数。这说明三种品牌印象测量具有辨别效度。
3.1.5 法则效度检验
法则效度(Nomological Validity)是指理论上相关的构念测量之间的关系。如果两个构念之间的关系在理论上成立，而且它们的测量也表现为互相关联，这些测量的法则效度就得到支持(Ruekert & Churchill, 1984)。由表4可见，品牌印象多维度测验、品牌印象各维单项目测验和品牌印象单项目测验与理论上相关的测验(诸如，感知正直、感知友善、品牌总体信任、品牌态度等)之间呈现出中等程度的正相关(相关系数介于0.236～0.501之间)。而且，品牌印象多维度测验、品牌印象各维单项目测验和品牌印象单项目测验与理论上不相似的制度信任测验的相关则没有达到显著水平(相关系数介于0.017～0.046之间)。这两方面的情况都说明三种品牌印象测验具有法则效度。
3.1.6 效标关联效度检验
为了检验品牌印象测量的效标关联效度，选取“品牌购买意向”作为效标，在对样本4的调查中进行了测量。采用回归分析的方法检验品牌印象与效标之间的关系。首先将人口统计学变量作为第一层次变量引入回归方程，然后将品牌印象引入回归方程，检验引入品牌印象后对效标变量的解释是否有显著提升。所得结果如表5所示。
从表5可见，在控制了人口统计学变量后，品牌印象多维度测量对品牌购买意向解释的贡献增加了36％(ΔR[2]＝0.36，达到非常显著的水平)，品牌印象各维单项目测量对品牌购买意向解释的贡献增加了29.6％(ΔR[2]＝0.296，达到非常显著的水平)，品牌印象单项目测量对品牌购买意向解释的贡献增加了34.5％(ΔR[2]＝0.345，达到非常显著的水平)；而且，品牌印象多维度测量的回归系数为0.602、品牌印象各维单项目测量的回归系数为0.55、品牌印象单项目测量的回归系数为0.588，均在0.001的水平上显著。这些数据表明品牌印象的三种测量方式对效标变量都有非常显著的预测力，其效标关联效度较高。在实际研究和品牌管理中，三种测量方式均可用于对消费者品牌印象的测量。
4 讨论
4.1 品牌印象结构维度的构成
本研究在回顾以往研究成果的基础上，对品牌印象进行了概念界定，并形成了有关品牌印象结构的三种推论。研究首先通过与消费者进行深度访谈，掌握消费者对品牌印象的第一手资料，然后结合文献资料和访谈信息列出系列项目，编制了品牌印象初始问卷。经过初步的项目筛选、预测验和正式测验等研究程序。在问卷调查的基础上，经探索性因素分析，抽取出品牌质量印象、品牌传播印象、品牌服务印象和品牌价格印象等四个品牌印象的核心要素，构成了品牌印象的四维模型。经统计检验表明，该由15个项目构成的品牌印象多维度测量的信度和效度指标均达到了较好的水平。为了考察这一模型的优劣，在另外一个调查样本中利用验证性因素分析，发现只有四维模型是比较好的模型，从而支持了前一个样本中探索性因素分析所得的四维模型，验证了研究对品牌印象的概念界定和理论构思。同时，研究还表明，品牌印象各维度单项目测量和品牌印象单项目测量均对效标变量(品牌购买意向)有很好的预测力。品牌印象的三种测量既有很好的聚合效度和辨别效度，又有很好的效标关联效度。因此，根据Bergkvist和Rossiter(2007)的观点，对具体品牌的整体印象宜采用单项目测量，对具体品牌各特征整体印象宜采用各维度单项目测量。
4.2 研究的意义
研究针对目前国际学术界关于品牌印象结构尚未探明的现状，在中国消费者群体中开展实证性的调查研究，探讨了品牌印象的本质结构，进一步明晰了品牌印象的核心要素；从实践意义来看，研究在探明品牌印象本质结构的同时，初步dylw.net开发了具有较好信度和效度的三种品牌印象测量(包括品牌印象多维度测量、品牌印象各维单项目测量和品牌印象单项目测量)，为以后的相关研究提供了有效的测量工具，同时也能为广大企业审视消费者对本企业品牌的印象提供诊断工具。
5 结论
