導(dǎo)語：如何才能寫好一篇科學(xué)計數(shù)法的規(guī)則，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：統(tǒng)計調(diào)查；數(shù)據(jù)質(zhì)量；控制標(biāo)準(zhǔn)

中圖分類號：C8 文獻(xiàn)標(biāo)識碼： A

一、調(diào)查過程中數(shù)據(jù)質(zhì)量控制的基本原則

1、科學(xué)化

統(tǒng)計查詢的科學(xué)化是進(jìn)步查詢數(shù)據(jù)質(zhì)量的核心。在實踐過程中，可以以事實為依據(jù)，重視客觀性，依照統(tǒng)計科學(xué)根本理論，以及科學(xué)、標(biāo)準(zhǔn)的程序開展查詢，查詢結(jié)果可以反映客觀情況，查詢定論可以服氣大眾。

2、專業(yè)化

統(tǒng)計查詢作業(yè)要充分表現(xiàn)統(tǒng)計科學(xué)的專業(yè)水平，力圖排除非專業(yè)要素的影響。只要專業(yè)化才干客觀化，只要專業(yè)化才干表現(xiàn)統(tǒng)計查詢的科學(xué)化、標(biāo)準(zhǔn)化，才干防止片面化、隨意化，查詢結(jié)果才會得到用戶認(rèn)可。一起，專業(yè)化查詢結(jié)果在面向非專業(yè)用戶時，需求運用用戶言語做出解說，這是專業(yè)化使用水平的表現(xiàn)。

3、標(biāo)準(zhǔn)化

統(tǒng)計查詢準(zhǔn)則標(biāo)準(zhǔn)制定的勝敗、履行標(biāo)準(zhǔn)的力度和程度，與查詢數(shù)據(jù)質(zhì)量高低有著密不可分的聯(lián)系。標(biāo)準(zhǔn)化的統(tǒng)計查詢準(zhǔn)則，不管哪個層面履行都具有統(tǒng)一性和標(biāo)準(zhǔn)性，沒有靈敏操作空間，也沒有變通性的破例。

4、法制化

統(tǒng)計法制建設(shè)是進(jìn)步統(tǒng)計查詢數(shù)據(jù)質(zhì)量的重要機(jī)制確保。法令的強制性、統(tǒng)一性、普遍性的特征，標(biāo)準(zhǔn)和約束了個人和社會行動。統(tǒng)計法制主要任務(wù)是要確保查詢的獨立性、公正性和保密性。統(tǒng)計查詢雙方的權(quán)力和義務(wù)只要通過法令的方式加以固定，查詢質(zhì)量才會確保。

5、信息化

信息化是施行統(tǒng)計查詢的根本手法，是進(jìn)步查詢數(shù)據(jù)質(zhì)量的重要抓手。信息化貫穿統(tǒng)計查詢一直，是進(jìn)步現(xiàn)代統(tǒng)計查詢功率和數(shù)據(jù)質(zhì)量的重要確保。

二、調(diào)查過程中數(shù)據(jù)質(zhì)量控制的具體標(biāo)準(zhǔn)

1、查詢計劃具有可行性

查詢計劃意圖明白、舉動詳細(xì)、操作程序一致、依法進(jìn)行。規(guī)則了詳細(xì)查詢辦法、查詢東西、查詢過程、注意事項等。

2、查詢作業(yè)機(jī)制齊備

作業(yè)機(jī)制是保證統(tǒng)計查詢按查詢計劃履行、查詢程序順暢工作、查詢過程有用工作，取得較高數(shù)據(jù)質(zhì)量的保證。審閱內(nèi)容包含查詢組織設(shè)置、組織功能分工、查詢?nèi)藛T責(zé)任、查詢洽談準(zhǔn)則、查詢質(zhì)量審計準(zhǔn)則的建立等。

3、合適的查詢方法和辦法

對于查詢意圖，斷定合適的查詢方法和辦法。首要是根據(jù)不一樣的查詢辦法，斷定數(shù)據(jù)采集辦法。包含數(shù)據(jù)來歷、現(xiàn)場掛號記載、數(shù)據(jù)修正記載、數(shù)據(jù)輸入、多源頭數(shù)據(jù)比對記載，以及選用效率高、成本低的查詢辦法。

4、程序科學(xué)合理

統(tǒng)計查詢過程明白，查詢程序科學(xué)合理。查詢程序根據(jù)統(tǒng)計學(xué)基本原理進(jìn)行規(guī)劃，表現(xiàn)科學(xué)化、系統(tǒng)化、專業(yè)化、規(guī)范化的特質(zhì)。首要審閱查詢過程是不是按照計劃規(guī)則的程序履行，在規(guī)則的時刻嚴(yán)格履行規(guī)則的查詢，不提前、不滯后、不延遲。

5、查詢目標(biāo)配合程度

建立在查詢目標(biāo)誠信基礎(chǔ)上的查詢，其數(shù)據(jù)質(zhì)量是不言而喻的。被查詢者的協(xié)作，有利于查詢順暢、高效地完結(jié)。首要審閱查詢目標(biāo)拒答率和查詢項目答復(fù)完整率。

三、提高數(shù)據(jù)質(zhì)量控制措施

1、進(jìn)步統(tǒng)計人員本質(zhì)，增強本身作業(yè)能力，確保統(tǒng)計數(shù)據(jù)質(zhì)量跟著年代的展開和進(jìn)步，新狀況和新問題的不斷出現(xiàn)，統(tǒng)計作業(yè)的使命和需求也不斷發(fā)生著改變，這就需求統(tǒng)計人員不斷加強學(xué)習(xí)、不斷更新常識、不斷接受新思想和新技術(shù)。要實在進(jìn)步底層人員的歸納本質(zhì)，就有必要仔細(xì)做好在職人員的訓(xùn)練作業(yè)，使訓(xùn)練作業(yè)政策化、準(zhǔn)則化，最大極限地進(jìn)步底層統(tǒng)計人員的事務(wù)能力、理論水平、職業(yè)道德。一起，統(tǒng)計人員要自覺地學(xué)習(xí)統(tǒng)計事務(wù)常識，進(jìn)步事務(wù)和操作技術(shù)等方面常識，特別是現(xiàn)代統(tǒng)計查詢、統(tǒng)計收拾、統(tǒng)計分析技術(shù)，注重可操作性與實用性，努力進(jìn)步統(tǒng)計機(jī)使用水平，為統(tǒng)計直報和數(shù)據(jù)收集打好堅實根底。經(jīng)過進(jìn)步統(tǒng)計人員本質(zhì)，展開開拓視界，改進(jìn)常識結(jié)構(gòu)和統(tǒng)計機(jī)使用技術(shù)，使統(tǒng)計人員能夠?qū)W以致用，為今后統(tǒng)計作業(yè)的數(shù)據(jù)質(zhì)量的提高供給了內(nèi)在基礎(chǔ)。

2、科學(xué)的定性和定量統(tǒng)計分析，確保統(tǒng)計數(shù)據(jù)完好性、完好性、及時性統(tǒng)計作業(yè)的根本是統(tǒng)計分析，經(jīng)過統(tǒng)計分析完成統(tǒng)計作業(yè)“定量”的有些，以提醒其“定性”的內(nèi)在聯(lián)絡(luò)和展開規(guī)律。進(jìn)步統(tǒng)計數(shù)據(jù)質(zhì)量要點從完好性、精確性、及時性。一是統(tǒng)計數(shù)據(jù)在統(tǒng)計信息的收集規(guī)模和內(nèi)容含量上的完好性。需求統(tǒng)計查詢掩蓋的規(guī)模要完好，被查詢目標(biāo)的報表起報要完好。二是統(tǒng)計數(shù)據(jù)質(zhì)量在統(tǒng)計信息客觀實在性方面的精確性。對底層報來的各類報表有必要嚴(yán)厲審查，是不是按統(tǒng)計準(zhǔn)則規(guī)則的目標(biāo)填寫，統(tǒng)計辦法是不是精確，統(tǒng)計成果是不是精確，統(tǒng)計數(shù)據(jù)是不是契合底層單位的實踐狀況等，從數(shù)據(jù)收集的源頭把好質(zhì)量關(guān)。三是統(tǒng)計數(shù)據(jù)質(zhì)量在統(tǒng)計信息時刻價值上的及時性。以求真務(wù)實、不斷創(chuàng)新統(tǒng)計作業(yè)的手法和辦法，縮短統(tǒng)計查詢與數(shù)據(jù)成果的間隔時刻，以最快時刻統(tǒng)計數(shù)據(jù)，樹立和標(biāo)準(zhǔn)統(tǒng)計信息準(zhǔn)則，進(jìn)步統(tǒng)計數(shù)據(jù)的時效性。

3、加大統(tǒng)計法律力度，確保源頭數(shù)據(jù)的精確性堅持依懲辦統(tǒng)計，依法治統(tǒng)計，依法興統(tǒng)計。要加大《統(tǒng)計法》的宣揚力度，努力進(jìn)步各級領(lǐng)導(dǎo)和廣大統(tǒng)計人員的法律意識，為統(tǒng)計法律發(fā)明杰出的社會空氣。加大處分力度，做到違法必究，法律必嚴(yán)，使各級領(lǐng)導(dǎo)和統(tǒng)計查詢目標(biāo)增強統(tǒng)計法制觀念，深入知道準(zhǔn)時、如實地報送統(tǒng)計報表與統(tǒng)計資料是每個統(tǒng)計查詢應(yīng)盡的責(zé)任，虛報、瞞報、拒報、遲報甚至假造、篡改統(tǒng)計資料均屬違法行動，對招搖撞騙的單位要堅決嚴(yán)肅查處，罰款數(shù)額應(yīng)當(dāng)大幅添加，以震懾統(tǒng)計違法者，一起樹立經(jīng)常性的統(tǒng)計數(shù)據(jù)質(zhì)量查看準(zhǔn)則，統(tǒng)計數(shù)據(jù)質(zhì)量的查看要與統(tǒng)計法律有機(jī)結(jié)合起來，不斷加大頻率、加大力度，逐漸樹立全社會的統(tǒng)計誠信系統(tǒng)。

4、搞好統(tǒng)計查詢辦法是進(jìn)步統(tǒng)計數(shù)據(jù)質(zhì)量的條件國家統(tǒng)計局在《國家統(tǒng)計準(zhǔn)則的整體計劃》中提出了中國統(tǒng)計查詢辦法變革的長遠(yuǎn)政策，即“樹立以必要的周期性普查為基礎(chǔ)，以經(jīng)常性的抽樣查詢?yōu)橹黧w，一起輔之以要點查詢、科學(xué)統(tǒng)計和少量的全部報表歸納運用的統(tǒng)計查詢計劃系統(tǒng)”指明晰抽樣查詢作為新統(tǒng)計查詢系統(tǒng)的主題，精簡全部統(tǒng)計報表。要進(jìn)步統(tǒng)計數(shù)據(jù)質(zhì)量，有必要堅持全部查詢和抽樣查詢相結(jié)合的準(zhǔn)則，對統(tǒng)計目標(biāo)系統(tǒng)的設(shè)置應(yīng)本著“精確、簡化、系統(tǒng)、高效”的政策，本著減輕底層負(fù)擔(dān)的準(zhǔn)則，對現(xiàn)行的統(tǒng)計目標(biāo)系統(tǒng)進(jìn)行科學(xué)調(diào)整，防止了對整體單位的逐個查詢和較多的中間環(huán)節(jié)，在較大程度上減少了各方面臨統(tǒng)計數(shù)據(jù)在查詢過程中的干擾，因此使得查詢的數(shù)據(jù)較契合客觀實踐。它具有事前統(tǒng)計及控制抽樣平均差錯和便于對樣本目標(biāo)進(jìn)行查看，防止查詢作業(yè)中間環(huán)節(jié)的招搖撞騙的特色。大大進(jìn)步了統(tǒng)計數(shù)據(jù)的精確性和及時性。

5、樹立科學(xué)有效的數(shù)據(jù)質(zhì)量評價系統(tǒng)計算數(shù)據(jù)質(zhì)量的監(jiān)控與評價是一項雜亂的、長時間的系統(tǒng)工程，可在機(jī)關(guān)統(tǒng)計部分內(nèi)樹立威望的數(shù)據(jù)質(zhì)量監(jiān)控和評價基地，樹立健全完善的統(tǒng)計數(shù)據(jù)產(chǎn)品質(zhì)量管理系統(tǒng)，對統(tǒng)計數(shù)據(jù)出產(chǎn)全過程實施全部質(zhì)量管理，進(jìn)步統(tǒng)計數(shù)據(jù)的完好性和透明度。完善數(shù)據(jù)質(zhì)量評價系統(tǒng)時要環(huán)繞黨政領(lǐng)導(dǎo)重視的首要經(jīng)濟(jì)查核目標(biāo)加大審閱、評價的力度，多角度、全方位的進(jìn)行審閱評價。對與相關(guān)部分統(tǒng)計有聯(lián)絡(luò)的目標(biāo)，加強與部分的聯(lián)合審閱力度，其他目標(biāo)要加大與首要經(jīng)濟(jì)目標(biāo)相關(guān)聯(lián)的目標(biāo)的審閱力度，使統(tǒng)計數(shù)據(jù)實在反映客觀經(jīng)濟(jì)的運行狀況。

6、加大新的統(tǒng)計技術(shù)的使用是進(jìn)步統(tǒng)計數(shù)據(jù)質(zhì)量的必要路徑統(tǒng)計機(jī)技術(shù)不只可以實現(xiàn)數(shù)據(jù)處理高速化、數(shù)據(jù)傳輸網(wǎng)絡(luò)化、數(shù)據(jù)儲存資本化，然后降低統(tǒng)計數(shù)據(jù)在人工處理、傳輸、儲存等環(huán)節(jié)上的技術(shù)性差錯和邏輯性差錯，而且有利于從機(jī)制上構(gòu)成強有力的統(tǒng)計質(zhì)量管理系統(tǒng)，保護(hù)統(tǒng)計數(shù)據(jù)管理相對獨立性并有效地抑止隨意虛報、瞞報以及統(tǒng)計數(shù)據(jù)質(zhì)量的其他腐敗行動。

結(jié)束語

保證統(tǒng)計資料的真實性、準(zhǔn)確性、完整性和及時性成為統(tǒng)計法的價值目標(biāo)和立法宗旨，它管理著統(tǒng)計法的各個條文，我們作為統(tǒng)計工作者，就應(yīng)該做到堅持真實性，確保準(zhǔn)確性，為全面提高統(tǒng)計質(zhì)量而努力。

參考文獻(xiàn)

[1]丁擘.完善我國統(tǒng)計數(shù)據(jù)質(zhì)量控制的研究[J].企業(yè)導(dǎo)報，2013，15：100-101.

[2]黃建凱.淺談如何提高統(tǒng)計數(shù)據(jù)質(zhì)量[J].統(tǒng)計與咨詢，2013，04：52-53.

篇2

[關(guān)鍵詞]大數(shù)據(jù)；統(tǒng)計數(shù)據(jù)；準(zhǔn)確性；評估方法；適用性

[DOI]1013939/jcnkizgsc201529041

1大數(shù)據(jù)的出現(xiàn)與應(yīng)對

1.1大數(shù)據(jù)的概念特征

大數(shù)據(jù)的概念從字面上可以理解為龐大的數(shù)據(jù)集合，當(dāng)然，如今的數(shù)據(jù)早已不局限于單一的數(shù)值變化，而是在數(shù)字網(wǎng)絡(luò)概念中彼此交疊冪次增長的非結(jié)構(gòu)化信息統(tǒng)籌。根據(jù)IDC報告，我們可知全球數(shù)據(jù)量的驚人變化，2009年80萬PB，2010年增幅達(dá)50%，達(dá)到了120萬PB，至2011年躍至190萬PB，激增的數(shù)據(jù)量印證著大數(shù)據(jù)時代的到來，見下圖。

2009―2011年的數(shù)據(jù)量變化柱狀圖

雖然對于大數(shù)據(jù)還沒有約定熟成的理論定義，但是在本文中我們不妨直觀地將其理解為涵蓋數(shù)值數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，并對其進(jìn)行分析整合的海量數(shù)據(jù)集。

大數(shù)據(jù)的幾項具有辨識度的特征，首先是數(shù)據(jù)集在體量上應(yīng)超越TB數(shù)量級，其次是數(shù)據(jù)信息應(yīng)多樣化，有數(shù)值數(shù)據(jù)，也有像是圖片、視頻、音頻等非結(jié)構(gòu)化數(shù)據(jù)，再次是數(shù)據(jù)的產(chǎn)生、采集和處理應(yīng)快速及時，最后是數(shù)據(jù)集整合的數(shù)據(jù)信息應(yīng)具有全面性和有效性。

1.2大數(shù)據(jù)對統(tǒng)計研究的挑戰(zhàn)

大數(shù)據(jù)的龐大數(shù)據(jù)體量，快速增長處理需求，多樣化全面性數(shù)據(jù)整合等現(xiàn)實情況都讓統(tǒng)計研究面臨著巨大挑戰(zhàn)。傳統(tǒng)的單一維度的樣本抽查的研究分析模式已經(jīng)不足以保證統(tǒng)計數(shù)據(jù)的準(zhǔn)確性。因此，我們不僅要擴(kuò)大研究分析的樣本量保證統(tǒng)計結(jié)果的客觀性和真實性，還要通過增加反饋信息的呈現(xiàn)路徑，激發(fā)目標(biāo)群體的新型互動模式，將文字、圖片、視頻、音頻等都納入數(shù)據(jù)庫，從而增加數(shù)據(jù)維度，獲取高品質(zhì)海量數(shù)據(jù)，實現(xiàn)統(tǒng)計研究新變革。

2大數(shù)據(jù)時代背景下統(tǒng)計數(shù)據(jù)質(zhì)量的界定

2.1統(tǒng)計數(shù)據(jù)質(zhì)量的含義

統(tǒng)計數(shù)據(jù)質(zhì)量的核心在于其準(zhǔn)確性，在大數(shù)據(jù)時代背景下，統(tǒng)計數(shù)據(jù)質(zhì)量還需考量統(tǒng)計目的，即滿足統(tǒng)計目的的具有準(zhǔn)確性的統(tǒng)計數(shù)據(jù)呈現(xiàn)。

2.2統(tǒng)計數(shù)據(jù)質(zhì)量的特征

根據(jù)上述統(tǒng)計數(shù)據(jù)質(zhì)量的含義，我們可以提煉出有關(guān)大數(shù)據(jù)時代背景下統(tǒng)計數(shù)據(jù)質(zhì)量的兩點特征。第一，是針對數(shù)據(jù)內(nèi)容，應(yīng)在客戶接受范圍內(nèi)控制誤差，保證數(shù)據(jù)采集處理的快速及時，并符合統(tǒng)計目的。第二，是針對數(shù)據(jù)呈現(xiàn)，要有規(guī)范性的闡述，保證統(tǒng)計數(shù)據(jù)的口徑計算等采用相對一致的方式，表達(dá)完整，直觀易懂，盡量避免歧義冗長。

3各類統(tǒng)計數(shù)據(jù)質(zhì)量的評估方法及適用性分析

3.1邏輯規(guī)則檢驗

邏輯規(guī)則檢驗法，是宏觀的針對總量數(shù)據(jù)的一種評估方法，即根據(jù)統(tǒng)計數(shù)據(jù)中各個指標(biāo)之間相互作用，彼此粘連的內(nèi)在邏輯關(guān)系，來衡量測試數(shù)據(jù)的真實性和可信度。

由于這種邏輯規(guī)則檢驗法是基于傳統(tǒng)的統(tǒng)計理論，且可操作性強，易被客戶理解接受，所以在實際統(tǒng)計數(shù)據(jù)評估中應(yīng)用廣泛，常被用于政府統(tǒng)計部門的統(tǒng)計工作。但是，這種方法存在明顯漏洞，因為其檢驗規(guī)則過于單一，只要不出現(xiàn)重大邏輯沖突則推論出數(shù)據(jù)可信，加上即使出現(xiàn)了邏輯矛盾，僅通過比較無法獲知問題所在，無法確定問題數(shù)據(jù)的準(zhǔn)確范圍無法規(guī)避結(jié)果的多重性，使得結(jié)果相對粗略草率。

根據(jù)以上分析判斷邏輯規(guī)則檢驗法的適用性，我們可以將其作為初步評估統(tǒng)計數(shù)據(jù)的方法，在宏觀經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)中以它為基礎(chǔ)，結(jié)合其他方法，進(jìn)行復(fù)式檢驗，能夠更好地得出統(tǒng)計結(jié)論，獲得民眾理解和認(rèn)可。

3.2核算數(shù)據(jù)重估

核算數(shù)據(jù)重估法，是一種對于邏輯規(guī)則檢驗法延伸拓展的評估方法，即基于待評估數(shù)據(jù)的核算體系重新設(shè)定的統(tǒng)計指標(biāo)，從而重新估算統(tǒng)計數(shù)據(jù)，然后對比現(xiàn)實數(shù)據(jù)，實現(xiàn)對統(tǒng)計數(shù)據(jù)質(zhì)量的評估。這種評估方法的基本思路是一種在重新計量中的重復(fù)調(diào)查，擴(kuò)充針對性的資料，將理想數(shù)據(jù)與實際數(shù)據(jù)對比分析，找出問題所在。

這種重估統(tǒng)計指標(biāo)的評估方法與邏輯規(guī)則檢驗一樣是在假設(shè)基礎(chǔ)核算構(gòu)成準(zhǔn)確性的前提下進(jìn)行的，而重設(shè)的統(tǒng)計指標(biāo)與現(xiàn)實統(tǒng)計的指標(biāo)方式仍具有差異性，因此其對比評估的結(jié)果只能作為一種參考性依據(jù)，能找到問題數(shù)據(jù)的大致方向但無法呈現(xiàn)具體錯誤情況。它尤其適用于判斷GDP的增速準(zhǔn)確性。

3.3計量模型分析

計量模型分析法，也是一種針對總量數(shù)據(jù)的評估方法，即在難以確定統(tǒng)計數(shù)據(jù)確切邏輯關(guān)系的情況下，建立模型評估，檢查是否出現(xiàn)差異情況。這種方法的關(guān)鍵是建立模型，尋找異常點，在操作過程中需要先根據(jù)統(tǒng)計理論和統(tǒng)計目的建立相應(yīng)的計量模型，再將樣本數(shù)據(jù)進(jìn)行相應(yīng)估算檢查，反復(fù)調(diào)整，多次代入評估，最終得出結(jié)論。

3.4統(tǒng)計分布驗證

統(tǒng)計分布驗證法，是針對分類數(shù)據(jù)的一種評估方法，即在掌握了個體數(shù)據(jù)和分類匯總數(shù)據(jù)之后，基于已知的分布特性，驗證理論性分布情況與實際統(tǒng)計數(shù)據(jù)分布情況是否相悖，進(jìn)而得出評估結(jié)果。

這種評估方法的檢驗過程首先是通過理論分析和調(diào)查研究確定統(tǒng)計分布的特性，找到個體數(shù)據(jù)與匯總數(shù)據(jù)的分布形態(tài)，然后對比理論數(shù)據(jù)與待評估數(shù)據(jù)的分布是否一致，若是發(fā)現(xiàn)異常點則需要進(jìn)一步驗證分析其具體誤差值情況，從而判斷統(tǒng)計數(shù)據(jù)質(zhì)量。這種評估方法的缺陷在于確定統(tǒng)計數(shù)據(jù)的分布特性，這是評估的前提，但也是在實際操作中最難攻克的關(guān)鍵。

3.5調(diào)查偏差評估

調(diào)查偏差評估法，是一種事后調(diào)查分析的方法，即通過對統(tǒng)計數(shù)據(jù)中調(diào)查偏差的評估，約束調(diào)查條件進(jìn)行重復(fù)調(diào)查，以期獲得最真實的統(tǒng)計數(shù)據(jù)。這種方法的開展是在預(yù)設(shè)存在可得的真實統(tǒng)計數(shù)據(jù)前提下，那么這個關(guān)鍵點就成為了該評估方法最大的痛點和爭議點，因為是否存在理想調(diào)查條件下可得的真實統(tǒng)計數(shù)據(jù)是未知的，換言之就是假想的，沒有科學(xué)依據(jù)的。加之在實際操作中，要進(jìn)行有效的調(diào)查條件控制涉及誤差參數(shù)的確定，計量模型的構(gòu)建，同時在區(qū)域范圍內(nèi)實現(xiàn)多次重復(fù)調(diào)查的難度也很大，因此，調(diào)查偏差評估的實際應(yīng)用有限，當(dāng)下僅適用于像人口普查這類的地區(qū)性普查統(tǒng)計數(shù)據(jù)的分析。

3.6多維評估延伸

由于大數(shù)據(jù)時代統(tǒng)計數(shù)據(jù)內(nèi)容的多樣性，多維化，評估方法的多維延伸也成為必然。所謂多維評估法目前涉及四種的評估路徑，即多級量度、指標(biāo)檢測、用戶需求，以及統(tǒng)籌綜合。雖然由于長期以來對數(shù)值統(tǒng)計分析的側(cè)重，多維評估還在發(fā)展階段，尚不成熟，但是隨著統(tǒng)計數(shù)據(jù)的非結(jié)構(gòu)化特性日益彰顯和人們對于統(tǒng)計數(shù)據(jù)質(zhì)量要求的日益提升，多維化評估將逐漸受到重視，得到完善應(yīng)用。

4結(jié)論

本文分析了包括邏輯規(guī)則檢驗、核算數(shù)據(jù)重估、計量模型分析、統(tǒng)計分布驗證、調(diào)查偏差評估、多維評估延伸在內(nèi)的六種評估方法的概念特征，以及適用性。其中前三種都是針對統(tǒng)計總量的評估方式，而后幾種則是針對分類數(shù)據(jù)的評估方法，涉及充分的信息采集，分布特性的確定，初始調(diào)查條件的確定，以及多維度的延伸。這些假定的前提與實際數(shù)據(jù)始終存在偏差，因此在獲得真實數(shù)據(jù)上還是屬于理想化推測，始終存在爭議點，而且在實際操作中具有執(zhí)行困難。

通過分析，我們不難發(fā)現(xiàn)目前各個對于統(tǒng)計數(shù)據(jù)質(zhì)量的評估方法仍存在較大的缺陷，這直接影響到我國統(tǒng)計事業(yè)的發(fā)展和與之密切相關(guān)的經(jīng)濟(jì)社會的總體發(fā)展。因此，我們需要加強對統(tǒng)計數(shù)據(jù)質(zhì)量評估方法的研究力度，進(jìn)一步完善評估體系，適應(yīng)大數(shù)據(jù)時代的發(fā)展需求，用多維度復(fù)合型的研究成果保證統(tǒng)計結(jié)果的客觀性和真實性，還要通過增加反饋信息的呈現(xiàn)路徑，激發(fā)目標(biāo)群體的新型互動模式，實現(xiàn)中國統(tǒng)計研究的新變革。

參考文獻(xiàn)：

[1]王華，金勇進(jìn)統(tǒng)計數(shù)據(jù)準(zhǔn)確性評估：方法分類及適用性分析[J].統(tǒng)計研究，2009（1）

[2]許滌龍，葉少波統(tǒng)計數(shù)據(jù)質(zhì)量評估方法研究述評[J].統(tǒng)計與信息論壇，2011（7）

[3]程開明，莊燕杰大數(shù)據(jù)背景下的統(tǒng)計[J].統(tǒng)計研究，2014（11）

[4]崔路云基于大數(shù)據(jù)時代背景對統(tǒng)計學(xué)教育的幾點思考[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2013.

[5]劉春燕論大數(shù)據(jù)時代的統(tǒng)計制度與方法改革[J].蕪湖職業(yè)技術(shù)學(xué)院學(xué)報，2013（11）

篇3

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；正關(guān)聯(lián)規(guī)則；負(fù)關(guān)聯(lián)規(guī)則；頻繁模式樹

中圖分類號：TP311文獻(xiàn)標(biāo)識碼：B

文章編號：1004-373X(2008)08-090-04オ

Positive and Negative Association Rules Mining Algorithm Based on FPNtree

QU Baida,CHEN Liping

(Communication and Control Engineering College,Southern Yangtze University,Wuxi,214122,China)オ

Abstract：In current,association rules mining mainly focuses on positive association rules,as AB,which has serious disadvantages only to mine positive association rules.It conceals connotative negative association rules among datas,so as not to explain certain items′ restriction relation in positive association rules.Positive and negative association rules mining algorithm based on FPNtree is proposed built on association rules conception and qualities of association rules.Traversing its prefix linked lists which can mine association rules comprising positive items as well as association rules with negative items,not causing negative association rules′ losses.Efficiency and feasibility of algorithm is analysed and has predominance over single algorithm only mining negative association rules in describing indeendence among association rules items.

Keywords：association rules;positive association rules;negative association rules;FPNtree

關(guān)聯(lián)規(guī)則是從大量的數(shù)據(jù)中挖掘出有隱含關(guān)系的一種方法，自從文獻(xiàn)［1］提出關(guān)聯(lián)規(guī)則的問題以后，大量的學(xué)者對其進(jìn)行了深入的研究和探討。關(guān)聯(lián)規(guī)則為：設(shè)有事件A和B，正關(guān)聯(lián)規(guī)則類似與事件A導(dǎo)致事件B，形如AB這樣的表達(dá)式，他只能使交易數(shù)據(jù)庫出現(xiàn)的項集發(fā)生正面關(guān)聯(lián)，無法發(fā)現(xiàn)數(shù)據(jù)中隱藏的另一種關(guān)系：負(fù)關(guān)聯(lián)關(guān)系，事件A導(dǎo)致事件B不發(fā)生，即某數(shù)據(jù)項集A的出現(xiàn)會減少另一數(shù)據(jù)項集B的出現(xiàn)機(jī)會，甚至使得B不出現(xiàn)。但在實際中對負(fù)關(guān)聯(lián)規(guī)則的研究卻比較少，然而負(fù)關(guān)聯(lián)規(guī)則依然能帶來有價值的規(guī)則，這對于決策的作用也是不可忽視的。在商業(yè)領(lǐng)域，負(fù)關(guān)聯(lián)規(guī)則可以幫助決策者犧牲自身小的利益為代價消弱某些大的商業(yè)欺騙以換取更大的利益；在醫(yī)療領(lǐng)域中，可以根據(jù)某些癥狀的存在與另外一些癥狀的不存在得到某一診斷結(jié)果；企業(yè)、市場可以通過綜合考慮正、負(fù)關(guān)聯(lián)關(guān)系，在銷售、投資時同時考慮一些有利因素和不利因素，迎接更大的挑戰(zhàn)。

盡管在應(yīng)用中負(fù)關(guān)聯(lián)規(guī)則非常重要，但由于研究起步晚且難度較大，負(fù)關(guān)聯(lián)規(guī)則的挖掘還沒有能夠出現(xiàn)一種像Apriori[2]那樣成熟,XinDong Wu在文獻(xiàn)\[35\]中正式提出負(fù)關(guān)聯(lián)規(guī)則的同時還提出一種能同時挖掘正、負(fù)關(guān)聯(lián)規(guī)則的算法，在挖掘出正頻繁項集的基礎(chǔ)上考察他們的支持度和興趣度，當(dāng)他們不滿足閾值要求時再考慮對應(yīng)的負(fù)項集的支持度和興趣度，如果負(fù)項集滿足要求，就從中挖掘出包含負(fù)項目的關(guān)聯(lián)規(guī)則。這種算法思想無法挖掘出所有包含負(fù)項目的頻繁項集，該算法在生成頻繁項目集時會造成丟失。針對以上問題，在包含正、負(fù)項目的一般化關(guān)聯(lián)規(guī)則進(jìn)行了比較深入地研究上，提出一種基于頻繁模式樹混合正、負(fù)項目的一般化關(guān)聯(lián)規(guī)則挖掘算法，該算法不僅挖掘包含所有正項目的關(guān)聯(lián)規(guī)則，而且還能夠挖掘出所有包含負(fù)項目的關(guān)聯(lián)規(guī)則。

1 負(fù)關(guān)聯(lián)規(guī)則挖掘

1.1 單一正關(guān)聯(lián)規(guī)則缺陷

[HTH]例1:[HTSS]假設(shè)有5 000個數(shù)據(jù)集，其中包含事件A和B,同時包含事件A和B記為A∪B，包含A的有3 000項，包含B的有2 500項，minsup=0.2,minconf＝0.3,supp(A∪B)＝0.25＞0.2,conf(AB)=0.42＞0.3,得到AB是強關(guān)聯(lián)規(guī)則，再考慮ASB,supp(A∪SB)＝0.35＞0.2,conf(ASB)=0.58＞0.3,ASB也是強關(guān)聯(lián)規(guī)則,說明由于A的發(fā)生B發(fā)生的概率反而下降了,因此A和B應(yīng)該是相互削弱的關(guān)系。這與AB相矛盾。由于conf(ASB)＞conf(AB),ASB應(yīng)該更可靠，因此A和B應(yīng)該是負(fù)相關(guān)的的關(guān)系。

文獻(xiàn)［35］提出首先考慮正項集，當(dāng)正項集無法滿足最小支持度和最小信度時再考慮負(fù)項集時，然而在例1中按照這種先挖掘正關(guān)聯(lián)規(guī)則再挖掘負(fù)關(guān)聯(lián)規(guī)則的做法將會淹沒有效的負(fù)關(guān)聯(lián)規(guī)則，進(jìn)而造成某些潛在負(fù)關(guān)聯(lián)規(guī)則的丟失，本文提出基于頻繁模式樹的正負(fù)關(guān)聯(lián)規(guī)則平行挖掘算法,同時考慮正項集和負(fù)項集。

1.2 負(fù)項目

設(shè)任務(wù)相關(guān)的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合中有項集A和項集B。形如ASB,SAB,SASB的關(guān)聯(lián)規(guī)則稱為負(fù)關(guān)聯(lián)規(guī)則，負(fù)的關(guān)聯(lián)規(guī)則的支持度和置信度的定義和正關(guān)聯(lián)規(guī)則相同，只是分別用SA和SB分別代替了原來的A和B。

首先介紹一個計算支持度計數(shù)的定理。

[HTH]定理1 [HTSS] |DB|為事務(wù)數(shù)據(jù)庫中事務(wù)的總個數(shù)，對任意的負(fù)項目SA，設(shè)他對應(yīng)的正項目A支持度計數(shù)(即在數(shù)據(jù)庫中出現(xiàn)的次數(shù))為A.count，那么SA的支持度為:

ИБSA.count=|DB|-A.count(1)И

證明：因為A.count＋SA.count＝|DB|;所以SA.count=|DB|-A.count，這是顯然成立的。

應(yīng)用該定理，掃描原始數(shù)據(jù)庫，利用式(1)可以計算出所有負(fù)項目的支持度計數(shù)，然后將所有支持度計數(shù)不小于最小支持度計數(shù)minCount的正、負(fù)項目合并成一個集合，作為頻繁1項集L1；用正整數(shù)記錄正項目，用負(fù)整數(shù)記錄負(fù)項目，并且在頻繁1項集中，將各項按照絕對值的升序排列，如果同時含有絕對值相等的一對正、負(fù)項目，按照負(fù)項目在對應(yīng)正項目前一位的原則，形成一個有序序列。

2 含負(fù)項目的頻繁模式樹FPN_tree的構(gòu)造

2.1 基本概念

J.Han等提出一種用頻繁模式樹FP_Tree產(chǎn)生頻繁集的fp_Tree算法，借助與定義對含負(fù)項目的頻繁模式樹（frequent pattern tree with negations,FP_Tree）進(jìn)行如下的定義：

(1) 他由一個根(值為null)、項目前綴子樹(作為根的子女)和一個頻繁項頭表組成。

(2) 每個項目前綴子樹中的節(jié)點包括3個域：item,count和first其中item記錄節(jié)點表示的項目，他可以是正項目也可以是負(fù)項目：count表示該項目出現(xiàn)的頻度；first用于連接樹中同名節(jié)點，如果不存在同名節(jié)點，則值為“null”。Current表示項目指針,child,parent,Sibling分別表示節(jié)點的子，父，和兄結(jié)構(gòu)的指針。

(3) 頻繁項頭表的表項包括2個域：頻繁項目名HEADS:HEADS［i］.item=S［i］.item; HEADS［i］.count=S［i］.count; HEADS［i］.first=NULL。

2.2 算法思想及其方法描述

前綴鏈表遍歷算法的基本思想是將事務(wù)數(shù)據(jù)庫中滿足最小支持度的所有項目看成是鏈表中的各個結(jié)點。每條事務(wù)看成是從某個結(jié)點經(jīng)若干中間結(jié)點到達(dá)終結(jié)點的路徑。從中找出滿足最小置信度的路徑即為所要發(fā)現(xiàn)的正負(fù)關(guān)聯(lián)規(guī)則。下面給出了頻繁模式樹FPN_tree構(gòu)造過程的具體算法：

(1) 第一次遍歷事務(wù)數(shù)據(jù)庫TID，用正整數(shù)記錄正項目，用負(fù)整數(shù)記錄負(fù)項目，利用式(1)統(tǒng)計各正項目及其負(fù)項目的出現(xiàn)頻率，并計算所有正負(fù)項目的支持度。

(2) 將所有支持度計數(shù)不小于最小支持度計數(shù)minCount的正、負(fù)項目合并成一個集合。

(3) 對上述集合的順序進(jìn)行調(diào)整，將各項按照絕對值的升序排列，如果同時含有絕對值相等的一對正、負(fù)項目，按照負(fù)項目在對應(yīng)正項目前一位的原則，形成一個有序序列，作為頻繁1項集S1。

(4) 初始化表頭數(shù)組HEADS:HEADS［i］.item=S［i］.iten;HEADS［i］.count=S［i］.count；HEADS［i］.first=NULL；

(5) 將重排后各事務(wù)T調(diào)用函數(shù)insert(PL,T，parent)(首次調(diào)用時parent為NULL)插至前綴鏈表中。

FPNtree中由于引入了負(fù)項目，其構(gòu)造方法與FPTree有所不同。對于數(shù)據(jù)庫中的每個事務(wù)T,如果某個正頻繁項出現(xiàn)在T中，說明T含有該正頻繁項：如果某個負(fù)頻繁項對應(yīng)的正項目不出現(xiàn)在T中，說明T中隱含有該負(fù)頻繁項。構(gòu)造FPN_tree的主要思想就是將每個事務(wù)中包含的正頻繁項和隱含的負(fù)頻繁項按照S1的順序插入到FPN_tree。

insert(PL,T,parent)

{c=getfirstitem(T);if(c=′’′)return;

If(PL=NULL)

{new(PL);PL>item=c;PL>count=1;PL>child=NULL;PL>parent=parent;

PL>sibling=NUILL：

i=location(c);new(q);q>current=PL;q>next=HEADS［i］.first;HEADS［i］.first=q；

insert(PL>child,T=delete(T,c),PL)}

else

if(PL>item==c){PL>count++;insert(PL>child,T=delete(T,c),PL);}

if(PL>sibling==NULL)

{new(P);P>item=c;P>count=1;P>child=NULL;P>parent=parent;

p>sibling=PL>sibling；

PL>sibling=P;i=location(c);new(q);q>current=P；

q>next=HEADS［i］.first;HEADS［i］.first=q;insert(P>child,T=delete(T,c).P);}

else insert(PL>sibling,T,parent);}

2.3 應(yīng)用舉例

假設(shè)有表1所示的數(shù)據(jù)庫DB，最小支持度為3，構(gòu)造含負(fù)項目的頻繁模式樹。

表1 各項目支持度計算[HT6K]

項目abcde-a-b-c-d-e

支持度4311423552[HJ0]

掃描DB，統(tǒng)計各正項的支持度計數(shù)，并由式(1)計算負(fù)項的支持度計數(shù)，結(jié)果如表1所示，選出F中支持度大于3的項，選出頻繁項集Ll { a:4,-b:3,b:3-c:5,-d:5 ,e:4}。同時計算所有事務(wù)的正負(fù)頻繁項1項集，如表2所示。(各節(jié)點以item,name,count形式記錄)并依次將各事務(wù)中的正、負(fù)頻繁項插入到FPN_tree中，如最終得到含負(fù)項目的頻繁模式樹如圖1所示。

表2 事務(wù)數(shù)據(jù)庫1及頻繁項[HT6K]

事務(wù)TIDTID1TID2TID3TID4TID5TID6

項目a,b,eb,da,ca,eea,b,e[HJ0]

頻繁項a,b,-c,-d,eb,-ca,-b,-da,-b,-c,-d,-e-b,-c,-d,ea,b,-c,-d,e

圖1 正負(fù)頻繁模式樹

3 從FPN_tree中挖掘包含正、負(fù)項目的頻繁項集

一般從頻繁模式樹中挖掘關(guān)聯(lián)規(guī)則只需遍歷事務(wù)數(shù)據(jù)庫2次，第一次形成前綴鏈表，第二次確定某條事務(wù)是否與前綴鏈表的一條路徑重合或者部分重合，從而發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。第二次遍歷事務(wù)數(shù)據(jù)庫TID，對重排后的每條事務(wù)T，若當(dāng)前事務(wù)T完全或部分重合了前綴鏈表的某一路徑，且滿足大于小于minconf約束，就得到關(guān)聯(lián)規(guī)則,本文采用在上述頻繁模式樹的基礎(chǔ)上產(chǎn)生一個條件FP樹，從而挖掘出所有的正負(fù)關(guān)聯(lián)規(guī)則。

[HTH]算法2：[HTSS]

算法2建立在算法1所產(chǎn)生的FPNtree上面。他會遞歸調(diào)用自己，并且反復(fù)調(diào)用算法2產(chǎn)生新的FPtree。

輸入：一棵用算法一建立的樹Tree；

輸出：所有的頻繁集。

步驟：

調(diào)用FPN_tree (Tree,null)下面是對過程FPgrowth的偽碼描述。

ProcedureFPN_tree (Tree,a)

ifTree只有一條路徑P

then對P中的節(jié)點的每一個組合（記為Е陋В(1)

(1) 產(chǎn)生頻繁集Е痢圈陋В并且把他的支持度指定為Е陋е薪詰愕淖钚≈С侄取

else對Tree的頭表從表尾到表頭的每一個表項(記為a)做(2)~(5)。

(2) 產(chǎn)生頻繁集Е=a∪αВ并且支持度為a的支持度。

(3) 建立Е陋У奶跫模式庫(conditional pattern base)和Е陋У奶跫樹(conditionalFPtree)Tree2

(4)if Tree2!=БhА＊

(5)then調(diào)用FPgrowth(Tree2,Е陋)。

從圖1中的表項b出發(fā)，首先可以得到一個頻繁集（b:3)。進(jìn)而得到包含b的所有模式。順著b表項的nodelink域，找到所有b的路徑,,對第一條路徑，雖然a出現(xiàn)4次,但他們同b在一起只出2次，所以把他們的計數(shù)改為2，得到。第二條路徑中,得到,把這2條路徑中的b項去掉，就得到b的條件模式庫，{( a:2},這是下一步遞歸的依據(jù)。把這個條件模式庫看作一個數(shù)據(jù)庫，在上面運用算法一產(chǎn)生一個空的FPtree。

接著考慮-b,先得到（-b:3），順著他的nodelink得到2條路徑，,,但在有序的頻繁項中，a與-b在一起只出現(xiàn)2次，所以把他們的計數(shù)改為2，得到,第二條路徑中,得到,把這2條路徑中的-b項去掉，就得到-b的條件模式庫{( a:2},運用算法1產(chǎn)生一個空的FPtree。

其次從表項e出發(fā)，先可以得到一個頻繁集（e:4)。然后，得到包含e的所有模式。順著e表項的nodeink域，找出所有e的路徑，,和,對第一條路徑，雖然a出現(xiàn)了4次,b,-c,-d,e各出現(xiàn)2次，但他們同e在一起只出現(xiàn)了2次，所以把他們的計數(shù)改為2，得到。第二條路徑中,得到,對第3條路徑,得到。把這3條路徑中的e項去掉，就得到e的條件模式庫，{( a:2,b:2,-c:2,-d:2),( a:1,-b:1,-c:1,-d:1),( -b:2,-c:2,-d:2)},這是下一步遞歸的依據(jù)。把這個條件模式庫看作一個數(shù)據(jù)庫，在上面運用算法1產(chǎn)生一個新的FPtree，這個新樹中有2個節(jié)點a:3,-b:3,-c:5,和-d:5,對這個路徑中所有的節(jié)點組合產(chǎn)生頻繁集，得到{(ae:3,e (-b):3,a(-b)e:3,e(-c):4,e(-d):4,e(-c)(-d):4,a(-b)(-c)(-d):3)}.，類似的考慮a:4,和-d:5最終得到兩個空的FPtree。

最后考慮-c，先還是得到(-c:5)，順著他的nodelink得到4條路徑，，< a:4,-b:2,-c:1,> ,< b:1,-c:1,> 和得到一個新的節(jié)點b:3，對這個路徑中該節(jié)點組合產(chǎn)生頻繁集，得到{(b(-c):3}。最終得到條件模式庫和條件FP樹如表3所示。

表3 條件模式庫和FP樹

項條件模式庫條件FP樹

b{(}Бh

-b{} Бh[HJ0]

e{,,}{(ae:3;e(-b):3;a(-b)e:3;e(-c):4;e(-d):4;e(-c)(-d):4;a(-b)(-c)(-d):3)}

aБh Бh

-d{,, }Бh

-c{,,< b:1,-c:1> ,}{(b(-c):3}

4 算法性能分析

FPN_tree算法與現(xiàn)有的挖掘負(fù)項目的關(guān)聯(lián)規(guī)則的算法相比,在性能上主要有以下優(yōu)點：

(1) 能夠挖掘出所有的負(fù)關(guān)聯(lián)規(guī)則：目前大多數(shù)含負(fù)項目的關(guān)聯(lián)規(guī)則挖掘算法主要通過考慮頻繁正項集的支持度和置信度，當(dāng)他們不滿足要求時，才考慮對應(yīng)的負(fù)項集。但是對于非正頻繁項而其對應(yīng)負(fù)項頻繁的項集就不能被挖掘出來，因此不能挖掘出所有含負(fù)項目的關(guān)聯(lián)規(guī)則。FPN_tree算法將所有的正、負(fù)頻繁項壓縮到頻繁模式樹中，從中挖掘所有長度的頻繁項集，所以能挖掘出所有包含正、負(fù)項目的關(guān)聯(lián)規(guī)則。

(2) 不會使原始數(shù)據(jù)庫增大：算法[6,7]為了挖掘出所有含負(fù)項目的關(guān)聯(lián)規(guī)則，將所有項目的對應(yīng)負(fù)項目都擴(kuò)展到原始數(shù)據(jù)集中，再從中找出頻繁項集，這樣使得本來就龐大的數(shù)據(jù)庫又?jǐn)U大了1倍。本文提出的FPN_tree算法只是將頻繁的正、負(fù)項目壓縮的頻繁模式樹中，采用這種壓縮結(jié)[LL]構(gòu)存儲負(fù)項目以及正項目，有利于使得原始數(shù)據(jù)庫減小。

(3) 很多挖掘含負(fù)項目的關(guān)聯(lián)規(guī)則挖掘算法都是基于Apriori算法,這需要多次掃描數(shù)據(jù)庫產(chǎn)生大量的候選項集，通過反復(fù)掃描數(shù)據(jù)庫模式匹配來檢查一個很大的候選項集。FPN_tree算法將頻繁項集壓縮到一顆頻繁模式樹，使用模式增長方法挖掘出所有的頻繁項集，從而減少了時間和空間的占用，最終產(chǎn)生出所有滿足條件的正負(fù)關(guān)聯(lián)規(guī)則。另外，F(xiàn)PN_tree算法進(jìn)一步提高了算法的效率，即使會生成矛盾規(guī)則，通過規(guī)則的致信度的比較，就能夠得出滿足要求的關(guān)聯(lián)規(guī)則。

5 結(jié) 語

本文對包含正、負(fù)項目的一般化關(guān)聯(lián)規(guī)則進(jìn)行比較深入地研究，提出一種基于頻繁模式樹的混合正、負(fù)項目的關(guān)聯(lián)規(guī)則的FPN_tree算法。該算法將事務(wù)數(shù)據(jù)庫中出現(xiàn)的正項目和隱含的負(fù)項目信息映射到內(nèi)存中進(jìn)行處理，平行挖掘正負(fù)關(guān)聯(lián)規(guī)則。該算法打破了先挖掘正關(guān)聯(lián)規(guī)則，其次再挖掘負(fù)關(guān)聯(lián)規(guī)則這種單一的挖掘模式，從而造成重要負(fù)關(guān)聯(lián)規(guī)則的丟失。同時該算法在描述關(guān)聯(lián)規(guī)則項目間的相互獨立程度上比已有的單一挖掘負(fù)項目的關(guān)聯(lián)規(guī)則算法更具優(yōu)勢。

參 考 文 獻(xiàn)

［1］Agrawa1 R，Imielinski T，Swami A.Mining Association Rules between Sets of Items in Large Database［A］.Proceedings of the 1993 ACMSIGMOD Internatlona1 Conference on Management of Data［C］.Washington DC,USA,1993:207216.

［2］Agrawal R，Srikant R.Fast Algorithm for Mining Association rules［A］.In：Proceedings of the 20th International Conference on VIDB［C］.Santiago,Chile:1994:487499.

［3］Wu X,Zhang C,Zhang S.Mining both Positive and Negative Association Rules\[J\].In：Proc.of ICML,2002:658665.

［4］Savasere A,Omiecinski E,Navathe S.Mining for Strong Negative Associations in a Large Database of Customer Transactions［C］.Proceedings of IEEE 14th Intl.Conference on Data Engineering,1998.

［5］WeiGuang Teng，MingJyh Hsieh，MingSyan Chen.On the Mining of Substitution Rules for Statistically Dependent Items［C］.Data Mining,ICDM,Proceedings 2002IEEE International Conference,2002.

［6］JeanFranqois Baulicaut,Artur Bykowski,Baptiste Jeud.Towards the Tractable Discovery of Association Rules with Negations ［C］.FQAS′00,2000:425434.

［7］左萬利,劉居紅.包含正負(fù)屬性的關(guān)聯(lián)規(guī)則及其挖掘［J］.蘭州大學(xué)學(xué)報:自然科學(xué)版,1999，33(8):288292.

作者簡介 屈百達(dá) 男，1956年出生，博士研究生，教授。研究方向為現(xiàn)代控制技術(shù)與應(yīng)用、模式識別與數(shù)據(jù)處理、運籌與決策。

篇4

關(guān)鍵詞:數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則;Apriori算法;圖書館;數(shù)據(jù)庫

中圖分類號:TP311 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2010)04-0784-03

Application of Association Rule in Data Mining of Students'borrowing Books from Library in University

KUANG Li-li

(School of Computer & Information, Hefei University of Technology, Hefei 230009, China)

Abstract: Based on the association rule technology in data mining, data of students'borrowing books from library in university can be analyzed, so as to discover the reading interest of the readers and find the related connection of book borrowing. This technology can be used to serve for book commendation and some work improving the management efficiency of libraries.

Key words: data mining; association rule; apriori algorithm; library; database

圖書館是高校進(jìn)行教學(xué)和科研活動的重要支柱,素有“大學(xué)心臟”之稱。隨著科學(xué)技術(shù)的迅猛發(fā)展以及網(wǎng)絡(luò)化、信息化程度的不斷提高,人們對圖書館提供信息的能力、服務(wù)的廣度和深度的要求也隨之提高?，F(xiàn)在幾乎所有的高校都采用數(shù)據(jù)庫技術(shù)對圖書館進(jìn)行管理,其主要目的是為了方便圖書館對圖書的采購、編目及對圖書的流通進(jìn)行快速、有效的管理。在圖書的流通過程中產(chǎn)生了大量的數(shù)據(jù),而學(xué)生借閱信息是其中最重要的數(shù)據(jù)之一。如何高效地找出有用的圖書是圖書館數(shù)據(jù)挖掘中主要研究的問題。本文研究的目標(biāo)就是從讀者的大量借閱信息中挖掘出各學(xué)科之間的關(guān)聯(lián)程度。

1 關(guān)聯(lián)規(guī)則基礎(chǔ)理論

關(guān)聯(lián)規(guī)則(AssociationRules)的概念首先由RAgrawal等于1993年提出的,是反映一個事物與其他事物之間的相互依賴性或相互關(guān)聯(lián)性,從而達(dá)到認(rèn)識事物客觀規(guī)律的技術(shù)方法。

1.1 關(guān)聯(lián)規(guī)則

設(shè)I={i1,i2,…,im}為數(shù)據(jù)項集合即項集;任務(wù)相關(guān)的數(shù)據(jù)D是數(shù)據(jù)庫事務(wù)的集合,其中每個事務(wù)T則是項的集合,使得T?哿I;每個事務(wù)由事務(wù)符TID標(biāo)識;若A,B為兩個項集,且A∩B=?I,則蘊涵式A?圯B稱為關(guān)聯(lián)規(guī)則。

1.2 支持度s(support)和置信度c(confidence,又稱可信度)

關(guān)聯(lián)規(guī)則表示為: A?圯B的蘊涵式,這里A?奐I,B?奐I且A∩B=?I。D中的規(guī)則A?圯B是由支持度(support)和置信度(confidence)來約束的。

支持度s表示規(guī)則出現(xiàn)的頻度,具體描述是:

support(A?圯B)=P(A∪B)=s

置信度c表示規(guī)則的強度,具體描述是:

confidence(A?圯B)=P(B|A)=P(A∪B)/P(A)=c

1.3 最小支持度與最小置信度

假設(shè)支持度的閾值為min_sup,置信度的閾值為min_conf,若support(A?圯B)≥ min_sup且confidence(A?圯B)≥ min_conf時,認(rèn)為A?圯B是有趣的,則此兩值稱為最小支持度(min_sup)和最小置信度(min_conf)。

1.4 項集(itemset)、k一項集和頻繁項集(frequent itemset)

項的集合,稱為項集。項集中所包含的項的個數(shù)稱為項集的長度,長度為k的項集稱為k-項集。包含項集的事務(wù)數(shù),稱為項集的頻率或支持計數(shù)。

當(dāng)項集的支持計數(shù)≥min_sup×n時,稱為頻繁項集;當(dāng)項集的支持計數(shù)可能≥min_sup×n時,稱為候選頂集。(n為D中事務(wù)總數(shù))

所有頻繁 k-項集的集合記作Lk,所有候選k-項集的集合記作Ck,顯然Lk?奐Ck。

2 Apriori算法

Apriori算法是挖掘布爾關(guān)聯(lián)規(guī)則的一種最有影響的算法――基于兩階段頻繁集的方法。該算法利用頻繁項集的子集也是頻繁項集的特點,逐次掃描數(shù)據(jù)庫,產(chǎn)生最大頻繁項集,最后根據(jù)支持度和可信度產(chǎn)生關(guān)聯(lián)規(guī)則。

Apriori算法的設(shè)計可以分解為兩步驟來執(zhí)行挖掘:

1)求出事務(wù)集D中滿足最小支持度min_sup的所有頻繁集;

2)利用頻繁集生成滿足最小可信度min_conf的所有關(guān)聯(lián)規(guī)則。

Apriori算法具體可以理解為:首先,找出1-頻繁項集的集合,該集合記作L1。L1用于找出2-頻繁項集的集合L2,而L2用于找出L3,如此下去,直到找不到k-頻繁項集。找每一個Li,需要掃描一次數(shù)據(jù)庫;其次,設(shè)置不同的最小支持度和最小可信度,發(fā)現(xiàn)有用的關(guān)聯(lián)規(guī)則。

3 關(guān)聯(lián)規(guī)則算法在高校圖書館借閱數(shù)據(jù)中的挖掘

在進(jìn)行關(guān)聯(lián)分析前,首先要進(jìn)行數(shù)據(jù)準(zhǔn)備工作,將圖書館借閱數(shù)據(jù)進(jìn)行預(yù)處理,形成關(guān)聯(lián)分析所需的事務(wù)數(shù)據(jù)庫,然后應(yīng)用算法進(jìn)行關(guān)聯(lián)分析,最后挖掘出有效的關(guān)聯(lián)規(guī)則。

3.1 數(shù)據(jù)選取

數(shù)據(jù)源來自淮北職業(yè)技術(shù)學(xué)院圖書館集群管理系統(tǒng)數(shù)據(jù)庫文件,取2008年1月1日――2009年6月30日的借閱數(shù)據(jù)共68047筆。

本系統(tǒng)主要是對我校圖書館計算機(jī)專業(yè)的讀者借閱信息進(jìn)行關(guān)聯(lián)數(shù)據(jù)挖掘。該數(shù)據(jù)庫的信息見表1。

表1 圖書館讀者借閱數(shù)據(jù)庫

注:我校有兩個校區(qū)(東校區(qū)和西校區(qū)),兩校區(qū)圖書館提供的借閱數(shù)據(jù)是以日志形式存在的Excel文檔,并且都是以月為單位導(dǎo)出的,因此首先應(yīng)該將兩校區(qū)各月分散的數(shù)據(jù)連接到一起,然后才能對數(shù)據(jù)進(jìn)行統(tǒng)一預(yù)處理。

3.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)源中的數(shù)據(jù)可能不完整(如某些屬性的值不確定或空缺)、含噪聲和不一致(如同一個屬性在不同表中的名稱不同)。在這些不完整、含噪聲、不一致的數(shù)據(jù)在進(jìn)行數(shù)據(jù)挖掘,其質(zhì)量難以得到保證,而且數(shù)據(jù)源中的數(shù)據(jù)量大,可能包含冗余,數(shù)據(jù)狀況分散,不易綜合查詢訪問等問題。這些都會影響數(shù)據(jù)挖掘的效率。因此可以在數(shù)據(jù)挖掘前使用清理、集成、變換、歸約等預(yù)處理方法改善數(shù)據(jù)質(zhì)量,從而提高數(shù)據(jù)挖掘的效率和質(zhì)量。

3.2.1 數(shù)據(jù)的連接與導(dǎo)入

數(shù)據(jù)的連接是在Excel環(huán)境下進(jìn)行的, 連接成一個文檔后在 SQL Server 2005環(huán)境下進(jìn)行數(shù)據(jù)的導(dǎo)入及提取,導(dǎo)入后的數(shù)據(jù)庫結(jié)構(gòu)和內(nèi)容見表2和表3。

3.2.2 數(shù)據(jù)篩選

選取所需的信息,即計算機(jī)專業(yè)的姓名和索書號。

查詢語言為:

use 圖書借閱庫

select 姓名,索書號 into JSJ讀者借閱表

from 讀者借閱表

where 單位 like‘%計算機(jī)%’ or 單位 like‘%多媒體%’ or 單位 like ‘%網(wǎng)絡(luò)%’

執(zhí)行后,得到所需的計算機(jī)專業(yè)讀者借閱表,見表4。

從表4中可以看出:數(shù)據(jù)庫(表)的每一行只描述了某次借閱行為,將項目信息分散了,這種格式的數(shù)據(jù)不符合關(guān)聯(lián)規(guī)則算法的輸入要求,是不能直接進(jìn)行關(guān)聯(lián)規(guī)則采掘的。其解決方法是使用SQL Server 2005所帶的DTS工具可將數(shù)據(jù)轉(zhuǎn)換成算法所需要的布爾型事務(wù)數(shù)據(jù)庫。

3.2.3 數(shù)據(jù)轉(zhuǎn)換,建立所需的事務(wù)數(shù)據(jù)庫

具體過程:

1)只取中圖分類號中的大類,忽略小類。如TP391.4/171取為TP391.4

查詢語言為:

use 圖書借閱庫

select 姓名,索書號=left(索書號,charindex('/',索書號)-1)

from JSJ讀者借閱表

2)刪除讀者只借閱一本書的記錄,即冰山查詢

冰山查詢指在一個屬性或?qū)傩约嫌嬎阋粋€聚集函數(shù),以找出大于某個指定閾值的記錄。

查詢語言為:

use 圖書借閱庫

select 姓名,索書號 into JSJ讀者借閱表2

from JSJ讀者借閱表

group by 姓名,索書號

having count(姓名)>=2

3)用DTS工具可將數(shù)據(jù)轉(zhuǎn)換成算法所需要的布爾型事務(wù)數(shù)據(jù)庫見表5。

表5 讀者借閱事務(wù)庫

3.3 基于Apriori算法的圖書借閱關(guān)聯(lián)規(guī)則的挖掘

本系統(tǒng)是基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘,它將數(shù)據(jù)預(yù)處理后所得到的文本文件作為參數(shù)入口,對布爾型事務(wù)數(shù)據(jù)庫進(jìn)行挖掘。Apriori算法由VC++來實現(xiàn),在與系統(tǒng)的結(jié)合是封裝成組件的形式嵌入,通過ADO連接數(shù)據(jù)庫,最后輸出關(guān)聯(lián)規(guī)則。

3.3.1 支持度與可信度的選擇

在Apriori算法中,選擇恰當(dāng)?shù)闹С侄扰c可信度是挖掘有效關(guān)聯(lián)規(guī)則的關(guān)鍵。由于各個專業(yè)的學(xué)生借閱信息之間的關(guān)聯(lián)程度有很大的不同,因此本系統(tǒng)中是通過對計算機(jī)專業(yè)學(xué)生借閱信息進(jìn)行數(shù)據(jù)挖掘,并將結(jié)果進(jìn)行分析、比較,最后確定相對精確的支持度和可信度的值。

例如,在本系統(tǒng)中,對計算機(jī)專業(yè)的局部學(xué)生的借閱信息進(jìn)行挖掘后,得出支持度、可信度以及關(guān)聯(lián)規(guī)則數(shù)目的對比關(guān)系表,見表6。

由表6可以看出:隨著支持度和可信度的增加,規(guī)則的數(shù)目在逐漸減小,因此需要經(jīng)過多次試驗,才可能得到較準(zhǔn)確的信息。在實驗中選擇了較多數(shù)據(jù)并進(jìn)行了多次實驗,最后選擇最小支持度為0.2,最小可信度為0.45.

3.3.2 算法的實現(xiàn)

見圖1。

本系統(tǒng)采用VC++ 實現(xiàn),產(chǎn)生關(guān)聯(lián)規(guī)則的主要代碼部分如下:

POSTION postionl=LeftSets.GetHeadPosition();

while(positionl)

{leftset=LeftSets.GetNext(positionl);

if(LargeSet.Contain(*leftset) && *p!=*leftset)

break;

}

//計算關(guān)聯(lián)規(guī)則的置信度

cnof=(float)LargeSet.support/(float)leftset->support;

//計算頻繁項的支持度

supp=(float)LargeSet.support;

//輸出關(guān)聯(lián)規(guī)則

if(conf>=min_conf)

{OutputRule(*leftset,*sp,NULL,conf,supp);

}

else

{delete sp;

consadv->m_sets.RemoveAt(pre);

}

3.3.3 生成關(guān)聯(lián)規(guī)則表

掃描數(shù)據(jù)庫得出各類圖書的支持計數(shù)信息,假設(shè)最小支持度為0.02,最小可信度為0.45,從而得出關(guān)聯(lián)規(guī)則,見表7。

挖掘結(jié)果描述:

第一條規(guī)則表明借閱數(shù)據(jù)庫方面的書籍有65%的學(xué)生同時借閱程序設(shè)計方面的書籍;第二條規(guī)則表明借閱網(wǎng)頁制作方面的書籍有52%的學(xué)生同時借閱平面設(shè)計方面的書籍;第三條規(guī)則表明借閱電腦組裝、維護(hù)方面的書籍有48%的學(xué)生同時借閱計算機(jī)網(wǎng)絡(luò)方面的書籍等等。

把實驗得出的結(jié)果與圖書館實際工作、讀者調(diào)查相比較,結(jié)果是比較接近的,說明關(guān)聯(lián)挖掘結(jié)果是有效的。

4 結(jié)束語

本文針對淮北職業(yè)技術(shù)學(xué)院圖書館讀者借閱數(shù)據(jù)庫,建立了基于Apriori算法的圖書借閱數(shù)據(jù)關(guān)聯(lián)規(guī)則的挖掘,用來分析圖書館中哪些圖書被同時借閱,發(fā)現(xiàn)書籍借閱的關(guān)聯(lián)規(guī)則,從而科學(xué)地進(jìn)行建議借閱和圖書推薦等服務(wù),在一定程度上可以輔助圖書館的購書工作、教師的教學(xué)工作以及優(yōu)化圖書館藏布局等。

參考文獻(xiàn):

[1] 陳文偉,黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M].北京:人民郵電出版社,2004:147-151.

[2] JiaweiHan,MichelineKamber.數(shù)據(jù)挖掘一概念與技術(shù)[M].范明,孟小峰,等,譯.北京:機(jī)械工業(yè)出版社,2001.

[3l 夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M].北京:北京科學(xué)出版社,2004:146-155.

[4] 涂承勝.關(guān)聯(lián)規(guī)則挖掘的常用算法及其比較分析[J].計算機(jī)技術(shù),2006,22(3):22-23.

[5] 李曉毅,徐兆棣.關(guān)聯(lián)規(guī)則挖掘的算法分析[J].遼寧工程技術(shù)大學(xué)學(xué)報,2006,24(2):319-302.

[6] 章立民.SQL Server2000完全實戰(zhàn)―數(shù)據(jù)轉(zhuǎn)換服務(wù)(DTS)[M].北京:中國鐵道出版社,2002.

篇5

關(guān)鍵詞：統(tǒng)計數(shù)據(jù)；數(shù)據(jù)失真因素；解決對策

中圖分類號：O213.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-828X（2012）12-0-01

真實性對統(tǒng)計數(shù)據(jù)工作十分關(guān)鍵。統(tǒng)計數(shù)據(jù)的失真會給各部門的決策計劃帶來致命性的偏差，也會間接影響經(jīng)濟(jì)預(yù)測的準(zhǔn)確度，產(chǎn)生許許多多的負(fù)面效應(yīng)。因此，統(tǒng)計數(shù)據(jù)失真的原因需要認(rèn)真分析并加以解決，從而保證政策決定的準(zhǔn)確性，為國民經(jīng)濟(jì)和社會發(fā)展奠定數(shù)據(jù)基礎(chǔ)。

一、統(tǒng)計數(shù)據(jù)失真原因的分析

1.統(tǒng)計數(shù)據(jù)失真往往有多方面的原因構(gòu)成。從源頭開始，統(tǒng)計人員的道德水平和統(tǒng)計實施過程中的標(biāo)準(zhǔn)規(guī)范會給最后的數(shù)據(jù)帶來很大影響。近些年來，社會經(jīng)濟(jì)水平雖然在提高的過程中，但更多的人們行為規(guī)范逐漸缺失，誠信等道德標(biāo)準(zhǔn)變得愈加失衡。當(dāng)誠信成為一種奢侈時，對統(tǒng)計數(shù)據(jù)結(jié)果的真實性就難以有太大期望。這種現(xiàn)象從基層部門開始蔓延，一步步侵蝕到各級領(lǐng)導(dǎo)干部之中，成為統(tǒng)計數(shù)據(jù)保真過程中的一塊“毒瘤”。

2.統(tǒng)計部門的規(guī)章制度也與統(tǒng)計數(shù)據(jù)的真實性有很強的關(guān)聯(lián)。在基層統(tǒng)計機(jī)構(gòu)里，往往沒有一套成型的統(tǒng)計流程和制度。在統(tǒng)計實施的過程中，統(tǒng)計人員若沒有很強的自律意識，他所得到的數(shù)據(jù)真實性就很容易被主觀及客觀因素影響。這是一種嚴(yán)重的違法行為，但又因為基層監(jiān)督的難以實施性使這種錯誤不能得到有效地控制。一而再，再而三的非規(guī)范性統(tǒng)計，對整個數(shù)據(jù)統(tǒng)計的危害十分嚴(yán)重，這些調(diào)查者和基層單位不僅逐漸脫離自己本身存在的意義價值，也游走在法律的邊緣，有待治理。

3.政府部門的“政績性”統(tǒng)計太多也影響了統(tǒng)計數(shù)據(jù)的真實性。統(tǒng)計雖然無階級性，但因為統(tǒng)計過程中要接觸到各種階級的人物，使“官方數(shù)字”成為一種領(lǐng)導(dǎo)決定的非真實性統(tǒng)計結(jié)果。快速制造一些政績，成為基層官員向上攀登的一條捷徑。脫貧率、掃盲率，計劃生育率、城建綠化率……這些數(shù)據(jù)的整體狀況衡量了基層官員的施政措施的好壞。因此部分官員就無中生有，或報告虛假的統(tǒng)計數(shù)據(jù)來表現(xiàn)出自己的優(yōu)秀政績。這是統(tǒng)計過程中的一條急需治理的不正之風(fēng)。

4.除了統(tǒng)計人員和政府部門的人為因素，統(tǒng)計規(guī)律中的一些“系統(tǒng)”問題也影響了統(tǒng)計數(shù)據(jù)的質(zhì)量。這些“系統(tǒng)”問題大致分為三種；一是統(tǒng)計過程中被統(tǒng)計對象的實施效果欠佳，未能達(dá)到最初設(shè)定的統(tǒng)計標(biāo)準(zhǔn)；二是統(tǒng)計數(shù)據(jù)偶爾會發(fā)生失效的情況，這與時效性等因素有關(guān)；三是由于統(tǒng)計政策施行時間過長，不能有效的減少曾經(jīng)出現(xiàn)問題的數(shù)據(jù)，降低了統(tǒng)計質(zhì)量。

5.統(tǒng)計數(shù)據(jù)零散，匯總信息的方式落后。很多統(tǒng)計部門都是把信息數(shù)據(jù)的所有來源歸于基層，散落的信息零零整整統(tǒng)計上來，其真實性就大打折扣了。數(shù)據(jù)重復(fù)、數(shù)據(jù)繁雜都給統(tǒng)計人員的匯總帶來了不便，在忙碌中出錯當(dāng)然也不可避免，一些望塵莫及的高標(biāo)準(zhǔn)數(shù)據(jù)難以出現(xiàn)。

二、解決統(tǒng)計數(shù)據(jù)失真問題的對策

針對以上分析得到的原因，可以相應(yīng)的采取一定措施進(jìn)行更正，提高統(tǒng)計數(shù)據(jù)真實性。

1.提高基層統(tǒng)計人員的職業(yè)素養(yǎng)和行為規(guī)范。這項措施可以從兩個方面施行；一是對不合格或多次出現(xiàn)類似問題的統(tǒng)計人員進(jìn)行停職或撤職處理，起到警示的作用；二是采取授課、培訓(xùn)等方式不定期的進(jìn)行知識和技能提高。不管是哪種施行方式，在基層統(tǒng)計部門長時間治理之后，還會出現(xiàn)因道德缺失等問題造成的統(tǒng)計失實的話，獎懲手段就必須強硬和果斷。

2.在統(tǒng)計部門內(nèi)部形成良好的自律規(guī)范。這不僅對統(tǒng)計人員的文化素養(yǎng)有所要求，而且也考驗了部門的紀(jì)律水準(zhǔn)和實施效力。自律的初期必然需要他律來輔佐，在統(tǒng)計部門建立一套相互監(jiān)督的管理機(jī)制十分必要。對于能夠有效完成統(tǒng)計工作的統(tǒng)計人員，可以在部門進(jìn)行榜樣示范，并且部門職位晉升的考量標(biāo)準(zhǔn)也要緊抓業(yè)務(wù)水平。對于虛假報數(shù)據(jù)的統(tǒng)計人，即使是較高職位的人物，也絕不手軟。

3.堅決杜絕“政績性”統(tǒng)計數(shù)據(jù)的出現(xiàn)。要制定一套有效地干部管理體制。我們必須進(jìn)一步完善干部管理體制，對各級干部的考核、評價與相應(yīng)的升遷與任免，要建立嚴(yán)格、科學(xué)、規(guī)范的業(yè)績評估制度，如授權(quán)專門評估機(jī)構(gòu)評估、評估前不可先通報以及對違規(guī)行為的處罰辦法等，嚴(yán)格防止“官出數(shù)字、數(shù)字出官”的腐敗現(xiàn)象。

4.降低統(tǒng)計工作因“時效性”等原因造成的不準(zhǔn)確。要增強統(tǒng)計系統(tǒng)之間的宏觀調(diào)控和微觀管理財務(wù)的統(tǒng)計職責(zé)，并定期不定期的對各部門的統(tǒng)計數(shù)據(jù)質(zhì)量進(jìn)行抽查和評估，對有問題的數(shù)據(jù)及時處理，不拖后。同時，在各統(tǒng)計部門之間建立良好的計算機(jī)網(wǎng)絡(luò)系統(tǒng)，優(yōu)化統(tǒng)計部門任務(wù)分配，增強統(tǒng)計人員的積極性，提高統(tǒng)計效率，增強統(tǒng)計數(shù)據(jù)質(zhì)量。如果在統(tǒng)計過程中，能靈活利用不同方式的調(diào)查統(tǒng)計方法，并科學(xué)的進(jìn)行統(tǒng)計方式的規(guī)劃，那么數(shù)據(jù)質(zhì)量必然會得到保證。對于在經(jīng)濟(jì)市場中不同層次需求的反饋，統(tǒng)計采用的方式方法一定要有所差異化，多種手段多管齊下，因事制宜，才能更加全面的獲取重點及全局性的數(shù)據(jù)。在統(tǒng)計過程中，不僅可以宏觀的對各種指標(biāo)性數(shù)據(jù)進(jìn)行采集，也可以把一些關(guān)于民生、文化、教育及環(huán)境健康等有關(guān)和諧社會建設(shè)的數(shù)據(jù)劃入整個統(tǒng)計評估系統(tǒng)。優(yōu)質(zhì)系統(tǒng)的數(shù)據(jù)評估體系無疑提高了統(tǒng)計過程中的簡便性和高效性，同時，這些被統(tǒng)計的數(shù)據(jù)在此系統(tǒng)的管理下會更加真實透明，完整的反應(yīng)經(jīng)濟(jì)社會發(fā)展?fàn)顩r。提高效率且提高準(zhǔn)確率這種狀況往往是統(tǒng)計人員十分愿意看到的。

5.對于統(tǒng)計中被制約住的很多規(guī)則可以合理改變。統(tǒng)計的過程中，數(shù)據(jù)分散，數(shù)量巨大，且標(biāo)準(zhǔn)很難統(tǒng)一，這使得原有的條例和規(guī)范并不能在實際操作中有效地應(yīng)用。統(tǒng)計人員應(yīng)該在工作中注意留心可以優(yōu)化的部分，在層層匯報過程中抓住要點，調(diào)高準(zhǔn)確率，并嚴(yán)格控制匯報過程中的各種人為和非人為因素造成的偏差，從而使最終的數(shù)據(jù)更加真實完整。這樣就是一種十分有益的改良方式，把固定的規(guī)則搞活，把數(shù)據(jù)采集方法解放出來，不斷改進(jìn)。

真實性是工作中的重中之重，是統(tǒng)計工作中數(shù)據(jù)的根基所在。由于統(tǒng)計工作能監(jiān)測整個國民經(jīng)濟(jì)的健康狀況，顯示社會和國民經(jīng)濟(jì)的發(fā)展情況，并成為溝通國民經(jīng)濟(jì)社會的主要渠道，因此，我們必須要進(jìn)行及時、系統(tǒng)、準(zhǔn)確、全面的統(tǒng)計。同時，也要通過一些途徑，有效地提高統(tǒng)計數(shù)據(jù)的質(zhì)量。這將是未來統(tǒng)計部門必須要重視的工作重心，也是整個政府機(jī)關(guān)的工作重心。

參考文獻(xiàn)：

篇6

【關(guān)鍵詞】3-6歲幼兒；計數(shù)；手部動作

1 問題提出

計數(shù)是幼兒數(shù)認(rèn)知能力發(fā)展的重要里程碑，它標(biāo)志著兒童數(shù)詞系統(tǒng)的獲得和使用，是兒童建構(gòu)和發(fā)展其數(shù)學(xué)知識體系的前提和基礎(chǔ)，體現(xiàn)了兒童對數(shù)實際意義的理解。格爾曼和加利斯特爾極其肯定兒童的計數(shù)能力，認(rèn)為計數(shù)在兒童早期數(shù)概念的發(fā)展中具有重要作用，而且他們認(rèn)為幼兒已經(jīng)在此方面表現(xiàn)出了驚人的認(rèn)知能力。同時大量有關(guān)幼兒數(shù)學(xué)學(xué)習(xí)方面的研究揭示，幼兒在計數(shù)過程中會出現(xiàn)手部動作，并且當(dāng)幼兒被允許觸摸或者移動被數(shù)物體時計數(shù)的準(zhǔn)確性會提高。皮亞杰認(rèn)為：知識來源于動作（動作起著組織和協(xié)調(diào)作用）而非來源于物體[1]。幼兒計數(shù)時自發(fā)的手部動作就是為幼兒提供了計數(shù)的知識。如周燕等人進(jìn)行的研究中發(fā)現(xiàn)，在進(jìn)行點數(shù)7個、15個及30個物體時，4歲組和5歲組90%以上的幼兒在數(shù)數(shù)的時候，都是用手指挨個指著物體，只有極少數(shù)的幼兒沒有明顯手部動作[2]。而在斯塔基和庫帕的研究結(jié)果也證實，幼兒僅用目測所能計數(shù)的物群數(shù)量較小，且準(zhǔn)確率不高，然而在借助手部動作的支持下，能夠計數(shù)較大數(shù)量的物群且正確率較高。這些研究證明當(dāng)禁止幼兒指、摸和移動時計數(shù)的準(zhǔn)確性會降低，計數(shù)范圍會減小?？梢娪變旱闹?、摸和移動等動作與計數(shù)的準(zhǔn)確性有關(guān)。

而在對手部動作的研究中更多的是研究手部動作的功能的討論上。主要可以分為兩個主要觀點。一種觀點認(rèn)為手勢的作用在于記錄數(shù)過的項目，也就是把數(shù)過的和沒有數(shù)過的分開。另一種觀點則認(rèn)為手勢是把抽象的數(shù)字和實際的物體聯(lián)系起來的中介物。手勢表示出實際物體的數(shù)量，同時手勢與數(shù)字保持一致。這樣抽象的數(shù)字與實際的物體就形成了一一對應(yīng)的關(guān)系。最近Graham等又提出了手勢所具有的3個功能[3]，即作為過渡時間的工具，作為外部表征，促進(jìn)認(rèn)知發(fā)展。總體上來看，對幼兒已有研究更多是在討論手部動作功能和手部動作對幼兒計數(shù)準(zhǔn)確率的影響，并未系統(tǒng)揭示幼兒在怎樣情境下會自發(fā)產(chǎn)生手部動作以及這種手部動作在年齡上的發(fā)展趨勢，從而不能為教師在教學(xué)實踐中為幼兒提供豐富、適宜的經(jīng)驗給予有效的支持。

2 文獻(xiàn)綜述

總的來說，以往對于幼兒計數(shù)的研究主要是針對幼兒計數(shù)的規(guī)則和發(fā)展，幼兒計數(shù)對于數(shù)概念形成作用方面以及幼兒計數(shù)測率的應(yīng)用。其中對幼兒計數(shù)的規(guī)則和發(fā)展的研究主要是從認(rèn)知發(fā)展特點方面出發(fā)進(jìn)行探討，而在幼兒計數(shù)的策略應(yīng)用方面只從問題難度對手部用作產(chǎn)生的影響進(jìn)行探討。并沒有系統(tǒng)解釋幼兒在用手點數(shù)方面的發(fā)展特點。通過查找相關(guān)資料，現(xiàn)將已有的相關(guān)研究結(jié)果整理分析如下：

簡單的說，計數(shù)就是一種有目的、有手段、有結(jié)果的操作性活動，其結(jié)果表現(xiàn)為數(shù)的形式。其實質(zhì)在于在具體的集合元素和作為數(shù)的標(biāo)準(zhǔn)集合的自然數(shù)列各項（每個自然數(shù)都是某個集合類的標(biāo)志）之間建立一對一的對應(yīng)關(guān)系[4]。首先提出幼兒計數(shù)能力的是格爾曼和加利斯特爾，他們對幼兒數(shù)數(shù)的技能進(jìn)行了研究，提出了數(shù)數(shù)不僅僅是單純的語言能力，而是受到數(shù)數(shù)基本規(guī)則即一一對應(yīng)規(guī)則，固定順序規(guī)則和基數(shù)規(guī)則支配的復(fù)雜認(rèn)知能力[5]。

在對幼兒計數(shù)發(fā)展的研究中，在沈家鮮等人的研究中可以反映出幼兒在早期學(xué)習(xí)計數(shù)一般要經(jīng)歷口頭說數(shù)，按物點數(shù)和說出總數(shù)這三個階段[6]。口頭說數(shù)可以使幼兒獲得數(shù)詞的名稱以及自然數(shù)順序方面的經(jīng)驗。按物點數(shù)即用手逐一指點物體，同時有順序地說出數(shù)詞，使說出的一個數(shù)詞與手點的一個物體一一對應(yīng)。說出總數(shù)是指按物點數(shù)后，說出的最后一個數(shù)詞代表所數(shù)過的物體的總數(shù)即回答“一共是幾個”的問題。

在手部動作與計數(shù)關(guān)系方面，很多學(xué)者也作了相關(guān)研究。在張華的研究中顯示[7]，兒童使用觸摸式點數(shù)策略的人數(shù)最多，而且數(shù)列的數(shù)目越大，使用該策略的人數(shù)也越多，在數(shù)30的任務(wù)上，91.3%的3歲兒童、81%的4歲兒童使用觸摸式點數(shù)的策略。

幼兒計數(shù)是幼兒數(shù)概念形成的第一步，幼兒在計數(shù)過程中借助于手部動作來形成數(shù)詞和實物的一一對應(yīng)。在周燕等人的研究中顯示，幾乎所有的4、5歲幼兒都能遵循格爾曼的數(shù)數(shù)的基本規(guī)則點數(shù)出30以內(nèi)的物體。

3 研究方法

3.1 研究方法

本研究將采用測查法進(jìn)行。測查題目主要從數(shù)字大?。〝?shù)字的大小按照幼兒計數(shù)發(fā)展的年齡特點來確定）、排列方式、手部動作三個維度出發(fā)進(jìn)行編制。排列方式分直線形排列、環(huán)形排列和無規(guī)則散布；手部動作分為用手點數(shù)和不用手點數(shù)；在數(shù)字大小上，小班為 4、5、6中班為8、14、19，大班為13、18、23。

3.2 取樣

因為考慮到不同幼兒園的相對應(yīng)年級的數(shù)學(xué)課程進(jìn)度可能不同，所以本研究只選取一所幼兒園（即北京師范大學(xué)附屬幼兒園牡丹分園，后簡稱為牡丹分園）作為測查對象。在牡丹分園的小、中、大班分別隨機(jī)抽取30個幼兒進(jìn)行測查。

3.3 測查材料

小班采用共6個積木，按照每道題目要求的數(shù)量以及排列方式擺放；中班采用共19個積木，按照每道題目要求的數(shù)量以及排列方式擺放；大班采用總共23個積木，按照每道題目要求的數(shù)量以及排列方式擺放。

3.4 測查過程

測查在幼兒園一間相對安靜、光線良好的房間中進(jìn)行。主試在幼兒測查前準(zhǔn)備好相關(guān)的材料。在正式測查開始之前，主試會通過與幼兒交談的手段消除幼兒的緊張情緒以及與主試的陌生感，盡可能保證幼兒在自然、平和的狀態(tài)下參與測查。

將積木擺放好之后，首先無要求讓幼兒數(shù)出積木總數(shù)，記錄其是否正確以及是否用手點數(shù)。之后分別要求幼兒用手點數(shù)和不能用手點數(shù)，記錄其是否正確。在每次幼兒數(shù)完后將積木拿出幼兒視線擺放下一道題，以避免練習(xí)效應(yīng)的影響。

3.5 數(shù)據(jù)分析

總共測查人數(shù)為90人，本研究將定性與定量研究相結(jié)合。所得數(shù)據(jù)將用Spss for Windows（11.5）統(tǒng)計軟件包建立數(shù)據(jù)庫，進(jìn)行數(shù)據(jù)管理，采用頻數(shù)分析、顯著性檢驗等統(tǒng)計方法分析數(shù)據(jù)。

4 結(jié)果分析

本實驗研究的結(jié)果主要分為兩部分，第一部分比較幼兒用手點數(shù)和不用手點數(shù)的正確率，進(jìn)而從中尋找幼兒用手點數(shù)的發(fā)展特點；第二部分進(jìn)一步分析影響幼兒自發(fā)用手點數(shù)的各主要因素，以求更深入地探究影響幼兒用手點數(shù)發(fā)展的因素，為實際教育工作提供一定的實證基礎(chǔ)。

4.1 幼兒用手點數(shù)和不用手?jǐn)?shù)的正確率比較分析及其發(fā)展特點

在本部分中將用手點數(shù)過程中遵循一一對應(yīng)、固定順序原則，并能夠正確報出數(shù)列的數(shù)目作為評價幼兒數(shù)數(shù)準(zhǔn)確性的指標(biāo)。而不用手點數(shù)則以幼兒最終報出的數(shù)列數(shù)目作為幼兒數(shù)數(shù)準(zhǔn)確性指標(biāo)。由于小班與中、大班的題目數(shù)量不同，所以這里均采用正確率進(jìn)行分析。

4.1.1 同一年齡幼兒用手點數(shù)與不用手點數(shù)的正確率比較

如圖1所示，在同一年齡組上，用手點數(shù)和不用手點數(shù)的正確率有差異，前者均高于后者。進(jìn)一步的配對樣本t檢驗表明：小班幼兒兩種點數(shù)方式的正確率在.01水平上有極其顯著差異[t（df=29）=3.564**，p=.001

由此可見，對于任何一個年級水平幼兒來說，采用點指數(shù)數(shù)策略的幼兒能夠取得更好的成績。也可以說，用手點指是提高小、中、大班幼兒數(shù)數(shù)正確率的重要方法之一。

4.1.2 不同年齡幼兒用手點數(shù)與不用手點數(shù)的正確率比較

采用單因素方差分析，對用手和不用手兩種條件下，各年級的正確率進(jìn)行檢驗。表1和表2呈現(xiàn)了單因素方差分析表和事后檢驗表。如表1-表4所示，在用手條件下，三個年級的正確率間無顯著性差異[F（2，87）=2.706，p=.072>.05]；但事后檢驗表明，中班的正確率在.05水平上顯著地低于小班[p=.042.05]，但事后檢驗表明，各班之間的正確率并無顯著差異。這說明，在不用手條件下，各班的點數(shù)成績大致相當(dāng)，這可能是因為三個年級兒童不用手點數(shù)的能力發(fā)展還處于量變的階段，各年級間并沒有產(chǎn)生質(zhì)變的發(fā)展。而在用手點數(shù)的能力發(fā)展上，中班的成績顯著低于小班，而小班和大班、以及中班和大班之間并無顯著差異，這可能是因為中班兒童處于用手點數(shù)和不用手點數(shù)的過渡期，用手點數(shù)的能力可能受到不用手點數(shù)能力發(fā)展的影響。這一點還需要研究加以進(jìn)一步探索。

4.1.3 用手點數(shù)和不用手點數(shù)正確率之差

圖2表示的是各年級用手點數(shù)和不用手點數(shù)的正確率之差。對各年級正確率差進(jìn)一步采用單因素方差分析，結(jié)果表明（見表5）：各班正確率之差間無顯著性差異[F（2，87）=1.672， p=.194>.05]。事后檢驗（見表6）表明，三個年級的正確率差之間在.05水平上均無顯著性差異。這一結(jié)果說明，用手點數(shù)和不用手點數(shù)能力間的差異在各年級水平上均無顯著差異，即各年級兒童兩種點數(shù)能力的發(fā)展水平差異大致相當(dāng)。

4.2 幼兒在何種情況下會自發(fā)點數(shù)

自發(fā)點數(shù)是指不對幼兒是否用手點數(shù)做出要求；而在提供不同數(shù)目和不同排列條件下，記錄幼兒的動手情況。本部分先對幼兒自發(fā)點數(shù)的情況進(jìn)行整體描述，然后對數(shù)目及排列方式這兩個重要影響因素的作用情況進(jìn)行進(jìn)一步分析。

4.2.1 無要求條件下各年級的手部動作參與情況

圖3表示的是無要求條件下各年級兒童用手的情況（即自發(fā)點數(shù)的情況）。對各年級自發(fā)點數(shù)的成績進(jìn)行單因素方差分析，結(jié)果表明（見表7）：各年級自發(fā)點數(shù)的成績在.05水平上有顯著性差異[F（2，87）=3.567*， p=.032

4.2.2 積木數(shù)目對手部動作量的影響

圖4表示的是不同積木數(shù)目下，兒童用手自發(fā)點數(shù)的情況。進(jìn)一步采用單因素方差分析（見表9），表明在不同數(shù)目條件下，兒童自發(fā)點數(shù)的數(shù)量在.05水平上無顯著性差異[F（2，87）=.392， p=.677>.05]。事后檢驗表明（見表10），不同積木數(shù)目條件間，兒童自發(fā)點數(shù)量并無顯著性差異。這一結(jié)果表明，積木數(shù)目對于兒童自發(fā)用手點數(shù)并無明顯的影響。

4.2.3 不同數(shù)目條件下各年級用手量的比較

進(jìn)一步對不同積木數(shù)目條件下，各年級自發(fā)點數(shù)的情況加以分析。圖5顯示了不同年級兒童在不同積木數(shù)目條件下自發(fā)用手點數(shù)的數(shù)量百分比。進(jìn)一步對各年級用手量進(jìn)行單因素方差分析（見表11-表13），結(jié)果表明：小數(shù)條件下，各年級自發(fā)點數(shù)量在.01水平上極其顯著[F（2，87）=5.056**， p=.008.05]；大數(shù)條件下，各年級自發(fā)點數(shù)量在.05水平上有顯著差異[F（2，87）=3.108*， p=.05]。進(jìn)一步事后檢驗表明，在小數(shù)條件下，小班與中班、中班與大班之間均有極其顯著差異；在大數(shù)條件下，小班與中班之間有顯著差異。這一結(jié)果表明，在積木數(shù)量很少和很多的情況下，中班兒童較少自發(fā)用手點數(shù)。這指出了這樣一種可能性，即中班兒童自發(fā)點數(shù)的能力處于過渡發(fā)展期，小班兒童會有用手點數(shù)的傾向，而大班兒童已將用手點數(shù)掌握為一種有效的策略，但中班兒童則已經(jīng)開始擺脫小班兒童的傾向，同時卻未發(fā)展起有效的策略掌握，因此表現(xiàn)并不好。

對各數(shù)目條件下，各年級的用手量進(jìn)行單因素方差分析，結(jié)果顯示：

4.2.4 不同排列對手部動作的影響

進(jìn)一步對不同排列方式下幼兒自發(fā)點數(shù)的情況加以分析。圖6顯示了不同排列方式下幼兒自發(fā)點數(shù)的百分比。單因素方差分析（見表15）表明：在各種排列方式下，幼兒手部動作量（即自發(fā)點數(shù)百分比）在.05水平上無顯著性差異[F（3，116）=.335， p=.800>.05]。事后檢驗（見表16）表明，幼兒自發(fā)點數(shù)量在各種排列方式下并無顯著性差異。這一結(jié)果表明，不同排列方式對幼兒自發(fā)點數(shù)量并無顯著影響。

4.2.5 不同排列方式下各年級用手量的比較

進(jìn)一步對不同排列方式下，各年級自發(fā)點數(shù)的情況加以分析。圖7顯示了不同年級兒童在不同排列方式下自發(fā)用手點數(shù)的數(shù)量百分比。在無規(guī)則排列條件下，對中班和大班的用手量進(jìn)行獨立樣本t檢驗，結(jié)果表明在.05水平上有顯著差異[t（58）=-2.557*， p=.013.05]。進(jìn)一步的事后檢驗（見表20）表明，直線排列條件下，小班與中班、中班與大班之間在.05水平上有顯著差異；規(guī)則條件下，中班與大班之間在.05水平上有顯著差異。這一結(jié)果表明，在直線和規(guī)則條件下，小班和大班幼兒能更好地進(jìn)行用手點數(shù)；在無規(guī)則條件下，大班幼兒用手量也多于中班兒童，但在環(huán)形條件下，各年級間無顯著差異。即在難度較小的排列方式下，小班和大班幼兒的表現(xiàn)均優(yōu)于大班幼兒；而只有在難度極大的排列方式下，各班表現(xiàn)才無差異，即小班和大班幼兒在難度極大的排列方式下用手點數(shù)的能力無法得到充分發(fā)揮，或在用手點數(shù)這類積木的能力還未充分發(fā)展。此外，這一結(jié)果再次說明，存在中班幼兒自發(fā)用手點數(shù)能力發(fā)展過渡期這一可能性。這需要以后研究的進(jìn)一步考證。

5 討論

5.1 點數(shù)的正確率以及發(fā)展特點

在用手點數(shù)與不用手點數(shù)的正確率比較中，各年齡段的幼兒用手點數(shù)與不用手點數(shù)正確率均呈極其顯著差異，說明幼兒在有手部動作幫助情況下計數(shù)的正確率明顯高于不用手點數(shù)時的正確率。

由表2可以看出，小班和中班在不用手條件完成任務(wù)的情況沒有顯著性差異；小班和大班在不用手條件下完成任務(wù)的情況也沒有顯著性差異；而中班和大班有顯著性差異，即大班在該條件下的完成情況優(yōu)于中班。結(jié)合圖2和表2我們可以發(fā)現(xiàn)，在不用手點數(shù)的情況下，正確率隨著年齡的增長而提高，中班到大班則更加顯著。在趙振國的研究中發(fā)現(xiàn)，3-6歲兒童的數(shù)量估算能力在各項任務(wù)上均存在顯著的年齡差異。而且估算總體上也表現(xiàn)出有非常顯著的的年齡差異[8]。與本研究結(jié)果一致。

在手部動作對幼兒計數(shù)準(zhǔn)確率影響的發(fā)展特點上看，雖然三個年級在點數(shù)與不點數(shù)正確率的差異檢驗中并不存在顯著性。但是我們可以單從描述統(tǒng)計上看圖3，三個年級各自的正確率的差值的確是呈下降趨勢，即三個年級用手與不用手?jǐn)?shù)數(shù)正確率的差別正在不斷縮小，說明手部動作對幼兒計數(shù)準(zhǔn)確率的影響隨著年齡的增長而不斷減小。

5.2 不同情境下幼兒使用手部動作的量

在無要求的條件下，由表4可見，小班用手量顯著地高于中班，中班又顯著地少于大班，小班和大班之間無顯著性差異。但是從本人實際的測查過程中發(fā)現(xiàn)，幼兒用手點數(shù)出現(xiàn)了四個層次上的差別，這四個層次是：用手移動積木，用手觸摸積木，用手點但不觸碰積木，將手懸在頭部一側(cè)點數(shù)。這四個層次難度依次升高。而用手移動積木基本上發(fā)生在小班，還有大部分幼兒是用手觸摸積木，有少數(shù)的幼兒會出現(xiàn)用手點但不觸碰積木的情況。中班則以用手觸摸積木，用手點但不觸碰積木的居多，有少數(shù)幼兒會將手懸在頭部一側(cè)點數(shù)。大班則是大部分幼兒都以將手懸在頭部一側(cè)點數(shù)積木，有少部分幼兒用手點但不觸碰積木，極個別也有用手觸碰積木的情況。這樣，結(jié)合實際測查觀察，大班的用手量不一定高于中班。

在分析積木數(shù)目對幼兒用手的量的影響中，我們可以發(fā)現(xiàn)在不同數(shù)目條件下，各個數(shù)目間均無顯著性差異。但在計算小數(shù)目積木時，中班的用手量極其顯著地少于小班和大班；在計算中數(shù)目積木時，各班沒有顯著性差異；在計算大數(shù)目積木時，中班的用手量顯著地少于小班。小班到中班是一個快速的發(fā)展階段，中班在計數(shù)時候明顯用手量少于小班，再一次說明了小班到中班是幼兒數(shù)學(xué)能力的快速發(fā)展階段。并且結(jié)合實際測查過程中觀察到的情況，實際上大班幼兒脫離手部動作點數(shù)的情況要好于中班幼兒。

在分析空間排列對幼兒點數(shù)的影響中可以發(fā)現(xiàn)，在各個排列方式之間，兒童手部動作使用量均無顯著性差異。雖然幼兒手部動作的量并不存在顯著性的差異，但是我們單從圖7中可以明顯看到，隨著排列方式的不斷復(fù)雜，幼兒的手部動作量也隨之增多。但是其中的環(huán)形雖然比無規(guī)則散布的排列方式簡單，但在實際的實驗呈現(xiàn)的結(jié)果卻是環(huán)形用手的百分比高出了無規(guī)則散布。從實際的實驗過程中發(fā)現(xiàn)，幼兒在數(shù)環(huán)形數(shù)列的時候，多會用一只手點住第一個積木，另一只手則按照一一對應(yīng)的原則，以固定的順序完成點數(shù)。另外，數(shù)數(shù)的策略會跟任務(wù)的難度存在一定的關(guān)系，任務(wù)難度過高，這種有手點數(shù)的策略使用會下降，所以無規(guī)則散布的用手率會低于環(huán)形。且無規(guī)則散布條件下幼兒點數(shù)出現(xiàn)了將邊點數(shù)邊重新排列積木的情況。最具代表性的一個幼兒是將點數(shù)過的積木移動，并且排列成規(guī)則矩陣形狀。這說明在無規(guī)則散布條件下幼兒計數(shù)表現(xiàn)出將無規(guī)則趨于規(guī)則化的特點。

在不同排列下各年級用手量的比較中，由表8可見： 直線排列下， 小班用手量顯著多于中班， 大班用手量也顯著地多于中班。無規(guī)則散布下，中班用手量顯著少于大班。在環(huán)形排列條件下小、中、大班用手量沒有顯著性差異。

6 結(jié)論

6.1 幼兒在用手點數(shù)的情況下正確率會大大提高。

6.2 幼兒在不用手點數(shù)的情況下，正確率會隨著年齡的增長而增長。

6.3 “正確率差=用手的正確率-不用手的正確率”會隨著年齡的增長而減小。即隨著年齡的增長，手部動作對幼兒計數(shù)正確率的影響逐漸減小。

6.4 在無要求條件下，各年齡組幼兒用手情況會隨年齡的增長而減少。

6.5 從總體的數(shù)目大小上看，數(shù)目的大小對幼兒手部動作不會產(chǎn)生影響。但在同等級的小數(shù)目的計數(shù)中，中班的用手量都極其顯著地少于小班。在同等級大數(shù)目的計數(shù)中，中班的用手量顯著地少于小班。

6.6 從總體的排列方式對幼兒手部動作的影響上看，排列方式越復(fù)雜幼兒用手點數(shù)的人數(shù)越多，從各個排列方式上看，直線排列中，中班幼兒用手點數(shù)人數(shù)明顯少于小班。

7 教育建議

在結(jié)合上述數(shù)據(jù)分析結(jié)果以及對幼兒數(shù)學(xué)教育實踐現(xiàn)狀和問題的分析思考，作出以下建議：

在前面的數(shù)據(jù)分析中我們也發(fā)現(xiàn)，隨著年里的不斷增長，幼兒在計數(shù)過程中的手部動作使用量會逐漸降低。并且手部動作對幼兒計數(shù)正確率的影響逐漸減小。所以我們在對幼兒的計數(shù)教學(xué)當(dāng)中應(yīng)當(dāng)鼓勵幼兒盡可能的少動手點數(shù)，以脫離幼兒在不必要的情況下對手的依賴。

中班幼兒計數(shù)8的用手量要明顯少于小班計數(shù)4的用手量?？梢娫趯π?shù)目的計數(shù)中，小班到中班有明顯的發(fā)展。從我們?nèi)粘５慕虒W(xué)當(dāng)中，中班可以小幅度提高幼兒幼兒計數(shù)的范圍。

8 研究的不足和今后可討論的方向

本研究通過量化的測查揭示了小班到大班幼兒在用手點數(shù)和不用手點數(shù)的準(zhǔn)確率的發(fā)展?fàn)顩r，以及幼兒在何種情境下會自發(fā)的使用手部動作來幫助計數(shù)。由于本人的時間、精力有限，知識積累與能力的不足，本研究只進(jìn)行了小規(guī)模的測查，研究設(shè)計也存在著很多缺陷，現(xiàn)象和問題是否普遍存在，有待更大規(guī)模和更嚴(yán)密的研究。

8.1 研究的不足

8.1.1 數(shù)據(jù)收集

由于與幼兒園方面時間協(xié)調(diào)問題的關(guān)系，本研究進(jìn)行的十分匆忙，對于可能發(fā)生的情況缺少足夠的準(zhǔn)備。如對于小、中、大班的全部測查不能由本人一人進(jìn)行，導(dǎo)致了數(shù)據(jù)收集上的不具體，不明確。

8.1.2 編碼標(biāo)準(zhǔn)

由于本研究的測查過程有多人參與，而在測查前沒有預(yù)計到幼兒在實際的點數(shù)過程中會分為多個層次：用手移動積木，用手觸碰積木，用手點但不觸碰積木，手只懸在頭部附近點數(shù)。每次測查后負(fù)責(zé)各個年級的測查人員又沒有及時進(jìn)行交流協(xié)調(diào)，這樣導(dǎo)致了中班和大班對于是否用手點數(shù)的標(biāo)準(zhǔn)不同。最終導(dǎo)致了統(tǒng)計數(shù)據(jù)中，大班的用手量明顯高于中班，背離了最初的用手點數(shù)的人數(shù)隨年里增長而減少的假設(shè)。

8.2 今后可討論的方向

在研究中我們發(fā)現(xiàn)當(dāng)幼兒被要求不能用手點數(shù)時候，很多幼兒會自發(fā)的以點頭代替手部動作，點一下頭數(shù)一個數(shù)，甚至有很多小班幼兒用嘴對準(zhǔn)要數(shù)的積木，邊數(shù)邊點頭。這樣就形成積木-點頭-數(shù)詞的一一對應(yīng)關(guān)系。今后可以對于幼兒用點頭替代手部動作作為實物與數(shù)詞的中介方面加以討論。

參考文獻(xiàn)：

[1] 皮亞杰、英海爾德《兒童學(xué)力學(xué)》（中譯本），商務(wù)印書館1980年版，第13頁。

[2]周燕，龐麗娟，趙紅利，4- 5歲幼兒數(shù)數(shù)行為的規(guī)則性與策略化應(yīng)用特點的研究，心理發(fā)展與教育，2000年，第1期，第21頁

[3] Graham， Theresa A. The role of gesture in children’s learning to count. Journal of Experimental Child Psychology， 1999， 74（4）。

[4] 蘇.A. M.列烏申娜著.學(xué)前兒童初步數(shù)概念的形成.曹筱寧，成有信，樸永馨譯.北京：人民教育出版社，1982，第11頁。

[5] Gelman R，Gallistel R.The Child’s Understanding of Number， Cambridge. MA：Harvard University Press.1978.page9.

[6] 沈家鮮，四歲兒童數(shù)概念形成過程中的幾個問題，心理學(xué)報，1979年第1期第15頁。

篇7

                 ————100以內(nèi)數(shù)的認(rèn)識(二)

內(nèi)容：教科書6—9頁

教學(xué)目標(biāo)：

1、在能讀寫100以內(nèi)數(shù)的基礎(chǔ)上對數(shù)的讀寫規(guī)則進(jìn)行概括。

2、 在將現(xiàn)實問題轉(zhuǎn)化為數(shù)學(xué)問題（天上的鳥多還是冰上的鳥多，實際上是求47大還是32大） ，并經(jīng)歷用數(shù)學(xué)符號表示數(shù)的大小關(guān)系（數(shù)學(xué)思考、數(shù)感）的過程中，正確進(jìn)行100以內(nèi)數(shù)的大小比較（知識）。

3、感受數(shù)學(xué)與日常生活的密切聯(lián)系，體驗學(xué)習(xí)數(shù)學(xué)的作用。

學(xué)生知識經(jīng)驗分析：

20以內(nèi)數(shù)的大小比較是100以內(nèi)數(shù)的大小比較的知識基礎(chǔ)。

100以內(nèi)數(shù)的讀寫是學(xué)生在生活中積累的經(jīng)驗。

重難點關(guān)鍵分析：

本節(jié)課重點使學(xué)生學(xué)會將現(xiàn)實問題轉(zhuǎn)化成數(shù)學(xué)問題來解決，體會數(shù)學(xué)在人們生活中的作用。100以內(nèi)數(shù)的大小比較的方法的掌握以及用符號來表示是本節(jié)課的難點和關(guān)鍵。

教學(xué)設(shè)計：

（一）                    創(chuàng)設(shè)情境，提出問題

師：上一節(jié)課我們隨著小科學(xué)家們來到南極參觀考察，這一節(jié)課繼續(xù)我們的南極之行好嗎？。

出示情境圖（把文字遮蓋），學(xué)生獨立觀察情境圖。

師：說說你看到了什么？

師：根據(jù)這些信息你能提出哪些數(shù)學(xué)問題？

引導(dǎo)提出以下問題：天上有多少只海鷗？冰上有多少只海鷗？一共有多少只海豹？左邊有多少只企鵝？右邊有多少只企鵝？天上的海鷗多還是冰上的海鷗多？或天上的海鷗比冰上的海鷗多多少？左邊的企鵝比右邊的企鵝多多少？

師：同學(xué)們提的問題可真多，這些問題正好是小科學(xué)家想知道的，我們來幫他們解決吧！

（二）                    合作探究 解決問題

1、估數(shù)、數(shù)數(shù)

師：大家都很想知道海鷗、海豹、企鵝的只數(shù)，現(xiàn)在就請大家來估計一下，它們各有多少只？

學(xué)生獨立思考后，說出估計數(shù)，并簡單說說是怎樣估計的。

師：為了得到準(zhǔn)確的數(shù)據(jù)，靠估計是不行的，我們還是要認(rèn)真的數(shù)一數(shù)才行。

教師引導(dǎo)學(xué)生用喜歡的方法數(shù)出天上的海鷗（四十七只）、冰上的海鷗（三十二只）、海豹（二十五只）企鵝（三十九只）、數(shù)并在情境圖上出示（用大寫）。

2、寫數(shù)、讀數(shù)

（1）師：對于這次南極考察，這可都是重要的數(shù)據(jù)，趕緊幫小科學(xué)家記下來吧！

找一名學(xué)生寫在黑板上，其余寫在練習(xí)本上，共同訂正時，可以糾正一下寫法。

（2）請板演同學(xué)讀出寫的數(shù)，評價后全體同學(xué)齊讀。

在計數(shù)器上撥出以上各數(shù)。按老師要求一個數(shù)一個數(shù)撥出，注意訂正反饋，每撥完一個數(shù)就大聲讀出來。

3、概括讀寫法則

師：（指板書）這些數(shù)同學(xué)們既會讀又會寫，真了不起，那你發(fā)現(xiàn)我們在讀數(shù)和寫數(shù)時有什么規(guī)律嗎？

小組討論，可以讓學(xué)生在計數(shù)器上撥數(shù)，先讀出，再寫出，然后總結(jié)。（學(xué)生可能會答讀寫都是從左向右，也可能答先讀寫十位上的數(shù)，再讀寫個位上的數(shù)，）先肯定學(xué)生以上的說法，然后用計數(shù)器演示使學(xué)生明白，左邊這一位是十位，十位上一個珠子表示“十”；右邊這一位是個位，1個珠子表示“1”，左邊這一位十位對于個位來說就叫“高位”）。所以我們讀寫時都是從高位起。

4、數(shù)的大小比較

（1）師：小科學(xué)家們還想弄清是天上的海鷗多還是冰上的海鷗多？是企鵝多還是海豹多？大家還能幫助解決嗎？

學(xué)生獨立思考后回答。

師：你是怎么知道的？

學(xué)生可能回答：47比32大，所以天上的海鷗比冰上的海鷗多。39比25大，所以企鵝比海豹多。

師：噢！只要比一比這兩個數(shù)的大小就知道誰多誰少了。

教師板書47和32    25和39

（2）師：那你又是怎樣比較47和32的大小的呢？

學(xué)生獨立思考后回答。學(xué)生答案可能為：47比40大，以40為支點比較說明，32比40小，32不夠40，加上一些才夠，所以47大，32小。

以數(shù)的組成說明：47比4個十要多，32不夠4個十。

可能根據(jù)數(shù)的順序來比較：47排在32后面，所以47比32大。

對以上說法，都給予肯定表揚。并用同樣的方法比較25和39的大小。

（3）師：怎樣用符號把47和32連接起來，還能看出哪個數(shù)大哪個數(shù)??？

引導(dǎo)學(xué)生用“＞”和“＜”連接。教師板書：

47＞32        32＜47

師：你能用符號連接25和39嗎？

學(xué)生回答后，教師板書：

25＜39         39＞25

（5）拓展延伸

師：（指板書）能否寫出幾個這樣的式子？

學(xué)生口述，教師板書。

師：（指板書）仔細(xì)觀察，看能發(fā)現(xiàn)什么？

引導(dǎo)學(xué)生用語言簡單總結(jié)大小比較的規(guī)律。

（三）                    自主練習(xí)

1、做課本第1題寫出計數(shù)器上表示的數(shù)，并讀一讀。

先讓讓學(xué)生表述出計數(shù)器每個數(shù)位上珠子的個數(shù)。獨立填寫，匯報答案。共同訂正時注意糾正學(xué)生出現(xiàn)的錯誤，最后把所填數(shù)讀出來。

2、做課本第3題填一填，比一比。

先表述出計數(shù)器每個數(shù)位上的珠子數(shù)，然后寫出每個計數(shù)器上表示的數(shù)，比較出數(shù)的大小，最后填上“＞或＜”。

（四）                    概括總結(jié)及評價

師：這一節(jié)課你有哪些收獲？

引導(dǎo)學(xué)生梳理一下本節(jié)課所學(xué)知識。

篇8

天津 300192

[摘要] 目的 觀察17a α-D-高炔雌二醇-3-乙酯（DHEA）聯(lián)合放、化療對EC109食管癌移植小鼠的抑制作用及放化療對荷瘤小鼠造血系統(tǒng)的防護(hù)作用。 方法 每只小鼠右側(cè)腋窩下接種0.1 mL EC109細(xì)胞懸液，接種當(dāng)天計為第1天。在接種后3 d，將30只接種EC109的裸鼠隨機(jī)分為對照組、照射組、5-Fu組（25 mg/kg）、DHEA組、DHEA聯(lián)合照射組、DHEA聯(lián)合5-Fu組，每組5只。DHEA按照7.5 mg/kg劑量腹腔注射給藥，0.2 mL/只，1次/d，連續(xù)9 d共給藥9次。分別于第4天和第8天對照射組及DHEA聯(lián)合照射組小鼠的腫瘤進(jìn)行2 Gy局部照射。5-Fu按照25 mg/kg的劑量進(jìn)行腹腔注射，0.2 mL/只，隔日1次，共給藥4次。12 d后分別檢測腫瘤抑制率、外周血細(xì)胞數(shù)、骨髓有核細(xì)胞數(shù)等指標(biāo)。 結(jié)果 DHEA、DHEA聯(lián)合照射組及DHEA聯(lián)合化療組瘤重均顯著低于對照組[（0.34±0.02）g、（0.30±0.02）g、（0.23±0.02）g比（0.90±0.02）g，P < 0.01]，DHEA聯(lián)合照射組瘤重低于單照組[（0.30±0.02）g比（0.70±0.03）g，P < 0.05）]。DHEA、DHEA聯(lián)合照射及DHEA聯(lián)合化療組單個核細(xì)胞數(shù)均高于照射組[（18.3±1.7）×106、（19.3±0.5）×106、（19.2±2.0）×106比（9.4±2.4）×106，P < 0.05]。 結(jié)論 DHEA聯(lián)合照射或化療對食管癌移植小鼠具有較好的協(xié)同抗瘤效果，DHEA對照射和化療后荷瘤小鼠造血系統(tǒng)具有一定的防護(hù)作用。

[關(guān)鍵詞] DHEA；輻射；5-氟尿嘧啶；食管癌；BALB/c-nu小鼠

[中圖分類號] R811.5 [文獻(xiàn)標(biāo)識碼] A [文章編號] 1673-7210（2013）11（b）-0004-04

The antitumor effects of DHEA combined with radiotherapy and chemotherapy on human esophageal transplanted carcinoma in nude mice

WANG Xinyan1 WANG Yueying2 WU Hongying2 LU Lu2 ZHANG Junling2 MENG Aimin2 LI Deguan2

1.Hangzhou Cancer Hospital， Zhejing Province， Hangzhou 310002， China； 2.Institute of Radiation Medicine， Chinese Academy of Medical Science & Peking Union Medical College Tianjin Key Laboratory of Molecular Nuclear Medicine， Tianjin 300192， China

[Abstract] Objective To observe the antitumor effects of 17-a-D-homo ethynyclestradiol-3-accetate （DHEA） combined with radiotherapy or chemotherapy and protective effect of DHEA on hematopoietic function in tumor-bearing nude mice. Methods EC109 cell suspension were vaccinated by 0.1 mL per mouse right armpit， the day of the first vaccination was selected to day 1. The EC109-inoculated nude mice of 30 were divided into six treatment groups as control， irradiation， fluorouracil （5-Fu）， DHEA， DHEA combined with irradiation and DHEA combined with 5-Fu. The groups with DHEA were continuously delivered drugs for 9 days， with 0.2 mL/each，1 time/d， the groups with 5-Fu were injected in fourth and eighth day， the group with irradiation were given 2 Gy twice. 5 - Fu intraperitoneal were injected in accordance with the dose of 25 mg/kg， 0.2 mL/each， day 1， a total of dosing was four times. the tumor inhibition rate， the number of peripheral blood cells， bone marrow nucleated cell count were detected after 12 d. Results The results showed that tumor weight in DHEA [（0.34±0.02） g]， DHEA combined with irradiation [（0.30±0.02） g] or 5-Fu [（0.23±0.02） g] mice were all significantly lower than those of control group [（0.90±0.02） g] （P < 0.01）； the tumor weight in DHEA combined with irradiation group [（0.30±0.02） g] was lower than that of irradiation group [（0.70±0.03） g] （P < 0.05）. The BMNC cells in DHEA [（18.3±1.7） ×106]， DHEA combined with irradiation [（19.3±0.5） ×106] or 5-Fu [（19.2±2.0） ×106] group were all significantly higher than those of irradiated group [（9.4±2.4） ×106] （P < 0.05）. Conclusion DHEA combined with irradiation or 5-Fu shows synergic effect on EC109-inoculated nude mice and protectes hematopoietic system from irradiation injury.

[Key words] DHEA； Irradiation； Fluorouracil； Esophageal cancer； BALB/c nude mice

[基金項目] 國家自然科學(xué)基金資助項目（編號81102873）；天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計劃（青年基金項目）（編號12JCQNJC09100）。

通訊作者

隨著經(jīng)濟(jì)發(fā)展，惡性腫瘤已升至我國疾病病死率第2位，僅次于腦血管病?，F(xiàn)在臨床腫瘤治療主要以手術(shù)結(jié)合放、化療等輔助治療手段。在放、化療過程中會損傷患者的免疫及造血功能，進(jìn)而影響預(yù)后。提高腫瘤患者的免疫和造血功能，減輕毒副作用一直是腫瘤放、化療亟需解決的問題[1]。17a α-D-高炔雌二醇-3-乙酯（DHEA）是一種新型輻射防護(hù)劑，本實驗依據(jù)我國一類新藥審批的要求[2]，建立了食管癌EC109裸鼠移植模型。在此基礎(chǔ)上觀察單獨使用DHEA、DHEA聯(lián)合照射或者化療對荷瘤小鼠的作用，為DHEA作為腫瘤治療輔助用藥提供新的實驗基礎(chǔ)。

1 材料與方法

1.1 動物和細(xì)胞系

BALB/c-nu裸鼠30只，8～12周齡，雄性，體重20～22 g，購買自中國醫(yī)學(xué)科學(xué)院動物所，許可證號為SCXK（2009-0004）。

1.2 藥物和儀器

DHEA是放射所合成的雌激素類輻射防護(hù)劑，白色粉末，無味。5-氟尿嘧啶注射液（5-Fu），購買自天津金耀氨基酸有限公司。Leica切片機(jī)（德國，LM2235），全自動血液分析儀（日本sysmex，poch-100i），奧林巴斯顯微鏡（日本，BX51）電子天平（梅特勒一托利多儀器有限公司）。137Cs γ射線照射源（加拿大原子能有限公司，Autocell40），劑量率為0.75 Gy/min。

1.3 EC109荷瘤小鼠模型的建立

收集處于對數(shù)生長期的EC109細(xì)胞，調(diào)整細(xì)胞濃度為1×107/mL。每只小鼠右側(cè)腋窩下接種0.1 mL細(xì)胞懸液，并將接種當(dāng)天計為第1天。

1.4 分組及給藥

在接種后3天，將30只接種EC109的裸鼠隨機(jī)分為對照組、照射組、5-Fu組（25 mg/kg）、DHEA組、DHEA聯(lián)合照射組、DHEA聯(lián)合5-Fu組，每組5只。DHEA按照7.5 mg/kg劑量腹腔注射給藥，0.2 mL/只，1次/d，連續(xù)9 d共給藥9次。分別于第4天和第8天對照射組及DHEA聯(lián)合照射組小鼠的腫瘤進(jìn)行2 Gy局部照射。5-Fu按照25 mg/kg的劑量進(jìn)行腹腔注射，0.2 mL/只，隔日1次，共給藥4次。

1.5 外周血細(xì)胞計數(shù)

在第12天，摘除小鼠眼球取血，K3EDTA抗凝，全自動血液分析儀計數(shù)。處死荷瘤小鼠取瘤體進(jìn)行稱重，按照公式抑瘤率（%）=（1-治療組平均瘤質(zhì)量/對照組平均瘤質(zhì)量）×100%來計算抑瘤率。取單側(cè)股骨，用1 mL PBS沖洗骨髓，得細(xì)胞懸液后用全自動血液分析儀計數(shù)。

1.6 病理學(xué)HE染色

取小鼠腫瘤組織后，4%甲醛溶液固定，隨后脫水后石蠟包埋。將石蠟塊用切片機(jī)切片后進(jìn)行HE染色，中性樹脂封片后，用顯微鏡觀察并采集圖像。

1.7 統(tǒng)計學(xué)方法

采用統(tǒng)計軟件SPSS 15.0對實驗數(shù)據(jù)進(jìn)行分析，計量資料數(shù)據(jù)以均數(shù)±標(biāo)準(zhǔn)差（x±s）表示，采用t檢驗。計數(shù)資料以率表示，采用χ2檢驗。以P < 0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 DHEA對小鼠移植瘤的作用

與對照組相比，DHEA及DHEA聯(lián)合照射組、5-Fu及DHEA聯(lián)合5-Fu組瘤重均顯著降低（P < 0.01），與單純照射組相比，DHEA聯(lián)合照射組瘤重下降，差異有統(tǒng)計學(xué)意義（P < 0.05）。DHEA聯(lián)合5-Fu組瘤重低于單純5-Fu組，兩組比較差異無統(tǒng)計學(xué)意義（P > 0.05）。照射組瘤重低于對照組，但與對照組比較，差異無統(tǒng)計學(xué)意義（P > 0.05），提示DHEA聯(lián)合照射組有較強的抑瘤作用。結(jié)果見表1。

表1 DHEA聯(lián)合放、化療對小鼠食管癌的抑制作用（x±s，n = 5）

注：與對照組比較，**P < 0.01；與照射組比較，P < 0.05；DHEA：17a α-D-高炔雌二醇-3-乙酯；5-Fu：5-氟尿嘧啶

2.2 DHEA對荷瘤小鼠外周血細(xì)胞及單個核細(xì)胞的影響

與對照組比較，DHEA及DHEA聯(lián)合照射組、5-Fu及DHEA聯(lián)合5-Fu組的單個核細(xì)胞數(shù)均顯著升高（P < 0.05）。與照射組比較，DHEA聯(lián)合照射組白細(xì)胞數(shù)（WBC）和紅細(xì)胞（RBC）均顯著升高（P < 0.05），DHEA聯(lián)合照射組的血紅蛋白（HGB）也有升高（P < 0.01）。與對照組相比，DHEA及DHEA聯(lián)合照射組、5-Fu組及DHEA聯(lián)合5-Fu組的WBC、RBC、HGB數(shù)量均有所升高，但差異無統(tǒng)計學(xué)意義（P > 0.05）。結(jié)果見表2。

表2 DHEA聯(lián)合放、化療對荷瘤鼠外周血及單個核細(xì)胞的影響

（x±s，n = 5）

注：與對照組比較，*P < 0.05，**P < 0.01；與照射組比較，P < 0.05，P < 0.01；DHEA：17a α-D-高炔雌二醇-3-乙酯；5-Fu：5-氟尿嘧啶；WBC：白細(xì)胞；RBC：紅細(xì)胞；HGB：血紅蛋白；PLT：血小板

2.3 腫瘤病理結(jié)果

小鼠腫瘤取出后，常規(guī)脫水固定，HE結(jié)果見圖1。圖1A為對照組腫瘤切片染色結(jié)果，表明對照組腫瘤形態(tài)不規(guī)則，未見規(guī)則結(jié)構(gòu)。腫瘤外側(cè)無包膜，與正常組織間無明顯界限，呈浸潤性生長。細(xì)胞呈強嗜堿性藍(lán)染，為典型惡性特征。腫瘤細(xì)胞排列紊亂，大小不一，核異型明顯，核漿比值增大，見核分裂相，核仁可見，中-低分化。照射組（圖1B）腫瘤形態(tài)不一，細(xì)胞異型性明顯，外側(cè)無包膜，但與正常組織界限明顯。腫瘤內(nèi)有片狀壞死，多見細(xì)胞凋亡，核分裂像少見。表明照射可誘導(dǎo)腫瘤細(xì)胞凋亡，抑制腫瘤生長。而在DHEA組小鼠（圖1C），腫瘤細(xì)胞壞死明顯增多，存在組織細(xì)胞機(jī)化，與正常組織界限明顯。核分裂相少見，核漿比值增大，核仁少見。圖1D為DHEA聯(lián)合照射組，圖中可見腫瘤細(xì)胞生長被明顯抑制，具體表現(xiàn)為細(xì)胞形態(tài)規(guī)則，瘤內(nèi)有正常細(xì)胞，外側(cè)有包膜，與正常組織界限明顯。腫瘤細(xì)胞大小均一，形態(tài)較規(guī)則，核漿比值增大，核分裂相少見，核仁少見，高-中分化。5-Fu組（圖1E）腫瘤形態(tài)規(guī)則，細(xì)胞呈索狀排列，瘤內(nèi)有脂性空泡，與正常組織界限明顯。細(xì)胞呈強嗜堿性藍(lán)染，大小形態(tài)較規(guī)則，核分裂相少見，偶見巨細(xì)胞。圖1F為DHEA聯(lián)合5-Fu組，可見組織形態(tài)不規(guī)則，細(xì)胞異型性明顯，外側(cè)有包膜。細(xì)胞藍(lán)染降低，大小形態(tài)不規(guī)則，呈現(xiàn)片狀壞死，核仁不明顯，核分裂相少見。

A：對照組；B：照射組；C：DHEA組；D：DHEA聯(lián)合照射組；E：5-Fu組；F：DHEA聯(lián)合5-Fu組；DHEA：17a α-D-高炔雌二醇-3-乙酯；5-Fu：5-氟尿嘧啶

圖1 各組小鼠移植瘤的病理學(xué)檢測（HE染色，100×）

3 討論

食管癌是一種常見的消化道腫瘤，全世界每年有近30萬人死于食管癌，我國每年死于食管癌人數(shù)約15萬人[3-5]。目前臨床對于食管癌早期診斷仍存在一些困難，大部分食管癌患者治療時已是中晚期，自然病程僅6～8個月，因此放化療成為食管癌臨床治療的主要手段[6-8]。

DHEA是放射所研制的炔雌醇類衍生物，前期研究表明DHEA對放化療引起的造血免疫損傷具有預(yù)防和治療效果，對小鼠多種腫瘤均有一定的抑制作用[9-11]。本實驗利用荷瘤BALB/c-nu小鼠作為腫瘤模型，進(jìn)一步觀察DHEA對食管癌放、化療效果的影響，探討DHEA聯(lián)合放、化療治療腫瘤的可能。

DHEA能顯著提高對荷瘤小鼠EC109食管癌的放化療損傷，抑制小鼠腫瘤生長，進(jìn)而降低腫瘤生長速度，明顯減輕瘤重。當(dāng)DHEA與放化療聯(lián)合應(yīng)用時，表明出良好的協(xié)同抗瘤效果，抑瘤率均高于照射組、化療組和單獨DHEA。對各組移植瘤進(jìn)行病理分析發(fā)現(xiàn)，與對照組和照射組相比，DHEA聯(lián)合照射組小鼠移植瘤組織與正常組織界限明顯，細(xì)胞分化程度明顯增高；與對照組和5-Fu組相比，DHEA聯(lián)合5-Fu小鼠也有更好表現(xiàn)，提示DHEA聯(lián)合照射或化療對食管癌具有協(xié)同抗瘤效果。

在腫瘤發(fā)生發(fā)展過程中，腫瘤患者的免疫功能普遍低下，但當(dāng)手術(shù)切除腫瘤，或放化療后，免疫功能會進(jìn)一步受損[12-15]。外周血象檢測是常規(guī)的免疫檢測指標(biāo)。本實驗檢測了不同處理對荷瘤小鼠外周血象的影響。結(jié)果表明，與照射組相比，DHEA能顯著提高荷瘤小鼠的WBC、RBC、PLT和單個核細(xì)胞計數(shù)，提示DHEA可以有效緩解受照荷瘤小鼠的外周血損傷，增強免疫功能。

總之，DHEA在抑制荷瘤小鼠食管癌細(xì)胞生長的基礎(chǔ)上，還能夠改善荷瘤小鼠造血功能，與放化療聯(lián)合表現(xiàn)出對移植小鼠腫瘤顯著的協(xié)同抗瘤效果。本實驗研究為DHEA在食管癌放化療中的應(yīng)用提供了新的實驗依據(jù)。

[參考文獻(xiàn)]

[1] 李墨林，李傳剛，舒曉宏，等.化療治愈荷瘤小鼠模型的建立及氟尿嘧啶抑瘤作用的免疫機(jī)制[J].細(xì)胞與分子免疫學(xué)雜志，2007，23（11）：1010-1013.

[2] 衛(wèi)生部藥政局.新藥（西藥）臨床前研究指導(dǎo)原則匯編（藥學(xué)、藥理學(xué)、毒理學(xué)）[M].北京：中華人民共和國衛(wèi)生部藥政局，1993：137.

[3] 吳再德.外科學(xué)-食管癌[M].7版.北京：人民衛(wèi)生出版社，2011：349.

[4] 王小春，劉金劍，王月英，等.SKP2表達(dá)對食管癌細(xì)胞輻射敏感性的影響[J].國際放射醫(yī)學(xué)核醫(yī)學(xué)雜志，2012，36（2）：103-106.

[5] Lin DC，Du XL，Wang MR. Protein alterations in ESCC and clinical implications： a review [J]. Dis Esophagus，2009，22（1）：9-20.

[6] 劉泰福.現(xiàn)代放射腫瘤學(xué)[M].上海：復(fù)旦大學(xué)出版社，上海醫(yī)科大學(xué)出版社，2001：355.

[7] Nakajima M，Kato H. Treatment options for esophageal squamous cell carcinoma [J]. Expert Opin Pharmacother，2013，14（10）：1345-1354.

[8] Fokas E，Weiss C，Rodel C. The role of radiotherapy in the multimodal management of esophageal cancer [J]. Dig Dis，2013，31（1）：30-37.

[9] 吳紅英，王月英，張恒，等.17a α-D-高炔雌二醇-3-乙酯聯(lián)合化療抗腫瘤作用研究[J].陜西醫(yī)學(xué)雜志，2012，41（11）：1443-1444.

[10] 杜利清，孟愛民，王月英，等.DHEA聯(lián)合γ射線對食管癌EC109細(xì)胞移植裸鼠的抑瘤與抗輻射作用[J].輻射研究與輻射工藝學(xué)報，2013，31（1）：1-4.

[11] 王月英，王小春，吳紅英，等.17a α-D-高炔雌二醇-3-乙酯聯(lián)合γ射線照射對不同品系小鼠的抑瘤作用[J].國際放射醫(yī)學(xué)核醫(yī)學(xué)雜志，2012，36（2）：97-100.

[12] Yang W，Yu J. Immunologic function of dendritic cells inesophageal cancer [J]. Dig Dis Sci，2008，53（7）：1739-1746.

[13] Lippitz BE. Cytokine patterns in patients with cancer： a systematic review [J]. Lancet Oncol，2013，14（6）：218-228.

[14] 劉柳，樸仲賢，沈志忠，等.食管癌細(xì)胞誘導(dǎo)肥大細(xì)胞遷移的小鼠模型[J].中國實驗動物學(xué)報，2012，20（5）：62-68.

篇9

關(guān)鍵詞：0-1矩陣；統(tǒng)計匹配；剪枝

1 關(guān)聯(lián)規(guī)則[1]挖掘及apriori算法概述

一提到關(guān)聯(lián)規(guī)則挖掘就會令人聯(lián)想到“尿布與啤酒”的故事，這是借助數(shù)據(jù)挖掘技術(shù)對大量原始交易數(shù)據(jù)進(jìn)行分析揭示的一條規(guī)律。 apriori[2]算法是由美國學(xué)者r. agrawal等在1993年提出的一種從大規(guī)模商業(yè)數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)則的有效方法。現(xiàn)在已經(jīng)被廣泛用于商業(yè)決策、社會科學(xué)、科學(xué)數(shù)據(jù)處理等各種各樣的數(shù)據(jù)挖掘領(lǐng)域之中。使用基于支持度的剪枝技術(shù)，系統(tǒng)地控制候選項集指數(shù)增長。其核心是使用候選項集找頻繁項集。算法具體的執(zhí)行步驟如下：

（1）根據(jù)用戶的要求確定最小支持度和最小置信度；（2）找出所有的頻繁項集：先由數(shù)據(jù)庫讀入所有的數(shù)據(jù)項，得出候選1項集c1，然后根據(jù)最小支持度要求確定頻繁1項集l1；使用l1與l1自連接產(chǎn)生候選2項集c2，繼續(xù)對數(shù)據(jù)庫掃描，得出候選2項集c2的支持度，確定頻繁2項集l2；繼續(xù)執(zhí)行上述的步驟，不斷進(jìn)行連接與剪枝，重復(fù)對數(shù)據(jù)庫的掃描，并和最小支持度進(jìn)行比較，產(chǎn)生更高層次的頻繁項集，直到不再產(chǎn)生新的候選頻繁項集為止；（3） 根據(jù)頻繁項集產(chǎn)生強關(guān)聯(lián)規(guī)則。

2 apriori算法的缺點及改進(jìn)方法

apriori算法能夠有效地進(jìn)行數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘，但該算法存在效率不高的問題。該算法使用迭代方法，通過低維頻繁項集產(chǎn)生高維頻繁項集，該算法存在兩個比較明顯的缺點：一個是可能產(chǎn)生大量的候選集，時間開銷和空間開銷都很大；另一個是需要多次掃描數(shù)據(jù)庫，需要很大的 i/o開銷。

2.1 采用0-1矩陣描述數(shù)據(jù)庫事務(wù)集

設(shè)i={i1，i2，…，in}是項的集合，d是數(shù)據(jù)庫事務(wù)集，其中每個事務(wù)t是項的集合，使得t？哿i。按如下規(guī)則用0-1矩陣描述數(shù)據(jù)庫事務(wù)集：如果i中某一項ik在事務(wù)t中存在，用“1”表示，否則就用“0”表示。數(shù)據(jù)庫事務(wù)集d就轉(zhuǎn)化為m*n矩陣的0-1矩陣，其中m為數(shù)據(jù)庫事務(wù)集d 的大小，即包含多少個事務(wù)，n為集合i的計數(shù)。

采用0-1矩陣描述數(shù)據(jù)庫事務(wù)集能帶來如下好處：

（1）運算簡單；便于統(tǒng)計，橫向統(tǒng)計“1”的個數(shù)就是事務(wù)t包含的項數(shù)，縱向統(tǒng)計“1”的個數(shù)就是1項集的統(tǒng)計數(shù)；（2）使用0-1矩陣算法，提高統(tǒng)計項集時候的匹配效率，傳統(tǒng)的統(tǒng)計匹配效率正比于n^2，采用0-1矩陣匹配時間效率正比于n；（3）減少對數(shù)據(jù)庫的掃描，排序后，求頻繁k項集的時候，統(tǒng)計項集時不需要掃描數(shù)據(jù)庫，只需要統(tǒng)計包含大于等于k個項目數(shù)的事務(wù)；（4）易于對數(shù)據(jù)庫事務(wù)集按事務(wù)包含的項目數(shù)大小降序排序；（5）易于求出最大頻繁項集。

2.2 改進(jìn)后的算法 myapriori描述

要提高apriori算法的效率，一般來說就是要考慮兩個方面的問題：一是減少對數(shù)據(jù)庫的掃描，二是在剪枝的時候減少統(tǒng)計項集的次數(shù)。采用 0-1矩陣，并排序以后，可以減少對數(shù)據(jù)庫的掃描，在求k項頻繁項集時候，只需要掃描包含大于等于k個項目的項集，不需要掃描全部的數(shù)據(jù)庫。傳統(tǒng) apriori算法采用從頻繁1項集開始，由頻繁k-1項集產(chǎn)生頻繁k項集，中間產(chǎn)生大量候選集，對這些候選集要進(jìn)行統(tǒng)計并剪枝，運算量大；通過多次試驗發(fā)現(xiàn)：對于1項頻繁集，2項頻繁集，……，m-1項頻繁集，m項頻繁集（m項頻繁集為最大頻繁項集），其數(shù)量分布有一定規(guī)律，就是兩頭的數(shù)量相對較少，尤其是最大頻繁項集數(shù)量不多，中間頻繁項集的數(shù)量較多，數(shù)量分布整體呈現(xiàn)為“紡錘狀”?？梢韵韧ㄟ^統(tǒng)計的方法求出最大頻繁項集，然后利用“頻繁項集的所有非空子集一定也是頻繁的”這一定理，再由k-1項頻繁項集產(chǎn)生k項頻繁項集時，剔除最大頻繁項集的子集的項集，只需要統(tǒng)計分析剩余的項集是否為頻繁項集即可，減少了剪枝的運算量，優(yōu)化算法。算法myapriori：輸入原始數(shù)據(jù)庫事務(wù)集矩陣a，輸出0-1矩陣fi表示的各項頻繁項集。

上述算法的優(yōu)點：在減少了剪枝的運算量，減少了數(shù)據(jù)庫的掃描次數(shù)；缺點是對原始數(shù)據(jù)庫0-1化處理、排序和統(tǒng)計產(chǎn)生最大頻繁maxfi增加了額外開銷，其中0-1化處理、排序要對數(shù)據(jù)庫各掃描1次，統(tǒng)計產(chǎn)生最大頻繁maxfi也

要對數(shù)據(jù)庫進(jìn)行掃描；其中0-1化處理、排序增加的開銷并不是很大，統(tǒng)計產(chǎn)生最大頻繁maxfi可能會帶來較大的開銷?？傮w來說，從時間效率上來講，改進(jìn)的算法優(yōu)于傳統(tǒng)的算法，尤其在maxfi比較容易求取的情況下；從空間效率來講，改進(jìn)后的算法要用到counta01、cca01、sa01等矩陣，效率會有所降低。

2.3 myapriori算法性能分析與實驗

對某關(guān)于公積金數(shù)據(jù)庫事務(wù)集{{t1：i1，i3，i4，i6}；{t2：i2，i3，i4}；{t3：i1，i2，i3；}； {t4：i2，i6}；{t5：i2，i3，i4，i5}；{t6：i2，i3，i5}；{t7：i1，i2，i3，i4，i6}； {t8：i1，i3，i4，i5，i6}；{t9：i1}；{t10：i1，i5}，令sup=0.3：

采用傳統(tǒng)apriori算法，求1項頻繁集時，有6個候選頻繁項集，每個項集需要與原數(shù)據(jù)庫匹配1次，原始數(shù)據(jù)庫大小為10項，要匹配 6*10=60次，得到6個1項頻繁集；求2項頻繁集時，產(chǎn)生c62=15個候選頻繁項集，每個項集需要與原數(shù)據(jù)庫匹配1次，原始數(shù)據(jù)庫大小為10項，要匹配15*10=150次，得2項頻繁集有9項；求3項頻繁集時，產(chǎn)生13個候選頻繁項集，每個項集需要與原數(shù)據(jù)庫匹配1次，原始數(shù)據(jù)庫大小為10項，要匹配13*10=130次，得3項頻繁集有5項；求4項頻繁集時，產(chǎn)生3個候選頻繁項集，每個項集需要與原數(shù)據(jù)庫匹配1次，原始數(shù)據(jù)庫大小為10項，要匹配3*10=30次，得4項頻繁集有1項，4項頻繁集即為最大頻繁項集。在上述過程中，共計需要匹配的次數(shù)為：60+150+130+30=370。

采用改進(jìn)后的算法myapriori算法，求1項頻繁項集匹配60次，2項頻繁項集匹配96次，3項頻繁項集匹配76次，4項頻繁項集匹配4 次，共計匹配236次，加上掃描2遍數(shù)據(jù)庫，可近似計為2*10次=20次，總計為236+20=256次，小于傳統(tǒng)apriori算法的370次；減少了對數(shù)據(jù)庫的掃描和剪枝的運算量。

實驗驗證：采用matlab編程，2g內(nèi)存，2.5g雙核cpu， windows xp環(huán)境；使用gjj數(shù)據(jù)庫，采用傳統(tǒng)apriori算法和改進(jìn)后的myapriori算法各運行10000次，時間分別為0.3440ms和 0.2950ms，可以得出改進(jìn)后的算法更快。

參考文獻(xiàn)

篇10

【關(guān)鍵詞】 乳糜血； 血液分析儀； 標(biāo)本

中圖分類號 R446.1 文獻(xiàn)標(biāo)識碼 B 文章編號 1674-6805（2016）24-0043-04

【Abstract】 Objective：To investigate the method for eliminating interference of chylemiaon on the main indexes of COULTER LH750 hematology analyzer.Method：Chyle blood samples which had been cleared by daily testing instruments was selected，they were detected and analyzed by one of the three methods of dilution，blank，replacement randomly within 2 hours mainly to analyze the 13 parameters of RBC，WBC，PLT，Hb，HCT，MCV，MCH，MCHC，NEU%，LYM%，MON%，EOS%，BASO%，a total of 95 samples were detected.The content of triglyceride of all experimental remaining specimens were tested by blood biochemical analyzer，specimens with TG0.05）.The differences in Hb，MCH of chylous mild to moderate group before and after processing by dilution method were statistically significant（P

【Key words】 Chylemia； Hematology analyzer； Specimen

First-author’s address：Maternal and Child Health Hospital of Haiyan County，Haiyan 314300，China

doi：10.14033/ki.cfmr.2016.24.024

庫爾特LH750是貝克曼庫爾特公司一款比較經(jīng)典的五分類血液分析儀，儀器工作原理為細(xì)胞計數(shù)采用阻抗法、血紅蛋白為比色法、白細(xì)胞分類為VCS（容量、電導(dǎo)、光散射）原理[1]。鑒于血細(xì)胞分析儀特殊結(jié)構(gòu)和分析原理，有很多因素影響儀器分析結(jié)果的準(zhǔn)確性，如乳糜脂血、冷凝集、溶血因素等[2-3]。其中乳糜脂血是最常見因素之一，在日常工作中，如何發(fā)現(xiàn)這些干擾因素及采取相應(yīng)的糾正措施保證檢測結(jié)果的正確性，是實驗室必須重視的問題，現(xiàn)對消除乳糜因素干擾細(xì)胞分析指標(biāo)的研究報道如下。

1 材料與方法

1.1 標(biāo)本來源

標(biāo)本來源于2015年6-9月筆者所在醫(yī)院門診及住院患者，對照選擇實驗當(dāng)天無溶血、無乳糜現(xiàn)象的新鮮標(biāo)本。

1.2 儀器與試劑

血細(xì)胞分析使用Backman Coulter LH750血細(xì)胞分析儀，甘油三酯（TG）測定使用Backman Coulter AU680生化分析儀，試劑及校準(zhǔn)質(zhì)控均使用廠家配套。

1.3 方法

抽取患者靜脈血2 ml置于EDTA-K2真空采血管，嚴(yán)格按操作規(guī)程檢測，檢測后標(biāo)本室溫靜置30 min左右，選取血漿層明顯脂濁的血標(biāo)本。選取每日儀器檢測后已明確的乳糜血標(biāo)本，并在2 h內(nèi)隨機(jī)選擇稀釋、空白、置換三種處理方法之一進(jìn)行再檢測分析，累計檢測標(biāo)本共95份。實驗選擇的分析指標(biāo)為白細(xì)胞計數(shù)（WBC）、紅細(xì)胞計數(shù)（RBC）、血小板計數(shù)（PLT）、血紅蛋白含量（Hb）、紅細(xì)胞壓積（HCT）、平均紅細(xì)胞體積（MCV）、平均紅細(xì)胞血紅蛋白含量（MCH）、平均紅細(xì)胞血紅蛋白濃度（MCHC）、中性粒細(xì)胞百分比（NEU%）、淋巴細(xì)胞百分比（LYM%）、單核細(xì)胞百分比（MON%）、嗜酸性粒細(xì)胞百分比（EOS%）、嗜堿性粒細(xì)胞百分比（BASO%）。所有實驗標(biāo)本剩余血液經(jīng)生化儀檢測甘油三酯含量，并以TG

1.4 統(tǒng)計學(xué)處理

運用SPSS 18.0統(tǒng)計軟件對所得數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)分析，計量資料以（x±s）表示，比較采用配對t檢驗，其中偏態(tài)分布的EOS%及BASO%數(shù)據(jù)經(jīng)對數(shù)轉(zhuǎn)換后統(tǒng)計，以P

2 結(jié)果

空白法、置換法、稀釋法的輕中度乳糜組分別為9、5、8份，重度乳糜組分別為23、19、31份。各對照組處理前后檢測指標(biāo)比較差異無統(tǒng)計學(xué)意義（P>0.05）。輕中度乳糜組僅稀釋法處理前后的Hb、MCH比較差異有統(tǒng)計學(xué)意義（P0.05）；但重度乳糜組Hb、MCH、MCHC、PLT、EOS%三種方法處理前后比較，差異均有統(tǒng)計學(xué)意義（P

3 討論

血液產(chǎn)生乳糜外觀的主要成分是乳糜微粒（CM）、極低密度脂蛋白（VLDL），其中以乳糜微粒為最常見，其顆粒大小為80～500 nm，在血漿中呈乳濁狀，主要由甘油三酯（TG）、膽固醇（CH）、磷脂及載脂蛋白組成的微粒體[4]。實驗采用稀釋、空白、置換3種處理乳糜血干擾的方法，與國內(nèi)報道的添加脂肪乳的比對方法有較大差異[5]。因脂肪乳與乳糜微粒在成分、顆粒大小及均一性上均有所不同，實驗結(jié)果可能有所差別。按照實驗設(shè)計，筆者設(shè)立了每種方法的對照組，作為方法學(xué)驗證，實驗數(shù)據(jù)證實了三種方法的對照組在乳糜血處理前后的結(jié)果差異無統(tǒng)計學(xué)意義（P>0.05），表明三種實驗方法學(xué)均可接受。在LH750血細(xì)胞分析儀上，Hb測定原理為比色法，遵守朗伯-比爾定律，儀器無法跟生化儀一樣可以消去樣本空白值來排除干擾，被檢血中乳糜微粒雖經(jīng)過試劑251倍的稀釋及溶血劑的溶解作用來減少這種干擾，但高乳糜血對Hb的干擾還不足以完全消除，這種影響程度與乳糜嚴(yán)重程度正相關(guān)，實驗結(jié)果也證實了這種干擾，三種方法重度乳糜組的Hb處理前后差異有統(tǒng)計學(xué)意義（P0.05）。國內(nèi)也有報道指出TG含量在7.0 mmol/L時可對Hb等多項參數(shù)有影響，并且這種影響超出了儀器精密度范圍要求[6]。血細(xì)胞計數(shù)的計數(shù)原理有電阻抗、鞘流電阻原理等[7]。庫爾特LH750細(xì)胞計數(shù)采用電阻抗原理，擁有脈沖編輯和重疊校正專利技術(shù)的功能，可刪除不規(guī)則脈沖和重疊顆粒的計數(shù)信號，能有效區(qū)分識別形態(tài)相對穩(wěn)定的細(xì)胞群體，而乳糜微粒一般大小不等、顆粒不規(guī)則，所以乳糜血對細(xì)胞群形態(tài)穩(wěn)定完整的WBC、RBC計數(shù)影響不大。而PLT由于體積大小不等的形態(tài)特性，大小與PLT相近的乳糜微粒可對其計數(shù)可造成一定干擾，由于LH750分析儀在PLT計數(shù)時血液要經(jīng)6250倍稀釋，因而PLT干擾僅在高乳糜狀態(tài)下才顯現(xiàn)出來，這也與實驗RBC、WBC參數(shù)結(jié)果差異無統(tǒng)計學(xué)意義（P>0.05）、重度組PLT結(jié)果差異有統(tǒng)計學(xué)意義（P

三種方法處理乳糜血的實驗比較發(fā)現(xiàn)，輕中度乳糜組結(jié)果僅稀釋法的Hb、MCH比較差異有統(tǒng)計學(xué)意義（P

綜上所述，乳糜血干擾血細(xì)胞分析的參數(shù)指標(biāo)主要為Hb、MCH、MCHC、PLT，干擾大小與乳糜血嚴(yán)重程度正相關(guān)，稀釋、空白、置換三種方法均能消除這類干擾，以稀釋法操作方便、可檢出較小的干擾而有較大的實用意義。

參考文獻(xiàn)

[1] Coulter Corporation.Coulter MAXM with autoloader operators guide[S].1996，40-137.

[2]熊立凡，李樹仁.臨床檢驗基礎(chǔ)[M].第3版.北京：人民衛(wèi)生出版社，2005：50-51.

[3]郭利利，顧平.LH750血液分析儀的干擾因素分析及處理[J].山西醫(yī)藥雜志，2013，42（7）：775-776.

[4]陳灝珠.內(nèi)科學(xué)[M].第4版.北京：人民衛(wèi)生出版社，1996：764.

[5]徐玉兵，高春芳，趙琳.脂血對Sysmex XE-2100D血液分析儀檢測指標(biāo)的影響研究[J].檢驗醫(yī)學(xué)，2012，27（12）：1017-1020.

[6]周窈佳.脂血對Sysmex XE-5000血液分析儀檢測指標(biāo)的影響[J].檢驗醫(yī)學(xué)與臨床，2014，11（2）：206-207.

[7]伍柏青，傅新文.當(dāng)代五分類血細(xì)胞分析儀技術(shù)原理分析[J].實驗與檢驗醫(yī)學(xué)，2011，29（4）：391-392.

[8]曹寒沁，金勝航，吳敏瑾.乳糜血標(biāo)本對血細(xì)胞分析儀測定結(jié)果影響因素的探討[J].國際檢驗醫(yī)學(xué)雜志，2014，35（13）：1776-1780.

[9]張時民，張麟.乳糜血對血常規(guī)測定的影響及排除方法探討[J].現(xiàn)代檢驗醫(yī)學(xué)雜志，2010，25（5）：72-75.