縱觀統計學的發展狀況，與整個科學的發展趨勢相似，統計學也在走與其他科學結合交融的發展道路。歸納起來，有兩個基本結合趨勢。
（一）統計學與實質性學科結合的趨勢
統計學是一門通用方法論的科學，是一種定量認識問題的工具。但作為一種工具，它必須有其用武之地。否則，統計方法就成為無源之水，無用之器。統計方法只有與具體的實質性學科相結合，才能夠發揮出其強大的數量分析功效。並且，從統計方法的形成歷史看，現代統計方法基本上來自於一些實質性學科的研究活動，例如，最小平方法與正態分佈理論源於天文觀察誤差分析，相關與迴歸源於生物學研究，主成分分析與因子分析源於教育學與心理學的研究。抽樣調查方法源於政府統計調查資料的蒐集。歷史上一些著名的統計學家同時也是生物學家或經濟學家等。同時，有不少生物學家、天文學家、經濟學家、社會學家、人口學家、教育學家等都在從事統計理論與方法的研究。他們在應用過程中對統計方法進行創新與改進。另外，從學科體系看，統計學與實質性學科之間的關係絕對不是並列的，而是相交的，如果將實質性學科看作是縱向的學科，那麼統計學就是一門橫向的學科，統計方法與相應的實質性學科相結合，才產生了相應的統計學分支，如統計學與經濟學相結合產生了經濟統計，與教育學相結合產生了教育統計，與生物學相結合產生了生物統計等，而這些分支學科都具有"雙重"屬性：一方面是統計學的分支，另一方面也是相應實質性學科的分支，所以經濟統計學、經濟計量學不僅屬於統計學，同時屬於經濟學，生物統計學不僅是統計學的分支，也是生物學的分支等。這些分支學科的存在主要不是為了發展統計方法，而是為了解決實質性學科研究中的有關定量分析問題，統計方法是在這一應用過程中得以完善與發展的。因此，統計學與各門實質性學科的緊密結合，不僅是歷史的傳統更是統計學發展的必然模式。實質性學科為統計學的應用提供了基地，為統計學的發展提供了契機。21世紀的統計學依然會採取這種發展模式，且更加註重應用研究。
這個趨勢説明：統計方法的學習必須與具體的實質性學科知識學習相結合。必須以實質性學科為依據，因此，財經類統計專業的學生必須學好有關經濟類與管理類的課程，只有這樣，所學的統計方法才有用武之地。統計的工具屬性才能夠得以充分體現。
（二）統計學與計算機科學結合的趨勢
縱觀統計數據處理手段發展歷史，經歷了手工、機械、機電、電子等數個階段，數據處理手段的每一次飛躍，都給統計實踐帶來革命性的發展。上個世紀40年代第一台電子計算機的誕生，給統計學方法的廣泛應用創造了條件。20年展起來的多元統計方法雖然對於處理多變量的種類數據問題具有很大的優越性，但由於計算工作量大，使得這些有效的統計分析方法一開始並沒有能夠在實踐中很好推廣開來。而電子計算機技術的誕生與發展，使得複雜的數據處理工作變得非常容易，那些計算繁雜的統計方法的推廣與應用，由於相應統計軟件的開發與商品化而變得更加方便與迅速，非統計專業的理論工作者可以直接憑藉商品化統計分析軟件來處理各類現實問題的多變量數據分析，而無需對有關統計方法的複雜理論背景進行研究。計算機運行能力的提高，使得大規模統計調查數據的處理更加準確、充分與快捷。目前企業經營管理中建立的決策支持系統（DSS）更加離不開統計模型。最近國外興起的數據挖掘（Datamining,又譯"數據掏金"）技術更是計算機專家與統計學家共同關注的領域。隨着計算機應用的越來越廣泛，每年都要積累大量的數據，大量信息在給人們帶來方便的同時也帶來了一系列問題：信息過量，難以消化；信息真假，難以辨識；信息安全，難以保證；信息形式不一致，難以統一處理；於是人們開始提出一個新的口號"要學會拋棄信息"。人們考慮"如何才能不被信息淹沒，而是從中及時發現有用的知識，提高信息利用率？"面對這一挑戰，數據挖掘和知識發現（DMKD）技術應運而生，並顯示出強大的生命力。數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘是一門交叉學科，它把人們對數據的應用從低層的簡單查詢，提升到從數據中挖掘知識，提供決策支持。在這種需求牽引下，匯聚了不同領域的研究者，尤其是數據庫技術、人工智能技術、統計、可視化技術、並行計算等方面的學者和工程技術人員，投身到數據挖掘這一新興的研究領域，形成新的技術熱點。雖然統計學家與計算機專家關心Datamining的視角不完全相同，但可以説，Datamining與DSS一樣，使得統計方法與計算機技術的結合達到了一個更高的層次。
因此，統計學越來越離不開計算機技術，而計算機技術應用的深入，也同樣離不開統計方法的發展與完善。這個趨勢説明：充分利用現代計算技術，通過計算機軟件將統計方法中複雜難懂的計算過程屏障起來，讓用户直接看到統計輸出結果與有關解釋，從而使統計方法的普及變得非常容易。所以，對於財經類統計專業的學生來説，一方面要學好統計方法，但另一方面更加要學會利用商品化統計軟件包解決實踐中的統計數量分析問題，學好計算機信息系統開發的基本思想與基本程序設計，能夠將具體單位的統計模型通過編程來實現，以建立起統計決策支持系統。
所以統計與實質性學科相結合，與計算機、與信息相結合，這是發展的趨勢。瞭解這一點，再來看我們目前教育中的問題就更加明顯了，所以一些課程要改革，教學方式也要改革。以下談一談統計教育需要改革的幾個方面。
二、統計教育的改革
(一)統計專業課程建設問題
專業建設考慮的是應當培養什麼樣的人才和怎樣培養這樣的人才。專業建設的核心問題是課程設置和規範課程內容。課程設置主導學生的知識結構，培養統計理論人才應當設置較多的數學課程，目的是讓學生能對各種統計方法有較深刻的理性認識；培養應用統計人才應當設置較多的相關應用領域的專業課程，目的是讓學生如何能將統計方法正確地運用到相關領域。例如培養從事經濟管理的統計人才，在課程設置上至少應當包括四方面的知識：（1）經濟理論課程，讓學生了解經濟活動的主要進程和基本規律；（2）研究社會經濟問題主要統計方法，包括常用的統計數據蒐集方法，統計數據處理方法和分析方法；（3）適用電腦技術，讓學生初步掌握運用電腦進行統計數據處理和分析的基本理論和技能；（4）有關統計理論和統計實踐中的前沿性問題，目的不在於要學生真正掌握這些問題，而是讓學生了解統計理論和統計實踐的前沿發展動態，啟迪學生的科學思維能力。
(二)教學方法和教學手段的改革
統計教學方法和教學手段改革中，有兩個焦點問題：一是如何激發學生學習統計學的興趣；二是應用什麼教學手段來達到較好的統計教學效果等。充分運用現代教育技術、教學手段，更新教學方法，促使教育技術、教學手段和教學方法有機結合。
1.改灌輸式教學為啟發式教學，特別注重教育多樣化和多層次性，不僅讓學生掌握如何蒐集、整理數據的技術，還要教學生讀懂數字背後的事實。學會按照具體與抽象、動態與靜態、個體與總體、絕對與相對、一般與特殊、演繹與歸納等不同的思維方式分析問題和解決問題。注重利用一題多解與一題多變，開拓學生的發散思維。
2.改單向接受式的教學為雙向互動式教學，以案例分析與情景教學開啟學生的思維閘門，使學生更形象、快捷的接受知識，發揮其獨立思考與創造才能，培養學生創造性思維能力。
3.構建以課堂、實驗室和社會實踐多元化的立體教育教學體系。在傳授和學習已經形成的知識的同時，加強實踐能力鍛鍊，提高學生的動手能力和創新能力。只有將統計學的方法結合實際進行應用，找到應用的結合點，才能使統計學獲得最大的生命力。
（三）統計學與計算機教學相結合
教材要與統計軟件的應用相結合。現在許多教材都是內容與軟件分家，現在計算機已非常普及，無論是高校、高職和中專，培養出來的學生不會用統計軟件分析數據，不管哪一個層次，都已説不過去。統計學是一門應用的方法型學科，統計學應從數據技巧教學轉向數據分析的訓練。統計學與計算機教學有機地合為一體，讓學生掌握一些常用統計軟件的使用。除了要培養學生蒐集數據、分析數據的能力外，還要培養學生處理大量數據的能力，即數據挖掘的能力。
（四）教學與實際的數據分析相結合
統計的教學不能只停留在課本上，案例教學與情景教學應成為統計課程的重要內容。統計教學和教材增加統計實際案例，通過計算機對大量實際數據進行處理，可以在試驗室進行，亦可在課堂上進行討論，這樣學生不僅理解了統計思想和方法，而且鍛鍊和培養了研究和解決問題的能力。
（五）要有一批能用電腦、網絡來教學的新型教師
電腦、網絡的出現，不僅改變了教學的手段，還深深地影響着教學的內容，因為它影響着經濟、生活的發展和需求。語文（中文、外文）、數學、計算機、專業知識是一個統計人才必備的素質，它們之間不是分離的，而是要儘可能結合在一起來進行教學，各管各教一套的辦法已不適應現代化教育教學的需要，現代教育特別注重教育信息技術中的多媒體、網絡化、社會化和國際化、多樣化和多層次，有了電腦、網絡，必需要更新，要培養出一批能用電腦、網絡來教學的新型教師，以便培養出新型的21世紀的人才。
[參考文獻]
[1]賀鏗。關於統計學的性質與發展問題。中國統計，2001.9.
[2]袁衞。國外統計高等教育發展的趨勢及對我國統計教育改革的思考。中國統
計，2001.10.
在傳統教學模式下，學生處於相對封閉的校園，基本都是被動接受知識，對企業實際工作了解得很少，造成學生走上工作崗位後很難立即適應，所以根據企業的會計崗位設置教學內容就顯得十分必要。可以將教學內容按照企業成本核算流程中的不同會計崗位進行劃分，使學生掌握每個崗位的核算內容和方法，這樣不僅可以提高學生的實際操作能力，而且可以激發他們的學習熱情。此外，將學生置於企業實際的會計崗位也是一個不錯的方法。首先，加強與企業的聯繫，建立校外實習基地。其次，將每個學生輪流置於一個個成本核算崗位上，讓他們明白每個崗位的工作職責和核算方法。經過一個流程的實習，學生就能加深對理論知識的理解，實踐操作能力也會提高不少。最後，給學生提供一個企業一段時期內的成本核算資料，讓學生獨立完成成本核算，對所學內容進行總結和檢驗。
二、在教學中運用一些成功或失敗案例。
教師通過案例，讓學生運用所學知識和方法分析案例中的成功與失敗之處，然後分小組進行討論，最後提出可行方案。這樣不僅使學生從被動地位轉到主動地位，提高獨立思考能力，還達到教師教學目的，一舉兩得。在教學中運用案例教學，最重要的就是學生敢於提出問題，只有這樣，教師才能引導學生由淺及深地思考問題，從而達到全面理解的目的。此外，可以嘗試建立學習小組，將成本會計的學習活動轉移到課堂以外，教師提供一些方向性指導，通過查閲案例和小組討論實現學習目標。
三、課堂教學發揮計算機輔助教學系統的作用。
計算機輔助教學系統是利用計算機作為信息傳播和處理媒介完成教學和訓練任務的新興技術，它能營造一種“圖文並茂、動靜結合、聲境交融、視聽並用”的多媒體交互式教學環境。在這種環境下，多種感官的刺激加深了學生對新鮮事物的印象，取得了更好的學習效果。在成本會計教學中，教師除了要傳授基本的、核心的理論知識外，更要培養學生的動手能力。由於條件的限制，傳統的成本會計教學往往分為理論教學和實踐教學兩部分，儘管做了許多嘗試，如崗位實習、校外實習等，但如何把理論和實踐相結合依然是一個難題，計算機輔助教學系統的使用改變了這一現狀。教師運用計算機可以模擬賬、證、表等各種會計資料，也可以模擬一些數據的來源去向、計算流程、賬務處理等；學生可以邊學習理論、邊實踐操作。整個教學過程生動、直觀，猶如“身臨其境”，這樣可大大激發學生的學習積極性，對賬户的設置與結轉、費用的歸集與分配、成本計算與核算就可有更加深刻的認識，實際操作能力自然可提高。
四、在實踐教學環節上花氣力、下工夫。
目前高職院校成本會計實踐教學普遍採用的形式和手段有練習、測試、校內模擬實訓、校外單位實習、撰寫論文等。在實踐教學中，有條件的話，應儘可能帶領學生到類似企業進行參觀，瞭解企業各個職能部門的分工與合作、產品的工藝流程、產品中原料和輔料的構成，等等，使學生對產品的製造過程形成感性認識，為成本核算的學習奠定基礎。在模擬實訓中，要制訂科學、系統的實訓計劃，按照單元實訓和綜合實訓兩部分進行。實訓中指導教師要認真指導學生進行規範化操作，實訓後要求學生展示實訓成果並總結實訓心得體會。指導教師要對每名學生的操作過程及成果進行評價，寫出評語，評定成績，評選出優秀實訓作業，為以後教學提供樣本。
五、結語
[關鍵詞] 統計學處理 醫學論文
健康網訊：
1.統計研究設計：應交代統計研究設計的名稱和主要做法。如調查設計(分為前瞻性、回顧性還是橫斷面調查研究),實驗設計(應交代具體的設計類型，如自身配對設計、成組設計、交叉設計、析因設計、正交設計等),臨牀試驗設計(應交代屬於第幾期臨牀試驗，採用了何種盲法措施等);主要做法應圍繞4個基本原則(重複、隨機、對照、均衡)概要説明，尤其要交代如何控制重要非試驗因素的干擾和影響。 2.資料的表達與描述：用 x±s表達近似服從正態分佈的定量資料、用M(QR)表達呈偏態分佈的定量資料；用統計表時，要合理安排縱橫標目，並將數據的含義表達清楚；用統計圖時，所用統計圖的類型應與資料性質相匹配，並使數軸上刻度值的標法符合數學原則；用相對數時，分母不宜小於20,要注意區分百分率與百分比。 3.統計分析方法的選擇：對於定量資料，應根據所採用的設計類型、資料所具備的條件和分析目的，選用合適的統計分析方法，不應盲目套用t檢驗和單因素方差分析；對於定性資料，應根據所採用的設計類型、定性變量的性質和頻數所具備的條件以及分析目的，選用合適的統計分析方法，不應盲目套用χ2檢驗。對於迴歸分析，應結合專業知識和散佈圖，選用合適的迴歸類型，不應盲目套用簡單直線迴歸分析，對具有重複實驗數據的迴歸分析資料，不應簡單化處理；對於多因素、多指標資料，要在一元分析的基礎上，儘可能運用多元統計分析方法，以便對因素之間的交互作用和多指標之間的內在聯繫作出全面、合理的解釋和評價。 4.統計結果的解釋和表達：當P<0.05(或P<0.01)時，應説對比組之間的差異具有顯著性(或非常顯著性)的意義，而不應説對比組之間具有顯著性(或非常顯著性)的差別；應寫明所用統計分析方法的具體名稱(如：成組設計資料的t檢驗、兩因素析因設計資料的方差分析、多個均數之間兩兩比較的q檢驗等),統計量的具體值(如：t=3.45,χ2=4.68,F=6.79等),應儘可能給出具體的P值(如：P=0.0238);當涉及到總體參數(如總體均數、總體率等)時，在給出顯著性檢驗結果的同時，再給出95%置信區間。 中華傳染病雜誌2002年2月第20卷第1期
1.1計算機技術應用於統計學是信息化發展的必然要求
傳統的統計工作基本以統計人員的手工勞動為主，因此無論在信息量，還是統計數據的可靠性、準確性及時效性都已不能適應現代社會信息化發展的需要。而在信息化時代，從統計方法的選擇到統計工作過程，即統計設計、統計調查、統計整理和統計分析四個階段，在遵循客觀規律和實事求是原則基礎上，每個環節都需要滲透計算機技術，尤其是最後對海量數據分析階段，需揭示事物的本質和規律，需要對數據進行深度挖掘，得出有用的決策方案和評價結論。離不開計算機軟件處理，有的甚至需要編程尋求數據結果，數據結果的一般也是在通過該網絡平台上進行的、所以，計算機技術應用於統計學是信息化發展的必然要求。
1.2計算機技術推動了統計學的發展
就統計數據本身而言，其不但滲透到社會生活的各個領域，而且數據量也快速增加，即所謂海量數據的處理，這就對統計學的發展和應用提出了更高的要求。例如在對一些理財產品的選擇和風險投資領域，對這些數據處理最重要的要求就是快而準，唯有如此才能抓住盈利的時機，而電腦和網絡技術的發展真正提供了這種可能性。計算機作為一種高速計算的電子計算機器，最重要的功能之一便是數據處理分析，不但能在時間複雜度上得到最大程度的優化，同時在完成基本數據運算之餘，更能通過分析技術對數據做出合理分析，並在一定程度上通過對數據的整合完成對所關心對象未來發展的預測。所以，計算機技術不但能實現對數據的快速處理，而且在很大程度上推動了統計學的發展。
1.3統計學為計算機信息處理提供數據保證
在信息化時代，數據日新月異，層出不窮，計算機技術只是為信息時代的數據處理提供了高效手段，但只有信息是準確和可靠的，才能得出正確的處理結論，而這些數據是否真實、準確、可靠，完全依賴於統計學的調查方法和手段，依賴於統計學的不斷髮展。只有統計學，才能為計算機技術進行準確和及時的數據處理提供保證，也才能更好地促進信息社會的發展。
2計算機技術在高校統計學教學中的應用
統計學，以“概率論與數理統計”為核心理論支撐，包括諸如隨機過程、抽樣推斷、時間序列、多元統計分析等各個細小分科，而作為與數據打交道的統計學，在通過數據挖掘來探求事物本質，發展狀況與走向時，對數據的依賴是不容忽視的，對於海量數據的處理需要計算機技術、統計分析方法和統計軟件。而在目前高校統計學教材和統計學學習中，學習的核心仍舊放在理論方面，在應用上投入時間少，尤其是對較為實用，較為前沿的技術介紹不夠。下面介紹幾種簡單的計算機處理技術如何在統計學中進行應用。
2.1EXCEL在統計學中的應用
EXCEL是WINDOWS的成員，學習起來非常方便，極易被人們所接受，因高校中開設計算機文化基礎課程，對此有所瞭解，因此尤其適合高校統計學中深入學習。EXCEL軟件是一種功能強大的數據分析與管理系統，它提供了大量的函數，比如統計學中經常涉及到的平均指標（算數平均數、中位數、眾數）、標誌變異指標（標準差、方差、標誌變異係數）、迴歸係數（一元、多元）、極值計算（最大值、最小值、峯值）、抽樣推斷（樣本個數、置信區間）以及編制變量數列進行統計分組等等，都可以進行處理和計算，很直觀，也很適合統計人員使用。另外，還具有很強的製圖製表功能，同時可以對經濟預測提供相應的數學模型，是目前高校統計學習中的一種重要數據處理工具。
2.2SPSS在統計學中的應用
SPSS是StatisticalPackageForSocialSciences的縮寫，即社會科學統計軟件包，是目前國際上廣泛使用的統計軟件包之一，主要分佈在保險、醫療、製造、銀行、證券、科研院所等各個領域。SPSS主要功能包括數據管理、數據分析、圖表分析和數據輸出等，集數據管理、分析與一體。主要內容包括均值比較、方差分析、主成分分析、迴歸分析、時間序列分析、因子分析、聚類分析等等，每類中都有多個細小的專項統計方法。SPSS也有專門的繪圖系統，可以根據數據繪製各種圖形。具有操作簡便、編程方便、功能強大、全面的數據接口、靈活的功能模塊組合等優點，為統計人員處理數據提供方便。
2.3SAS軟件在統計學中的應用
SAS是StatisticalAnalysisSystem的縮寫，即統計分析系統，現已發展成為一個大型的模塊化集成軟件系統，融數據處理和統計分析於一體，具有數據倉庫管理、數據挖掘和集成數據訪問等功能，廣泛應用於醫藥、衞生、經濟學、政府、農業、教育部門等各行各業，幾乎滿足任何類型的數據和任何應用的需要。具有易學易用，操作簡便、完整可靠的特點。在統計學方面，可以進行一元線性迴歸分析、相關分析、方差和協方差分析、時間序列分析、決策分析和經濟預測等等。SAS具有繪圖功能，能把存儲的數據以圖形的形式非常形象和直觀地顯示出來，不僅可以繪製直方圖、散點圖、扇形圖等，而且還能繪製地圖。另外，本身還有函數系統，用户可以根據自己的需要選擇適合自己的模塊。SAS提供了幾乎所有最新的統計分析方法，其分析技術先進可靠，非常值得在統計學中學習和推廣。
3統計軟件運用過程中的相關建議
【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關於統計思想認識的三點思考。
一、關於統計學
統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。
二、統計學中的幾種統計思想
2.1統計思想的形成
統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。
2.2比較常用的幾種統計思想
所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括：均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：
2.2.1均值思想
均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。
2.2.2變異思想
統計研究同類現象的總體特徵，它的前提則是總體各單位的特徵存在着差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特徵的抽象和宏觀度量。
2.2.3估計思想
估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。
2.2.4相關思想
事物是普遍聯繫的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。
2.2.5擬合思想
擬合是對不同類型事物之間關係之表象的抽象。任何一個單一的關係必須依賴其他關係而存在，所有實際事物的關係都表現得非常複雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關係的變化過程在數量上所體現的模式和基於此而預示的可能性”。
2.2.6檢驗思想
統計方法總是歸納性的，其結論永遠帶有一定的或然性，基於局部特徵和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特徵的假設是否可信。
2.3統計思想的特點
作為一門應用統計學，它從數理統計學派汲取新的營養，並且越來越廣泛的應用數學方法，聯繫也越來越密切，但在統計思想的體現上與通用學派相比，還有着自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。
三、對統計思想的一些思考
3.1要更正當前存在的一些不正確的思想認識
英國著名生物學家、統計學家高爾頓曾經説過：“統計學具有處理複雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實並非這麼簡單，因為我們所面臨的現實問題可能要比想象的複雜得多。此外，有些人認為方法越複雜越科學，在實際的分析研究中，喜歡簡單問題複雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使複雜的問題簡單化而不是追求複雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，並延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，並且注重於把統計學應用於人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。
3.2要不斷拓展統計思維方式
統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基於觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特徵的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。
3.3深化對數據分析的認識
任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化着，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基於同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題並且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。
參考文獻：
[1]陳福貴。統計思想雛議[J]北京統計，2004,(05).
[2]龐有貴。統計工作及統計思想[J]科技情報開發與經濟，2004,(03).
[3]範文正。幾種基本統計思想的現實意義[J]統計與決策，2007,(08).
蒙田範文網