统计研究杂志怎么样的论文

从统计学的发展趋势谈统计教育的改革 摘要：要培养出新型的21世纪的人才，统计教育必须高瞻远瞩。本文从统计学的发展趋势谈了统计教育急需改革的几个方面。 关键词: 统计学； 发展趋势； 统计教育改革 随着国家创新体系的建立，统计创新工程已经提上议事日程，统计创新包括两个方面，一是统计实践的创新；二是统计教育的创新。创新的基础在于教育，没有统计教育的创新，就谈不上统计实践的创新。准确把握统计学的发展方向与发展形势，培养适应新世纪社会经济发展需要的人才，是统计教育工作者必须面对的问题，本文从统计学的基本发展趋势谈一谈统计教育急需改革的几个方面。 一、统计学的基本发展趋势 纵观统计学的发展状况，与整个科学的发展趋势相似，统计学也在走与其他科学结合交融的发展道路。归纳起来，有两个基本结合趋势。 （一）统计学与实质性学科结合的趋势 统计学是一门通用方法论的科学，是一种定量认识问题的工具。但作为一种工具，它必须有其用武之地。否则，统计方法就成为无源之水，无用之器。统计方法只有与具体的实质性学科相结合，才能够发挥出其强大的数量分析功效。并且，从统计方法的形成历史看，现代统计方法基本上来自于一些实质性学科的研究活动，例如，最小平方法与正态分布理论源于天文观察误差分析，相关与回归源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究。抽样调查方法源于政府统计调查资料的搜集。历史上一些著名的统计学家同时也是生物学家或经济学家等。同时，有不少生物学家、天文学家、经济学家、社会学家、人口学家、教育学家等都在从事统计理论与方法的研究。他们在应用过程中对统计方法进行创新与改进。另外，从学科体系看，统计学与实质性学科之间的关系绝对不是并列的，而是相交的，如果将实质性学科看作是纵向的学科，那么统计学就是一门横向的学科，统计方法与相应的实质性学科相结合，才产生了相应的统计学分支，如统计学与经济学相结合产生了经济统计，与教育学相结合产生了教育统计，与生物学相结合产生了生物统计等，而这些分支学科都具有"双重"属性：一方面是统计学的分支，另一方面也是相应实质性学科的分支，所以经济统计学、经济计量学不仅属于统计学，同时属于经济学，生物统计学不仅是统计学的分支，也是生物学的分支等。这些分支学科的存在主要不是为了发展统计方法，而是为了解决实质性学科研究中的有关定量分析问题，统计方法是在这一应用过程中得以完善与发展的。因此，统计学与各门实质性学科的紧密结合，不仅是历史的传统更是统计学发展的必然模式。实质性学科为统计学的应用提供了基地，为统计学的发展提供了契机。21世纪的统计学依然会采取这种发展模式，且更加注重应用研究。 这个趋势说明：统计方法的学习必须与具体的实质性学科知识学习相结合。必须以实质性学科为依据，因此，财经类统计专业的学生必须学好有关经济类与管理类的课程，只有这样，所学的统计方法才有用武之地。统计的工具属性才能够得以充分体现。 （二）统计学与计算机科学结合的趋势 纵观统计数据处理手段发展历史，经历了手工、机械、机电、电子等数个阶段，数据处理手段的每一次飞跃，都给统计实践带来革命性的发展。上个世纪40年代第一台电子计算机的诞生，给统计学方法的广泛应用创造了条件。20年代发展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，那些计算繁杂的统计方法的推广与应用，由于相应统计软件的开发与商品化而变得更加方便与迅速，非统计专业的理论工作者可以直接凭借商品化统计分析软件来处理各类现实问题的多变量数据分析，而无需对有关统计方法的复杂理论背景进行研究。计算机运行能力的提高，使得大规模统计调查数据的处理更加准确、充分与快捷。目前企业经营管理中建立的决策支持系统（DSS）更加离不开统计模型。最近国外兴起的数据挖掘（Datamining,又译"数据掏金"）技术更是计算机专家与统计学家共同关注的领域。随着计算机应用的越来越广泛，每年都要积累大量的数据，大量信息在给人们带来方便的同时也带来了一系列问题：信息过量，难以消化；信息真假，难以辨识；信息安全，难以保证；信息形式不一致，难以统一处理；于是人们开始提出一个新的口号"要学会抛弃信息"。人们考虑"如何才能不被信息淹没，而是从中及时发现有用的知识，提高信息利用率？"面对这一挑战，数据挖掘和知识发现（DMKD）技术应运而生，并显示出强大的生命力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。虽然统计学家与计算机专家关心Datamining的视角不完全相同，但可以说，Datamining与DSS一样，使得统计方法与计算机技术的结合达到了一个更高的层次。 因此，统计学越来越离不开计算机技术，而计算机技术应用的深入，也同样离不开统计方法的发展与完善。这个趋势说明：充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。所以，对于财经类统计专业的学生来说，一方面要学好统计方法，但另一方面更加要学会利用商品化统计软件包解决实践中的统计数量分析问题，学好计算机信息系统开发的基本思想与基本程序设计，能够将具体单位的统计模型通过编程来实现，以建立起统计决策支持系统。 所以统计与实质性学科相结合，与计算机、与信息相结合，这是发展的趋势。了解这一点，再来看我们目前教育中的问题就更加明显了，所以一些课程要改革，教学方式也要改革。以下谈一谈统计教育需要改革的几个方面。采纳哦

先介绍下怎么写论文吧：　　首先，护理文章的类型有挺多种的，大致主要是论著、综述、个案报告、护理心得等，不同文章类型的写法不同，格式也不同，关于写作格式，人卫出版社的《护理研究》一书中有专门的介绍，尤其是前两种，后两种的写作格式相对比较自由些。　　但如果你指的论文是学位论文，比如说研究生、博士生的毕业论文的话，要求就很高了，这个建议你可以去万方的全国学位论文数据库中下载个一两篇看看。不过，一般不是研究生或博士生的话，也不需要写学位论文，如果要写的话，也一定会有导师或师兄师姐可以寻求帮助，所以我估计你的情况应该是属于上面一种。　　当然上面我所说的只是针对写作的格式而言，关于内容方面的话是需要经过比较系统的学习才能有所领悟的。首先，一个最基本的概念是，做研究，写文章是最后一步，如果没有之前那么多的准备、铺垫的话肯定是没什么可写的，所以，建议你先系统地了解下做研究的整个过程，《护理研究》上有详细介绍，如果你身边有哪些护理科研项目在开展的话，你可以加入他们的团队感受下，千万别网上搜搜文章，然后复制黏贴完事。其次，研究最核心的部分是科研设计，如果是没有基础的话，要理解什么是科研设计、怎么设计也的确挺难的，比较速成的一个方式是，明确你要研究的问题，然后找相似的文献进行学习，看看人家都是怎么做的。当然，一味照搬是没用的，因为科研讲究的是创新，没创新文章就不容易发。　　关于发表文章：　　发表文章的流程一般是这样的：写完文章后，先将文章投稿到你预期想投的杂志社（现在一般都是网上投稿，具体各杂志社的网上投稿地址杂志上一般都会写明，不然上网查下）；等待回复，即录取还是不录取，一般需要1-3个月，快的话2—3个星期，每个杂志社不同；收到录取通知单后，按照要求汇款给杂志社，一篇综述或论著的版面费一般在1000左右，不同的杂志社收费标准也不太一样；然后就是漫长的等待，等待编辑审稿，一般需要半年左右；接下去你会收到编辑的修改建议，根据建议进行修改再回寄；如果修改没什么问题的话，会告知你的文章将在哪一期的那个栏目内出版；然后就是等待正式出版了。基本上要花上将近1年的时间吧。　　想要自己的文章能被发表的话，首先，在确定研究题目的时候一定要紧抓热门话题，其次，要有自己的创新点。投文章时，首先要了解每个杂志社不同的口味，比如说我的研究问题哪个杂志社上的文章较多之类，不要盲目投，因为很有可能你的文章不错，但投错了杂志，因为你研究的东西不是这个杂志感兴趣的，打个不恰当的比喻，比如你的问题是临床的，但你投了管理的杂志，那就有些不适合了。　　Anyway，希望以上的内容对你能有些帮助。

《统计学的世界》，《全美经典的统计学》，《爱上统计学》，《女士品茶》，《统计学》，《信息与文献 参考文献著录规则》。

应该留的有联系方式吧，打个电话问下啊

《统计学：从数据到结论》，从这一本开始，书很好看，轻松有趣，必看。书的前言部分必读，这也是对接下来推荐书目的阅读建议，《统计学：从概念到数据分析》，这本会让你重新认识那些公式和统计学的新观点。

请问，你从投稿到可刊状态总共用了多久？中间过程中是否有向编辑部咨询过？