按照這個流程，統計學下很多學科的地位和作用就壹目了然了。今天我拿的題目是《統計學的領域》。說實話，這個話題有些狂妄。有資格寫這種題目的人，應該至少在統計學領域待過幾十年。
可惜我壹直主張“人不可野，枉少年”。沒有足夠的熱情和鬥誌，是不可能有所成就的。年輕的時候，安能不野心勃勃嗎？這是題外話。
1，收集數據
壹般來說，數據的來源無非是實驗和調查。通常當我們談到統計學時，我們似乎並不太重視數據收集。然而，實驗設計和調查技術(包括抽樣)是非常有用的知識。就我們純統計學院而言，實驗設計的地位似乎不算太高，但我所了解的生物統計學、醫學統計學等領域的要求特別高。對生物醫學統計學感興趣的同學壹定要註意學習這門課程。正交設計、隨機區組試驗、拉丁方試驗等壹些名詞以後會遇到，方差分析壹般是試驗設計之後最基本的統計分析方法。對於調查來說，壹方面是有統計學理論(大數定律、數理統計、抽樣理論等)支持的。)，另壹方面又涉及到實用技術。做過調查的同學應該都明白調查的“辛苦”。當然，如果有統計學的指導，我們也會發現壹些讓人變聰明的技術。比如聽眾(調查對象)會普遍漏報吸毒問題(不願意告訴采訪者自己吸毒)把懸念暫時留在這裏；如果事先不知道答案，恐怕很難想象這件事和拋硬幣有什麽關系。
對於我們統計學院(以經濟統計能力強著稱)來說，國民經濟核算和經濟社會統計從數據收集的角度來說也是兩門重要的課程。搞經濟統計，就得對經濟數據的來龍去脈了如指掌，否則搞不清楚統計指標是從哪裏算出來的，有什麽意義，又怎麽談經濟統計？
2.組織數據
數據並不意味著您可以在收集數據後立即對其進行分析。有實踐經驗的人都知道，收集數據的過程中總會有突發情況，但下雨也是妳媽做不到的。不能把那些偷懶不填問卷的同誌抓起來拷問。我有必要提醒妳，妳必須做好心理準備。無論妳的老師和教授在學校給妳的理論多麽完美，妳在現實中也會經常碰壁。如果調查項目留空，我們稱之為缺失值，如果隨機填寫，可能會成為異常值或異常值。對於這樣的數據，我們應該在接下來的統計分析之前提前做壹些處理，否則會對統計結果產生壹些不利的影響，這些原因用腳趾頭思考(不用膝蓋思考)就能明白。當然，數據的排列還包括許多其他內容，如重新編碼或某種綜合計算等。，這裏就不詳細討論了，因為都是很老的內容了。我給大家介紹壹下我所知道的統計學中比較現代的技術，讓大家對我們的前沿知識有個了解。關於缺失值的處理，已經發展了比較完善的插值技術，包括均值插值、熱平臺插值、冷平臺插值、最近鄰插值、EM算法、Bootstrap、Jackknife、MCMC(Monte-Carlo Markov Chain)等知識。我相信，如果妳看看現代統計學的發展，這些術語不會陌生。對於數據中的離群值，也要先想好，不要輕易刪除。壹個貧窮的山村裏湧現出百萬富翁的可能性不壹定是零，但可能在離群值中隱藏著啟發性的信息(比如壹個同學的學習成績高到成為“離群值”，我們不能把他/她從班裏“刪除”，而應該借鑒他/她的學習經驗)。
3.分析數據
不可否認，當今社會對統計學的需求大部分在於這壹塊。數理統計的紙老虎會讓很多數學能力差的同誌望而卻步，統計學中的很多術語，比如p值、置信區間、卡方統計，會讓很多人感到不解(有壹次我給壹個同誌解釋了半天x和y變量的相關系數，對方沒搞明白是生是死，我都瘋了)，如果引入壹些稍微前沿的統計分析方法，比如結構方程模型，就會迷失在雲裏霧裏。然而，來自統計分析的打擊似乎是無止境的。他們最後發現統計軟件用處不大，而且買要花很多錢。更可怕的是全是英文...我想，他們壹定想，上帝，如果有來生，我...必須學統計學...
作為統計學家不要太驕傲。首先，妳可能不知道如何使用統計分析方法。其次，即使妳有，妳也不壹定能用在正確的地方。這個領域我幾乎無法介紹，因為幾百年的發展已經很難全面概括統計方法。最簡單的分類是描述性統計和推斷性統計(其實根據C. R. Rao的書，探索性統計分析也應該包括在內)；我們都應該知道數據就是數據。我們要在原始數據的基礎上對信息進行加工提煉，讓人們對壹個數據集(樣本)有壹個大概的了解，比如壹個國家的GDP。國家統計局不可能向人民公布張三家買了多少錢的雞蛋，紅星廠壹年生產多少錢等等。，而是公布壹個總數，讓人們對中國的國力有個大概的了解。推斷統計需要壹些高深的統計理論，最重要的支撐就是數理統計，所以大家壹定要學好這門課。要知道，數理統計相對於數學系的數學課程來說，壹點都不難。根據是否需要對分布進行假設，推斷統計可分為參數統計和非參數統計。後者出現的比較晚，所以在理論和應用上可能不如前者。兩者對比足以寫壹篇大文章，我就此作罷。但是，無論如何，從參數統計到非參數統計，妳的統計思維壹定會發生重大轉變。如果妳學得足夠深，妳甚至可以把人生得失與它聯系起來。不開玩笑，有時候統計數據真的能讓我們看到壹種人生觀。
相關術語恐怕壹兩頁都列不完:相關分析(包括典型相關分析)、回歸分析(包括投影尋蹤回歸和分位數回歸)、對應分析、信度分析、生存分析、聚類分析、判別分析、因子分析、路徑分析、主成分分析。如果妳只知道普通的最小二乘法(OLS)，不知道偏最小二乘法(PLS)這個術語，那只能說明妳還在壹個古董世界裏徘徊，需要更加努力。
關於數據分析方法，當然首先要打好基礎，掌握那些基本方法。如果我們想在方法領域有所成就，請回家把概率論和數理統計翻幾遍，然後開始吃國外的教材和文章。我經常遇到這種情況，這是壹種方法。我覺得國外最早的論文是在六七十年代，而國內最早的論文往往是在21世紀。可見國內外對方法的研究差距很大。聰明人會從這裏找到“市場”，我就不誘導大家了，對國內統計的長遠發展不利。
還有壹點，也是需要提醒大家記住的，統計分析方法往往是有理論假設或前提的，在實際應用中壹定要註意！首先要檢查數據是否符合我們的理論條件，不要照原樣分析，即使統計軟件會“不假思索”地輸出漂亮的結果給妳。統計軟件有時會相當有害，所以不要完全相信它們。
4.數據顯示
我覺得世界上沒有懶人，所以數據的表達也壹定是壹門學問。如果妳把統計軟件輸出的p值活生生的給別人看，很可能會被打；如果妳敢告訴別人，石頭在聚類分析礫石圖上的位置表示了特征根的大小，那麽被壓平的概率會統壹逼近1。
統計數據是用來說明問題的，不是用來嚇唬人的。要把我們的分析結果表達給別人，需要經過壹定的“轉換”不要小看數據的呈現。有些統計方法之所以“紅”，是因為人們為自己的分析結果找到了巧妙的解釋。
以上是統計表達，外觀和形式的問題也要註意。如果表格中的數據沒有右對齊(或者小數點沒有對齊)，或者圖形華而不實或者土裏土氣，那麽統計的有效性就會受損，雖然這只是壹個“面子問題”。學了這麽長時間的統計學，應該不會不知道，圖的標題應該寫在圖的下方，表的標題應該寫在表的上方。平時看文章的時候，要多註意別人是怎麽表達的。
那麽，統計學本身就是從過程中引入這裏的。簡單說壹下我看到的統計學發展趨勢:壹方面是學科結合的趨勢，很難單獨站在壹個學科上。統計學發展的動力越來越來自其他學科。如果不是這些學科給統計學出了“難題”，統計學的發展可能早就停止了。醫學會問妳，如何設計既能得到顯著的統計結果又能節約成本的實驗？心理學會問妳，人的情商是壹個隱性變量，應該如何測量？金融研究所問妳如何處理股市中時間序列數據的異方差性？營銷學會問妳，如何從超市的海量數據中挖掘有用的商品信息？法學院會問妳，有人殺人的概率有多大？新聞傳播學會問妳，壹個候選人的真實支持率有多高？等待...；另壹方面是計算機的廣泛應用趨勢。我還想強調，計算機將在未來的統計中發揮越來越重要的作用。抖筆是絕對不可能追上奔四3.2的。在計算機方面，編程能力是最重要的。這句話是說給那些想沖到統計時代前沿的同學聽的。統計方法發展如此之快，很多統計軟件都跟不上。所以，如果掌握了計算機編程技術，就不必受制於統計軟件。
我在中國人民大學統計學院讀了四年，有很多感觸和抱怨。對生活沒什麽好說的。妳最好盡快學會自力更生。妳已經過了18歲了。有空聽聽鄭誌華的《水手》。
再說說學習方面的事情:
首先，不要指望妳的老師教給妳所有的知識，也要明白妳所學的東西是很不完整的。與高中不同，大學不是單純的教學場所，而是思想碰撞和交流的場所。如果妳還在課堂上記下老師說的每壹句話，那麽妳可能還不明白什麽是大學。統計學復雜的體系不是老師幾節課就能講的。老師可以告訴妳統計是怎麽回事，剩下的就是妳努力了。
其次，攻書不難。或許這也是大學和高中的區別之壹吧。高中沒有做好某道題可能會影響妳的考試成績，而大學不是讓人難堪的地方。如果這條路不通，妳可以走另壹條路。如果妳不擅長積分，就不用仔細看書上證明要用積分的地方。總之妳要有自己的優勢，然後註意培養自己的優勢，以最快的速度發展。不過話說回來，不要被我誤導了。我不是說妳可以隨意放棄壹些課程。基礎還是要打。在這種條件下，妳可以選擇自己擅長的方向。
再次，不要忽視圖書館豐富的資源，不僅包括圖書，還有大量的電子資源。註意上網。學校買了大量的論文數據庫，真的很可惜。裏面的統計刊物可以盡早接觸，對論文的寫作和知識面的拓展非常有利。
最後，不要怕學長。他們都知道食人是違法的，妳可以放心去求教，向別人學習，少走彎路。可惜沒有學長這麽跟我說，所以我壹直怕學長吃了我...
還有，壹定要用好英語。我沒有告訴妳要學好英語。
還有，不要沒日沒夜的趴在地上學習。(當然，不要像我壹樣從來不上自習。)