一、行政管理中的量化研究方法

量化研究一般指對事物可以量化的部分進行測量和分析，以檢驗研究者自己關于該事物的某些假設的研究方法。行政管理中的量化管理，從狹義的方面說涉及兩部分：一是針對管理人員自身的管理工作的量化，即內部效率；二是針對所處理事務的效率評估量化，即內部外部效率的綜合評價，針對不同的部分，應有不同的量化管理對策。本文是從狹義方面來分析量化方法在行政管理中的運用。

二、量化研究方法在我國行政管理中的運用

在公共政策科學化的背景下，以理性分析為基礎和根據的定量分析是當代公共政策分析的主流。這是由公共政策分析的學科任務所決定的。量化研究在行政管理中運用的基本步驟是：第一，建立一個關于行政管理的量化研究模型；第二，收集所要研究問題的數據，即量化的進程；第三，將收集到的行政管理資料進行進一步的分析，詮釋；第四，總結，得出量化的結論；第五，將定性和定量研究方法結合起來，用定性方法來詮釋所要研究的問題，用定量方法來做結論。

三、中外行政管理量化研究的差異

第一，從研究方法上來看，目前我國行政管理量化分析的研究主題以公共政策問題的構建為主，而該類主題相對而言更適用于統計分析方法。美國對于行政管理的量化研究已較為深入，使用的方法也比較多元化，結合了計量經濟學分析法、統計學分析法、數學分析法等，更為詳盡的研究了行政管理。

【摘要】目的UF-100全自動尿沉渣分析儀聯合尿干化學分析儀與顯微鏡鏡檢測定尿中白細胞和紅細胞結果的比較。方法收集1000份尿液樣本，分別進行UF-100全自動尿沉渣分析儀、尿干化學分析儀與顯微鏡鏡檢檢測。結果UF-100全自動尿沉渣分析儀與尿干化學分析儀聯合檢測尿中白、紅細胞和顯微鏡鏡檢檢測結果陽性率二者相差不顯著(P>0.05)。結論UF-100全自動尿沉渣分析儀與尿干化學分析法、顯微鏡鏡檢聯合應用可以提高檢測精確度。

【關鍵詞】UF-100全自動尿沉渣分析儀；干化學分析法；白細胞；紅細胞

近年來，隨著尿干化學分析儀和全自動尿沉渣分析儀的出現，使尿常規檢查實現了自動化，提高了尿液分析的速度和準確性，為了解UF-100全自動尿沉渣分析儀和尿干化學分析法在尿常規檢驗中聯合應用的臨床價值，我們對1000份尿液標本進行了UF-100全自動尿沉渣分析儀和尿干化學分析儀檢測，并將結果與顯微鏡鏡檢作了比較。

1材料與方法

1.1材料和對象

1.1.1儀器和試劑

摘要：大數據時代，數據分析各環節的變化對統計學專業人才培養模式的變革起到了催化作用.數據挖掘作為拓展和提升大數據分析方法與思路的應用型課程，被廣泛納入統計學本科專業人才培養方案.本文對大數據時代數據分析師的職業需求進行了調研，在此基礎上提出了基于R語言的項目式數據挖掘實驗教學模式.教學實踐結果表明，通過項目式學習，可以讓學生在掌握理論知識的基礎上，進一步提升分析問題和解決實際問題的能力，進一步適應大數據時代數據分析師的職業要求.

關鍵詞：統計學；數據挖掘；實驗教學；數據分析師；項目式學習

1引言

2016年美國統計協會(AmericanStatisticalAsociation)對統計學的內涵給出一個較為簡潔的說明，將統計學定義為：“thescienceoflearningfromdata”，即從數據中學習的科學[1].該定義實際上與數據科學（DataScience）的內涵如出一轍.筆者以為ASA之所以對統計學做出這樣的內涵解釋，實際上表明在大數據浪潮中，統計學正走在變革的道路上.大數據時代，數據的產生、收集、分析與應用等環節都發生著深刻的變化.互聯網技術的高速發展使每個人成為數據的生產者，數據生產已經突破了時間、地點的限制，數據量也由抽樣數據向大數據轉化；數據的存儲類型由紙和筆記載的關系型結構化數據向半結構、非結構和異構的網絡數據類型轉化；數據的采集由根據統計分析目的的調查式收集向基于大數據技術的自動化采集方法轉化；數據的分析由傳統的驗證型分析方法向探索型分析方法轉化；數據的應用由輔助管理決策向引導變革轉化.以上變化正在重塑數據分析流程，而數據分析模式的變革必然引起教育模式的改革.事實上，在大數據洪流的沖擊下，統計學專業的人才培養模式已經悄然發生變化.當前，統計學專業融合大數據、計算機、人工智能等相關學科知識，引導學生認識和掌握數據處理的新技術，推動交叉學科應用型人才的培養，已經成為共識.其中，在統計學專業課程體系中引入數據挖掘課程就是典型的代表.數據挖掘技術在一定程度上彌補了傳統統計分析方法的不足，可以進一步增強學生探索性數據分析的能力，更加適應大數據時代的需求.與統計學強調推斷理論和方法不同，數據挖掘強調經驗，著重于從數據中挖掘有用的模式和價值，只要能夠有效地解決問題，方法和模型本身并不重要.因而，筆者認為數據挖掘課程能夠拓展統計學專業學生數據分析的思路和方法，進一步加深對數據分析內涵的理解.由此，本文致力于探索大數據背景下統計學專業數據挖掘實驗課程教學模式，以提升統計學人才實踐應用能力，使其不斷適應大數據分析的需求.

2大數據時代市場對應用型統計人才的新需求

數據分析師是統計學專業大學生畢業后的主要職業選擇之一.數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，并依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測并轉化為決策信息的專業人才[2].為了客觀分析大數據時代應用型統計人才需具備的知識、能力和技術，本文通過智聯招聘網對企業公布的數據分析師職位招聘信息進行了調研，這些招聘信息都是面向應屆本科畢業生的，具有較強的針對性，調研時間為2018年8月3日.本文調研了七家上市公司[3]，有國企事業單位、互聯網公司、金融公司、網絡游戲公司、網絡媒體公司等，各公司對數據分析師的崗位職責、知識要求、能力要求和技術要求見表1所示.從數據分析師的崗位職責來看，不同類型的企業雖然具體要求不同，但是核心職責是相同的，主要有三個方面：負責業務部門的數據需求分析，也就是通過調研了解業務部門的需求，確定數據分析對象和目的；構建業務數據分析指標體系，即如何開展數據分析工作，確定數據采集、處理和分析及結果解讀等環節的指標、方法、模型及數據分析工具等；為業務部門提供數據決策支持，包括撰寫調研報告、數據分析報告及設計數據產品和開發數據分析工具等等.從崗位職責的核心要素來看，數據分析師是非常契合統計學專業的人才培養目標的，從調研到設計到分析到結果解讀，是數據分析的一個完整流程.但是，也可以看出很多企業在數據分析中特別強調了數據挖掘方法，如北京計算機技術及應用研究所強調用戶行為挖掘和個性化推薦、金融界強調用戶行為數據和網絡日志數據挖掘，而這些都不是傳統統計學分析方法的范疇.從知識要求來看，大部分企業都要求數據分析師具有統計學專業背景，但互聯網公司特別強調統計學、數學和計算機的交叉和融合.實際上，數據分析師作為復合型人才，除了掌握必要的統計分析理論和方法外，數學建模和編程能力都是必不可少的.從能力要求來看，較強的數據敏感度和清晰的邏輯思維能力是核心要素.其次，從業務來看，數據分析師需要同不同的部門打交道，溝通協調能力和團隊協作能力也是必不可少的.從技術要求來看，大部分企業都要求數據分析師至少要掌握一種統計分析軟件，如SPSS或MATLAB；至少要熟悉一種編程語言，如Python或R；至少要掌握一種數據庫技術，如MySql/Oracle/SQLServer等，最簡單的是excel.在高校及商業統計分析領域，R語言是當前最受歡迎的統計編程語言之一.綜合以上分析可以得出，統計學專業的學生要想成為出色的數據分析師，除了具備堅實的統計學理論和方法外，還需要具備良好的計算機能力，如數據庫技術和編程能力.更重要的是，數據挖掘方法與技術作為大數據技術的基礎已經成為數據分析師必備的技能，也是企業招聘時重點關注的技術.

摘要：測量系統分析（MSA，MeasurementSystemAnalysis）是一種關于檢驗的分析工具，是ISO/TS16949汽車行業質量管理體系中的五大工具之一。測量系統分析源于國外，但現在已經越來越被國內制造型企業所重視，因為它是一種比較系統，比較全面的客觀數據分析工具，是質量管理的重要手段之一。

關鍵詞：測量系統分析，質量管理，計數型，計量型

1、引言

近年來，產品質量已經成為企業核心競爭力之一。質量源于數據，數據源于測量，所以合格率、不良率等反映產品質量存在問題的數據的真實性至關重要，而且數據和測量貫穿在整個生產過程中，不管是在進貨質量控制中、過程質量控制中、還是在質量改進過程中都離不開數據支持和分析。測量系統分析是一種數據分析工具，通過有目的、有規律的系統的采集大量數據后，對數據進行可靠性、置信度、概率學分析研究，測算出此系統偏差的水平，及可能產生的原因（系統的、隨機的），綜合判定測量系統的狀態，評估測量系統的能力，根據計算結果，分析是否需要采取措施減小或消除誤差，從而保證數據的真實性和穩定性。

2、測量系統分析的理論與方法

2.1、測量系統分析的相關概念。測量被定義為“對某具體事物賦予數字（或數值），以表示它們對于特定特性之間的關系”。測量過程被定義為這個對某具體事物賦予數字（或數值）的過程。測量值被定義為通過測量過程所得到的數值。測量設備是指用來獲得測量值的設備，一般是指在企業中的檢測儀器或設備。測量系統是指在測量過程中，為了得到測量結果，所使用的操作者、設備、軟件、環境等因素的集合，包括所有測量過程中的影響因素。測量系統分析是指通過統計學的方法，對測量數據進行誤差或標準差等計算，通過數據波動情況來分析整個測量過程中存在的問題，找到誤差來源并進行消除，從而保證所得到的測量結果的準確性。測量系統分析實際上是分析測量系統所帶入的變異相對于工序過程總變異的大小。其有五大特性，偏倚、線性和穩定性屬于位置變差；重復性和再現性屬于寬度變差。通過測量過程能得到準確數值的測量系統稱為計量型測量系統；通過測量過程不能得到準確數值，只能定性的得到合格或不合格判定的測量系統稱為計數型測量系統。偏倚、線性、穩定性、重復性和再現性的分析方法屬于計量型測量系統；假設檢驗分析法（KAPPA）屬于計數型測量系統。在實際生產應用過程中，根據生產現場中測量系統的特性特點及應用情況，需選用不同的分析方法來進行判定。2.2、測量系統分析的特性。從理論上來說，測量系統測試出來的數據應該是0偏差、0偏倚、錯誤概率為0的統計特性，是絕對準確和穩定的數值。但是在現實中，由于各類影響因素的影響，根本做不到0變差。識別變差源的工具有因果圖等。變差源各式各樣，例如：產品清潔度、人員態度、溫濕度、檢驗設備維護保養等。每一個變差對測量系統都會產生影響，且影響唯一。在實際應用中，如果測量系統是在受控的條件下，大多數測量過程的變差都應該呈現為正態分布，或是說是接近正態分布。如果測量系統是在不受控的條件下，則不適合用統計學的方法對其進行研究和分析，會得出錯誤的結論，因為統計學方法是以正態分布為前提假設的。對不同變差源的影響應經過短期和長期的分析：短期分析是指短時間內測量系統隨機誤差。由偏倚、線性、重復性和再現性所得的誤差所合成。長期分析指在一定時間內測量系統隨機誤差。由穩定性所得的誤差所組成。測量系統變差的特性是指過程在受控條件下，標準的正態分布曲線主要包括兩種變差因素：位置變差和寬度變差。位置偏差一般用偏倚、線性和穩定性來表示；寬度變差一般用重復性和再現性來表現。再加上分辨力，就形成通常所說的測量系統能力的“六性”。2.2.1、分辨力。分辨力是指一個測量設備能夠檢測并顯示相對于參考值的變化量。也被稱為解析度。通常是指測量設備上的最小刻度值。測量設備的分辨力一般要至少等于被測物體的值的十分之一。例如要測量一個盒子的長度大概是10cm，就必須找一把最小刻度在1mm的尺子去進行測量，才能保證基本的精度，如果找一把最小刻度在1cm的尺子去進行測量，精度就會很差，測量偏差就會增大。如果找一把最小刻度在1um的尺子去進行測量，精度會很高，但可能會精度過剩，造成浪費。2.2.2、偏倚。偏倚是指對于同一產品上的同一特性的多次測量平均值與真值（參考值）的差異。偏倚也可以被稱為是“準確度”。偏倚是測量系統的系統誤差。偏倚和變差經常被用來形容一組數據的好壞，偏倚小和變差小的數據是高質量數據；偏倚大和變差大的數據是低質量數據。由于各因素的影響，測量系統不可能為0偏倚，所以對于每個測量系統來說，或多或少都會存在偏倚。2.2.3、穩定性。穩定性是指偏倚隨時間的變化程度，在一定的監控時間范圍內，用同一個操作人員用同一臺檢測設備對同一個樣品的同一特性進行多次測量所獲得的總變差。如圖1所示。穩定性反映出測量系統的過程受控，印象因素中只有普通原因沒有特殊原因，只有受控條件下對其進行研究才有意義。2.2.4、線性。線性可以被理解為對于不同量程的偏倚的變化。理想狀態下，量程大和量程小對偏倚不造成影響，但是由于量具的做工問題、老化問題、人員操作問題等，在實際應用的時候，量程大和量程小的部分都會產生偏倚，這個偏倚我們可以用校準的方法進行有效地修正。如圖2所示。2.2.5、重復性。重復性是指一個操作人員用同一臺檢測設備對同一個樣品的同一特性進行多次測量而得到的測量變差，是設備本身的固有變差，也可以被理解為是一種普遍原因的變差，就是指在其他條件（測量人員、測量設備、測量環境、測量方法等）都被限定住的情況下，系統內部的變差。圖3表示了測量系統的重復性。2.2.6、再現性。再現性是指不同的操作人員使用同一臺檢測設備對同一個樣品的同一特性進行多次測量而得到的測量變差，手動檢測設備受不同操作者的操作手法的影響比較大，但不代表自動檢測設備不存在此類影響，環境的微小變化、產品的擺放位置等都會對結果產生影響，而且在再現性的計算中還會包括重復性。2.2.7、GRR或量具的重復性和再現性（GageR&R）GRR指的是重復性和再現性的聯合估算值。2.3、測量系統分析的方。法2.3.1、計量型測試系統的分析方法。計量型測試系統主要針對的是能測量出具體數值的測量系統，分析方法主要有：極差法、均值‐極差法和方差分析法。極差法最為簡單，用于快速判定系統是否有變差，但無法分辨出變差來源。均值‐極差法在極差法的方法上更進一步，能體現出重復性和再現性，但對兩者的關系不進行評價；方差分析法是統計學標準方法，計算比較復雜，估算值比較準確，能體現出各因素之間的交互作用等。在實際應用的過程中，需要根據現場情況選擇適用的分析方法來進行分析。2.3.2、計數型測量系統的分析方法。計數型測量系統分析方法是一種針對只能進行合格與否判定的，無法測量出具體數值的測量方式而進行的統計學分析，常用的分析方法有假設實驗分析‐交叉表法。由于其沒有計量型測量系統準確，故能選用計量型方法的，還是需要選用計量型分析方法。

1資料與方法

1.1一般資料

選取2012年11月~2013年11月在本院手術室行手術治療的952例患者作為觀察組,選取2011年9月~2012年9月在本院手術室行手術治療的911例患者作為對照組。兩組患者的性別、年齡、術式等一般資料比較差異無統計學意義(P>0.05),具有可比性。

1.2研究方法

在未成立系統追蹤管理小組之前,手術室采用傳統護理安全管理模式。在成立系統追蹤管理小組之后,由該小組主導手術室的護理安全管理,其主要職責包括如下幾個方面。

1.2.1完善各項規則制度

摘要：統計分析方法是當下企業應用頻率高和效果較好的數據分析方法，對企業的市場營銷方案制定以及實際銷售工作影響較大。統計分析軟件類型較多，有SPSS數據分析軟件、SAS數據分析軟件等，不同統計分析軟件發揮作用不同。但是總的來說，其均具有強大的數據處理和分析能力，可判斷市場中企業所處位置、競爭優勢和劣勢，了解同行業企業產品特點，以及市場發展特點。利于企業及時了解市場需求、客戶需求以及競爭者的發展形勢等，利于實現企業經濟效益。

關鍵詞：統計分析；市場營銷；數據統計分析

現代企業在市場中競爭壓力較大，企業為在社會立足和發展，掌握準確的市場發展動態、市場中各類數據的增長狀況是關鍵。因此，本文選擇就統計分析在市場營銷中的作用深入分析，為了確保分析的全面性。首先本文闡述了統計分析方法的內涵，增加對該方法的了解，其次分析統計分析在市場營銷中的作用，利于引導企業增加對于統計學分析的重視。而后對統計分析法在企業人力資源管理應用的現狀深入研究，最后就統計分析法在企業人力資源管理中的實際應用予以詳細論述。

一、統計分析法的含義

統計分析英文名為Statisticalanalysis，其具有目的性和時效性等特點，隸屬于商業智能，應用方法簡單，且工作量小。統計學分析主要是利用對研究對象的程度、范圍、速度、規模等不同數量關系。揭示和認識了事物相互之間的關系、變化的規律以及發展趨勢，以此達到準確解釋與預測的統計分析方法。統計分析可被劃分為五個主要步驟：（1）對需要分析的數據進行性質判斷；（2）對基礎群體相互數據關系深入研究；（3）建設一個模型，分析基礎群體和數據之間的聯系；（4）證明此模型是否具有有效性；（5）通過預測分析來判斷市場未來的發展趨勢。

二、統計分析在市場營銷中的作用

1研究對象與實施方法

1.1研究對象及分組

在2012級臨床醫學本科班的教學中，隨機選擇8個班（約40人/班），分為4組（2個班/組）：對照組（傳統教學法組）、置問法組、病例分析法組與病例分析聯合置問法（聯合）組。對各班進行標本辨認測試、期末考試成績進行統計學分析和問卷調查分析，通過統計學分析得出最佳教學模式。

1.2實施方法

1.2.1傳統教學法：即課堂教學全程由教師講授、學生聽課，不設置問題，不進行相關病例分析，傳統教學法作為本實驗的對照組。

1.2.2置問法：置問法以課堂基礎知識的相關問題為中心，把問題作為教學的首要環節。采用置問法應在下一次上課前將問題提前布置給學生，讓學生課下學習相關解剖知識并查閱相關文獻資料。課堂教學實施過程中，圍繞所設置的問題用課堂相關知識解釋預設問題。

［摘要］經濟數學在金融體系中通過微分方程、導數運算、函數運算以及線性代數的法則及其理論，實現對社會經濟活動的數模描述，將復雜的金融經濟關系用數學公式的形式予以表達，有助于促進現代金融經濟的繁榮。這是經濟發展的必然，也是時展的要求。本文通過對現代經濟分析中的數學應用和金融經濟分析中的經濟數學應用進行分析，就金融經濟中經濟數學分析中所面臨的問題展開研究，從創新層面上提出優化數學經濟分析法的創新措施，希望能為我國經濟數學在金融經濟分析中的良性發展提供參考。

［關鍵詞］經濟數學；金融經濟；現代經濟

現代金融經濟伴隨著經濟全球化的進程而發展，在經歷了十多年的金融實踐之后，現代金融經濟也開始出現了一些伴生性問題。傳統的經濟定性分析已難以滿足復雜的金融經濟發展需求。近年來，所提出的經濟數學可視為現代金融體制下而產生的新數學應用方向，其在金融體系中通過微分方程、導數運算、函數運算以及線性代數的法則及其理論，實現對社會經濟活動的數模描述。實踐證明，經濟數學可以有效解決金融經濟問題，將復雜的金融經濟關系用數學公式的形式予以表達，有助于促進現代金融經濟繁榮。當前，經濟數學在金融經濟分析中的應用較為廣泛，其數據的可靠性及分析結果的科學性已逐步趨于成熟。而不可忽視的是，經濟數學在其發展進程中仍有部分問題亟待解決，為更好地將經濟數學應用在金融經濟活動中，進行應用層面的研究具有十分重要的意義。

1現代經濟分析中的數學應用

數學以其獨特的實踐應用價值，在經濟社會的快速發展中延伸到行業的各個層面，這是經濟發展的必然，也是時展的要求。尤其是數學中的統計學和微積分在現代金融經濟中的作用日趨明顯，逐步成為金融經濟活動的重要手段和標簽。同時，因數學應用與信息時代具有先天的契合點，在信息技術的不斷助推下，數學模型在金融經濟領域的應用更加關鍵。其有效應用不僅可以使人們科學地對金融數據進行分析，同時能夠幫助人們更好地對市場金融環境做出科學而完整的預估，從而促進金融經濟進一步完善，使經濟社會得以健康、平穩發展。1.1現代經濟中的數學分析法。數學分析法能夠科學而準確地分析金融經濟行為中的各種現象和問題，從而能有效減少經濟行為中的誤差，是對現代現象最普遍、有效的經濟分析方法。數學分析法自身所具有的嚴密性、邏輯性是其他經濟學分析方式未能實現的。經濟社會的快速發展必然將會導致其與傳統的經濟分析模式出現脫節，數學分析法將通過發揮自身的優勢有效解決傳統經濟分析法中的短板。例如，數學分析法在現代經濟學中的應用，可以有效減小認知的歧義，有利于人們學習現代經濟學理論。1.2現代經濟中的假性數學應用。在利用數學理論分析現代經濟活動的過程中，數學方程成為現代經濟數學分析方式的首選。樣式多變、規律完整、層次清晰的數學方程可以使人們對經濟規律有一個更為客觀而準確的判斷。例如：為推出某種產品，公司在制訂相應的生產和銷售計劃時，產品價格和市場需求都將在一定程度上受到未來的市場環境和消費需求等層面的影響。數學假性理解為科學預測經濟走向提供了較好的選擇，使人們在經濟活動進程的各個階段可以對發展規律、市場走向、產品供銷等方面進行整體評估，有利于人們更好地開展未來的經濟活動。

2經濟數學在金融經濟分析中的應用

1資料與方法

1.1一般資料。選取2013年12月至2014年12月我院進行治療的80例行擇期手術的患者作為研究對象，所有患者的具體情況如下：在研究組患者中，男性占28例，女性占12例，年齡在20歲到52歲之間，平均年齡為（40.5±7.5）歲；在對照組患者中，男性占25例，女性占15例，年齡在21歲到46歲之間，平均年齡為（41.5±5.5）歲。所有行擇期手術的患者經過全面的身體檢查，均無其他的影響性疾病，符合臨床診斷標準，兩組患者的資料差異無統計學意義（P值大于0.05）。

1.2方法。經過患者的統一，采用隨機抽取的方式，把所有行擇期手術的患者分為研究組（40例）和對照組(40例)，對照組患者給予常規護理。研究組患者給予無痛護理技術，對患者采用無痛靜脈留置針穿刺，在進行手術之前，醫務人員需要先給患者局部涂抹丁卡因膠漿，一般來說只要涂抹約1mm厚即可，同時還需要在該處敷一層薄膜，這樣就可以進行表面麻醉，在一定的時間后，醫務人員需要對該局部皮膚進行清潔且消毒，這樣就可以對患者進行靜脈穿刺。

1.3療效評定標準。經過一段時間的護理后，對兩組患者的護理滿意度進行評價，從綜合結果來判定無痛護理技術是否能夠對行擇期手術的患者病情康復產生積極意義。

1.4統計學方法。對此次醫學研究數據進行統計采用的方法是使用SPSS17.0軟件進行分析。代表計量資料的是（x－±s），對相關數據進行分析采用的是單因素方差分析法，而對計數資料進行統計學分析采用的是x2檢驗方法，如果P值小于0.05，就表明差異具有統計學的意義。

2結果

摘要：為快速識別數字傳感器故障，保證稱重設備正常的工作狀態，針對鋼卷秤四個數字傳感器的輸出碼值進行研究，通過采集不同狀態下4個傳感器的輸出碼值，然后使用統計學分析方法中判別分析和聚類分析建立傳感器故障識別模型。結果表明，通過該兩種方法可以很好地識別傳感器的4種工作狀態，為傳感器的故障識別提供可靠的一種技術支撐。

關鍵詞：數字稱重傳感器；判別分析；聚類分析；故障識別

數字式傳感器是各種衡器重要組成部分，由于它的抗干擾能力強有較好的偏載、溫度漂移、蠕變、非線性等特性，它所組成的衡器將被廣泛應用于各種工業及貿易場合冶金行業制造的稱重設備，必須具備超準確的計量結果，否則將出現計量異議。因此，對于整個稱重系統而言，能夠及時準確地識別傳感器的故障勢在必行。多元統計分析是一種綜合分析方法，它能夠在多個對象和多個指標互相關聯的情況下分析它們的統計規律，主要內容包括多元正態分布及其抽樣分布、多元正態總體的均值向量和協方差陣的假設檢驗、多元方差分析、直線回歸與相關、主成分分析與因子分析、判別分析與聚類分析等[1-2]。本文采用統計學分析方法中判別分析和聚類分析建立傳感器故障識別模型，為識別數字傳感器輸出是否發生故障提供一種有效方法。

1實驗方法

本實驗是以電子鋼卷秤為例進行的，主要通過因特網接口連接方式將儀表連接到現場三級交換機，再連接到電腦終端，采用單點登錄方式訪問網址，采集電子鋼卷秤中4只傳感器的輸出碼值數據來確認傳感器的工作狀態是否正常。該實驗中正常工作狀態下每只傳感器的輸出碼值均為14000+400，正常情況下4只傳感器任意2只傳感器碼值輸出差異在400碼值范圍內，超出此范圍可以預判傳感器發生故障或者秤體發生傾斜造成的。下面對不同種工作狀態下傳感器進行定義，四只傳感器輸出碼值差異均在400碼值范圍之內定義為正常，其中一只傳感器與正常工作狀態下傳感器輸出碼值偏差超400碼值范圍定義為異常2，其中2只傳感器與正常工作狀態下傳感器輸出碼值偏差超400碼值范圍定義為異常3，其中3只傳感器與正常工作狀態下傳感器輸出碼值超出400碼值范圍被定義為異常4。具體實驗數據如表1所示。

2實驗結果分析