小小的木马
①标题（Title）②署名（Authors）(包括单位及合作者)③摘要（Abstract）(包括中、英文摘要及关键词等)④引言（Introduction）⑤材料与方法（Materials and Methods）⑥结果（Results）(包括图表及其注解等)⑦讨论（Discussion）(包括结论)⑧致谢（Acknowledgements）⑨参考文献（References）摘 要为方便读者概略了解论文内容，在论文的正文之前，用醒目字体刊印约200～250字左右的摘要，简述研究工作的目的、方法、结果及结论等摘要力求精练，应反映全文的主要内容在摘要之下，根据内容选写3～8个关键词（Keywords），主要目的是为了方便编制或纳入电子计算机检索，尽可能用标准的 “主题词表”中的术语引 言亦称前言、导言或序言，是文章开头的一段短文，简要说明本研究的目的和意义，指出研究方法和途径，亦包括这一研究的历史、现状、前人的方法、结果及见解，对自己的启发等引言对读者起到一定的定向作用，写引言切忌离题或公式化。在正文内首次出现不常用的英语术语缩写词时，应写明全称，并要有中文注释材料与方法材料部分应说明具体的实验观察对象，所用仪器和试剂的产地、型号及规格等，实验动物的来源、名称、种系、性别、体重及健康状况等在方法部分要着重介绍研究的对象与数据如何获得，使读者了解样本的代表性、组间可比性、指标与观测方法的精确性。详细写明实验步骤的细节，以便他人重复验证。生物学实验必须设立对照组结 果结果部分是论文的实质和精华，描述必须如实、具体和准确。把经过审核以后用统计学处理过的实验检测数据资料按照逻辑顺序在正文及图表中表达科学研究论文的结果多用3种形式，即表格、图及文字说明。表格应做到有表序和表题。图下应有图号图注，图中重要部位应有标志，应用原始的实验记录图或照片，不宜用复印件或影印件文字、数据和符号是表达科研成果和结论的重要手段。文字应简明、清楚和明确，多用数学式表达成果，正确运用各种符号，对不符合主观设想的数据和结论，应作客观的分析，不宜作过多的文字说明讨 论是文章的重要组成部分，是从理论上对实验和观察结果进行分析比较、解释、推论或预测等，或者应用自己和定论的实验根据进行讨论，阐述实验结果的理论和实际意义。与国内外先进水平的比较，指出今后的研究方向。讨论中要避免与实验结果无关的主观推断或不成熟的结论谢 词一部论著的写成，必然要得到多方面的帮助。对于在工作中给予帮助的人员（如参加过部分工作，承担过某些任务、提出过有益的建议或给予过某些指导的同志与集体等）。应在文章的开始或结尾部分书面致谢。致谢的言辞应该恳切，实事求是，而不是单纯的客套参考文献列出参考文献的作用：①论证作者的论点，启发作者的思维；②同作者的实验结果相比较；③反映严肃的科学研究工作态度，亦为读者深入研究提供有关文献的线索所引用的参考文献篇数不宜过多，论著类论文要求在10篇左右，综述类文章以20篇左右为宜所引文献均应是作者亲自查阅过的，并注意多引用权威性、专业性杂志近年发表的相关论文参考文献列出时要按文献在文章中出现的先后，编数码，依次列出完整的参考文献（书籍）写法应列出文献的作者（译文注明译者）、书名、页数、出版者、出版时间、版次等完整的参考文献（论文）写法应列出文献的作者、文章标题、期刊名称、年/卷/期、起讫页数等、毕业论文格式的写作顺序是：标题、作者班级、作者姓名、指导教师姓名、中文摘要及关键词、英文摘要及英文关键词、正文、参考文献。 2、毕业论文中附表的表头应写在表的上面，居中；论文附图的图题应写在图的下面，居中。按表、图、公式在论文中出现的先后顺序分别编号。 3、毕业论文中参考文献的书写格式严格按以下顺序：序号、作者姓名、书名（或文章名）、出版社（或期刊名）、出版或发表时间。 4、论文格式的字体：各类标题（包括“参考文献”标题）用粗宋体；作者姓名、指导教师姓名、摘要、关键词、图表名、参考文献内容用楷体；正文、图表、页眉、页脚中的文字用宋体；英文用Times New Roman字体。 5、论文格式的字号：论文题目用三号字体，居中；一级标题用四号字体；二级标题、三级标题用小四号字体；页眉、页脚用小五号字体；其它用五号字体；图、表名居中。 6、格式正文打印页码，下面居中。 7、论文打印纸张规格：A4 210×297毫米。 8、在文件选项下的页面设置选项中，“字符数/行数”选使用默认字符数；页边距设为 上：3厘米；下：5厘米；左：8厘米；右：8厘米；装订线：8厘米；装订线位置：左侧；页眉：8厘米；页脚8厘米。 9、在格式选项下的段落设置选项中，“缩进”选0厘米，“间距”选0磅，“行距”选5倍，“特殊格式”选（无），“调整右缩进”选项为空，“根据页面设置确定行高格线”选项为空。 10、页眉用小五号字体打印“xx大学xx学院xx级XX专业学年论文”字样，并左对齐。 
数据可从网上搜索，统计年鉴及各大数据库都有再通过统计软件作分析，例如相关分析和回归分析，这种论文偏理论型也可以通过设计调查问卷，可针对身边某一热点问题进行调查，如消费观，就业观，来搜集数据，再写一篇调查报告．
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
