统计研究见刊时间

过去十年居民时间分配发生较大变化反映人民生活质量稳步提高——国家统计局社科文司高级统计师金红解读2018年全国时间利用调查数据时间利用反映居民在各项活动的时间投入，提供了观测居民日常生活、衡量经济社会变迁、评估民生福祉改善的新维度。2018年，国家统计局组织开展了第二次全国时间利用调查，与2008年第一次全国时间利用调查相比，十年间我国居民的时间分配结构发生了较大变化，从一个新角度反映了我国经济社会的发展以及人民生活品质的提升。值得注意的是，全国时间利用调查结果，反映的是被调查居民参与某种活动的平均时间，为了更为准确反映居民时间利用情况，调查还设置了某种活动的参与者平均时间和参与率两个指标（见《公报》附注）。通常来讲，某种活动的平均时间要小于参与者平均时间，因为并不是所有调查对象在调查日都参与了该种活动。例如，家务劳动的参与率为58.5%（见《公报》附表2）是指有58.5%的调查对象在调查日从事了家务劳动，这部分人从事家务劳动的平均时间即参与者平均时间是2小时27分钟（见《公报》附表3），而全部调查对象的家务劳动平均时间是1小时26分钟（见《公报》附表1），比参与者平均时间少1小时1分钟。但有一个例外，睡觉休息活动的平均时间和参与者平均时间相等，这是因为所有调查对象在调查日都进行了睡觉休息活动，所以睡觉休息活动的参与率为100%。一、个人生理必需活动时间增加，居民生活方式更加健康2018年，个人生理必需活动时间为11小时53分钟，比2008年增加19分钟，占全天时间的比重为49.5%，提高了1.3个百分点。其中，睡觉休息用时9小时19分钟，比2008年增加17分钟，占全天时间的比重为38.8%，提高了1.2个百分点；个人卫生护理活动用时50分钟，比2008年减少2分钟；餐饮活动用时1小时44分钟，比2008年增加4分钟。睡觉休息和用餐时间的增加，反映了居民生活方式更加健康。二、有酬劳动时间减少，劳动生产率继续提高十年间居民有酬劳动时间有所减少。2018年，居民一天有酬劳动用时4小时24分钟，比2008年减少4分钟。十年间，有酬劳动时间减少1.5%，而同期人均GDP增长约1倍[1]，单位时间产出明显增加反映出十年间劳动生产率继续提高。有酬劳动时间减少的原因是家庭生产经营活动时间大幅减少。家庭生产经营活动时间为1小时27分钟，比2008年减少了32分钟，占全天时间的比重为6%，下降了2.2个百分点。但与此同时，居民投入到就业工作中的时间明显增多，由2008年的2小时29分钟增加到2小时57分钟，增加了28分钟，占全天时间的比重为12.3%，比2008年提高了1.9个百分点。家庭生产经营活动时间减少、就业工作时间增加，反映出城镇化进程的加快以及家庭生产方式现代化程度的提高。从参与者角度分析，无论是就业工作者还是家庭生产经营者劳动时间均比十年前有所增加，但参与率下降。2018年，男性就业者每天工作时间为7小时52分钟，女性7小时24分钟，比2008年分别增加1小时26分钟和1小时20分钟；男女家庭生产经营者劳动时间分别为6小时40分钟和5小时47分钟，均比2008年增加了14分钟。2018年，就业工作活动的参与率为38%，比2008年降低了1个百分点，家庭生产经营活动的参与率由2008年的33%下降到23%，降低了10个百分点。分收入群体[2]看，中等收入群体就业工作时间最长，高收入群体家庭生产经营活动用时最长。2018年，中等收入群体就业工作时间为7小时51分钟，比低收入群体多34分钟，比较高收入群体多9分钟，比高收入群体多27分钟。从事家庭生产经营活动的居民收入与时间投入的关系是：收入水平越高，家庭生产经营活动时间越长。高收入群体家庭生产经营活动用时最长，为7小时35分钟，比低收入群体、中等收入群体、较高收入群体分别多1小时34分钟、1小时6分钟和37分钟。三、无酬劳动时间结构变化显著，与家人相伴时间增加与十年前相比，居民家务劳动时间减少，陪伴家人时间增加。2018年，居民一天无酬劳动用时2小时42分钟，比2008年增加12分钟。其中，家务劳动时间为1小时26分钟，比2008年减少17分钟，占全天时间的比重为6%，下降了1.2个百分点；陪伴照料家人（包括陪伴照料孩子生活、护送辅导孩子学习、陪伴照料成年家人）的时间为53分钟，比2008年增加30分钟，增长了1.3倍，其中85%的时间用于照料孩子的生活和学习。陪伴照料家人的时间占全天时间的比重为3.7%，提高了2.1个百分点。无酬劳动结构的显著变化反映出人们更注重与家人相伴，尤其重视对孩子的培养教育。此外，家务劳动的社会化，如送餐服务、小时工等社会化服务快速发展，也是居民家务劳动时间减少的重要因素之一。分性别看，女性无酬劳动时间远远高于男性，但两者的差距在缩小。女性无酬劳动时间由2008年的3小时38分钟增加到2018年的3小时48分钟，增加了10分钟；男性由1小时18分钟增加到1小时32分钟，增加了14分钟；女性与男性无酬劳动时间的差距比2008年缩小了4分钟。其中，投入家务劳动的时间，女性为2小时6分钟，男性为45分钟，女性比男性多1小时21分钟，这一差距比2008年缩小了29分钟。分不同收入群体看，收入越高群体无酬劳动时间越短。按收入由低到高，各收入群体无酬劳动时间分别为3小时19分钟、2小时15分钟、1小时55分钟和1小时45分钟。其中，随着收入增加，居民花费在家务劳动的时间越少，低收入群体用时最多，为1小时53分钟，分别是中等收入、较高收入和高收入群体的1.7倍、2.4倍和2.9倍。低收入群体用于照料孩子时间最多，为55分钟，中等收入群体用于照料孩子时间最少，为34分钟，较高收入群体和高收入群体照料孩子时间分别为41分钟和44分钟。四、个人自由支配时间分配更加合理，休闲健身时间增多过去十年，个人自由支配时间增加12分钟。看电视依然是居民的主要休闲方式，2018年为1小时40分钟，但比十年前减少了26分钟，占全天时间的比重为6.9%，下降了1.8个百分点；休闲娱乐时间为1小时5分钟，比2008年增加25分钟，占全天时间的比重为4.5%，提高了1.7个百分点；健身锻炼时间增加8分钟。居民自由支配时间增加，分配更趋合理。分城乡看，城镇居民拥有更多自由支配时间，城乡居民自由支配时间的差距明显缩小。2018年城镇居民自由支配时间比农村居民多37分钟，与2008年差距82分钟相比明显缩小。变化最大的两项活动是看电视和休闲娱乐，城镇居民看电视时间比2008年减少35分钟，农村居民减少13分钟，城镇居民休闲娱乐时间增加16分钟，农村居民增加33分钟。分不同收入群体看，收入越高群体自由支配时间越少。随着收入的增加，各收入群体自由支配时间分别为4小时3分钟、3小时53分钟、3小时41分钟和3小时26分钟。其中，收入越低的居民看电视时间越多，低收入群体每天看电视时间为1小时50分钟，比中等收入、较高收入和高收入群体分别多15分钟、32分钟和46分钟。收入越高的居民阅读书报期刊的时间越多，高收入群体阅读时长为20分钟，分别是低收入、中等收入、较高收入群体的3.2倍、1.9倍和1.3倍。高收入群体中21%有阅读行为，而低收入群体只有6.6%有阅读行为。五、交通用时显著缩短，上下班通勤更加便捷高效2018年，居民一天交通活动用时38分钟，比2008年的75分钟减少近一半，占全天时间的比重为2.7%，下降了2.6个百分点。其中，上班族工作交通时间比2008年减少16分钟，学生族上下学交通时间减少27分钟。交通时间的缩短，体现出交通设施的不断完善、交通工具的改善以及便利化程度的不断提升。六、信息化快速发展，居民触网时间大幅增长十年前，无线网络覆盖面很小，智能手机使用不普及，人们主要是通过电脑有线接入上网，平均一天的上网时间仅有14分钟。随着互联网快速发展，手机、PAD和电脑的普及，2018年居民一天使用互联网时间为2小时42分钟，比2008年增加2小时28分钟。使用互联网时间的快速增长，从一个侧面反映了人们生活水平的提高和科学技术的进步。附注：[1]为2008-2018年人均GDP不变价累计增长率。2018年为预计数。[2]本文所指不同收入群体，是按调查对象收入水平划分的。低收入群体是指调查对象月收入在2000元以下的群体；中等收入群体是指调查对象月收入在2000-5000元的群体；较高收入群体是指调查对象月收入在5000-10000元的群体；高收入群体是指调查对象月收入在1万元以上的群体。来源：中国日报网

2018年，国家统计局组织开展了第二次全国时间利用调查，该调查覆盖11个省（市），采用国家统一的住户收支与生活状况调查样本框，共抽样调查20226户48580人（调查方案详见附注一）。主要调查结果如下（活动分类和指标计算方法详见附注二、三）： 一、居民一天的时间分配调查结果（详见附表1）显示，居民在一天的活动中，个人生理必需活动平均用时11小时53分钟，占全天的49.5%；有酬劳动平均用时4小时24分钟，占18.3%；无酬劳动平均用时2小时42分钟，占11.3%；个人自由支配活动平均用时3小时56分钟，占16.4%；学习培训平均用时27分钟，占1.9%；交通活动平均用时38分钟，占2.7%（见图1）。图1 居民一天活动的时间构成二、个人生理必需活动时间个人生理必需活动，包括睡觉休息、个人卫生护理、用餐或其他饮食活动。居民一天中用于个人生理必需活动的平均时间为11小时53分钟。其中，男性11小时48分钟，女性11小时58分钟；工作日11小时45分钟，休息日12小时12分钟。睡觉休息时间。居民睡觉休息平均时间为9小时19分钟。其中，男性9小时16分钟，女性9小时22分钟；工作日9小时13分钟，休息日9小时34分钟。个人卫生护理时间。居民个人卫生护理平均时间为50分钟，其中男性48分钟，女性52分钟。按5岁为组距分组，20-24岁女性个人卫生护理平均时间最长，为58分钟。用餐或其他饮食活动时间。居民用餐或其他饮食活动平均时间为1小时44分钟，其中工作日1小时43分钟，休息日1小时48分钟。按5岁为组距分组，15-19岁居民用餐或其他饮食活动的平均时间最短，为1小时35分钟。 三、有酬劳动时间有酬劳动，包括就业工作和家庭生产经营活动。居民有酬劳动的平均时间为4小时24分钟。其中，男性5小时15分钟，女性3小时35分钟；城镇居民3小时59分钟，农村居民5小时1分钟；工作日4小时50分钟，休息日3小时17分钟。居民有酬劳动活动的参与率为59%。其中，男性67.4%，女性51%；城镇居民53.1%，农村居民68.1%；工作日64.5%，休息日45.1%。就业工作时间。居民就业工作活动的参与率为38.4%。其中，男性46%，女性31.3%；城镇居民43.2%，农村居民31%；工作日44%，休息日24.5%。就业工作活动的参与者平均时间为7小时41分钟。其中，男性7小时52分钟，女性7小时24分钟；城镇居民7小时37分钟，农村居民7小时48分钟；工作日7小时40分钟，休息日7小时42分钟。按5岁为组距分组，25-29岁男性就业工作活动的参与者平均时间最长，为8小时6分钟。家庭生产经营活动时间。居民家庭生产经营活动的参与率为23.1%。其中，男性24.6%，女性21.8%；城镇居民11.6%，农村居民41.1%；工作日23.3%，休息日22.7%。家庭生产经营活动的参与者平均时间为6小时14分钟。其中，男性6小时40分钟，女性5小时47分钟；城镇居民6小时1分钟，农村居民6小时20分钟；工作日6小时15分钟，休息日6小时12分钟。按5岁为组距分组，35-39岁男性家庭生产经营活动的参与者平均时间最长，为7小时26分钟。 四、无酬劳动时间无酬劳动，包括家务劳动、陪伴照料孩子生活、护送辅导孩子学习、陪伴照料成年家人、购买商品或服务、看病就医、公益活动。居民用于无酬劳动的平均时间为2小时42分钟。其中，男性1小时32分钟，女性3小时48分钟；城镇居民2小时45分钟，农村居民2小时39分钟；工作日2小时34分钟，休息日3小时4分钟。居民无酬劳动的参与率为70.2%，其中男性55.3%，女性84.2%。家务劳动时间。居民家务劳动平均时间为1小时26分钟。其中，男性45分钟，女性2小时6分钟；城镇居民1小时19分钟，农村居民1小时37分钟；工作日1小时24分钟，休息日1小时32分钟。按10岁为组距分组，65-74岁居民的家务劳动平均时间最长，为2小时10分钟，其中男性1小时21分钟，女性2小时59分钟。居民家务劳动参与率为58.5%，其中男性40.4%，女性75.6%。陪伴照料孩子生活时间。居民陪伴照料孩子生活的平均时间为36分钟。其中，男性17分钟，女性53分钟；城镇居民38分钟，农村居民33分钟；工作日33分钟，休息日42分钟。按10岁为组距分组，25-34岁居民陪伴照料孩子生活的平均时间最长，为1小时16分钟，其中男性29分钟，女性1小时55分钟。居民陪伴照料孩子生活的参与率为18.9%，其中男性12.3%，女性25.1%。居民陪伴照料孩子生活的参与者平均时间为3小时8分钟，其中男性2小时17分钟，女性3小时31分钟。护送辅导孩子学习时间。居民护送辅导孩子学习的平均时间为9分钟。其中，男性6分钟，女性12分钟；城镇居民11分钟，农村居民7分钟。居民护送辅导孩子学习的参与率为10.2%，其中男性7.1%，女性13.1%。陪伴照料成年家人时间。居民陪伴照料成年家人的平均时间为8分钟。其中，男性7分钟，女性9分钟；城镇居民10分钟，农村居民6分钟；工作日7分钟，休息日10分钟。居民陪伴照料成年家人的参与率为5%，其中男性4.3%，女性5.6%。居民陪伴照料成年家人的参与者平均时间为2小时43分钟，其中男性2小时37分钟，女性2小时47分钟。购买商品或服务时间。居民购买商品或服务的平均时间为17分钟。其中，男性12分钟，女性22分钟；城镇居民21分钟，农村居民11分钟；工作日14分钟，休息日25分钟。居民购买商品或服务的参与率为21.1%，其中男性14.7%，女性27.1%。看病就医时间。居民看病就医的平均时间为4分钟。按10岁为组距分组，85岁以上居民平均时间最长，为8分钟。居民看病就医的参与率为2.2%，按10岁为组距分组，75-84岁居民参与率最高，为4.7%。居民看病就医的参与者平均时间为2小时38分钟，按10岁为组距分组，85岁以上居民时间最长，为3小时11分钟。公益活动时间。居民参加公益活动的平均时间为3分钟。按10岁为组距分组，65-74岁居民平均时间最长，为4分钟。居民参加公益活动的参与率为4.1%。其中，男性3.9%，女性4.3%；城镇居民4.5%，农村居民3.5%。居民参加公益活动的参与者平均时间为62分钟。图2 分城乡、分性别的居民无酬劳动时间情况五、个人自由支配活动时间个人自由支配活动，包括健身锻炼、听广播或音乐、看电视、阅读书报期刊、休闲娱乐、社会交往。居民一天中自由支配活动平均用时3小时56分钟。其中，男性4小时13分钟，女性3小时40分钟；城镇居民4小时10分钟，农村居民3小时33分钟；工作日3小时40分钟，休息日4小时34分钟。居民自由支配活动的参与率为90.8%。健身锻炼时间。居民健身锻炼的平均时间为31分钟，其中城镇居民41分钟，农村居民16分钟。按10岁为组距分组，75-84岁居民健身锻炼的平均时间最长，为64分钟；25-34岁居民时间最短，为14分钟。居民健身锻炼的参与率为30.9%，其中城镇居民38.7%，农村居民18.7%。听广播或音乐时间。居民听广播或音乐的平均时间为6分钟，其中85岁以上居民时间最长，为23分钟。居民听广播或音乐的参与率为6.8%，其中城镇居民7.6%，农村居民5.6%。看电视时间。居民看电视的平均时间为1小时40分钟。其中，男性1小时44分钟，女性1小时37分钟；城镇居民1小时38分钟，农村居民1小时44分钟。按10岁为组距分组，75-84岁居民看电视的平均时间最长，为3小时16分钟；15-24岁居民时间最短，为42分钟。居民看电视的参与率为66.5%，其中城镇居民63.8%，农村居民70.8%。阅读书报期刊时间。居民阅读书报期刊的平均时间为9分钟。其中，男性11分钟，女性8分钟；城镇居民12分钟，农村居民5分钟。居民阅读书报期刊的参与率为10.1%，其中城镇居民13.4%，农村居民5%。休闲娱乐时间。居民休闲娱乐的平均时间为1小时5分钟。其中，男性1小时13分钟，女性58分钟；城镇居民1小时9分钟，农村居民58分钟；工作日58分钟，休息日1小时23分钟。居民休闲娱乐的参与率为40.7%，其中城镇居民43.5%，农村居民36.2%。社会交往时间。居民社会交往的平均时间为24分钟。其中，男性27分钟，女性22分钟；工作日21分钟，休息日32分钟。居民社会交往的参与率为17.6%。图3 分城乡、分性别的居民自由支配时间情况六、学习培训时间居民在一天中学习培训平均用时27分钟。其中城镇居民29分钟，农村居民24分钟。按5岁为组距分组，15-19岁居民学习培训的平均时间最长，为8小时2分钟；其次为20-24岁居民，为1小时38分钟。居民学习培训的参与率为7.2%。 七、交通活动时间居民用于交通活动的平均时间为38分钟，其中城镇居民44分钟，农村居民30分钟。居民交通活动的参与率为50.8%，其中城镇居民56.9%，农村居民41.3%。与有酬劳动相关的交通时间。居民与有酬劳动相关交通活动的参与率为36.4%。居民与有酬劳动相关交通活动的参与者平均时间为61分钟。其中，男性63分钟，女性58分钟；城镇居民63分钟，农村居民56分钟。居民与就业工作相关交通活动的参与率为30.3%。居民与就业工作相关交通活动的参与者平均时间为66分钟。其中，男性67分钟，女性63分钟；城镇居民66分钟，农村居民65分钟。居民与家庭生产经营活动相关交通活动的参与率为6.4%。居民与家庭生产经营活动相关交通活动的参与者平均时间为35分钟。其中，男性37分钟，女性33分钟；城镇居民34分钟，农村居民36分钟。与学习培训相关的交通时间。居民与学习培训相关交通活动的参与率为3.6%，其中城镇居民4.4%，农村居民2.3%。居民与学习培训相关交通活动的参与者平均时间为53分钟，其中15-19岁居民的参与者平均时间为62分钟。 八、互联网使用时间居民使用互联网的平均时间为2小时42分钟。其中，男性2小时54分钟，女性2小时30分钟；城镇居民3小时23分钟，农村居民1小时38分钟。居民使用互联网的方式包括通过手机或PAD上网和通过其他设备上网。居民通过手机或PAD上网的平均时间为1小时53分钟。其中，男性2小时，女性1小时46分钟；城镇居民2小时15分钟，农村居民1小时18分钟；工作日1小时48分钟，休息日2小时4分钟。按5岁为组距分组，20-24岁居民通过手机或PAD上网的平均时间最长，为3小时50分钟。居民通过手机或PAD上网的参与率为49.8%。其中，男性51.6%，女性48%；城镇居民57.8%，农村居民37.3%。居民通过其他设备上网的平均时间为49分钟。其中，男性55分钟，女性44分钟；城镇居民1小时8分钟，农村居民20分钟；工作日56分钟，休息日34分钟。按5岁为组距分组，25-29岁居民通过其他设备上网的平均时间最长，为1小时33分钟。居民通过其他设备上网的参与率为18.4%。其中，男性20%，女性16.8%；城镇居民24.1%，农村居民9.4%。附注：一、调查方案说明调查采用分层多阶段随机抽样方式，选取北京、河北、黑龙江、上海、浙江、安徽、河南、广东、四川、云南和甘肃等11个省(市)。调查对象为抽中调查户中15周岁及以上常住成员，调查户采用国家统一的住户收支与生活状况调查样本框，共调查20226户48580人。其中，城镇29557人，农村19023人;男性23577人，女性25003人。调查时间为2018年5月的一个选定的工作日(周一至周五中的一天)和一个选定的休息日(周六、周日中的一天)。调查采用日志表的方式，调查对象按每15分钟一个时间段，在日志表中记录一天24小时的活动，以及活动时是否使用互联网、活动时与谁在一起。活动内容涵盖个人生理必需活动(睡觉休息、个人卫生护理、用餐或其他饮食活动)、有酬劳动(就业工作、家庭生产经营活动)、无酬劳动(家务劳动、陪伴照料孩子生活、护送辅导孩子学习、陪伴照料成年家人、购买商品或服务、看病就医、公益活动)、个人自由支配活动(健身锻炼、听广播或音乐、看电视、阅读书报期刊、休闲娱乐、社会交往)、学习培训、交通活动。上海在全国调查方案基础上，自主探索使用手机APP调查方式，并拓展了调查内容。本公报数据不含上海。二、活动分类及解释睡觉休息：指为满足个人生理需要而进行的夜间睡眠、白天睡眠、打盹、午睡或闭眼短时休息活动。个人卫生护理：指日常个人卫生活动、自我健康管理和接受他人提供的卫生护理活动。例如：如厕、刷牙、洗脸、洗手、泡脚、洗浴、桑拿、化妆、美容、美发、剃须、美甲、修脚、抽烟等，以及对自己进行血压、血糖监测，注射胰岛素，生病卧床康复休息等。不包括看病就医活动。用餐或其他饮食活动：指在家或在外面(含在工作单位、学校等)的早、中、晚用餐活动，吃零食、喝水(饮料)等饮食活动。就业工作：指为获取劳动报酬或经营收入进行的活动。包括专职、兼职、学徒或实习、工作中的短暂休息或中断、寻找工作和创业活动，以及与工作活动有关的带薪培训或学习。不包括家庭生产经营活动。家庭生产经营活动：指以家庭为单位、以获得收入或自用为目的进行的生产经营活动，包括农业(种植业)、畜牧业、渔业、其他初级生产与经营活动，农副产品加工，家庭建筑生产活动，以及对外提供的商品销售、维修安装、客货运输、通过互联网进行的家庭经营活动(如开网店、微店)、经营有偿家庭服务等。家务劳动：指为自己和家人进行的、无偿的家庭事务活动。包括烹饪前清洗准备食物，烹饪饭菜，准备茶水饮料，清理餐桌餐具、清理住所、清洁护理地板、洗衣和整理衣物等;住所内外观赏植物培育，家庭花园庭院维护、清理树叶等;喂养、清洁、溜宠物，为宠物看病、美容等;对自有住房进行小规模维修、装修、改造，对个人和家庭物品的制作、安装、调试和修理，对交通工具(指生活用)的保养和小修理等;为家庭制定购物、投资理财、聚会、装修、旅行等计划。陪伴照料孩子生活：指对18岁以下未成年家人进行的生活照料活动。包括为孩子穿衣、洗澡、喂饭、喂药、医疗护理等;与孩子交谈、陪孩子看电视、看网络视频，或为孩子提供其他生活方面的帮助等活动;看护在室内外玩耍的孩子、监督孩子玩游戏等;陪孩子去游乐场、医院等场所。护送辅导孩子学习：指对18岁以下未成年家人进行学习方面的辅导、陪伴和监督活动。包括接送孩子上下学、兴趣班、课外辅导班等，与孩子一起阅读、辅导学习、作业等活动。陪伴照料成年家人：指对成年家人进行的陪伴和生活照料活动。包括帮助成年家人日常起居、个人卫生护理等，医疗护理(喂药、肢体按摩、理疗等)，陪伴成年家人去医院、外出活动等，与成年家人交谈聊天等。购买商品或服务：指通过互联网或到实体店购买商品或接受服务的活动。包括去商场超市或通过互联网等方式，购买食品、衣服、日常用品、外卖、医疗用品等消费品、家用电器、家具和汽车等耐用品;联系家电维修人员上门维修电器，去汽车维修点修理汽车等;去金融(银行)、法律、广告媒体、婚庆公司、房屋租赁等专门机构办理相关业务活动。不包括看病就医活动，去美容美发店进行美容和理发活动。看病就医：指到医疗卫生机构或通过互联网看病、治疗、体检、咨询、理疗按摩、验光等活动。不包括陪他人看病就医和带宠物看病就医。公益活动：指对家庭以外人员提供无偿帮助活动。包括参加单位、社区或慈善机构组织的社区服务、义务劳动、志愿服务等公益活动，以及公民履行义务参与选举投票活动。健身锻炼：指以健身强体为目的的活动。包括走步(散步)、慢跑、长跑、登山等运动;太极拳、气功等武术运动;在室内外跳健身操、舞蹈、集体舞、瑜伽，以及各类球类运动，游泳、跳水、潜水、划船、冲浪等水上运动;冰上、雪上运动，骑行，摔跤、柔道、拳击等活动;家庭自用按摩椅(器)按摩、针灸等活动。听广播或音乐：指通过收音机、互联网或其他电子媒介收听广播节目、听音乐等活动。看电视：指通过电视设备观看电视节目活动。阅读书报期刊：指通过纸介质、互联网或其他电子媒介阅读书籍、期刊杂志等活动。不包括因学习培训而阅读书籍的活动。休闲娱乐：指不以工作、学习和购物为目的的休闲娱乐活动。包括在线浏览网页(如新闻资讯)，计算机游戏、手机游戏、棋牌游戏、群体性娱乐活动，收藏、集邮、书法、绘画、摄影艺术活动，外出游览、参观和观看演出、看电影、比赛等活动，通过互联网或其他电子媒介观看视频(电视剧、电影等)，品茶、饮茶、喝茶等活动。社会交往：指与家人以外的人交谈与交流(面对面或通过电话、手机、QQ、微信、微博等)，收发和阅读信件、微博，参加聚会、校庆、婚丧仪式、宗教活动等。学习培训：指初等、中等、高等学历教育学习，成人技术培训、成人非学历高等教育等继续教育学习，以及与之有关的家庭作业、预习和课后复习等学习活动，各类短期培训(外语、计算机、驾校、商业和文秘、个人娱乐爱好等)，参加资格认证课程、为职业考试进行的复习课程、参加职业考试(没有单位资助)等活动。不包括与工作有关的单位上岗前培训和脱产学习等，也不包括护送辅导孩子学习。交通活动：指为某项主要活动，采用某种交通方式(含步行)出行所花费的时间。如上下班(学)交通时间，去商场购物、去医院等在路上花费的交通时间;去机场、火车站等、乘飞机、乘火车等的交通时间。不包括护送孩子上下学的交通时间。通过手机或PAD上网：指某项主要活动是通过智能手机、PAD进行的上网活动。通过其他设备上网：指除通过智能手机、PAD上网外，某项主要活动通过台式电脑、笔记本电脑或其他设备进行的上网活动。三、主要指标计算方法平均时间：用于某类活动的全部时间总和除以全部调查对象人数。对工作日和休息日数据分别按5/7和2/7加权汇总得出全部调查对象一天的平均时间。参与者平均时间：用于某类活动的全部时间总和除以参与者人数。对工作日和休息日数据分别按5/7和2/7加权汇总得出某类活动的参与者平均时间。活动参与率：参与某类活动的人数(参与者人数)除以全部调查对象人数。对工作日和休息日数据分别按5/7和2/7加权汇总得出某类活动的参与率。

为更好地谋划新一年统计工作，2月18日至20日，市统计局党组书记、局长黄俊伟就做好2021年各项工作分别听取了各科室工作汇报。各班子成员参加了汇报。各科室结合工作职能对2021年科室重点要点工作以及推进各项工作的思路作了详细介绍，分管领导对科室的汇报作了简要点评。黄俊伟认真听取了汇报，就有关工作与科室人员进行了深入交流和研讨，并就谋划好新一年的统计工作对各科室提出四点要求：一是要紧紧围绕市委、市政府中心工作，把统计工作摆在全市工作的高度去谋划，要持续推进构建大统计工作格局建设，以“五个着力”为工作切入点，理清工作思路，转变工作方式方法，确保全年各项工作有序开展。二是创新工作方式方法，积极落实省局“统计基层基础建设年”活动的有关部署，推进各项统计改革，在做好常规工作的基础上，善于抓重点亮点工作，确保新一年统计工作有成绩见实效。三是增强工作主动性和积极性。要勇于担当作为，加强与上级、各有关部门的纵横向沟通，跟踪各项工作的落实情况，及时向局党组反馈并提出建议，推动全市统计工作提质增效。四是加强能力建设，要苦修内功，加强内部学习研讨，学懂研透各类统计调查制度和规则，加快探索和掌握新形势下各类统计工作改革创新的手段和机制，不断提升统计业务能力。【来源：本站】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

神奇的小叔——日期与时间“小琪，说完了老大和老二，咱们再说说数据中的的日期和时间，这是三种数据中最容易出现错误的。”日期与时间：排行老么，人称“小叔”。主要特点：虽是“叔叔级别”却非常淘气，经常把自已化装成二哥的样子，让大家分不清。正确格式：日期（0000/00/00，即年/月/日）；时间（00:00:00，即时：分：秒）。“顾城哥，这日期与时间的格式跟数字相差好多呢？怎么会变成数字的样子呢？”“呵呵，小琪，接下来我就让日期变一下身。”首先，我先在EXCEL中随意录入一个日期（图2-26），然后在“设置单元格格式”中，将他设置为“数字”。你看一下结果（如图 227所示）：设置前： 图2-26设置后： 图2-27“顾城哥，好神奇！明明是日期怎么变成一个4万多的数字了呢？这是怎么回事啊？”小琪兴奋的问。“这个还要从日期的计算方式说起，在EXCEL中，所有的日期都是从1900/1/1日起开始计算的，1900/1/1日即被记为第1天，后面的日期以此类推，而2018年3月14日距离1900年1月1日正好已经过了43173天，所以日期一定是一个大于1的正整数。”“接下来，再说说时间，时间也常常会把自己变成数字的样子，只是日期会变成正整数，而时间则会把自已变成一个小于1的小数。”比如，在单元格中录入：12：00：00这个时间（如图 228所示）：图2-28当把这个单元格格式设置为数字时，它就会自动变成0.5（如图 229所示）：图2-29“噢，我明白了，一天是24小时，12点正好是中间，所以变成数字就是0.5啦！”“没错，这就是时间的含义。”“顾城哥，你看我记得笔记，不错吧！”（如图 230所示）图2-30“嗯，不错，这就是三种数据的特点。只有在EXCEL表格中录入这三类数据的正确格式，EXCEL才能发挥它数据分析的作用。”顾城语重心长地说。04:27

每一篇发表SCI的论文，都必须先过编辑的审核。通过审核的论文，期刊编辑会下达录用通知书，告诉作者你的SCI论文被接收了，但接收不等于见刊，还需要时间办理终审、排版、校刊、online等手续。那么，SCI论文接收后多长时间能见刊？SCI论文接收，对于作者来说是一大成功，最起码没有在审核阶段被淘汰，有了见刊的可能性，可以说只要论文没有什么大的问题，成功见刊早晚的事情。但SCI论文是有见刊周期的，每期排版都有版面限制。你的SCI论文什么时候能够见刊，还需要花费时间等安排。这个时间，具有不确定性。若后续安排顺利的话，大概3个月左右就能见刊，若安排不顺利，可能半年、一年，甚至两年及以上。比如同一时间被接收的SCI论文，其中符合本期主题的论文，只要版面可以安排上，基本上都会安排见刊。若因论文内容不符合本期主题，被押后安排见刊也很常见。这样一来，不同的SCI论文，接收时间一样，见刊时间也可能有差异。所以说，SCI论文接收后见刊的时间，并不统一。若着急见刊的，可以在与编辑沟通过程中，表达自己想要快速见刊的意愿，能提早安排就提早安排。另外，SCI论文接收后，不立刻见刊，我们要理解，比较SCI论文发表有规定的手续要办理，但也不能无限期等着。若等了大概3个月左右还没见刊，建议作者及时与对接编辑沟通，询问原因。便于及时采取有效的方法，来让论文尽早见刊。

怎样才能顺利发表一篇论文，这个问题绝对让很多人头疼。毕竟发表在什么期刊，在哪查重，发表的格式等等都需要重新了解的。一、确定期刊想要发表论文，首先确定自己要发表的期刊，例如你是教师，想评中级职称，那么选择的期刊至少也是省级以上的期刊。网上查询或者咨询正规机构都会告诉你哪些期刊适合你，或者直接私信我，我也能直接回答~。二、引言明确期刊文章和本科论文有着不小的区别，刚刚开始撰写新人容易弄混，一般期刊类的摘要在250字以内即可，当然也不能过短低于了150字，明确清晰的阐述研究意义。三、美观清晰整篇论文要保证清晰的逻辑思路，避免出现大量数字，同时如果想要展现数据的变化，优先级最高的是统计图之类，最直观的展现出数据变化，最好不要有什么数据表格，会让人感觉很乱。四、听从意见有部分刚开始撰写期刊类文章的作者，因为对自己的文章比较满意，想无视掉审稿人的要求，其实大可不必。审稿人和作者其实是站在统一战线的，对方也希望你的文章能够顺利刊登，而对方的意见也是基于期刊的要求，给予的合适意见。当然并不是完全听从审稿人要求，如果过于要求过于刁钻，我们也可以通过讲道理，摆证据说服对方。文章的质量是见刊的决定性条件，有些作者投稿后三五天就能收到回复，而有些作者投稿了却没有了后续，优质的文章质量，严格遵守期刊要求，是肯定能够缩短发表周期的。如果大家对期刊和职称相关问题欢迎私信提问，这里都会免费解答并赠送福利哦~

近年来涌出了许多关于提高研究可重复性必要性的文章，也有许多呼吁提高统计分析技术训练的声音。但在本文中，我们仅讨论科学文献中常见的十种统计错误。尽管许多研究者强调了透明度和科研伦理的重要性，一些显而易见的统计学错误仍然在论文中出现，这些统计错误可能让作者们推断出数据并不支持的结论。重要的是，尽管这些论文是错误的，人们也常会信以为真。我们认为，防止发表错误结果的最恰当时机是在期刊的同行评审过程，或者是在预印本出版后的线上讨论。本文的主要目的是为审稿人提供一个可以识别和处理这些常见错误的工具。本文讨论的这些错误都是众所周知，并且在很多文章中被提及的，但是仍持续出现在期刊中。此前对这一话题的讨论大多集中于一个或几个相关的错误：我们希望能通过讨论十种最常见的错误，为作者和审稿人提供一个可参考的错误列表。这对研究者设计实验，分析数据和撰写文章都会有所帮助。我们的错误列表来源于伦敦可塑性实验室的文献讨论中，包括对神经科学，心理学，临床和生物工程杂志上论文的报告与讨论。之后，我们作为读者、审阅者和编辑的经验进一步完善了该列表。尽管该列表中的错误来自与神经科学有关的论文，但与任何使用统计学评估结果的学科都是有关的。本文中，我们讨论了这些错误的产生，作者和/或审稿人如何发现错误，并提出了解决方案。我们发现，这些错误通常是相互依存的，一个错误很可能会导致其他错误，这意味着许多错误无法被单独纠正。此外，处理这些错误通常有多种方法：例如，我们通常使用频率参数统计，但我们未讨论的贝叶斯方法也是可行的解决方案。为了促进这些错误的进一步讨论，并提出解决这些问题的最佳方法，我们鼓励读者在本文的线上版本中评论，为我们提供不同的解决方案（点击“annotations”图标）。这样的话，其他读者也会从多样的想法和观点中受益。我们希望对这些常见错误更好的认识可以使作者和审稿人更加小心，从而使（本文中的）错误不再那么常见。1. 缺乏适当的控制条件或者控制组在多个时间点进行测量是科学研究中评估干预效果的常见方法。例如，在检验某种训练的效果时，研究者通常会测量行为或生理指标的变化。但是，测量结果的变化，也可能是研究中与干预（训练）无关的因素导致的。因此，就算在没有干预的情况下，重复相同的任务，干预前后的测量结果也会发生变化。例如，被试的练习效应或疲劳效应。因此，对于任何研究，只要探索实验操纵对某一变量随时间变化产生的影响，都需要有控制组，以供与实验组进行比较。有时候研究者确实设置了控制组/控制条件，但由于这些控制条件（控制组）不包括可能会影响被测量变量的关键因素，实验设计或实施（往往）是不完整的。例如，控制组没有接受“假”干预，或者没有进行双盲处理，使得主试对结果有预期，进而导致效应量的夸大。其他常见的错误，则是：1) 由于采用了样本量过小的控制组，没有充足的统计检验力检测到测量变量的变化。2) 采用了一个使用不同基线测量（baseline measure）的控制组而导致虚假交互。同样重要的是，控制组和实验组必须同时取样并随机分配，以最大程度地减少偏差。理想情况下，控制组和实验组的操纵应该在实验设计和统计检验力上相同，并只在特定刺激维度和操纵变量上有所不同。只有这样，研究者才能确保实验操纵对变量的影响大于时间对变量的影响。因此，如果对变量进行前后测比较，应添加控制组。如何发现该错误结论是在没有充足的控制情境而根据单个组的数据得出的，或者对照情境/组没有捕捉实验操纵的核心特征。解决方案如果实验设计不能将时间效应与干预效果区分开，那么有关实验干预效果的任何结论都是不准确的。2. 没有直接比较两个效应强弱时解读效应的强弱之别有时研究者发现在实验组中某个干预有显著效应，而在控制组没有产生显著效应。（他们往往会据此）做出干预有效的结论。基于（干预）在这两个（组中效果）显著性不同的结果，研究者有时会认为实验组中的效应大于控制组中的效应。这种推论非常常见，但却是错误的。例如在图表1A中，测量两个变量X和Y，采用两组被试，每组20人。两组测量在统计显著性上可能会有不同的结果：A组中，两个变量之间的相关系数可能显著（即，p≤0.05），而B组中相似的相关系数可能不显著。即使这两个变量之间的关系在两组中几乎相同，这种一组数据有显著效应另一组没有的情况也可能发生（图表1A），因此，我们不能认为一个相关关系比另一个强。图1 没有直接比较两个效应强弱时解读效应的强弱之别首先，两个变量X和Y，在A和B两组中进行测量。很明显，这两个变量之间的相关关系在这两组测量中都没有区别。然而，如果计算皮尔逊相关系数r的显著性，将两个相关系数与0相比较，却可能得到一个组（组A；黑色圆点；n=20）的相关性在统计学上显著（基于p≤0.05的阈值），而另一个组（组B；红色圆点；n=20）不显著。然而，这并不说明变量X和Y之间的相关关系在两组之间不同。可以用蒙特卡罗模拟来比较两个组的相关关系。其次，在实验研究的情境中，可以看到两组之间在某一特定测量结果上的差异（例如，训练前后的差异）。组C和D的均值相同，但是D组的方差更大。如果使用独立样本t检验将每一组的结果指标分别与0比较，会发现一组的变量与0之间有显著差异（组C；左侧；n=20），但是另一组不存在显著差异（组D；右侧；n=20）。然而，这并不能说明两个组的测量结果存在不同。这时应该使用配对样本t检验（顶部）直接比较两个组：结果表明两组的测量结果没有差异。在不同的两组中评估一个干预的效果时也会出现类似的问题：干预会在一个组中产生显著效果，而在另一组中不出现显著效果（图表1B）。然而，这并不意味着干预的效果在两组之间不同；实际上在这种情况下，两组并没有明显的不同。通过两种效果间直接的统计比较，只能得出干预效果与控制干预（control intervention）的效果不同。因此，必须使用一个统计检验来比较这两种效果，而不能只是分别两次单独的检验然后根据它们在显著性上的差别进行推断。图2 虚假相关：单个离群值和子组对皮尔逊相关系数的影响A-C中，我们用19个样本（黑色圆圈）模拟了两个不同的非相关变量，并添加了一个额外的数据点（红色实心圆圈），该数据点与主要数据的距离会系统地变化，直到成为完全的离群值（C组）。注意，随着主要数据与红色数据点之间距离的增加，皮尔逊相关系数R值会人为增加，这表明单个数据点可能会导致虚假的皮尔逊相关。D-F中，我们用20个样本模拟了两个不同的不相关变量，这些变量被随机分为两个子组（红色vs.黑色，每组n=10）。从D组到F组，我们系统地改变了两个子组之间的距离。同样，R的值会随着子组之间距离的增加而人为地增加。这表明在未考虑子组存在的情况下相关变量会产生虚假相关。置信区间（CI）用灰色表示，并通过Bootstrap 程序获得（灰色区域代表所获得的相关值分布的2.5％和97.5％之间的区域）。如何发现该错误这个错误往往发生在我们想比较两种效果之间的差异，却没有用统计学方法对两种效应进行直接比较时。该问题也经常在研究者没有进行必要的统计分析就进行推断的情况下发生。解决方案研究者进行组间比较时，应直接比较各组。两组的相关关系可以用蒙特卡罗模拟进行比较。对于多组比较，可能适合用ANOVA。非参数统计也提供了一些方法，但这些方法需要根据具体情况使用。3. 分析单元虚高实验单元是可以被随机独立分配的最小观测（smallest observation），即可以自由变化的独立数值（independent value）的数目（Parsons et al., 2018）。在经典统计学中，此单元反映的是自由度（df）：例如，当推断组间结果（group results）时，实验单元就是被试的数量，而不是对每个被试观测的次数。但研究者经常将这些指标混为一谈，从而导致理论和实践上的错误。理论上讲，如果没有清楚地确定恰当的实验单元来评估观测值的变异，那么统计推断就是有缺陷的。从实践上讲，这会导致实验单元的数量虚高（例如，对所有被试的观察次数通常大于被试的数量）。当df增加时，用来判断统计显著性的阈值会降低，这种情况下，如果效应是真实的，则更容易观察到显著结果（增大统计检验力）。这是因为检验结果会因为df增加有更大的可信度。为了说明这个问题，（我们可以）假设要用一个样本量为10的简单前后测纵向研究设计来研究干预的效果，研究者想要通过简单回归分析来评估主要指标和临床状况之间是否存在相关性。分析单元应该是数据点的数量（每个参与者为1个数据点，共10个），df为8。df=8时，达到显著性的临界R值（α水平为.05）为0.63。也就是说，高于0.63的任何相关性都是显著的（p≤0.05）。如果研究者将所有参与者的前后测数量加起来，最终的df=18，则临界R值就会变成0.44，从而更容易观察到统计学上的显著作用。这是不恰当的，因为把被试内和被试间的分析单元混淆，导致了测量结果之间的依赖，而特定题目的前测分数不会变化，也不会影响后测分数，这意味着实际上只有8个独立df。这通常会导致即使没有足够证据证明效应的存在，结果也被解释为是显著的。如何发现该错误审稿人应该思考分析单元的恰当性。如果一项研究旨在了解组间效应，则分析单元应该反映被试间的差异，而不是被试内。解决方案也许最可行的解决方案是使用线性混合效应模型，研究者可以将被试内的变异定义为固定效应，将被试间的变异定义为随机效应。这种日渐流行的方法允许将所有数据放入模型中，且不会违反独立性假设。但是，它很容易被滥用，并且需要丰富的统计知识，因此在应用和解释时应该谨慎。对于一个简单回归分析，研究者也有几种解决方法，最简单的方法是分别计算每个观测值的相关（例如，前测、后测）并根据现有的df解释R值。研究者还可以计算所有观测的平均值，或单独计算前测/后测的相关性然后对所得的R值求平均（在使用正态化的R分布后，例如，R分布转化为z分布），并据此进行解释。4. 虚假相关相关是科学中评估两个变量之间关联程度的重要工具。然而，参数相关（例如皮尔逊相关系数R）的使用是依赖于一系列假设的，（不违背这些假设）非常重要，因为违反这些假设将导致虚假相关。虚假相关最常发生在其中一个变量存在一个或多个极端值的情况中。如图表2的第一行所示，在分布中远离其余值的单个值会增大相关系数。另外，虚假相关还可能源于集群，例如，当两组的两个变量不同时，把两组的数据合并在一起（正如图表2下面一行）。请务必注意，极端值很可能会提供一个真实的、遵循规律的观测结果（这个规律可能正是你想发现的）。也就是说，观测值本身不一定是虚假的。因此，去除“极端”数据点时也应该格外谨慎。但是，如果这种真实的观测是有违反你的统计检验假设的风险的，那它就是虚假的，并需要使用其他统计工具（进行检验）。如何发现该错误审稿人应该特别注意相关性（研究）缺少散点图的情况，并思考删除数据的理由是否充分。此外，如果将数据合并在一起，审稿人需要考虑到组间或情境间的差异（参见上面的“夸大分析单元”）。解决方案在大多数情况下，应该选择稳健的相关分析方法（例如，bootstrapping, datawinsorizing, skipped correlations），因为它们对异常值不那么敏感，这是由于这些测验考虑了数据的结构。使用参数统计时，应筛选数据以避免违反关键的假设，例如数据点的独立性，以及异常值的存在。5. 使用小样本当样本量很小时，只能检测到较大的效应，这使得对效应量真正大小的估计充满不确定，进而导致对实际效应量的高估。在显著性阈值α=0.05的频率统计中，有5%的统计性检验在没有实际效应的情况下将产生显著性结果（假阳性，I类错误）。但是，研究者更倾向于认为高相关（例如，R>0.5）比中等相关更可靠（例如，R=0.2）。如果样本量较小，则这些假阳性的效应量会很大，从而导致显著性谬误：“如果一个假设效应量大到用小样本就能检测到，那它一定是正确的。”重要的是，更大的相关性并不是两个变量之间更强关系的结果，而只是因为在实际相关系数为0时，小样本更可能出现较大的相关。例如，当不断从两个不相关的变量中抽取N=15的样本并计算其相关时，得到虚假相关（即假阳性）的可能性大约在|0.5-0.75|之间，而不断抽取N=100的样本时，则假阳性为|0.2-0.25|。小样本的设计也可能无法检测出真实的效应（II型错误）。对于给定的效应量（如，两组之间的差异），抽取的样本量更大，（成功）检测该效应的可能性更大（这种可能性被称为统计检验力，或者统计功效，statistical power）。因此，使用大样本，可以减少效应存在却未被检测到的可能性。另一个与小样本量有关的问题是样本的分布更有可能偏离正态。有限的样本量通常无法严格地验证正态性假设。在回归分析中，分布的偏差可能会产生极端值，从而导致虚假的显著相关（参见上面的“虚假相关”）。如何发现该错误审稿人应该严格检查论文中使用的样本量大小，并判断样本量是否足够。基于有限数量被试的特殊结论应被特别标注出来。解决方案来自小样本的单个效应量或单个p值的价值是有限的。研究者首先应该证明他们使用的统计检验有足够的统计检验力，例如呈现先验统计力分析，或研究的重复检验。计算统计功效的困难在于，它应该基于对独立数据集的效应量的先验计算，而这在综述中很难进行评估。贝叶斯统计提供了确定事后比较统计检验力的机会。在样本量难免受到限制的情况下（例如，对罕见临床群体或非人类灵长动物的研究），应该努力重复实验（案例内和案例间），并进行足够的控制（如，确定置信区间）。6. 循环验证循环验证指以任何形式，回溯地选择数据的某个特征作为因变量进行分析，从而扭曲统计检验结果。循环验证有很多种形式，但本质上都包含先使用数据刻画（characterize）某需要被检验的变量，然后再对该批数据进行分析并进行统计推断，因此通常被称为“双重浸渍”（double dipping）。循环验证最常见的做法是：找到一个与统计结果非常相关的选择标准，回溯性地使用这个标准以完整的数据进行分析（如分组、分成不同的子集）或者删减数据（例如在神经成像研究中定义感兴趣区，或者排除极值）。（HCP注：原文在这里的表达也不是特别清晰，以定义感兴趣区为例。)假如研究者先在全脑范围寻找与特质焦虑相关的大脑区域，比如小脑；使用这一标准将小脑选择出来，然后再计算小脑与特质焦虑之间的相关，并推断：小脑与特质焦虑高度相关。这就是典型的循环论证。）例如，一个研究关注神经元集群在某一实验操纵后的发放率。使用该神经元集群的整体数据时，发现操纵前和操纵后没有显著差异。但是，研究者发现集群中一些神经元在该操纵后的发放率增加，而另一些神经元则降低。他们因此将整个神经元集群进行分组，依据是神经元在操纵前神经元的发放率。分组后再进行统计分析。这样一来，就得到显著的交互作用——操纵前发放水平低的神经元在操纵后增加了，而操纵前发放水平高的神经元则在操纵后反应降低了。但是，这种显著的交互作用完全是由于人为的选择标准加上数据中的噪音（例如，神经元活动可能只是随着时间的变化，在操纵前后回归到均值水平）共同导致的，这种交互作用完全可以在纯粹的随机噪音中观察到。循环验证的另一种常见形式是在自变量和因变量之间创建依存关系。继续上文神经元集群的例子，研究者可能报告操纵后神经元反应水平和操纵前后神经元反应水平之间差值的相关。但是这两个变量都高度依赖于操纵后测量到的神经元反应水平。因此，由于偶然因素在操纵后有更高活动水平的神经元，也可能会表现出更大的操纵前后的差异，因此研究者报告的相关可能是夸大的。在零假设前提下，如果统计分析的结果与数据选择标准独立，选择性分析是完全合理的。但是，循环验证将（存在于任何数据中的）噪音也纳入到结果之中，会夸大统计结果，并导致歪曲和无效的统计推论。如何发现该错误循环验证可以以多种形式表现，原则上来说，筛选统计指标的选择标准本身偏向于证实目标假设时，就属于循环验证。在某些情况下这非常明显，比如统计分析的数据所基于的标准是为了显示期望的效应，或者统计分析的数据本身就与感兴趣的效应存在内在联系。在另一些情况下，（发现）循环验证可能会很复杂，并且需要对数据选择和数据分析步骤中的相互依赖关系有更细微的了解。审稿人应该警惕理论上不可能达到的，和/或基于相对不可靠的测量得到的过高效应量（如果两个测量工具的内部一致性很差，这种内部一致性会是有意义相关的上限）。在这些情况下，审稿人应要求作者对选择标准与期望效应之间独立性进行说明。解决方案提前且独立于数据的情况下确定分析标准，可以避免循环验证。此外，由于循环验证将噪音纳入分析，从而使想要的效应虚高，最直接的解决方案是分别使用不同的数据集（或者数据集的不同部分）来确定分析的参数（例如，选择亚组）和检验你的预测（例如，检验不同亚组之间的差异）。这种分组方法可以在被试水平（使用不同组来确定缩减数据的标准）或试次水平（使用来自全部被试的不同试次）完成。可以使用bootstrapping方法在不降低统计检验力的情况下实现。审稿人可以要求作者进行模拟，证明想要的效应与噪音的分布、选择标准之间彼此独立。7. 分析方法的多样性：p-hacking变换数据分析方法（例如变换结果的参数，添加协变量，不确定的或不稳定的预处理程序，根据统计结果来排除异常值或题目，会增加得到显著p值的可。）这是因为一般的统计方法依赖于概率，使用的检验方法越多，得到假阳性结果的可能性就越大。因此，在某个数据中得到显著的p值并不困难，且对于显著的效应总能进行合理的解释，尤其是在没有明确假设的情况下。但是，在分析程序中的变换越大，观察到的结果不真实的可能性就越大。当一个团队在论文中报告的是用不同方法计算的同一变量的值时，或者当临床实验改变其结果时，分析方法的变换尤为明显。可通过使用标准化的分析方法，进行实验设计和分析的预注册或进行重复实验来避免此问题。可以在得到第一次实验结果之后和在重复实验之前进行实验的预注册。但是，防止p-hacking最好的方法也许是在一定程度上接受边缘显著或不显著的结果。换句话说，如果对实验进行了精心设计，执行和分析，审稿人不应该因为结果而“惩罚”研究者。如何发现该错误研究者是否采用了多种分析方法很难被检测出来，因为研究者很少报告所有的必要信息。在进行预注册或临床实验注册的情况下，审稿人应比较实际使用的与计划使用的分析方法。在没有预注册的情况下，某些形式的p-hacking是几乎不可能检测到的。但是，审稿人可以评估对所有分析方法的选择是否合理，相同的分析计划是否在以前的出版物中使用过，研究者是否提出了可疑的新变量，或者他们是否收集了大量的指标，却只报告了显著的那些。Forstmeier等人（2017）总结了检测可能的阳性结果的实用技巧。解决方案研究者应该明晰报告的结果，例如，区分事先计划的分析与探索性分析、预期结果与意外结果。正如我们在下文讨论的，如果进行透明地报告和解释，灵活地进行探索性分析并没有问题，尤其它们作为下一步有着具体分析方案的重复研究的基础时，是合理的。这些分析方法可以为额外的研究提供有价值的依据，但不能作为强有力的结论的基础。8. 未进行多重比较校正当研究者检验任务效应时，他们经常检验多个任务条件对多个变量（行为结果，问卷条目等）的影响，有时还存在先验假设不确定的情况。这种方法被称为探索性分析，与有更多限定条件的验证性分析相对。使用频率统计时，在探索性分析中进行多重比较可能会对显著结果的解释产生很大的影响。在包含两个以上条件（或两组的比较）的实验设计中，探索性分析将涉及多重比较，也会在没有真实效应的情况下增加统计显著结果的可能性（即假阳性，I类错误）。在这种情况下，因子数量越多，可以进行的检验就越多，观察到假阳性的可能性就越大（family-wise error rate）。例如，在一个2×3×3的实验设计中，即使效应实际上是不存在的，至少得到一个显著主效应或交互作用的概率也有30％。进行多重独立比较时，此问题尤其突出（例如，神经影像分析，多重记录的神经元或脑电图）。在这种情况下，研究者在每个体素/神经元/时间点内进行严密的统计检验，由于设计中包含大量指标，检测到假阳性结果的可能性很大。例如，没有对多重比较进行校正时，Bennett及其同事在死三文鱼中发现了被激活的体素（在“心理模拟”任务中激活）。此例说明了得到（identify）假阳性的结果有多么容易。尽管这个问题在探索性分析中更突出，但在验证性分析中设定大量的检验时，也可能出现问题。如何发现该错误未被校正的多重比较，可以通过测量的自变量的数量和使用的分析方法的数量来检查。如果这些变量中只有一个与因变量相关，那么其余变量可能就是纯粹为了增加得到显著结果的可能性而被纳入的。因此，当对大量的变量（例如基因或MRI体素）进行探索性分析时，如果研究者没有明确的理由解释未经矫正的多重比较结果，那这个结果就是完全不可接受的。即使研究者提供了粗略的假设（例如，应该在特定的脑区或在近似潜伏期观察到效应），如果这个假设需要多个独立的比较进行检验，也需要对多重比较进行校正。解决方案探索性分析可能是没有问题的，但必须承认这是探索性分析。研究者应该报告所有测得的变量，并恰当地使用多重比较程序。例如，标准的多重比较校正肯定会发现在死三文鱼脑中没有激活。请记住，有多种方法可以校正多重比较，有些方法比其他方法更为研究者所接受，因此仅呈现某些形式的校正还不一定能完全解决假阳性的问题。9. 过度解释不显著结果使用频率分析时，科学家使用统计阈值（通常α=.05）来判断统计显著性。有关此阈值主观性的文章很多，并且也有不少研究者试图提出替代方案。除了这些我们将在结语部分阐述的问题，错误地解读不显著的统计检验结果也是严重的问题，且却极为普遍。这是因为不显著的p值无法区分无效应的结果是由于效应确实客观上不存在（与假设相反的证据），还是由于当前研究的数据不足以让研究者去严格地评估假设（如，缺乏统计检验力、不恰当的实验设计等）。简单来说——效应不显著可能有非常不同的含义——真正的无效应、缺乏统计力去探测真实的效应，或模糊的效应。因此，如果研究者用不显著的结果作为证据去否定有效应的假设，就需要说明该证据本身是有意义的。但p值这一统计方法不能达到此目的。将不显著结果混淆为支持无效应，还意味着研究者有时可能会（错误地）忽略p未达到0.05阈值的结果，认为该结果毫无意义，即使这个结果可能实际上提供了足够反对零假设的证据，或者至少有趋势表明需要进一步的检验。如何发现该错误研究者可能将不显著的p值解释或描述为不存在效应。这个错误非常常见，应该得到重视。解决方案首先，重要的是在报告p值的同时报告效应量，以提供有关效应大小的信息，这对于元分析也很重要。例如，如果大样本的研究中效应不显著，同时效应量也很小，那么就不太具有理论意义，而具有中等效应量的结果可能值得进一步研究（Fethney, 2010）。可能的话，研究者应考虑使用能够区分不充分（或模糊的）证据与支持零假设证据的统计方法。除非研究者已经事先确定他们的研究是否有足够的统计检验力来探测出想要的效应，或者有足够的统计检验力来确定所预期的先验效应的置信区间是否包含0。否则，研究者不应过度解释不显著结果。10. 相关和因果这可能是解释统计结果时最悠久和常见的错误（参见例如，Schellenberg, 2019）。在科学中，相关通常用于探索两个变量之间的关系。当发现两个变量之间存在显著相关时，我们很容易认为一个变量是导致另一个变量变化的原因。然而，这是不正确的。因为两个变量的共变并不一定意味着它们之间一定存在因果关系，即使存在这种可能。例如，不同国家的巧克力年消费量与诺贝尔奖获得者数量之间的显著相关性（r（df = 20）=.79；p<0.001），曾经使我们（误）认为摄入巧克力为诺贝尔奖获得者的产生提供营养基础。仅有相关不能作为因果关系的证据。相关性的存在可能反映了正向或反向的因果关系，但也可能是由（未知的）常见原因引起的，或者可能仅仅是巧合。如何发现该错误每当研究者报告的两个或多个变量之间的关系不是由操纵导致的，却进行了因果推论，就很可能是混淆了相关和因果。研究者应该仅在精确操纵变量时进行因果推论，即使如此，也要小心无关变量的影响。解决方案可能的话，研究者应该尝试检验这两个变量与第三个变量之间的关系，来进一步支持他们的解释，例如，使用结构方程模型或中介分析（前提是有足够的统计检验力），通过检验竞争模型或直接在随机对照实验中操纵目标变量。否则，如果证据证明只具有相关性，就应避免使用因果说法。避免这十个推断错误是确保结果不被严重曲解的第一步。但是，此清单的一个关键假设是，显著性检验（由p值表示的）对于科学推断是有意义的。具体而言，除了少数错误外（ “缺乏适当的对照情境/组”和“相关和因果”），上述的大多数错误及其解决方案，都和p值紧密相关，与p值的意义有关，即特定统计检验中的p值代表的是实际上的犯错率。当前，关于零假设显著性检验的有效性和显著性阈值的使用仍然处于争论之中。我们承认，仅一个p值不能揭示关系或效应的合理性、是否存在、真实性或重要性。但是，禁用p值并不一定能防止研究者对结果的错误推论。当合理地进行使用时，p值可以对结果进行有价值的描述，当前也可以辅助学术的交流，至少在就如何解读统计效应的新共识达成之前如此。我们希望本文能在这些主要问题上，对作者和审稿人有所帮助。见译文的PDF版：https://osf.io/2qj6k/files/文中代码（包括模拟的数据）源于github.com/jjodx/InferentialMistakes (Makin and Orban de Xivry, 2019DOI: https://doi.org/10.7554/eLife.48175.002参考文献Makin, T. R., & Orban de Xivry, J.-J. (2019). Ten common statistical mistakes to watch out for whenwriting or reviewing a manuscript. eLife, 8, e48175. doi:10.7554/eLife.48175作者：Makin, T. R., & Orban de Xivry, J. J.译者：李芊芊排版：华华

现在无论是硕士研究生，还是高校教师评职称，学术论文都已成为硬性要求，对于新手来说，对于学术论文都是充满了迷茫，每当看到身边大神发表文章都只有羡慕嫉妒恨。终于的终于费劲心思写出一篇，但写好了论文再怎么办？往哪投？怎么投？那么，今天早发表小编就跟大家谈谈学术论文投稿的两三事。一篇学术论文投稿的所有流程是怎样的？一、投稿流程or步骤：1.准备工作：选定一种期刊杂志作为自己的投稿对象。怎么选呢，先看自己学校或者单位评职称需要投什么级别的刊物。现在很多都要求必须是核心期刊，这个可以上网搜一下具体都有哪些。然后打开这个期刊的网址，看下期刊的具体分的板块，是不是跟自己文章相符，找到一个适合自己的。特别要注意，刊物本身有没有学术要求，比如：什么第一作者要求博士及以上学历，优先考虑副教授及以上职称，要求有基金项目，国家级优先考虑.............。2.写稿子：如果你的论文已经写好了，论文格式就根据投稿要求进行修改，不同的杂志社对论文的格式要求不一样。一定要严格按照这个要求操作的哦，包括查重的时候也是一样的。如果你的文章还没有写好而且已经选择好期刊的话可以根据刊物要求写稿子，投过去。投普刊的话，正常写稿就好了，语句通顺、逻辑清晰、不要有专业性错误。但如果普刊不行的话，需要的是国家级或者核心刊物，那就锁定要投的刊物之后，要了解下刊物的各种格式、要求、审稿喜好。这里小编给大家推荐早发表网，他有个栏目叫做期刊目录，一般的期刊都会有，经过他们编辑的整理，期刊的刊物荣誉、办刊宗旨、读者对象、期刊目录、刊物荣誉和投稿要求都会有，很详细。3.投过去：先来说说投稿途径，目前普遍的投稿途径有两种：一是自己联系期刊投稿。最普遍的就是邮箱投稿了，但是现在假网站，假邮箱很多，一不小心就上当受骗。这里给大家推荐一个很靠谱的方法，在中国知网出版物检索里面搜索刊物，然后刊物信息里面有个投稿的邮箱标签。如果该刊物期刊编辑部在知网开通了采编服务平台的话就直接跳转到投稿页面了。如果未开通的话，那就要另外寻找，可以买本该期刊，一般上面都会写投稿邮箱，按照那个投就可以了。中国知网首页课程教育研究投稿邮箱二是联系论文发表的网站投稿。虽说上面讲了自己投稿的方式，虽然这种有保障些，但是也有诸多不便。自己联系杂志社，长时间不审稿，审稿慢，回复慢，打电话又无人接听这是常事，先不说流程繁琐，有些人需要快速发表论文的就真的等不起。但是在找论文发表网站，还是可以做到这几点的：省钱：只收取低限度的订阅费用省心：全程服务，随时可查进度省时：专业的编辑服务，和杂志社有密切联系省事：专业的运营团队，简单快捷总的来说，找发表网站还是省了很多事，不过现在一搜第一页全都是广告，真的有种乱花渐欲迷人眼的感觉。这里给大家推荐我们早发表期刊网，不说别的至少正规靠谱，专业的编辑小姐姐为你一对一解决问题。在投稿方面有什么问题都可以咨询，还会帮你选择期刊，论文发表超放心！4.收到反馈通知：随时登陆查看状态网上投稿完了以后可以随时登陆作者中心察看自己稿件的状态。论文一般需要三审，会需要一定的时间。如果对时间有要求的作者一定要留有提前量。一般核心都要进行修改的，按要求修改后继续投，稿件如果被录用，就会收到杂志社的通知。缴纳了版面费后就可以等着见刊了。5.发表费用：现在的刊物一般都要收取一定的版面费，按文章的字数占几个版面还有刊物的等级来收取一定的版面费。只有少数的不收取版面费。最后说下，发表不管什么几倍，请提前准备。比如发核心的话至少也要提前八九个月准备吧，现用现发是不可能的！也切记病急乱投医！二、如何选择期刊之前聊到过，根据学校的要求，一般在写文章之前，就会先规划文章去向，这样的针对性的投稿，录用率要更高一些。所以在平时看文献的时候，要综合阅读本学校的期刊，总结出一些规律，对投稿会大有益处。1 期刊的偏好：虽然不同的期刊有自己的发表文章的领域，但是仔细阅读三五期你就会发现，它们在自己的领域中还是有偏好的，这是受到审稿人员的偏好影响的，这个值得投稿者注意。2 期刊的能力：期刊的刊载能力是一些急需文章的作者们不得不考虑的问题，这决定着文章见刊的时间。搜索一下数据，看每年有多少期，每期大约能发多少篇文章，再统计一下有多少在线的文章，如果你发现它每月在线的文章量大于或接近能够刊登的文章量，那它就是一个“出不敷入”的期刊，由于它为了保住IF不快速的下滑，不能增加期数和每期的文章量，能做就是大幅度超前出版！3 审稿周期：期刊的审稿周期一定程度上反映了该杂志编辑部的工作状态。如果一个期刊的邀请审稿信息望受邀请者三至五天决定能否审稿，如果20天左右返回审稿意见，如果拒稿最好在10天以内返回意见的，应该是负责任的不错的期刊，这个就很值得进行投稿。自己整理好文章达到一个最好的状态，并且选择好了一个或者几个意向期刊，那就可以进行投稿了，但是知识狗提醒大家注意一下两点：1.切不可一稿多投，现在杂志社对于这一点要求都很严格，这种小聪明还是不要使用的好。2.如果被一家杂志退稿，一定要仔细阅读审稿意见，然后进行针对性修改后在进行下次的投递，切不可不管不顾原文中转投另外的杂志,心急吃不了热豆腐哦!!!整理：早发表小编（论文发表，就上早发表期刊网）

一 文章定位是否准确？SCI稿件分为综述性文章与实验性文章。我们在投稿时首先要对自己的论文有一个准确的定位，这就需要阅读大量的文献，掌握目前该领域研究到了什么状态，研究的热点是什么。我们的工作对当前研究有什么意义。因为期刊是读者交流的主渠道，很多科学家在从事类似研究，有很多未解决问题困扰着他们，如果我们的研究能对这些困扰提出一个论据，哪怕是一个细小分支，这篇论文也可以投一篇IF较高的期刊。二 投稿期刊选择是否正确？稿件定位后，就开始选择期刊了。如何选择准确的期刊呢？ 在Google上搜索？那真是海底捞针了！ 推荐大家先查看近3-5年的影响因子表格。一般期刊的影响因子的变动不会很大。我们可以先在Excel表格内将采用IF升序或降序的方法将这些期刊进行排列。如果你觉得你的文章可以投稿到1分的期刊，那么你就在IF为1的期刊列内搜索，找到生物学、医学、药学领域的期刊，一次多找几个。然后到期刊的官方网站去看该期刊的征稿范围(Scope)，确保范围准确。在选择期刊上，我们还需要注意：1、了解所选SCI期刊的办刊宗旨和范围，包括期刊的读者对象、侧重点和研究兴趣。只有自己的论文主题跟所选期刊的办刊宗旨和范围相符，才有被接受刊发的可能，否则，即使你的论文创新点再好，论文写得再完美，结果也只能是拒稿。另外，如果你的论文信息交叉了几个学科的研究领域，则可以有多种选择。查看投稿论文是否在期刊的收稿范围内多通过浏览其期刊网站主页的方式，可以通过查看Aim & Scope，或者Introction to Author部分。2、准确定位自己的文章，选择恰当影响因子的期刊。我们都希望自己的文章能够在影响因子高的期刊上发表，因为期刊的影响因子越大，如果被接受，说明自己的文章水平越高，影响力也就越大，但是首先要对自己的文章有个准确的定位，只有选择与自己文章定位相符的期刊，发表的可能性才会更大。3、注意所选SCI期刊是否收费。费用包括版面费、彩色图片印刷费。4、明确所选SCI期刊的审稿周期。一篇文章从投稿到刊发，不同的期刊，所需要的时间不同。如果你的文章需要在短期内见刊，那就需要选择一个周期短的期刊。大部分发表的SCI论文首页的作者单位下，都注明了稿件的投稿日期(received date)、修改日期(revised date)和文章最终被接纳的日期(accepted date)，我们可以根据这部分内容判断自己的文章在这本期刊上发表需要多长时间。5、确定所选期刊是否在自己单位的统计源内。许多人发表论文是为了评职称，而单位内都有规定的有效期刊，这种情况下，一定要确定自己所选的期刊在自己单位的统计源内，以免辛苦发表的论文得不到单位的认可。三 文章内容是否属于自己原创？SCI是一个尊重文章专利权的期刊库，在你投稿后，期刊就会对其进行查重，一般来说要求论文重复率不超过20%，否则立刻拒稿。而多数科研人员在英文写作时难以避免套用文献中的句子，所以查重和降重更加必要。四 文章内容是否创新？SCI发展到现在，它所拥有的优秀论文量很多，而且一个专题里的优秀论文也是有着一定的数量。所以在后来的科研学者要想把自己的论文发表在sci里，就必须要抢到自己论文的创新性了。具有创新性的论文专题比普遍性的论文专题更容易被收录。我们在写作的时候要从哪些内容上体现新意呢？第一，从观点、题目到材料直至论证方法全是新的。这是在新的领域或者新的方向上得到突破，找到新的出路的一类论文。这类论文写好了，价值较高，社会影响也大，但写作难度大。选择这一类题目，作者须对某些问题有相当深入的研究，且有扎实的理论功底和写作经验。由于论文的所有内容基本为新的，所以在撰写论文的时候需要的是详细而清晰的说明方式，让读者能够一目了然，理解你的新理念。第二，以新的材料论证旧的课题，从而提出新的或部分新的观点、新的看法。这类论文是通过新的内容去认证旧的课题，并从中提出自己的新观点，所以在撰写的时候，更应该以自己的新观念为主。第三，以新的角度或新的研究方法重做已有的课题，从而得出全部或部分新观点。这类论文的撰写十分考验作者对于已有的课题的了解程度，只有在十分熟悉课题的情况下，才能发现新的视角。第四，对已有的观点、材料、研究方法提出质疑。这类论文是以质疑已有的课题为主，虽然没有提出自己新的看法，但能够启发人们重新思考问题，以便人们继续对该课题进行深入的研究和了解。文章内容是否需要润色？SCI润色包含两个重要的方面，一个是语法和词语上的润色，一个是内容上的润色，每个方面都很重要。一般来说如果SCI的审稿人知道你是来自国外的作者，往往会比较在意你的英文水平。当然，现在出国留学、交流机会众多，很多人的英文写作已经足够独立解决该问题，不必担心了。但还是有多数人收到编辑发来的拒稿原因是：语言不过关，建议由专业人士进行修改。这个时候你就要多重视了。从文章理解的角度来说，SCI润色后更容易理解，尤其是国外的同行可能更容易读懂你的文章，相比于没有润色的文章，这样的文章被引用的机会更大，更能受读者的欢迎，当然最重要的还是先要顺利通过审稿人的审核，这是我们发表过程中较为重视的一个细节。特别声明：本文为艾德思(Editsprings)原创文章，并由我司官方账号在相关平台进行统一推送，禁止一切未经授权的转载抄袭行为！如需转载请联系我司获取授权，并注明详细出处来源。