摘 要 教育信息化背景下，教师在教学成绩分析时要面对更繁杂的数据，要求分析的深度、广度和精度更高，这给教师提出新的挑战" />
免费阅读期刊
论文发表、论文指导
周一至周五
9：00&22：00
基于SPSS的教学结果分析
　　摘 要 教育信息化背景下，教师在教学成绩分析时要面对更繁杂的数据，要求分析的深度、广度和精度更高，这给教师提出新的挑战。SPSS软件自动化程度和精确度高，能很大程度地减轻教师的负担。利用SPSS软件分析某高校两个平行班学生某门课程的期考成绩，得出结论，分析原因。 中国论文网 /9/view-6063503.htm　　关键词 SPSS软件；成绩分析；Excel电子表格 　　中图分类号：G652 文献标识码：B 文章编号：X（4-03 　　21世纪是信息化时代，教育也步入了信息化。传统的教学评价分析方法已经不能满足现实需求，教师必须借助功能强大的统计分析软件才能对教学做出更客观准确的评价。SPSS是一款目前公认的优秀数据统计分析软件，借助它能够较全面、准确地分析教学结果。因此，适时借助SPSS分析教学结果并作出评价显得十分必要。 　　1 SPSS软件介绍 　　SPSS（Statistical Product and Service Solutions，统计产品与服务解决方案）是世界上最早的统计分析软件，由美国斯坦福大学的3位研究生于20世纪60年代末研制，同时成立了SPSS公司，并于1975年在芝加哥组建了SPSS总部[1]。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程（比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程），而且每个过程中又允许用户选择不同的方法及参数。SPSS也有专门的绘图系统，可以根据数据绘制各种图形。 　　2 数据收集 　　本文以某高校计算机专业09级网络1班和2班两个平行班的无线网络技术原理与应用课程的期末成绩进行分析。经过统一标准批改试卷，得出原始成绩，利用Microsoft Office Excel 2003软件以序号、学号、期考成绩记录两班成绩，做成Excel电子表格进行保存。图1是1班数据表。同理，制作出2班数据表。 　　3 利用SPSS软件分析数据 　　3.1 利用统计图表描述成绩 　　用统计图表对考试成绩进行描述，是非常直观、形象的，生成的直方图非常有说服力。下面使用SPSS软件分析1班数据。具体步骤为：打开SPSS软件，点击文件→打开→数据，打开存在电脑上1班的Excel数据表，然后选择图形→图表构建程序→选择条形图，把期考成绩拉到横坐标上，单击确定，即以分数作为横坐标、人数作为纵坐标生成二维条形图。同理，使用SPSS软件得出2班成绩条形图。条形图上横坐标表示分数，纵坐标表示学生个数，从中可以清楚直观地看出两班成绩分布情况。 　　3.2 频率分析 　　频率分析是分析各分数的人数百分比，即出现该分数的频率。操作步骤为：打开软件→打开数据→点击分析→描述统计→频率→选择变量→确定，得出班级有效考试人数，各分数的频率、百分比、有效百分比、积累百分比和合计等。 　　经统计，得出两个表格：第一个表格得出1班有效是35个数据，无效的为0，2班有效是37个数据，无效的为0；第二个表格是成绩，第一列是原始成绩，第二列是频率即对应成绩的人数，第三列是占的百分比，第四列是有效的百分比，第五列是积累的百分比（即从上往下累加的百分比），最后一行是合计（即汇总）。从表格中，对于班级分数分布的频率与百分率一目了然。 　　3.3 正态分布检验 　　在SPSS软件中，是用Q-Q概率图实现对正态分布的检验的，Q-Q概率图是根据变量分布的分位数对所指定的理论分布分位数绘制的图形[2]。若正态概率图中的点落在斜线上越多，则说明数据的分布就接近正态。打开班级Excel数据表，点击分析→描述统计→Q-Q图得出正态Q-Q分布图。从图中可以看出，几乎所有的点都围绕在一条直线附近，越靠近那条直线说明分布越接近正态分布。1班期考成绩正态分布如图2所示。 　　同理，得出2班正态分布图。经分析得出，1班较2班更接近正态分布。 　　3.4 配对样本的t检验 　　分析成绩的时候不仅需要对某一个班成绩作分析，还要把几个班的成绩加以比较，看看有没有显著性差异。一般是用均值来作比较对象，进行t检验，在SPSS软件中有着丰富的t检验功能。下面以1班和2班数据为例，说明t检验。先把两个班级的数据汇集到一个Excel数据表格上，打开SPSS软件，打开数据→点击分析→比较均值→配对样本t体验。输出t检验结果，其中包括两班成对样本统计量、成对样本相关系数、成对样本检验3个表格。成对样本统计量表中得到两个班成绩的均值、N值、标准差、均值的标准误，成对样本相关系数表中得到两个班成绩的N值、相关系数、Sig值，成对样本检验数表中得到两个班成绩的均值、标准差、均值的标准误、上限、下限、t值、df值等。两班t检验结果如图3所示。 　　4 结果分析 　　经过分析，得出1班的成绩稍好于2班。期末考试的成绩很大程度地反映出一个学期教师和学生的努力程度，它有下面一些影响因素。 　　1）教师的努力程度。教师的备课程度与授课方式、方法等都会对教学结果产生较大的影响，直接影响教学效果，是影响学生成绩的主要因素。本文教师在两个班上都进行了统一的备课，授课的课时、风格、练习和作业量等保持一致，讲课过程都尽量做到详尽、透彻、有吸引力。两个班的备课和授课基本一致，教师对两班的努力程度是相同的。 　　2）学生学习的态度与努力程度。学生的态度和努力程度在学习的过程中最为重要，它反映了学生的主观因素。假如学生的学习态度不端正，无论教师如何努力，成效都不大。从上面的分析数据中看出，1班的成绩较2班的好，笔者做出以下客观比较：同样的课，2班的学生迟到较多，上课不认真听，讲话或者玩游戏的学生较多；同样的作业，2班的学生完成不够认真，个别还存在抄袭现象。这些直接影响到学生对知识的习得程度。另外，有些时候，学生的学习态度直接影响到教师的教学发挥，学生的迟到、上课分心、说话等对教师授课和学生听课的质量亦有影响。 　　3）试卷出题的合理度。试卷的难易程度对考试成绩结果的影响是最直接的。本次考试的试题总分100分，基础题占70%，中等难度占20%，较难的占10%，其中50%是课后练习的题目。从结果来看，85分左右的学生较多，两头人数差不多相当。所以，题目出得比较很合理，对学生成绩的影响是相同的。 　　4）学生考试临场发挥的好坏。有时候学生考试的发挥也能对成绩产生很大的影响，特别是身体状况和临场的心态等，都能影响到学生的发挥。有些学生在考场里比较紧张，做题的时候头脑里的知识完全记不起来，出了考场又能想起了；还有些学生，本来是选对了的选项又被自己莫名其妙地改错了；等等。这些都反映了学生的临场发挥能力，这些因素只能学生自身去克服。经过锤炼，学生的临场发挥水平会有很大的改善。 　　5）评卷的标准等。有时候评卷的标准的把握，不同的教师有不同的标准，也会影响到学生最终的成绩。本次考试试卷由同一个教师批改，采取的标准完全一样，对成绩的影响是一致的。 　　6）阅卷教师的心态。阅卷教师的心态对最终成绩存在一定的影响，尤其是给客观题判分的时候，阅卷教师会酌情扣分。一些学生字迹潦草，难以分辨，阅卷教师的心情肯定不好，扣分就会多些；相反，字迹工整，卷面清晰，就会少扣些分。本次阅卷，教师批改试卷的心态因卷面情况存在细微波动，因此对最终成绩会存在细微影响，但这个影响非常微小。 　　5 结束语 　　本文借助SPSS软件，分析两个平行班的期末考试成绩，通过分析，得出结论。但本文分析得比较宏观，还没能分析到学生个体行为及心理差异，而且本文分析的方面比较少，部分项目指标没有分析，这些都有待深入。 　　参考文献 　　[1]李良.巧用Excel和SPSS软件分析考试成绩[J].金华职业技术学院学报，2008（2）：45-48. 　　[2]卢纹岱.SPSS统计分析[M].4版.北京：电子工业出版社，2010.
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。利用SPSS软件进行回归分析的方法技巧
时间：日来源：百度
1、输入数据，可以先保存一个数据，再用SPSS打开，或者直接点开软件输入
2、点击分析--回归--线性
3、弹出的窗口中，将Y添加到因变量，X添加到自变量，选择方法，这里以进入为例，最后确定。
4、于是可以得到如下的值
5、主要看图中画红圈的地方
6、结论：排除变量X1和X2。R=0.976，p值小于0.001，可见X3对Y值有显著性影响。最后得到回归方程：Y＝22.857*X3
spss19.0中文版下载版是一款统计产品与服务解决方案的软件，最初软件全称为社会科学统计软件包(SolutionsStatistical Package fo…
页面地址:/xiazai/69358.html
看过这篇文章的人还看过【图文】多因素方差分析的SPSS操作_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
多因素方差分析的SPSS操作
上传于|0|0|文档简介
&&方差分析 SPSS
大小：1.42MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢您现在的位置：&&>&&>&&>&&>&正文
本节将介绍利用SPSS对量表进行处理分析。　　在获取原始数据后，我们利用SPSS对量表可以作出三种分析，即项目分析、因素分析和信度分析。
　项目分析，目的是找出未达显著水准的题项并把它删除。它是通过将获得的原始数据求出量表中题项的临界比率值――CR值来作出判断。通常，量表的制作是要经过专家的设计与审查，因此，题项一般均具有鉴别度，能够鉴别不同受试者的反应程度。故往往在量表处理中可以省去这一步。 　　
　因素分析，目的是在多变量系统中，把多个很难解释，而彼此有关的变量，转化成少数有概念化意义而彼此独立性大的因素，从而分析多个因素的关系。在具体应用时，大多数采用“主成份因素分析”法，它是因素分析中最常使用的方法。
　信度分析，目的是对量表的可靠性与有效性进行检验。如果一个量表的信度愈高，代表量表愈稳定。也就表示受试者在不同时间测量得分的一致性，因而又称“稳定系数”。根据不同专家的观点，量表的信度系数如果在0.9以上，表示量表的信度甚佳。但是对于可接受的最小信度系数值是多少，许多专家的看法也不一致，有些专家定为0.8以上，也有的专家定位0.7以上。通常认为，如果研究者编制的量表的信度过低，如在0.6以下，应以重新编制较为适宜。　　在本节中，主要介绍利用SPSS对量表进行因素分析。
　　一、因素分析基本原理
　　因素分析是通过求出量表的“结构效度”来对量表中因素关系作出判断。在多变量关系中，变量间线性组合对表现或解释每个层面变异数非常有用，主成份分析主要目的即在此。变量的第一个线性组合可以解释最大的变异量，排除前述层次，第二个线性组合可以解释次大的变异量，最后一个成份所能解释总变异量的部份会较少。　　主成份数据分析中，以较少成份解释原始变量变异量较大部份。成份变异量通常用“特征值”表示，有时也称“特性本质”或“潜在本质”。因素分析是一种潜在结构分析法，其模式理论中，假定每个指针（外在变量或称题项）均由两部分所构成，一为“共同因素”、一为“唯一因素”。共同因素的数目会比指针数（原始变量数）还少，而每个指针或原始变量皆有一个唯一因素，亦即一份量表共有n个题项数，则会有n个唯一因素。唯一因素性质有两个假定：　　（1）所有的唯一因素彼此间没有相关；　　（2）所有的唯一因素与所有的共同因素间也没有相关。　　至于所有共同因素间彼此的关系，可能有相关或可能皆没有相关。在直交转轴状态下，所有的共同因素间彼此没有相关；在斜交转轴情况下，所有的共同因素间彼此就有相关。因素分析最常用的理论模式如下：　　　　&其中　　（1）为第i个变量的标准化分数。　　（2）Fm为共同因素。　　（3）m为所有变量共同因素的数目。　　（4）为变量的唯一因素　　（5）为因素负荷量。　　因素分析的理想情况，在于个别因素负荷量不是很大就是很小，这样每个变量才能与较少的共同因素产生密切关联，如果想要以最少的共同因素数来解释变量间的关系程度，则彼此间或与共同因素间就不能有关联存在。
所谓的因素负荷量，是因素结构中原始变量与因素分析时抽取出共同因素的相关。　　在因素分析中，有两个重要指针：一为“共同性”，二为“特征值”。　　
所谓共同性，就是每个变量在每个共同因素之负荷量的平方总和（一横列中所有因素负荷量的平方和），也就是个别变量可以被共同因素解释的变异量百分比，这个值是个别变量与共同因素间多元相关的平方。　　从共同性的大小可以判断这个原始变量与共同因素间之关系程度。而各变量的唯一因素大小就是1减掉该变量共同性的值。（在主成份分析中，有多少个原始变量便有多少个成份，所以共同性会等于1，没有唯一因素）。　
所谓特征值，是每个变量在某一共同因素之因素负荷量的平方总和（一直行所有因素负荷量的平方和）。　　在因素分析的共同因素抽取中，特征值最大的共同因素会最先被抽取，其次是次大者，最后抽取得共同因素的特征值最小，通常会接近0（在主成份分析中，有几个题项，便有几个成份，因而特征值的总和刚好等于变量的总数）。将每个共同因素的特征值除以总题数，为此共同因素可以解释的变异量，因素分析的目的之一，即在因素结构的简单化，希望以最少的共同因素，能对总变异量作最大的解释，因而抽取得因素愈少愈好，但抽取因素的累积解释的变异量愈大愈好。　　我们通过一个例子说明如何利用SPSS软件对量表进行分析。
　　二、利用SPSS对量表进行因素分析
　　【例6-9】&现要对远程学习者对教育技术资源的了解和使用情况进行了解，设计一个里克特量表，如表6-27所示。
　　将该量表发放给20人回答，假设回收后的原始数据如表6-28所示。
　　操作步骤：　　⒈ 录入数据　　定义变量“A1”、“A2”、“A3”、“A5”、“A6”、“A7”、“A8”、“A9”、“A10”，并按照表& 输入数据，如图6-33所示。
　　⒉ 因素分析　　（1）选择“AnalyzeData ReductionFactor…”命令，弹出“Factor Analyze”对话框，将变量“A1”到“A10”选入“Variables”框中,如图6-34所示。
　　（2）设置描述性统计量　　单击图6-34对话框中的“Descriptives…”按钮，弹出“Factor Analyze:Descriptives”（因素分析：描述性统计量）对话框，如图6-35所示。
　　① “Statistics”（统计量）对话框　　A “Univariate descriptives”（单变量描述性统计量）：显示每一题项的平均数、标准差。　　B “Initial solution”（未转轴之统计量）：显示因素分析未转轴前之共同性、特征值、变异数百分比及累积百分比。　　② “Correlation Matric”（相关矩阵）选项框　　A “Coefficients”（系数）：显示题项的相关矩阵　　B “Significance levels”（显著水准）：求出前述相关矩阵地显著水准。　　C “Determinant”（行列式）：求出前述相关矩阵地行列式值。　　D “KMO and Bartlett’s test of sphericity”（KMO与Bartlett的球形检定）：显示KMO抽样适当性参数与Bartlett’s的球形检定。　　E “Inverse”（倒数模式）：求出相关矩阵的反矩阵。　　F “Reproduced”（重制的）：显示重制相关矩阵，上三角形矩阵代表残差值；而主对角线及下三角形代表相关系数。　　G “Anti-image”（反映像）：求出反映像的共变量及相关矩阵。　　在本例中，选择“Initial solution”与“KMO and Bartlett’s test of sphericity”二项，单击“Continue”按钮确定。　　（3）设置对因素的抽取选项　　单击图6-34对话框中的“Extraction…”按钮，弹出“Factor Analyze:Extraction”（因素分析：抽取）对话框，如图6-36所示。
　　① “Method”（方法）选项框：下拉式选项内有其中抽取因素的方法：　　A “Principal components”法：主成份分析法抽取因素，此为SPSS默认方法。　　B “Unweighted least squares”法：未加权最小平方法。　　C “Generalized least square”法：一般化最小平方法。　　D “Maximum likelihood”法：最大概似法。　　E “Principal-axis factoring”法：主轴法。　　F “Alpha factoring”法：α因素抽取法。　　G “Image factoring”法：映像因素抽取法。　　② “Analyze”（分析）选项框　　A “Correlation matrix”（相关矩阵）：以相关矩阵来抽取因素　　B “Covariance matrix”（共变异数矩阵）：以共变量矩阵来抽取因素。　　③ “Display”（显示）选项框　　　A “Unrotated factor solution”（未旋转因子解）：显示未转轴时因素负荷量、特征值及共同性。　　B “Scree plot”（陡坡图）：显示陡坡图。　　④ “Extract”（抽取）选项框　　　　A “Eigenvalues over”（特征值）：后面的空格默认为1，表示因素抽取时，只抽取特征值大于1者，使用者可随意输入0至变量总数之间的值。　　B “Number of factors”（因子个数）：选取此项时，后面的空格内输入限定的因素个数。　　在本例中，设置因素抽取方法为“Principal components”，选取“Correlation matrix”、“Unrotated factor solution”、“Principal components”选项，在抽取因素时限定在特征值大于1者，即SPSS的默认选项。单击“Continue”按钮确定。　　（4）设置因素转轴　　单击图6-34对话框中的“Rotation…”按钮，弹出“Factor Analyze:Rotation”（因素分析：旋转）对话框，如图6-37所示。
　　① “Method”（方法）选项方框内六种因素转轴方法：　　A “None”：不需要转轴　　B “Varimax”：最大变异法，属正交转轴法之一。　　C “Quartimax”：四次方最大值法，属正交转轴法之一。　　D “Equamax”：相等最大值法，属正交转轴法之一。　　E “Direct Oblimin”：直接斜交转轴法，属斜交转轴法之一。　　F “Promax”：Promax转轴法，属斜交转轴法之一。　　② “Display”（显示）选项框：　　A “Rotated solution”（转轴后的解）：显示转轴后的相关信息，正交转轴显示因素组型矩阵及因素转换矩阵；斜交转轴则显示因素组型、因素结构矩阵与因素相关矩阵。　　B “Loading plots”（因子负荷量）：绘出因素的散步图。　　③ “Maximum Iterations for Convergence”：转轴时之行的叠代最多次数，后面默认得数字为25，表示算法之行转轴时，执行步骤的次数上限。　　在本例中，选择“Varimax”、“Rotated solution”二项。研究者要选择“Rotated solution”选项，才能显示转轴后的相关信息。单击“Continue”按钮确定。
众说风云 (已有3条评论)
* 游客填写 & &* 用户名
上海、北京及广州生物技术相关行业最新的职位信息，尽在生物招聘。
成功的秘诀
关注2009――危机下的就业形势
Eppendorf 荧光定量 PCR仪
ABI Stepone TM 实时定量PCR仪，最新的软件系统，界面友好，操作简单
各种厂家和各种规格的PCR产物纯化试剂盒
最全的定量PCR试剂
从引物设计到实验全程服务}