SPSS统计软件在大学英语考试成绩分析中的应用 英语b级成绩查询官网
时间：2019-01-08 03:17:29 来源：雅意学习网 本文已影响 人 
摘 要： 本文借助SPSS13.0统计软件，从变量相关分析、双因素混合实验设计方差分析与多组配对检验等角度分析大学英语考试成绩，给出了对学生考试成绩进行分析时具体操作SPSS13.0软件的步骤和方法，以期直观且科学地对学生英语考试成绩进行分析。
关键词： SPSS13.0统计软件 大学英语考试成绩 应用
1.引言
社会科学统计大型软件包SPSS13.0具有操作简单、灵活、功能性强等特点。作为一种有效的统计工具，在教育统计中所发挥的作用越来越大。在教学中，教师常需要进行诸如考试成绩等的统计分析，以评估学生的学习，及时调整教学。SPSS13.0统计软件能够代替传统的手工计算方法，方便快捷，可以轻松地进行多种数据统计和分析。
我通过运用SPSS13.0统计软件对我校2010级某班级按照学号选取的前30名学生的大学英语A（1）课程期末考试成绩进行了统计分析。在此之前，我已把选取的30名学生考试成绩的各项数据分为性别、听力、听写、阅读、词汇、写作和总成绩7项，输入SPSS13.0统计软件。
本研究主要是用SPSS13.0统计分析软件从二元变量相关分析、双因素混合实验设计方差分析与多组配对检验等角度对本次大学英语A（1）成绩进行分析，以期从分析数据中发现问题并在今后的大学英语教学中进行教学方法或策略的改进或调整，从而有效地增强大学英语教学效果。
2.二元变量相关分析（Bivariate）
相关分析（Correlation）是研究一个变量与另一个变量间的相互关系，研究变量间相互关系的性质和紧密程度。换句话讲，相关分析的任务就是对相关关系给予定量的描述。相关系数（correlation coefficient）又叫积差相关系数（product moment coefficient of correlation），用符号“r”表示，一般按“r”的绝对值大小，规定统计学中低于0.40以下的相关系数为低相关；0.40―0.70为较显著相关；0.70―0.90为显著相关；0.90―1则为最高相关（胡健颖、冯泰，2002）。
而二元变量相关分析方法可以研究两个观测量之间的单相关关系。如果在实际运用中，研究的是多个自变量与一个因变量的复相关关系，则应该抓住其中的主要因素，把复相关转化为单相关来进行研究。调用Bivariate过程命令可以允许同时输入两个或者两个以上的变量，但是输出的是变量间两两相关的相关系数。
在双变量相关分析中，对于正态分布资料，可选择积矩相关系数（Pearson相关系数）；对于非正态分布资料，可选择等级相关系数（Spearman相关系数）或Kendall相关系数等非参数方法，在本次统计分析中，我首先检验性别、听力、听写、阅读、词汇、写作和总成绩7个变量之间两两相关情况。
步骤一：读取数据（score analysis.sav），打开analyze-correlate-bivariate；
步骤二：将变量性别、听力、听写、阅读、词汇、写作和总成绩选入到variables，在correlation coefficients中选pearson，在test of significance 中选two-tailed；
步骤三：单击option，在statistics中选means and standard deviations，在单击continue；
步骤四：单击OK。
表1数据表明，在本次考试中，所选取30名学生的听写成绩的标准差（standard deviation）是2.61868为最大，而写作成绩的标准差是1.35782，为最小。
分析：标准差越大，说明离散程度越大，数据就越不均匀，这表明所选取30名学生的听写成绩在各分项成绩中相差最大，也说明学生的听写技能相差最大，有一部分学生在听写技能方面还需加以强化训练，这就为今后的大学英语教学中调整教学策略提供了数据支持。而标准差越小，说明离散程度越小，数据就越均匀，这表明所选取30名学生的写作成绩在各分项成绩中相差最小，也说明学生的写作水平相差不是非常显著。
表2数据表明，在此次考试中，学生的听写和总成绩之间双尾检验的概率值为0，小于0.01，阅读与词汇、听写与总成绩和词汇与听力之间的Pearson相关系数分别为0.87，0.743和0.449。
分析：学生的听写和总成绩之间双尾检验的概率值为0，这说明它们之间的相关程度是最显著的，听写能力的高低显著影响英语总成绩。而阅读与词汇、听写与总成绩和词汇与听力之间的Pearson相关系数大，这说明学生的词汇能力对他们在听力和阅读部分的得分起到了显著影响。
3.双因素混合实验设计方差分析
双因素混合实验设计方差分析就是包含两个因素的重复测量设计。我们用该实验设计来检验3位英语老师分别为所选取的30名学生所给出的作文评分是否存在显著差异，作文评分与学生性别之间是否存在显著差异。
步骤一：打开Analyze-General Linear Model-Repeated Measures
步骤二：定义被试内因素名及其水平数。我们要检验老师所给作文评分与男女学生性别是否存在显著差异，在Within-Subject Factor Name 中可键入“grading”。有3位老师参与了打分，因此在Number of Levels中输入水平数3，然后点击Add。
步骤三：定义被试内变量。点击Define，将变量teacher 1、teacher 2、teacher 3移入Within-Subjects中。同时将性别变量移入Between Subject Factors。
步骤四：选择被试内变量的对比方法。点击contrast，在contrast的下拉菜单中，选择repeated作为变量间的对比方法，再点击change。
步骤五：点击options，把几个变量都移入display mean for中，表示对变量的平均值进行比较。在confidence interval adjustment下拉菜单中选bonferroni，表示进行事后检验。选择descriptive statistics，最后单击OK。
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix.
a.May be used to adjust the degrees of freedom for the averaged tests of significance.Corrected tests are displayed in the Tests of Within-Subjects Effects table.
b. Design： Intercept+gender
Within Subjects Design： grades
a. Adjustment for multiple comparisons： Bonferroni.
数据描述：由表3数据来看，3位老师所给作文平均分分别为11.5333，11.2667和11.7333，标准差分别为0.35782，1.61743和1.20153。再由表4 Mauchly球形检验数据结果看，Mauchly检验值为0.848，明显大于0.05。而表6被试内效应检验结果看，由于表4中的Mauchly检验结果0.848大于0.05，我们就只看sphericity assumed的结果就可以了。由表5数据可见，对评分变量进行的sphericity assumed检测结果为0.310，显著水平明显大于0.05。而对评分变量和性别因素变量进行的sphericity assumed检测结果为0.545，也明显大于0.05。由表6数据可见，教师1和教师2所给作文评分相对教师1和教师3所给作文评分检验P值均为1.000，而教师2和教师3之间的评分检验P值为0.432，而性别和作文得分的检验P值为0.545。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 分析：上述评分检验P值数据说明，3位老师对所选30位学生的作文评分差异不具有显著性，同时还看到，教师在评分时受学生性别因素的影响也不具有显著性。这说明阅卷老师在作文评分中，对作文评分标准地把握还是比较科学、合理且比较一致的，比较客观、公正地反映出了学生作文的真实成绩。
4.多组配对检验（Friedman Test）
我们还可以通过多组配对检验（Friedman Test）来检验3位英语老师分别为所选取的30名学生所给出的作文评分是否存在显著差异。
步骤一：打开Analyze - Nonparametric Test - K Related Samples（多列相关样本）；
步骤二：选择检验变量。将教师1、2、3对学生作文的评分分别移入Test Variables，并在检验类型中选Friedman。
步骤三：选定输出统计量。点击Statistics，选择Descriptive。点击OK。
由表9数据可得出，多组配对检验显著水平为0.177，大于一般可接受的0.05的显著值，表明三个变量之间不存在显著差异。也就是说，三位老师对30名学生作文的评分是比较一致的。
5.结语
大学英语A（1）考试是2010级A班学生在完成了大学英语第一学期的教学任务后进行的终结性评估（summative test）（金艳，2005），但是数据分析表明此种形式的评估只能从一定程度上反映教学的结果，还不具备对整个教学过程或教学全貌进行评估的能力。
其次，本次考试的效度、信度和可操作性之间也会存在问题，尚需对试卷进行全面的统计分析。另外，针对主观题部分的批改，为保证批卷老师的阅卷信度（包括批卷老师的评分一致性、批卷老师之间的评分一致性），应该采取系列措施，包括制定明确的评分标准、确定评分参照卷、严格的阅卷前培训、阅卷过程随机抽查等（杨惠中、金艳，2001）。
总之，测试既是教育系统的有机组成部分，又是教育系统中不可缺少的环节。对测试结果的分析测量和评价应当是每一位语言教师必备的能力。本研究侧重于如何使用SPSS13.0工具的二元变量相关分析与双因素混合实验设计方差分析来分析本次大学英语测试成绩，从中发现学生在大学英语学习中哪些技能相差最大，这就为今后的大学英语教学中调整教学策略提供了数据支持，并能更加有效地增强大学英语教学效果。
参考文献：
［1］胡健颖，冯泰.实用统计学［M］.北京：北京大学出版社，2002：236-237.
［2］皇甫伟.SPSS相关分析与线性回归分析在英语考试成绩分析中的应用［J］.中国电力教育，2007，（10）：52-53.
［3］金艳.大学英语四、六级考试改革思路与未来展望-解读《全国大学英语四、六级考试改革方案（试行）》［J］.中国大学教学，2005，（5）：49-53.
［4］杨惠中，金艳.大学英语四、六级考试分数解释［J］.外语界，2001，（1）：62-68.
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
