论文部分内容阅读
摘 要：考试是较为公平和合理的比较方式，高校考试虽然不如初中高中那样频繁严格，但仍是选择和筛选优秀学生的重要指标。本文介绍了高校考试成绩的常用指标，以及如何使用spss软件来分析解读这些指标，并提出相应对策。
关键词：spss软件 考试成绩
高校考试一方面可以检测学生的学习成果，另一方面可以向教师提供反馈，提高教学质量。为了全面客观地反映学生的学习情况，大部分高校均实行形成性评价与终结性评价相结合的方式，即平时成绩和期末成绩按一定的权重分配，计算求出学生总评成绩。[1]本文将研究如何使用spss软件对高校考试成绩进行定量分析，并提出相应对策。
一、样本综述
本文数据来源为2014年上海理工大学13级经济管理学院经济学专业的65名学生的成绩表，包含5个变量，分别是：code（学号），class （班级），gender（性别），middle（期中成绩），end（期末成绩）。
本次研究样本选择了性别比例较为均衡的经济管理学院，65名同学的男女比例分别为39%，26%。百分比分别为60%和40%。
二、描述性统计
通过简单的频数统计分析了样本在性别上的总体分布后，还需对数据中的其他变量做更为精确的认识，下面对各个变量进行描述统计分析，得到均值、标准差、偏度峰度等数据，进一步把握数据的集中趋势和离散趋势。
本次采用的样本容量为65，从分析可以得出，期中考试的极差为100-62=38，期末考试的极差100-55=45，两种考试的极差都很大，在一定程度上说明两种考试成绩离散程度较大，期末成绩的标准差大于期中成绩，也证实了期末成绩离散度大于期中。偏度方面，期中成绩和期末成绩都呈负偏态，均值分别为94.0和92.4，说明试卷较为容易，学生分数普遍偏高。另外，期中成绩峰度低于期末，偏度高于期末，说明期中考试难度小于期末考试，分布更为集中，难以拉开学生之间的差距。
三、相关分析
相关分析用于描述两个变量间联系的密切程度，一般用r表示。它反映的是两个变量的共变性，即一个变量变化之后，另一个变量在多大程度上会随之变化。
（一） 研究假设
H1a：期中考试成绩对期末考试成绩存在正向影响
H1a0：期中考试成绩对期末考试成绩不存在正向影响
（二）散点图
表五为期中考试成绩与期末考试成绩对应的散点图，从图中看出，没有明显的异常值，数据大多数集中在左下到右上的对角线左右，期中成绩低的学生普遍期末成绩低，期中成绩高的学生普遍期末成绩同样高。
（三）Pearson系数
对统计数据采用SPSS19.0进行相关分析，结果表一所示：
表一 相关性
在pearson系数中，0.6<∣r∣<0.79表示两个系数较强相关，本研究中r=0.788，说明期中考试成绩与期末考试成绩呈正相关，且相关程度较强。另外，p<0.05说明如果期中成绩与期末成绩不相关，在65人的样本中获得如此大的的相关系数（r=0.788）的可能性非常低（概率低于0.05），因此有较大把握判断期中成绩与期末成绩存在相关关系。最后，95%CI=（0.673，0.866），说明有95%的把握总体的皮尔森系数落在区间（0.673，0.866）内，且置信区间较小，上下限值与r值较接近，相关系数代表总体的相关系数程度高。
四、回归分析
由一个（或一组）非随机变量来估计或预测某一个随机变量的观测值时，所建立的数学模型和所进行的统计分析，称为回归分析。如果这个模型是线性的，就称为线性回归分析。研究两个变量间的相关关系的回归分析，称为一元回归分析。
运用SPSS统计软件做期中考试成绩与期末考试成绩的回归分析结果如下：
表二 模型汇总
a. 预测变量：（常量）， 期中考试成绩。
表三 Anovaa
a. 因变量： 期末考试成绩
b. 预测变量： （常量）， 期中考试成绩。
表四 系数a
a. 因变量：期末考试成绩
由表二可知，R平方为0.621，说明期中成绩可以解释期末成绩中62.1%的变化，有37.9%的变化无法解释，可能存在其他影响因素，如考试难度、用功程度等。另外，F=103.082，查F分布概率表，得到概率值为3.8415<103.082，因此可以判断p<0.05，与Sig.列中的数值相符，这里可以进一步精确到0.001，说明与平均模型相比，该简单回归模型预测期末成绩的能力有显著提高。最后，样本的T值为10.153的概率小于0.001，零假设的可能性不大，从另一方面说明了期中考试成绩对期末有显著影响。
五、结论
（一）上述分析得出，期中考试成绩与期末考试成绩存在正向的相关关系，即期中成绩的高低相应影响期末成绩的高低。在散点图中出现了三个以下极个别的例子，可能与考试发挥、后期的发奋学习有关。
（二）期中成绩与期末成绩的相关系数为0.788，表明两者较强相关，在预测期末考试成绩、测量学生学习态度时，期中成绩可以作为一项可靠指标。
（三）期中期末成绩普遍较高，说明试卷难度总体较低，不具有应有的区分度，不利于激发学生的积极性和教学水平的提高。因此，高校在出卷时，不应为了降低挂科率而使人人得高分，应提高成绩这一指标的信度和效度，使学生更加积极主动。
（四）大学最终成绩的评定采用期中期末一定权重分配，具有一定的合理性，可以培养学生持续学习的习惯，而不是在考试的最后两个星期开启所谓的“学霸”模式，考过即忘。
六、存在的问题及解决方法
（一）本研究采用了一个细分专业的65名同学作为样本数据，样本容量较小，无法准确将结论推广到总体，外部效度较低。因此，可以将研究样本扩大到整个学校，根据整群抽样的原则抽取5个专业，再根据分层抽样的原则，抽取已选取的5个专业中的400名学生作为研究样本，这样的研究结果将更具有代表性。
（二）在回归分析中，得出期中成绩可以解释期末成绩中62.1%的变化，说明可能存在其他影响因素，如考勤记录、课堂表现、平时作业、老师印象等，可以制定相关标准，将以上考核结果数据化，纳入到期末成绩的评定中，提供更加完善的成绩考核体系。
参考文献
[1] 文娟，刘向勇.浅析职校教学中平时成绩与期末成绩的相关性[J].职业时空，2012（8）.
[2] 李竹宁.试卷质量的统计分析与评价[J].教学与管理，2006（30）.
[3] 王菲，刘莹.spss在计算机教学评价中的应用[J].技术应用，2009（18）.
[4]皇甫伟.SPSS相关分析与线性回归分析在芙语考试成绩分析中的应用[J].中国电力教育，2007（10）.
[5] 孟丽. spss在考试成绩分析中的应用[J].电脑知识与技术，2013（6）.
[6] 段靖芳，李梅，高天虹.大学生学习倾向与教学效果的关系研究[J].教育探索，2009（3）：23.
关键词：spss软件 考试成绩
高校考试一方面可以检测学生的学习成果，另一方面可以向教师提供反馈，提高教学质量。为了全面客观地反映学生的学习情况，大部分高校均实行形成性评价与终结性评价相结合的方式，即平时成绩和期末成绩按一定的权重分配，计算求出学生总评成绩。[1]本文将研究如何使用spss软件对高校考试成绩进行定量分析，并提出相应对策。
一、样本综述
本文数据来源为2014年上海理工大学13级经济管理学院经济学专业的65名学生的成绩表，包含5个变量，分别是：code（学号），class （班级），gender（性别），middle（期中成绩），end（期末成绩）。
本次研究样本选择了性别比例较为均衡的经济管理学院，65名同学的男女比例分别为39%，26%。百分比分别为60%和40%。
二、描述性统计
通过简单的频数统计分析了样本在性别上的总体分布后，还需对数据中的其他变量做更为精确的认识，下面对各个变量进行描述统计分析，得到均值、标准差、偏度峰度等数据，进一步把握数据的集中趋势和离散趋势。
本次采用的样本容量为65，从分析可以得出，期中考试的极差为100-62=38，期末考试的极差100-55=45，两种考试的极差都很大，在一定程度上说明两种考试成绩离散程度较大，期末成绩的标准差大于期中成绩，也证实了期末成绩离散度大于期中。偏度方面，期中成绩和期末成绩都呈负偏态，均值分别为94.0和92.4，说明试卷较为容易，学生分数普遍偏高。另外，期中成绩峰度低于期末，偏度高于期末，说明期中考试难度小于期末考试，分布更为集中，难以拉开学生之间的差距。
三、相关分析
相关分析用于描述两个变量间联系的密切程度，一般用r表示。它反映的是两个变量的共变性，即一个变量变化之后，另一个变量在多大程度上会随之变化。
（一） 研究假设
H1a：期中考试成绩对期末考试成绩存在正向影响
H1a0：期中考试成绩对期末考试成绩不存在正向影响
（二）散点图
表五为期中考试成绩与期末考试成绩对应的散点图，从图中看出，没有明显的异常值，数据大多数集中在左下到右上的对角线左右，期中成绩低的学生普遍期末成绩低，期中成绩高的学生普遍期末成绩同样高。
（三）Pearson系数
对统计数据采用SPSS19.0进行相关分析，结果表一所示：
表一 相关性
在pearson系数中，0.6<∣r∣<0.79表示两个系数较强相关，本研究中r=0.788，说明期中考试成绩与期末考试成绩呈正相关，且相关程度较强。另外，p<0.05说明如果期中成绩与期末成绩不相关，在65人的样本中获得如此大的的相关系数（r=0.788）的可能性非常低（概率低于0.05），因此有较大把握判断期中成绩与期末成绩存在相关关系。最后，95%CI=（0.673，0.866），说明有95%的把握总体的皮尔森系数落在区间（0.673，0.866）内，且置信区间较小，上下限值与r值较接近，相关系数代表总体的相关系数程度高。
四、回归分析
由一个（或一组）非随机变量来估计或预测某一个随机变量的观测值时，所建立的数学模型和所进行的统计分析，称为回归分析。如果这个模型是线性的，就称为线性回归分析。研究两个变量间的相关关系的回归分析，称为一元回归分析。
运用SPSS统计软件做期中考试成绩与期末考试成绩的回归分析结果如下：
表二 模型汇总
a. 预测变量：（常量）， 期中考试成绩。
表三 Anovaa
a. 因变量： 期末考试成绩
b. 预测变量： （常量）， 期中考试成绩。
表四 系数a
a. 因变量：期末考试成绩
由表二可知，R平方为0.621，说明期中成绩可以解释期末成绩中62.1%的变化，有37.9%的变化无法解释，可能存在其他影响因素，如考试难度、用功程度等。另外，F=103.082，查F分布概率表，得到概率值为3.8415<103.082，因此可以判断p<0.05，与Sig.列中的数值相符，这里可以进一步精确到0.001，说明与平均模型相比，该简单回归模型预测期末成绩的能力有显著提高。最后，样本的T值为10.153的概率小于0.001，零假设的可能性不大，从另一方面说明了期中考试成绩对期末有显著影响。
五、结论
（一）上述分析得出，期中考试成绩与期末考试成绩存在正向的相关关系，即期中成绩的高低相应影响期末成绩的高低。在散点图中出现了三个以下极个别的例子，可能与考试发挥、后期的发奋学习有关。
（二）期中成绩与期末成绩的相关系数为0.788，表明两者较强相关，在预测期末考试成绩、测量学生学习态度时，期中成绩可以作为一项可靠指标。
（三）期中期末成绩普遍较高，说明试卷难度总体较低，不具有应有的区分度，不利于激发学生的积极性和教学水平的提高。因此，高校在出卷时，不应为了降低挂科率而使人人得高分，应提高成绩这一指标的信度和效度，使学生更加积极主动。
（四）大学最终成绩的评定采用期中期末一定权重分配，具有一定的合理性，可以培养学生持续学习的习惯，而不是在考试的最后两个星期开启所谓的“学霸”模式，考过即忘。
六、存在的问题及解决方法
（一）本研究采用了一个细分专业的65名同学作为样本数据，样本容量较小，无法准确将结论推广到总体，外部效度较低。因此，可以将研究样本扩大到整个学校，根据整群抽样的原则抽取5个专业，再根据分层抽样的原则，抽取已选取的5个专业中的400名学生作为研究样本，这样的研究结果将更具有代表性。
（二）在回归分析中，得出期中成绩可以解释期末成绩中62.1%的变化，说明可能存在其他影响因素，如考勤记录、课堂表现、平时作业、老师印象等，可以制定相关标准，将以上考核结果数据化，纳入到期末成绩的评定中，提供更加完善的成绩考核体系。
参考文献
[1] 文娟，刘向勇.浅析职校教学中平时成绩与期末成绩的相关性[J].职业时空，2012（8）.
[2] 李竹宁.试卷质量的统计分析与评价[J].教学与管理，2006（30）.
[3] 王菲，刘莹.spss在计算机教学评价中的应用[J].技术应用，2009（18）.
[4]皇甫伟.SPSS相关分析与线性回归分析在芙语考试成绩分析中的应用[J].中国电力教育，2007（10）.
[5] 孟丽. spss在考试成绩分析中的应用[J].电脑知识与技术，2013（6）.
[6] 段靖芳，李梅，高天虹.大学生学习倾向与教学效果的关系研究[J].教育探索，2009（3）：23.