spss论文.doc

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

姓名：
学号：
专业：
班级：

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
摘要：本文介绍了SPSS统计软件的相关分析与线性回归分析功能在英语考试成绩分析中的应用，以及建立英语成绩分析模型的方法，并给出了对学生考试成绩进行分析的SPSS的操作方法。运用此方法，可以直观、高效、科学地对学生英语考试成绩进行分析。
关键词：相关分析；线性回归分析；英语考试成绩
社会科学统计大型软件包SPSS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。SPSS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。本文运用SPSS统计软件对大学英语测试成绩进行了统计分析的尝试，本文主要是用实例解释SPSS相关分析与回归分析在英语成绩分析中的应用。
一、相关分析(Correlation)
相关分析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与定量的描述。相关系数(correlationcoefficient)又叫积差相关系数(productmomentcoefficientofcorrelation)，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。
1.二元变量相关分析（Bivariate）
该分析方法可以研究两个观测量之间的单相关关系。如果实际运用中，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。
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。
例如，分析某高校2006年6月份的1931名参加考试的学生新四级考试成绩听力、阅读、写作和综合题的成绩之间是否存在线性关系。
表1Correlations
听力阅读写作综合测试听力PearsonCorrela
Sig.(2-tailed)
N1.000
.
1931.623*
.000
1931.442*
.000
1931.584*
.000
1931阅读PearsonCorrela
Sig.(2-tailed)
N623*
.000
19311.000
.
19310.445*
.000
1931.657*
.000
1931写作PearsonCorrela
Sig.(2-tailed)
N.442*
.000
1931.445*
.000
19311.000
.
1931.489*
.000
1931综合测试PearsonCorrela
Sig.(2-tailed)
N.584*
.000
1931.657*
.000
1931.489*
.000
19311.000
.
1931表1数据表明在此次考试中，学生的听力、阅读、写作和综合测试成绩之间双尾检验的概率值都为0，小于0.01，所以它们之间的相关程度是显著的。
分析：从表1中可以看出，阅读与听力，以及阅读与综合测试成绩之间的Pearson相关系数分别为0.623和0.657，大于其他相关系数。这说明试卷中本来应该是对学生听力能力，以及综合测试中的单词语言结构知识的考察（本次新题型综合测试部分选用的完型填空和汉译英题型），但是测试结果表明学生的阅读能力对他们在听力和综合部分的得分起到了显著影响。而写作与其他各题型成绩间的相关系数则相对不显著。
大学英语四、六级考试是在完成了大学英语的教学任务后进行的终结性评估，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的评估的能力。今后大学英语四级语言测试的内容和形式还要进行改良，长远来看，这也许是解决大规模标准化考试的效度、信度和可操作性之间平衡问题的最终出路。
2.偏相关分析（PartialCorrelations）
由于简单相关系数往往不能说明现象之间的关系程度，因此必须消除其他变量的影响，再来研究两个或者几个变量之间的相互关系。在计算简单相关系数时，所有其他的自变量都不予考虑；在计算偏相关系数时，要考虑其他自变量对因变量的影响，只不过是把其他自变量当作常数处理了。
例如，分析某高校2006－2007年度1