论文部分内容阅读
SPSS(Statistical Package for SocialScriences)的全称为“社会科学统计程序”，是由美国芝加哥专业软件公司设计开发的软件。它是一个功能完善、不断升级换代的统计数据分析软件，有“世界优秀统计工具”的盛名。同时它也是日前世界上最优秀的专业统计软件，被广泛应用于数学、经济、工程技术、商业、金融、医疗卫生、体育、心理学、农林等领域。本文主要应用现代教育测量和统计的有关理论和原理，运用SPSS软件对某市高一15名学生的物理考试成绩进行分析和评价，并在文中给出了操作方法和步骤。
作者随机抽取某市15名高一学生，以他们期中、期末的物理考试成绩为样本，分析该市高一学生的物理学习情况。这15名学生的成绩如表1所示。
把这15名学生的物理成绩录入SPSS软件中，学生的性别定义为String类型，1代表男生，2代表女生。用变量M表示期中考试成绩，变量G表示期末考试成绩，M和G都是Numeric类型。录入后，保存数据文件，保存类型用SPSS自己的类型，即*.sav，我们把这个表格保存为数据.sav。
1.描述性分析
首先对表1数据进行描述性分析，具体操作步骤为：从菜单中选择[Analyze]→[Descriptive Stafisties]→[Deseriptive]，在对话框中选中变量M和G，将选择的变量移入“Variahies”变量表中。选择Options下的Mean、SId.deviation、Minimum、Maximum、S.E.mean等选项，点击“OK”按钮，运行程序，输出表2。
从表2可以看出，这15名学生的期中考试成绩的最高分数为90，最低分为61，平均分为70.6667分，标准误为2.3637，标准差为9.15475；期末考试成绩的最高分数为92，最低分为58，平均分为68.2667分，标准误为2.4328，标准差为9.42236。
2.相关分析
分析这15名学生的期中考试成绩和期末考试成绩有没有相关性。打开我们保存的数据say文件，从菜单中选择[Analyze]→[Correlate]→[Bivariate Correkations]，进入相关分析主对话框。从对话框中选中变量M和G，将选择的变量移入“Variables”变量表中，在Correlation Coefficients下选择“Pearson”相关，点击“OK”按钮，运行程序，输出表3。
从表3可以看出，这15名学生的期中考试成绩和期末考试成绩的Pearson相关指数r＝0.949，p＝0.000小于0.01，说明他们的期末考试成绩与期中考试成绩具有极其显著的正相关性。
3.样本差异的显著性比较
比较这组学生中，男生和女生的期中和期末考试成绩有没有显著差异。
打开我们保存的数据.sav文件，从菜单中选择[Analyze]→[Compare Meansl→[Independent－Samplea T Test]，进入相关分析主对话框。从对话框中选中变量M和G，将选择的变量移入“Variables”变量表中，把性别放人Grouping Variable表中，在Define Groups中，把1(即男生)定义为第一组，把2(即女生)定义为第二组，点击“OK”按钮，运行程序，输出表4。
从表4可以看出，这组学生的检验结果为F＝3.049，p＝0.104＞0.05，所以这组学生成绩的方差是齐的。对这组学生的成绩进行独立样本T检验，检验统计量为0.255，检验中的自由度是13，显著水平p＝0，803>005，说明这15名学生中，男生和女生之间的期中考试成绩和期末考试成绩有显著差异。
4.回归分析
根据该市的这15名学生的期中考试和期末考试成绩，假设该市一名高一学生的物理期中考试成绩为70分，推测该学生的期末考试成绩约多少分。
打开我们保存的数据sav文件，选择菜单[Analyze]→[Regression]→[Linear]，将G(期末考试成绩)选人Dependent内，将M(期末考试成绩)选人Independent内，在[Method]内选择Enter方法，点击ok，程序输出下面一系列表格。
从下面的表7可以看出，该学生的期末考试成绩＝0.977*期中考试成绩-0.774＝67.616，即推测出该学生的期末考试成绩约为68分。
将SPSS软件灵活应用于教育统计和测量领域将为广大教师和相关领域的工作人员节约宝贵的时间，而且大大减少了计算的工作量。此外，教师还可以在每次考试后对考题进行分析，把考试中学生错误较多的知识点进行统计，可以有针对性地弥补学生的不足。SPSS软件的功能强大，远不只本文提及的这些方面的应用，广大教师可以在今后的学习工作中去发现和挖掘，在教学实践中不断实践和摸索，让SPSS软件更好地为我们服务。
作者随机抽取某市15名高一学生，以他们期中、期末的物理考试成绩为样本，分析该市高一学生的物理学习情况。这15名学生的成绩如表1所示。
把这15名学生的物理成绩录入SPSS软件中，学生的性别定义为String类型，1代表男生，2代表女生。用变量M表示期中考试成绩，变量G表示期末考试成绩，M和G都是Numeric类型。录入后，保存数据文件，保存类型用SPSS自己的类型，即*.sav，我们把这个表格保存为数据.sav。
1.描述性分析
首先对表1数据进行描述性分析，具体操作步骤为：从菜单中选择[Analyze]→[Descriptive Stafisties]→[Deseriptive]，在对话框中选中变量M和G，将选择的变量移入“Variahies”变量表中。选择Options下的Mean、SId.deviation、Minimum、Maximum、S.E.mean等选项，点击“OK”按钮，运行程序，输出表2。
从表2可以看出，这15名学生的期中考试成绩的最高分数为90，最低分为61，平均分为70.6667分，标准误为2.3637，标准差为9.15475；期末考试成绩的最高分数为92，最低分为58，平均分为68.2667分，标准误为2.4328，标准差为9.42236。
2.相关分析
分析这15名学生的期中考试成绩和期末考试成绩有没有相关性。打开我们保存的数据say文件，从菜单中选择[Analyze]→[Correlate]→[Bivariate Correkations]，进入相关分析主对话框。从对话框中选中变量M和G，将选择的变量移入“Variables”变量表中，在Correlation Coefficients下选择“Pearson”相关，点击“OK”按钮，运行程序，输出表3。
从表3可以看出，这15名学生的期中考试成绩和期末考试成绩的Pearson相关指数r＝0.949，p＝0.000小于0.01，说明他们的期末考试成绩与期中考试成绩具有极其显著的正相关性。
3.样本差异的显著性比较
比较这组学生中，男生和女生的期中和期末考试成绩有没有显著差异。
打开我们保存的数据.sav文件，从菜单中选择[Analyze]→[Compare Meansl→[Independent－Samplea T Test]，进入相关分析主对话框。从对话框中选中变量M和G，将选择的变量移入“Variables”变量表中，把性别放人Grouping Variable表中，在Define Groups中，把1(即男生)定义为第一组，把2(即女生)定义为第二组，点击“OK”按钮，运行程序，输出表4。
从表4可以看出，这组学生的检验结果为F＝3.049，p＝0.104＞0.05，所以这组学生成绩的方差是齐的。对这组学生的成绩进行独立样本T检验，检验统计量为0.255，检验中的自由度是13，显著水平p＝0，803>005，说明这15名学生中，男生和女生之间的期中考试成绩和期末考试成绩有显著差异。
4.回归分析
根据该市的这15名学生的期中考试和期末考试成绩，假设该市一名高一学生的物理期中考试成绩为70分，推测该学生的期末考试成绩约多少分。
打开我们保存的数据sav文件，选择菜单[Analyze]→[Regression]→[Linear]，将G(期末考试成绩)选人Dependent内，将M(期末考试成绩)选人Independent内，在[Method]内选择Enter方法，点击ok，程序输出下面一系列表格。
从下面的表7可以看出，该学生的期末考试成绩＝0.977*期中考试成绩-0.774＝67.616，即推测出该学生的期末考试成绩约为68分。
将SPSS软件灵活应用于教育统计和测量领域将为广大教师和相关领域的工作人员节约宝贵的时间，而且大大减少了计算的工作量。此外，教师还可以在每次考试后对考题进行分析，把考试中学生错误较多的知识点进行统计，可以有针对性地弥补学生的不足。SPSS软件的功能强大，远不只本文提及的这些方面的应用，广大教师可以在今后的学习工作中去发现和挖掘，在教学实践中不断实践和摸索，让SPSS软件更好地为我们服务。