SPSS統計軟件在大學英語考試成績分析中的應用

　　摘 要： 本文借助SPSS13.0統計軟件，從變量相關分析、雙因素混合實驗設計方差分析與多組配對檢驗等角度分析大學英語考試成績，給出了對學生考試成績進行分析時具體操作SPSS13.0軟件的步驟和方法，以期直觀且科學地對學生英語考試成績進行分析。
　　關鍵詞： SPSS13.0統計軟件 大學英語考試成績 應用
　　
　　1.引言
　　社會科學統計大型軟件包SPSS13.0具有操作簡單、靈活、功能性強等特點。作為一種有效的統計工具，在教育統計中所發揮的作用越來越大。在教學中，教師常需要進行諸如考試成績等的統計分析，以評估學生的學習，及時調整教學。SPSS13.0統計軟件能夠代替傳統的手工計算方法，方便快捷，可以輕松地進行多種數據統計和分析。
　　我通過運用SPSS13.0統計軟件對我校2010級某班級按照學號選取的前30名學生的大學英語A（1）課程期末考試成績進行了統計分析。在此之前，我已把選取的30名學生考試成績的各項數據分為性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7項，輸入SPSS13.0統計軟件。
　　本研究主要是用SPSS13.0統計分析軟件從二元變量相關分析、雙因素混合實驗設計方差分析與多組配對檢驗等角度對本次大學英語A（1）成績進行分析，以期從分析數據中發現問題并在今后的大學英語教學中進行教學方法或策略的改進或調整，從而有效地增強大學英語教學效果。
　　2.二元變量相關分析（Bivariate）
　　相關分析（Correlation）是研究一個變量與另一個變量間的相互關系，研究變量間相互關系的性質和緊密程度。換句話講，相關分析的任務就是對相關關系給予定量的描述。相關系數（correlation coefficient）又叫積差相關系數（product moment coefficient of correlation），用符號“r”表示，一般按“r”的絕對值大小，規定統計學中低于0.40以下的相關系數為低相關；0.40—0.70為較顯著相關；0.70—0.90為顯著相關；0.90—1則為最高相關（胡健穎、馮泰，2002）。
　　而二元變量相關分析方法可以研究兩個觀測量之間的單相關關系。如果在實際運用中，研究的是多個自變量與一個因變量的復相關關系，則應該抓住其中的主要因素，把復相關轉化為單相關來進行研究。調用Bivariate過程命令可以允許同時輸入兩個或者兩個以上的變量，但是輸出的是變量間兩兩相關的相關系數。
　　在雙變量相關分析中，對于正態分布資料，可選擇積矩相關系數（Pearson相關系數）；對于非正態分布資料，可選擇等級相關系數（Spearman相關系數）或Kendall相關系數等非參數方法，在本次統計分析中，我首先檢驗性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7個變量之間兩兩相關情況。
　　步驟一：讀取數據（score analysis.sav），打開analyze-correlate-bivariate；
　　步驟二：將變量性別、聽力、聽寫、閱讀、詞匯、寫作和總成績選入到variables，在correlation coefficients中選pearson，在test of significance 中選two-tailed；
　　步驟三：單擊option，在statistics中選means and standard deviations，在單擊continue；
　　步驟四：單擊OK。
　　表1數據表明，在本次考試中，所選取30名學生的聽寫成績的標準差（standard deviation）是2.61868為最大，而寫作成績的標準差是1.35782，為最小。
　　分析：標準差越大，說明離散程度越大，數據就越不均勻，這表明所選取30名學生的聽寫成績在各分項成績中相差最大，也說明學生的聽寫技能相差最大，有一部分學生在聽寫技能方面還需加以強化訓練，這就為今后的大學英語教學中調整教學策略提供了數據支持。而標準差越小，說明離散程度越小，數據就越均勻，這表明所選取30名學生的寫作成績在各分項成績中相差最小，也說明學生的寫作水平相差不是非常顯著。
　　表2數據表明，在此次考試中，學生的聽寫和總成績之間雙尾檢驗的概率值為0，小于0.01，閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數分別為0.87，0.743和0.449。
　　分析：學生的聽寫和總成績之間雙尾檢驗的概率值為0，這說明它們之間的相關程度是最顯著的，聽寫能力的高低顯著影響英語總成績。而閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數大，這說明學生的詞匯能力對他們在聽力和閱讀部分的得分起到了顯著影響。
　　3.雙因素混合實驗設計方差分析
　　雙因素混合實驗設計方差分析就是包含兩個因素的重復測量設計。我們用該實驗設計來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異，作文評分與學生性別之間是否存在顯著差異。
　　步驟一：打開Analyze-General Linear Model-Repeated Measures
　　步驟二：定義被試內因素名及其水平數。我們要檢驗老師所給作文評分與男女學生性別是否存在顯著差異，在Within-Subject Factor Name 中可鍵入“grading”。有3位老師參與了打分，因此在Number of Levels中輸入水平數3，然后點擊Add。
　　步驟三：定義被試內變量。點擊Define，將變量teacher 1、teacher 2、teacher 3移入Within-Subjects中。同時將性別變量移入Between Subject Factors。
　　步驟四：選擇被試內變量的對比方法。點擊contrast，在contrast的下拉菜單中，選擇repeated作為變量間的對比方法，再點擊change。
　　步驟五：點擊options，把幾個變量都移入display mean for中，表示對變量的平均值進行比較。在confidence interval adjustment下拉菜單中選bonferroni，表示進行事后檢驗。選擇descriptive statistics，最后單擊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.
　　數據描述：由表3數據來看，3位老師所給作文平均分分別為11.5333，11.2667和11.7333，標準差分別為0.35782，1.61743和1.20153。再由表4 Mauchly球形檢驗數據結果看，Mauchly檢驗值為0.848，明顯大于0.05。而表6被試內效應檢驗結果看，由于表4中的Mauchly檢驗結果0.848大于0.05，我們就只看sphericity assumed的結果就可以了。由表5數據可見，對評分變量進行的sphericity assumed檢測結果為0.310，顯著水平明顯大于0.05。而對評分變量和性別因素變量進行的sphericity assumed檢測結果為0.545，也明顯大于0.05。由表6數據可見，教師1和教師2所給作文評分相對教師1和教師3所給作文評分檢驗P值均為1.000，而教師2和教師3之間的評分檢驗P值為0.432，而性別和作文得分的檢驗P值為0.545。
　　
　　分析：上述評分檢驗P值數據說明，3位老師對所選30位學生的作文評分差異不具有顯著性，同時還看到，教師在評分時受學生性別因素的影響也不具有顯著性。這說明閱卷老師在作文評分中，對作文評分標準地把握還是比較科學、合理且比較一致的，比較客觀、公正地反映出了學生作文的真實成績。
　　4.多組配對檢驗（Friedman Test）
　　我們還可以通過多組配對檢驗（Friedman Test）來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異。
　　步驟一：打開Analyze - Nonparametric Test - K Related Samples（多列相關樣本）；
　　步驟二：選擇檢驗變量。將教師1、2、3對學生作文的評分分別移入Test Variables，并在檢驗類型中選Friedman。
　　步驟三：選定輸出統計量。點擊Statistics，選擇Descriptive。點擊OK。
　　由表9數據可得出，多組配對檢驗顯著水平為0.177，大于一般可接受的0.05的顯著值，表明三個變量之間不存在顯著差異。也就是說，三位老師對30名學生作文的評分是比較一致的。
　　5.結語
　　大學英語A（1）考試是2010級A班學生在完成了大學英語第一學期的教學任務后進行的終結性評估（summative test）（金艷，2005），但是數據分析表明此種形式的評估只能從一定程度上反映教學的結果，還不具備對整個教學過程或教學全貌進行評估的能力。
　　其次，本次考試的效度、信度和可操作性之間也會存在問題，尚需對試卷進行全面的統計分析。另外，針對主觀題部分的批改，為保證批卷老師的閱卷信度（包括批卷老師的評分一致性、批卷老師之間的評分一致性），應該采取系列措施，包括制定明確的評分標準、確定評分參照卷、嚴格的閱卷前培訓、閱卷過程隨機抽查等（楊惠中、金艷，2001）。
　　總之，測試既是教育系統的有機組成部分，又是教育系統中不可缺少的環節。對測試結果的分析測量和評價應當是每一位語言教師必備的能力。本研究側重于如何使用SPSS13.0工具的二元變量相關分析與雙因素混合實驗設計方差分析來分析本次大學英語測試成績，從中發現學生在大學英語學習中哪些技能相差最大，這就為今后的大學英語教學中調整教學策略提供了數據支持，并能更加有效地增強大學英語教學效果。
　　
　　參考文獻：
　　［1］胡健穎，馮泰.實用統計學［M］.北京：北京大學出版社，2002：236-237.
　　［2］皇甫偉.SPSS相關分析與線性回歸分析在英語考試成績分析中的應用［J］.中國電力教育，2007，（10）：52-53.
　　［3］金艷.大學英語四、六級考試改革思路與未來展望-解讀《全國大學英語四、六級考試改革方案（試行）》［J］.中國大學教學，2005，（5）：49-53.
　　［4］楊惠中，金艷.大學英語四、六級考試分數解釋［J］.外語界，2001，（1）：62-68.