SPSS在理論語言學方向的應用初探

遲曉旭

摘 要： 近年來，SPSS統計軟件逐步應用于語言學及應用語言學各個領域，并取得了豐碩的研究成果，但在理論語言學方向卻較少涉及。本文收集了“動物類”表人詞語共416例，利用SPSS對其進行統計分析，對該軟件在理論語言學方向的應用進行了初步的探索。

關鍵詞： SPSS 理論語言學 軟件應用 實證研究

一、概述

SPSS（Statistical Package for the Social Science）全名為社會科學統計軟件包，是一種利用計算機進行統計分析和數據處理的工具性軟件。憑借其成熟的統計理論、強大的統計功能以及友好的操作界面，一經問世，就受到科研工作者們的青睞，迅速應用于科研、醫療、通訊等多個領域。

20世紀以來，語言學的發展呈現出百花齊放百家爭鳴的態勢，理論的極大豐富凸顯了實證研究的緊迫性，這種以數據為基礎的定量研究方法逐漸成為一股潮流，逐步應用于語言學及應用語言學研究的各個領域。這為語言學的研究開拓了一條新路，國內研究人員也利用該軟件在語言研究的各個方面進行了嘗試。

章柏成（2008）利用SPSS對學生的成績、智商、策略運用等方面進行了相關性考察。倪傳斌（2009）利用獨立樣本T檢驗考察了不同性別的外語磨蝕程度。王佳琳、侯煜冠（2012）對哈爾濱方言合口呼零聲母各音節的v型發音進行了卡方檢驗，以探尋音節結構間的差異性。謝展飛、吳佩娜（2015）應用雙因素方差分析探討了人工耳蝸的植入對受試者聽力的影響。項夢冰（2015）利用聚類分析對方言間的相似度進行了考察。

根據前人的研究成果，可以發現：SPSS軟件工具已經開始同語言學各方向進行結合，但主要應用于方言學、心理語言學、社會語言學、第一語言與第二語言習得等方向。而在理論語言學方向上，這種真正意義的定量分析卻運用得很少，少數一些應用，也多是利用標準化測試的方法。本文收集了一些真實語料，利用SPSS軟件及其統計原理，對該語料進行統計分析，對理論語言學方向的應用做初步探索。

二、理論語言學應用初探

在新興的網絡新詞語中，有一類包含動物語素用以表人的名詞或動詞，如：大蝦、菜鳥等。現從《漢語新詞語詞典》（2005-2010）、《新華新詞語詞典》（2003）、《新詞語大詞典》（1978-2002）、《漢語新詞語》系列書籍（2007-2013）等四部詞典中抽取該類新詞語，除去存疑和重復，共計159例，通過人工標注，對其語義褒貶傾向進行初步判斷。另有從《現代漢語詞典（第六版）》中收集的同類新詞語227例，通過相同的方式對語料進行處理，作為其對比語料。將全部416個詞語導入SPSS軟件中，并對其意象、褒貶傾向、來源三個部分進行賦值，具體賦值結果如下：

第一、意象。這里的意象指狹義的意象，即詞語中表示人的動物形象。如“菜鳥”的意象就是“鳥”。由于“動物類”表人詞語意象頗多，足有84個，而大部分的意象僅出現一次。因此，本文僅對出現頻次超過10的意象進行賦值，其余意象統一歸為一類。賦值結果為：“老虎=1”；“蟲=2”；“狗=3”；“馬=4”；“牛=5”；“鳥=6”；“貓=7”；“老鼠=8”；“螞蟻=9”；“其他=0”。度量標準設置為“名義（N）”。

第二、褒貶。詞語的意義通常可分為概念義和色彩義。需要說明的是，褒義、貶義作為感情色彩義本不應當進行賦值及運算操作，然而因為感情色彩具有一定的對稱性及偏向性，所以在此將其量化為可運算數據。賦值結果為：“褒=1”；“中=0”；“貶=-1”。度量標準設置為“度量（S）”。

第三、來源。詞語的來源有二，其一為新詞語，主要是從四部新詞語詞典中收集而來；其二為《現代漢語詞典（第六版）》中的詞語。現對其進行賦值：“現代漢語=1”；“新詞語=2”。度量標準設置為“名義（N）”。

在進行初步的語料處理后，本文將基于SPSS軟件，對這些語料進行統計分析，進而探索SPSS在理論語言學方向的應用。

（一）描述統計

描述統計是統計分析的第一步。利用抽樣或其他手段采集到數據后，僅憑肉眼觀察有時無法發現觀察對象的基本特征，而語言研究中，這種數據的無序性尤為明顯，因此，在進行數據分析之前，可利用描述統計的頻率表觀察現有數據的分布狀況。

以動物類表人詞語為例。本文對現有416個詞語進行頻率統計，得到結果如下：

意象

褒貶

來源

根據以上圖表，可以明顯看出，虎、蟲、狗等意象使用頻率較高，詞語的褒貶義也趨近于貶義，褒義較少。另外，也可以繪制餅圖更為直觀地觀察其分布比例。

（二）參數假設檢驗

參數假設檢驗是應用的較為廣泛的一種科學的統計方法，其原理為：事先對總體的參數或分布進行假設，再通過樣本信息判斷該假設是否合理。在目前語言學各方向的研究中，應用得較多的參數假設檢驗是T檢驗和卡方檢驗。利用該原理，我們可以通過樣本信息對某種語言現象進行假設并驗證，進而得出結論。

1.T檢驗

T檢驗是對均值差異性的檢驗，其最大的優點在于可以使用樣本標準差代替總體標準差，從而解決了實際問題中總體標準差多數不可知的問題。SPSS中的T檢驗主要有三類，其中，單樣本T檢驗和配對樣本T檢驗由于其檢驗要求較高，并不適用于理論語言學方向，因此，本文只討論獨立樣本T檢驗在理論語言學方向的應用。

獨立樣本T檢驗旨在比較兩樣本均數的差別。現將動物類表人新詞語159例作為樣本一；《現漢》收錄的同類詞語227例作為樣本二。由于獨立樣本T檢驗要求兩樣本具有完全的獨立性，而兩樣本有所交叉，因此本文對實驗數據進行修正，將《現代漢語詞典（第六版）》中的語料進行刪減處理，只保留1919年前的熟語部分。修正后的樣本二收錄詞語共128例。

利用現有的兩樣本，對動物類表人詞語的褒貶義做對比考察。其中檢驗變量為詞義的褒貶，分組變量為詞語的來源，組別分為兩組，一組是新詞語，一組為現代漢語。通過獨立樣本T檢驗，得到結果如下：

獨立樣本檢驗

檢驗結果：新詞語褒貶均值為-0.26，熟語部分褒貶均值為-0.43。二者方差不齊，因此P=0.035<0.05，實驗結果較為顯著，說明二者確實存在一定的歷時差異。即：動物類表人新詞語的語義偏向從偏貶義而逐漸趨于中性。

雖然修正后的樣本獨立性得到相對保證，但是仍存在一些問題：其一，刪減后的詞語主要保留1919年之前的熟語，無法概括當時詞語的全貌；其二，影響褒貶偏向的重要因素不止有時間上的差異，更重要的是意象的差別。因此將所有意象共同考察顯然并不合適。對于第二個問題，將在稍后的方差分析部分進行完善。

通過以上研究可以發現，獨立樣本T檢驗在語言學上的實用性相對較高，尤其對于關鍵因素不同的兩樣本來說，獨立樣本T檢驗是十分適用的檢驗方式。

2.卡方檢驗

卡方檢驗是對無序分類變量的統計推斷，其優點在于，可以對兩個或多個分類變量進行關聯度分析，其應用的廣泛程度可以和T檢驗相媲美。卡方檢驗共有五種功能，但是，除了兩樣本卡方檢驗外，其他檢驗方式，對樣本的要求較高，多數情況并不適用于理論語言學的研究。因此，本文只討論兩樣本卡方檢驗的具體應用。

兩樣本卡方檢驗是單樣本卡方檢驗的擴展，用于比較兩個或多個樣本所在總體的另一個分類變量的發生率/構成比是否相同。現有修正后的動物類表人詞語，共計287例，其來源包括1978年以來的新詞語以及1919年前的熟語。現希望考察不同時間來源的詞語，其褒貶偏向的分布率是否相同。經過兩樣本卡方檢驗后，得到關于來源情況與褒貶取向的交叉制表如下：

來源*褒貶交叉制表

樣本數據的差異很明顯，源自現代漢語熟語部分的詞語貶義取向約占58%，而新詞語中的褒貶取向則偏向于中性，約占61%。而后，對該差異是否有統計學意義進行進一步的驗證，得到卡方檢驗結果表如下：

卡方檢驗

a.0單元格（0.0%）的期望計數少于5。最小期望計數為12.88。

通過以上檢驗，幾種卡方量P值均小于0.05，因此該差異具有統計學意義，即：詞語的褒貶向分布確實存在歷時差異，同先前獨立樣本T檢驗的結果存在一致性，當然，在差異的顯著性上，兩檢驗結果存在差別。通過該例，我們可以明顯看出，雙樣本卡方檢驗在語言學研究中也具有一定的實用性。

（三）方差分析

T檢驗可以解決單樣本、兩樣本的均數比較問題，而方差分析則是用于解決多個樣本的均數比較問題。面對真實世界的復雜情況，方差分析顯然有其獨到的作用。SPSS中的方差分析共有三類。其中，多元方差分析的前提是假定幾個因變量同等重要，在面對復雜的語言現象時，這種方法顯然不可取。因此，本文僅討論單因素方差分析、多因素方差分析在理論語言學方向的應用。

1.單因素方差分析

現有未修正的動物類表人詞語，共計416例，其中，常見意象共有9種，其感情色彩義分別為褒、貶、中三類。現希望考察意象對于詞語的感情色彩義的影響。通過單因素方差分析，得到結果如下：

單因素方差分析

褒貶

經過檢驗，P=0.000<0.05，這說明意象對于感情色彩義的影響極為顯著。

雖然在方差分析前的Levene方差齊性檢驗中，結果顯示P=0.000<0.05，方差不齊，且輸出的Welch統計量顯示，該統計量接近于F分布。但是，根據前人的研究，方差分析對于正態性和方差齊性的要求是穩健的，即：當正態性得不到滿足或存在輕微的方差不齊時，只會對結果造成輕微的影響。因此，雖然該例并不典型，但結果依然具有可參考性。

另外，單因素方差分析，還可以進行均數間的兩兩比較，以確定究竟是哪些組之間存在差異。但本次的實驗語料對于這種方法并不適用，在此不過多贅述。

2.多因素方差分析

多因素方差分析模型多用于考察多個因素對因變量的影響，在面對復雜多變的現實情況時，該模型具有獨到之處。

現有修正后的動物類表人詞語詞表，共計287例。現希望考察詞語意象及來源時間兩者對詞語褒貶偏向的影響。通過初步擬合模型，得到結果如下：

主體間效應的檢驗

因變量：褒貶

a.R方=.257（調整R方=.204）

經檢驗，校正模型P=0.000<0.05，說明在所有影響因素中，至少有一種對詞語的褒貶偏向造成影響。而其后的數據顯示，詞語的來源時間對詞語的褒貶并沒有顯著影響，而意象對于詞語的褒貶偏向有顯著影響，并且，二者的交互作用對詞義的褒貶傾向也有顯著影響。

為了進一步考察影響因素對詞匯褒貶語義傾向的影響，本文在原有基礎上，對主體間效應進行兩兩比較，得到結果如下：

褒貶

Student-Newman-Keulsa，b，c

已顯示同類子集中的組均值？莓

基于觀測到的均值？莓

誤差項為均值方（錯誤）=.341

a.使用調和均值樣本大小=15.078

b.組大小不相等？莓將使用組大小的調

和均值？莓不保證Ⅰ型誤差級別？莓

c.Alpha=.05？莓

根據該圖表可以發現，兩種來源的動物類表人詞語，意象之間均存在差異性，這說明，意象對于詞匯褒貶語義傾向確實存在顯著影響。另外，來源時間的兩個子集之間差異并不十分顯著，這說明，來源時間對于詞語的褒貶意象不存在顯著影響，但是由于個別意象的影響，使得其來源時間與意象存在交互作用，這才對詞語的褒貶義產生了一定的影響。這也解釋了為什么在考察來源時間對詞匯褒貶語義偏向的影響時，方差分析同獨立樣本T檢驗、卡方檢驗的結果存在差異。

三、小結

在理論語言學方向，SPSS最主要的應用是：描述統計、獨立樣本T檢驗、兩樣本卡方檢驗、單因素方差分析及多因素方差分析。其他分析工具雖然存在一定的應用價值，但其因為檢驗條件、檢驗數據的限制，或是研究目的的要求，無法很好地應用到語言研究中。

通過以上分析可以發現，這種將統計運用到語言研究的方法，具有明顯的優勢：其一，語言統計方法可以將本不可量化的語言現象量化，并通過科學的方法進行檢驗，為理論研究提供較好的數據支持；其二，該方法能夠觀察到一些簡單思辨觀察不到的現象，在樣本量不大的時候，也可以通過科學的方法進行實驗并驗證。

但這種基于統計學原理的方法在進行理論語言學分析時，也存在明顯的問題：其一，幾種統計方法的先決條件均為正態性和連續變量，而很多數據并不符合這兩項先決條件，樣本量不夠大時，檢驗結果或有偏頗；其二，理論語言學的實證研究多采用語料庫的方法，數據資料較少，在應用統計的過程中，如何合理地量化數據，是一個應用難點；其三，在進行語料的收集與處理中，數據主觀性強且沒有合理的驗證方式也是一個重要的問題。

因此，在實際運用過程中，我們既應該合理利用工具，用科學的方法對語料進行量化，以增強研究的科學性，又要考慮到數據的可用性，工具使用的合理性，切忌誤用、濫用統計工具，以求最大限度地科學化使用統計工具，保證研究的科學性。

參考文獻：

[1]楊端和.語言研究應用SPSS軟件實例大全[M].中國社會科學出版社：2004.

[2]張文彤，鄺春偉.SPSS統計分析基礎教程[M].高等教育出版社：2011.

[3]張文彤，鄺春偉.SPSS統計分析高級教程[M].高等教育出版社：2013.

[4]嚴振松.談語言學和應用語言學中的定量型研究方法[J].解放軍外國語學院學報，2001，24（5）：4-6.

[5]倪傳斌.外語磨蝕的性別差異[J].外語與外語教學，2009，（4）：1-5.

[6]章柏成.SPSS在外語教育實證研究中的應用[J].重慶交通大學學報（社科版），2008，8（1）：128-131.

[7]黃利花.SPSS統計方法及其適用性分析[J].延安職業技術學院學報，2014，28（4）：83-91.

[8]謝展飛，吳佩娜.雙模式對人工耳蝸低頻段電極不全植入者的言語識別影響[J].臨床耳鼻咽喉頭外頸外科雜志，2015，29（11）：980-983.

[9]王佳琳、侯煜冠.哈爾濱話合口呼零聲母[υ]化的社會語言學研究[J].學術交流，2012（10）：157-162.

[10]項夢冰.聚類分析在漢語方言研究中的運用[J].語文研究，2015（4）：7-14.