英語學習成績影響因素的結構方程模型研究

鄭海珠

【摘要】根據逐步回歸分析建立初始模型，通過比較模型間擬合指數，建立了英語學習成績影響因素結構方程模型，發現學習自我監控、被試的性別、智力等因素對學習成績有影響，但變量標準化系數有所不同。

【關鍵詞】逐步回歸分析 學習成績 影響因素 結構方程模型

一、引言

在初中階段英語學習作為初中學生成績占有重要地位，特別對于理科生英語學習成績的好壞直接影響學生未來發展，影響英語成績的因素有哪些呢？經過大量研究發現，英語成績不僅與學生本身的因素如自我監控能力、智力水平有關，與學生的外部因素如家庭教育、所處學校的師資水平也有關系。但上述是分別觀測了某一個方面如師資力量、家庭教育、學習自我監控得出的結論。這些結論多是研究者通過理論構建量表直接對被試者進行測試得到的結果。本研究以影響初中生英語學習成績的因素為出發點，根據逐步回歸分析建立模型，通過比較模型間擬合指數來建立初中生英語學習成績影響因素的結構方程模型，探明學習自我監控、智力及被試的性別、在家排行等因素對英語學習成績是否有影響，為提高學生的英語成績提供理論指導。

二、研究方法

1.測試對象。本研究測試對象為肇慶市鼎湖區二所普通初中有代表性的初一學生200名，其中男生127名，女生73名。

2.研究工具。

（1）智力測試題。本研究采用國際通用的智力測試題。此測驗效度為0.45，信度為0.78，這個測驗的效度和信度都較好。

（2）英語學習自我監控表。依據董奇、周勇編寫的學習自我監控量表，設計了英語學習自我監控量表，自我監控量表囊括三個方面五個維度英語學習前的計劃性、學習中的認識性和方法性以及學習后的檢查性和總結性。此測試效度為0.42，信度為0.75。

3.測試。本次測試使用兩份量表以及一份英語試卷，測試者先完成智力測試和英語學習自我監控量表，然后完成以英語成績為主要的因變量，適合初一學生的英語試卷。

4.研究方法。數據的錄入與管理以及統計分析采用SPSS19.0軟件。

三、結果與分析

初中生學習成績影響因素逐步回歸分析。

研究假設：學習自我監控、智力水平、性別、學校、在家排行對英語成績有顯著影響。為了驗證我們的假設，經過逐步回歸分析，建立模型，再通過比較模型間擬合指數的差異來篩選最優模型。

可以看出，模型2的R方為0.565，大于模型1調整R方值0.510，模型3的R方值為0.579，大于模型2的R方調整值0.560，說明模型可解釋的變化占總變化的比例越來越大，引入方程變量是顯著地。

研究結果如下：

1.模型1驗證了自我監控對英語成績有顯著的正向影響，英語自我監控能力越強，越有利于英語成績的提高。

2.模型2驗證了智力對英語成績有正相關。

3.模型3驗證了在家排行對英語成績有顯著的、負相關影響。

4.沒有驗證假設學校和性別對英語成績有影響。

5.給出了所有模型的回歸系數估計值，根據模型3可以建立多元線性回歸方程：經t檢驗，自我監控、智力的顯著性P值都遠小于0.01，因而具有非常顯著性意義，在家排行的顯著性P值為0.01，因而具有顯著性意義。

6.給出了各個模型中已排除變量的統計信息。可見，模型3中變量學校和性別t檢驗的顯著性概率值都大于0.05，所以他們不能被引入模型。

四、討論

學生的學習成績一直受到智力和動機兩種因素的限制，智力對學習的影響是非常顯然的，它可影響學習成績的27-35%。由此可見智力對英語成績是有影響的。我國應該加強對孩子智力開發的研究，為提高我國兒童的智力水平添加動力。

自我監控與數學的關系最為密切，補救性和方法性的自我監控能力的差異是造成學業成就中等生和學習優良生數學成績差異的重要原因。而自我監控與英語、語文的關系則與學生的類型有關：學業成就中等生的自我監控與英語、語文成績無顯著相關。而學習優良學生的自我監控則與英語成績有顯著的正相關。由此可見，自我監控能力在總體上是影響學生英語學習成績的。因此，在教學中，老師應注意學生自我監控能力的培養與提高。

本研究的結果中與研究假設相矛盾的是學校和性別對英語成績沒有影響。造成這樣結果的原因我們認為可能主要有兩點，第一點采樣范圍，本次研究是在同一縣城的兩個初中取樣，取樣范圍不夠廣泛。第二點采樣地點，由于采樣地點在城鎮，與城市的各方面有所差異。以上可能是造成結果與假設矛盾的原因。在以后的研究中將予以改進。

五、結論

1.通過逐步回歸分析以及模型間擬合指數的比較，完成了初中英語學習績影響因素結構模型，學習自我監控，智力、家中排行等因素對學習成績有影響而性別、學校對學習成績的影響不顯著。

2.由建立的結構模型可知，智力、英語學習自我監控能力、在家排行對英語學習成績有直接影響，但是變量間的標準化系數有所不同。

參考文獻：

[1]趙芳林，牛雅莉.應用逐步回歸分析的方法建立教學評估模型[J].科技信息，2007，（03）：141-123.

[2]張華嘉，舒元.逐步回歸分析的拓展[J].中山大學學報（自然科學版），1998，（05）：12-15.

[3]郭會利.多元回歸分析的逐步回歸預測模型[J].考試周刊， 2009，（26）：92-93.endprint