不同實驗教學模式滿意度分析中統計方法的選擇及在SPSS19.0軟件上的實現

丁雪梅， 陳承禎， 孫博興， 丁洪浩， 張曉君， 唐明祥， 叢彥龍，王 艷， 譚智敏， 李玉梅， 包國章， 卞建民， 曲大為

(吉林大學 1a. 動物科學學院；2b. 教育技術中心；1b. 植物科學學院；1c. 動物醫學學院；1d. 圖書館，長春 130062；吉林大學 2a. 教務處;2c. 新能源與環境學院,長春 130012;3. 藥學院,長春 130021)

0 引 言

在實驗教學中，教學效果一般通過學生的實驗報告成績進行客觀評價，通過問卷調查進行主觀評價[1-6]。按變量屬于定性或定量，可將資料分為3種類型，即計量資料(定量資料、數值變量資料)、計數資料(定性資料、無序分類變量資料、名義變量資料)和等級資料(有序分類資料、半定量資料)[7]。一般可將計量資料轉換為二分類計數資料或等級資料。如將計量資料的學生實驗報告成績轉換成計數資料：優秀和非優秀，或者轉換成等級資料：優秀、良好、及格、不及格。

對列聯表進行教學效果評價時，數據分析方法的選擇因研究目的、分組變量與指標變量資料類型以及屬性相同與否等的不同而不同。在實際應用中，經常由于數據分析方法的混淆而得出錯誤的結論。SPSS是國際上公認的權威統計分析軟件，與 SAS、SATA 相比，SPSS 突出的優點在于不需要編程，幾秒鐘之內便可以直接輸出數據分析的結果，因而被廣泛應用于自然科學與社會科學研究中[8-10]。

本文通過教學效果評價中的典型案例，運用SPSS19.0功能模塊進行統計分析，以期為實驗教學效果評價提供實踐參考。

1 實驗教學效果評價中常用的統計分析方法

例1動物科學專業某門課程實驗教學，對2009級學生采用傳統教學模式，作為對照組；對2012級學生采用翻轉課堂教學模式，作為試驗組，學生的滿意度數據見表1。分析不同教學模式之間的學生滿意度是否存在差異。

表1 不同組別學生的滿意度 人

例2例1中，以性別分層(即性別為分層變量或控制變量)，學生的滿意度數據見表2。分析不同教學模式之間的學生滿意度是否存在差異。

表2 不同性別和組別學生的滿意度 人

例3例1中，若滿意度分為3種，學生的滿意度數據見表3。分析不同教學模式之間的學生滿意度是否存在差異。

表3 不同組別學生的滿意度 人

例4動物醫學學院和動物科學學院某門課程實驗教學，對2009級學生采用傳統教學，作為對照組；對2011級學生采用翻轉課堂教學模式，作為試驗組。學生的滿意度數據見表4。分析不同學院以及不同教學模式之間的學生滿意度是否存在差異。

表4 不同學院和組別學生的滿意度 人

例5例4中若滿意度分為3種，學生的滿意度數據見表5。分析不同學院以及不同教學模式之間的學生滿意度是否存在差異。

表5 不同學院和組別學生的滿意度 人

在實驗教學效果評價中，經常遇到例1～5 5種類型滿意度分析資料。例1、2的指標變量為計數資料，例2在例1基礎上又以性別分層，因此例1、2分別采用四格表卡方檢驗和分層卡方檢驗。而例3的指標變量為等級資料，須采用秩和檢驗或Ridit分析。Ridit 分析，即參照單位分析(relative to an identified distribution unit, it是unit的字尾)[11]。SPSS軟件可直接進行秩和檢驗，雖然沒有現成的模塊進行Ridit分析，但也可不用編程間接來完成[12-13]。學生成績、滿意度高低同時受到諸多因素的影響，且因素間常相互影響和制約，宜用Logistic 回歸分析[14]，但需建立在大樣本基礎上。例4、5的指標變量分別為計數資料和等級資料，分別采用二分類Logistic 回歸和有序多分類Logistic回歸。

2 常用的統計分析方法在SPSS19.0上的實現

2.1 四格表卡方檢驗在SPSS19.0上的實現

(1) 四格表卡方檢驗步驟。①數據錄入和數據加權。數據文件見圖1。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):頻數→確定。②四格表卡方檢驗。分析→描述統計→交叉表，組別→行，滿意度→列，統計量→卡方→繼續；單元格→觀察值，期望值，行→繼續→確定。

圖1 四格表卡方檢驗的數據文件

(2) 結果解讀。P值取決于n(總數)和T(理論頻數)的大小[15]。試驗組的滿意率為78.0%，對照組的滿意率為60.8%。n=133>40，最小期望計數為18.63>5，P=0.034<0.05，即不同教學模式之間的學生滿意度存在顯著差異(見表6)，翻轉課堂高于傳統教學模式的學生滿意度。

表6 四格表卡方檢驗結果

注：a.0單元格(0.0%)的期望計數少于5；最小期望計數為18.63；b.僅對2x2表計算

2.2 分層卡方檢驗在SPSS19.0上的實現

(2) 結果解讀。由頻數分布表和卡方檢驗結果(見表7)可知，試驗組男性的滿意度為75.0%，對照組男性的滿意度為54.3%，n=86>40，最小期望計數為14.42>5，P=0.047<0.05，即男性2個組別的滿意度存在顯著差異，男性試驗組滿意度高于對照組；試驗組女性的滿意度為84.2%，對照組女性的滿意度為71.4%，n=47>40，最小期望計數為4.45<5，看第二行連續性矯正P值，P=0.506>0.05，即女性2個組別間的滿意度無顯著差異；試驗組的滿意度為78.0%，對照組的滿意度為60.8%，n=133>40，最小期望計數為18.63>5，P=0.034<0.05，即2個組別的滿意度存在顯著差異，試驗組滿意度高于對照組。

圖2 分層卡方檢驗的數據文件

性別值自由度漸進P值(雙側)精確P值(雙側)精確P值(單側)男Pearson 卡方3.958a10.047連續校正b3.11310.078似然比4.02610.045Fisher 的精確檢驗0.0710.038線性和線性組合3.91210.048有效案例中的N86女Pearson 卡方1.032c10.310連續校正b0.44210.506似然比1.07010.301Fisher 的精確檢驗0.4850.256線性和線性組合1.01010.315有效案例中的N47合計Pearson 卡方4.471d10.034連續校正b3.71310.054似然比4.56810.033Fisher 的精確檢驗0.0400.026線性和線性組合4.43810.035有效案例中的N133

a.0單元格(0.0%)的期望計數少于5；最小期望計數為14.42；b.僅對2x2表計算；c.1單元格(25.0%)的期望計數少于5；最小期望計數為4.45；d.0單元格(0.0%)的期望計數少于5；最小期望計數為18.63

風險估計表給出了組別(試驗組/對照組)的幾率比。OR值(odds ration)，即優勢比。男性組OR=2.520>1，95%置信區間不包括1。女性OR=2.133>1，95%置信區間包括1。表明，對于男性而言，教學模式是發生滿意度差異的危險因素，女性則不是。OR值的一致性檢驗表給出了層間差異的檢驗結果，表明用兩種方法比較性別之間的OR皆無顯著差異(P>0.05)，即不同性別間教育模式與滿意度的聯系是相同的。由表8分層卡方檢驗的結果可知，將性別作為協變量，給出了CMH 卡方檢驗和MH 卡方檢驗兩種結果，前者是后者的改進，PCMH=0.026<0.05，PMH=0.044<0.05，即分層卡方檢驗的結果表明，剔除性別這個影響后，教學模式和滿意度仍然顯著相關(P<0.05)。MH公共OR值的估計表表明，合并OR值為2.402，95%置信區間不包括1，且與1相比差異有顯著性(P=0.028<0.05)。表明，去除了性別的混雜效應后，與對照組相比，試驗組的滿意度的優勢比為2.402，說明翻轉課堂教學模式更容易令學生滿意。注意：OR值的一致性檢驗各層OR值有顯著差異時，不宜計算公共OR值。

表8 分層卡方檢驗結果

2.3 秩和檢驗在SPSS19.0上的實現

(1) 秩和檢驗步驟。①數據錄入和數據加權。數據文件見圖3。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):頻數→確定。②秩和檢驗。分析→非參數檢驗→舊對話框→2個獨立樣本T檢驗(2)，組別→分組變量，滿意度→檢驗變量列表，定義組(D)，分別輸入1和2→繼續，檢驗類型：Mann-Whitney U→確定。

圖3 秩和檢驗的數據文件

(2) 結果解讀。輸出結果見表9、10。2個組別的滿意度存在顯著差異(P=0.019<0.05)，由于試驗組的秩均值為74.19，對照組秩均值為61.27，即試驗組滿意度高于對照組。

2.4 Ridit分析在SPSS19.0上的實現

(1) Ridit分析步驟。①數據錄入和數據加權。數據文件見圖4。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):標準組→確定。②求標準組(對照組)各等級的Ridit值。求Ridit值步驟：轉換→個案排秩(K)，滿意度→變量(V)，秩的類型(K)→秩，比例估計，Rankit→繼續→確定。③ Ridit分析。用對比組(試驗組)人數替換第二列標準組(對照組)人數；數據加權。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):標準組→確定。U檢驗。分析→比較均值→單樣本T檢驗，Proportion Estimate of 滿意度 using Rankit’s Formula[P滿意度]→檢驗變量(T)；檢驗值(V)：0.5→確定。

表9 Mann-Whitney U檢驗

表10 檢驗統計量

圖4 Ridit分析的數據文件

(2) 結果解讀。輸出結果見表11、12。對比組(試驗組)R=0.597，P=0.000<0.05，表明對照組與試驗組滿意度不同。置信區間不包括0.5，即試驗組的滿意度高于對照組。

表11 單個樣本統計量

2.5 二分類Logistic 回歸分析在SPSS19.0上的實現

(1) 二分類Logistic 回歸分析步驟。①數據錄入和數據加權。數據文件見圖5。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):頻數→確定。②二分類Logistic 回歸。分析→回歸→二元Logistic 回歸，滿意度→因變量，學院，組別→協變量，分類→學院，組別→分類協變量→繼續；選項→Hosmer-Lemeshow擬合度(H)，exp(B)CI(x):95%→繼續→確定。

圖5 二分類Logistic 回歸的數據文件

檢驗值=0.5t值自由度P值均值差值差分的95%置信區間下限上限Rankit比例估計公式計算滿意度3.863580.0000.0970.0470.147

(2) 結果解讀。Hosmer和Lemeshow檢驗，P=1.000>0.05，即模型對數據擬合度較好。表13所示的Logistic 回歸分析結果表明，自變量學院對模型無統計學意義(P=0.893>0.05)，組別對模型有統計學意義(P=0.000<0.05)，輸出結果中exp(B)即OR值。組別間OR=2.094，置信區間不包括1，表明試驗組是對照組滿意度的2.094倍。

表13 二分類Logistic回歸分析結果(無交互)

a. 在步驟1中輸入的變量:學院, 組別

若要考察因素間的交互作用，需在主頁面按左側的“學院”，再按Ctrl(或Shift)，最后按“組別”，此時兩個變量同時被選中，“>a*b>”被擊活，點擊進入協變量，其他步驟同上，與上述輸出結果主要差別在于回歸分析表(見表14)。自變量學院、學院與組別間的交互皆對模型無統計學意義(P>0.05)，組別對模型有統計學意義(P=0.007<0.05)。組別間OR=2.101，置信區間不包括1，表明試驗組是對照組滿意度的2.101倍。

表14 二分類Logistic 回歸分析結果(有交互)

a. 在步驟1中輸入的變量: 學院, 組別, 學院*組別

2.6 有序多分類Logistic 回歸分析在SPSS19.0上的實現

(1) 有序多分類Logistic回歸分析步驟。①數據錄入和數據加權。數據文件見圖6。加權步驟：數據→加權個案，加權個案(W)→頻率變量(F):頻數→確定。②有序多分類Logistic 回歸。分析→回歸→有序回歸，滿意度→因變量，學院，組別→因子，輸出→平行性檢驗→繼續→確定，其他默認。

(2) 結果解讀。平行線檢驗，P=0.967>0.05，即認為位置參數(斜率系數)在各個響應類別中都是相等的。表15所示的有序多分類Logistic回歸分析結果表明，不同學院間學生的滿意度無顯著差異(P=0.883>0.05)；不同組別間學生的滿意度差異顯著(P=0.000<0.05)。OR值不能直接輸出，需要在Excel中通過插入函數計算OR=exp(b)。組別間的OR=exp(0.730)=2.075，OR的置信區間為(1.420，3.031)，置信區間不包括1。由于滿意度賦值從低到高依次為1、2、3，故試驗組的滿意度顯著高于對照組。

表15 有序多分類Logistic 回歸分析結果

a. 因為該參數為冗余的，所以將其置為零

圖6 有序多分類Logistic回歸的數據文件

3 結 語

進行教學效果評價，當分組變量與指標變量屬性不同時，無論分組變量為計數資料或等級資料，只要指標變量為計數資料，即使分組變量大于2，比較分組變量間的差異皆可采用四格表卡方檢驗相同的操作步驟，若有顯著差異，再進行兩兩比較。分層卡方檢驗在去除分層因素下更準確地對行列變量的獨立性進行研究，但分層卡方檢驗也具有一定的局限性，如：只能控制少數因素；定量資料需要分組，信息易丟失；不能對因素作用大小進行定量分析(交互作用)等。無論分組變量為計數資料或等級資料，只要指標變量為等級資料，比較分組變量間的差異須采用秩和檢驗或Ridit分析或Logistic回歸分析。等級資料變量取值具有一定級別，但各級并非嚴格等價于算術意義上的數值[11]。本文中，秩和檢驗和Ridit分析兩種方法統計分析結果是等價的。二者的主要區別在于，秩和檢驗可利用模塊直接完成，而Ridit分析則需間接完成；Ridit分析需選定一個標準組；Ridit分析要求n>50，而秩和檢驗n無限制(尤其適合n較小時)[11]。因此，在應用SPSS軟件對等級資料進行實驗教學效果評價時，秩和檢驗較Ridit分析更為方便。Logistic回歸分析對計量資料、計數資料和等級資料，多因素以及因素間交互作用均可進行分析。Logistic回歸分析也具有一定的局限性，如對樣本量要求較高。醫學上病例和對照的人數應至少各有30～50例，變量的個數愈多需要的例數相應也愈大[6-7, 14]，在進行教學效果評價時，樣本至少大于100，大于500比較合適，一般每一個自變量至少需要10例結局。

開展教學效果評價前，要綜合考慮研究的科學問題、研究目的、研究對象特點、資料類型以及每種數據分析方法的優缺點等，再設計調查問卷和確定樣本量。