外语教学科研中的统计之SPSS篇pt课件市公开课金奖市赛课一等奖课件

外语教学科研中统计之SPSS篇/10/101第1页第1页一、教育统计学概述：分类1.1分类描述统计（descriptivestatistics）描述数据全貌。包括数据分组，使用统计图表描述数据分组和分布，计算数据参数。推断统计（inferentialstatistics）依据随机样本数据，从局部推断总体特性。包括参数检查和非参数检查、方差分析、回归分析、因子分析等。/10/102第2页第2页一、教育统计学概述：基本概念1.2基本概念1.2.1变量（variable）研究活动中关键原因。相对于常量而言（在研究过程中一直保持不变特性或条件）。自变量(independentvariable)：教学方法因变量(dependentvariable)：学生成绩中间变量(interdependentvariable)：学习格调如：研究者经常在课题研究对象（某一层次学习者）中安排不同格调学习者。当某个自变量（如教学方式）改变时，能够观测到因变量（学习成绩）对应改变及其规律。然后针对不同学习格调研究对象（中间变量），再观测上述教学现象规律有何改变。/10/103第3页第3页一、教育统计学概述：基本概念1.2.2总体(population)、个体(individual)、样本（sample）

研究对象全体为总体，构成总体基本单元为个体，按照一定规则从总体中抽取一部分个体为样本。1.2.3样本容量（samplesize）无严格数量界线。普通把样本容量小于30（50、100）样本称为小样本，不小于等于30（50、100）为大样本。/10/104第4页第4页1.2.4正态分布(normaldistribution)

正态分布是连续型随机变量分布中最主要也是最常见一个分布。比如，在人数较多群体中，学习成绩得到数值，其分布近似于正态分布即测验分数都是中档分数人数多，高分、低分人数少，假如以分数为横坐标，次数〈取得某一分数人数）为纵坐标，绘制成曲线图，就会发觉曲线呈中间大、两头小、左右基本对称特点。一、教育统计学概述：基本概念起源：Bachman,L.F.(1990).FundamentalConsiderationsinLanguageTesting.Oxford:OUP,p.73/10/105第5页第5页一、教育统计学概述：基本概念1.2.5SPSS中变量分类（1）定量/连续变量/等距变量（scalemeasure）一定单位实际测量值，能够加减计算，如学生考试成绩（65，76）（2）分类变量（包括定序变量和称名变量）定序变量（ordinalmeasure）：能够把研究对象从高到低或由大到小排序，如受教育程度（1＝小学，2＝初中，3＝高中，4＝大学，5＝硕士）；又如态度（1＝完全不适合，2＝通常不适合，3＝有时适合，4＝通常适合，5＝完全不适合）称名变量（Nominalmeasure）：也叫无序变量，变量值没有大小之分，只有类别之分，如性别（1＝男，2＝女）/10/106第6页第6页一、教育统计学概述：基本概念1.2.6参数检查和非参数检查参数检查(parametrictest)：总体服从正态分布、数值连续变量、样本数为单同样本或双样本。如T检查、两个或两个以上样本为方差分析等。非参数假设检查(non-parametrictest)：总体不一定服从正态分布、数值为定序变量（有时为连续变量）、样本数为单同样本、双样本或多样本。如X2检查、Wilcoxon检查、Mann-WhitneyU检查1.3统计分析简明流程图/10/107第7页第7页一、教育统计学概述：统计模型1.4统计模型和数据类型模型类型因变量自变量Regression连续变量连续变量或者分类变量LogisticRegression分类变量连续变量或者分类变量ANOVA，GLM连续变量分类变量或者连续变量Log-Linear分类变量分类变量SEM不限不限起源：Wu,Eric(,9.6-7).IntroductiontoSEM.上海：上海财经大学./10/108第8页第8页一、教育统计学概述：正态分布检查正态分布检查参数检查分析法前提是数据服从正态分布和方差齐性，除非对数据作转换，非正态分布数据宜采用非参数检查。/10/109第9页第9页SPSS要求：当样本容量3≤n≥5000，结果以Shapino-Wilk（W检查）为准，当样本容量n>5000时，结果以Kolmogorov-Smirnov（D检查为准）。结论：n<5000，W值得概率P<0.05，接受检查假设，可认为考生成绩不是正态分布。/10/1010第10页第10页二、实战操作2.1推断性统计：分析不同数据间差异2.1.1前提条件一首先要明确是未来自正态总体单个变量平均值与给定单一标准值进行显著性差异比较，还是进行组间数据显著性差异比较。假如是前者，而且总体呈正态，就选择单一样本t检验(one-samplet-test)。假如是后者（组间数据），还要确定数据是来自相同受试者（同一样本测试前后数据），还是不同受试者（不同本数据），才干选择适当分析方法。/10/1011第11页第11页二、实战操作：单同样本t检查单同样本参数检查：单同样本t检查(one-samplet-test)由于单样本t检查是对样本与总体平均值进行比较，因此在外语教学中用处较大，如能够用该程序检查一个班级平均成绩与全校平均成绩之间差别等，或者将一个学校四级英语统考成绩与全国平均成绩进行比较，看是好于还是低于全国平均成绩，等等。举例1：一个班英语专业四级统考成绩与全国平均成绩(74.5665)之间是否有明显性差别？/10/1012第12页第12页结论：该班专四成绩明显好于全国平均成绩/10/1013第13页第13页二、实战操作：单同样本卡方检查单一样本非参数检验：卡方检验(X2test)(合用于称名变量，而且变量可认为双值或多值)，二项分布检验（Binominaltest）(合用于称名变量，变量只能为双值)举例2：为了解对英语分级教学政策态度，学校随机调查了125名教师。其中有41人表示赞成（1），37人表示反对（2），47人不置可否（3）。试问不同态度之间是否存在显著性差异？/10/1014第14页第14页/10/1015第15页第15页结论：不同态度之间无显著差异！/10/1016第16页第16页二、实战操作2.2.2前提条件二

假如数据是来自相同样本，比较是两组数据之间差别，那么：参数检查：配对样本T检查（Matchedt-test）非参数检查：A:Wilcoxon符号秩次检查（Wilcoxonsignedrankstest）B:符号检查（Signtest）C:McNemar检查（McNemartest)

/10/1017第17页第17页二、实战操作：配对样本T检查参数检验：配对样本T检验（Matchedt-test）附加条件：两个变量应该代表同一组在不同时间或者两个相关组测量结果（数值能够搭配成对），因此相关系数应该相对较高，而且显著水平值较低（普通低于0.05）。假如相关系数低，而且显著值高，就不能用配对样本t检验，而应考虑改用独立样本T检验。举例3：为了考察某种英语阅读训练效能，从某班学生中随机抽取10名学生对他们进行阅读测验，然后让他们接受这种阅读训练。经过一段时间训练后，又对这10名学生进行类似阅读测验。问：阅读训练前后测验成绩是否有显著性差异？/10/1018第18页第18页二、实战操作：Wilcoxon检查非参数检查：Wilcoxon检查(适合用于连续变量)举例4：在一次英语口语演讲比赛中，聘请了10位评委参与评判工作。这10位评委对其中2名选手打分情况（满分为20分）。问：其中一名选手成绩是否明显地高于另外一名选手？/10/1019第19页第19页注：Aymptoticonly适合用于大样本渐进法。通常应关注配对符号秩和检查（Wilcoxon）结果，而不是符号检查（signtest）。McNemar：以研究对象作本身对照，检查其“前后”改变是否明显，该法适合用于相关二分变量数据/10/1020第20页第20页选手1和选手2正负平均秩次分别为1，6和4.33和6。

评委对两个选手评分有明显差别检查结果只需看准确双侧明显性。结果表明，选手1成绩明显高于选手2！评委对选手2打分相对较严（negative）（Z2>Z1）。评分公正欠佳！/10/1021第21页第21页二、实战操作2.2.3前提条件三假如数据来自不同群体受试者，而且比较是两组数据之间差异，那么：参数检验：两个独立样本t检验(independentsamplest-test)非参数检验：Mann-WhitneyU检验（连续变量）Crosstabs检验（称名变量或定序变量）/10/1022第22页第22页参数检查：两个独立样本t检查(independentsamplest-test)

举例5：已知72名男女学生两个学期课外学习时间，问：男女学生在努力程度上是否存在明显性差别？二、实战操作：两个独立样本t检查/10/1023第23页第23页注备：Equalvarinceassumed假设方差相等，本例方差齐性（sig.>0.05）。结论：男女学生在努力程度上存在明显差别，女生努力程度明显高于男生。/10/1024第24页第24页二、实战操作：两个独立样本t检查举例6：某校对英语课进行教学改革试验，选取甲、乙两个平行班作试点。甲班30人，采用老式教师讲授教学办法，乙班33人，采用教师只讲授重点，主要由学生自学和学生互相讨论办法。一年后，用同一份试题对两个班学生进行测验。试问：这两种教学办法效果是否有明显性差别？结论：这两种办法效果没有明显差别！（注意两个平行班方差不等，应看Equalvariancenotassuemed一栏结果）原因：也许是测试没有表达出教改优势！/10/1025第25页第25页二、实战操作2.2.3前提条件四假如比较是三组或多组数据之间差别，那么：来自多个独立样本数据：参数检查：单原因方差分析(One-wayANOVA)非参数检查：Kruskal-Wallis检查（连续变量，惯用）；中位数（Median）检查（连续变量）来自多个相关样本数据：参数检查：单原因重复测量方差分析（repeatedmeasuresANOVA）多原因方差分析(FactorialANOVA)非参数检查：Friedman检查（连续变量）；Kendall检查（定序变量）；Cochran’sQ检查（称名变量）/10/1026第26页第26页二、实战操作：Kruskal-Wallis检查非参数检验：多个独立样本：中位数检验（Mediantest）（适合用于等距变量）Kruskal-Wallis检验（适合用于等距变量，更惯用）举例7：某校对大二学生进行了一次英语测验。现分别从经济系、政法系、汉字系、教育系以及理科各系中随机抽取部分学生测验成绩。问：不同学科学生英语成绩是否存在显著性差异？/10/1027第27页第27页非参数检验表明不同学科之间学生英语成绩存在显著差异，但却没法绘制图表，也无法详细比较可采用参数检查单尾ANOVA分析，制作平均分线图。/10/1028第28页第28页二、实战操作：多个样本Kendall检查举例8：5位教师对甲、乙、丙3篇作文所作评价下列，问5位教师对评价3篇作文所作评价是否一致。注意输入办法！/10/1029第29页第29页结论：5位教师对3篇作文所作评价是不一致（p>0.05）。原则制定和阅卷教师培训很主要！/10/1030第30页第30页二、实战操作：单原因方差分析基本思想：经过度析不同起源变异对总变异奉献大小，从而确定可控原因对研究结果影响力大小。一项试验有多个影响原因，假如只有一个原因在发生改变，其它原因保持不变，称为单原因方差分析。(One-wayANOVA)举例9：为了寻求很好词汇习得方法，现选择3种不同方法，分别对3个平行组学生进行一学期词汇习得训练，现取得学生期末成绩。问：3种不同方法下学生词汇习得成绩是否有显著性差异？哪种更理想一点？/10/1031第31页第31页单原因事后多重比较假设方差相等时可选取LSD或S-N-K等办法；若方差不等可采用Dunnett'sC办法。检查方差是否齐性；平均数做图/10/1032第32页第32页方差齐性检查表明，三种教学办法所取得成绩方差相等。ANOVA显示，三种办法成绩差别明显，能够进一步做多重比较LSD办法显示各教学办法成绩差别明显。/10/1033第33页第33页结论：3种不同方法下学生词汇习得成绩有显著性差异。相比而言，第三种教学方法更理想一点。/10/1034第34页第34页二、实战操作：多原因方差分析假如有两个或两个以上原因发生改变，那么相应方差分析称为多原因方差分析。几种原因（变量）对试验结果影响有两种情况：A独立影响（between-subjectdesign），如单原因方差分析和双原因方差分析。B交互影响（within-subjectdesign），如单原因重复测量方差分析和双原因混合方差分析。/10/1035第35页第35页二、实战操作：双原因方差分析A独立影响（between-subjectdesign），单原因方差分析（例9）和双原因方差分析。双原因方差分析举例10：8名评委对5篇论文评分下列，试分析5篇论文水平差别是否明显？评委对评分原则所掌握分寸是否一致？（三个变量）论文得分多少主要受到两个原因影响：一个是论文本身水平，另一个是评委对评分原则所掌握分寸（但两者之间无交互作用）。需要检查假设下列：

①5篇论文水平无明显性差别；

②评委对评分原则所掌握分寸无明显性差别。/10/1036第36页第36页当因变量只有一个（本例为学生作文成绩），采用GLMUnivariate办法。固定原因指是在样本中它全部可能取值都出现了；而随机效应原因指是全部可能取值在样本中没有都出现，或不可能都出现，两种情况结论完全相同，不同只是推论。张文彤（），SPSS统计分析高级教程，北京：高等教育出版社。/10/1037第37页第37页本研究只分析独立影响，无交互效应，因此选MainEffects。左下方Sumofsquares框用于选择方差分析模型类别，有1型到4型四种，假如搞不清他们之间区别，使用默认3型即可；中下部有个Includeinterceptinmodel复选框，用于选择是否在模型中包括截距，不用改动，默认即可（但用处不大，能够不选！）。/10/1038第38页第38页能够定义输出哪些指标预计均数、并做两两比较，尚有其它一些输出，如惯用描述指标、方差齐性检查等。/10/1039第39页第39页首先是所用方差分析模型检查，F值为28.277，p小于0.05，因此所用模型有统计学意义，能够用它来判断模型中系数有无统计学意义。第二行是截距，它在我们分析中没有实际意义，忽略即可。第三行是变量论文，可见它也有统计学意义，但是我们关怀也不是它；第四行是我们真正关怀变量评委，非常遗憾，它p值为0.061，还没有统计学意义。我们结论是：5篇论文水平有明显差别；但是评委对评分原则所掌握分寸一致（左边同质性检查也阐明这一点）。注：PartialEtaSquared指主效应大小，值越大，效应越强。本研究表明学生作文成绩严重受到论文和评委共同影响。但是评委本身对作文成绩影响较弱。/10/1040第40页第40页右图是八个评委作文打分分布左图是五篇作文整体分布/10/1041第41页第41页/10/1042第42页第42页二、实战操作：协方差分析协方差分析将那些极难控制原因作为协变量，在排除协变量影响条件下，分析控制变量对观测变量影响，从而愈加准确地对控制变量进行评价。不论是单原因方差分析还是多原因方差分析，它们都有一些人为能够控制控制变量。在实际问题中，有些随机原因是极难人为控制，但它们又会对结果产生显著影响。假如忽略这些原因影响，则有可能得到不正确结论。举例11：研究一个班3组同学（分别接受了3种不同教学方法）在英语成绩上是否有显著差异。/10/1043第43页第43页首先应进行预分析，理解数据是否符合协方差分析要求，最主要一点就是看入学成绩影响在三组中是否相同，这能够用入学成绩与组别是否存在交互作用来表示。该环节用于判断入学成绩和组别间是否存在交互作用，如存在，则协方差分析条件不满足，分析不能继续。注意这里选择了ModelI，从而拟合结果和模型中变量引入顺序相关，即侧重点在入学成绩对英语成绩影响大小和交互作用上。/10/1044第44页第44页显示交互作用无统计学意义，并且P值非常大，因此互换组别和入学成绩多半交互作用也无统计学意义，因此能够不继续作预分析了，当然，严格环节应当互换两者顺序继续进行预分析。正式分析开始！/10/1045第45页第45页/10/1046第46页第46页各组英语成绩方差相等模型拟合较好。组间差别明显，各组入学成绩没明显差别，从而能够分析组别之间英语成绩差别。三组学生英语成绩/10/1047第47页第47页1、3组和2、3构成绩差别明显；1、2组之间无明显差别。结论：三组学生成绩差别明显/10/1048第48页第48页二、实战操作：积差相关法相关分析A:积差相关法是指采用英国统计学家Pearson皮尔逊提出一个计算相关系数办法。举例12：某大学一年级12名学生参与了语音、听写和语法三项考试。问：三项考试之间两两相关系数。/10/1049第49页第49页二、实战操作：等级相关法B:等级相关法

当我们研究变量是定序数据，或者变量不是正态分布时，若要考察它们相关程度就必须采用等级相关法。它是依据含有等级顺序测量数据（定序数据）来研究变量间互相关系办法。主要有Spearman斯皮尔曼相关（适合用于非参数两列相关）和KendallW肯德尔友好系数（较保守，不如Spearman）相关。举例13：其教研室要为学生准备一批英语课外阅读材料，教研室首先让一批学生读八篇材料，要求他们依据自己感受，为这些材料难易程度评估等级（等级分为九级，一级为尤其简朴，九级为极端困难）。然后让一批老师也为这八篇材料评估难易度等级。这样得到下面数据。学生：35688947老师：13796829现在，要检查这两组变量是否有明显相关。/10/1050第50页第50页学生评估和老师评估一致性系数为0.667，明显相关，但是难度认可相同程度为40%，不甚抱负。学生和教师认知程度和学习经验有差别，有时为了公正征求学生见解，但结果往往不甚抱负。提议：学生意见仅供参考！/10/1051第51页第51页二、实战操作：点二列相关法C:点二列（point-biseri