外语教学科研中的统计与SPSS实现

外语教学科研中的统计与SPSS实现

教育统计学简要介绍1.概念将数理统计学的理论和方法应用于教学实际、通过对所获得数据分析和处理，达到探索教学规律、制定方案、作出决策和预测。2.性质应用性：更重应用，不细究数理方法性：只是工具，不负责研究何种现象、提出何种假设、结论是否正确等。

教育统计学简要介绍3.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的分组和分布，计算数据参数。推断统计（inferentialstatistics）依据随机样本数据，从局部推断总体特征。包括参数检验和非参数检验、方差分析、回归分析、因子分析等。

教育统计学简要介绍4.基本概念4.1变量（variable）研究活动中的关键因素。相对于常量而言（在研究过程中始终保持不变的特征或条件）。自变量(independentvariable)：教学方法因变量(dependentvariable):学生成绩中间变量(interdependentvariable):学习风格如：研究者经常在课题的研究对象（某一层次的学习者）中安排不同风格的学习者。当某个自变量（如教学方式）变化时，可以观测到因变量（学习成绩）的相应变化及其规律。然后针对不同学习风格的研究对象（中间变量），再观察上述教学现象规律有何变化。Example:Hypothesis:L2learnerswhohavedone6revisionsofthesamecompositionprogressedfasterthanthosewhosimplywrote6differentcompositionswithoutrevision.Hypothesis:L2learnerswhousemorevarietiesoflearningstrategiesandusethemmorefrequentlylearnEnglishbetterthanthosewhousefewervarietiesoflearningstrategiesandusethemlessfrequently.大家有疑问的，可以询问和交流可以互相讨论下，但要小声点Hypothesis:Students’perceptionsofagoodteacherareinpartpredictedbytheirattitudestowardeducation.Hypothesis:Students’wayoflearningisdeterminedbytheirbeliefsaboutwhatcanleadtosuccessinlearning.CommonwaysofdoingresearchImaginethatwehavedevelopedsomenewlisteningmaterialsforlowlevellearners.Wehaveusedthesematerialswitharangeofclasses,andbelievethattheyaresignificantlybetterthanthetraditionalmaterialswhichareusedinyourschool.Howcanuconvincethemtheyaremoreeffective?1)SurveythessthruinterviewsorquestionnairestogetsubjectiveimpressionsCanwesaythenewmaterialsaresuperior?

教育统计学简要介绍

教育统计学简要介绍样本容量的标准ASudman（1976）：样本的大小取决于总体的分布区域。地区性研究：平均样本数在500至1000之间；全国性研究：平均样本数在1500至2500之间。重复前人的研究或进行类似研究时，可参考他人的样本数。

教育统计学简要介绍样本容量的标准BGay（1992）：样本的大小取决于不同的统计分析方法。描述性研究：样本数最少要占总体的10%，如果总体本身较小，则样本数最少要达到20%。相关性研究：样本至少在30人以上。如因果比较研究：各组人数不能少于30人。严密控制的实验研究：每组受试者至少在15人以上，30人以上最为合适。

教育统计学简要介绍样本容量的标准C

Borg等人（1983）:

样本的大小取决于研究条件的优劣。出现以下情况时，要采用较大的样本：测量工具的信度较低；研究中有较多的变量无法控制、总体的同质性（homogeneity）不强；研究中须用分组比较的统计分析方法。

教育统计学简要介绍4.基本概念4.4统计量(statistics)和参数(parameter)统计量是不依赖于任何未知参数的样本的函数，即它是直接从样本数据中计算出的各种量数，如样本平均数（）、样本方差（S2）、样本标准差（S）、样本相关系数（r）。统计量不是未知数，它随样本的不同而取不同的值。反映总体数据特征的量数为总体参数，简称参数，如总体平均数（u）、总体方差（б2）、总体标准差（б）、总体相关系数（ß）。总体参数是常数，但大多数情况下是未知数。（对具体各种统计量和参数在以后举例中解释）

教育统计学简要介绍4.基本概念4.5正态分布(normaldistribution)正态分布是连续型随机变量分布中最重要也是最常见的一种分布。例如，在人数较多的群体中，测量身高、体重、智力水平、学习成绩等得到的数值，其分布都近似于正态分布。如学生的测验分数都是中等分数人数多，高分、低分人数少，如果以分数为横坐标，次数〈获得某一分数的人数）为纵坐标，绘制成曲线图，就会发现曲线呈中间大、两头小、左右基本对称的特点。一般说来，只要随机变量取值的结果是由多种因素决定的，而且这多种因素基本上相互独立，随机抽取的样本有一定的规模，我们得到的数据的分布就近似于正态分布。

教育统计学简要介绍4.基本概念4.6等距或等比变量、定序或称名变量等距或等比变量

(interval-baseddata)一定单位的实际测量值，可以加减计算，如学生的考试成绩（65，76）定序或称名变量

(rankedornominaldata)定序变量：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＝研究生）；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：变量值没有大小之分，只有类别之分，如性别（1＝男，2＝女）

教育统计学简要介绍5.具体统计分析的SPSS实现5.1描述性统计分析举例1：期末考试英语成绩描述目的：试卷分析内容：制作成绩频数(分段：0－60；60－70；70－80；80－90；90－100)分布表并作频数分布分析【平均值（mean），众数（mode），中数(median)，标准差(Std.deviation)，方差(variance)，倾斜度(skewness)，峰度(kurtosis)，全距(range)，总和(sum)】5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现非参数检验：Wilcoxon检验(适用于等距变量)举例6：在一次英语口语演讲比赛中，聘请了10位评委参加评判工作。这10位评委对其中2名选手的打分情况（满分为20分）如下。问：其中的一名选手的成绩是否显著地高于另外一名选手？举例7：为检验某项识记训练的效果，从参加识记训练的学生中随机抽取了17名学生，将他们在接受识记训练前后的识记测验成绩列在下表中。问∶该项识记训练对学生识记能力的提高有无显著性影响？5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现非参数检验：Mann-WhitneyU检验（等距变量）举例12：某校学生94人，其中男生49人，女生45人，他们英语统考成绩如下。问：男、女生英语统考成绩有无显著性差异？Crosstabs检验（称名或等级变量）举例30：某项课题需要研究教育对提高工作能力的作用，为此做实证研究，抽样调查636名职工各自的文化程度和工作业绩情况，如表所示，问文化程度与工作业绩之间的关系是否有显著差异（原始数据记录格式）？举例31(频数记录格式)Crosstabs分层检验举例32：某高校计算机课试行多媒体教学A与正常上课B的两种授课方法，观察成绩提高效率。考虑到专业是一个可能的混杂因素，将其也纳入调查，请分析授课方法与成绩提高效率（减少不合格人数）有无关系。5.具体统计分析的SPSS实现

理工专业文科专业方法A方法B方法A方法B有效21261888无效17597955.具体统计分析的SPSS实现5.2.3前提条件四如果比较的是三组或多组数据之间的差异，那么：来自多个独立样本的数据：参数检验：单因素方差分析(One-wayANOVA)非参数检验：Kruskal-Wallis检验（等距变量，常用）；中位数（Median）检验（等距变量）来自多个相关样本的数据：参数检验：单因素重复测量方差分析（repeatedmeasuresANOVA）多因素方差分析(FactorialANOVA)非参数检验：Friedman检验（等距变量）；Kendall检验（等级变量）；Cochran’sQ检验（称名变量）5.具体统计分析的SPSS实现5.具体统计分析的SPSS实现非参数检验：多个相关样本：

Friedman检验（适用于等距、等级变量）Kendall检验（适用于等级变量）Cochran’sQ检验（适用于称名变量）举例15：下例数据分别于学生刚入学时（1996年）、入学一年后（1997年）和入学两年后（1998年），三次使用相同的量表，调查了相同的受试者收集得来的。问：这些学生的“表层动机”在三年来是否有显著变化？举例16：5位教师对甲、乙、丙3篇作文所作的评价如下，问5位教师对评价3篇作文所作的评价是否一致。举例17：出版社为决定从三种英语候选教材中挑选一种出版，他们聘请了46名专家对这三种教材进行评价。根据以下评价表（1表示同意，0表示不同意），能否认为专家对这三种教材的认可程度是没有显著性差异的？5.具体统计分析的SPSS实现

参数检验：方差分析(ANOVA)在教改中，通过实验我们会得到大量的实验数据，这些数据大多以学生的考试成绩反映出来。而这些成绩通常是在教学方法、学生的学习基础、学生临场发挥水平、试卷的难度、教师村评分标准的掌握程度等许多因素的制约下获得的。如何通过对实验数据的计算分析，找出对实验结果具有显著性影响的因素，这正是方差分析所要解决的问题。基本思想：通过分析不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。5.具体统计分析的SPSS实现

一项实验有多个影响因素，如果只有一个因素在发生变化，其他因素保持不变，称为单因素方差分析。(One-wayANOVA)举例18：为了寻求较好的词汇习得方法，现选择3种不同方法，分别对3个平行组学生进行一学期的词汇习得训练，期末时成绩如下。问：3种不同方法下的学生词汇习得成绩是否有显著性差异？哪种更理想一点？举例19：为了寻求较好的英语阅读教学方法，现选择4种不同的教学方法，分别对4个平行班的学生进行一学期的教学，期末时成绩如下。问：4种不同教学方法下的学生英语平均成绩是否有显著性差异？哪种更理想一点？5.具体统计分析的SPSS实现如果有两个或两个以上的因素发生变化，那么对应的方差分析称为多因素方差分析。几个因素（变量）对实验结果的影响有两种情况：A独立影响（between-subjectdesign），如单因素方差分析和双因素方差分析。B交互影响（within-subjectdesign），如单因素重复测量方差分析和双因素混合方差分析。5.具体统计分析的SPSS实现A独立影响（between-subjectdesign），单因素方差分析（例18/19）和双因素方差分析。双因素方差分析举例20：8名评委对5篇论文的评分如下，试分析5篇论文的水平差异是否显著？评委对评分标准所掌握的分寸是否一致？论文得分的多少主要受到两个因素的影响：一个是论文本身的水平，另一个是评委对评分标准所掌握的分寸（但两者之间无交互作用）。需要检验的假设如下：①5篇论文的水平无显著性差异；②评委对评分标准所掌握的分寸无显著性差异。5.具体统计分析的SPSS实现举例20

评委论文ABCDEFGH18384869192878990284868993958885913717073757074807746865697161607867590939594929096885.具体统计分析的SPSS实现B交互影响（within-subjectdesign），如单因变量单因素重复测量方差分析和单因变量双因素混合方差分析。单因素重复方差分析举例21下例数据分别于学生刚入学时（1996年）、入学一年后（1997年）和入学两年后（1998年），三次使用相同的量表，调查了相同的受试者收集得来的。问：这些学生的“深层动机”在三年来是否有显著变化？5.具体统计分析的SPSS实现双因素混合方差分析1举例22英语生词密度和题材熟悉程度是阅读理解的两个重要影响因素，如果既要同时检验这两个因素对英语阅读理解的影响（主效应），还要检验它们对英语阅读理解的交互作用（交互效应），即检验这样的假设：当文章的主题熟悉程度不同时，生词密度对阅读理解的影响会发生变化。假定研究者选择了两种类型的文章：对于学生来说题材非常熟悉的文章和学生不熟悉的题材的文章；同时有三种生词密度5：1，10：1和20：1。受试者有24人，将他们随机分为6个小组。问：三种作用对阅读成绩的影响如何？5.具体统计分析的SPSS实现举例22本双因素方差分析要检验的虚无假设有：①“主题熟悉程应”的处理效应为0；②“生词密度”的处理效应为0；③“主题熟悉程度”和“生词密度”的交互效应为0。不熟悉题材＋5：1的生词密度不熟悉题材＋10：1的生词密度不熟悉题材＋20：1的生词密度熟悉题材＋5：1的生词密度熟悉题材＋10：1的生词密度熟悉题材＋20：1的生词密度34548126675913445381232237115.具体统计分析的SPSS实现双因素(重复测量)混合方差分析2举例23下例数据分别于学生刚入学时（1996年）、入学一年后（1997年）和入学两年后（1998年），三次使用相同的量表，调查了相同的受试者收集得来的。问：男女学生的“深层动机”在三年来是否有显著变化？5.具体统计分析的SPSS实现协方差分析将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更加准确地对控制变量进行评价。无论是单因素方差分析还是多因素方差分析，它们都有一些人为可以控制的控制变量。在实际问题中，有些随机因素是很难人为控制的，但它们又会对结果产生显著的影响。如果忽略这些因素的影响，则有可能得到不正确的结论。举例24研究一个班3组同学（分别接受了3种不同的教学方法）在英语成绩上是否有显著差异。已知这些同学的英语入学成绩，数据如下。

5.具体统计分析的SPSS实现

相关分析A:积差相关法是指采用英国统计学家Pearson皮尔逊提出的一种计算相关系数的方法。举例25对15名大二学生用专四水平测验试卷进行测试,；其测验得分如下。另外已知这些学生的期末考试成绩，问他们专四成绩和期末成绩是否相关？举例26某大学一年级12名学生参加了语音、听写和语法三项考试。问：三项考试之间的两两相关系数。当我们研究的变量不是等距或等比数据，或者变量不是正态分布时，若要考察它们的相关程度就必须采用等级相关法。它是依据具有等级顺序的测量数据（定序数据）来研究变量间相互关系的方法。研究等级相关的相关量主要有Spearman斯皮尔曼等级相关系数和Kendll肯德尔和谐系数。5.具体统计分析的SPSS实现B:等级相关法当我们研究的变量是定序数据，或者变量不是正态分布时，若要考察它们的相关程度就必须采用等级相关法。它是依据具有等级顺序的测量数据（定序数据）来研究变量间相互关系的方法。主要有Spearman斯皮尔曼相关（适用于非参数两列相关）和Kendall