普通话测试成绩的差异性分析

普通话测试成绩的差异性分析
普通话测试成绩的差异性分析

普通话测试成绩的差异性分析

本文基于广州大学松田学院普通话测试历年成绩,探讨分析了性别和方言区域对普通话测试成绩的差异性影响。统计检验结果表明,性别对普通话测试成绩有差异性影响,方言区域对普通话测试成绩没有差异性影响。因此建议,在普通话教学方面,要学会因材施教,对不同类型的学生给予不同的教学方法。同时,由于学习环境、生活环境、社会环境等也是影响学生普通话学习的重要变量,我们要共同致力于优化学生普通话学习的各个方面。

标签:普通话测试;成绩;相关分析;单因素方差分析;建议

一、调查研究的方案设计

1、调查研究的目的和意义

为了了解学生普通话测试成绩出现差异的原因,探寻性别、方言对普通话测试成绩的影响,为学生提升普通话测试成绩给出指导方向,做到有的放矢的针对性练习。

2、调查研究的对象

本次调查研究以广州大学松田学院参加普通话考试的学生为调查对象。广州大学松田学院每年组织两次普通话考试,分别在5月份和11月份。本次调研的数据从2010年5月份开始,到2012年11月,共计3年6次考试成绩统计,数据为连续的时间序列数据。

调查研究的数据资料直接从本校的普通话测试中心调取。调取的数据统计资料中主要包括学生的专业、年级、性别、方言地区、籍贯以及普通话测试的成绩和等级等信息。数据真实可靠、客观、全面。在进行差异性分析时,选取的数据保证了涉及到全系的各个专业,文理科以及艺体等专业都能兼顾,确保调查结果的全面性和有效性。我们采取分层抽样的方法,对不同的系别分配不同数量的调查对象,而具体的调查对象选择时,则采取随机抽样的方法。确保数据的客观真实。

3、调查研究的理论方法

(1)相关分析。相关分析是研究变量间前密切程度的一种常用统计方法,是描述线性关系强弱程度和方向的统计量。

(2)单因素方差分析。单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个因变量,由因变量各水平分组的均值之间的差异,是否具有统计意义,并可以进行两组间均值的多重比较。

Duncan法进行多组样本间差异显著性分析

在SPSS里用Duncan's multiple range test进行多组样本间差异显著性分析 1. 软件SPSS v17.0 2. 方法Duncan's multiple range test 3. 适用范围 比较两组以上样本均数的差别,这时不能使用t检验方法作两两间的比较(如有人对四组均数的比较,作6次两两间的t检验),这势必增加两类错误的可能性(如原先a定为0.05,这样作多次的t检验将使最终推断时的a>0.05)。故对于两组以上的均数比较,必须使用方差分析的方法,当然方差分析方法亦适用于两组均数的比较。方差分析可调用此过程可完成。本过程只能进行单因素方差分析,即完全随机设计资料的方差分析。 4. 数据格式 X是每组实验每次重复的数值,factor是实验分组

5. 实现方法 Analyze->Compare Means->One-Way ANOVA

点击PostHoc...选择方法,设置显著水平

6. 查看结果 看Post Hoc Tests部分的表格 按照显著性水平P<0.05分成3列,三者之间有着显著性差异(factor1,factor2,factor3和factor4),factor3和factor4之间差异不显著。

7.在表格中标明差异显著性 根据这一结果即可做表格,四组分别以a,b,c,c标明其显著性差异。 小写字母代表是在0.05水平下比较,差异显著;大写字母代表在0.01水平下比较,差异极显著。 26.24±3.07a 表示:26.24代表这一组数据的平均值,3.07代表这一组数据的方差(excel中用STDEV公式得出) 先做0.05水平下的显著性分析,用小写字母,如果都不显著,可以不用标示,在文字里面有说明即可;在做0.01水平下的显著性分析,如果不显著,可以不用标示,在文字里面有说明即可。 上图标注有误,abcd的标注由值的大小决定,a表示最大,因此从上到下应为:cbaa 参考资料 SPSS FOR WINDOWS简明教程

网站分析中数据的统计学显著性检验

网站分析中数据的统计学显著性检验 在网站分析中,经常会做网站优化测试,就会比较不同方案的转换率,例如跳出率,订单购买率,按钮点击率等;也会记录访客或者客户的详细数据表现。但很多时候差异都很小,究竟是保持现状还是全面采用新方案的内容,很难有结论,于是两者差异在统计学的意义是否显著就变得很重要。 这篇文章主要讲解两种检验数据的方法:分别是在Excel中使用已经写好函数的数据显著性计算器,和使用SPSS对详细客户数据进行显著性检验。 一、Excel-数据显著性计算器 假设有下列的数据: 那么我们可以使用Avinash Kaushik介绍的Excel-数据显著性计算器来检验,详细请查看https://www.360docs.net/doc/911069061.html,/avinash/excellent-analytics-tip1-statistical-significance/ Excel文件可从此处下载:https://www.360docs.net/doc/911069061.html,/s/cz9E6 输入数据后计算得知(Number of Test Participants是分母,Number of Conversions是分子),差异是显著的,因为方框中显示了”Yes”

以上方法的原理是两组数据的差异超过了数据置信区间的话,那么就会出现数据显著性差异的结果。 以上的方法适用于简单的两个比率之间的对比,接下来要说说高级点的内容,SPSS中的假设检验问题来比较两个样本的均值。 二、两独立样本T检验 SPSS中比较均值的方法包括: 在介绍两独立样本T检验之前,先说下均值的比较情况,由浅入深。 1.均值的检验 假设检验的步骤一般分为以下几步: 1)确定原假设和备选假设(原假设就的意思是对总体的比例、均值或分布做出某种假设)2)选择检验统计量 3)计算检验统计量观测值发生的概率,P值 4)给定显著性水平α,如果P<α,即小概率事件发生,即原假设发生的概率很小,那么推翻原假设,如果P>α,那么原假设成立。 假设有以下两种情况: 1)工厂的质量管理员说:产品缺陷率只有1/1000,然后你开始抽查,抽了5件,就有2件是有问题的,那么问题就大单了。 因为1000件中最大缺陷数是1件,现在有2件,也就是概率极小的事情发生。 2)工厂的质量管理员说:产品缺陷率只有1/100,然后你开始抽查,抽了5件,就有2件是有问题的,那么问题也挺大单。 1000件中最大缺陷数是10,现在有2件,接下来还有995件要查,那么有两种可能: *产品缺陷率远远高于1%,质量管理员忽悠人; *碰巧抽到有缺陷的产品,接下来的995件很少有缺陷的了。 概率计算: 原假设:也就是假设产品缺陷率是1/100,前面抽了5件,就有2件次品的概率是0.088%; 抽5件中2件,后续抽查产品缺陷率小于1/100的的概率为0.088%;抽5件中2件,后续

使用SPSS 进行两组独立样本的t检验、F检验、显著性差异、计算p值

使用SPSS 进行两组独立样本的t检验、F检验、显著性差异、计算p值 SPSS版本为SPSS 20. 如有以下两组独立的数据,名称分别为“111”,“222”。 111组:4、5、6、6、4 222组:1、2、3、7、7 首先打开SPSS,输入数据,命名分组,体重和组名要对应,111组的就不要输入到222组了。数据视图如下: 变量视图如下,名称可以改成“分组嗷嗷嗷”“体重喵喵喵”等

点击“分析”-“比较均值”-“独立样本T检验” 来到这里,分组变量为“分组嗷嗷嗷”,检验变量为“体重喵喵喵”。

【关键的一步】点击分组嗷嗷嗷,进行“定义组”

【关键的一步】输入对应的两组数据的组名:“111”和“222” 点击确定,可见数据与组名对应上了。

点击“确定”,生成T检验的报告,即将大功告成!

第一个表都知道什么回事就不缩了,excel都能实现的。 第二个表才是重点,不然用SPSS干嘛。 F检验:在两样本t检验中要用到F检验,F检验又叫方差齐性检验,用于判断两总体方差是否相等,即方差齐性。 如图:F旁边的Sig的值为.007 即0.007,<0.01, 即两组数据的方差显著性差异! 看到“假设方差相等”和“假设方差不相等”了么? 此时由于F检验得出Sig <0.01,即认为假设方差不相等!因此只关注红框中的数据即可。 如图,红框内,Sig(双侧),为.490即0.490,也就是你们要求的P值啦, Sig ( 也就是P值) >0.05,所以两组数据无显著性差异。 PS:同理,如果F检验的Sig >.05(即>0.05),则认为两个样本的假设方差相等。 所以相应的t检验的结果就看上面那行。 by 20150120 深大医学院FG

相关文档
最新文档