2011年8月第30卷第8期绵阳师范学院学报
Journal of Mianyang Normal University Aug．，2011Vol．30No．8
收稿日期：2011-04-11回修日期：2011-06-29作者简介：季燕萍（1975－），女，助理研研员，硕士，主要研究方向：高等教育管理。
基于SPSS 对数学与
应用数学专业核心课程的学生成绩分析
季燕萍，吝维军
（扬州大学数学科学学院，江苏扬州225009）
摘
要：应用统计软件SPSS 对数学与应用数学专业50名学生的数学分析（1）、（2）、（3），高等代数（1）、
（2），解析几何三门课程的成绩进行基本描述性统计、正态分布检验，并对两两关系进行相关性分析。从而了解学生对
知识的掌握情况，促进本校的教学改革和教学管理的进一步深化和发展。
关键词：SPSS ；核心课程；正态分布检验；相关性分析
中图分类号：O 29；TP 391.77
文献标识码：A
文章编号：1672-
612x （2011）08-0004-08考试是教育评价的有效办法，随着课程改革的深入，要求越来越客观地进行教学评价。考试成绩是学
生学习效果的最直接、最有将效的反馈，也是教学反思的一个过程。因此，对学生考试成绩的分析，可以帮助我们更好地进行教学设计，改进教学方法、手段，从而达到良好的教学效果。然而，测试分数只是一些杂
乱的数字，
这些数据需要经过科学的处理才能为我们提供更有价值的反馈信息。合理运用统计学工具，对测试结果作出深层次的分析，才能获得真正有价值的反馈数据来指导后续的教学活动。
1SPSS 软件包简介
SPSS 全称为Statistical Package for Social Science ，也称社会学统计软件，是一种集成化的计算机处理和统计分析通用软件。它集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制于一体。SPSS 处
理的数据文件可以包含数百个变量和案例，
其统计功能囊括了教育统计学中所有的项目，包括集中量数和差异量数、
相关分析、回归分析、方差分析、卡方检验、t 检验和非参数检验等，并可以显示正态分布图、直方图、散点图等各种统计图表。已经广泛应用于办公、经济管理、质量管理、教育统计学、社会学、医学、生物统计、市场预测与决策等众多领域。因其友好性的界面和简便的操作，备受广大社会科学工作者的青睐。
2核心课程的界定
核心课程一般包括以下特征：反映一定的教育哲学观、办学理念、培养目标与学生观；聚焦若干研究领域，这些领域涉及人类文化和知识领域中最基本的具有共通性、基础性的内容，强调自然、人文与社会科学
的融合；整合相关的学科，
注重学科间的联系，课程目标明确。1998年教育部颁布的《普通高等学校本科专业目录和专业介绍》中指定数学与应用数学专业的主干课程为：分析学、代数学、几何学、概率论、物理学、数学模型/数学实验、计算机基础、数值方法、数学史等。本文依据我校数学与应用数学专业培养方案及教
学大纲选取数学分析、
高等代数、解析几何三门专业核心课程，对在不同学年学期的成绩进行基本描述性统计、正态分布检验，并对两两关系进行相关性分析，从而了解学生对知识的掌握情况，促进本校的教学改革、教学方法、教学管理的进一步深化和发展。
3
运用SPSS 对学生成绩的分析
3．1
成绩来源
本文中分析所用数据来源于本校2003级数学与应用数学专业班学生各门课程的考试成绩。由于数据
来自学校教务系统中的成绩库，因此学生成绩的真实性得到了保证。该班实有52人，但因有两位学生在二
年级后学籍异动留入下一年级，
因此本文只选取了其余50位同学的各门课程的成绩进行比较分析。3．2成绩分析
3．2．1数学分析（1）（2）（3）成绩比较分析
（1）基本描述性统计
调用
“Analyze －Descripstive Statistics －Frequencies ”过程，得到下表：表1数学分析（1）（2）（3）成绩基本描述统计情况
Tab．1Basic descriptive statistics of scores for Mathematical Analysis （1）（2）（3）
数学分析（1）
数学分析（2）
数学分析（3）
N
Vaid 505050Missing
000Mean
74．0675．1274．54Std．Error of Mean 1．3261．5051．579Median
74．0077．0076．00Std．Deviation 9．37510．64211．163Skewness
－．682－．858－．863Std．Error of Skewness ．337．337．337Kurtosis
．446．4671．909Std．Error of Kurtosis ．662．662．662Minimum 444635Maxim um 899294Per oentiles
2567．0070．5066．755074．0077．0076．0075
82．00
83．25
84．00
调用“Transform －Record －Into Different Variables ”过程从数学分析（1）（2）（3）成绩按照小于60－1，
60 70－2，70 80－3，80 90－4，90 100－5ˊ的对应关系生产新变量新数学分析（1）（2）（3），再调用“Analyze －Descripstive Statistics －Frequencies ”过程得到相应的频数分布表（表2）及频数分布直方图（图1）：
表2新数学分析（1）（2）（3）成绩频数分布表
Tab．2Frequency distribution table of scores for new Mathematical Analysis （1）（2）（3）
Frequency
Percent Valid Percent Cumulative Percent
Valid （1）
124．04．04．021530．030．034．031326．026．060．042040．040．0100．0
Total
50100．0100．0Vaild （2）
1612．012．012．02612．012．024．032040．040．064．041632．032．096．0524．04．0100．0Total
50100．0100．0Vaild （3）
148．08．08．021224．024．032．031632．032．064．041530．030．094．0536．06．0100．0Total
50
100．0
100．0
·
21·绵阳师范学院学报（自然科学版）第30卷
图1新数学分析（1）（2）（3）成绩频数颁直方图
Fig．1
Frequency distribution histogram of scores for new Mathematical Analysis （1）（2）（3）
由此可见，三个学期的数学分析成绩的均分，标准差，均值误差基本相同，说明该班的学生在三个学期的数学分析学习上成绩相对稳定，分化现象不明显。但相比较而言数学分析（1）（2）的成绩主要集中在中等良好分数段，而优秀的很少；数学分析（3）的成绩相对比较整齐。
（2）正态分布检验
调用“Analyze －Descripstive Statistics －Explore ”过程（双侧检验），得到表3：
表3数学分析（1）（2）（3）成绩的正态分布检验
Tab．3Normal distribution test of scores for Mathematical Analysis （1）（2）（3）
Kolmogorov －Smirno v
a
Shapiro －Wilk
Statistic
df Sig Statistic df Sig 数学分析（1）．14150．015．93850．011数学分析（2）．10950．188．94250．017数学分析（3）
．076
50
．200*
．954
50
．048
从正态分布检验表得相伴概率分别为0．015（﹤0．05），0．188（﹥0．05），0．200（﹥0．05），因此得到在
0．05显著水平数学分析（1）的成绩分布拒绝零假设，而数学分析（2）（3）接受零假设﹙H0：成绩服从正态分布﹚即我们认为该班的数学分析（1）成绩不服从正态分布，而数学分析（2）（3）的成绩服从正态分布。
（3）相关性分析
从正态分布检验结果分析可知数学分析三学期的成绩相关性检验应采用spearman 等级相关检验（双侧检验）
调用“Analyze －Correlate －Bivariate ”过程，得到表4：
表4数学分析（1）（2）（3）成绩的Spearman＇s rho 检验
Tab．4Spearman＇s rho test of scores for Mathematical Analysis （1）（2）（3）
新数学分析（1）新数学分析（2）新数学分析（3）
数学分析（1）
Correlation Coefficient 1．000
．694＊＊
．514＊＊
Sig．（2－tailed ）．．000．000N
505050数学分析（2）
Correlation Coefficient ．694＊＊
1．000
．689＊＊
Sig．（2－tailed ）．000．．000N
505050数学分析（3）
Correlation Coefficient ．514＊＊
．689＊＊
1．000
Sig．（2－tailed ）．000．000．N
50
50
50
＊＊
．Correlation is significant at the ．01level （2－tailed ）．
·
31·第8期季燕萍等：基于SPSS 对数学与应用数学专业核心课程的学生成绩分析
结果表明数学分析（1）、
（2）、（3）在0．01水平下两两显著相关。说明数学分析的学习需要扎实的基础，
数学分析前段学的好坏直接影响到之后的数学分析学习。3．2．2高等代数（1）（2）成绩比较分析
（1）基本描述性统计操作过程同上，得到如下结果：
表5高等代数（1）（2）成绩的基本描述性统计情况
Tab．5Basic descriptive statistics of scores for Advanced Algebra （1）（2）
高等代数（1）
高等代数（2）
N
Valid 5050Missing
00Mean
79．3277．92Std．Error of Mean 1．3391．507Median 81．5080．00Std．Deviation 9．46610．660Skewness
－．527－．414Std．Error of Skewness ．337．337Kurtosis
－．673－．286Std．Error of Kurtosis ．662．662Range 3848Minimum 5549Maximum 9397Percentiles
2572．0069．505081．5080．0075
88．25
86．00
表6新高等代数（1）（2）成绩频数分布表
Tab．6
Frequency distribution table of scores for new Advanced Algebra （1）（2）
Frequency
Percent Valid Percent Cumulative Percent
Valid （1）
12．02．02．02918．018．020．031428．028．048．042346．046．094．0536．06．0100．0Total
50100．0100．0Valid （2）112．02．02．021224．024．026．031122．022．048．041938．038．086．05714．014．0100．0Total
50
100．0
100．0
·
41·绵阳师范学院学报（自然科学版）第30卷
图2新高等代数（1）（2）成绩频数分布直方图
Fig．2
Frequency distribution histogram of scores for new Advanced Algebra （1）（2）
从高等代数（1）（2）成绩的均值、标准差、众数、最值、极差的比较可知该班的高等代数（1）比高等代数（2）成绩略好一些，高等代数（2）学生的成绩较高等代数（1）的成绩有轻度的分化现象，原因可能是随着高
等代数学习的深入，
难度逐渐加深，分化现象也就随之产生了。（2）正态分布检验
调用
“Analyze －Descripstive Statistics －Explore ”过程（双侧检验）：见表7：表7高等代数（1）（2）成绩正态分布检验
Tab．7Normal distribution test of scores for Advanced Algebra （1）（2）
Kolmogorov －Smirnov
Shapiro －Wilk
Statistic
df Sig．Statistic df Sig．高等代数（1）．12050．067．93650．010高等代数（2）
．097
50
．200*
．974
50
．324
*．This is a lower bound of the true significance．a．Lilliefors Significance Correction
从上表可知相伴概率分别为0．067，0．200，都大于等于0．05，因此接受零假设﹙H0：成绩服从正态分布
﹚，
认为高等代数（1）（2）的成绩服从正态分布（3）相关性分析
调用“Analyze －Correlate －Bivariate ”过程（采用Pearson 积差相关），得到下表：
表8高等数学（1）（2）成绩Pearson 分析
Tab．8Pearson Analysis of scores for Higher Mathematics （1）（2）
高等代数（1）
高等代数（2）高等代数（1）
Pearson Correlation 1．660＊＊Sig．（2－tailed ）．．000N
5050高等代数（2）
Pearson Correlation ．660＊＊1Sig．（2－tailed ）．000．N
50
50
＊＊Correlation is significant at the 0．01level （2－tailed ）．
结果显示，该班的高等代数（1）（2）成绩在0．01水平显著相关，说明高等代数的学习过程是一个循序渐进的过程，理解并掌握高等代数（1）的知识是学好高等代数（2）的前提，要想学好高等代数就必须扎扎实实的打好基础。
3．2．3解析几何成绩分析
·
51·第8期季燕萍等：基于SPSS 对数学与应用数学专业核心课程的学生成绩分析
（1）基本描述性统计
操作过程同数学分析，
得到如下结果：表9解析几何成绩基本统计情况
Tab．9Basic descriptive statistics of scores for Analytic geometry
Statistic
Std．Error
Mean
80．741．518
95%Confidence Lower Bound 77．69Interval for Mean Upper Bound
83．795%Trimmed Mean 81．22Median 83．50Variance 115．258Std．Deviation 10．736
Minimum 52Maximum 96Range
44Interquartile Range 17．00Skewness －．693．337Kurtosis
－．194
．662
图3新解析几何直方图Fig．3Histogram of scores for new Analytic geometry
表10新解析几何成绩频数分布表
Tab．10Frequency distribution table of scores for new Analytic geometry
Frequency
Percent Valid Percent
Cumulative Percent
Valid
124．04．04．02612．012．016．031224．024．040．041938．038．078．051122．022．0100．0
Total
50
100．0
100．0
从解析几何成绩的描述性统计分析可以看出，该班学生解析几何的学习情况略好于数学分析和高等代数，这一点不光体现在均分上，从学生成绩分布情况更能说明，解析几何成绩在70 80分数段的百分比为24%，80 90分数段的百分比为38%，90分以上的百分比为22%，可见该班学生的解析几何成绩绝大部分位于中等，良好，优秀分数段。可能是因为解析几何不像数学分析和高等代数对于学生来说是完全陌生的新知识，又有中学几何学习的基础，加之解析几何相比数学分析，高等代数课时内容相对都要少，所以学生解析几何的掌握情况比数学分析和高等代数要好一些。
（2）正态分布检验
调用
“Analyze －Descripstive Statistics －Explore ”过程（双侧检验），得到表11：表11
解析几何成绩正态分布检验
Tab．11
Normal distribution test of scores for Analytic geometry
Kolmogorov －Smirnov
Shapiro －Wilk
Statistic
df Sig．Statistic df Sig．解析几何
．119
50
．073
．943
50
．018
a．Lilliefors Significance Correction
由表11得，解析几何成绩服从正态分布的相伴概率为0．073（﹥0．05），所以接受零假设﹙H0：成绩服从正态分布﹚即认为该班学生的解析几何成绩服从正态分布。
·
61·绵阳师范学院学报（自然科学版）第30卷
3．2．4
数学分析，高等代数以及解析几何成绩相关性分析
调用“Analyze －Correlate －Bivariate ”过程，采用Kendall'stau_b 和谐系数相关检验（双侧检验），见表12：
表12
三门课程成绩相关性分析（Kendall＇s tau_b ）
Tab．12
Correlation Analysis （Kendall＇s tau_b ）of scores for three courses
新数学分析（1）
新数学分析（2）
新数学分析（3）
新高等代数（1）
新高等代数（2）
新解析几何
新数学分析（1）
Correlation
Coeffcient Sig．（2－tailed ）N 1．000．626＊＊．447＊＊．482＊＊．518＊＊．497＊＊．．000．000．000．000．000505050505050新数学分析（2）
Correlation
Coeffcient Sig．（2－tailed ）N ．626＊＊1．000．592＊＊．628＊＊．663＊＊．540＊＊．000．．000．000．000．000505050505050新数学分析（3）
Correlation
Coeffcient Sig．（2－tailed ）N ．447＊＊．592＊＊1．000．516＊＊．531＊＊．557＊＊．000．000．．000．000．000505050505050新高等代数（1）
Correlation
Coeffcient Sig．（2－tailed ）N ．482＊＊．628＊＊．516＊＊1．000．557＊＊．492＊＊．000．000．000．．000．000505050505050新高等代数（2）
Correlation
Coeffcient Sig．（2－tailed ）N ．518＊＊．663＊＊．531＊＊．557＊＊1．000．628＊＊．000．000．000．000．．000505050505050新解析几何
Correlation
Coeffcient Sig．（2－tailed ）N
．497＊＊．540＊＊．557＊＊．492＊＊．628＊＊1．000．000．000．000．000．000．50
50
50
50
50
50
＊＊
．Correlation is significant at the ．01level （2－tailed ）．
结果显示数学分析（1）（2）（3），高等代数（1）（2）及解析几何在0．01显著水平两两显著相关，可见数学专业这三门专业核心课程极其相关，数学是一门逻辑性很强的学科，学科内部各知识也是相通的，数学分析学的好坏会影响到高等代数及解析几何的学习，同样高等代数，解析几何的学习也影响到数学分析的学习。
4结论和建议
从数据分析，数学分析（1）、（2）的成绩主要集中在中等良好分数段，而优秀的很少；数学分析（3）的成
绩相对比较整齐；数学分析（1）成绩不服从正态分布，我们就可以明显的看出，该班许多学生并不能很快适应大学学习。对于初入大学的新生由于环境的改变，心理上和生理上的诸多不适应，使得自已经常处于一种
“茫乱”之中。加之大学数学与中学数学在教学内容、教学方法、学习方法等差异势必会影响到学习成绩。大学数学的数学分析，高等代数，解析几何研究的对象是客观世界中更为广泛、抽象的空间形式与数
·
71·第8期季燕萍等：基于SPSS 对数学与应用数学专业核心课程的学生成绩分析
量关系，很多概念较为抽象，难于理解。这些数学理论比起中学数学来更为艰深，纵横联系更为紧密、广阔。所以在对这几门课的教学中，我们应该聘请那些教学经验更为丰富、责任心强、认真负责的老师担任这些课程的教学。在教学内容上，对一些重要概念要加深理解，将数学思想的学习和解题方法的学习结合起来，让学生能在解题的过程中懂得数学，应用数学，欣赏数学。在教学方式上，我们不应局限于传统式讲授，适当加强启发式教学、课堂讨论式教学、问题链接式教学、自学辅导式教学等多元化的教学方式，这样不仅能较充分的调动学生的学习积极性、主动性，激发学生思考，更提高学生的学习能力，特别是自学能力。
从上面的分析我们知道了这三门专业核心课程彼此显著相关，其中任何一门课程的学习势必会对另
两门课程的学习产生影响，
学生在学习这三门课程时不能出现“厚此薄彼”的现象。我们的任课老师在授课过程中也要注意要加强对这三门课程的联系和渗透，
可以应用几何直观来解释代数中的抽象概念，反过来再用代数方法阐明几何性质和数学分析中的一些结论。数学分析、高等代数、解析几何是大学数学专业最为核心的三门基础课程，是学习其他数学课程的前提。因此无论是教师还是学生对这三门专业核心课程的教与学都应引起足够的重视，任课教师讲授这三门课程之前就让学生明确这三门课程在大学学习阶段的重要地位。另外在以后的讲课过程中，还应适当地介绍一些知识在数学其他分支学科中的应用。比如数学分析相关知识在常微分方程，偏微分方程中的应用；高等代数与近世代数的联系；解析几何的基础知识在微分几何中体现在哪些方面等等，这样更能让学生深刻地体会到这三门课的重要性，促使学生积极主动学习，才有利于学生真正理解掌握这三门课程，为其他数学分支的学习打好扎实的基础，提高数学专业人才培养质量。参考文献：
［1］张文彤，闫洁．SPSS 统计分析基础教程［M ］．北京：高等教育出版社，2005，3．［2］刘珊，毛志强．浅议大学数学核心课程体系的建立［J ］．科技广场，2010，2：227－229．［3］张彦春．大学与中学数学的衔接教育研究［J ］．乐山师范学院学报，2006，12：81－83．
［4］张志霞，许童羽．高等学校学生成绩分析方法的研究［J ］．沈阳农业大学学报（社会科学版），2008，6：322－324．［5］何康乐．学生成线分析的初探［J ］．中国校外教育，2009，1：49．
［6］孙军杰，侯玉泽．大样本成绩分析在高等教育中的应用［J ］．科技信息，2010，31：115－116．［7］李凯军，冯修猛．成绩分析及其对教学管理的指导作用［
J ］．医学综述，2009，8：2552－2554．［8］焦万堂，张景丽．数学与应用数学专业人才培养方案的研究与实践［
J ］．河南教育（高校版），2008，2：26－27．On Performances of Student ＇s Core Courses of Major of
Mathematics ＆Application Mathematics by Using SPSS
JI Yan －ping ，LIN Wei －jun
（College of Mathematics Science ，Yangzhou University ，Yangzhou ，Jiangsu 225009）
Abstract ：This paper is to introduce the results of these 50students＇performances ，who are from the major of Mathematics ＆Application Mathematics ，in the following three coerces ，Mathematical Analysis （1），（2）（3），Advanced Algebra （1），（2），and Analytic Geometry ，through basic statistical analysis ，normal distribution test and correlations between then by using the statistical software SPSS．Hence it will be helpful in promoting further enhancement and development of teaching reform ，teaching methods ，and teaching management of our school．
Key words ：SPSS ；core courses ；normal distribution test ；analysis of correlation
·
81·绵阳师范学院学报（自然科学版）第30卷
《统计分析软件》试（题）卷 班级 xxx班姓名 xxx 学号 xxx 说明：1.本试卷分析结果写在每个题目下面（即所留空白处）； 2.考试时间为100分钟； 3.每个试题20分。 一、（20分）已经给出某个班的学生基本情况及其学习成绩的两个SPSS数据文件，学生成绩一.sav；学生成绩二.sav。要求： （1)将所给的两个SPSS数据文件“学生成绩一.sav”与“学生成绩二.sav”合并，并保存为“成绩.sav.” （2）对所建立的数据文件“成绩.sav”进行以下处理： 1）按照性别求出男、女数学成绩的各种统计量(包括平均成绩、标准差等)。 2）计算每个学生的总成绩、并按照总成绩的大小进行排序 3）把数学成绩分成优、良、中三个等级，规则为优(X≥85)，良(75≤X ≤84),中(X≤74)，并对优良中的人数进行统计。
分析： 描述统计量 性别N极小值极大值均值标准差 男数学477.0085.0082.2500 3.77492有效的 N （列表状态）4 女数学1667.0090.0078.50007.09930有效的 N （列表状态）16
注：成绩优良表示栏位sxcj 优为1 良为2 中为3 由表统计得，成绩为优的同学有4人，占总人数的20%；良的同学有12人，占总人数的60%；中的同学有4人，占总人数的40%。 二、（20分）为了解笔记本电脑的市场情况，针对笔记本电脑的3种品牌，进行了满意度调查，随机访问了30位消费者，让他们选出自己满意的品牌，调查结果见下表，其中变量“职业”的取值中，1表示文秘人员，2表示管理人员，3表示工程师，4表示其他人；3个品牌变量的取值中，1表示选择，0表示未选数据见Excel数据文件“调查.exe”。根据所给数据完成以下问题 （1）将所给数据的Excel文件导入到SPSS中，要求SPSS数据文件写出数据结构（包括变量名，变量类型，变量值标签等）命，并保存为：“调查. Sav”。 （2）试利用多选项分析，利用频数分析来分析消费者对不同品牌电脑的满意度状况；分析不同职业消费者对笔记本品牌满意度状况。 分析：
SPSS相关分析在学生成绩分析中的应用 [摘要] 成绩分析是每所学校期中、期末考试之后对教学常规管理的一项基本要求，也是全面提高教学成绩重要的方法和途径。随着IT技术的发展，各学校分别采用了不同的应用软件对成绩进行质量分析，从中发现问题并加以改进，以提高教师的教学质量。本文介绍了SPSS统计软件的相关分析功能在考试成绩分析中的应用，建立了成绩分析模型，并给出了对学生考试成绩进行分析的SPSS 软件操作方法。运用此方法，可以直观、高效、科学地对学生的成绩质量进行分析。 [关键词] SPSS；相关分析；成绩；应用 1 相关分析概述 任何事物的变化都是与其他事物相互联系和相互影响的，用于描述事物数量特征的变量之间自然也存在一定的关系。变量之间的关系归纳起来可以分为两种类型，即函数关系和统计关系。当一个变量x取一定值时，另一变量y可以按照确定的函数公式取一个确定的值，记为y = f（x），则称y是x的函数，也就时说y与x两变量之间存在函数关系。函数关系是一一对应的确定性关系，比较容易分析和测度。可是在现实中，变量之间的关系往往并不那么简单。描述变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程为相关分析。在实际中，因为研究目的不同，变量的类型不同，采用的相关分析方法也不同。比较常用的相关分析方法是二元定距变量的相关分析、二元定序变量的相关分析、偏相关分析和距离分析，统称二元变量的相关分析。 二元变量的相关分析是指通过计算变量间两两相关的相关系数，对两个或两个以上变量之间两两相关的程度进行分析。在二元变量的相关分析过程中比较常用的几个相关系数是Pearson简单相关系数、Spearman和Kendall’s tau-b等级相关系数。 二元定距变量的相关分析是指通过计算定距变量间两两相关的相关系数，对两个或两个以上定距变量之间两两相关的程度进行分析。定距变量又称为间隔（interval）变量，它的取值之间可以比较大小，可以用加减法计算出差异的大小。例如，“年龄”变量、“收入”变量、“成绩”变量等都是典型的定距变量。Pearson 简单相关系数就是用来衡量定距变量间的线性关系。 定序变量又称为有序（ordinal）变量、顺序变量，它取值的大小能够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如，“最高学历”变量的取值是：1——小学及以下；2——初中；3——高中、中专、技校；4——大学专科；5——大学本科；6——研究生以上。由小到大的取值能够代表学历由低到高。Spearman和Kendall’s tau-b等级相关系数就是用于衡量定序变量间的线性相关关系，它们利用的是非参数检验的方法。
2017年《SPSS技术应用》 ----期末考核论文 基于SPSS的中学化学例题教学效果研究 ----以延吉市某中学为例 二〇一七年六月
摘要 课程改革以来，课堂教学备受关注，尤其是如何实现高效课堂,是目前中学师生迫切需要解决的问题。中学化学是一门自然科学，本身具有微观性和抽象性的特点，使初中生在学习时比较困难，而例题是指导学生如何运用所学知识的范例，例题教学是中学化学课堂常见的教学方法。 本文通过调查统计对一个班级初中生实施案例教学前后的化学成绩，用SPSS统计软件进行对所得数据进行了描述量统计，方差齐性分析，独立单样本T 检验分析和相关分析，得出了在中学化学课堂上实施案例教学，有利于增强学生学习兴趣，提高学习积极性，进而提高化学成绩的结果。得出中学化学教师应该根据教学内容合理地选择例题并充分利用例题，以促进初中生对化学概念原理的认识和理解，对化学规律和方法的掌握以及化学学习效率的提高。 关键词：中学化学案例教学 SPSS软件统计分析
目录摘要II 目录III 第一章绪论1 1.1 研究背景1 1.2 研究目的及意义1 1.3 国内外研究现状2 1.3.1 SPSS应用国内外研究现状2 1.3.2 案例教学国内外发展与研究3 第2章相关概念及理论依据4 2.1 概念界定4 2.1.1例题4 2.1.2例题教学4 2.1.3 描述性统计分析4 2.1.4 T检验4 2.1.5 相关分析5 第三章教学实施结果统计分析6 3.1 数据来源6 3.2 数据分析6 3.1.1描述性统计结果7 3.1.2 独立单样本t-检验结果7 3.1.2 相关分析结果9 第4章结论与建议10 4.1 研究结论10 4.2 研究建议10 参考文献11
$ 2017年《SPSS技术应用》 ----期末考核论文 ~ 基于SPSS的中学化学例题教学效果研究 ----以延吉市某中学为例 二〇一七年六月 ?
摘要 课程改革以来，课堂教学备受关注，尤其是如何实现高效课堂,是目前中学师生迫切需要解决的问题。中学化学是一门自然科学，本身具有微观性和抽象性的特点，使初中生在学习时比较困难，而例题是指导学生如何运用所学知识的范例，例题教学是中学化学课堂常见的教学方法。 本文通过调查统计对一个班级初中生实施案例教学前后的化学成绩，用SPSS统计软件进行对所得数据进行了描述量统计，方差齐性分析，独立单样本T 检验分析和相关分析，得出了在中学化学课堂上实施案例教学，有利于增强学生学习兴趣，提高学习积极性，进而提高化学成绩的结果。得出中学化学教师应该根据教学内容合理地选择例题并充分利用例题，以促进初中生对化学概念原理的认识和理解，对化学规律和方法的掌握以及化学学习效率的提高。 关键词：中学化学案例教学 SPSS软件统计分析
目录 摘要 ..................................................................... II 目录 ..................................................................... III 第一章绪论.. (1) 研究背景 (1) 研究目的及意义 (1) 国内外研究现状 (2) SPSS应用国内外研究现状 (2) 案例教学国内外发展与研究 (3) 第2章相关概念及理论依据 (4) 概念界定 (4) 例题 (4) 例题教学 (4) 描述性统计分析 (4) T检验 (4) 相关分析 (5) 第三章教学实施结果统计分析 (6) 数据来源 (6) 数据分析 (6) 描述性统计结果 (7) 独立单样本t-检验结果 (8) 相关分析结果 (9) 第4章结论与建议 (10) 研究结论 (10) 研究建议 (10) 参考文献 (11)
统计分析与SPSS的应用 原始数据：10级市场营销2班成绩 分析一：综测成绩四分位数 上表表明：综测成绩的最小值为68.61分，最大值为89.15分。其中25%的学生综测成绩为74.4100分，50%的学生综测成绩为80.3740分，75%的学生综测成绩为85.2200分。四分位数差从侧面证实了学生综测成绩呈一定左偏分布。
分析二：综测成绩直方图 上图表明：该班学生的综测成绩均分为80.07分，标准差为5.62。从图中可以看出，综测成绩呈左偏性分布，在85分左右的学生人数最多，70分左右的学生人数最少。 分析三：综测成绩的基本统计量分析 上表表明：综测成绩的极差为20.55分，意味着数据相对较分散。另外，综测成绩的最小值和最大值分别为68.61分和89.15分，平均分为80.0734分，标准差为5.61963。从偏度系数可以看出，系数小于0，偏度标准误差为0.421，因而该班综测成绩呈左偏分布，。从峰度系数可以看出，峰度值小于0，峰度标准误差为0.821，因而数据的分布比标准正态分布更加平缓，称
为平峰分布。 分析四：各科成绩的统计量分析比较 各科成绩统计量结果分析表 由上表可知：宏观经济学的全距最大，而生产与运作管理的全距最小，表明宏观经济学的成绩离散程度最高，而生产与运作管理的成绩离散程度最低；同时，对于标准差而言，也是宏观经济学的标准差最大而生产与运作管理的标准差最小。各科成绩平均分最高的为体育成绩，平均分最低的为英语成绩。各科成绩中只有人力资源管理的成绩是呈右偏分布，其他各科成绩均呈左偏分布。另外，各科成绩中，只有宏观经济学的成绩呈尖峰分布，其他各科呈平峰分布。
基于SPSS统计软件对学生成绩的分析 陈利利 摘要：应用统计软SPSS，对某校法律专业一、二班76名学生的民法科目的期末成绩进行分析。学生绩分析是教师应做的一项比较麻烦的工作，主要包括：计算平均值和标准差，绘制学生成绩分布直方图等。SPSS(Statistics Package for Social Science)社会科学统计软件是全球知名的统计分析软件之一。运用SPSS 统计软件对学生成绩进行分析处理，速度快、直观、全面，对后续的教学工作和课程评价有着重要意义。 关键字：频数分析，描述统计，独立样本t检验 一、数据调查 （1）数据调查方法：由于学校的班级和考试科目比较多，如果对于每一个学生的学习成绩进行普查，会加大工作难度，并且不利于从繁杂的数据中获取信息。因此本文采用抽样的方法进行数据调查。 （2）数据来源：抽取2015级法律专业一班、二班，共七十六名同学，采集民法和英语的期末成绩作为本次统计分析的对象。 二、SPSS软件应用分析 统计分析的目的在于研究总体特征。描述性统计分析是统计分析的第一步，是统计分析的基础，它包括数据的收集、整理、显示，对数据中有用信息的提取和分析。做好这一步是进行正确统计推断的先决条件。通过描述性统计分析可以大致了解数据的分布类型和特点、数据分布的集中趋势和离散程度，或对数据进行初步的探索性分析（包括检查数据是否有错误，对数据分布特征和规律进行初步观察）。 1、频数分析（Frequencies）1 频数分析多适用于离散变量，其功能是描述离散变量的分布特征。对把握数据的分布特征是非常有用的。 （1）民法成绩的频数分析 输出的结果及解释：系统输出的频数检验结果见表1、表2和图1。 表 1法律专业学生民法成绩统计表 1频数分析多适用于离散变量，其功能是描述离散变量的分布特征。
spss分析学生成绩方法 考试成绩只是一些零散的数据，对其进行科学的处理能够为我们提供更有价值的信息，因此，合理运用统计学工具，对数据做出深层次的剖析来指导后续的教学活动尤为重要。 1 SPSS 软件简介 SPSS 是Statistical Program for Social Sciences 的简称，即社会科学统计程序。作为统计分析工具，其统计和数据分析功能强大，理论严谨、内容丰富，广泛用于自然科学、技术科学、社会科学的各个领域。它的统计过程包括描述性统计、相关分析、回归分析、聚类分析、数据简化、多重响应等几大类。其统计功能囊括了教育统计学中所有的项目，包括集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t 检验等，能够满足成绩分析全部指标的分析计算，为教师考试分析及教学工作起到一定的导向作用。 2 利用SPSS 对学生成绩进行分析 2. 1 课程选取及成绩来源 依据延安大学信息与计算科学专业培养方案及教学大纲，选取其核心课程高等代数及解析几何，对本专业2012 级学生两门课程的学习成绩进行基本描述性统计、正态分布检验，并对其关系进行相关性分析，从而了解解析几何、高等代数之间的相互影响，促进本校教学方法的改进和发展。成
绩数据来源于学校教务系统中的成绩库，对该年级共46 名学生成绩进行分析。 2. 2 成绩分析 2. 2. 1 高等代数1、2 的成绩分析 从高等代数1、2 成绩的均值、标准差、众数、最值、极差等方面的比较，可以看到该班的高等代数1比高等代数2 成绩略好一些，高等代数1 学生的成绩较高等代数2 的成绩有轻度的分化现象，原因可能是由于学生刚进入大学未能适应新的学习环境所致。调用分析描述探索过程( 双侧检验) ，进行正态分布检验。结果显示，该班的高等代数1、2 成绩在0. 01 水平下显著相关，说明随着高等代数学习的深入，内容难度逐渐增加，因此学好高等代数1 是必要条件，可以为后面的学习打下坚实的基础。 2. 2. 2 解析几何成绩分析 基本描述性统计操作过程同高等代数，得到如从解析几何成绩的描述性统计分析可以看出，该班的解析几何成绩绝大部分为中等及良好分数段，有10. 9% 的学生成绩为不及格，8. 7% 的学生成绩为优秀。可能由于同学们认为有中学学习几何的基础，存在侥幸心理，导致成绩未达到预期的效果。得出: 高等代数、解析几何在0. 01 显著水平下两两相关，两门课程相关性很大。数学是一门对逻辑思维能力要求很高的学科，学科内部各知识也是相通的，所以这两门课
软件开发 1.模型 基础的数据挖掘模型有决策树，聚类分析，关联分析，神经网络、回归分析、时间序列等，本报告选取前三种进行实验并分析结果。 ■■1.1■决策树 决策树是根据数据生成规则的一种简捷高效的预测模型，他代表的是对象属性与对象值之间的一种映射关系。易于理解和实现，能够直接体现数据的特点，能够同时处理数据型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的结果，易于通过静态测试来对模型进行评测，可以测定模型可信度，给定一个观察的模型，很容易根据决策树推出相应逻辑表达式。 模型也有一些缺点，比如处理缺失数据时的困难，过度拟合问题的出现，以及忽略数据集中属性之间的相关性等。操作步骤理解如下： (1)找分割点：贪心算法，选当前纯度差最大的情况作为分割点。 (2)分割成N1、N2。 (3)对N1、N2重复1,2，直到每个节点足够“纯”。纯度的度量：熵，纯度差：信息增益，C4.5算法中用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足。 ■■1.2■聚类 聚类的作用是对未分类的、无规律的变量进行处理，使这些数据能够反映出一定的规律性或特殊的分类性。 聚类可以用来对样品或者变量进行处理，对n个样品进行聚类的方法称为Q型聚类，常用的统计量称为“距离”；对m个变量进行聚类的方法称为R型聚类，常用个统计量称为“相似系数”。 将样本聚类，从分析结果可以得出各类的特点；将变量聚类，可从大量指标中提取出主要因素，在不造成巨大的信息丢失的同时减少指标数量。 ■■1.3■关联分析 关联分析用于发现大量数据中不同项之间的联系，实际应用中可在交易数据、关系数据或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。 其分析过程是挖掘满足具有最小支持度阈值的所有项集——频繁项集，并在其中提取满足置信度的规则——强规则。 本实验中采用著名的Apriori算法，作为挖掘产生布尔关联规则所需频繁项集的基本算法。 2.实验 ■■2.1■数据来源 尝试爬取的数据很难清洗，缺失值较多，难以保证实验质量，比较UCI、kaggle等网站数据后在UCI（http:// https://www.doczj.com/doc/6913082774.html,/ml/） Machine Learning Repository 上取得student数据集，共394条数据，因数据量较少恐影响实验结果，因此按照千次有放回抽样进行扩充，并与原数据合并，共1394条数据进行实验，数据特征包含：学校，性别，年龄，地址，家庭规模，父母同居与否，母亲教育程度，父亲教育程度，母亲职业，父亲职业，选校原因，监护人，到学校的路程，每周学习时间，之前挂科数，额外教育支持，家庭教育支持，该课程额外支付，是否参加课外活动，上过幼儿园否，是否有意升学，家里有没网络，是否恋爱，家庭关系好坏，休闲时间长短，与朋友出门，工作日酒精消费，周末酒精消费，最近健康状况，逃课数，第一学期成绩，第二学期成绩，最终成绩。 ■■2.2■实验流程 本次实验在SPSS平台进行，版本：19.0.0.329。SPSS 全称统计产品与服务解决方案，集成数据挖掘所需的常见模型，可完成决策树、聚类、关联分析等实验。 2.2.1 决策树 spss重新编码功能对G3进行离散，0~12分视为不及格，标0，高于12视为及格，标1。 决策树模型简洁易用，本次试验所用数据集完整度高，不存在缺失等情况，由于该模型忽略属性之间的相关性，因此选择不同导向性、两两不相关的属性进行分析。 基于SPSS的学生成绩影响因素分析 作者/陈卓，济宁市兖州区第一中学 摘要：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”互联网在日常运营中生成、累积了规模庞大的用户网络行为数据。用数据挖掘的方法有目的地收集和分析这些数据，使之成为信息，把隐没在杂乱无章的数据中的信息集中、萃取和提炼出来，找出研究对象的内在规律，是发挥数据价值的一种选择。本分析报告探究统计学意义上高中生学习成绩受哪些因素影响，希望在熟悉数据挖掘等理论基础的同时，能发掘有意义的研究价值，给与正处于高中生活中的同学及家庭一些启迪。 关键词：数据挖掘，SPSS，决策树，聚类，关联分析 www?ele169?com | 43
1、某班共有28个学生，其中女生14人，男生14人，下表为某次语文测验的成绩，请用描述统计方法分析女生成绩好，还是男生成绩好。 方法一：频率分析 （1）步骤：分析→描述统计→频率→女生 成绩、男生成绩右移→统计量设置→图表（直方图） →确定 （2）结果： 统计量 女生成绩男生成绩 N有 效 1515 缺 失 7373 均值69.933 367.000 中值71.000 072.000 众数76.00a48.00a 标准差8.9160 114.535 67 方差79.495211.28 6 全距30.0046.00极小值54.0043.00极大值84.0089.00 和1049.0 01005.0 a. 存在多个众数。显示最小值
（3）分析：由统计量表中的均值、标准差及直方图可知，女生成绩比男生成绩好。 方法二：描述统计
（1）步骤：分析→描述统计→描述→女生成绩、男生成绩右移→选项设置→确定 （2）结果： 描述统计量 N 极小 值 极大 值均值标准差方差 女生成绩1554.0084.0069.933 38.9160 1 79.49 5 男生成绩1543.0089.0067.000 014.535 67 211.2 86 有效的N （列表状 态） 15 （3）分析：由描述统计量表中的均值、标准差、方差可知，女生成绩比男生成绩好。
2、某公司经理宣称他的雇员英语水平很高，现从雇员中随机随出11人参加考试，得分如下：80、81、72、60、78、65、56、79、77、87、76，请问该经理的宣称是否可信？ （1）方法：单样本T检验 H0:u＝u0,该经理的宣称可信 H1:u≠u0,该经理的宣称不可信 （2）步骤：①输入数据：（80，81，…76） ②分析→比较均值→单样本T检验→VAR00001右 移→检验值（75）→确定 （3）结果： 单个样本统计量 N 均 值 标 准差 均值的 标准误 VAR0 00011173. 73 9.5 51 2.880 （4）分析：由单个样本检验表中数据知t＝0.668>0.05，所以接受H0，即该经理的宣称是可信的。
有关基于SPSS 对学生成绩的分析研究 考试成绩是对学生学习效果和教师教学效果最直接、最客观的的反馈，对考试成绩的合理分析可以帮助教师提高教学效果，改进教学方法，以实现良好教学的目的。考试成绩只是一些零散的数据，对其进行科学的处理能够为我们提供更有价值的信息，因此，合理运用统计学工具，对数据做出深层次的剖析来指导后续的教学活动尤为重要。 1 SPSS 软件简介 SPSS 是Statistical Program for Social Sciences 的简称，即社会科学统计程序。作为统计分析工具，其统计和数据分析功能强大，理论严谨、内容丰富，广泛用于自然科学、技术科学、社会科学的各个领域。它的统计过程包括描述性统计、相关分析、回归分析、聚类分析、数据简化、多重响应等几大类。其统计功能囊括了教育统计学中所有的项目，包括集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t 检验等，能够满足成绩分析全部指标的分析计算，为教师考试分析及教学工作起到一定的导向作用。 2 利用SPSS 对学生成绩进行分析 2. 1 课程选取及成绩来源 依据延安大学信息与计算科学专业培养方案及教学大纲，选取其核心课程高等代数及解析几何，对本专业2012 级学生两门课程的学习成绩进行基本描述性统计、正态分布检验，并对其关系进行相关性分析，从而了解解析几何、高等代数之间的相互影响，促进本校教学方
法的改进和发展。成绩数据来源于学校教务系统中的成绩库，对该年级共46 名学生成绩进行分析。 2. 2 成绩分析 2. 2. 1 高等代数1、2 的成绩分析 从高等代数1、2 成绩的均值、标准差、众数、最值、极差等方面的比较，可以看到该班的高等代数1比高等代数2 成绩略好一些，高等代数1 学生的成绩较高等代数2 的成绩有轻度的分化现象，原因可能是由于学生刚进入大学未能适应新的学习环境所致。调用分析描述探索过程( 双侧检验) ，进行正态分布检验。结果显示，该班的高等代数1、2 成绩在0. 01 水平下显著相关，说明随着高等代数学习的深入，内容难度逐渐增加，因此学好高等代数 1 是必要条件，可以为后面的学习打下坚实的基础。 2. 2. 2 解析几何成绩分析 基本描述性统计操作过程同高等代数，得到如从解析几何成绩的描述性统计分析可以看出，该班的解析几何成绩绝大部分为中等及良好分数段，有10. 9% 的学生成绩为不及格，8. 7% 的学生成绩为优秀。可能由于同学们认为有中学学习几何的基础，存在侥幸心理，导致成绩未达到预期的效果。得出: 高等代数、解析几何在0. 01 显著水平下两两相关，两门课程相关性很大。数学是一门对逻辑思维能力要求很高的学科，学科内部各知识也是相通的，所以这两门课程之间是相互影响的。 3 结论与建议
S P S S分析中学生成绩 Prepared on 22 November 2020
2017年《SPSS技术应用》 ----期末考核论文 基于SPSS的中学化学例题教学效果研究 ----以延吉市某中学为例 二〇一七年六月
摘要 课程改革以来，课堂教学备受关注，尤其是如何实现高效课堂,是目前中学师生迫切需要解决的问题。中学化学是一门自然科学，本身具有微观性和抽象性的特点，使初中生在学习时比较困难，而例题是指导学生如何运用所学知识的范例，例题教学是中学化学课堂常见的教学方法。 本文通过调查统计对一个班级初中生实施案例教学前后的化学成绩，用SPSS统计软件进行对所得数据进行了描述量统计，方差齐性分析，独立单样本T检验分析和相关分析，得出了在中学化学课堂上实施案例教学，有利于增强学生学习兴趣，提高学习积极性，进而提高化学成绩的结果。得出中学化学教师应该根据教学内容合理地选择例题并充分利用例题，以促进初中生对化学概念原理的认识和理解，对化学规律和方法的掌握以及化学学习效率的提高。 关键词：中学化学案例教学 SPSS软件统计分析
目录
第一章绪论 1.1 研究背景 近年我国一直在进行教育改革，提出要在“以人为本”的基础上培养学生的综合能力和科学素养，鼓励学生积极参与到课堂上，与老师和同学进行讨论学习，学会发现与创新，这和传统的教学方式不同，要求师生的教学观念和教学方法发生转变。例题作为中学化学教材和教学内容的重要组成部分，重要作用不言而喻，而现阶段对中学化学课堂上例题教学情况及效果的研究不多。由初中化学教材上对于化学的定义可以知道化学具有科学性；其次，化学所研究的内容是原子和分子水平的，具有微观性、抽象性，有研究表明正确地使用化学课本中的例题，发掘化学例题的潜在价值，有利于对中学生理解并掌握化学概念和原理等抽象（微观）的化学基础知识，也有助于培养学生学习化学的兴趣和能力，这与我国教育改革中提倡的在“以人为本”的基础上培养学生的综合能力和科学素养相吻合。 SPSS是世界上最早采用图形菜单驱动界面的统计软件，也是国际上最有影响的三大统计软件之一[1]，具有分析结果清晰、直观、易学易用的特点，已经在我国的社会科学、自然科学的各个领域发挥了巨大作用。该软件还可以应用于经济学、统计学等方面，今年也有在教育学方面有所应用。将SPSS统计软件与教育教学相联系，分析学生的学习情况，检测教学方法和策略等实施的效果等非常好。 因此本文调查了延吉市某中学高一一个班级29名学生的化学成绩，并通过SPSS软件分析了例题教学法前后，中学生化学成绩的显着性差异以及物理、数学成绩与化学成绩的相关性，进一步探讨例题教学对中学生化学学习成绩的影响。 研究目的及意义 通过问卷了解中学化学老师对例题教学的认识情况和使用情况。通过统计分析学生的化学成绩，了解案例教学在中学化学课堂上的效果。进而探讨学生