多元统计分析在学生管理中的应用

梁新霞

【摘要】运用因子分析方法将学生课程进行聚类，进而将学生分为5类进行分类管理。并且运用单因素方差分析可知，作业完成情况、出勤情况、课堂响应情况对学生成绩均有显著影响，且课堂响应情况的影响最大。

【关键词】因子分析 单因素方差分析 学生管理

一、相关理论研究综述

自20世纪80年代起，多元分析方法在我国多个领域均有成功应用的案例，针对教育、教学方面的研究也在逐渐丰富。1995年，吴群英曾研究过多元分析在教学质量评估中的应用，发现多元分析的结果对提高教学质量具有明显的导向性。田开、郑宗培、虞小海利用SPSS软件，深入探讨了有关主成分分析在学生成绩中的应用，为教学研究和管理提供了科学的依据。应敏、景平等人多次将多元分析方法引入到学生成绩的分析，并取得相关成果。从以上研究可以看出，多元分析在学生管理中的应用，多停留在教学工作及学生成绩分析方面，没有涉及到学生的综合管理方面。而本文准备以学生的分类管理和学风建设为例，利用因子分析方法，探讨多元分析在学生管理中的应用。

二、多元统计方法介绍

多元分析是单变量统计方法的继承与推广，几种典型的多元分析方法有因子分析、单因素方差分析等。多元分析方法开始于1889年，F.高尔顿首先提出相关系数和线性回归理论。C.E.斯皮尔曼等人在后来的数十年中不断丰富了多元分析方法的内容。

（一）因子分析

因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法。基本思想是：根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一即公共因子。

（二）单因素方差分析

单因素方差分析是通过计算F统计量和相应的概率P值，判断不同水平的控制变量对观测变量的影响程度。对于给定显著水平，α若与检验统计量对应的P值小于显著性水平α，则应拒绝原假设，认为控制变量对观测变量存在显著影响；反之，则应接受原假设，认为控制变量对观测变量没有显著影响。

三、实证分析

（一）因子分析在学生成绩分类管理中的应用

本节使用的学生成绩数据从某大学辅导员处收集整理得来。原始数据记录了82名同学在校期间13门课程的成绩。x1-x13分别表示为高等代数，外出实践，解析几何，常微分方程，体育，统计软件及应用，传统文化，西方经济学，多元统计分析，统计学原理，回归分析，大学英语Ⅰ，大学英语Ⅱ。

首先进行相关性检验分析。由SPSS的相关性检验结果分析可知，这些变量对应的Sig值较小。说明这些变量相关性较为显著。证明此时进行因子分析是非常有效的。其次由因子分析KMO检验结果表明，用因子分析的效果较好。

由因子贡献率可知前7个公因子的累积贡献率为85.43%，大于85%，因此选取前7个公因子为公因子，就可以比较好的解释原有变量所包含的信息了。通过累积贡献率我们已经确定，选取7个公因子是合理的。

我们可以由旋转后的因子载荷确定与7个因子分别对应的变量，也就是说，可以用该因子代表这些变量。分别解释为：第一公因子代表x4、x3、x1、x10四个变量，表示基本课程水平；第二公因子代表x11、x9两个变量，表示专业课程水平；第三公因子代表x12、x13两个变量，表示其英语水平；第四公因子x5表示身体素质；第五公因子x8为经管学习能力；第六公因子x7为记忆能力；第七公因子x6为专业操作水平，公因子x2表示工作能力。

由于7个旋转后的公因子的方差贡献率依次是22.838%、14.530%、13.050%、9.411%、9.069%、8.471%、8.062%，则综合因子得分为：

F=22.838%F1+14.53%F2+13.05%F3+9.411%F4+9.069%F5+8.471%F6+8.062%F7

利用SPSS16.0计算出因子的综合得分，并接下来将根据综合得分进行数据分组，拟将82名同学分为五个等级，记为：A、B、C、D、E。选取-0.20、0.00、0.20、0.40为界点，这样就实现了学生分类管理，分别针对这五个等级的学生制定不同的管理方法实现学生科学化管理。

（二）单因素方差分析在学风建设中的应用

将学生的作业完成情况、出勤情况、课堂响应程度按照一定的界点分为三类，分别应用单因素方差分析，通过比较分析结果中Sig值与显著性水平α=0.05的大小，判断该因素是否对学生成绩产生显著行影响。

以学生成绩为观测变量，作业完成情况为控制变量，通过单因素方差分析，对作业完成情况对学生成绩的影响进行分析。原假设为：作业完成情况对学生成绩没有产生显著影响。

首先检验均值μ是否相等。原假设H0：μ0=μ1=μ2；H1：μ0，μ1，μ2不全相等。在均值检验中，Sig值为0.288，大于显著性水平α=0.05，因此应该接受原假设，也即均值相等，因此可以继续进行单因素方差分析。

由作业完成情况对学生成绩单因素方差分析的结果可以得出统计量的观测值为21.358，对应的概率值P为0.000，如果显著性水平α为0.05，由于概率值小于显著性水平α，因此应该拒绝原假设，认为学生的作业完成情况对考试成绩产生了显著影响。

同样可以得到出勤情况和课堂响应程度对学生成绩的单因素方差分析。可知，学生的出勤情况和课堂响应程度对学生成绩产生了显著影响。

四、结论

（一）由综合因子得分的大小将学生样本分为五类，记作：A、B、C、D、E。下面针对这五类学生，分别提出一些管理方面的建议

A类“完全粗放式”管理：这类学生成绩优秀、目标明确。应该给予其足够的自由空间。B类“不完全粗放式”管理：这类学生成绩较好，属于班级里比较优秀的学生。可以进行适当指导。C类“不完全集约式”管理：C类生学习表现一般，几乎不会做违反学校规定的事。对于这类学生比较好的方法是定时为其制定一些任务目标，要求他们按时完成。D类“完全集约式”管理：该类生成绩较差、日常表现较差。对于这类学生，应该重点关注，安排跟班老师尽可能帮助他们学习。E类“牢笼式”管理：E类生已成绩太差，如果不好好管理很可能走上歧路，既要在学习中严加管理，又要在生活中集中关注。

（二）通过单因素方差分析可以看出，作业完成情况、出勤情况、课堂响应情况对学生成绩均有显著性影响，但三者之中，课堂响应情况的影响更大

在学风建设的三个方面中，要更加重视课堂响应程度。因此，将单因素方差分析应用到学风建设工作中，能够使学风建设的目标更加明确、工作重心更加清楚、工作成效更高。再一次验证了多元分析在学生管理工作中的必要性和可实现性。