SPSS软件在高中生能力素质及其对成绩影响领域的应用分析

张菁菁

摘 要：通过对某重点高中的高中生进行能力素质问卷调查以及考试，运用SPSS软件及能力素质模型的相关理论验证了高中生能力素质与考试成绩模型的有效性，对数据进行聚类分析，并分析了高中生能力素质对考试成绩的影响关系。为教师定性、定量地了解考生的学习水准提供了借鉴，以便更好的指导教学，也为改进教学策略提供科学的手段。

关键词：spss软件 能力素质 结构方程模型

中图分类号：G434 文献标识码：A 文章编号：1674-098X（2014）02（c）-0255-02

1 SPSS软件类聚分析相关理论

聚类分析又称为群分析，是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程，是一种多元统计分析方法，其分析方法可以分为系统聚类法、K一均值聚类法、模糊聚类法、有序样品聚类法等，下面介绍一下K一均值聚类法与系统聚类法[1]。

K-means：算法的工作原理：算法首先随机从数据集中选取K个点作为初始聚类中心，然后计算各个样本到聚类中的距离，把样本归到离它最近的那个聚类中心所在的类。计算新形成的每一个聚类的数据对象的平均值来得到新的聚类中心，如果相邻两次的聚类中心没有任何变化，说明样本调整结束，聚类准则函数已经收敛。

具体的算法至少包括以下3个步骤：

（1）将所有的样品分成K个初始类，并计算各个初始类的中心坐标；

（2）通过欧氏距离将所有的样品重新分类，分类的原则是将样品划入离中心最近的类中，然后重新计算中心坐标；

（3）重复步骤2，直到所有的样品都不能再分配为止。

SPSS软件中K一均值法具体的操作步骤为：打开统计分析菜单中聚类分析中的K-均值法，将原始变量与标志变量分别移入右侧的列表框中，选取迭代方式与聚类数。在保存按钮中选中聚类成员与聚类中心的距离。在选项中将statisties中三个复选框全部选中，运行SPSS程序即可得到K一均值法聚类分析结果。

2 高中生能力素质筛选

2.1 能力素质与能力素质模型

能力素质（也叫胜任力）（Competency），

指特质、动机、自我概念、社会角色、态度、价值观、知识、技能等能够可靠测量并可以把高绩效者与一般绩效者区分开来的任何个体特征[2]。

能力素质模型（Competency Model）是从组织战略发展的需要出发，以强化竞争力，提高实际业绩为目标的一种独特的人力资源管理的思维方式、工作方法、操作流程。

基于能力素质相关理论基础，国内外学者做了相应的研究工作并构建出针对各种行业、各种部门、不同管理水平的通用和特定的能力素质模型。

2.2 李克特五点量表法

李克特量表（Likert scale）是属评分加总式量表最常用的一种，属同一构念的这些项目是用加总方式来计分，单独或个别项目是无意义的。它是由美国社会心理学家利克特于1932年在原有的总加量表基础上改进而成的。该量表由一组陈述组成，每一陈述有“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”五种回答，分别记为5、4、3、2、1，每个被调查者的态度总分就是他对各道题的回答所的分数的加总，这一总分可说明他的态度强弱或她在这一量表上的不同状态。

其基本步骤如下：

（1）收集与测量的概念相关的陈述语句；

（2）将每个测量的项目划分为“有利”或“不利”两类（一般测量的项目中有利的或不利的项目都应有一定的数量）；

（3）选择部分受测者对全部项目进行预先测试，要求受测者指出每个项目是有利的或不利的，并在方向-强度描述语中进行选择（一般采用所谓“五点”量表：a.非常同意、b.同意、c.无所谓（不确定）、d.不同意、e.非常不同意）；

（4）对每个回答给一个分数（一般有利项目按5、4、3、2、1分，对不利项目的分数就为1、2、3、4、5）；

（5）根据受测者的各个项目的分数计算代数和，得到个人态度总得分，并依据总分多少将受测者划分为高分组和低分组。

（6）选出若干条在高分组和低分组之间有较大区分能力的项目，构成一个李克特量表。

3 高中生能力素质验证及其与成绩关系研究

3.1 研究对象

在应试制的高中学生培养模式下，评价高中生是依靠分析其考试的成绩。因此，本文以高中生个人能力素质与对成绩影响为出发点，研究采用调查问卷的方式进行实证分析，对海淀区某重点高校学生进行了调查研究。调查对象为某高二普通班级的学生具有一定的代表性。问卷具体方式采用纸质问卷的形式。共发放问卷50份，回收问卷40份，问卷回收率为80%。问卷设计借鉴之前的研究，制定了包含7项学生个人能力素质的量表，采用上述的李克特五点量表法对被试者的个人能力素质进行测量，并抽取该班学生某次考试语文、数学、外语成绩，应用SPSS 软件的进行分析研究[3]。

3.2 高中生能力素质的确定

个性素质即一个人内在的特质，影响着个体的行为表现。高中学生成绩的好与坏涉及到很多方面，不仅有来自自身心理素质的影响，更与自身思维能力、知识量和运用知识的熟练度有关。在对高中生能力素质文献分析、培养目标和培养模式分析的基础上，经过一系列归纳总结，确定了自信心、坚韧性等7项高中生能力素质 [4]。

3.3 高中生能力素质研究模型

该文基于能力素质及能力胜任力模型相关理论，并在文献分析和调研的基础上，提出了包含3个维度，7个要项的高中生能力素质能力模型（图1），用于分析高中生能力素质以及其与成绩的影响关系，以期对于高中生培养提供建设性启示[5-7]。

3.4 数据信度和效度检验endprint

（1）数据信度

研究需要对数据以及结构从信度、效度几方面进行考评，才能做到完善。本文的研究运用内部一致性系数α值即克朗巴赫α系数（Chronbachs α coefficient）法对研究生的调查问卷进行信度检验。克朗巴赫α系数表示量表的内在一致性，是最常用的信度考评指标。一般认为α系数需要达到0.7以上。克朗巴赫α系数法克服了分半信度的缺点，它对量表的内部一致性进行了更为慎重的估计，因为它相当于将任一条目的结果同其他所有条目的结果作了比较。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中度量中的可靠性分析，将需要的变量移入右侧的列表框中。在模型按钮中选中α系数，运行SPSS程序即可得到数据可信度分析结果。

结果如（表1）所示。α值愈高，则表示问卷信度愈高。

从（表1）中检验结果显示各分量的Cronbachs α值均高于0.7，说明问卷信度较高，可知问卷的内部结构较为良好。

（2）数据效度

效度：主要考核内容效度、结构效度、内部相关系数、区分效度。内容效度主要涉及语言表达的准确性问题，所能代表主题的多少。

KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。

Bartlett球形检验用于检验相关阵是否为单位阵，即检验各个变量是否各自独立，在因子分析中，若拒绝原假设，则说明可以做因子分析，若不拒绝原假设，则说明这些变量可能独立提供一些信息，不适合做因子分析。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中降维中的因子分析，将需要的变量移入右侧的列表框中。在描述按钮中选中KMO值和Bartlett球形度检验，运行SPSS程序即可得到效度分析结果。

该文运用KMO值和Bartlett球形检验，其系数分析结果如（表2）所示：

有上表可知高中生数据的KMO值均大于0.7，P小于0.05，表明适合做因子分析，问卷具有良好的结构效度。

3.5 高中生能力素质验证

运用SPSS软件对能力素质数据进行重要性程度得分情况如（表3）：

由上表统计结果可以看出，其中“坚韧性”、“理论知识”、“科普知识”、“解决问题”均值都大于3.8，说明这四项能力素质对高中生来讲都是很重要的，是高中生在学习中所应该具备的能力素质。

（1）高中生K-均值聚类分析

由于本文研究对象是高二的学生，因此，使用主科考试成绩来评价高中学生的“绩效”是比较合适的。本文运用SPSS软件的K-均值聚类分析，针对语文、数学、外语成绩将该班的学生分为一般学生和优秀学生两个部分[9-10]。进行聚类分析可得聚类分析结果。由聚类结果分析得出：第二类中心各变量得分均高于第一类，故认为第二类为优秀高中生，第一类为一般高中生。显著性分析表明，Sig值小于0.005，故聚类效果好。由每类例数得出：一般高中包含20个样本，优秀高中生包含20个样本。

（2）高中生能力要素分析

该文针对一般与优秀高中生的能力评分进行对比分析，分析得出，在自信心、坚韧性、理论知识、科普知识、思维能力、解决问题、心理调适等7项能力素质特征上，优秀高中生与一般高中生具有明显差异，即优秀高中生的能力素质分量评分均比一般学生要高。通过上述7项能力素质特征能够把优秀生和一般生区分开来。由此验证了本文提出的高中生能力素质特征项具有良好的有效性。学校应该依据上述7项对学生做出有针对性的教育培养方案。

4 结语

该文借助能力素质相关理论，筛选出7项高中生能力素质，并基于理论分析提出了高中生能力素质和成绩影响的关系模型。通过SPSS软件进行分析，可以得出下面的结论：

通过实证研究验证了该文提出的能力素质模型的有效性；

优等生与一般生在7项能力素质上差异很大，学校可以通过对上述几项能力特点对高中生进行有序的训练。

该文研究对于当前应试的高中生培养具有借鉴意义。

参考文献

[1] Zhang Su mei.The Application of SPSS in Student Evaluation of Teaching Quality[J].Springer，2010：978一981.

[2] Mohan S， Rajah T， Spencer SM. The Indian CEO competency model：Keys to Outstanding Indian Corporate Leadership in our time[J].The Journal of Business Perspective，2008 （3）：201-203.

[3] 何琳.SPSS软件在广西教育科学研究领域的应用分析[J].广西教育，2011（9）：99-101.

[4] Lyle M.Spencer，Signe M. Spencer.Competence at work Models for superior performance[M].Wiley， John&performanceS-ons Inc. Pub， 1993.

[5] 邓修权，康云鹏，席俊锋，等.高校科研团队资源能力模型构建及其应用研究[J].科学学研究，2011（1）：102-110.

[6] 鲁娅妮，段磊.教学研究型大学研究生胜任特征的模型构建[J].网络财富，2010（10）：178-179.

[7] 候杰泰，温忠麟.结构方程模型及其应用[M].北京： 教育科学出版社，2004.

[8] 刘菊香.用SPSS统计软件对学生综合成绩的因子分析[J].统计教育，2006，16（1）：53-56.

[9] 刘智健.利用SPSS进行试卷分析的模式探析[J].教育测量与评价，2008（10）.

[10] 魏玉书.基于SPSS分析的高职院校课程改革实施效果评价[J].消费导刊，2010（7）：191.endprint

（1）数据信度

研究需要对数据以及结构从信度、效度几方面进行考评，才能做到完善。本文的研究运用内部一致性系数α值即克朗巴赫α系数（Chronbachs α coefficient）法对研究生的调查问卷进行信度检验。克朗巴赫α系数表示量表的内在一致性，是最常用的信度考评指标。一般认为α系数需要达到0.7以上。克朗巴赫α系数法克服了分半信度的缺点，它对量表的内部一致性进行了更为慎重的估计，因为它相当于将任一条目的结果同其他所有条目的结果作了比较。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中度量中的可靠性分析，将需要的变量移入右侧的列表框中。在模型按钮中选中α系数，运行SPSS程序即可得到数据可信度分析结果。

结果如（表1）所示。α值愈高，则表示问卷信度愈高。

从（表1）中检验结果显示各分量的Cronbachs α值均高于0.7，说明问卷信度较高，可知问卷的内部结构较为良好。

（2）数据效度

效度：主要考核内容效度、结构效度、内部相关系数、区分效度。内容效度主要涉及语言表达的准确性问题，所能代表主题的多少。

KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。

Bartlett球形检验用于检验相关阵是否为单位阵，即检验各个变量是否各自独立，在因子分析中，若拒绝原假设，则说明可以做因子分析，若不拒绝原假设，则说明这些变量可能独立提供一些信息，不适合做因子分析。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中降维中的因子分析，将需要的变量移入右侧的列表框中。在描述按钮中选中KMO值和Bartlett球形度检验，运行SPSS程序即可得到效度分析结果。

该文运用KMO值和Bartlett球形检验，其系数分析结果如（表2）所示：

有上表可知高中生数据的KMO值均大于0.7，P小于0.05，表明适合做因子分析，问卷具有良好的结构效度。

3.5 高中生能力素质验证

运用SPSS软件对能力素质数据进行重要性程度得分情况如（表3）：

由上表统计结果可以看出，其中“坚韧性”、“理论知识”、“科普知识”、“解决问题”均值都大于3.8，说明这四项能力素质对高中生来讲都是很重要的，是高中生在学习中所应该具备的能力素质。

（1）高中生K-均值聚类分析

由于本文研究对象是高二的学生，因此，使用主科考试成绩来评价高中学生的“绩效”是比较合适的。本文运用SPSS软件的K-均值聚类分析，针对语文、数学、外语成绩将该班的学生分为一般学生和优秀学生两个部分[9-10]。进行聚类分析可得聚类分析结果。由聚类结果分析得出：第二类中心各变量得分均高于第一类，故认为第二类为优秀高中生，第一类为一般高中生。显著性分析表明，Sig值小于0.005，故聚类效果好。由每类例数得出：一般高中包含20个样本，优秀高中生包含20个样本。

（2）高中生能力要素分析

该文针对一般与优秀高中生的能力评分进行对比分析，分析得出，在自信心、坚韧性、理论知识、科普知识、思维能力、解决问题、心理调适等7项能力素质特征上，优秀高中生与一般高中生具有明显差异，即优秀高中生的能力素质分量评分均比一般学生要高。通过上述7项能力素质特征能够把优秀生和一般生区分开来。由此验证了本文提出的高中生能力素质特征项具有良好的有效性。学校应该依据上述7项对学生做出有针对性的教育培养方案。

4 结语

该文借助能力素质相关理论，筛选出7项高中生能力素质，并基于理论分析提出了高中生能力素质和成绩影响的关系模型。通过SPSS软件进行分析，可以得出下面的结论：

通过实证研究验证了该文提出的能力素质模型的有效性；

优等生与一般生在7项能力素质上差异很大，学校可以通过对上述几项能力特点对高中生进行有序的训练。

该文研究对于当前应试的高中生培养具有借鉴意义。

参考文献

[1] Zhang Su mei.The Application of SPSS in Student Evaluation of Teaching Quality[J].Springer，2010：978一981.

[2] Mohan S， Rajah T， Spencer SM. The Indian CEO competency model：Keys to Outstanding Indian Corporate Leadership in our time[J].The Journal of Business Perspective，2008 （3）：201-203.

[3] 何琳.SPSS软件在广西教育科学研究领域的应用分析[J].广西教育，2011（9）：99-101.

[4] Lyle M.Spencer，Signe M. Spencer.Competence at work Models for superior performance[M].Wiley， John&performanceS-ons Inc. Pub， 1993.

[5] 邓修权，康云鹏，席俊锋，等.高校科研团队资源能力模型构建及其应用研究[J].科学学研究，2011（1）：102-110.

[6] 鲁娅妮，段磊.教学研究型大学研究生胜任特征的模型构建[J].网络财富，2010（10）：178-179.

[7] 候杰泰，温忠麟.结构方程模型及其应用[M].北京： 教育科学出版社，2004.

[8] 刘菊香.用SPSS统计软件对学生综合成绩的因子分析[J].统计教育，2006，16（1）：53-56.

[9] 刘智健.利用SPSS进行试卷分析的模式探析[J].教育测量与评价，2008（10）.

[10] 魏玉书.基于SPSS分析的高职院校课程改革实施效果评价[J].消费导刊，2010（7）：191.endprint

（1）数据信度

研究需要对数据以及结构从信度、效度几方面进行考评，才能做到完善。本文的研究运用内部一致性系数α值即克朗巴赫α系数（Chronbachs α coefficient）法对研究生的调查问卷进行信度检验。克朗巴赫α系数表示量表的内在一致性，是最常用的信度考评指标。一般认为α系数需要达到0.7以上。克朗巴赫α系数法克服了分半信度的缺点，它对量表的内部一致性进行了更为慎重的估计，因为它相当于将任一条目的结果同其他所有条目的结果作了比较。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中度量中的可靠性分析，将需要的变量移入右侧的列表框中。在模型按钮中选中α系数，运行SPSS程序即可得到数据可信度分析结果。

结果如（表1）所示。α值愈高，则表示问卷信度愈高。

从（表1）中检验结果显示各分量的Cronbachs α值均高于0.7，说明问卷信度较高，可知问卷的内部结构较为良好。

（2）数据效度

效度：主要考核内容效度、结构效度、内部相关系数、区分效度。内容效度主要涉及语言表达的准确性问题，所能代表主题的多少。

KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标。KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。

Bartlett球形检验用于检验相关阵是否为单位阵，即检验各个变量是否各自独立，在因子分析中，若拒绝原假设，则说明可以做因子分析，若不拒绝原假设，则说明这些变量可能独立提供一些信息，不适合做因子分析。

SPSS软件中一致性系数法具体的操作步骤为：打开统计分析菜单中降维中的因子分析，将需要的变量移入右侧的列表框中。在描述按钮中选中KMO值和Bartlett球形度检验，运行SPSS程序即可得到效度分析结果。

该文运用KMO值和Bartlett球形检验，其系数分析结果如（表2）所示：

有上表可知高中生数据的KMO值均大于0.7，P小于0.05，表明适合做因子分析，问卷具有良好的结构效度。

3.5 高中生能力素质验证

运用SPSS软件对能力素质数据进行重要性程度得分情况如（表3）：

由上表统计结果可以看出，其中“坚韧性”、“理论知识”、“科普知识”、“解决问题”均值都大于3.8，说明这四项能力素质对高中生来讲都是很重要的，是高中生在学习中所应该具备的能力素质。

（1）高中生K-均值聚类分析

由于本文研究对象是高二的学生，因此，使用主科考试成绩来评价高中学生的“绩效”是比较合适的。本文运用SPSS软件的K-均值聚类分析，针对语文、数学、外语成绩将该班的学生分为一般学生和优秀学生两个部分[9-10]。进行聚类分析可得聚类分析结果。由聚类结果分析得出：第二类中心各变量得分均高于第一类，故认为第二类为优秀高中生，第一类为一般高中生。显著性分析表明，Sig值小于0.005，故聚类效果好。由每类例数得出：一般高中包含20个样本，优秀高中生包含20个样本。

（2）高中生能力要素分析

该文针对一般与优秀高中生的能力评分进行对比分析，分析得出，在自信心、坚韧性、理论知识、科普知识、思维能力、解决问题、心理调适等7项能力素质特征上，优秀高中生与一般高中生具有明显差异，即优秀高中生的能力素质分量评分均比一般学生要高。通过上述7项能力素质特征能够把优秀生和一般生区分开来。由此验证了本文提出的高中生能力素质特征项具有良好的有效性。学校应该依据上述7项对学生做出有针对性的教育培养方案。

4 结语

该文借助能力素质相关理论，筛选出7项高中生能力素质，并基于理论分析提出了高中生能力素质和成绩影响的关系模型。通过SPSS软件进行分析，可以得出下面的结论：

通过实证研究验证了该文提出的能力素质模型的有效性；

优等生与一般生在7项能力素质上差异很大，学校可以通过对上述几项能力特点对高中生进行有序的训练。

该文研究对于当前应试的高中生培养具有借鉴意义。

参考文献

[1] Zhang Su mei.The Application of SPSS in Student Evaluation of Teaching Quality[J].Springer，2010：978一981.

[2] Mohan S， Rajah T， Spencer SM. The Indian CEO competency model：Keys to Outstanding Indian Corporate Leadership in our time[J].The Journal of Business Perspective，2008 （3）：201-203.

[3] 何琳.SPSS软件在广西教育科学研究领域的应用分析[J].广西教育，2011（9）：99-101.

[4] Lyle M.Spencer，Signe M. Spencer.Competence at work Models for superior performance[M].Wiley， John&performanceS-ons Inc. Pub， 1993.

[5] 邓修权，康云鹏，席俊锋，等.高校科研团队资源能力模型构建及其应用研究[J].科学学研究，2011（1）：102-110.

[6] 鲁娅妮，段磊.教学研究型大学研究生胜任特征的模型构建[J].网络财富，2010（10）：178-179.

[7] 候杰泰，温忠麟.结构方程模型及其应用[M].北京： 教育科学出版社，2004.

[8] 刘菊香.用SPSS统计软件对学生综合成绩的因子分析[J].统计教育，2006，16（1）：53-56.

[9] 刘智健.利用SPSS进行试卷分析的模式探析[J].教育测量与评价，2008（10）.

[10] 魏玉书.基于SPSS分析的高职院校课程改革实施效果评价[J].消费导刊，2010（7）：191.endprint