统计方法在大学英语四级成绩分析中的应用
3
多元线性回归
本文采用多元回归分析对 CET － 4 的成绩与大学四学期英语成绩的关系进行线性回归分 析， 它是处理多个变量间相互依赖关系的一种数理统计方法 ． 变量间的相互依赖关系在实际问 回归分析是研究这种相互依赖关系的有效数学方法 ． 题中是大量存在的， 3． 1 多元线性回归模型的建立
x2 ， …， x m ） 线性相关， x t1 ， x t2 ， …， x tm ） （ t = 1 ， 假设因变量 Y 与（ x1 ， 收集到的 n 组数据 （ y t ， …， n） 满足以下回归模型：
2
2． 1 Bootstrap 检验
检验
Bootstrap 方法中文译为 “自助法 ” ， 自助法是一种重复抽样方法， 也是一种以观察数据为 它广泛地应用在参数估计、 假设检验、 回归分析等许多 依据的模拟方法． 随着计算机的高速化， 统计领域中． 我们考察假设检验问题 1 ） H01 ： μ 农 = μ 城 vs H02 ： μ 农 ≠ μ 城 Y 分别表示来自农村和城市的两组样本 ， 记 X、 根据经验和相关常识，假设这两组样本相 互独立是合理的． 我们采用 Bootstrap 方法如下： 珔 珔 1． 由已知数据计算 X 、 Y 的均值 X 、 Y 之差的绝对值 T = 珔－ 珔 X Y = 15． 2670．
表1
户籍 项目 农村 418 城市 458 大一大二英语平均 成绩 70 分以上 542 62． 51%
数据分布情况表
成绩等级 大一大二英语平均 成绩 70 分以下 334 37． 49% 文理科 文科 56 理科 73
人数
百分比 47． 72% 52． 28%
43． 41% 56． 59%
注： 由教务处提供学生四学期的英语成绩及 CET － 4 的首次考试成绩．
short ） via a research on the undergraduate students enrolled in 2005 in our university． It is found out by the Bootstrap method and the T － test that the CET － 4 performances have significant differences between the students from the urban and the rural areas，between the freshmen and the sophomores，and between the students of science and art． A multivariate linear regression model and a Logistic model are established for analysing the results of the CET － 4 and forecasting the passing rates． Key words CET － 4 Bootstrap test T test Multiple regression analysis Logistic model
基于表 1 中已经分组的学生， 我们采用 Bootstrap 方法和 t 检验两种方法检验了 1 ） H01 ： μ 农 = μ 城 vs H02 ： μ 农 ≠ μ 城 ， 检验来自农村与来自城市的学生四级考试成绩是否有 差别； 2 ） H11 ： μ 高 = μ 低 vs H12 ： μ 高 ≠ μ 低 ， 检验平时英语成绩水平不同的人的四级考试成绩是否 有差别； 3 ） H21 ： μ 文 = μ 理 vs H22 ： μ 文 ≠ μ 理 ， 检验文理科学生的四级考试成绩是否有差别 ， 这三个 假设检验问题． 在此基础上， 我们建立了 CET － 4 成绩和相关因素的回归方程， 并利用 logistic 模型预测了 学生的四 = β0 + β1 x t1 + … + β m x mt + ε t
2 ε t ～ N（ 0 ， σ ）， 相互独立
（ t = 1， 2， …， n）
回归模型的结果及分析
102
数学理论与应用 表2
项目 城市 农村 大一大二英语平均 ≥70 分 大一大二英语平均﹤ 70 分 文科 理科 总的
本文获得中央高校基本科研业务费的资助， 以及北京市大学生科学研究与创业行动计划，中国矿业大学（ 北京） 大 “概率论与数理统计” 学生创新性计划，和中国矿业大学（ 北京） 理科 课程建设的资助 收稿日期： 2012 年 1 月 30 日
＊
100
数学理论与应用
的因素． 具体来说， 我们考察了本校 2005 级 876 名本科生， 将原始数据整理得到下表．
假设， 大一大二四学期英语水平不同的人 CET － 4 成绩存在显著差异．
* T［ 同理考虑第三个假设检验问题由程序得数据 T = 34． 5093 ， B·（ 1 － α ） ］ = 21． 6370． 所以文 、
理科大学生 CET － 4 成绩也存在差异． 2． 2 T 检验
通过过去大量的抽样试验和研究表明 ， 在一些大中小学学校的学生成绩分布符合正态分 在 σ1 ， σ2 未知的情况下， 我们假设两个样本的方差 布． 由上一种检验法知两个样本相互独立 ，
1
引言
英语的重要性众所周知， 英语四级（ CET － 4 ） 成绩是衡量大学生英语水平的一把尺子． 根 据现状以及对 CET － 4 的了解，主观认为推断影响 CET － 4 的因素可能有： 1 ） 学生高考英语 成绩； 2 ） 学生大一大二英语学习成绩． 本文以本校 2005 级本科生为调查对象，使用统计的方法来考察影响大学生 CET － 4 成绩
Y 组合得一新向量 Z ， Z2 = X2 ， …， Zm = Xm ， Z m + 1 = Y1 ， Z m + 2 = Y2 … ， 2． 由 X 、 其中 Z1 = X1 ， Z m +n = Y n
* 珔 3． 从 Z1 ， Z2 ， …， Z m +n 中抽取 Bootstrap 样本， 由得到的均值记为 X 的均值， 由得到的均值
Y 的均值， 记为 珔 两者之差的绝对值记为 T
*
*
=
* * 珔 珔 ． X －Y
* 4． 重复第 3 步 B = 2000 次， b = 1， …， B， 得到 B 个 T b ， 排序得到；
统计方法在大学英语四级成绩分析中的应用
* 5． 对给定显著性水平 α = 0 ． 05 ， 比较 T = 15 ． 2670 与 T［B·（ 1 － α） ］ = 8 ． 1238 的大小．
101
* 由于 T ＞ T［B·（ 1 － α） ］， 则拒绝原假设， 即认为两者有差别； 由此得到的结论是： 来自城市和农
村的大学生 CET － 4 成绩存在差异．
* T［ 同理考虑第二个假设检验问题， 由程序得数据 T = 51． 6569 ， B · （ 1 －α ） ］ = 8． 6429． 故拒绝原
第 32 卷 第 1 期 2012 年 3 月
数学理论与应用 MATHEMATICAL THEORY AND APPLICATIONS
Vol． 32 No． 1 Mar． 2012
统计方法在大学英语四级成绩分析中的应用
李再兴 胡 杰 史小凯 赵颖旺 范文凤 黄 （ 中国矿业大学， 100083 ） 北京， 丹 景 平
2 2 2 建立如下假设： 相等即 σ1 = σ2 = σ ，
H0 ： μ1 － μ2 = 0 vs H1 ： μ1 － μ2 ≠ 0 t 检验统计量 t =
2 （ m － 1 ） s2 （ x － y） x + （ n － 1） sy ，其中 s2 = w m +n －2 1 1 + sw m n
回归结果
回归方程
y1 = － 89 ． 27 + 1 ． 011 x1 + 1 ． 261 x2 + 1 ． 189 x3 + 1 ． 190 x4 + 2 ． 232 x5 y2 = － 66 ． 049 + 0 ． 560 x1 + 0 ． 933 x2 + 1 ． 260 x3 + 1 ． 688 x4 + 2 ． 355 x5 y3 = － 179 ． 587 + 0 ． 911 x1 + 1 ． 593 x2 + 1 ． 425 x3 + 1 ． 486 x4 + 2 ． 643 x5 y4 = 72 ． 836 + 0 ． 684 x1 + 1 ． 121 x2 + 0 ． 827 x3 + 0 ． 458 x4 + 1 ． 470 x5 y5 = － 108 ． 051 + 0 ． 672 x1 + 1 ． 754 x2 + 1 ． 706 x3 + 0 ． 481 x4 + 2 ． 675 x5 y6 = － 48 ． 616 + 1 ． 009 x1 + 1 ． 277 x2 + 0 ． 291 x3 + 2 ． 596 x4 + 1 ． 199 x5 y = － 77 ． 635 + 0 ． 773 x1 + 1 ． 094 x2 + 1 ． 225 x3 + 1 ． 430 x4 + 2 ． 323 x5
槡
从而检验问题的拒绝域为
α （ m + n － 2） ｝ W = ｛ t ≥ t1 － 2
选定显著水平 α = 0． 05 ， 对所做的问题进行检验， 结果如下： 来自城市和农村的大学生 CET － 4 成绩存在差异； 大一大二四学期英语水平不同的人 CET － 4 成绩存在显著差异； 文、 理科大学生 CET － 4 成绩也存在差异．
统计方法在大学英语四级成绩分析中的应用
Statistical Analysis for CET 4
Li Zaixing Hu jie Shi Xiaokai Zhao Yingwang Fan Wenfeng Huang Dan Jing Ping
（ School of Science，China University of Mining ＆ Technology， Beijing， 100083 ，China） Abstract This paper surveys the impact factors on the performance of College English Test Band Four （ CET － 4 for
x1 ， x2 ， x3 ， x4 ， x5 分别表示高考成绩及大一大二四学期的英语 其中 y 表示 CET － 4 的成绩， 成绩． 3． 3 回归系数的显著性检验
表3
P 值 项目 城市 农村 大一大二英语平均成绩≥70 分 大一大二英语平均﹤ 70 分 文科 理科 总的 x1 显著 显著 显著 显著 显著 显著 显著来自＊摘要
本文以本校 2005 级本科生为调查对象， 考察影响大学生四级考试（ College English Test Band Four， 简
称 CET － 4 ） CET － 4 成绩的因素． 采用 Bootstrap 方法与 T 检验方法， 分析得出： 来自城市和农村的大学生 CET － 4 成绩存在差异； 大一大二四学期英语水平不同的人 CET － 4 成绩存在显著差异； 文、 理科大学生 CET － 4 成绩也存在差异． 进一步， 我们运用多元统计中回归分析的方法建立了 CET － 4 成绩的回归模型， 并利用 Logistic 模型对四级通过率进行了预测 ． 关键词 CET － 4 成绩 Bootstrap 检验 T 检验 多元回归分析 Logistic 模型
统计分析软件在大学英语教学测试效果评估中的应用——以SPSS统计分析软件为例
Ｃｏ ｌｇ ｇｉｈ Ｔｅ ｃ ｉ ｇ Ｅｖ ｌ ａ ｉ ｎ ／ ａ ａ ｙ ｎ ｌ ｅ Ｅｎ ｌ ａ ｈ ｎ ａ ｕ ｔｏ ／Ｐ ｎ Ｘｉｏ ａ ｅ ｓ
Ａｂｓｒ ｔ ｔ ａｃ Ｕｎｉｅ ｓｔ ｇｉｈ ｉ ｈ ｏ ｔｉ ｐ ｒａ ｔｃ ｒｃ ｌ ｍ ｖ ｒｉｙ Ｅｎ ｌｓ Ｓ ｔ ｅ ｍ ｓ ｍ ｏｔ ｎ ｕｒｉｕ ｕ
ｔｓ ｒ ｓ ｌ ｎ ｌｓｓ ｎ ｔ ｅ ｅ ｅ ｒ ｈ ｔ ｅ ｔｔｓｉａ ａ ｌ ｓｓ ｅ ｔ ｅ ｕｔ ａ ａｙ ｉ ａ ｄ ｈ ｒ ｓ ａ ｃ ． ｈ ｓａｉｔ ｌ ｎａｙ ｉ ｃ
ｓ ｆｗａ ｅ ｉ ｈ ｍｐｏ ｔｎ ｘｌａｙ ｍｅ ｎ ． ｏｔ ｒ ｓｔ ｅ ｉ ｒａ ｔａｕ ｉ ｒ ａ ｓ ｉ
求） 两者之间相符合 的程度。 它具有双重相互关联 的意思： 一 是测试的 内容是否符合教学大纲 ；二是试卷的测试水平是 否 已达到基本要求所规定的应达到的水平 。一般来说 ： Ｒ≥ ０７ 认为效度较高 ；．≤Ｒ ０ ， 为效度中等 ； ＜ ．， 为 ．， ０５ ＜ ． 认 ７ Ｒ０ 认 ５ 效 度 不好 。 ２２３ 试题 的难 度 ＿． 它是 主要决定试题质量和试 卷合理性 的关 键因素。可 以用没有及格 的人数与总人数之 比来表示 。一般来说 ：≥ Ｐ ０５ ．，认 为 试 题 难 度 较 高 ，．≤Ｐ ０５ ０ ２ ＜ ．，认 为试 题 难 度 中等 ， ＰＯ ＜ ． 为试 题 难 度 不 大 。 ２认 ２２４ 试题 的 区分 度 ．． 题 目对不 同水平的考生加以 区分的程度指标可以用 区 分度来表示 。区分度高的试题 ， 对考生的鉴别力就强。优生 得高分 ， 差生得低分。区分度低 ， 就表现为优生与差 生的得 分差不多。优秀试题 的区分度一般在 ０４以上 ， ． 若区分度在
成绩统计系统在大学英语测试中的应用
・83・ 哈尔滨职业技术学院学报 2012年第4期 J o urna l of Ha rbi n Vo c a t i ona l & T e c h ni c a l C ol l e ge一、引言语言测试是衡量外语教学成效和提高外语教学质量的重要手段。
Bailey. KM( 1996)指出, 测试会影响学习者对教学和学习的理解和态度, 而这种理解和态度又会反过来影响学习者的学习过程和成效[1]。
这种测试对教与学的影响在教育界即被称为反拨效应(washback 或backwash )。
Hamp- Lyons( 2004)认为反拨效应这个术语用于普通教育、语言教育和语言测试中, 用来解释一种产生测试、教学和学习三者之间的相互关系和影响[2]。
大学英语学期考试和四、六级考试都涉及到听力、阅读理解、完型填空或翻译、写作等部分，针对学生的每一项成绩进行统计分析，找到学生的薄弱环节，对学生的英语水平进行把握，从而便于教师因材施教，在英语教学中有的放矢，为以后的教学积累经验，是我们进行成绩统计的目的。
从测试学的角度来说，成绩统计分析是我们英语教学中一个很重要的环节，能发现我们英语教学中的优势和不足，为下一步改良提供科学依据，因而该系统的开发和设计对提高大学英语教学的整体水平和实力奠定基础，最终达到为大学英语教学服务的目的。
大学英语是大学非英语专业学生一、二年级的基础必修课。
这门课程上课学生多，每学期参加期末考试的学生一般都在数千人。
这么多人的考试成绩需要在期末短短几天内进行统计和分析，难度可想而知。
同时，每年都有大量学生参加全国大学英语四、六级考试，他们的四、六级成绩公布后也需要尽快进行统计分析，以便及时反馈给学生，为他们改进学习提供依据。
在当前信息化时代，学生的成绩管理如果仅仅依赖于手工操作，不仅加大了管理者的工作量，而且还浪费了大量的人力、物力，并且容易造成学生成绩管理的不规范性，缺乏科学性。
大学生成绩影响因素的数据统计分析
大学生成绩影响因素的数据统计分析4.1 四级成绩分布状况图4.1.1 四级成绩分布直方图由图4.1.1可以看出，四级成绩均值为455,标准差为59.17292，直方图显示四级成绩大致呈现正态分布.4.2四级成绩分布的正态性检验图4.2.1 四级成绩正态分布Q-Q图表4.2.1 单样本K-S检验统计表a. 检验分布为正态分布.b.根据数据计算得到.英语四级成绩服从正态分布.运用同样的方法可以发现均匀分布、泊松分布以及指数分布的显著性水平双尾检验结果均为0<0.05，故认为英语四级不服从这三种分布形态.综上所述，本文所采用的样本中的英语四级成绩服从正态分布.4.3 性别与四级成绩的差异分析表4.3.1性别因素与四级通过率统计图根据表4可知，男生四级通过率为63.24%，女生四级通过率为81.25%，总体显示女生四级通过率远高于男生通过率.表4.3.2男女四级成绩均值分析4.3.3ANOVA 表a我们对男生女生四级通过人数进行方差分析，由表4.3.2可知，给定显著性水α，查表得到临界值.由于所得显著性0.028<0.05,所以拒绝原假设，即有=.0平0595%的把握认为男女性别对四级通过率的影响是显著的，即性别差异对四级成绩有显著影响.表4.3.4 男女四级成绩均值差异卡方检验a. 0单元格(.0%)的期望计数少于5.最小期望计数为8.06.b.仅对2x2表计算由表4.3.4卡方检验结果显示，Pearson卡方检验为15.785，相伴概率为0.00，精确概率（Fisher's Exact Test）计算的相伴概率为0.00，均小于0.05，故说明女生的四级成绩与男生的有显著差异.综上所述，女生英语四级成绩均值与男生相比有显著差异.女生相对男生来说学习态度更端正.4.4年级与四级成绩的差异分析表4.4.1年级与四级通过率统计图从表4.4.1可以得出，大一学生的英语四级通过率为14.29%，大二学生的英语四级通过率为73.61%，大三学生的四级通过率为75.00%，大四学生的英语四级通过率为71.43%，已毕业同学的英语四级通过率为50%.总体看来，大二、大三、大四学生四级通过率基本相同.表4.4.2不同年级学生四级成绩均值分析从表4.4.2可知，在大一的学生当中，有关英语四级成绩的平均值为410分，而大二学生的英语四级成绩平均分为456分，大三学生的平均值为460分。
大学英语四级考试结果统计分析
大学英语四级考试结果统计分析01级学生02-03学年度秋季通过人数为17人，春季通过人数为27人，总人数为44人,参加考试的总人数没有记录.02级学生03-04学年度秋季通过人数为35人，春季通过人数为34人，总人数为69人, 参加考试的总人数没有记录.03级学生04-05学年度秋季通过人数为28人，春季通过人数为34人，总人数为62人，参加考试总人数为1557人，过级率为4.0%.04级学生05-06学年度秋季通过人数为49人，春季通过人数为18人，总人数为67人, 参加考试总人数为1371人，过级率为4.9%.05级学生06-07学年度秋季通过人数为93人，春季结果尚未公布，秋季参加考试总人数为1470人,过级率为6.3%.以上数据表明,我院学生四级考试通过率逐年提高,其原因分析如下:04年以前英语授课教师均为外聘教师,从04年起学院开始聘用英语专职教师,工作认真负责,主抓英语教学,使过级率有所提高. 从04年起学院组织学生参加四级考试培训,对学生进行集中辅导. 05年起学院创办了外语教学台,使学生听力水平有所提高.但从教学过程中发现如下问题:1. 职高学生的英语基础普遍差,跟不上教学进度,不爱学习,通过四级考试的学生上课专心学习,能紧密跟上教师的教学步伐.2. 影响四级考试过级率的另一主要原因是存在学生严重缺考的现象,以及学生考试中应付考试,不认真答题.3. 与其他院校相比,四级考试的不同之处在于,其他院校在考前进行全员模拟,不合格者不允许参加四级考试,参加人数少于我院,所以我院的过级率相对受到了影响.大学英语六级考试结果统计分析03级学生04-05学年度秋季通过人数为4人，春季通过人数为4人，总人数为8人，参加考试总人数为70人，过级率为11.4%.04级学生05-06学年度秋季通过人数为2人，春季通过人数为4人，总人数为6人, 参加考试总人数为73人，过级率为8.2%.05级学生06-07学年度秋季通过人数为2人，春季参加考试人数没有记录,结果尚未公布，秋季参加考试总人数为33人,过级率为6.1%.以上数据表明,我院学生六级考试的参加总人数逐年增加,通过率相对有所下降.。
英语四级成绩的影响因素分析
影响英语四级成绩的相关性分析摘要：英语四级成绩是检验大学生英语掌握水平的重要标准。
本课题通过对某高校非英语专业本科学生的大学英语四级考试成绩与考前5000常用词认知词量及高考英语成绩的相关性研究做出以下结论:1、四级统考成绩与高考英语成绩有较密切的正相关关系;2、四级成绩与考前认知词量有较密切正相关关系; 3、四级成绩同时受高考英语成绩和考前词量制约;4、若不实行分级教学,两年内通过四级统考对高考英语成绩的下限要求将必须在614分以上,对5000常用词的认知量下限要求将必须在3220以上;5、非重点院校本科生全部达四级要求有较大的难度。
并据此对目前的教学现状进行思考, 提出了相关建议。
关键词：英语四级成绩；高考英语成绩；词汇认知总量；相关性，性别。
引言:高考和四级考试作为目前国内客观性较强的两种水平考试, 有很强的信度和效度, 能够比较客观真实的反映学生从高中到大学的英语学习水平。
尽管大部分英语教师和学生都认为学生高中英语学习的基础对于其进入大学后的英语学习至关重要, 但是二者之间的关系究竟达到一个什么样的相关程度并没有得到具体的证实。
而研究两者之间的相关性程度, 对于制订大学英语教学计划, 决定教学方法以及评价教学效果都具有现实的指导意义。
问题提出：在英语教学过程中，高考英语成绩与英语专业四级成绩之间是否存在相关性一直是一个比较模糊的问题。
本次研究在揭示问题：高考英语成绩与英语专业四级成绩之间是否存在相关性？相关性如何？收集数据如下：表一高考英语成绩四级成绩的统计数据统计人数：52模型的建立与分析：将收集得到的学生高考成绩及相应的四级成绩作散点图( 图一) ,可以看到高考成绩对四级成绩是有影响的, 大致呈线性关系。
图一高考英语成绩与四级成绩的散点图用变量x表示高考英语成绩, 变量y 表示四级成绩, 利用数理统计中的回归分析可以确定x 和y的定量关系。
借助数学软件MATLAB工具箱中的命令regress求解，使用格式为：,a=data;b=a(:,3);c=a(:,1);y=a(:,2);x=[b,c];[b,brint,r,rint,stats]=regress(y,x,0.05)x 和y 的回归模型如下:y=1.4593x+ 284.2426在显著性水平 =0.05 下, 回归模型的假设检验通过, 且常数项的置信区间为[210.5480 357.9372], 一次项的置信区间为[0.7276 2.1909]四级成绩与高考成绩的拟合曲线见图二图二四级成绩与高考成绩的拟合曲线说明: 1、回归模型的假设检验: R^2 称为相关系数, R 越大, y 和x相关关系越密切, 通常, R 大于0.8( 或0.9) 才认为相关关系成立( 此模型检验中R^2=0.9653, F=0.9652)。
统计方法在学生成绩分析中的应用
1832010年・０４月・下期学 术 ・ 理 论现代企业教育 ＭＯＤＥＲＮ ＥＮＴＥＲＰＲＩＳＥ ＥＤＵＣＡＴＩＯＮ现代企业教育学生成绩不仅是反映学生学习效率和教师授课效果的一项重要指标，同时，考试成绩中蕴藏的大量信息更给教育改革提供者启示。
比如学生的以往成绩对现在或将来成绩的相关性，学生性别差异可能带来的某些学科成绩的差异等等。
本文仅以大一新生的高等数学考试成绩为例，就ＳＰＳＳ这一统计软件在学生成绩分析方面的应用做一简单探讨，以期为教学提供一定的帮助。
一、探讨背景学生的成绩蕴含的信息很多，即可以反映学生的学习效率也可以反馈出教师的教学效果。
同时，我们还可以通过统计的方法反应出试卷的难易程度、检验学生各科成绩间的相关性，男女生性别差异与学科的成绩相关性等。
本文选择某高职院校机电一体化专业四个平行班级的大一学生各科成绩作为讨论数据。
重在探索大一学生的成绩与高考成绩是否具有相关性、性别差异在文科和理工科学科成绩方面是否存在差异等。
二、成绩分析内容１．试卷成绩分析：包括平均分数、最高分、最低分、及格率、良好率、优秀率、学生人数、参加（缺考）人数、总分、标准差，图形绘制（是否成呈正态分布）等。
２．学生成绩的比较：比较班级之间和男女生之间成绩是否存在差异。
３．学生成绩的相关性：学生各科成绩的相互关系等。
三、数据文件建立１．试卷成绩的录入即可以在ＳＰＳＳ中建立数据，也可以在Ｅｘｃｅｌ中建立，然后导入ＳＰＳＳ中，设置的变量分别有班级、姓名、性别、大一各科成绩及高考成绩等。
２．定义分数段 （１）为了更清晰明白的反映不及格、及格、中、良、优的人数分布及其比率，必须把分数转换为分数段。
具体做法如下：执行Ｔｒａｎｓｆｏｒｍ→Ｒｅｃｏｄｅ ＩｎｔｏＤｉｆｆｅｒｅｎｔ Ｖａｒｉａｂｌｅｓ命令，弹出Ｒｅｃｏｄｅ ＩｎｔｏＤｉｆｆｅｒｅｎｔＶａｒｉ２ａｂｌｅｓ对话框，将“高等数学”变量送入ＮｕｍｅｒｉｃＶａｒｉａｂｌｅＯｕｔｐｕｔ对话框中，在Ｏｕｔｐｕｔ Ｖａｒｉａｂｌｅ下面的Ｎａｍｅ框中输入“分数段”，单击Ｃｈａｎｇｅ按钮；单击Ｏｌｄ Ａｎｄ ＮｅｗＶａｌｕｅｓ按钮，弹出ＲｅｃｏｄｅＩｎｔｏ Ｄｉｆｆｅｒｅｎｔ Ｖａｒｉａｂｌｅｓ Ｏｌｄ Ａｎｄ Ｎｅｗ Ｖａｌｕｅｓ对话框，选择Ｒａｎｇｅ（在此，要注意转化的变量必须是数值型的，如果是字符串型，此选项将不可用），在其下框中和Ｔｈｒｏｕｇｈ后面的框中输入相应的值，在Ｖａｌｕｅ下面的Ｖａｌｕｅ框中输入相对应的分数段，具体划分为０～５９．９９对应新值为“５０”表示不及格；６０～６９．９９对应“６０”，表示及格；７０～７９．９９对应“７０”，表示成绩为“中”；８０～８９．９９对应“８０”表示成绩“良”；９０～１００对应“９０”表示成绩为“优”。
英语四六级考试成绩统计方法
英语四六级考试成绩统计方法平均级点分：全国大学英语四、六级考试的目的是考核学生的英语能力是否达到了大学英语教学大纲规定的要求，主要是对考生个体英语能力作出评价，但同时也折射出各校、各省、市及全国对大学英语教学大纲的执行情况。
迄今为止，大学英语四、六级考试有效地促进了全国大学英语教学的改革和发展。
大学英语四、六级考试的成绩也因而常被用作对学校教学情况进行评价的依据，但利用的往往只是累计通过率这一项指标。
考试委员会认为，全国大学英语四、六级考试的成绩能够说明某个学生群体（班级、年级、学校、省、全国）的英语水平，但不能简单地用累计通过率来评价该群体的大学英语教学情况。
在说明某个学生群体的英语水平时，累计通过率只能反映出有多少学生达到了大学英语四级或六级的及格线，而不能反映这些学生在什么层次上达到了教学大纲相应级别的要求，因为60 分是及格，80 分也是及格。
为了较全面地说明某个学生群体的英语水平，考试委员会向各校提供平均级点分这一数据。
平均级点分既考虑到累计通过率，也考虑到及格学生考试成绩的高低。
平均级点分的计算公式为：G = ( S G i / N ) × 50 + 100其中：G 平均级点分G i 第i个考生的级点，其计算方法为：0 - 59.5 060 - 64.5 365 - 74.5 475 - 84.5 585 - 94.5 695 - 100 7N：该群体（学校、省、全国）在校修读大学英语课程的总人数平均级点分能更好、更准确地描写一个考生群体的实际情况。
采用平均级点分是为了鼓励各校全面提高学生运用英语的实际水平，不简单地满足于勉强及格，同时也便于有关教育行政部门对不同层次的学校实施分类指导。
平均级点分在100-400 分之间，凡平均级点分在300 分以上的学校，考生总体英语能力非常好；250-300 分考生总体英语能力很好；200-250 分，一般；150-200 分，较差；低于150 分为很差。
英语四级成绩的研究与分析
英语四级成绩的研究与分析作者：游世超吕思奇刘聪吴春霞来源：《高教学刊》2018年第03期摘要：文章运用数理统计的方法，借助统计软件SAS，对我校近三年的本科生英语成绩进行了统计和分析，研究对比了不同性别、不同生源学生的英语学业成绩和大学生英语四级成绩，并进行了差异性检验；同时对我校两种教学模式下的英语四级成绩进行了对比。
关键词：四级成绩；SAS；检验中图分类号：O213 文献标志码：A 文章编号：2096-000X（2018）03-0053-03Abstract： Guided by the mathematical statistics method and through SAS software， this study statistically analyzes English score of undergraduates from our school in recent three years. It compares English scores and CET-4 scores of undergraduate from aspects of gender and source of student. Besides the difference examination， this study also compares CET-4 score from two different teaching models.Keywords： CET4 scores； SAS； T-test大学英语四级考试是由国家教育部高等教育司主持的全国性教学考试，是测试非英语专业的大学生英语水平的重要工具，四级考试成绩在社会上被认可程度很高。
我校对学生大学英语四级考试也很重视，希望采取某些方法提高学生的英语水平。
本文利用Excel和SAS统计软件对学生的英语成绩数据进行统计和分析，从性别、生源地，教学模式等方面，研究影响大学英语四级成绩的因素。
统计分析在学生成绩评估中的应用
小学及小学以下教育水平 初中以下教育水平
高中和中等职业技术教育 高等教育
33 % 42 % 12. 7 % 4. 7 %
教育发展的重要趋势 :大力发展高等教育 ,培养大批高层级创
新人才 ,教育发展的主攻方向应是高中阶段教育. 随着这股高教育需求之风的来临 ,相应的 ,我国的本科 、
表 3 相关系数分析
相关系数
语文
数学
外语
综合科
总分 1
奖励分
总分 2
语文 数学 外语 综合科 总分 1 奖励分 总分 2
1 0. 501 0. 478 0. 352 0. 713 - 0. 017 0. 691
0. 501 1
0. 399 0. 378 0. 768 0. 235 0. 779
0. 478 0. 399
0 引言
2003 年 5 月 16 日 ,教育部公布了“中国教育与人力资源 表 1 2000 年我国从业人员中受教育水平
问题报告”. 报告中指出 ,我国人力资源基本现状 :整体国民素
教育水平
所占比例
质偏低 ,中高层次人才严重缺乏. 2000 年我国从业人员中受 教育比例远不能满足现代经济对劳动者知识 、技能的需要. 如 表 1 所示.
52 5. 53 [17318 ,253132 ]
注 :1) 其中 9510 %置信度是运用正态分布的 2σ原则 ,即为标准误差的两倍 ;2) 由置信区间也可以看出 ,正态 性假设在各科成绩中都不是一个很好的假定.
几个统计量的含义 : 1) 样本方差 从表中该项可以看出数学和综合科的成绩相对于其它两门学科的成绩分散度显得更加厉害 ,这就表 示 :在高考的总得分中 ,这两科是最容易拉开距离的科目 ,得分容易 ,失分也很容易. 因此 ,按拉开成绩距离 的容易程度排序就是 :综合科 > 数学 > 外语 > 语文. 2) 偏斜度