【最新word论文】高等护理自学考试基础学科成绩与专业学科成绩关系的典型相关分析【医学专业论文】.docVIP

【最新word论文】高等护理自学考试基础学科成绩与专业学科成绩关系的典型相关分析【医学专业论文】.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
【最新word论文】高等护理自学考试基础学科成绩与专业学科成绩关系的典型相关分析【医学专业论文】

高等护理自学考试基础学科成绩与专业学科成绩关系的典型相关分析 作者:陈晓云张华伟王建立李星明肖瑞芳潘庆忠 【摘要】目的:探讨高等护理自学考试本科考试基础学科和专业学科成绩间的相关关系,为提高高护自考的针对性,指导考生自学提供参考。方法:选用2001年至2003年参加潍坊医学院高护(独立本科段)专升本考试的959名考生的成绩作为研究内容,所得数据采用SAS8.0统计软件进行典型相关分析。结果:第一、第二和第三典型相关系数有显著性意义(Plt;0.0001)。第一典型相关系数为0.5767,第二典型相关系数为0.3569,第三典型相关系数为0.2086,特征值的贡献率分别为68.77%、20.14%和6.28%,前两对典型变量的累积贡献率高达88.91%。在第一对典型变量中,护理学导论、护理学研究载荷最大;在第二对典型变量中,预防医学、社区护理学和外科护理学载荷最大。结论:高等护理自学考试考生基础学科成绩和专业学科成绩之间存在显著相关,应该对相关学科的学习予以高度重视。 【关键词】高护自学考试;基础学科;专业学科;典型相关分析 高等护理自学考试是护理学历教育和护理人才能力培养的重要形式和途径,其考试成绩是对学生培养质量的重要评价手段。而对自学考试考生的学习成绩进行科学的分析,研究各学科之间的相互关系和相互影响,对优化自学考试的课程体系、提高教学质量具有重要意义。目前,在研究学习成绩之间的关系方面,大多应用简单相关分析(simplecorrelationanalysis)[1]。简单相关分析是研究两个变量之间关联性的一种统计分析方法。而学生成绩往往是多个成绩变量同时存在并彼此相互影响,因此应用简单相关分析把两个成绩变量之间的关系从多个成绩变量中独立出来进行分析是相对欠缺的。所以,本研究提出利用典型相关分析方法分析学生成绩,它是在考虑了多个成绩变量同时存在的情况下,更加科学地体现了基础学科与专业学科间的相互关系,为改革旧有的考试课程体系、分析和评价其考试成绩与课程体系之间的关联性提供参考。 1方法 典型相关分析(canonicalcorrelationanalysis)是研究两组变量之间相关关系的一种多元统计分析方法。典型相关分析的思想首先由霍特林于1936年提出,目前成为普遍应用的进行两组变量之间相关性分析的技术[2]。典型相关分析借用主成分分析降维的思想,将一组变量与另一组变量之间单变量的多重线性相关性研究转化为对少数几对综合变量之间的简单线性相关性的研究,并且这少数几对变量所包含的线性相关性的信息几乎覆盖了原变量组所包含的全部相应信息[3]。它把每组课程作为整体考虑,比一般的研究单一课程间的关系以及研究一门或一类课程与多个课程间的关系,可以找出所有成绩变量中的主要变量,用于衡量和反映社会对护理人才培养质量的要求。 典型相关分析方法的原理是:对所要研究的两组指标变量x=(x1,x2,…,xp)和y=(y1,y2,…,yq),各建立一个线性组合表达式,即:u=α1x1+α2x2+…+αpxpv=β1y1+β2y2+…+βqyq 其中,u和v分别是由x变量和y变量的线性组合产生的综合指标变量,典型相关分析中称之为典型变量(canonicalvariable)。α=(α1,α2,…,αp)和β=(β1,β2,…,βq)是待估计的组合系数。显然,对于任意给定的一组组合系数α和β,都可以通过上式求出一对变量u和v,进而又可以求出典型变量u和v的简单相关系数ρ=ρ(u,v),称之为典型相关系数(canonicalcorrelationcoefficient)。 ρ=ρ(u,v)=cov(u,v)var(u)var(v) 其中,cov(u,v)表示变量u与v之间的协方差,var(u)和var(v)分别表示变量u和v的方差。 典型相关分析的第一步是估计组合系数α和β,使得对应的典型变量u1和v1的相关系数达到最大。假设这个最大相关系数是ρ1=ρ(u1,v1),则称ρ1为第一典型相关系数,且称具有最大相关系数的这对典型变量u1和v1为第一典型变量。求出第一对典型相关变量之后,可以类似的去求第二对,使得对应的典型变量u2和v2的相关系数达到第二大,且第二对典型变量中的每一个变量都与第一对典型变量中的每一个变量不相关。如此进行下去,直到典型变量的对数等于两组变量中数目较少的那一组变量的个数。 从上述分析的过程可以看出,第一对典型变量提取的两组变量相关性的信息量最多,第二对次之,依此类推,最后一对典型变量提取的相关成分最少。对典型相关系数的假设检验采用似然比F统计量。如果典型相关变量相关系数的绝对值显著地大于零,这一对综合变量就真的具有代表性,如果不是,这一对变量就不具有代表性,就可以忽略。实际上,求得的典型变量对子数越少越好,最好是第一对典型变量就提取

您可能关注的文档

文档评论(0)

qiwqpu54 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档