因子分析在学生成绩中的应用.docxVIP

因子分析在学生成绩中的应用 中国矿业大学（北京） 景 平 胡 杰 赵颖旺 史小凯 范文凤 黄 丹 李再兴 ［摘 要］本文采用多元统计中的因子分析对我校信息与计算科学专业 2006 级的 77 名同学的三学期 25 门成绩进行具体实例分析， 找出影响该专业学生知识和能力的主要方面因子，分别为数学专业能力、数学基础能力、记忆概括能力、英语能力、田径能力、球类能 力六个因子。同时，根据因子得分对学生成绩做出一个客观、综合的评价，清楚地反映每个学生各方面能力的差异，并与加权平均方 法的结果进行比较，两者基本一致。 ［关键词］因子分析 载荷矩阵 因子得分 综合评价 一、引言 大学生四年的学习成绩是大学四年学习生活的记录，这些记录基 本反映了该生四年的学习情况，但在高校学生管理中，经常需要科学合 理地对学生成绩进行综合评价，如评奖学金、推荐研究生、向用人单位 推荐分配学生等。但是目前综合评价学生成绩的方法比较单一，大多数 学校都用平均成绩或是加权平均成绩作为评价标准。但是这些方法都 存在着两个缺点：一是掩盖了学生的个性，即不能反映学生能力各方面 的特点；二是不能对学生做全面的评价。因此研究一种科学合理的方法 非常必要，而多元统计分析中的因子分析恰恰符合要求。因此，本文采 用因子分析对学生的成绩进行综合的评价。 本文以本校 2006 级信息与计算科学专业的三学期成绩作为原始 数据，其中包括大学物理 1（x1）、大学英语 2（x2）、高等代数 2（x3）、C 语 言(x4)、军事理论(x5)、数学分析 2(x6)、体育 2(x7)、物理实验 1(x8)、近现代 史纲要(x9)、常微分方程(x10)、大学物理 2(x11)、大学英语 3(x12)、马克思 原理概论(x13)、数学分析 3(x14)、数据结构(x15)、体育 3(x16)、物理实验 2 (x17)、运筹学(x18)、大学英语 4(x19)、复变函数(x20)、概率论与数理统计 (x21)、毛泽东思想邓小平理论及三个代表重要思想理论(x22)、数据库 (x23)、数值分析(x24)、体育 4(x25)。各学生姓名均用序号 1，2，3，…，77 表 示。 二、因子分析 1、因子分析模型 因子分析是多元统计重要分析方法之一，是用少数几个潜在不能 观察的随机变量去描述多个变量之间的相关关系，根据相关性大小，将 变量进行分组，将相关性较高的变量分在同一组，不同组的变量间相关 性较低的为另一种数据处理方法。这种方法在教育学、心理学等领域得 到了广泛的应用。 通常假定因子分析模型为:X=AF+ε。其中 X 为 P×1 维向量,A 为 p×q 维矩阵，称为因子载荷矩阵，F 为 q×1 维向量(q p),称为公共因 子，ε 为 p×1 维向量，称为特殊因子。且假设 F～N(0,Iq), ε～N(0,ψp×q),ψ 为对角阵，F 与 ε 相互独立。 因子分析就是从 X 的 n 个样本数据出发，来确定因子载荷矩阵 A, 再根据因子载荷来确定公因子个数，并结合各因子所包含的变量确定 各潜在变量。 2、因子分析步骤 （1）进行因子分析检验，确定能否做因子分析。 （2）设有 n 个样本，每个样本有 p 个数据，记为 X=(xij)n×q=(X1，…， n 利用多变项相关系数之平方和与净相关系数平方和之比率决定是否适 合进行因子分析。KMO 值介于 0，1 之间，当 KMO 值越大，表示变量间 的共同因素越多，越适合进行因子分析，一般若值小于 0.5，则不适合进 行因子分析。KMO 值介于 0，1 之间，当 KMO 值愈大，表示变量间共同 因素愈多，愈适合进行因子分析。本结果显示为 0.857，适合做因子分 析；表中 Bartletts 为 0.00，小于 1℅，同样说明变量间具有相关性，适合 做因子分析。 表 1 KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.857 Bartletts Test of Sphericity Approx. Chi-Square 1351.421 df 300 Sig. .000 （2）因子分析结果 选择数据的 25 个变量，用 SPSS11.5for Windows 软件进行因子分 析，用最大方差旋转对所得的因子载荷矩阵进行旋转。 ①特征值及贡献率 在表 2 中选特征值大于 1 的因子保留，易知共保留 6 个因子，此时 累计贡献率已达 73.03℅，即原始数据的信息总量已有 73.03℅被提取， 能够反映学生的成绩，因此分析结果是比较理想的。 ②最大方差旋转后的因子载荷矩阵，见表 3 由上述因子载荷矩阵易看出各因子中载荷较大的课程，得出因子 结构如表 4。 从表