毕业设计（论文）：应用多元统计分析法评价我校理工类专业学生的成绩

应用多元统计分析法评价我校理工类专业学生的成绩目录CONTENT01.绪论02.数据处理及其使用方法03.主要研究内容和结果04.结果评价与建议05.总结与展望01.第一章绪论4第一章绪论1.1研究现状

目前，多元统计分析方法已经熟练运用于自然科学的各个领域，与人们的社会生活息息相关，在经济、医学等领域的研究更为深入，取得了广泛成果，但关于这类方法在教育领域的研究则比较少见，许多学者在这方面也做了很多工作，但由于种种限制，得到的成果较少，对于成绩评价这一块，前人所用的方法要么比较单一，要么研究的数据量不够，要么使用的辅助软件不当，导致得到的成果与实际难以相符，真正得到有用成果的比较少，这对教育方面的研究影响很大。就高校教学工作而言，高校教学在这方面应用较少，导致教学效率得不到提升，对学生成绩也不能全面分析。5第一章绪论1.2研究意义及作用

作为一个高等院校，其教学和教育工作的根本任务是为社会输送一批高学历高技能的人才，而教学工作的重心又在于提高教育质量，而学生成绩又恰好作为教学工作的一部分，是我们评估高校教学质量的重要依据，也是检验学生是否在学校学到知识的重要体现。因此，对学生成绩进行分析研究是有重要意义的。通过研究学生成绩所得的信息，再对这些信息进行处理分析，使用几种多元统计分析法对数据信息进行进一步挖掘，从而找出某部分学生之间的共同特征，同时也能区分出成绩较好的同学和成绩较差的同学，并分析他们之间的差距，以此加强同学、师生间的联系，以便于寻找问题以及找出解决办法，达到提高学生的成绩的目的。因此高校对学生成绩的挖掘和分析是非常必要的，这也成为高校教学过程中不可或缺的一部分。多元统计分析法在这方面也有较多的研究和应用。01.第二章数据处理及使用方法7第二章数据处理及使用方法2.1使用方法介绍聚类分析因子分析主成分分析学生成绩分析评价聚类分析是按照个体或样品的特征将它们分类，使同一类别内的个体具有尽可能高的同质性，而类别之间则应具有尽可能高的异质性主成分分析，是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构。因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。01.第三章主要研究内容和结果9第三章主要研究内容和结果3.1主要研究内容

本文主要研究我校理工类专业学生的成绩，我们选取我校物理专业学生的一学期成绩，来对我校理工类学生成绩进行评价，在使用三种分析方法之前我们对数据进行了标准化处理。3.2研究结果

我们使用上一章所介绍的三种分析方法对结果进行统计分析，分别得出三种结果，结果展示如下：10第三章主要研究内容和结果3.2.1聚类分析结果展示右图为我们得到的聚类分析树状图11第三章主要研究内容和结果3.2.1聚类分析结果展示ClusterMembershipCase 5Clusters4Clusters3ClustersZscore(信号与系统) 1 1 1Zscore(形势与政策) 2 2 2Zscore(虚拟仪器技术) 3 3 1Zscore(热工检测技术) 4 3 1Zscore(光电检测技术) 4 3 1Zscore(声学测量) 4 3 1Zscore(噪声控制概论) 4 3 1Zscore(建筑节能) 4 3 1Zscore(既有建筑节能诊断与改造) 4 3 1Zscore(纳米材料及其应用) 4 3 1Zscore(半导体物理) 4 3 1Zscore(综合设计（检测技术） 5 4 3右表为将成绩数据分别分为3，4，5类时的情况12第三章主要研究内容和结果为了是我们得到的结果更加直观的显示，我们对结果用直方图表示出来，图中蓝色表示分为5类的情况，红色表示分为4类的情况，灰色表示分为3类的情况。13第三章主要研究内容和结果3.3.1主成分分析结果展示

主成分分析我们使用的是计算综合得分的方法得出所有人的排名情况，由于数据较多，这里只好用文字进行表述：从综合得分排名看，排名靠前的大部分集中在表格前面部分，说明收集到的成绩数据中学号靠前的学生成绩较好，后面学生成绩稍差，当也有学号靠后成绩较好，说明这些学生本学期学习努力，得到了较好的回报。由于我们所使用的数据分布不是随机的，所以导致综合得分排名与编号大部分相差不大，这也体现出我们所计算得出的结果是基本正确的，具有可信度，结果能反映实际情况。14第三章主要研究内容和结果3.4.1因子分析结果展示在做因子分析之前我们先做了KMO检验和巴特利特球形检验，结果如下：

KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy. .821Bartlett'sTestofSphericity Approx.Chi-Square 197.204 df 66 Sig. .00015第三章主要研究内容和结果

我们通过相关系数矩阵、KMO检验和巴特利特球度检验等方法得到的结果进行分析。观察这些表中的数据可知，其中大部分相关系数都较高，这说明这些数据线性关系较强，可以提取公共因子，也就说明它们适合做因子分析。在KMO检验和巴特利特球形检验中，Sig为0.000小于显著性水平，拒绝原假设，与单位矩阵有显著差异，KMO为0.821，说明适合因子分析。16第三章主要研究内容和结果我们将因子结果化为折线图的形式，以使观察到的结果更加直观，表中蓝线表示初始值，红色表示提取到的值，图表如下：01.第四章结果评价与建议18第四章结果评价与建议4.1结果评价

上述通过聚类分析、主成分分析和因子分析三种方法对学生成绩进行统计分析，其中聚类分析和因子分析主要对于课程成绩进行比较，主成分飞分析则对所有学生进行分析，得出如下结论：图4.1、图4.2、图3.3以及表3.7分别表示出聚类分析、因子分析、主成分分析的统计分析结果，从图表中我们可以看出聚类分析得到了综合设计（检测技术）和形势与政策两门课程成绩突出，因子分析也得出形势与政策课程成绩最好，但综合设计（检测技术）并未纳入最好范畴，同时也看出了该专业在纳米材料及其应用和光电检测技术这两门学科的不足，主成分分析得出成绩较好的学生主要集中在表格前面，但靠后位置也有几个综合得分排名靠前的，说明这些学生学习比较努力，也取得了应该有的排名。19第四章结果评价与建议

通过以上对比，我们可以看出三种方法各有优劣，聚类分析将相近成绩的学生化为一类，弥补了在学生成绩差别不大的情况下，经过划分后结果可能相差很大的问题，同时也反映出某一科成绩相对于总体成绩的分布情况，但它无法反映学生自身的具体情况，因子分析同样也只是反映学生在某些学科的不足，无法显现具体情况，正好主成分分析通过综合得分得出学生自身具体排名，三者综合，可以对学生成绩做出全面而正确的评价。20第四章结果评价与建议4.2提出建议2．促进学生状态和学习习惯的转变。。4．营造良好向上的学习氛围。1.为学生树立目标，树立信心，增强学习能力。3．建立积极和谐的人际关系。小小建议01.第五章总结与展望22第五章总结与展望我们在利用主成分分析时，我们期望得到的累积方差贡献率最好达到85%，而实际问题中，累计贡献率达到75%以上就是合格的数据了，就可以进行分析了，我们达到的累计贡献率为79.703%，达到要求的75%以上，说明我们的分析结果合理性很高。同时在聚类分析和因子分析中，明确做出分类，也得到了分析结果。我们对三种处理方法得到的结果进行了分析评价，得到了一些结论，根据结论和我们掌握的一些信息