第五节 分析方法

本书采取的数据分析方法主要有：描述性分析、相关分析、信度分析、验证性因子分析、方差分析、结构方程模型分析和回归分析。研究采用SPSS 17.0、AMOS 17.0数理统计软件对收集的数据进行计算和统计分析。具体分析的过程为：首先，采用SPSS 17.0进行数据录入，对样本的具体特征进行初步的统计描述分析；其次，采用验证性因子分析来检验理论模型结构和合理性，对其效度作出判断，进一步验证这一结构下测量量表的信度；再次，对各变量进行基本的描述性分析和变量之间的相关分析，并对不同群组结构的差异性进行显著性检验，分析在不同的性别、年级、专业、学校类型的学生之间理论模型的结构是否存在显著性差异；最后，采用结构方程模型分析和回归分析方法，验证相关变量对教学效果的影响。具体采用的方法简要描述如下：

一 描述性分析及方差分析

研究使用SPSS 17.0中的描述性分析模块对研究中涉及的控制变量和核心变量的特征进行分析，主要通过计算相关数据平均值、标准差、方差等对各变量进行对比描述。方差分析（ANOVA）又称“变异数分析”或“F检验”，用于两个及两个以上样本均数差别的显著性检验。方差分析的目的是通过数据分析找出对目标对象有显著影响的因素，分析各因素之间的交互作用及显著影响因素的最佳水平等。方差分析是在可比较的数组中，把数据间的总的“变差”按各指定的变差来源进行分解的一种技术。对变差的度量，采用离差平方和。方差分析方法就是从总离差平方和分解出可追溯到指定来源的部分离差平方和。经过方差分析若拒绝了检验假设，只能说明多个样本总体均数不相等或不全相等。若要得到各组均数间更详细的信息，可在方差分析的基础上进行多个样本均数的两两比较。

本书的描述性分析主要有以下几个步骤：首先，对我国高校思想政治理论课教学效果的总体特征进行分析，了解教学效果及其构成要素——价值感、满意度、政治素质和道德素质的总体分布；其次，分析不同性别、不同年级、不同专业、不同学校背景之间教学效果的差异，以便更深入地了解教学效果及其构成要素的分布特征；最后，对于各个方面影响因素的特征进行总体分析和类别差异分析，分析不同大学生群体在学习方式上的差异，分析不同群体大学生在教师素质、教学组织和课堂环境感知上的差异，分析不同学校在思想政治理论课教学组织与管理上的差异。

二 结构方程模型分析

结构方程模型（Structural Equation Modeling, SEM）是一种融合了因素分析和路径分析的多元统计技术。在模型中包括两类变量：一类为观测变量，是可以通过访谈或其他方式调查得到的，用长方形表示；另一类为结构变量，是无法直接观察的变量，又称为潜变量，用椭圆形表示。各变量之间均存在一定的关系，这种关系是可以计算的。它可以立体地、多层次地展现驱动力分析。这种多层次的因果关系更加符合真实的人类思维形式，而这是传统回归分析无法做到的。SEM可以根据不同属性的抽象程度将属性分成多层进行分析；可以将无法直接测量的属性纳入分析，这样就可以将数据分析的范围加大，尤其适合一些比较抽象的归纳性的属性；可以将各属性之间的因果关系量化，使它们能在同一个层面进行对比。

本书采用结构方程模型方法分析各个方面影响因素对教学效果的影响。首先，分析学生在高校思想政治理论课上的学习方式对教学效果的影响，构建深层动机、深层策略、表层动机和表层策略对价值感、满意度、政治素质、道德素质影响的关系模型，通过拟合指数来判断模型的合理性，通过路径系数的显著性来判断模型影响路径是否存在；其次，分析课程难度、教师素质、教学组织和课堂环境对高校思想政治理论课教学效果的影响；最后，分析学校教学组织与管理对教学效果的影响。

三 回归分析

回归分析（Regression Analysis）是确定两种或两种以上变量间相互依赖关系的一种统计分析方法。回归分析运用十分广泛，按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间呈线性关系，则称为多元线性回归分析。

在分析各个方面的因素对教学效果的影响的基础上，本书进一步采用一元线性回归分析方法对研究涉及的影响因素进行综合分析，这些影响因素包括控制变量和潜变量，旨在甄别在各个因素共同作用下那些对教学效果产生影响的关键因素。

四 相关分析

相关分析是对总体中确实具有联系的变量进行分析，描述客观事物相互间关系的密切程度并用适当的统计指标表示出来的过程。两个变量之间的相关程度通过相关系数r来表示。r是-1和1之间的任何值。正相关时，r值在0和1之间，散点图是斜向上的，这时一个变量变大，另一个变量也变大；负相关时，r值在-1和0之间，散点图是斜向下的，此时一个变量变大，另一个变量将变小。r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。

在回归分析的基础上，各个潜变量之间的影响关系得以显现，但是对于教师、学生以及学校来说，本书希望能进一步分析各个观测变量与教学效果的关系，以期给出具体详细的改进策略。