不会制作教学数据分析模型，九数云来帮你

标签：教学数据分析模型 | 发布时间： 2023-03-15 9:47:43

学生成绩能反映学生掌握知识和各种能力的程度，综合得分是评定奖学金和评先评优等最重要的一个指标，也是择优推荐就业主要的参考因素。因此，通过合理科学的教学数据分析模型对学生成绩做出综合评价显得格外重要。

本节以学生的考试成绩为例，利用教学数据分析模型进行对考核对象的综合评价。

一、SPSS操作

教学数据分析模型的第一步，依次单击菜单“分析—降维—因子”执行因子分析过程，选取变量。

点击“描述”按钮，依次选系数、显著性水平、KMO 和巴特利特球形度检验，点击继续，返回主菜单。

单击“提取”按钮，勾选“碎石图”，其他选项默认，选择主成份法进行因子提取。单击“继续”按钮返回主面板。

单击旋转按钮，单击选中最大方差法单选框，表示采用方差最大旋转法进行因子旋转。单击继续按钮返回主面板。

单击得分按钮，勾选底部的显示因子得分系数矩阵复选框。单击继续按钮返回主面板。

设置完毕后，点击确定，生成结果。

二、结果分析

KMO检验和Bartlett球形检验。公因子提取的方差。给出了公因子对初始变量方差的提取情况，也就是常说的变量共同度。其中的“提取”栏就是变量共同度的取值，代表了所有公因子能够解释的每个变量方差的比例。

方差解释表。方差解释表给出了每个因子所解释的总方差比例，以及所解释方差的累计和。

最后一栏“旋转平方和载入”表示经过因子旋转后得到的新公因子的方差贡献值、方差贡献率和累计方差贡献率，可以看到和未经旋转相比，每个因子的方差贡献值有变化，但累计方差贡献率不变。

方差解释表，是关于初始特征值（也就是方差贡献）的碎石图。

旋转前后的因子载荷矩阵，给出了旋转前后的因子载荷矩阵，其中“成分矩阵”表是初始的未经旋转的载荷矩阵，“旋转成分矩阵”是经过旋转后的载荷矩阵。

因子得分的系数矩阵。输出的是因子得分系数矩阵。对于每个因子，把系数和对应的课程名称相乘后再求和，可以得到最终的因子得分公式，利用它就能够对所有案例进行教学数据分析模型中的因子评分了。

三、综合评分

如果要关心的是学生的综合能力，可对公因子的得分进行加权求和，权数就取其方差贡献值或方差贡献率。

通过前面的分析，利用教学数据分析模型已经得到了能够进行综合评分的公式，由此可以对学生成绩进行更为科学的判断和排序。

上一篇: 十大bi软件九数云，专业的大数据分析平台
下一篇: 大数据可视化工具助力移动游戏数字营销——九数云