前言：中文期刊網精心挑選了統計分析軟件范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
統計分析軟件范文1
世界上被最廣泛應用的專業統計軟件之一就是SPSS，應用的領域有醫療、銀行、教育科研等等。在教學工作中應用SPSS可以解決許多的實際問題。應用SPSS軟件不僅可以輕松算出總體和樣本的優秀率、合格率，每個班級的平均分等描述性統計量，而且可以計算每個分數段的人數分布情況，對于廣大教學工作者來說，SPSS軟件提供了許多便利。
【關鍵詞】SPSS軟件 教學 統計分析
1 創建數據文件數據文件的創建
SPSS的數據文件的形成方式有兩種，第一種是直接在軟件中的數據編輯窗口中錄入數據，得到的SPSS類型文件格式是*.sav。第二種是利用EXCEL軟件的數據輸入技巧，創建的文件類型為*.xls，接著利用SPSS的文件導入功能，來得到相關的數據。本文對導入EXCEL文件的過程進行具體的分析。
例1：利用EXCEL文件創建SPSS數據。
比如，現在有EXCEL數據文件是高三學生的期中考試成績，數據文件的變量數據中包括學生的班級、學號、姓名、物理、化學、生物，一共六個。各個變量的名稱在文件的第一行。把EXCEL文件關閉，把SPSS軟件打開，在軟件的數據窗口中點擊“文件”、“打開”、“數據”菜單，在打開數據的對話框中，將EXCEL作為選擇的文件類型，將需要導入的文件單擊選中。首先單擊“打開”，彈出的對話框是EXCEL數據源，要特別注意一下要將“從第一行數據讀取變量名”默認是處于勾選的狀態，意思是說SPSS文件的變量名稱是EXCEL原文件的第一行，從第二行開始的才是真正的數據，用戶可以根據自己的情況來選擇，接著單擊“確定”，文件就被順利地導入了，再把文件保存到SPSS的數據文件中。
2 對“率”進行計算
在平時的教學活動中，教師對學生某次考試的合格率和優秀率進行統計是不可避免的，也就是說教師需要統計60分以上和90分以上的學生人數所占比例，在SPSS軟件中，以上的兩種情況都可以通過其中的頻數分析來完成。
2.1 對總體“‘率”進行計算
例2：對學生考試結果的合格率和優秀率進行計算。
在SPSS軟件的數據窗口中，點擊“分析”、“描述統計”、“頻率”菜單，在頻率的對話框中，對需要分析的變量“化學”進行選中，點擊箭頭，使其進入“變量”的空白框中。接著對右側的“格式”進行單擊，進入“頻率格式”的對話框，對輸出頻率表的格式進行定義，在排序方式中，選中第二個“按值的升序排序”，單擊“繼續”，返回主對話框，再點擊“確定”。在SPSS軟件的結果窗口就會出現學生化學每種分數的人數和其他需要的百分數。代表該分數及超過該分數的學生人數占總人數的比是最后一列的“累積百分比”，這也是所需要求的“率”。累積百分比是9.0%的是90分所在的累積百分比，也就是考試結果的優秀率，60分以上的累積百分比就是此次考試的合格率。
2.2 對樣本“率”進行計算
例3：計算各班學生化學成績的合格率和優秀率。
計算每個班級的“率”，一般步驟是：利用拆分文件功能將其分為不同的班級，再對其進行頻數的分析。具體的流程是：在SPSS的窗口中，選擇“數據”、“拆分文件”，在對話框“分割文件”中，點擊單選框“按組織輸出”，將變量“班級”選入“分組方式”中，再點擊確定。在數據窗口的右下角，會出現“拆分條件班級”，這說明文件已經是拆分狀態，并且是以班級問單位的。接著，按著例1的方法，就可以得到各個班級化學成績的合格和優秀情況。
3 樣本平均分的計算
例4.對各班的化學平均分進行計算。
有很多方法可以對班級樣本的平均分進行計算，這里只介紹其中一種。最常見的方法就是將不同的班級進行拆分，然后按著平時的描述統計功能進行計算。這種方法的缺點是不夠方便，在這里，對比較均值法進行介紹。
比較均值法：
在SPSS軟件窗口中，點擊“分析”、“比較均值”、“均值”菜單，在“均值”的對話框中，將需要計算的化學這一變量選入“因變量列表”對話框中，將班級這一分類變量選入“自變量”列表中，點擊右側的“選項”菜單，會進入“均值”選項的對話框，想要自由選擇需要計算的量可以通過中間的箭頭來完成。默認的個案數、均值、標準差在“單元格統計量”中可以找到，接著返回需要點擊“繼續”，在點擊“確定”，在窗口中就會出現每個班級的人數、化學平均分數、標準差。
4 統計分數段的人數
例5：統計所有學生在化學各個分數段的人數。
點擊“轉換”、“可視離散化”菜單，將化學、物理選入要離散的變量對話框。點擊“繼續”菜單，系統就會對相應的變量進行掃描。進入可視化封裝窗口，然后選中化學。學生化學成績的最小值、最大值和分布直方圖就會出現在對畫框中。在離散的變量后面對話框中，輸入化學分段，在網格“表的值”輸入分割點的值，90，80，70，60，分割線就會在直方圖中顯示出來，變量分段的大致情況就會出現。接著點擊菜單“生成標簽”，接著單擊“確定”。彈出“封裝規范將創建一個變量”的提示框。再點擊“確定”，數據窗口的最后一列就會出現“化學分段”的新變量。
5 結語
綜上所述，SPSS軟件有著非常強大的功能，對一些功能進行綜合利用，日常教學中遇到的許多實際問題都可以被快速、高效的解決，為廣大的教育教學工作者提供便利。
參考文獻
[1]楊貴和.SPSS在中小學教學研究數據處理中的應用[J].亞太教育，2016（15）.
[2]李冬萍.基于SPSS軟件的大學語文試卷分析[J].亞太教育，2016（12）.
[3]魏江生，周梅，趙鵬武，景宇鵬，劉星岑.興安落葉松林型對土壤氮素含量的影響[J].干旱區資源與環境，2014（07）.
[4]張瑜，李莉，趙慧娟，柳杰.高校英語四級考試成績的統計分析――以新疆農業大學為例[J].科教導刊（上旬刊），2014（01）.
作者簡介
鄒芬（1979-），女，江西省湖口縣人。大學本科學歷，現供職于廬山區第一中學（中教一級）。研究方向為中學信息技術。
統計分析軟件范文2
本研究用SAS、SPSS、DPS 3種統計軟件的兩步使用，實現對正交試驗結果的完整分析，并對數據輸入、輸出結果、交互搭配、多項指標、操作難易5方面進行綜合評價。
【關鍵詞】 正交試驗； 統計軟件； 兩步分析
1 問題的提出
用正交表安排試驗并進行試驗結果分析的統計方法，稱為正交設計。極差分析可以完成正交試驗結果的統計描述，但是因素的極差大或小到何種程度，方能算主要或次要因素，往往需要主觀界定。方差分析可以完成正交試驗結果的統計推斷，但是計算太復雜太困難，往往讓統計學教師及醫藥科研工作者感到苦惱。
SAS（Statistical Analysis System，統計分析系統）和SPSS（Statistical Product and Service Solution，統計產品與服務解決方案）是美國著名統計軟件，DPS（Data Processing System，數據處理系統）是國內優秀的統計軟件。本研究用這3種統計軟件對正交試驗結果進行兩步使用，實現對正交試驗結果的完整分析。
正交試驗結果方差分析的條件是：留出空白列或進行重復試驗?？瞻琢械钠椒胶图靶∮诳瞻琢械钠椒胶蜆嫵傻谝活愓`差，重復試驗數據構成第二類誤差。軟件分析的困難，體現在重復試驗數據的格式、誤差平方和的確定和交互作用的搭配3個地方，其要害是誤差平方和的確定。
為此，任何統計軟件均需要使用兩次。第一次探索分析，排除空白列，確定平方和小于空白列者及各水平優劣。第二次補充分析，排除平方和小于空白列的變量，確定主要因素及重要交互作用。主要因素取好水平，重要交互作用取好搭配，次要因素按實際問題取水平，得到最優試驗方案。統計軟件的這種兩步使用，可以實現對正交試驗結果的完整分析。
2 不同軟件的兩步分析
考慮最復雜的混合水平正交設計，因素A為4水平，因素B、C、D為2水平，交互作用A×B、A×C及B×C。在混合表L16(4×212)安排A、B、C、D于1、2、6、11列，第12、13列空白，2次重復試驗結果見表1。
表1 提取麻黃堿正交設計2次重復試驗結果（略）
2.1 SAS9.0操作
第一次調用glm過程作試探分析，確定空白列x1、x2的平方和，編輯程序為：
data L1; /*麻黃堿正交設計第一次探索分析*/
input A B AB1 AB2 AB3 C AC1 AC2 AC3 BC D x1 x2@@;
do i=1 to 2; input y@@; output; end;
cards;
1 1 1 1 1 1 1 1 1 1 1 1 1 61 75
1 1 1 1 1 2 2 2 2 2 2 2 2 83 84
...........................
4 2 1 1 2 2 1 1 2 1 2 2 1 80 70
;
proc glm; class A B C D; model y=A B A*B C A*C B*C D x1 x2;
means A B A*B C A*C B*C D/snk; run;
程序運行后，交互作用BC、因素D平方和42.7813、124.0313小于空白列x1、x2平方和相加57.7813+132.0313=189.8125，應當合并到一類誤差中。由多重比較，因素C的水平2較好，交互作用A×B的搭配A1B1較好。
第二次調用glm過程作補充分析，修改程序L1.sas最后語句為：
proc glm; class A B C D; model y=A B A*B C A*C; run;
運行得到的程序L2.sas， Model的F＝7.89、P
指標為產率，越大越好。由多重比較的輸出結果，因素C取2水平，交互作用A×B取搭配A1B1。根據實際，因素D取D2較好。故最佳試驗方案為A1B1C2D2，即用4倍量0.1%的鹽酸，浸煮1(h，調pH＝12。
2.2 SPSS13.0操作［1］
以A、B、AB1、AB2、AB3、C、AC1、AC2、AC3、BC、D、x1、x2為分組變量，y為數據變量，前面13列反復2次輸入正交表各列，建立配伍格式數據文件。
第一次試探分析，選擇General Linear ModelsUnivariate命令，指定y為Dependent variable變量，A、B、C、D、x1、x2為Fixed Factors變量。
鼠標擊Model按鈕，指定A、B、A*B、C、A*C、B*C、D、x1、x2為Model變量。
擊Options按鈕，指定A、B、A*B、C、A*C、B*C、D為Display Means for變量Compare main effectsLSD。
輸出結果，交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812，應當合并到一類誤差中。由多重比較，因素C的水平2較好，交互作用A×B的搭配A1B1較好。
第二次補充分析，選擇General Linear ModelsUnivariate命令，把x1、x2從Fixed Factors變量刪除。
鼠標擊Model按鈕，把B*C、D、x1、x2從Model變量刪除。
擊Options按鈕，把A、B、A*B、C、A*C、B*C、D從Display Means for變量刪除。
輸出結果， Model的F＝7.893、P＝0.000，當前模型有統計學意義。因素C的F＝31.95、P＝0.000，為主要因素，應當取好水平。交互作用A×B的F＝10.156、P＝0.000，為重要交互作用，應當取好搭配。
2.3 DPS7.55操作［2］
在區域A1：O16，前13列輸入正交表的各列，第14、15列輸入各次試驗的結果。
第一次試探分析，選定數據塊，選擇"試驗統計"菜單"正交試驗方差分析"命令，指定第12、13列為空白列。
交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812，應合并到一類誤差中。由極差分析因素C的水平2較好，直接計算得到交互作用A×B的搭配A1B1較好。
第二次補充分析，選定數據塊，選擇"試驗統計"菜單"正交試驗方差分析"命令，指定第10、11、12、13列為空白列。
因素C的F＝31.95、P＝0.000，為主要因素，應當取好水平。交互作用A×B的3列F＝10.84、4.81、8.81，P＝0.00、0.04、0.00，為重要交互作用，應當取好搭配。
3 綜合評判
從數據輸入來看，重復試驗結果分析，SAS與DPS只需要一次性輸入正交表各列，SPSS需要重復輸入正交表各列。
從輸出結果來看，SAS與SPSS能把多列交互作用合并輸出，能把多列一類誤差列合并輸出，DPS則不能。
從交互搭配來看，SAS與SPSS能輸出交互作用的搭配，DPS則不能。
從多項指標來看，DPS需要以各項指標，分別進行多次分析，根據各次輸出結果，使用綜合平衡法得出結論。SPSS可以選擇Multivariate（多變量）命令，SAS可以在程序中直接讀入多個數據變量，同時得到多指標的輸出結果。
從操作難易來看，DPS兩步分析只需修改空白列，而SAS需要需要修改程序，SPSS需要修改各項參數的選擇，均比DPS復雜。
綜上所述，可以建立參評因素集"輸入、輸出、搭配、指標、操作"到評判集"SAS、SPSS、DPS"的模糊關系矩陣，即：
R=0.350.300.35
0.350.350.30
0.350.350.30
0.350.350.30
0.300.300.40
再根據參評因素集在檢驗中的重要程度，建立權重矩陣為：
W＝(0.30，0.30，0.20，0.10，0.10)
用先乘后加，計算評價值，即：
W R＝(0.3，0.3，0.2，0.1，0.1)0.350.300.35
0.350.350.30
0.350.350.30
0.350.350.30
0.300.300.40
＝(0.345，0.330，0.325)
完成正交試驗結果分析，SAS、SPSS、DPS的各為0.345，0.330，0.325。
【參考文獻】
1 周仁郁，主編.SPSS13.0統計軟件.成都：西南交通大學出版社，2005，4，112～117.
2 周仁郁，主編，中醫藥統計學.北京：中國中醫藥出版社，2004，9，221～223.
3 方積乾，主編．衛生統計學.第5版．北京：人民衛生出版社，2003，145～147.
4 金丕煥，主編．醫用SAS統計分析．上海：上海醫科大學出版社，2000，135～142.
統計分析軟件范文3
關鍵詞：SPSS；統計；難度；區分度；信度；效度
中圖分類號：G642文獻標識碼：A文章編號：1009-3044（2017）17-0121-03
試卷作為考試的一個重要載體，是測評學生學習成績的工具，是教學質量檢驗的重要手段，因而教學質量評估管理中越來越重視試卷分析，試卷質量的分析結果客觀地向教與學雙方提供了反饋信息，進而實現評價教育目的的實現、教學效果的好壞等一系列質量要素，今后，應該成為教學工作中重要的常規環節之一。
1SPSS軟件簡介
SPSS軟件是StatisticalPackagefortheSocialsciences英文名稱的首字母縮寫，即“社會科學統計軟件包”，它是目前世界上常用的三大統計分析軟件（SAS、SPSS及SYSTAT）之一，是世界上最早采用圖形菜單驅動界面的統計軟件，其界面友好、功能強大和操作簡便，能方便地從其他數據庫中讀入數據。
SPSS是一款功能強大的教育統計軟件，既可以進行基本數據的統計分析，還可以進行各種推斷和檢驗統計。
2試卷質量分析應用實例
下面數據以安徽大學公共基礎課程—《程序設計基礎VB》的期末考試成績為樣本，利用SPSS軟件分析說明考試質量分析的模式和各項指標。
2.1試卷基本結構
本試卷（滿分100分），由兩部分組成：客觀性試題與主觀性試題，其中客觀性試題共A分，占X%，主觀性試題共B分，占Y%。具體情況見表1。
填寫試卷基本結構可以發現，題量尚可，試卷題型不夠豐富，填空題可以細化為一般填空和程序計算填空，客觀性試題一般強調知識點考察，常見類型為：單項選擇題、多項選擇題、判斷題和簡單填空題，而主觀性試題則根據學科的不同，一般設有復雜填空題、簡答題、問答題、論述題和計算題等題型。
2.2考試分析指標的定量分析
2.2.1成績數據的錄入與處理
1）定義變量并輸入數據
這是直接方法。啟動SPSS軟件后會啟動Statistics數據編輯器界面，通過單擊VariableView標簽進人變量名編輯窗口，在Name（名稱）下注明學號、姓名、各題型、總分、平時成績和班級代碼。其中，各題型、總分、平時成績和班級代碼均設置為：Numeric（數值）類型，Decimals（小數點長度）定義為0，其余各項使用默認。
第二步，選擇數據視圖，開始輸入數據：從第一行第一列起直接輸入相關數據，這樣，每行輸入一個學生的記錄，各列輸入數據為一個某種題型的成績，最后一列是班級代碼等。
最后保存擴展名為sav格式的數據文件。
2）直接導人外部數據，更改數據類型
為了更好地對數據進行共享，SPSS還可以快速打開和編輯其他格式的文件，可直接導入操作的數據文件包括：MicrosoftExcel文件（*.xls）、SAS、dBase、Stata等格式。
具體的操作步驟為：依次單擊FileOpenData，此時要在文件類型下拉菜單中選擇AllFiles，在出現的全部文件列表中找到關聯文件雙擊，在彈出對話框內選中其中的Read復選框（此項設置為把表格中的第一行作為變量名導人，否則第一行將作為數據導入），單擊OK按鈕后會打開DataEditor界面，就能顯示出剛才導人的Excel文件內容。隨后，也可依次單擊FileOpenSave（Saveas），將當前數據存為其他格式的文件，比如sav格式，方便下次使用。
本文實例數據先對考試系統自動生成的xls文件格式進行數據導入，然后對變量屬性作了適當修改，如圖1、2所示。
2.2.2成績統計的基本描述性分析指標
成績統計分析的基本描述性指標主要有：學生總數、實考人數、最高分、最低分、各等級的人數分布及百分比、均值與標準差、成績分布圖等，相應的描述性統計量包括最小值（Mini-mllm）、最大值（Maximum）、頻數（Frequency）、均值（Mean）、標準差（Std.）、偏度（Skewness）和峰度（Kurtosis）等。這些指標均要求按班級對試卷成績及總評成績進行分析。其中，均值用來描述數據集中趨勢，標準差強調數據的變異性，即數據的差異量數，進而反映數據全貌。而對稱、偏斜及分布陡緩程度等數據分布的結構形態及特征則由頻數、偏度和峰度用來描述。
1）卷面成績的集中和離散數據統計
打開錄入后的數據表，依次單擊AnalyzeDescriptiveSta-tisticsFrequencies，出現頻數對話框，導入要建立頻數分布表和直方圖的項目，同時選上Minimum、Maximum、Mean、Std.devi-ation、Skewness和Kurtosis等參數，得到表1。
依次單擊菜單AnalyzeDescriptiveStatisficsFre-quenciesChartsHisto-gramsWithnormalcurve，顯示出分數段分布圖和直方圖。直方圖如圖3所示。
一般而言，學生成績標準差在滿分的5%-10%以內屬于正常。從圖表中得到的統計值可以發現：①本次考試的兩個班的離散程度均較大，表明學生成績離散度太大，可能是試題的問題，也有可能是學生水平的兩極分化比較嚴重；②學生成績基本呈正態分布；③考生總分偏度值為-0.138和-0.648，依據偏度在數據分析中的意義，本次測試數據顯示：考生所得總分相對集中于平均分左側，即大部分考生成績小于平均分值；④在峰度的計算中，計算結果σ<0，可知在學生成績的正態分布圖有比正態分布更長的尾部，不過盯為較小負值說明，考生成績在平均分附近的集中度雖低于標準正態曲線，但也差別不大；⑤標準差1≥10，差異較大。但是結合對總分的直方圖的觀察，可以發現：低分段考生的成績與平均分的差距較大，這是造成即使大多數考生的總分集中于平均分附近，最后標準差數值仍較大的主要原因。
2）難度指標分析P
對于課程考試來講，保持合適難度是保證試卷質量的前提。
觀測得出：總試題難度大概在0.6-0.8之間，難度值中等偏低，試題適中，相對較難。
3）區分度指標分析D
區分度（Discrimination）是指測驗題目對學業水平不同的學生的區分程度或鑒別能力。區分度作為評價試題質量、篩選試題的主要指標與依據，是測驗是否有效的“指示器”。該指標對于選拔性考試如高考，競賽尤為重要。具有良好區分度的測驗，實際水平高的被試應得高分，水平低的被試應得低分。區分度與難度有一定關系。
在工具軟件環境下，我們一般求出總分與每個試題得分間的積差相關系數作為試題的區分度，可以采用皮爾遜（Pearson）相關分析來對試題進行分析，步驟為：AnalyzeCorrelateBi-variate，在彈出的BivariateCorrelations對話框中選擇各種題型和總分進人Variables，然后在CorrelationCoefficients中點擊Spearman，完成后得到了各個題目的區分度。如表5所示：
從表中數據看出，由于三種題型的Sig.（2-tailed）：p=0.000<α=0.01，相關系數值達到了0.01顯著性水平，表示試題的區分功能顯著。
4）信度指標分析
信度（Reliabilitv）用來反映考生穩定水平可靠性，即測驗能否真實反映學生水平程度的數量化指標，是測驗的必要條件。常用的有重測信度、復本信度、同質性信度、荷伊特信度和評分者信度等。
因為影響測驗水平的因素有很多，導致信度的計算方法也不同，實際使用何種信度要依據考試目的和性質而定，從而選擇其中一種或幾種。
由于高等教育測驗中絕大多數混合了客觀題和主觀題，所以SPSS軟件中一般采用克隆巴赫（Cronbach）α系數計算信度，取值0.5左右即可達標。這種計算方法是由Cronbach于1951年提出的，不要求測驗題目必須是記分型也能計算任何測驗的內部一致性系數。
在工具軟件環境下，依次運行：AnalysisScaleReli-abilityAnalysis，出現對話框，從中選擇所有題型和總分，在Items框的Model項目中單擊選擇Alpha模型，并選中Scaleifitemdeleted復選框，計算出該試卷的信度系數Alpha=0.757。如表6所示：
通常Cronbach僅系數的值在0和l之間。如果Alpha系數不超過0.6，一般認為內部一致信度不足；達到0.7-0.8時表示量表具有相當的信度，達0.8-0.9時說明量表信度非常好。對上機測試來說，信度Alpha=0.757相對信度較高；一般來說，增加試題的數量；保持所有試題的難度接近正態分布；努力提高試題的區分度；嚴格監考和按評分標準給分均可以提高信度。
5）效度分析
效度（Validity）是指試卷準確地測量了考試目的的欲測內容的多少，多大程度上效檢了所要測定的功能或達到其測量目的。
具體地講，就是覆蓋面和權重在教學大綱范圍內的完成情況，體現考試能力水平和反映教學大綱完成的情況有效程度。
公認的效度分類方法是將效度分為內容效度、結構效度、構想效度和效標關聯效度。確定使用何種效度要根據測驗目的而定。常用的效度檢驗方法是：效標關聯效度法，這種方法首先是尋求一種可靠的效標，然后求出測試結果與效標的相關系數，該相關系數則為效標關聯效度。
在工具軟件環境下，依次單擊：AnalyzeCorrelateBi-variate，選擇總分和平時成績字段，隨后在相關系數（Correla-tionCoefficients）中選擇Pearson，計算數據如表7所示。
2.3試卷質量控制的定性綜合分析
1）結合統計數據，進行定性評價
對試卷質量分析時的定性評價應有如下幾個方面內容：一是題量和題型；二是試卷語言的表述是否明確和準確（如參考答案是否正確，試卷內容是否有重復或是對后繼題目有提示等，專有名詞表述是否準確，選擇答案設計是否均衡、排列是否科學，）；三是試卷內容的難易度；四是試卷的內容效度—覆蓋面問題；五是教學重點的突出程度。
2）結合教學實踐，進行教學反思
建立一個長久穩定的指標體系。通過長期分析這些指標，可以更好地客觀地指導我們的教學改革。
檢驗課程設置的合理性。這些可以通過多因素變量的綜合橫向和縱向比較。比如同一課程不同專業的學生的成績是否有差異，進而分專業更合理地優化我們的課程安排。再比如通過長期比較同一課程不同授課教師的成績數據，可以分析出教師之間的差異，進而去了解他們授課方法的不同之處，取長補短，促進教師的經驗交流和快速成長。
統計分析軟件范文4
關鍵詞： SPSS13.0統計軟件 大學英語考試成績 應用
1.引言
社會科學統計大型軟件包SPSS13.0具有操作簡單、靈活、功能性強等特點。作為一種有效的統計工具，在教育統計中所發揮的作用越來越大。在教學中，教師常需要進行諸如考試成績等的統計分析，以評估學生的學習，及時調整教學。SPSS13.0統計軟件能夠代替傳統的手工計算方法，方便快捷，可以輕松地進行多種數據統計和分析。
我通過運用SPSS13.0統計軟件對我校2010級某班級按照學號選取的前30名學生的大學英語A（1）課程期末考試成績進行了統計分析。在此之前，我已把選取的30名學生考試成績的各項數據分為性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7項，輸入SPSS13.0統計軟件。
本研究主要是用SPSS13.0統計分析軟件從二元變量相關分析、雙因素混合實驗設計方差分析與多組配對檢驗等角度對本次大學英語A（1）成績進行分析，以期從分析數據中發現問題并在今后的大學英語教學中進行教學方法或策略的改進或調整，從而有效地增強大學英語教學效果。
2.二元變量相關分析（Bivariate）
相關分析（Correlation）是研究一個變量與另一個變量間的相互關系，研究變量間相互關系的性質和緊密程度。換句話講，相關分析的任務就是對相關關系給予定量的描述。相關系數（correlation coefficient）又叫積差相關系數（product moment coefficient of correlation），用符號“r”表示，一般按“r”的絕對值大小，規定統計學中低于0.40以下的相關系數為低相關；0.40―0.70為較顯著相關；0.70―0.90為顯著相關；0.90―1則為最高相關（胡健穎、馮泰，2002）。
而二元變量相關分析方法可以研究兩個觀測量之間的單相關關系。如果在實際運用中，研究的是多個自變量與一個因變量的復相關關系，則應該抓住其中的主要因素，把復相關轉化為單相關來進行研究。調用Bivariate過程命令可以允許同時輸入兩個或者兩個以上的變量，但是輸出的是變量間兩兩相關的相關系數。
在雙變量相關分析中，對于正態分布資料，可選擇積矩相關系數（Pearson相關系數）；對于非正態分布資料，可選擇等級相關系數（Spearman相關系數）或Kendall相關系數等非參數方法，在本次統計分析中，我首先檢驗性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7個變量之間兩兩相關情況。
步驟一：讀取數據（score analysis.sav），打開analyze-correlate-bivariate；
步驟二：將變量性別、聽力、聽寫、閱讀、詞匯、寫作和總成績選入到variables，在correlation coefficients中選pearson，在test of significance 中選two-tailed；
步驟三：單擊option，在statistics中選means and standard deviations，在單擊continue；
步驟四：單擊OK。
表1數據表明，在本次考試中，所選取30名學生的聽寫成績的標準差（standard deviation）是2.61868為最大，而寫作成績的標準差是1.35782，為最小。
分析：標準差越大，說明離散程度越大，數據就越不均勻，這表明所選取30名學生的聽寫成績在各分項成績中相差最大，也說明學生的聽寫技能相差最大，有一部分學生在聽寫技能方面還需加以強化訓練，這就為今后的大學英語教學中調整教學策略提供了數據支持。而標準差越小，說明離散程度越小，數據就越均勻，這表明所選取30名學生的寫作成績在各分項成績中相差最小，也說明學生的寫作水平相差不是非常顯著。
表2數據表明，在此次考試中，學生的聽寫和總成績之間雙尾檢驗的概率值為0，小于0.01，閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數分別為0.87，0.743和0.449。
分析：學生的聽寫和總成績之間雙尾檢驗的概率值為0，這說明它們之間的相關程度是最顯著的，聽寫能力的高低顯著影響英語總成績。而閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數大，這說明學生的詞匯能力對他們在聽力和閱讀部分的得分起到了顯著影響。
3.雙因素混合實驗設計方差分析
雙因素混合實驗設計方差分析就是包含兩個因素的重復測量設計。我們用該實驗設計來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異，作文評分與學生性別之間是否存在顯著差異。
步驟一：打開Analyze-General Linear Model-Repeated Measures
步驟二：定義被試內因素名及其水平數。我們要檢驗老師所給作文評分與男女學生性別是否存在顯著差異，在Within-Subject Factor Name 中可鍵入“grading”。有3位老師參與了打分，因此在Number of Levels中輸入水平數3，然后點擊Add。
步驟三：定義被試內變量。點擊Define，將變量teacher 1、teacher 2、teacher 3移入Within-Subjects中。同時將性別變量移入Between Subject Factors。
步驟四：選擇被試內變量的對比方法。點擊contrast，在contrast的下拉菜單中，選擇repeated作為變量間的對比方法，再點擊change。
步驟五：點擊options，把幾個變量都移入display mean for中，表示對變量的平均值進行比較。在confidence interval adjustment下拉菜單中選bonferroni，表示進行事后檢驗。選擇descriptive statistics，最后單擊OK。
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix.
a.May be used to adjust the degrees of freedom for the averaged tests of significance.Corrected tests are displayed in the Tests of Within-Subjects Effects table.
b. Design： Intercept+gender
Within Subjects Design： grades
a. Adjustment for multiple comparisons： Bonferroni.
數據描述：由表3數據來看，3位老師所給作文平均分分別為11.5333，11.2667和11.7333，標準差分別為0.35782，1.61743和1.20153。再由表4 Mauchly球形檢驗數據結果看，Mauchly檢驗值為0.848，明顯大于0.05。而表6被試內效應檢驗結果看，由于表4中的Mauchly檢驗結果0.848大于0.05，我們就只看sphericity assumed的結果就可以了。由表5數據可見，對評分變量進行的sphericity assumed檢測結果為0.310，顯著水平明顯大于0.05。而對評分變量和性別因素變量進行的sphericity assumed檢測結果為0.545，也明顯大于0.05。由表6數據可見，教師1和教師2所給作文評分相對教師1和教師3所給作文評分檢驗P值均為1.000，而教師2和教師3之間的評分檢驗P值為0.432，而性別和作文得分的檢驗P值為0.545。
本文為全文原貌 未安裝PDF瀏覽器用戶請先下載安裝 原版全文
分析：上述評分檢驗P值數據說明，3位老師對所選30位學生的作文評分差異不具有顯著性，同時還看到，教師在評分時受學生性別因素的影響也不具有顯著性。這說明閱卷老師在作文評分中，對作文評分標準地把握還是比較科學、合理且比較一致的，比較客觀、公正地反映出了學生作文的真實成績。
4.多組配對檢驗（Friedman Test）
我們還可以通過多組配對檢驗（Friedman Test）來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異。
步驟一：打開Analyze - Nonparametric Test - K Related Samples（多列相關樣本）；
步驟二：選擇檢驗變量。將教師1、2、3對學生作文的評分分別移入Test Variables，并在檢驗類型中選Friedman。
步驟三：選定輸出統計量。點擊Statistics，選擇Descriptive。點擊OK。
由表9數據可得出，多組配對檢驗顯著水平為0.177，大于一般可接受的0.05的顯著值，表明三個變量之間不存在顯著差異。也就是說，三位老師對30名學生作文的評分是比較一致的。
5.結語
大學英語A（1）考試是2010級A班學生在完成了大學英語第一學期的教學任務后進行的終結性評估（summative test）（金艷，2005），但是數據分析表明此種形式的評估只能從一定程度上反映教學的結果，還不具備對整個教學過程或教學全貌進行評估的能力。
其次，本次考試的效度、信度和可操作性之間也會存在問題，尚需對試卷進行全面的統計分析。另外，針對主觀題部分的批改，為保證批卷老師的閱卷信度（包括批卷老師的評分一致性、批卷老師之間的評分一致性），應該采取系列措施，包括制定明確的評分標準、確定評分參照卷、嚴格的閱卷前培訓、閱卷過程隨機抽查等（楊惠中、金艷，2001）。
總之，測試既是教育系統的有機組成部分，又是教育系統中不可缺少的環節。對測試結果的分析測量和評價應當是每一位語言教師必備的能力。本研究側重于如何使用SPSS13.0工具的二元變量相關分析與雙因素混合實驗設計方差分析來分析本次大學英語測試成績，從中發現學生在大學英語學習中哪些技能相差最大，這就為今后的大學英語教學中調整教學策略提供了數據支持，并能更加有效地增強大學英語教學效果。
參考文獻：
［1］胡健穎，馮泰.實用統計學［M］.北京：北京大學出版社，2002：236-237.
［2］皇甫偉.SPSS相關分析與線性回歸分析在英語考試成績分析中的應用［J］.中國電力教育，2007，（10）：52-53.
［3］金艷.大學英語四、六級考試改革思路與未來展望-解讀《全國大學英語四、六級考試改革方案（試行）》［J］.中國大學教學，2005，（5）：49-53.
統計分析軟件范文5
R是一個有著統計分析功能及強大作圖功能的軟件系統，由Ross Ihaka和Robert Gentleman1共同創立。R語言可以看作是由AT&T貝爾實驗室所創的S語言發展出的一種方言。因此R既是一種軟件也可以說是一種語言。首先，R是完全免費的自由軟件，使用者可以在上面隨意進行二次開發。它開放源代碼，具有很多功能強大的第三方開發的模塊。其次，R是一種可編程的語言，使用者可以在R中很容易的寫出自己希望執行的程序，不會受固定模塊的限制。再次，R具有很強的互動性，輸入和輸出都是在同一個窗口進行（除了圖形輸出），這點和SAS有很大的區別。最后，R具有強大的圖形輸出功能，輸出的圖形輸出的圖形不但可以存成JPG、BMP、PNG等主流圖片格式，還可以保存為PDF文件。它善于輸出各種常用的統計圖形，如餅圖、直方圖、散點圖、箱圖、QQ圖等。
相比于大家熟悉的統計軟件SPSS和SAS，R軟件以其高度的靈活自由性正受到越來越多統計學者的青睞。以易用性著稱的SPSS和功能強大的SAS軟件都包括了很多功能強大的統計分析模塊，分析人員必須在它們既定的模塊上進行各種分析。但是，隨著信息技術的飛速發展，越來越多的統計分析新方法被提出來，尤其是在證券分析領域，使用既定模塊分析的統計軟件已經不能及時地跟上發展的速度。這個時候就需要人們自己用編程來實現這些新方法，R就提供了這樣一個很好的平臺。
二、理論基礎
1.Markowitz投資組合模型
假設ri是投資在第i種證券上的收益率，它是隨機變量，ui是第i種證券的預期收益率，σij是ri和rj的協方差（σii是ri的方差），wi是投資在第i種證券上的投資比例，則投資組合的收益率∑ri×wi是隨機變量，wi是由投資者確定下來的非隨機變量，顯見∑wi=1，并且根據假設（8）有：wi≥0。則可得到投資組合的預期收益率為E=∑Ni=1wiui，方差為V=∑Ni=1∑Ni=1σijwiwj，或者用相關系數表示為V=∑Ni=1w2iσ2i+2∑1≤i＜j≤Nwiwjρijσiσj。
Markowitz投資組合模型為：
min∑Ni=1∑Ni=1σijwiwj
s.t.E=∑Ni=1wiui
∑wi=1
wi≥0,i=1,2,…,N
Markowitz證券投資模型所基于的的重要假設之一是：證券的收益率ui可以視為隨機變量且服從正態分布，其性質由均值和方差來描述。
2.證券預期收益率的預測方法
在證券收益率服從正態分布的假設下，我們必須對模型中的一個重要參數――證券的預期收益率做出合理預測。在此，我們介紹預測證券預期收益率常用的兩種方法：計算證券收益率的期望值和加權期望值。
計算證券收益率的期望值，這是Markowitz在其著名的論文《投資組合選擇》中所使用的方法。他通過計算最近N周內收益率的期望值作為第N+1周收益率的預測值。而計算加權期望值的方法則有很多，如果投資者認為據目標期時間越近則關系越密切，那么就可以將歷史數據中的各時期的收益率進行加權平均，使得據目標期時間越近的收益率的權重越大。這類方法中最常見的當屬指數平滑法。指數平滑法的基本公式是：St=αYt+(1-α)St-1，其中St表示時間t的平滑值，Yt表示時間t的實際值，St-1表示時間t-1的平滑值；α表示平滑常數，其取值范圍為[0,1]。St是Yt和St-1的加權算數平均數，α的取值大小決定了Yt和St-1對St的影響程度。St具有逐期追溯性質，可探源至S1為止，包括全部數據。在此過程中，平滑常數以指數形式遞減，故稱之為指數平滑法。平滑常數的取值至關重要，它決定了平滑水平以及對預測值與實際結果之間差異的響應速度。平滑常數α越接近于1，遠期實際值對本期平滑值的下降越迅速；平滑常數α越接近于0，遠期實際值對本期平滑值影響程度的下降越緩慢。由此，當時間數列相對平穩時，可取較大的α；當時間數列波動較大時，應取較小的α，以不忽略遠期實際值的影響。
三、R軟件在證券收益率的分析與預測中的應用實例
1.驗證Markowitz模型的重要假設：證券收益率服從正態分布
（1）數據讀取
對于存儲在文本文件（ASCII）中的數據，R可以用函數read.table來創建一個數據框，這也是讀取表格形式數據的主要方法。例如若包含某證券共100周開盤和收盤指數信息的數據文件“data.txt”存放在D盤上，我們可通過以下命令格式來讀?。?/p>
mydatas＜-read.table(“d:/data.txt”,col.names(“p0”,“p1”))
其中數據框名為mydatas,數據框中每個變量被依次命名為：p0，p1，（缺省值為V1，V2……）。
（2）計算證券的周收益率
假設某種證券在最近N周內的收益率分別為r1,r2,…,rN，則ri=p1i-p0ip0i×100%，其中p0i表示第i周第一天的開盤價，p1i表示第i周最后一天的收盤價。R中通過對數據框mydatas的變量p1和p0進行運算操作，可計算出用數據框wp存儲的周收益率。命令格式為：
wp=(mydatas[“p1”]-mydatas[“p0”])/mydatas[“p0”]
通過使用fix（wp）函數，可以對wp的變量名進行修改，使其具有直觀的名字，如weekprofit。
輸出結果：
〉wp
weekprofit
11.66087551
2-0.61299388
3-0.85826857
…………
98 -1.13587649
99 -0.95793858
100 -1.51198618
（3）對周收益率數據進行初步分析
運用R中的summary和fivenum函數可以得到數據組的匯總信息，并對數據組的數據結構獲得初步了解。命令格式：
summary(wp$weekprofit)
輸出結果為：
Min. 1st Qu. Median Mean 3rd Qu. Max.
-1.6070 -0.3188 0.3479 0.3854 1.0790 2.8640
命令格式：
fivenum(wp$weekprofit)
輸出結果為：
[1]-1.6066727 -0.3195476 0.3479232 1.0935828 2.8636463
（4）作出周收益率的直方圖
為了更加直觀的分析周收益率這組單變量數據的分布，我們首先作出柱形圖，命令格式為：
hist(wp$weekprofit)
（5）繪制密度圖
為了更加清晰地分析該數據組的分布特征，我們在柱形圖基礎上繪制密度圖，命令格式為：
lines(density(wp$weekprofit))。
（6）求周收益率的經驗分布函數
命令格式為：
ecdf(wp$weekprofit)
輸出結果為：
〉 ecdf(wp$weekprofit)
Empirical CDF
Call: ecdf(wp$weekprofit)
x[1:100] = -1.6067, -1.5275, -1.512, …, 2.6041, 2.8636
（7）作出經驗分布函數圖
命令格式為：
plot(ecdf(wp$weekprofit),verticals=TRUE)
（8） 擬合正態分布
從以上的分析可以看出這個數據組的分布還是與正態分布比較相似的，因此我們擬合一個正態分布，并且使擬合后的圖與經驗分布函數圖相重疊。命令格式為：
〉plot(ecdf(wp$weekprofit),verticals=TRUE)
〉x〈-seq(-1.7,3,0.1)
〉lines(x,pnorm(x,mean=mean(wp$weekprofit),sd=sqrt(var(wp$weekprofit))))
圖中的實線便是正態分布的擬和線，由上圖可以清晰地看到，擬和后的曲線與原經驗分布函數基本吻合。但要具體考察二者的吻合程度，R軟件為我們提供了更精確的工具。
（9） 做出分位比較圖（Q-Q圖）
為研究（8）中正態擬和線與經驗分布函數的吻合程度,R軟件提供了分位比較圖（Q-Q圖）來完成這個任務。命令格式為：
qqnorm(wp$weekprofit)
qqline(wp$weekprofit)
由上圖可見，二者具有優良的吻合度，未出現明顯的偏離正態期望的長尾區域。
（10） 正態性檢驗
R中提供了Shapiro-Wilk檢驗和Kolmogorov-Smirnov檢驗兩種正規的正態性檢驗方法。命令格式分別為：
shapiro.test(wp$weekprofit)
ks.test(wp$weekprofit,“pnorm”,mean=mean(wp$weekprofit),sd=sqrt(var(wp$weekprofit)))。
我們應用Kolmogorov-Smirnov檢驗可以得到以下輸出結果為：
One-sample Kolmogorov-Smirnov test
data:wp$weekprofit
D = 0.0451, p-value = 0.987
alternative hypothesis: two-sided
由于檢驗所得p值非常接近1，由上述分析可以驗證證券收益率近似服從正態分布。
2. 預測證券的預期收益率
方法一：計算這支股票的期望收益率。以最近時期內的樣本期望值來估計得到第N+1周的預期收益率為rN+1=1N∑Ni=1ri，這也是Markowitz在《投資組合選擇》中所采用的方法。命令格式為：
mean(wp$weekprofit)
輸出結果為：
[1] 0.385416
方法二：用指數平滑法計算加權期望收益率。如果投資者認為據目標期時間越近則關系越密切，這樣就可以將歷史數據中的各時期的收益率進行加權平均，據目標期時間越近則權重越大。本文以指數平滑法為例闡述期望收益率的這種估計方法。[2]假設某種證券在最近N周內的收益率分別為r1,r2,…,rN，則在估計該證券的預期收益率時，可以得到這些收益率的追溯預測值1,2,…,N
i+1=αri+(1-α)i
1,=r1+r22
R=N+1
其中，R表示預期收益率；α表示加權系數，介于0和1之間，由投資者決定。
注1:一般情況下如果收益率序列{ri}波動不大，則α應取小一點，比如：0.1-0.3；如果收益率序列{ri}波動較大，則α應取大一點，比如：0.6-0.8。
注2:在實際操作中，可取多個值進行試算，比較它們的MAE=1N∑Ni=1|ri-i|，取較小者為準估計預期收益率。
在此，我們若取α=0.1，運用R軟件提供的自由、靈活的編程環境，作者對指數平滑法預測證券收益率的方法進行了編程，命令格式為：
〉 r=NULL
〉 r[1]=(wp[1,1]+wp[2,1])/2
〉 for(i in 2:100){
r[i]=0.1*wp[i-1,1]+(1-0.1)*r[i-1]}
〉 R=NULL
〉 R=0.1*wp[100,1]+(1-0.1)*r[100]
輸出結果為：
〉 R
[1] -0.3395193
四、小結
本文簡要介紹了R統計軟件的特點，以及如何應用R軟件檢驗Markowitz模型的重要假設：證券收益率近似服從正態分布。我們先后求出了證券的周收益率，做出了柱形圖，求出了密度函數，經驗分布函數，進行了正態分布擬合，用分位比較圖驗證了吻合程度，最后應用Kolmogorov-Smirnov法進行了正態檢驗。接下來又運用R軟件，通過自由編程，結合期望值法和指數平滑法分別對證券的預期收益率進行了預測。通過分析我們看到 R軟件在證券分析中的應用非常自由、方便、有效，在進行證券分析與預測時具有廣泛的應用空間。但R并不局限于解決某一類問題，在證券的數據分析中，還可以應用于各類概率分布的擬和，如logistic分布、Poisson分布等，并進行相關的假設檢驗。此外，R除了具有可以與其他商業軟件相媲美的統計分析功能，還為廣大的用戶提供了一個強大靈活的編程平臺，這無疑為證券分析學者提供了一個靈活而自由的創新空間。
統計分析軟件范文6
關鍵詞：電路分析；Delphi；多媒體教學
作者簡介：王勇（1984-），男，河南駐馬店人，軍械工程學院電氣工程系，講師；劉正春（1982-），女，四川內江人，軍械工程學院電氣工程系，講師。（河北石家莊050003）
中圖分類號：G642 文獻標識碼：A 文章編號：1007-0079（2012）14-0059-02
“電路分析”是研究電路的基本理論和分析方法的課程，[1]是軍械工程學院（以下簡稱“我院”）專業人才培養方案中的一門專業教育類學科專業基礎必修先導課程，該課程被評為2010年度總裝備部院校優質課程。教師同時也認識到教學過程中存在一些問題，比如課程資源雖然比較豐富，但較為分散，利用起來不方便；出于安全保密的需要，多媒體教室里的計算機安裝的應用軟件如MATLAB再次啟動時會自動卸載，而且MATLAB非常龐大，安裝攜帶都不方便，利用虛擬仿真技術促進授課質量受到限制；新形勢下第16次全軍院校會議精神對課程教學改革又提出了新的任務和要求。因此，進行“電路分析”課程多媒體教學資源整合與優化研究，開發出界面友好、功能強大、免安裝、使用方便的多媒體教學軟件系統是非常有必要的，必將為打造軍隊級優質課奠定良好的基礎。
一、“電路分析”課程多媒體教學軟件體系結構設計
“電路分析”課程多媒體教學軟件體系結構設計如圖1所示，由課程標準、知識雜燴、課程內容、測試考核、成果展示五大部分構成。
1.課程標準
針對生長干部學歷教育電類專業培養對象，制訂了“電路分析課程標準”，為教員開展課堂教學提供了重要參考依據。課程標準概述了課程的地位、性質、基本理念和設計思路，提出了課程總體目標與具體分目標，詳細規定了教學實施的內容、學時、難度等級、具體要求、教學建議等內容標準，對開設時間、考核評價、教學要求、保障條件、選編教材了提出了實施建議。根據人才培養方案的具體變化和要求，“電路分析”課程標準必須適應新的培養任務，不斷修訂和完善。
2.知識雜燴
為了培養學員獨立獲取知識的能力，增強“電路分析”課程學習過程中的知識性、趣味性，擬構建的多媒體教學軟件系統除了包含教學大綱、電子課件與教案等基本課程內容資源外，還應當提供這樣一個信息平臺：
（1）電學名人軼事與發展歷史。本部分給出了與電學相關的名人簡介，包括他們的肖像、國籍、生卒年月和主要貢獻，以及電學發展典型歷史事跡。制作本部分的目的是為了讓學員在學習理論知識的同時，也了解為本門課程的發展做出貢獻的科學家，使學生增長知識，激發學習興趣。
（2）學科發展動態。該信息模塊為用戶準備了內容豐富的公共信息，如有關電路分析課程的各種科技動態或相關熱門新聞，一些反映當前的最新成果及相關知識和相關技術，使師生能及時了解電路分析教學的最新走向和科學技術的最新發展，增強感性認識，擴大知識面，節省了瀏覽者查找信息的時間。
（3）計算機輔助分析工具。介紹常用的EWB、MATLAB、PSpice、Multisim等電路仿真軟件及其應用，為開展課程內容教學相關的虛擬仿真實驗打下良好的基礎。
（4）電路實驗縱覽。包含課程所涉及的實際電子元器件――電阻、電容、電感、二極管、運算放大器等相關的種類、型號、系列標稱值等內容介紹。此外，還對幾種常用的實驗儀器儀表進行了簡單說明，敘述了誤差分析理論與實驗數據處理。其目的在于使學員在實驗前對常用的電子器件和電子儀表有一個大致的了解。
3.課程內容
課程選用教材為邱關源主編的《電路》，高等教育出版社2006年第五版，該教材是國家、軍隊推薦使用的教材。如圖1所示，將課程內容劃分為電路基本模型、定律與定理，直流電阻電路，動態電路，正弦穩態電路等五部分，[1，2]使學員對“電路分析”課程的知識體系有一個宏觀的認識。每一章內容又具體包含以下幾部分：
（1）重點難點分析。該課程的概念多、定理多，開展教學過程中教員要引導學員掌握教學重點、突破教學難點，學員才能學好這門課程。此部分明確了本章教學的重點和難點，并進行了系統地總結和歸納，達到提綱挈領的目的，具有較高的概括性、全面性，易于理解及應用。
（2）學習方法指導。概括了本章分析求解電路問題的基本思路和方法，為學員利用本章知識點分析電路提供有力的指導。
（3）網絡課堂教學。由教學視頻、電子課件、電子教案三部分組成。教學視頻錄制了教員實施教學的情況；電子課件是教員課堂使用的多媒體課件PPT，其內容精簡而系統，融入例題和習題，突出了本講內容的重點和難點；電子教案本著精選經典、聯系前沿和突出應用的原則取舍教材內容，融入了教員多年的教學經驗，并進行了重新排版和總結，使之在結構上更有條理性、更清晰。以電子教案為指導，每一講教學視頻與其自播放電子課件實時對應，授課過程能實現圖、文、聲、像實時同步播放，授課內容可自行控制，能夠讓學員在課后真實體驗課堂教學。
（4）虛擬仿真實驗。在某些章節的教學過程中適時地利用計算機軟件進行教學及模擬實驗仿真，為學員提供了一個虛擬的實驗環境，可以提高學員的學習興趣，讓學員更直觀地掌握電路分析的基本理論，更有利于培養學員的實踐技能和創新能力。
EWB（電子學工作平臺）軟件不但提供了各種豐富的元器件，還提供了各種調試測量的虛擬儀器，如萬用表、電壓表、電流表等，給教學提供了一個實驗器具完備的綜合性電子實驗室，可以在任意組合的實驗環境中進行仿真實驗；MATLAB是一個異常龐大的軟件系統，它的矩陣計算功能強大，并且運用其Simulink工具中的PSB（Power Systems Blockset）模塊進行仿真分析，不用編寫程序，只需要繪制出電路圖，然后運行仿真，即可得出結果（包括幅值和相位甚至波形圖）。因此，選用EWB仿真軟件作為電路仿真工具，以MATLAB作為輔助電路計算工具。[3]
（5）典型例題剖析。這個單元里面收集了許多典型的例題及其詳細的解題過程。
（6）同步練習題集。大量的習題，讓學員自己檢測對本章內容的掌握情況，并加深對內容的理解。
（7）課后作業解答。對教材提供的練習題精篩細選，通過典型的習題讓學員鞏固掌握分析電路問題的基本方法，并給出詳細的解題過程以及多種靈活的求解電路問題的途徑。
4.測試考核
該課程的測試考核可由構建的“測試考核自動命題系統”來完成，主要由交互測試模塊、自動命題模塊以及試題庫管理模塊組成，能夠實現交互自我測試、試卷的自動生成以及題庫的維護功能。該系統既能使學生檢測自己的學習情況，又能輔助教師出具試卷，減輕教師的工作量。
在精選試題庫習題時采用分層次遞進的結構，按章節將習題分為3個層次：基本練習題，這是大多數學員必須會做的習題，這種層次的習題應在考試中占百分之七十左右；復習提高題，這種題應難做些，不必要求人人會做，是給學有余力的學員提供的，特別是要考研的同學；用計算機分析和仿真練習題，是供學員選用的，一般不要求。
5.成果展示
該欄目展示了有關電路課程的各種教學科研學術成果，如教學研究與教學改革課題成果、教學研究論文、科技創新小制作、學員學習體會與總結等。
二、基于Delphi的“電路分析”課程多媒體教學軟件系統開發
Delphi是強大而靈活且可視化的面向對象的編程語言，作為一種高效率的應用程序開發工具，在數據庫處理上的優越性使其成為開發者的首選工具。[4，5]
本著切實加強教學建設、提高教學質量的目的，利用現代化信息技術手段實現優質的教學資源共享為目的，遵循“全面、優質、改革”的原則對課程內容進行全面建設。由于“電路分析”課程內容多，所以在功能操作上力求簡單、層次分明。在這里就以軟件系統部分實際效果圖2和圖3為例，來說明擬開發“電路分析”課程多媒體教學軟件系統。
運行基于Delphi開發生成后的.exe可執行文件，首先播放前言滾動字幕，簡要介紹課程及軟件系統，然后進入到“電路分析”課程多媒體教學軟件系統主界面，如圖2所示；點擊“進入”，就來到如圖3所示的一級界面，其基本內容可參考圖1，有“課程標準”、“知識雜燴”、“課程內容”、“測試考核”、“成果展示”五大部分。每一部分當中的內容主要通過多級菜單界面形式來實現對所有內容的訪問，此外還設有導航按鈕，既可用來返回到主菜單，又可實現按主題對各知識點的直接檢索。
在“課程內容”部分以章節的形式來編排教學內容，點擊目錄就可進入各章節，每章都有“重點難點分析”、“學習方法指導”、“網絡課堂教學”、“典型例題剖析”、“同步練習題集”、“課后作業解答”6個模塊，部分章節還設有“虛擬仿真實驗”，如圖1所示。另外，除了開始界面外，任何一頁都設有超鏈接按鈕，能夠前進、后退、鏈接到各級目錄，以方便使用。
三、結論
基于Delphi開發“電路分析”課程多媒體教學軟件系統，充分發揮多媒體的優勢，把文本、圖形、圖像、聲音、動畫等多媒體手段有機地結合起來，既能完整地展現“電路分析”這門課程的方方面面，又能用動態、立體、全方位變化的視屏效果來彌補傳統教學的不足；把課程內容盡量表達得簡捷明了，而且又能適應網絡遠程教學的需要。同時，通過大量的信息儲備，多媒體教學系統可以為學員學習提供多種選擇的可能，打破了傳統教育的單一課堂教學模式，突出了多媒體輔助教學的多樣化和個性化。
Delphi在編好程序后自動轉換成.exe可執行文件，它運行速度非常快，編譯后不需要其他的支持庫就能運行，而且采用已有的Delphi與MATLAB的混合編程新方法，[6]使多媒體教學軟件系統能充分利用MATLAB的強大運算功能并脫離MATLAB環境獨立運行。因此，基于Delphi開發的多媒體教學軟件系統對計算機的運行環境要求比較低，使用更加方便。同時依托我院校園網電氣工程學科專業網站，在精品課程中增加該教學軟件系統，充分開發網絡資源，使用開放的教學手段，增設教學討論區，為教員組織網上教學和討論、課外輔導和答疑提供了快速、便捷的手段，為教員開展教學研究、課程改革提供了第一手資料，還為課程的可持續發展奠定了基礎。
參考文獻：
[1]邱關源,羅先覺.電路(第五版)[M].北京:高等教育出版社,2006.
[2]劉崇新,羅先覺.電路學習指導與習題分析(第五版)[M].北京:高等教育出版社,2006.
[3]胡建萍,王宛蘋,馬金龍.電路分析基礎CAI系統[J].杭州電子工業學院學報,2001,(4).
[4]Borland International,Inc.Delphi使用指南[M].北京:石油工業出版社,
1996.
