郑海珠

【摘要】根據逐步回归分析建立初始模型，通过比较模型间拟合指数，建立了英语学习成绩影响因素结构方程模型，发现学习自我监控、被试的性别、智力等因素对学习成绩有影响，但变量标准化系数有所不同。

【关键词】逐步回归分析 学习成绩 影响因素 结构方程模型

一、引言

在初中阶段英语学习作为初中学生成绩占有重要地位，特别对于理科生英语学习成绩的好坏直接影响学生未来发展，影响英语成绩的因素有哪些呢？经过大量研究发现，英语成绩不仅与学生本身的因素如自我监控能力、智力水平有关，与学生的外部因素如家庭教育、所处学校的师资水平也有关系。但上述是分别观测了某一个方面如师资力量、家庭教育、学习自我监控得出的结论。这些结论多是研究者通过理论构建量表直接对被试者进行测试得到的结果。本研究以影响初中生英语学习成绩的因素为出发点，根据逐步回归分析建立模型，通过比较模型间拟合指数来建立初中生英语学习成绩影响因素的结构方程模型，探明学习自我监控、智力及被试的性别、在家排行等因素对英语学习成绩是否有影响，为提高学生的英语成绩提供理论指导。

二、研究方法

1.测试对象。本研究测试对象为肇庆市鼎湖区二所普通初中有代表性的初一学生200名，其中男生127名，女生73名。

2.研究工具。

（1）智力测试题。本研究采用国际通用的智力测试题。此测验效度为0.45，信度为0.78，这个测验的效度和信度都较好。

（2）英语学习自我监控表。依据董奇、周勇编写的学习自我监控量表，设计了英语学习自我监控量表，自我监控量表囊括三个方面五个维度英语学习前的计划性、学习中的认识性和方法性以及学习后的检查性和总结性。此测试效度为0.42，信度为0.75。

3.测试。本次测试使用两份量表以及一份英语试卷，测试者先完成智力测试和英语学习自我监控量表，然后完成以英语成绩为主要的因变量，适合初一学生的英语试卷。

4.研究方法。数据的录入与管理以及统计分析采用SPSS19.0软件。

三、结果与分析

初中生学习成绩影响因素逐步回归分析。

研究假设：学习自我监控、智力水平、性别、学校、在家排行对英语成绩有显著影响。为了验证我们的假设，经过逐步回归分析，建立模型，再通过比较模型间拟合指数的差异来筛选最优模型。

可以看出，模型2的R方为0.565，大于模型1调整R方值0.510，模型3的R方值为0.579，大于模型2的R方调整值0.560，说明模型可解释的变化占总变化的比例越来越大，引入方程变量是显著地。

研究结果如下：

1.模型1验证了自我监控对英语成绩有显著的正向影响，英语自我监控能力越强，越有利于英语成绩的提高。

2.模型2验证了智力对英语成绩有正相关。

3.模型3验证了在家排行对英语成绩有显著的、负相关影响。

4.没有验证假设学校和性别对英语成绩有影响。

5.给出了所有模型的回归系数估计值，根据模型3可以建立多元线性回归方程：经t检验，自我监控、智力的显著性P值都远小于0.01，因而具有非常显著性意义，在家排行的显著性P值为0.01，因而具有显著性意义。

6.给出了各个模型中已排除变量的统计信息。可见，模型3中变量学校和性别t检验的显著性概率值都大于0.05，所以他们不能被引入模型。

四、讨论

学生的学习成绩一直受到智力和动机两种因素的限制，智力对学习的影响是非常显然的，它可影响学习成绩的27-35%。由此可见智力对英语成绩是有影响的。我国应该加强对孩子智力开发的研究，为提高我国儿童的智力水平添加动力。

自我监控与数学的关系最为密切，补救性和方法性的自我监控能力的差异是造成学业成就中等生和学习优良生数学成绩差异的重要原因。而自我监控与英语、语文的关系则与学生的类型有关：学业成就中等生的自我监控与英语、语文成绩无显著相关。而学习优良学生的自我监控则与英语成绩有显著的正相关。由此可见，自我监控能力在总体上是影响学生英语学习成绩的。因此，在教学中，老师应注意学生自我监控能力的培养与提高。

本研究的结果中与研究假设相矛盾的是学校和性别对英语成绩没有影响。造成这样结果的原因我们认为可能主要有两点，第一点采样范围，本次研究是在同一县城的两个初中取样，取样范围不够广泛。第二点采样地点，由于采样地点在城镇，与城市的各方面有所差异。以上可能是造成结果与假设矛盾的原因。在以后的研究中将予以改进。

五、结论

1.通过逐步回归分析以及模型间拟合指数的比较，完成了初中英语学习绩影响因素结构模型，学习自我监控，智力、家中排行等因素对学习成绩有影响而性别、学校对学习成绩的影响不显著。

2.由建立的结构模型可知，智力、英语学习自我监控能力、在家排行对英语学习成绩有直接影响，但是变量间的标准化系数有所不同。

参考文献：

[1]赵芳林，牛雅莉.应用逐步回归分析的方法建立教学评估模型[J].科技信息，2007，（03）：141-123.

[2]张华嘉，舒元.逐步回归分析的拓展[J].中山大学学报（自然科学版），1998，（05）：12-15.

[3]郭会利.多元回归分析的逐步回归预测模型[J].考试周刊， 2009，（26）：92-93.endprint