描述性统计论文

描述性统计论文（精选5篇）

描述性统计论文 第1篇

工业品出厂价格指数是反映全部工业产品出厂价格总水平的变动趋势和程度的相对数。通过工业生产价格指数能观察出厂价格变动对工业总产值的影响。本文主要研究我国PPI变动的总体趋势, 以期加深对该经济指标的理解, 并对今后的经济政策的制定提供相关信息。在以往的研究中我们发现许多的宏观经济变量都在一定程度上表现出非线性的特性, 比如汇率、失业率、股指等等。目前, 关于非线性模型的研究很多, 本文试图利用STAR模型来描述我国的PPI数据, 因为PPI属于周期性指标, 它会随着经济的周期性波动而发生变化, STAR模型可以实现两个机制之间的平滑转移而非突然地跳跃, 这可以很好地描述因突发性的经济现象给经济带来的负面影响。国内外基于STAR模型的实证分析也很多。例如:Sarantis (1999) 使用STAR模型研究1980年至1990年十大主要工业国家的月度实际汇率。实证结果显示, 除了荷兰与瑞士以外, 其他国家的实际汇率序列均有明显的非线性关系, 他还根据数据特征选择不同的非线性模型 (ESTAR和LSTAR) 来拟合数据, 并且发现其中三国实际汇率序列使用LSTAR模型拟合较为适合, 而其他五国则应将模型设定为ESTAR。估计得到的模型都通过了诊断检验, 能够对实际汇率提供合理的解释。David G. (2003) 分别基于线性模型、LSTAR模型和ESTAR模型, 使用1975年1月至1995年4月的季度数据, 研究英国股指与宏观经济变量 (失业率、工业生产指数、消费物价指数、广义货币供给余额) 之间的相关性, 并使用1996年1月至2001年4月的数据作为样本外预测。实证结果表明, ESTAR模型的样本内与样本外的预测效果均优于LSTAR模型和线性模型。Jiazhou所做的关于瑞士的工业价格指数的研究, 用STAR很好地刻画了该国的工业价格指数变化。我国学者刘柏、赵振全基于STAR模型的中国实际汇率非线性态势预测表明了汇率向购买力平价转移的趋势。谢赤、戴克维、刘潭秋应用平滑过渡自回归 (STAR) 模型来揭示人民币实际汇率的动态行为, 研究发现, 以logistic函数作为过渡函数的STAR模型能很好地描述人民币实际汇率的行为。

二、平滑移动自回归模型 (STAR)

平滑移动自回归模型是由Tera咬svirta及Anderson在1992年所发展的, 最初是被用在研究景气循环方面的, 其模型表达式如下:

其中, yt表示被解释变量, 它可以是具体的经济成果。xt表示解释变量组成的向量, 包括目标变量yt的直到k阶的滞后变量, 即有:xt= (1, yt-1, ……, yt-k) '。β= (β0, β1, …βk) ', θ= (θ0, θ1, …θk) '为参数变量。F (yt-d) 是一个连续的过渡函数, 也称转换函数, 取值范围[0, 1], 通常具有如下形式:

其中, γ为过度参数, γ>0决定了两个制度之间过渡的平滑性和过渡速度大小, yt-d是延迟变量, d是延迟阶数。

转换函数为 (3) 式的STAR模型称为LSTAR:当γ→∞时, 如果yt-d燮c则F (yt-d) =0;如果yt-d>c则F (yt-d) =1。当γ→0, F (yt-d) 就会变成一个AR (p) 模型。

转换函数为 (4) 式的STAR模型称为ESTAR:ESTAR的转换函数关于yt-d=c是对称的, 当γ→∞或γ→0时, 转换函数就会退化为常数 (1或0) 使得ESTAR模型退化为线性模型。两种转换函数都将随着γ的增大而变得陡峭, 也就意味着转换速度变得越来越快。

三、模型的构建与转换函数的选择

基于以上讨论STAR模型的构建可以按照下面的步骤来进行。

第一, 根据所研究课题定义一个恰当的k阶线性自回归模型AR (k) 。

第二, 针对不同的d值做非线性检验, 选择最合适的延迟阶数。

非线性检验的核心思想是Luukkonen、Saikkonen和Tera咬svirta (1988) 提出的, 即将转换函数G (st, γ, C) 用适当的泰勒级数展开式近似值替代, 这样就避免了不能直接对线性与非线性假设进行检验的问题, 并且在线性原假设成立的条件下, LM统计量渐进服从x2分布。我们将转换函数在γ=0处按三阶泰勒公式展开得到如下的辅助回归方程:

其中, Xt= (yt-1, yt-2, …, yt-k) ', ωt是误差项。

其线性测试为H0:准2=准3=准4=0。对上式进行F检验, 求出所对应的F值。如果有多个d值所对应的上式的原假设被拒绝, 就选具有最大F值或对应最小的k值作为选取d值的依据。

第三, 模型选择。在线性假设被拒绝的情况下, 在LSTAR模型与ESTAR模型之间做出选择。该步可由以下的一系列嵌入测试完成:

如果拒绝H4, 应选择LSTAR模型;如果接受H4而拒绝H3, 则应选择ESTAR模型;如果接受H4和H3而拒绝H2, 应选择LSTAR模型。通过F检验, 选择具有最大F值所对应STAR模型。

四、实证分析

1、数据

本文以我国的工业品出厂价格指数为研究对象, 数据来源于凤凰卫视数据库。为了研究2007年爆发的全球性金融危机对中国经济的影响, 收集的数据为2000年1月到2010年12月的月度工业品出厂价格指数。用I (t) 表示从每一个时点t观察到的PPI指数, 并对该指数做季节处理和一阶差分, 记为:

其基本趋势如图1。

从图1中我们可以清楚地看到我国的PPI指数从2000年初到2008年上半年波动趋势比较缓和, 然后突然急转直下达到了一个历史低点。如果所考察数据是非线性的, 那么使用线性模型做估计和预测就会导致错误, 因此我们有必要进行一个线性测试。在进行线性测试之前, 让我们先做一个诊断看该时间序列数据是否存在断点, 为了测试结构上的变化和断

点, 我们通常用邹检验来考察, 观察整体回归是不是比较断点分开的两个自回归更加有效。

首先我们记整个时间序列数据构成的模型是一个p阶的自回归模型yt。

如果我们把数据在点T0处分成两组, 被认为是一个潜在的断点, 那么我们就会得到如下的两个自回归模型:

检验的原假设:β10=β20, β11=β21, …, β1p=β2p;被择假设:至少有一个等式不成立。

检验统计量:

其中K是总的参数的个数, SSRc为总的残差平方和, SSR1和SSR2分别为两个分模型的残差平方和。该检验统计量近似服从自由度为 (K, N-2K) 的F分布。

2、断点检验

对于整个数据集而言, 根据AIC统计量的定义, 需要选择AIC统计量最小的那组自回归模型, 从表1中可以看出, 四阶AR模型的AIC统计量最小, 因此将PPI序列的线性自回归模型设定为AR (4) 模型, 确定滞后参数k为4最为适宜。而且残差序列不存在自相关, AR (4) 的模型估计结果如下:

接下来对所有的时间点进行邹检验。在原假设成立的条件下邹检验和F检验的结果如图2所示。

为了求得潜在断点的个数我们对每个子模型所有可能的断点都进行了检验并计算了它们的BIC值和RSS值。结果如表2:检验结果表明在2008年7月数据出现了一个明显的断点, 因为该点对应的BIC值最小并且RSS值也相对较小。据此我们将数据集从该点断开成两个部分分别进行拟合, 拟合结果见图3。

图3给出了三条曲线, 一条是用原始数据拟合的曲线, 另外两条是依断点断开的两条拟合曲线, 通过比较这两种线性模型的结果我们发现分阶段模型明显优于未分阶段模型。但是这种拟合效果并非最好, 数据中很可能包含了非线性元素, 接下来我们希望用一个非线性的模型来描述这一过程。

3、非线性检验和估计

我们已经根据AIC信息准则确定了AR (4) 的线性部分, 接下来要做的是非线性分析。首先是延迟阶数的选择, 线性测试结果见表3, 从表3中可以看出, 在d为1和2时均在5%的显著水平上拒绝序列为线性的虚拟假设, 而d为2时的F统计量比为1时的要大, 因此选择d为2作为模型的延迟阶数。

表4中的三个检验结果若拒绝H4则表示选择LSTAR模型, 若接受H4拒绝H3则表示选择ESTAR模型, 如果接受H4和H3而拒绝H2, 则应选择LSTAR模型。由表4的结果可以看出PPI序列适合ESTAR模型。

参数k、d及转换方程式确定后, 模型的形式也就确定了, 由于STAR模型为非线性模型, 所以其模型估计一般不采用普通最小二乘法 (OLS) , 本文采用非线性最小二乘法 (NLS) 对参数进行估计。估计结果如下:

模型中常数项被忽略了, 因为他们在模型中并不重要, 模型的拟合图形如图4所示。

通过对ESTAR模型拟合图和原始数据图的比较我们发现模型在2008年7月的点上不能很好的模拟数据, 这属于异常值, 因为这段时间工业品出厂价格指数受到国际金融危机的冲击。估计的阈值C=-2.1560, 处在yt的观察值范围之内, 但是仍然比较低。

五、结语

在本文中, 我们研究了中国2000年1月至2010年12月的工业品出厂价格指数, 首先我们对数据进行了结构性分析和非线性检验, 当线性检验被拒绝之后我们就试图寻找一种非线性的模型来对数据进行描述, 由于平滑转移自回归模型它具有在两个机制之间平滑过渡的良好特性故我们考虑用它来对数据进行分析, 其次STAR模型具有ESTAR和LSTAR两种转换函数, 分析之前我们需要选择适合的转换函数, 这可以通过一系列的嵌入式测试来完成, 经过测试我们选择ESTAR模型对数据进行了拟合, 最后从估计结果我们得到以下结论:第一, 大多数的观察值位于指数函数的右尾, 模型在一定程度上表现出了LSTAR行为的特征。第二, γ的估计值γ赞=4.8/σ赞=2.34表明两个机制之间的转换也是相当缓慢的, 说明我国的工业品出厂价格指数基本上保持了平稳缓和的态势, 除了个别时段会有反常出现大幅波动, 例如2008年全球金融危机的影响。第三, 从模型估计的标准差我们得到有20%的可能性从线性模型过渡到非线性模型, 因此我们可以认为ESTAR模型能够比线性自回归模型更好地刻画我国的工业品出厂价格指数。

摘要：本文研究了2000年1月到2010年12月我国的工业品出厂价格指数, 结果显示, 由于受到源自美国的国际金融危机的影响该指数在2008年7月出现了一个结构性断点。为了描述我国工业品出厂价格指数, 本文对数据进行了线性测试并考虑用能够描述非线性特性的平滑移动自回归 (STAR) 模型来对数据进行描述, 估计结果表明相比较线性自回归模型STAR模型的描述效果更好。

关键词：平滑移动自回归模型,非线性特性,线性测试

参考文献

[1]Sarantis, N:Modeling non-linearities in real effective ex-change rates[J].Journal of International Money and Finance, 1999 (18) .

[2]McMillan, David G.:Non-linear Predictability of UK Stock Market Returns[J].Oxford Bulletin of Economics and Statistic, 2003 (65) .

[3]Jia Zhou:Smooth Transition Autoregressive Modles A Study of The Industrial Production Index of Sweden[J].Statistics June, 2010.

[4]刘柏、赵振全:基于STAR模型的中国实际汇率非线性态势预测[J].数量经济技术经济研究, 2008 (6) .

[5]谢赤、戴克维、刘潭秋:基于STAR模型的人民币实际汇率行为的描述[J].金融研究, 2005 (5) .

统计科岗位职责描述 第2篇

●统计科科长

直属上级：非煤产业部部长

工作目的：负责集团公司非煤系统统计工作

工作要求：遵守《统计法》及集团公司统计制度，认真负责、工作细心、敢于坚持原则

工作责任：

一、负责制定非煤产业系统统计工作管理制度，并认真组织贯彻实施。

二、根据集团公司非煤产业统计范围需要，科学设计统计指标体系和统计报表体系，规范非煤产业的统计内容及统计程序。

三、按照统计设计确定的指标体系，采取多种方法开展统计调查，系统、详细收集统计资料，全面、准确地掌握基本统计信息。

四、及时、准确地编制非煤产业系统月度和统计报表。认真搞好统计分析，客观、公正地反映非煤产业经济运行情况及存在的问题，为领导决策提供可靠的统计信息依据。

五、负责向上级主管部门（中国煤炭加工利用协会、山西省煤炭工业厅、市统计局）及集团公司相关领导上报

非煤系统统计报表及统计分析报告。

六、积累历史资料。依据统计制度，负责收集、整理和积累历史统计资料，建立统计台帐，储存必要的统计信息。

任职资格：

1、必须具有统计从业资格证书。

2、有相关工作经验及大专以上学历背景。

3、熟练操作统计专业软件及现代办公软件。

●统计科科员

直属上级：统计科科长

工作目的：负责集团公司新事业系统统计工作

工作要求：遵守《统计法》及集团公司统计制度，认真负责、工作细心、敢于坚持原则

工作责任：

一、按照非煤产业系统统计工作管理制度，规范新事业系统的统计内容及统计程序。

二、按照统计设计确定的指标体系，采取多种方法开展统计调查，系统、详细收集统计资料，全面、准确地掌握基本统计信息。

三、及时、准确地编制新事业系统月度和统计报

表。认真搞好统计分析，客观、公正地反映新事业系统经济运行情况及存在的问题，为领导决策提供可靠的统计信息依据。

四、负责向上级主管部门及集团公司相关部门上报新事业系统统计报表及统计分析报告。

五、积累历史资料。依据统计制度，负责收集、整理和积累历史统计资料，建立统计台帐，储存必要的统计信息。

任职资格：

1、必须具有统计从业资格证书。

2、有相关工作经验。

描述性统计论文 第3篇

关键词：现金流,财务预警,描述性统计

随着我国经济的发展和国际化进程的加快,上市公司面临的环境更加复杂,随之给其带来的不确定性和风险更加缺乏预测性,企业要面对来自于全球的金融风险,只要稍微不慎可能就会面临倒闭。在这种先求生存再谋发展的环境下,分析我国上市公司存在的潜在风险、分析风险存在的潜在原因与影响因素、准确判断上市公司财务危机的程度、避开或化解上市公司可能出现的财务危机,保证上市公司财务运行正常,就显得越来越重要。

一、基于现金流的财务预警研究综述

运用个别财务比率对财务危机进行预测这种做法是由Fitzpatrick于1932年提出的。后来,Beaver在此基础上提出了较为完整的单变量分析法。在众多多元线性判别模型中,典型代表当属美国阿尔曼教授于1968年建立的Z分数模型,不但方法简单而且精确度高,所以这个模型被西方企业一直沿用至今。1980年,Ohlson首先提出来条件概率模型。1992年,Salchenberger等使用了人工神经网络模型对金融企业进行了财务失败的判断。 1994年,Altman、Marco和Varetto也使用了这种方法对意大利的企业进行了财务失败的判断。这些研究分析的结果都比线性判别模型的效果要好。更有一些国外学者把两种以上的模型结合使用以建立联合预测模型。如2000年韩国的B.S.Ahn等将粗糙集理论与神经网络方法结合起来,2001年英国的Feng Yu Lin和Sally Mc Clean将四种财务预警的方法结合起来。这些研究的结果表明,在同等的条件下,联合多种模型的预测结果会比单一的预测结果好。在这些预警的模型中都逐渐引入了现金流。

国内对财务预警系统的研究起步较慢,但目前也有不少学者在该领域的研究上取得了一定的成绩。1996年周守华等在阿尔曼模型的基础上提出来F分数模型。1999年,陈静对财务数据进行了单变量分析和多元线性判别分析。2000年,张玲建立的二类线性判别模型获得了超前4年的预测结果。2001年,杨保安等人建立的人工神经网络模型更是获得了与实际情况基本一致的实验结果。

对于一个健康、有序、正在成长中的上市公司来说,经营活动产生的现金净流量是正数,投资活动产生的现金净流量是负数,筹资活动产生的现金净流量是正负相间的。

二、样本与变量选取的原则

(一)样本选取的原则

本研究选取沪市截止2012年4月20日XBRL公布的865家上市公司作为样本数据,在选取样本时,主要遵循了以下几个原则:

第一,剔除了沪市截止2011年4月20日XBRL尚未提交XBRL文档的上市公司;

第二,在对上市公司进行数据分析时,剔除了年报中没有披露现金流或各项现金流信息披露不全的上市公司;

第三,为了消除异常数据对研究结果的影响,异常数据剔除,异常数据主要包括公司没有披露基本每股收益、净利润、现金流、营业利润等或披露得不全面的。

(二)变量选取的原则

变量在选取的过程中,主要围绕着与现金流有关的变量,参考国内外学者的研究结果,主要选取了四大类变量,包括流动性分析的三项指标:现金流动负债比、现金债务总额比、现金利息保障倍数;获取现金能力的三项指标:销售现金比率、每股经营现金净流量、全部资产现金回收率;财务弹性的两项指标:现金满足投资比率、现金股利保障倍数;反映收益质量的两项指标: 净利收现率和营业利润收现率。

三、基于现金流的上市公司财务预警的描述性统计分析

(一)各项现金流的总体分析

1.经营、投资、筹资活动产生的现金净流量。通过对选取的865家样本经营活动产生的现金流量的绝对数分析,得出如下的统计表:

从表1可以看出,在选取的865家上市公司中,有20.92% 的上市公司其经营活动产生的现金流是负数,有45.78%的上市公司其投资活动产生的现金流是负数,有39.88%的上市公司其筹资活动产生的现金流是正数,从其现金流的绝对数的角度可以看出,这些不在健康、正常、持续发展的公司中。

2.上市公司流动性分析。以现金流反映上市公司流动性的指标主要包括新近流动负债比、现金债务总额比和现金利息保障倍数。现金流动负债比。该指标反映的是以本期经营活动净现金流量来偿还短期债务的比率,在企业正常、持续、健康发展的情况下,由经营活动产生的现金净流量首先要满足经营活动所需要的现金流量,用此指标作为偿还债务的基础将更安全、更有效;现金债务总额比,该指标用以衡量企业用年度的经营活动净现金流量来偿还全部债务的能力,能反映出企业长期偿债能力; 现金利息保障倍数,该指标是指经营现金净流量为利息费用的倍数,此指标比收益基础的利息保障倍数更可靠,因为实际用以支付利息的是现金。通过对沪市865家上市公司的分析发现得出出如如下下的的统统计计结结果果: :

从表2的统计分析结果可以发现,大部分上市公司的流动结果与运用收益的方法分析出来的结果得出的结论都存在很多的差异,其经营活动产生的现金流无法满足企业偿债和支付利息费用的需要。

3.获取现金能力的统计分析。获取现金能力的指标主要有销售现金比率、每股经营现金净流量、全部资产现金回收率。销售现金比率是指企业经营活动产生的现金净流量与销售额的比重,该比率反映了美元销售收入获取现金流量的能力,其数值越大,表明企业的收入质量越好,资金利用效果越好;每股经营现金净流量指标反应了经营活动现金净流量与普通股股数的比重,每股能分得的营业现金流;全部资产现金回收率指标是经营现金净流量与全部资产的比率,该指标反映了企业全部资产产生现金净流量的能力,该比值越大越好。

从表3的统计分析结果可以看出,在选取的样本中,可以发现,沪市上市公司绝大部分公司获取现金的能力都比较弱,都存在一定的风险与不确定性。

4.财务弹性的描述性统计分析。以现金流反映公司财务弹性的指标主要包括现金满足投资比率和现金股利保障倍数。现金满足投资比率表明企业经营产生的现金满足资本支出与存货增加和发放现金股利的能力,其值越大越好,比率越大,资金自给率越高;现金股利保障倍数是指经营活动净现金流量与现金股利支付额之比,支付现金股利率越高,说明企业的现金股利占结余现金流量的比重越小,企业支付现金股利的能力越强。从选取的样本中,能够获取第一项指标的公司有728家,能够获取第二项指标的数据有136家,描述性统计分析结果如下:

在对沪市上市公司财务弹性分析时,满足比率计算第一项指标的样本有728家,满足第二项指标的有136家,从统计分析的结果可以发现,绝大部分的公司经营活动产生的现金流是无法满足公司投资的需要的,同时,对现金股利的保障也有30.88%的公司无法满足。

5.收益质量的描述性统计分析。以现金流为基础反映上市公司收益质量的指标有净利收现率和营业利润收现率。净利收现率反映公司净利润中现金收益的比重,即公司净利润对现金流贡献的大小;营业利润收现率指标中的经营现金流量和营业利润都对应于公司正常经营活动,因此有强的配比性,该比率一般应大于1。通过对沪市2012年上市公司的财务数据分析,得出如下的描述性统计分析结果:

从表5的描述性统计分析结果可以发现,2012年沪市上市公司有58.78%的公司经营活动所创造的利润提供的现金贡献很小;由于经营活动的现金流与营业利润两者有很强的配比性, 因此从分析结果可以看出,有62.15%的沪市上市公司的盈余质量是低劣的,存在着一定的不确定性或风险。

四、结论

数据统计专员岗位的职责描述 第4篇

1、负责每天收集汇总公司各项指标，做到及时、完整、准确地进行整理汇总，建立形成相应统计报表;

2、按时登记表格，能及时提供所需统;

3、做好与各部门的配合工作，及时更新统计数据,做好资料保密工作;

4、按要求及时上报各项指标和数据，做到正确完整计资料;

5、完成领导交办的其他工作。

任职要求：

1、 统招大专及以上学历，男女不限，财务或者金融专业优先考虑;

2、 表格精通，基本函数运用熟练;

3、掌握职责中所涉及行业的基本知识，熟练掌握办公软件操作、计算机基础操作;

描述性统计论文 第5篇

关键词：描述统计,直方图,试卷分析

对试卷的分析是在教学过程中考试环节必不可少的一个部分, 不同的教学考试目的对试卷的难易程度也有着不同的要求。如何了解试题的难度, 可以从学生总体的考试成绩获得。根据教学管理的科学化与规范化要求, 学生成绩在汇总后要进行学分计算、正态分布分析以及制作不同形式的成绩单等, 借助电子表格Excel强大的数据处理功能, 可以实现学生成绩数据统计与分析的自动化, 减轻教师的重复工作量, 促进教学水平的提高 (1) 。办公软件—Excel软件的数据分析功能, 快速分析统计学生成绩, 有利于提高我们的教学水平 (2) 。该文从金华某中学高一年级一份真实的英语期中考试成绩出发, 利用Excel描述统计和和直方图具体地对这份英语试卷做分析报告。

1 试卷分析的过程和步骤

金华某中学高一年级参加此次英语考试人数为十个班级, 总共为577人。本次英语考试总分为120分。在Excel表格中按照班级、姓名、英语成绩的行列, 将全部学生英语成绩输入在 (C1:C578) 中, 其中第一行均为标题行。通过对记录该份成绩的Excel表格进行如下步骤:工具→数据分析→描述统计→确定, 在“输入区域”对话框中输入C1:C578, 选中“标志位于第一行”, 在“输出区域”对话框中输入自选单元格E1 (自选单元格以简便布局合理为原则) , 选中“汇总统计”, 可得到该份英语试卷成绩结果的描述统计, 如表1。

通过描述统计, 可得到参加本次英语期中考试的学生成绩的最大值 (111) 和最小值 (9) , 在此数据基础上, 确定一个分数区间[5.9, 115.9], 所确定的分数区间通常常取比数据的精度高一位, 即多一位小数点或个位数, 以免数据刚好落在端点上, 并且确保这个区间能覆盖真实成绩区间[9, 111].

在所定区间[5.9, 115.9]的基础上, 定组距, 考虑到所定组距跨度较大, 将其定为11个区间, , 即组距Δ= (115.9-5.9) /11=10.这样各小区间的端点从左至右依次为:

5.9 15.9 25.9 35.9 45.9 55.9 65.9 75.9 85.9 95.9 105.9115.9

并将上边这十二个表示组限端点的数字输入Excel表格的自选区域 (H1:H13) 中。如表2所示:

按照如下步骤:工具→数据分析→直方图, 在“输入区域”对话框中输入C1:C578, 在“接收区域”对话框中输入组限数据所在的单元格H1:H13, 选中“标志”, 在“输出区域”对话框中输入图表输出的位置如J1, 选中“图标输出”, 点击确定。操作完毕, 得到表3和所示的图1:

2 试卷分析的结果

一般来说, 结果分布图形一共分六种, 如表4所示:

根据成绩结果总体不同的图形分布能够反映出试卷相应的不同的情况, 如表5所示。

根据直方图, 我们可以大致看出考试成绩的的分布图形。根据此次金华某中学高一年级期中考试英语成绩的直方图 (图1) , 我们可判定该直方图分布属于尖峰负偏态分布。首先, 负偏态分布说明低难度的试题较多, 难度偏低。呈负偏态分布的试题有利于将成绩较差的学生和中等程度的学生区别开, 但不利于将中等程度的学生和成绩优秀的学生区别开。其次, 尖峰态分布说明此次考试, 中低难度试题较多并且分数分布比较集中, 不利于区分不同程度水平的学生。

本次英语考试适合普通的考试检测, 适用于在大考前提升学生自信心的考试, 或者旨在检查学生基础英语知识及能力类型的考试, 这种类型的考试基本上学生的分数都较高, 分数水平也比较接近, 很难将中等生和优异生区分开来。所以, 此类型不适于做选拔性质的考试, 因为选拔性质的考试旨在选拔尖子生, 所以试卷结果直方图呈负偏态图形的试题不能很好的区分优秀的学生。相应地, 选拔类型的考试的结果分布直方图应当呈正偏态分布, 呈正偏态分布的图形反映出题目偏难, 低分档的人数较多, 因此适合一些以选拔为目的考试, 能够突出一些尖子生的水平。

事实上此次试题为高一英语期中测试试卷, 其目的性并不是为了选拔尖子生或是筛选学生, 主要目的是为了了解学生的对日常英语知识的掌握情况, 并旨在通过这次考试提升多数学生英语学习的信心, 因此该试卷的分布情况是比较合理的, 也能够达到预期的测试效果。

3 试卷分析的意义

试卷分析是不断提高试卷质量的重要方式, 也是批判性审视试题的过程, 其目的在于挑选最佳的试题组成质量较高的试卷, 从而提高试卷质量、考试质量, 充分发挥考试对教学过程进行调节控制和掌握教学平衡的作用 (3) 。利用描述统计和直方图进行试卷分析主要方法就是先按照具体步骤得到相应图表, 再根据图标分布情况进行分析, 因为不同的图表可以反映出不同的试题难度。该文通过金华浦江中学高一年级一份真实的英语期中考试成绩的分布直方图, 分析此次试题难度以及所反映情况, 即成绩呈负偏态分布的直方图试题难度较低, 并相应的描述其他类型的分布图及反映情况, 利用描述统计和直方图进行试卷分析的方法在学校试卷分析中得到具体的运用, 不但减轻以往成绩分析的负担, 而且可以利用此方法来推进学校的教学水平, 提高教学质量。

参考文献

[1]田辉.学生成绩统计与分析系统的Excel实现[J].中国科技信息, 2009 (11) :213.

[2]冯旻譞.利用Excel区域数据排序快速分析学生成绩[J].信息技术, 2012 (8) :176.