高等护理自学考试基础学科成绩与专业学科成绩关系的典型相关分析

              作者：陈晓云 张华伟 王建立 李星明 肖瑞芳 潘庆忠

【摘要】  　　目的： 探讨高等护理自学本科考试基础学科和专业学科成绩间的相关关系，为提高高护自考的针对性，指导考生自学提供。 方法： 选用2001年至2003年参加潍坊医学院高护（独立本科段）专升本考试的959名考生的成绩作为研究内容，所得数据采用SAS8.0统计软件进行典型相关分析。 结果： 第一、第二和第三典型相关系数有显著性意义（P<0.0001）。第一典型相关系数为0.5767，第二典型相关系数为0.3569，第三典型相关系数为0.2086，特征值的贡献率分别为68.77%、20.14%和6.28%，前两对典型变量的累积贡献率高达88.91%。在第一对典型变量中，护导论、护理学研究载荷最大；在第二对典型变量中，预防医学、社区护理学和外科护理学载荷最大。 结论： 高等护理自学考试考生基础学科成绩和专业学科成绩之间存在显著相关,应该对相关学科的学习予以高度重视。

【关键词】  高护自学考试； 基础学科； 专业学科； 典型相关分析

　　高等护理自学考试是护理学历和护理人才能力培养的重要形式和途径，其考试成绩是对学生培养质量的重要评价手段。而对自学考试考生的学习成绩进行的分析，研究各学科之间的相互关系和相互影响，对优化自学考试的课程体系、提高教学质量具有重要意义。目前，在研究学习成绩之间的关系方面，大多应用简单相关分析（simple correlation analysis）［1］。简单相关分析是研究两个变量之间关联性的一种统计分析方法。而学生成绩往往是多个成绩变量同时存在并彼此相互影响，因此应用简单相关分析把两个成绩变量之间的关系从多个成绩变量中独立出来进行分析是相对欠缺的。所以，本研究提出利用典型相关分析方法分析学生成绩，它是在考虑了多个成绩变量同时存在的情况下，更加科学地体现了基础学科与专业学科间的相互关系，为改革旧有的考试课程体系、分析和评价其考试成绩与课程体系之间的关联性提供参考。

　　1  方法

    典型相关分析（canonical correlation analysis）是研究两组变量之间相关关系的一种多元统计分析方法。典型相关分析的思想首先由霍特林于1936年提出，目前成为普遍应用的进行两组变量之间相关性分析的技术［2］。典型相关分析借用主成分分析降维的思想，将一组变量与另一组变量之间单变量的多重线性相关性研究转化为对少数几对综合变量之间的简单线性相关性的研究，并且这少数几对变量所包含的线性相关性的信息几乎覆盖了原变量组所包含的全部相应信息［3］。它把每组课程作为整体考虑，比一般的研究单一课程间的关系以及研究一门或一类课程与多个课程间的关系，可以找出所有成绩变量中的主要变量，用于衡量和反映社会对护理人才培养质量的要求。

    典型相关分析方法的原理是：对所要研究的两组指标变量x=(x1,x2,…,xp)和y=(y1,y2,…,yq)，各建立一个线性组合表达式，即：u=α1x1+α2x2+…+αpxpv=β1y1+β2y2+…+βqyq

    其中，u和v分别是由x变量和y变量的线性组合产生的综合指标变量，典型相关分析中称之为典型变量（canonical variable）。α=（α1，α2，…，αp）和β=（β1，β2，…，βq）是待估计的组合系数。显然，对于任意给定的一组组合系数α和β，都可以通过上式求出一对变量u和v，进而又可以求出典型变量u和v的简单相关系数ρ=ρ（u ,v）,称之为典型相关系数（canonical correlation coefficient）。

    ρ=ρ(u,v)=cov(u,v)var(u) var(v)

　　其中，cov(u ,v)表示变量u与v之间的协方差，var(u)和var(v)分别表示变量u和v的方差。

    典型相关分析的第一步是估计组合系数α和β，使得对应的典型变量u1和v1的相关系数达到最大。假设这个最大相关系数是ρ1=ρ（u1,v1），则称ρ1为第一典型相关系数，且称具有最大相关系数的这对典型变量u1和v1为第一典型变量。求出第一对典型相关变量之后，可以类似的去求第二对，使得对应的典型变量u2和v2的相关系数达到第二大，且第二对典型变量中的每一个变量都与第一对典型变量中的每一个变量不相关。如此进行下去，直到典型变量的对数等于两组变量中数目较少的那一组变量的个数。

    从上述分析的过程可以看出，第一对典型变量提取的两组变量相关性的信息量最多，第二对次之，依此类推，最后一对典型变量提取的相关成分最少。对典型相关系数的假设检验采用似然比 F 统计量。如果典型相关变量相关系数的绝对值显著地大于零，这一对综合变量就真的具有代表性，如果不是，这一对变量就不具有代表性，就可以忽略。实际上，求得的典型变量对子数越少越好，最好是第一对典型变量就提取了足够的相关成分。

　　2  应用

    采用随机整群抽样的方法，选用2001年至2003年参加潍坊医学院高护（独立本科段）专升本的959名考生的基础学科成绩和专业学科成绩作为研究内容（变量名称及代码见表1）。所得数据采用EXCEL2003建立数据库，应用SAS8.0统计软件进行统计分析。拟分析高护专业本科自学考试考生基础学科成绩和专业学科成绩间的关系。表1  课程名称、代码及基本统计量（略）

　　3  结果

　　3.1  典型相关系数

    对山东省高护本科自学考试考生的基础学科成绩和专业学科成绩两组变量作典型相关分析，得出7对典型变量。经似然比法检验，第一、第二和第三典型相关系数有显著性意义（P<0.0001）。第一典型相关系数为0.5767，第二典型相关系数为0.3569，第三典型相关系数为0.2086，特征值的贡献率分别为68.77%、20.14%和6.28%，前两对典型变量的累积贡献率高达88.91%，第三对典型变量的贡献率较小，所以以下仅对第一、第二对典型变量作进一步分析。见表2。表2  典型相关系数及显著性检验（略）

　　3.2  标准化指标表达的典型变量

    从标准化指标线性组合的系数可以了解各指标对典型变量的影响大小。系数越大，表示该指标对典型变量的影响越大，即为该典型变量的主要指标。标准系数的正负号不同，表明指标对典型变量影响的方向不同。反映基础学科成绩的第一典型变量V1主要由x7（护导论）决定，第二典型变量V2主要由x5（预防医学）决定。反映专业学科成绩的第一典型变量W1主要由y3（护理学研究）决定，第二典型变量W2主要由y1（社区护理学）和y7（外科护理学）决定。见表3。表3  标准化指标典型变量的线性组合（略）

　　4  结论

    典型相关分析表明，高护本科自学考试考生的基础学科成绩和专业学科成绩之间存在显著相关，说明高护专升本自学考试考生的基础学科成绩与专业学科成绩之间有着密切联系，基础学科成绩与专业学科成绩之间相互影响。这与很多研究结果是一致的［4］。高护自学考试考生的基础学科成绩与专业学科成绩的相关主要是第一对典型变量V1和W1，第二对典型变量V2和W2的相关。在这两对典型变量中，主要变量为x7（护理学导论）、x5（预防医学）、y3（护理学研究）y1（社区护理学）和y7（外科护理学）。这表明这些课程在高护本科自学考试考生的医学中具有重要作用，应在教学中予以加强。

    本研究利用典型相关分析研究高等护理自学考试本科考生的基础学科成绩与专业学科成绩之间的关系。它在考虑了多个成绩变量同时存在的情况下，更加地体现了变量间的相关关系。它把每组变量作为一个整体来考虑，不同于一般的研究单一变量间的关系和研究一个变量与多个变量间的关系。典型变量的线性组合产生的综合指标既代替了原变量的大部分信息，又减少了指标个数，利用这些综合指标可以更科学更全面地来分析高护自学考试成绩，有利于提高高护自考的考试针对性，为考生自学提供，也为进行同类研究提供借鉴。

【参考】
  　　1 张荣，张卧波，孙永平．大学生入学和在校成绩的相关分析．航海教育研究．1996，15(2)：14．

　　2 何晓群．多元统计分析．北京：人民大学出版社，2004，220．

　　3 张家放．医用多元统计方法．武汉：华中科技大学出版社，2002．276．

　　4 程光文，陈清山，李文芳．研究分析学生在校成绩的典型相关分析法．武汉科技大学学报（社会科学版）．2002，4（4）：70～71．