开展财务状况评估和财务预警分析有利于企业保证生产经营活动向良好的方向发展,及时采取措施预防和避免财务危机。下面是我为大家整理的财务预警分析论文，供大家参考。
论文关键词：财务困境;财务预警;机制
论文提要：从企业产生财务困境的角度出发，介绍当前各种财务预警模型，并做优劣对比分析，对企业财务预警机制的建设提出建议。
一、引言
企业作为一个法人个体，不可避免的问题是生存、发展和获利。由于企业所面临巨集观经济、政治、法律等往往具有不可控性，同时企业也因资本结构不够合理及其他企业自身问题，使企业面临各种潜在的风险。如何顺利地化解这些风险为企业发展保驾护航，是每个企业高管们不得不关注的焦点。本文立足于财务角度，结合当前国内外一些上市公司财务预警机制建设研究的成果，探讨建立企业财务预警机制途径。
二、企业发生财务困境的原因分析
企业发生财务困境，起初通常表现为企业短期资金周转不灵，进而由于处理不当，而给企业带来一系列的连锁反应，最终导致入不敷出，甚至资不抵债。结合国内外一些企业走上了“绝路”的案例，通常造成财务危机的原因可以归结为以下几个方面：
1、资金回收引起的财务危机。资金回收引起的财务危机是企业在产品销售或对外提供服务过程中，由于收回资金的时间和收回资金的数额不确定而引起。在激烈的市场竞争中，赊销是企业促销和占领市场份额的主要手段，但同时也要承担他人占用企业运营资金的机会成本及到期不能收回货款的坏账损失。长期以来，在“权责发生制”的会计确认原则下，企业只注重账面利润，而不注重现金流量，更多的资金被客户占用，使利润虚增，企业陷入严重的资金短缺或不能周转的困境之中。
2、融资引起的财务危机。融资引起的财务危机是由于企业利用负债筹资而引起到期不能偿还债务本息的可能性。其原因有以下两个方面：首先，企业在筹资时未能把握好负债规模、利率和期限，使其在银行或其他机构的不良贷款不断堆积，负债累累，从而造成财务危机。其次，是企业经营不善，经营活动现金净流量和流动资产中的速动资产不足﹑速动比率过低引起的。
3、投资引起的财务危机。投资引起的财务危机是指企业对内或对外有关专案进行投资时，由于各种不确定因素的影响，使原投资额不能按期收回，或根本无法收回而使企业遭受损失。这种危机主要是企业不能准确预计投资专案的现金流量导致决策失误形成的，这种失误严重时直接危机企业的生存与发展。通常过度扩张引起的财务危机在国内时有发生，比较典型的是巨人集团的轰然倒塌。
4、资产跌价引起的财务危机。资产跌价引起的财务危机通常是由于巨集观方面各种不确定的因素，如通货膨胀、政策变化、法律约束及科学技术发展等原因，使投资者投入的资产遭受跌价、贬值的损失，从而导致资不抵债。
5、利润分配引起的财务危机。利润分配引起的财务危机是由于企业决策者制定分配政策不当，给企业未来生产经营活动带来不利的影响。如，股利分配率过高，虽短期可 *** 股价上升，但却给企业带来偿债能力和筹资能力的下降，给企业未来的发展造成了一定制约。
三、财务预警模型分析综述
通常企业的财务危机的形成，是一个由量变到质变的过程，量变阶段具有潜在性、不易发觉，而到了质变阶段往往又是“病入膏肓”、回天乏术。如何对企业潜在的财务危机正确预测，把企业的财务危机消除在最初阶段一直是一个值得思索、探讨的问题。综合国内外实证研究成果，财务预警模型可以归结为以下几个方面：
1、一元判别模型。一元判别模型是指将某一项财务指标作为判别标准来判断企业是处于破产状态还是非破产状态的一种预测模型。一元判别模型的主要思想是通过比较财务困境企业和非财务困境企业之间某个财务指标的显著差异，从而对财务困境企业提出预警。最早的财务危机预警研究就是Fitzpatrick所做的单变数破产预测模型。但是，由于该模型利用单一指标作为衡量企业财务困境的指标，很难具有代表性，很容易造成以一带全。因此，该模型应用的范围很小。
2、多元线型判断模型。多元线性函式模型是对企业多个财务比率进行汇总， 求出一个总判别分值来预测企业财务危机的模型。它从总体的、综合的角度来检查企业的财务状况，未雨绸缪，做好财务危机的规避或延缓财务危机的发生。多元线性函式模型中应用最广的是Z分数模型。
3、多元逻辑回归模型。多元逻辑回归模型的目标在于寻求观察物件的条件概率，从而据以判断观察物件的财务状况和经营风险。它是建立在累计概率函式的基础上，不需要自变数服从多元正态分布和两组间协方差相等的假设条件。Ohlson 第一次采用多元逻辑回归模型进行破产预测。他通过分析样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，发现至少存在四类影响公司破产概率的变数：公司规模、资本结构、业绩和当前的融资能力。
4、多元概率比回归模型。多元概率比回归模型也假定企业破产的概率为P，并假设企业样本服从标准正态分布，其概率函式的P分位数可以用财务指标线性解释。其计算方法和多元逻辑回归方法很类似，先是确定企业样本的极大似然函式，然后通过求似然函式的极大值就可以得到相关引数的值，接下来就可以利用推算出来的多元概率回归模型求出企业破产的概率。与上面其他模型不同的是，该模型主要是利用P值的大小作为判断企业破产的界限。
5、人工神经网路模型。人工神经网路模型，是一种通过非财务指标建立的，主要是将神经网路分类方法应用于财务预警的模型。人工神经网路是一种平行分散处理模式，其构建原理是基于对人类大脑神经运作的模拟。人工神经网路具有较好的模式识别能力，还可以克服统计等方法的限制，因它具有容错能力，对资料的分布要求不严格，不需要考虑是否符合正态分布的假设，具有处理自律遗漏或是错误的能力，而且可以处理非量化的变数，最重要的一点是人工神经网路具有学习能力，可随时依据新准备资料资料进行自我学习训练，调整其内部的储存权重引数以对应多变的企业运作环境。
四、企业财务预警机制建议
正是因为企业产生财务危机的原因、企业财务预警模型多样性，因此企业在决策财务预警机制时具有多重可选择性。
1、企业应当根据自己的实际情况，合理地选择预测财务指标。不同企业、不同发展时期面临的风险是不同的，正确地根据企业自己的情况选择合理指标是至关重要的一步，如在急速扩张阶段就得注意负债规模的大小，那么就得更多地考虑用负债规模来进行财务预警。
2、模型的选择上，也应当根据企业自己实际能够获得的资料进行选择。不同型别企业的财务资料往往是有很大差别的，同时有的资料可能被人为地更改过，这些资料就失去实际意义，就需要剔除以提高预警的正确性。
3、企业应当注意定性分析和定量分析的结合。定量分析往往具有客观、易于度量的特点，定性分析则是主观性、模糊性的特点。企业面临的风险和危机与日俱增，这时的预警功能决不仅仅是计算几个比率，对比几个指标所能实现的，必须建立系统的方法库和模型库，全面使用现代计算机技术、网路通讯技术、资料库技术以及管理学、财务学、统计学等，在重视定量分析的同时加强定性分析方法的应用。
4、财务预警机制的后续管理。后续管理工作可以保证预警机制的正常执行和预警功能的充分发挥，主要包括正常监管和维护，保证预警机制与其他管理系统之间资料介面通畅、资料共享充分;财务业务资料、指标体系、预警临界标准等有序更新，保证预警功能的准确和及时;保障各项资料库的安全和完整，加强资料库的防病毒入侵、防黑客盗取、防非法操作等。
5、健全企业内部控制制度，提高会计资讯质量，增强财务预警效果。内部控制制度健全与否直接关系到财务预警机制中各种指标、财务比率计算的真实性。因此，建立财务预警机制的前提是上市公司要有一个健全、有效的内部控制制度，并且可以得到一贯执行。良好的内部控制制度，是保证会计资讯质量不可缺少的一部分。良好的会计资讯质量，是财务预警模型发挥正常作用的保证。
复杂多变的市场环境和内部经营的不可控因素决定了风险的客观存在。如果企业不能卓有成效地规避风险，危机便会在企业内部机体滋生蔓延。而当各种不可预见风险发生后，首当其冲的是企业资金运动的中枢——财务系统，财务状况的逐步恶化将引发财务危机，而当危机扩散到企业无法承受的限度时，全面危机则一触即发。因此，企业若建立风险的监控和预警指标系统，预先诊断出危机讯号，并采取相宜措施，便能将危机消灭于萌芽阶段。
一、财务危机预警分析的基础
危机预警分析系统的构筑和良性执行必须基于以下前提：1.风险的普遍性。即企业理财环境的瞬变性和不可准确预见性要求树立求雨绸缪的风险意识，这是系统执行的精神基础;2.风险的差异性。预警讯号与企业的决策和行为密切相关，不同的企业，其面临危机的时间、领域以及危机讯号的具体表现形式也千差万别，必须根据企业的特性选择适合的预警模式，及时有效地识别预警讯号并加以控制;3.风险的效应性。效应是事物本身的一种内在机制，正是由于效应机制的存在和作用，才会引发某种形式的行为模式与行为趋向。即可以根据以往一系列事件防结果和关联窥测出危机发生前的讯号，同时追根溯源、对未来的损失程度进行衡量和估测。企业存有潜在危机时，必然会引发某种效应，可能突出地表现在某种或几种财务要素上，也可能反应为整体运营的不通畅。比如现金流量的资讯对企业经营状况的预示便有着良好的效应性。4.风险的管理根源性。即经营管理不善是引致危机爆发的根源。缺乏有效的管理制度，通常会浮现出一些特定的症状，而且是逐步加剧的。一开始可能表现为：资源分配不当，疏忽日常风险管理，盲目拓展市场。市场营销疲软等;而当财务状况日愈恶劣时，便突出地表现在：债务负担沉重、市场销售混乱、现金流量尤其是营业现金流量匾乏等。因而企业能否谋求竞争优势，避免陷入危机，关键在于营运效率的高低，其趋势变化就成为管理绩效优劣与否的最为深刻的原因。
二、财务危机预警分析指标体系
事实上，任何企业的危机由萌生到逐步恶化，通常都会经历一个逐渐累积和转化的过程。在这一过程中。各种危机的因素都将直接或间接地反映在资金运动的“晴雨表”——敏感性财务指标的变化上。因此，可以通过设定并观察敏感性财务指标的变化，及时预报危机讯号，建立危机预警分析系统。
一财务危机预警指标的特征
既然预警系统是基于预警资讯的分析和预报功能，则这种预警资讯必须具备以下特性。1.高度敏感性。即一旦潜伏有危险因素时，指标数值的细微变化就能直接反映出风险的变化情况;2.前兆性。通过前兆性指标的揭示，不等到危机降临或爆发，便将之识别和扼杀。这里，同时强调了资讯的高度及时性，即所谓“事不宜迟”的道理。3.潜在性及“坏讯息”的表现。预警资讯分析与一般的资讯管理不同，特别注重企业的“坏讯息”或“阴暗面”。通常坏讯息会更提早、更突出地表明企业呈现的紧张状态。
二财务危机预警指标设定
1.单变数模式
即构造单一变数构造的财务比率来预测财务危机的模型。当企业模型中所涉及的几个财务比率趋势恶化时，通常是财务危机发生的先兆。潜在危机的根源，即管理绩效的优劣最终体现在财务成果上;而财务成果生成过程的质量或可靠性又直接影响着危机的表现形式和经济后果;财务成果执行过程的持续性保障主要体现为营运效率。因而，可以通过潜在危机的直接表现讯号即现金流的匾乏、过程讯号即盈利能力的衰减和最终表现讯号即企业经营效率的低下三个方面进行具体指标的设定。
l直接表现讯号——现金流量类指标
风险一般都有一定的前置期，而现金流量的变化几乎是企业前置期收益与风险状况的“晴雨表”。现金流量开始恶化，一定程度上昭示著企业现金运转的紧张状况及可能的危机所在。其中，到期债务对企业的生存威胁最大，其次是一些金额较大的日常支出和资本性支出，而营业现金净流量是企业财富增长或摆脱困境的最终源泉。主要指标包括：
上述比率揭示了公司以经营活动产生的现金流量支付到期债务和当前股利的能力，同时衡量了公司是否可以正常支付其资本支出的能力。因为企业要发展，除了有能力偿付所有的债务，还必须维持现有的资本性资产和必要的财务支出，以增强整体竞争力。而每股所含现金流量比率追踪现金流量不同时期的轨迹，同时可与权责发生制下的每股收益率进行比较。
若上述预警指标经常或长期性地小于1，企业必须警惕现金支付不足的潜在危机。并参照其他前兆性指标，如非付现成本占营业现金净流量比率、息税前现金净流量比率、营业现金净流量偿债贡献率等，同时结合行业比较进行预测分析。
2过程可靠性讯号——收益类指标
资产收益是企业现金流量的源泉，只有通过主导业务不断拓展市场增值能力，才可能真正地持续性地避免不确定性危机的侵袭。也只有充满活力和竞争力的企业，才可能对经营资讯的变化具有高度敏感性。其中主导业务利润及其所占比重大小是决定企业收益是否具有稳定与可靠性的基础。如果主导业务销售率或收益率在总收益中所占的比重呈现出下降的趋势，往往是企业经营不稳定的危险征兆。同时，如果所预期或业已出现的收益时间分布结果完全随机或间距不规律，也说明这种收益的质量亦非真正稳定可靠。
为了评估收益的质量，必须找出销售收入或销售利润与净利润以及现金收支之间的差异，若销售利润、净利润与经营产生的现金净流量之间没有较大的差异时，才表现出较高的收益质量。否则，对收益质量的质疑必须引起重视。
3最终表现讯号基础保障——营运效率类指标
预警分析系统，一般应有两个要素：即先行指标和扳机点。先行指标是用于早期评测运营不佳状况的变动指标;扳机点则是指控制先行指标的临界点，一旦评测指标超过预定的界限点，则预警方案应随之启动。如前述的到期债务保障率、主导业务资产收益率。经营性资产周转率等的临界值可作为考察的扳机点。因此跟踪考察企业时，对主要比率变化趋势中所隐含的关键点应予以特别注意。
2.财务危机预警分析的变数模式
单一财务指标往往难以从企业整体的角度揭示危机的具体影响程度和发生时机。因此，有必要综合各项主要指标更加有效地检查企业财务状况的不稳定现象，及早做好财务危机的规避或延缓危机发生的工作，其中爱德华·阿尔及Altman的Z计分多变数模型最为著名。其指标分别按流动率、收益率、稳定性、交付能力。活动比例五项标准分类。在短期预测中均具有很高的准确度，又被称为公司破产预测模型。公司可选择性地加减指标以逐步构建适合企业的特定多变数模式。
尽管危机预警十分有效，但把它视为一贴方应灵药又是很危险的。目前的财务预警分析系统，偏重于对企业财务资料的统计、筛选和简单的模型计算，但单纯的量化模型难以全面预测和监控潜在的财务危机。财务危机预警模型本应综合多个财务变数，否则其灵敏性、全面性和严密性就会遭到怀疑。但所涉及的财务资料越多，其获取的难度就越大，周期也会越长，成本也将随之攀升。另外，指标运动变化的“度”即警戒线也很难把握。这时，更应结合一些非财务性指标或征兆，以准确判别潜在危机的破坏性，如财务预测在较长时期内的不准确、过度大规模扩张、过度依赖贷款，会计报表不能及时公开等;国外通常还结合使用关键点分析法、管理评分法等。
事实上、任何时分危机预警模型都只能为分析人员提供关于企业财务危机发生可能性的线索，而并不能确切地告知是否会发生财务危机，它并不能替代经营者解决问题。无疑，它更需要分析者对企业财务状况具有敏锐的洞察力，包括对整个巨集观经济走势的判断和把握。企业应根据本身的行业或产业特质，直接或间接、简单或综合地运用各项指标，并借助专业人员、咨询公司等对企业行业地位、前景分析的判断，在长期的实践中构造适合的预测模式和寻找化解危机的方法。
应用语言学作为一门独立的新兴学科和语言学的重要构成部分。下文是我为大家整理的关于应用语言学论文的范文，欢迎大家阅读参考!
EQS在应用语言学中的应用
[摘要]EQS是结构方程模型(SEM)的应用软件之一，它能同时分析多变量之间错综复杂的关系，处理非正态分布和缺失值，具有多重拟合指标。近年来，EQS在应用语言学领域应用较少。文章简要归纳了国内外应用语言学中运用EQS的情况，并介绍了EQS的基本操作原理及建模步骤，此外，运用EQS对中学生学习策略、学习观念及自我效能相关性这一实例进行了建模研究，以期为应用语言学和外语教学的研究提供一些借鉴作用。
[关键词]结构方程模型;EQS;应用语言学;学习策略
引言
结构方程模型(SEM，Structural Equation Modeling)是综合因子分析(Factor Analysis)和路径分析(PathAnalysis)来探索研究变数和因子之间因果关系的一种模型，其最大的特点是应用变量的协方差矩阵(Covariance Matrix)来同时分析多种变量间交错复杂的关系，即利用各潜在的观测因子来探讨因果关系的隐含结构，而传统的线性回归分析只能提供变量间的直接效应而不能显示可能存在的间接效应，以及回避了因共线性而导致出现单项指标与总体出现负相关等无法解释的数据分析结果。结构方程模型最初起源于心理学，后被广泛应用到其他研究领域，例如社会学、经济学、市场分析、应用语言学等。目前应用较为广泛的SEM软件有AMOS、LISREL、EzPATH、EQS等。
一、EQS综述
EQS(Structural Equation Modeling Software)是1986年由Peter M。Bentler开发的一种统计软件。其基本思路为：基于专业理论知识，构建一个关于一组变量间相互关系的假设理论模型。自变量数值通过测量所得，并形成一个自变量协方差矩阵，即样本矩阵。EQS对样本矩阵与假设理论矩阵进行拟合度的检测，若能较好地满足拟合度标准，则说明此假设模型成立;否则，就需要对该假设理论模型反复调整修正以提高拟合度，直至获得较理想的模型为止;若拟合度仍然未达到理想状态，则该否定此假设理论模型。
国外将EQS应用于语言学的研究主要侧重于学习者个体因素研究以及语言测试研究等，前者如Sasaki和Noels分别探讨了二语水平、外语学能及智力间的关系和学习者目标与教师交际能力问的相关性：后者主要有Purpura测试了西班牙语测试因素结构，Stevens探寻了认知及元认知策略与二语测试的关系。此外，在外语教学中的应用有Lee研究了英语写作的有利及不利因素;Gorsuch还将EQS应用在外语教育政策的研究中。
国内这方面的研究仍处于起步阶段，且主要侧重于语言测试。刘宝权、郭晓群较为系统地介绍了EQS在语言评估中的应用。邹申、孙海洋等利用EQS分别对TEM8人文知识部分和职前中学英语教师口语考试进行构念效度验证。彭康洲、李清华应用项目反应理论借助EQS分析2007年TEM4听力理解项目的质量。侯艳萍借助EQS探讨了可能对TEM4阅读理解任务难度产生影响的阅读任务特征变量，其中包括变量的种类、数量、它们的内部因子构念和测量属性以及各个因子贡献率大小。
纵观国内应用语言学研究，研究者多使用LISREL和AMOS，EQS还未全面吸引国内应用语言学研究者的视线。但笔者在实践中发现相对于前两种传统软件而言，EQS灵活性更高，允许自变量有测量误差，变量间可存在协方差;对原始数据可进行直接加工;此外还可分析非多元正态分布，它能更准确地处理更大容量模型，这将为研究者带来更大的便捷。
二、EQS基本概念
EQS6.1包含有两类变量，两种模型和两种路径。两类变量指潜在变量(Latent Variable)和观测变量(Observed Variable)前者为不可直接测量的非观测变量(Unobserved Variable)，又称因子，它通常通过多个外显或可观测指标间接推算;后者是通过测量、观测可直接获得的原始数据，又称指标。在EQS路径图中圆形表示潜在变量或因子，长方形表示观测变量或指标。
两种模型即测量模型和结构模型。测量模型(Measurement Model)指观测变量和潜在变量间的关系模型，即指标和因子间的关系模型。结构模型(Structural Model)指潜在变量之间的关系模型。并不是所有的实际应用中都同时存在两种模型，例如在验证性因子分析中，可能只出现包含观测变量和潜在变量的测量模型。
两种路径为自变量(Independent Variable)和因变量(Dependent Variable)之间的路径，以及因变量和因变量之间的路径。在EQS描绘的路径图中，单向箭头表示一个变量直接影响另一个变量，如潜在变量指向指标的单向箭头表示因子负荷，直接指向指标的单向箭头表示潜在变量的误差;双向弧形箭头表示两个变量可能相关;潜在自变量不应有箭头指向，所有指向潜在因变量的箭头来自潜在自变量或其他潜在因变量。
三、EQS的建模步骤
根据Bollen和Long的研究，结构方程建模具有五个步骤：(1)模型构建(Model Specification)、(2)模型识别(ModelIdentification)、(3)模型估算(Model Estimation)、(4)模型拟合(Testing Model Fit)、(5)模型重构(Model Re-Specification)。
1.模型构建
在该步骤，研究者要在已有的理论和专业基础上确定具体的模型，通过EQS模型图和方程来表达该模型各变量间的相互关系，根据各变量对模型的路径参数进行模型估算，查看并评估各因子、潜在变量间的各种关系，并通过数据检验模型整体的拟合度。 2.模型识别
Kunnan认为在模型识别阶段会时会出现三种情况：(1)模型不可识别(Under-identified)，即不能从协方差矩阵中估算出一个或多个参数的情况;(2)模型正好识别(Just-identified)，可估算出所有参数的情况;(3)模型超识别(Over-identified)，可有不止一种方法估算出所有参数的情况。因参数估算计值不稳定，模型识别不足的情况不能信赖。只有增加制约参数，才可达到正好识别或超识别这两种可以接受的模型。
3.模型估计
根据自变量的方差协方差模型估算所有参数的估计值，使模型再生矩阵与样本协方差矩阵间的差异渐进最吻合状态。目前最常用的估算方法是最大似然法，要求数据等距且多变量正态分布。EQS系统有个强韧选项(Robust Option)生成Satorra-Benfle卡方值，可获得一个比其他统计量更接近的分布。即使分布假设不能满足，出现非多元正态分布，强韧标准误在大样本中也可接受。EQS为所有变量、因子及变量因子间的误差设定了标准，从而固定了参数，获得新的估算值。
4.模型拟合
模型拟合是检测假设模型矩阵与样本矩阵在多大程度上的拟合，即检测模型的拟合度。因其中一个重要统计指标卡方值较敏感，容易受到样本大小的影响，所以在实际操作中还得考虑样本数据大小对模型拟合度所产生的影响。根据以往的研究经验，理想模型拟合度的参照标准如表1。
5.模型重构
若模型拟合度与各标准量范围差异较大或个别指标不理想，则该模型构建有误，需重构。重构时需检验两组估计值：第一组为具有显著意义的参数估计值，将没有显著意义的参数估计值设为0，但需在足够的专业理论基础上才可进行。第二组为残余值矩阵，若个别变量残余值较大，如大于或等于2.58，则该变量未设定好;若较多变量残余值都较大，则该模型整体构建有误。在此过程中EQS系统的LM-检验和W-检验功能可对模型重构提供进一步的帮助信息。但每个参数及变量之间的相互关系非常密切，任何一处的改动都可能对总体模型产生较大的影响。因而每个参数的调整都需重新估算，得出新的模型拟合指数，直至获得最终的理想模型为止。
四、EQS在应用语言学中的应用实例
笔者曾运用EQS研究了中学生英语学习策略、学习观念和自我效能的相关性，下文将予以展示。本研究首先通过问卷调查的方式对某中学109名高二被试者进行测试。问卷由三部分组成：第一部分是Oxford设计的《英语学习策略量表》，它由记忆策略、认知策略、补偿策略、元认知策略、情感策略、社会策略等6个要素50个项目组成;第二部分是Horwitz设计的《语言学习观念调查表》，包含外语学能、语言学习难度、语言学习性质、学习与交际策略、动机观念等5个要素34个项目;第三部分是德国心理学家Schwarzer和Jerusalem设计的《自我效能量表》，包含1个要素10个项目。
收集了调查数据后，我们运用EQS对数据进行分析。首先打开EQS界面，新建一个原始数据库文件，设定应变量名称及数目，输入原始数据。三个量表所测量的12个要素为自变量，学习策略、学习观念和学习效能不可直接测量，需通过各量表12个要素间接测量，则为潜在变量。其次，对EQS作包括描述性分析、回归分析、相关分析、因子分析、误差分析在内的描述性统计，以观察样本整体情况。然后对EQS作验证性统计，即因子模型统计分析。根据已有的专业知识，构建初始模型如图1。
EQS运行后所得各拟合指数结果见表2。
按理想模型拟合度的参照标准，该模型并未达到可接受的理想模型程度。根据二语习得中学习策略、学习观念及自我效能的有关理论和最大标准化残差(Largest Standardized Residuals)所提供的修正指数(参见表3)，通过设定自由参数和在模型的多组误差间增添多条双向箭头的路径以建立相应误差变量间的协方差矩阵，反复修正之后得到较理想的模型(如图2)。修正模型拟合效果指标如表4，该模型拟合度较高，可接受。
学习策略、学习观念和自我效能之间具有高度的相关性，但各自的路径强度却有所区别。相对于自我效能而言，学习观念对学习策略的影响更大(0.86>0.68)。学习策略、观念及效能的各个因素相互之间也具有不同程度的相关性，所以在平时的英语教学和学习中，既要在整体上注意对学习策略的选择、加强对学习观念的引导，注重对自我效能的提高，又要对具体的学习策略如补偿策略、记忆策略、认知策略以及语言难度和学习动机等方面有充分的认知，才能更有效地引导学习者的英语学习。
五、结语
本文介绍了EQS统计软件的基本操作原理及步骤，并通过对中学生英语学习策略、观念及自我效能间相关性的模型构建、拟合、重构、修正等过程，最终创建出满足各项指标的修正模型。结果发现学习策略、学习观念和自我效能之间高度相关，但相关强度有差异。学习者较多使用补偿、认知、记忆策略，较少使用社会策略。观念的学能和动机对学习策略的影响较大。在结构方程模型软件中，EQS更易操作，灵活性更高，能更准确地处理大容量多维度变量模型，尤其在处理非正态分布和有缺失值数据中效果良好，且允许变量测量误差和协方差的存在。EQS评估模型拟合指标的多重性可以为应用语言学中多因素间多维量化提供更准确、科学、直观的信息，具有广阔的应用前景。
应用语言学质化研究发展综述
【摘要】1960年开始，应用语言学作为一门独立的新兴学科和语言学的重要构成部分，应用语言学除了涉及语言教学外，还涉及结合语言和心理学、自然和社会等学科。而应用语言学质化研究逐渐成为人们关注的焦点。由于我国应用语言学质化研究的方式较为生疏，与量化研究相比要落后。因此，本文通过简要介绍应用语言学，对应用语言学质化研究遇到的问题进行分析，并针对应用语言学质化研究方式及重点方向进行了阐述。
【关键词】应用语言学;质化研究;发展
在应用语言学中，量化与质化问的差别在于它们主、客观的不同，以及文字和数字的不同等。这种差异间的研究主要是针对知识本质和本质问理解与信念的不同研究范式。这两种范式占据着后实证主义、解释主义地位。随着应用语言学的深入研究，质化研究方式主要有：语篇分析和个人叙述、人种志和专题陈述，以及互动分析等。例如：日记和传记研究、访谈和课堂互动分析等。新世纪的到来使应用语言学研究偏向量与质方式的融合和巩固。
一、应用语言学
19世纪初，语言理论方面的研究和应用方面的研究开始分化。19世纪叶末，J.N.博杜恩·德·库尔德内提出了应用语言学这个概念，但没有得到广泛的注意。20世纪以后，语言科学得到了进一步的发展，应用范围空前扩大，语言应用方面的研究和理论方面的研究明确地区分开来，应用语言学这个名词开始广泛运用，并促成了应用语言学和理论语言学的分化。
从广义的角度来分析，应用语言学主要是将语言学的知识在其它学科领域问题解决中得以应用。换句话来说，就是跨学科实现问题的解决。
从狭义的角度来分析，应用语言学主要是专门的语言教学，尤其是外语和第二语言的教学。其应用的知识有：语言理论与描述、相关语言学科，以及相关语言教学学科。主要涉及语言的模式，描绘语音和语法、语义和语用，及词汇等，在语言学边缘的学科，以及一些不是语言学，但与语言学教育学紧密联系的学科。
二、应用语言学质化研究遇到的问题
时代的发展必然对应用语言学的研究有着不断扩大与变换的影响。由于应用语言学具有跨科学性和实验性，以及开放性，因此，应用语言学质化研究所遇到的问题更具挑战性。
其一，在应用语言学质化研究中，由于相关学科知识的缺乏，使语言学质化研究受到严重的阻碍。例如：很多从事英汉语言教学的工作者和教师，常常因为自己对英、汉知识的缺乏，而放弃该领域的发展，因而影响到语言学科的发展。标准语的建立和规范化，文字的创制和改革。建立通用于各方言区的标准语是很重要的。应用语言学要解决的问题是如何选好这种标准语的基础方言和标准音。为无文字的语言创制文字时，基础方言和标准音更是重要的依据。文字改革包括文字系统(字母表、正词法和标点符号)的部分改进和彻底更换。标准语的建立只是语言规范化的开始。为了确定语音、语法、词汇规范，需要编出相应的正音词典、规范语法和各种类型的词典。
其二，应用语言学作为新的学科，它在理论基础上还不够完善，使质化研究的任务更为艰巨。尽管我国许多学者对应用语言学质化的研究有了一定的理论成果，但是应用语言学是否加大理论范式的建构，任然需要以多学科做后盾的理论研究。词汇是语言中变化最快的部分，新词新义不断涌现。及时、准确地把这些新词新义固定在词典中，指导人们如何运用，这是辞书对语言规范化最有效的影响。
三、应用语言学质化研究方式及重点方向
1、应用语言学质化研究方式
在应用语言学质化研究方式中，主要有：语篇分析和个人叙述、人种志和专题陈述，以及互动分析等。其中，语篇分析和个种志是目前语言教学研究中使用最多的。
其一，语篇分析。语篇分析主要是通过对真实口语语篇进行考察的一种研究，始于社会学，例如：在第二语言习得和口语测试，及技巧等教学方面研究中都有展现。语篇分析者是种处于兴趣的社交行为，而语言学者是以研究语言本身为重点的行为。语篇分析者认为语言是与语用结合的系统，它将语法和词汇等都作为可操纵的资源。总的来说，其语篇分析的对象主要是在交际中有秩序、有组织的交谈，确保社交行为的顺利进行。也可以视为站在交际者的角度，将社交行为进行发现和描述。突出内在机制。一般来说，语篇分析主要是利用语篇样本中的示例，描述和追踪交际的优势、分析和理解，已达成共识。其质化思想：交际中的秩序与以往的主导观点和研究的方向与目的完全相反;交际的过程真实语料誉写和分析不可缺少;分析的方式必须有实证资料的理论。
在以往应用语言质化语篇分析发展的最初阶段，只能通过录音的方式记录下口语语言资料，随着时代的发展，口语语言资料开始有图片和视频，以及非语言式的交际资料。根据语篇分析研究表明，语言学界开始对非语言线索的详细记录产生了争执。尤其是技术的发展与语篇分析的结合，技术的不断影响着语篇分析研究。
其二，人种志。人种志主要是对某文化群体的行为和语言，以及互动等进行的深度研究，属于人类学，并与自然学紧密联系，例如：深入发现人们的实际所做与应该做之间存在的矛盾等。在研究前详细描绘了研究对象的文化背景。在研究的同时，研究者必须与群体保持一定的认知距离，为了更准确的获取客观性。同时研究者必须反思自身所存在不同假想，以保持客观研究的态度。在自然背景下对群体的形体和表述进行研究，并深入群体，利用各种不同的方式对研究的资料进行采集、实验。其研究资料来源于非结构式的访谈。涉及的研究规模较小，数据分析通常涉及研究人员研究对象本身各自的行为意义的理解和解释。
2、应用语言学质化研究的重点方向
应用语言学质化研究的重点方向在于对教学方式与教师认知的研究。前者教师对交际教学观念和方法层见叠出，但结果是不一样的。除此之外，在听、说、读、写等教学方面研究中质化的应用也很普遍。在写作上，进行访谈和记录、日志和观察等采集的方式。听力上，以听力策略和技巧为主，融合了量与质。例如：Markee通过小组方式巧妙进行了非任务交谈，并且顺利进行任务与非任务交谈之间的变换。后者，由于教师是思考和积极的决策者，教学主要建立在实际导向和背景等不同思想和知识上的研究。
其认知研究内容一般为：教师认知和教育、认知和课堂教学，以及认知和语言学习等。虽然研究方式，出现了问卷为主的量化研究，但是绝大多教师认知都是利用质化研究。在教师认知研究中，量化和质化间主要出现争议的问题，量化研究多依靠问卷的方式来认知，并没通过实际考察因此受到批评。而质化研究利用回忆解说和启发式回顾、书面形式，以及课堂观察和访谈等进行资料的收集。同时，为抓住到隐形的认知过程，还需更进一步的研究。
总而言之，在应用语言学质化研究中，我国在提倡科学超越经验研究的同时，还要重视实证主义存在的缺陷，将质化研究进行规范，避免出现对学术范式的影响。虽然应用语言学质化研究在我国地位并不牢固，但是，在国外的研究中，已经占有牢固的地位。因此，就针对我国外语的语言质化研究来说，在掌握实践和质化方式的前提下，对混合方式的思考和时间应用，将对我国应用语言质化研究具有非常重要的意义。
SPSS软件是“统计产品与服务解决方案”软件，是数据统计分析的一个重要的工具。下文是我为大家整理的关于spss统计分析论文的 范文 ，欢迎大家阅读参考!
统计分析软件SPSS的特点和应用分析
【摘要】通过文献资料法，介绍了统计分析软件SPSS的特点，并通过实例：用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的应用做了详细的介绍，旨在为学习SPSS软件的人们提供参考。
【关键词】统计分析软件;SPSS;独立样本;非参数检验
一、前言
统计分析软件SPSS是一款统计产品与服务解决方案的软件，其全称为“统计产品与服务解决方案(Statistical Product and Service Solutions)”。该软件是一款在统计中应用很广的统计分析软件，目前在各专业 毕业 论文经常可以看到它的身影，其应用范围广、方便快捷等特点吸引着众多的 爱好 者。本文通过对统计分析软件SPSS的功特点进行介绍，通过举例用非参数检验中的两个独立样本的检验(Test for Two Independent Sample)进行分析，对该软件的操作用做了详细的介绍，为学习SPSS软件的人们提供参考。
二、SPSS软件的特点
(一)操作简便
SPSS软件的界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。
(二)编程方便
具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计 方法 的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
(三)功能强大
具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。
(四)全面的数据接口
能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件， Excel 的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt，word，PPT及html格式的文件。
(五)灵活的功能模块组合
SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。
(六)针对性强
SPSS针对初学者、熟练者及精通者都比较适用。并且现在很多群体只需要掌握简单的操作分析，大多青睐于SPSS，像薛薇的《基于SPSS的数据分析》一书也较适用于初学者。而那些熟练或精通者也较喜欢SPSS，因为他们可以通过编程来实现更强大的功能。
三、实例分析――两个独立样本的检验(Test for Two Independent Sample)
例题：为了调查甲、乙两地土壤对 种植 同一种西瓜有没有影响，从这两个产地分别随机抽取同种的8只和7只西瓜，称重后得重量(市斤)如下：
甲(斤)：9.31、9.57、10.21、8.86、8.52、10.53、9.21、9.14
乙(斤)：9.98、8.46、8.92、10.14、10.17、11.04、9.43
问：根据样本数据检验两地的土壤对种植西瓜在重量上是否有显著差异?
解：建立假设 H0：甲乙两地的西瓜重量没有显著差异;
H1：甲乙两地的西瓜重量有没有显著差异。
然后根据上面给出的数据建立数据文件，注意数据文件中有一个表示重量数据的变量和一个表示地区分组的变量。最后在数据编辑窗口进行检验。检验的具 体操 作过程如下：
第一步：单击Analyze Nonparametric Test 2 Independent Sample，打开Two-Independent-Sample对话框(见图1)。
第二步：选择检验的变量进入检验框中，选择分组变量进入Grouping Variable框中，单击Define Group键，打开Define Group对话框，将分组变量值分别键入两个框中，单击Continue返回主对话框(见图2)：
第三步：在Test Type栏中，确定检验方法。
SPSS中提供了四种检验方式，几种检验方法侧重点不同，但都是先把两样本数据混合排序，再从不同的角度分析并检验两个独立总体的分布是否有显著的差异。有时这几种检验结果可能不一样，所以要结合数据的探索分析考察数据的分布状况作出结论。本文选择了常用的Mann-Whitney U曼―惠特尼检验和Kolmogorov-Smirnov Z K-S检验。
第四步：选择输出的结果形式及缺失值处理方式;
第五步：单击OK，得输出结果。
所以，以上两种检验结论是一致的。也就是说在两地种植的同一种西瓜地重量没有显著差异。
参考文献
[1]杜志渊.常用统计分析方法―SPSS应用[M].山东人民出版社,2011.
[2]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007(3).
[3]井海立.SPSS在数学试卷统计分析中的应用[J].科技信息(学术版),2006(10).
试谈SPSS软件在考试数据统计分析中的应用
摘要： SPSS软件是数据统计分析的一个重要的工具。本文作者利用SPSS软件对考试数据的相关性、检验假设进行了统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤，文中的方法对考试研究人员具有一定的指导意义。
关键词： SPSS软件 考试数据 统计分析 操作步骤
1. 引言
一份好的试卷须有好的测量指标来表明它的优良程度，试题有难度和区分度指标，试卷有效度和信度指标，这些是评价考试最主要的测量指标，但是仅有这些指标不足以反映一份试卷的实际测量效果，考试研究人员希望从考生的试卷统计分析中获取更多的信息来评价一份试卷。在计算机未普及的年代，考试成绩统计主要依靠人工阅卷，考试数据无法电子化存储，对考试数据分析统计难以实现。随着计算机的普及和信息化的推广，各种分析数据的软件应运而生，这些软件中汇集了统计学和测量学的分析工具，使得应用电子信息技术分析统计考试成绩数据成为可能，这些统计信息可以为教研部门、考试行政部门进行行政决策等提供非常重要的帮助。在众多的统计分析软件当中，SPSS是应用最多、影响最广泛的分析工具之一。在本文中，我们以SPSS软件为工具，对 教育 招生考试成绩的数据进行统计分析，分析主要着重于考试数据的相关性、假设检验等几个方面。
2. SPSS分析软件简介
“SPSS统计分析软件”的英文名称为“Statistical Package for the Social Science”，中文名称为“社会科学统计软件包”，它是世界著名的统计分析软件之一，在自然科学、社会科学的各个领域均有非常广泛的应用。SPSS是一个组合式软件包，它集数据整理、分析于一身，主要功能包括数据管理、统计分析、图表分析、输出管理等，该软件的统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类。
下面我们利用SPSS软件对考试数据的相关性、检验假设进行统计分析，介绍使用SPSS进行统计分析的一般方法和步骤。
3. 相关性分析
教育考试中，考试结果的信度，试题的区分度，每个题目得分与试卷总分的关系，以及题目之间的关系，等等，都是考试研究的重要内容，最主要的研究方法就是数据的相关性分析。在众多的教育考试数据的相关性分析方法中，Pearson相关系数法、Spearman相关系数法和Cronbach α信度系数法是比较常用的几种方法。
Pearson相关系数法计算公式：
式中x为第i个考生第j题的得分，y为第i个考生第k题的得分，为第j题的平均分，为第k题的平均分，n为测试样本量。该公式既可以计算两个连续变量之间的相关性，又可以计算一个双歧变量与一个连续变量之间的相关性。
Spearman相关系数法计算公式：
r=1-(2)
式中D为两个变量的秩序之差，n为样本容量。
Cronbach a信度系数法计算公式：
α= 1-(3)
式中n为试题数，s为第i题的标准差，s为总分的标准差。该公式实际上就是将考试中所有试题间相关系数的平均值(又称内部一致性)作为α信度系数。
对于给定的一组考生成绩数据，利用SPSS统计分析软件可以非常容易地定量分析考生某学科试卷总分和该学科某道题的相关性，以及各个题目之间的相关性。我们以Pearson相关系数分析为例，利用SPSS软件进行统计分析。
数据统计分析的对象是某省高考数学6道解答题的得分情况(不是整张试卷)，数据源于该省的高考数据成绩。研究的目的是测量6道解答题每两个题目之间的相关性。
我们以SPSS 13.0版本的软件为例，介绍利用SPSS进行数据统计分析的步骤(以Pearson相关系数法为例)：
(1)将考试数据导入SPSS软件，在SPSS数据窗口中，顺序点击【Analyze】→【Correlate】→【Bivariate...】，系统弹出变量相关系数设置对话框。
(2)在该对话框中，将待计算的变量从左侧的变量列表中导入到右侧的“Variables”变量列表中，在本例中导入t1、t2、t3、t4、t5、t6共6个变量(t1―t6是6道解答题的变量名称)。在“Correlation Coefficients”相关系数选项中，选取“Pearson”复选框。
(3)在该对话框的“Test of Significance”设置区域，可以点选“Two-tailed”选项或者“One-tailed”，我们采用系统默认值。
(4)对话框中的 其它 选项取软件系统的默认值，点击【OK】，开始相关系数计算，系统弹出新的窗体输出运算的结果。本次输出的情况如下：
上表的统计结果可用于题目之间相关性的分析。表中的大部分题目的相关系数都比较适中，但题目T4和题目T5之间的相关程度远高于其它几个题目，我们可以确信这两者之间一定存在着比其他题目之间更紧密的关系，这是我们通过分析获取的重要信息，该信息表明这两个题目之间的相关性高于其他几个题目之间的相关性，这在大规模考试中是不应该出现的，需要在以后的命题考试中加以改进。
Spearman相关系数分析方法和上述分析方法类似，只需要在上述SPSS操作的第二个骤中选取“Pearson”复选框，程序就会按Pearson相关系数法进行统计分析，如果同时选中“Spearman”和“Pearson”复选框，程序将会同时计算按两种分析方法统计分析的数据，并会以不同的图表进行显示，而Cronbach a信度系数法计算方法与上述方法略有不同，其操作步骤如下：
(1)在SPSS数据窗口中，顺序点击【Analyze】→【Scale】→【Reliability Analysis...】，系统弹出“Reliability Analysis”信度分析设置对话框。
(2)将待计算的变量从左列的变量列表中导入到右侧的“items”变量中，在左下列的“model”选择项的下拉列表中确保选中“Alpha”(信度系数)，点击“Statistics”选择项可以进行更为详细的参数设置，我们采用系统的默认值即可。
(3)参数设置完毕之后，点击【OK】，软件开始相关系数计算并输出运算结果。
4. 选择题的选项分析
在目前的教育招生考试中选择题是一种较常见的题型，考试研究人员关注较多的是对选择题基本特征、测量功能及其优缺点的理论探讨[1][2]，对选择题干扰项的设计及其施测后的实际效果关注甚少，事实上施测后对题目各选项的有效性作出判断可为评价试题质量提供重要参考依据。我们利用统计中χ检验假设，对试卷中常见的选择题选择项进行统计分析。
教育考试的单项选择项一般设置为4个，其中仅有1个选择项是正确的。命题人员在设计选择项时，应当也必然对每道题目所有的选择项(正确选择项和干扰选择项)的考生作答情况作出预测，对考生作答的分布情况作出预估。考试结束后，研究人员应该对实测的情况与命题教师预测的情况进行对比分析，以检验考试效果是否达到了预测的目标。这和χ拟合度检验的思想具有一致性，因此可以尝试使用χ检验假设进行分析。
我们依据文献[3][4]的方法来介绍χ检验假设在考试数据分析中应用的基本原理，设变量E是命题者对某道试题的期望值，E=nP，n为样本容量，P为期望的相对频率，引入以下统计量：∑(O-E)/E，其中O为观察频数。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
我们需要进行的假设检验是：零假设H：选项的实测分布与期望分布相同;非零假设H：选项的实测分布与期望分布不同。
检验假设的思想：拟合度检验的统计量在确定的某种显著性水平下如果零假设是真，则检验统计量∑(O-E)/E呈近似χ分布，其自由度为研究变量的可能值减1;如果实测分布与期望的分布相当吻合，就不排除零假设，否则就排除零假设;最后对检验假设的结果进行解释。
数据分析的目的是判断考生实际的应答结果(实测数据)与命题期望的选择概率(期望数据)是否一致。我们随机抽取某省5542个高考考生的数学有效数据构成分析样本，利用SPSS进行统计分析。
SPSS数据统计分析的步骤如下：
(1)将考试数据导入SPSS软件，依次点击【Analyze】→【Nonparametric Tests】→【Chi-Square...】，弹出“Chi-Square Tests”对话框。
(2)将变量列表中待分析的题目序号导入到“Test Variables List”(检验变量列表)中，本例中题目的序号为t7。
(3)将对选择试题的每个选项的期望值依次输入到“Expected Values”所属的方框，具体操作方法是选中单选框“Values”，输入具体的期望数值，点击“Add”按钮，依次重复上述的步骤直至所有的选项的期望值输入完毕。
(4)点击【OK】，输出软件运算结果。
我们需要进行的假设检验，H：选项的实测分布与期望分布相同;H：选项的实测分布与期望分布不同。
假设检验的显著性水平为α=0.05，χ=∑(O-E)/E，自由度为df=4-1=3，查χ分布表或利用相关软件可得P=0.0626，由于P>α，因此不能拒绝零假设，即选项的实测分布与期望分布相同。因此，检验结果在0.05显著性水平时，没有足够的证据拒绝零假设，即可认为本题选项的实测分布与期望分布相同，也就是说本题的实际测试效果与命题教师预测的效果是一致的，命题教师准确地估计了考生的实际水平，这是分析获得的很重要的结论。
5. 结语
SPSS软件在考试数据统计分析中应用广泛，但大部分是集中在试题难度、均值、方差统计、考试数据的图表显示等几个方面，本文从一个新的角度利用SPSS软件对考试数据的相关性、检验假设等几个方面进行了尝试性统计分析，介绍了使用SPSS进行统计分析的一般方法和步骤。从上述分析来看，软件操作步骤和统计分析过程十分简单、快捷，对于测量学和统计学基础不太好的数据分析统计人员来说，只要遵循一定的操作步骤，就可以进行分析。
参考文献：
[1]王孝玲.教育测量(修订版)[M].上海：华东师范大学出版社，2006.
[2]雷新勇.大规模教育考试：命题与评价[M].上海：华东师范大学出版社，2006.
[3]李伟明，冯伯麟，余仁胜.考试的统计分析方法[M].北京：高等教育出版社，1990.
[4]雷新勇.考试数据的统计分析和解释[M].上海：华东师范大学出版社，2007.
猜你喜欢：
1. 统计学数据分析论文
2. spss统计分析实习心得
3. 统计学学年论文
4. 统计学分析论文
