基于回歸分析模型的學生學業成績差異研究

馮玉平，李恒武，郭 輝

（中國人民解放軍戰略支援部隊信息工程大學，河南 鄭州 450000）

0 引言

學生學歷學習信息化管理水平的提高,對學生學業成績的量化評估準確性要求也越來越高,需要構建優化的學生學業成績差異度檢測和分析模型。 通過差異度分析,建立學生學業成績差異性的變量分析模型,結合諸多差異化因素特征分析,進行學生學業成績差異性解釋和動態調節,提高對學生學業成績的動態管理能力和水平［1］。

當前,學生學業成績差異性分析的方法主要有向量自回歸分析方法、內生變量分析方法以及聯合特征分析方法。 構建學生學業成績差異分析的擾動分析模型,結合影響學生學業成績的諸多因素,通過隨機變量分析的方法,進行學生學業成績差異度檢驗。 但利用傳統方法進行學生學業成績差異分析的可靠度不高［2］。 針對上述問題,本文提出基于回歸分析模型的學生學業成績差異分析模型。 首先,構建學生學業成績的梯度分析模型,采用差異化的信息重組,進行學生學業成績的大數據演化分析；其次,建立學生學業成績分布式遞歸統計分析模型,通過回歸分析方法,實現學生學業成績差異度檢驗。 最后,進行實證檢驗分析,展示了本文方法在提高學生學業成績差異性分析能力方面的優越性能。

1 學生學業成績差異分析數據來源及研究對象

為了實現對學生學業成績的差異分析,構建學生學業成績的梯度分析模型,以學校大一年級學生為研究對象,采用差異化的信息重組方法,構建學生學業成績差異分析的回歸檢驗模型,采用LNSK 和LNM2 模型,進行學生學業成績差異度分布構造［3］,對學生學業成績差異分析分自變量分布如表1 所示。

表1 學生學業成績差異分析的自變量

根據上述學生學業成績差異分析數據來源分析,進一步檢驗學生學業成績差異度變量的協整關系,采用動態特征分析的方法,建立學生學業成績差異度分布變量關系［4］。

2 學生學業成績差異度檢驗模型

采用差異化的信息重組,進行學生學業成績的大數據演化分析,建立學生學業成績分布式遞歸統計分析模型,結合模糊層次空間重組,建立學生學業成績差異分布的特征分量為:

其中,η:E→LE,采用學生學業成績差異化結構層次,通過模糊層次空間融合,建立學生學業成績差異分布的統計分析模型,分析學生學業成績差異度特征參量,采用邊緣聯立特征分析的方法,進行學生學業成績差異融合,根據相應準則選擇的滯后參數,得到差異化特征分布系數α ＝［α1,α2,…,αk］,z*與 z 指數比特置換。 由此建立學生學業成績差異化分布的動態關系模型,以預測誤差(FPE）等指標進行最優滯后階數選擇,得到LNSK,LNM2 變量在回歸模型的確定標準如表2 所示。

表2 LNSK，LNM2 變量回歸模型的確定標準

根據表1 的LNSK,LNM2 變量在回歸模型的標準分布,得到似然比檢驗(LR統計量）為:

其中,E［xk］表示學生學業成績差異度信息融合中心, Φk(ω） 為學生學業成績差異度分布間隔,Φk(ω） 為學生學業成績差異度的匹配系數,結合LNM2和LNSK的脈沖響應,設置M,T1,T2,T3,R1,R2,R3,R4,R5的HASH值為c,得到學生學業成績差異檢驗分布集為:

基于預測誤差(FPE）等指標分析,根據相應準則選擇分布序列,得到學生學業成績差異度特征分布表示為 ｛x(t0+ iΔt）｝,i ＝0,1,…,N -1,根據LNM2 和LNSK的脈沖分析,得到梯度值采用Cholesky 分解技術,得到學生學業成績差異性分布函數:

根據相應準則選擇學生學業成績差異分布值,得到Engle-Granger 分類模型為:

把s(t） →s(t）,s(t） →S(f） 代入學生學業成績差異分布函數,在對數水平下,得到訓練數據和測試數據融合輸出為:

綜上分析,當前特征子空間中信息查詢的時間分布滿足n∈［n1,n2］,通過變量的平穩性檢驗分析方法,實現學生學業成績差異度檢驗變量的協整關系分析,通過回歸分析方法,實現學生學業成績差異度檢驗。

3 結語

通過差異度分析,建立學生學業成績差異性的變量分析模型,結合諸多差異化因素特征分析,本文提出基于回歸分析模型的學生學業成績差異分析模型。 通過變量的平穩性檢驗分析方法,實現學生學業成績差異度檢驗變量的協整關系分析,通過回歸分析方法,實現學生學業成績差異度檢驗。 分析得知,本文方法進行學生學業成績差異分析可靠有效。