四、纵向关联统计分析
纵向关联统计分析具有显著的信度统计分析意义，这种分析方法可以让我们对同一批次学生的若干次测试成绩有一个“历史性”的了解，帮助我们用联系的眼光看待某个班级学生在若干次考试中的成绩的波动情况，从而避免就事论事，仅凭某一次考试成绩就做出不科学的评价结论。
（一）指标组合方式及其关联使用的意义
纵向关联统计是指组合运用多个相关联的统计指标对同一批学生连续两次同类型阶段性测试的结果进行多角度统计和对比分析，准确地阐释两次测试成绩的对比情况。所涉及的统计量主要包括平均数、标准差、配对样本t检验、条形图。
同一批学生连续两次同类型阶段性测试结果的平均分代表两次测试的平均水平，但要判断是否存在差异，需要进行均值检验。由于同批学生连续两次阶段性测试的成绩是相关变量，所以需要采用配对样本t检验或配对样本非参数检验进行分析，进而判断学生总体的进步情况。同时，观察两次测试成绩的标准差可以辅助了解两次测试成绩的稳定性。此外，再观察两次测试成绩的分数段对比条形图，可以直观地发现不同分数段的比率变化情况，有助于分析教学策略和方法的效果，或学生能力水平的进步情况，也有助于发现问题和制定调整策略。
（二）基于SPSS软件的统计结果分析
首先，对两次测试的成绩进行正态检验，如果服从或近似服从正态分布，则再进行均值的配对样本t检验，否则需进行配对样本非参数检验。上文已经证实期末成绩近似服从正态分布，此处仅对期中成绩通过Q-Q图进行正态检验。导入这8个班的高一下学期期中考试英语成绩总分，利用描述性统计生成Q-Q图4.2.1。观察可知，样本点基本围绕第一象限对角线分布，接近呈直线，可以证明该样本近似服从正态分布。所以，接下来可以进行配对样本t检验。
在SPSS软件中导入8个班学生一一对应的期中和期末两次英语测试成绩数据，利用“成对样本T检验”功能，可以生成表4.2.1、表4.2.2和表4.2.3；增加“分数段”和“测试项目”变量，利用“交叉表”功能生成图4.2.2。
从表4.2.1中可知，期末和期中两次测试成绩的平均值分别为83.84和74.53，期末成绩高出期中9.31分；标准差分别为18.016和18.535，数值非常接近。表4.2.2中的相关系数为0.866，显著性概率为0.000＜0.05，说明期末和期中两次英语测试成绩存在显著的线性相关关系，也证明两次测试的信度较高。表4.2.3配对样本检验中的t检验统计量观测值对应的双尾概率p值为0.000，小于0.05，也就是表示两次测试成绩有显著性差异。所以，综上可知，期末英语测试成绩明显高于期中成绩，均分差值为9.31分，分数离散程度稳定，且两次测试可靠性都较强，可以说明该学期下半段时间的教学效果较为明显。
再观察图4.2.2，可以直观地发现，在相对较高的“110～129”和“90～109”分数段内，期末成绩所占的比例明显高于期中成绩所占的比例；在相对较低的“＜30”、“30～49”和“50～69”分数段内，期末成绩所占的比例明显低于期中成绩所占的比例。可以推断，全年级大部分学生的英语水平都得到了一定程度的提高。经了解，该年级英语教师曾对期中英语成绩做了详细的难度、区分度等的分析，进行了反拨研究，还有教师撰写了相关论文，对之后一段时间的教学制定了有针对性的、科学的策略，实践也证明确实有效。笔者建议教师们在每次阶段性成绩测试后都能坚持进行较为详细的试题分析，充分发挥测试的正向反拨作用。
五、结语
对于在大数据时代的高中教育工作者来说，全面准确地分析学生阶段性测试的成绩，如期中和期末测试，有着重要的意义，因为这事关教学目标、教学内容和教学策略调整的决策问题。笔者在文中采用了多个相关指标联合使用的方法，避免单个指标的片面性，力图从多个角度对成绩测试结果的总体情况、各班横向比较情况以及与前次测试的纵向比较情况进行三个方面的关联评价分析，这就在很大程度上避免了使用单一数据说明成绩优劣、教与学问题多少的片面性和局限性。借助SPSS软件，我们能够快速地得到科学的统计结果，不再停留在简单的、一次性的百分比成绩统计分析方法上。因此，笔者建议同行们一起探索，寻找更多、更好的基于SPSS软件的关联统计方法，确保我们的每一次测试都能够全面准确地反映学生的真实水平，由此发现教与学的问题，以便更好地对我们的教学进行改进提高。
