馮玉平，李恒武，郭 輝

（中國人民解放軍戰(zhàn)略支援部隊(duì)信息工程大學(xué)，河南 鄭州 450000）

0 引言

學(xué)生學(xué)歷學(xué)習(xí)信息化管理水平的提高,對學(xué)生學(xué)業(yè)成績的量化評估準(zhǔn)確性要求也越來越高,需要構(gòu)建優(yōu)化的學(xué)生學(xué)業(yè)成績差異度檢測和分析模型。 通過差異度分析,建立學(xué)生學(xué)業(yè)成績差異性的變量分析模型,結(jié)合諸多差異化因素特征分析,進(jìn)行學(xué)生學(xué)業(yè)成績差異性解釋和動態(tài)調(diào)節(jié),提高對學(xué)生學(xué)業(yè)成績的動態(tài)管理能力和水平［1］。

當(dāng)前,學(xué)生學(xué)業(yè)成績差異性分析的方法主要有向量自回歸分析方法、內(nèi)生變量分析方法以及聯(lián)合特征分析方法。 構(gòu)建學(xué)生學(xué)業(yè)成績差異分析的擾動分析模型,結(jié)合影響學(xué)生學(xué)業(yè)成績的諸多因素,通過隨機(jī)變量分析的方法,進(jìn)行學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)。 但利用傳統(tǒng)方法進(jìn)行學(xué)生學(xué)業(yè)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(xué)生學(xué)業(yè)成績差異分析模型。 首先,構(gòu)建學(xué)生學(xué)業(yè)成績的梯度分析模型,采用差異化的信息重組,進(jìn)行學(xué)生學(xué)業(yè)成績的大數(shù)據(jù)演化分析；其次,建立學(xué)生學(xué)業(yè)成績分布式遞歸統(tǒng)計(jì)分析模型,通過回歸分析方法,實(shí)現(xiàn)學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)。 最后,進(jìn)行實(shí)證檢驗(yàn)分析,展示了本文方法在提高學(xué)生學(xué)業(yè)成績差異性分析能力方面的優(yōu)越性能。

1 學(xué)生學(xué)業(yè)成績差異分析數(shù)據(jù)來源及研究對象

為了實(shí)現(xiàn)對學(xué)生學(xué)業(yè)成績的差異分析,構(gòu)建學(xué)生學(xué)業(yè)成績的梯度分析模型,以學(xué)校大一年級學(xué)生為研究對象,采用差異化的信息重組方法,構(gòu)建學(xué)生學(xué)業(yè)成績差異分析的回歸檢驗(yàn)?zāi)Ｐ?采用LNSK 和LNM2 模型,進(jìn)行學(xué)生學(xué)業(yè)成績差異度分布構(gòu)造［3］,對學(xué)生學(xué)業(yè)成績差異分析分自變量分布如表1 所示。

表1 學(xué)生學(xué)業(yè)成績差異分析的自變量

根據(jù)上述學(xué)生學(xué)業(yè)成績差異分析數(shù)據(jù)來源分析,進(jìn)一步檢驗(yàn)學(xué)生學(xué)業(yè)成績差異度變量的協(xié)整關(guān)系,采用動態(tài)特征分析的方法,建立學(xué)生學(xué)業(yè)成績差異度分布變量關(guān)系［4］。

2 學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)?zāi)Ｐ?/h2>

采用差異化的信息重組,進(jìn)行學(xué)生學(xué)業(yè)成績的大數(shù)據(jù)演化分析,建立學(xué)生學(xué)業(yè)成績分布式遞歸統(tǒng)計(jì)分析模型,結(jié)合模糊層次空間重組,建立學(xué)生學(xué)業(yè)成績差異分布的特征分量為:

其中,η:E→LE,采用學(xué)生學(xué)業(yè)成績差異化結(jié)構(gòu)層次,通過模糊層次空間融合,建立學(xué)生學(xué)業(yè)成績差異分布的統(tǒng)計(jì)分析模型,分析學(xué)生學(xué)業(yè)成績差異度特征參量,采用邊緣聯(lián)立特征分析的方法,進(jìn)行學(xué)生學(xué)業(yè)成績差異融合,根據(jù)相應(yīng)準(zhǔn)則選擇的滯后參數(shù),得到差異化特征分布系數(shù)α ＝［α1,α2,…,αk］,z*與 z 指數(shù)比特置換。 由此建立學(xué)生學(xué)業(yè)成績差異化分布的動態(tài)關(guān)系模型,以預(yù)測誤差(FPE）等指標(biāo)進(jìn)行最優(yōu)滯后階數(shù)選擇,得到LNSK,LNM2 變量在回歸模型的確定標(biāo)準(zhǔn)如表2 所示。

表2 LNSK，LNM2 變量回歸模型的確定標(biāo)準(zhǔn)

根據(jù)表1 的LNSK,LNM2 變量在回歸模型的標(biāo)準(zhǔn)分布,得到似然比檢驗(yàn)(LR統(tǒng)計(jì)量）為:

其中,E［xk］表示學(xué)生學(xué)業(yè)成績差異度信息融合中心, Φk(ω） 為學(xué)生學(xué)業(yè)成績差異度分布間隔,Φk(ω） 為學(xué)生學(xué)業(yè)成績差異度的匹配系數(shù),結(jié)合LNM2和LNSK的脈沖響應(yīng),設(shè)置M,T1,T2,T3,R1,R2,R3,R4,R5的HASH值為c,得到學(xué)生學(xué)業(yè)成績差異檢驗(yàn)分布集為:

基于預(yù)測誤差(FPE）等指標(biāo)分析,根據(jù)相應(yīng)準(zhǔn)則選擇分布序列,得到學(xué)生學(xué)業(yè)成績差異度特征分布表示為 ｛x(t0+ iΔt）｝,i ＝0,1,…,N -1,根據(jù)LNM2 和LNSK的脈沖分析,得到梯度值采用Cholesky 分解技術(shù),得到學(xué)生學(xué)業(yè)成績差異性分布函數(shù):

根據(jù)相應(yīng)準(zhǔn)則選擇學(xué)生學(xué)業(yè)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(xué)生學(xué)業(yè)成績差異分布函數(shù),在對數(shù)水平下,得到訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)融合輸出為:

綜上分析,當(dāng)前特征子空間中信息查詢的時(shí)間分布滿足n∈［n1,n2］,通過變量的平穩(wěn)性檢驗(yàn)分析方法,實(shí)現(xiàn)學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)變量的協(xié)整關(guān)系分析,通過回歸分析方法,實(shí)現(xiàn)學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)。

3 結(jié)語

通過差異度分析,建立學(xué)生學(xué)業(yè)成績差異性的變量分析模型,結(jié)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(xué)生學(xué)業(yè)成績差異分析模型。 通過變量的平穩(wěn)性檢驗(yàn)分析方法,實(shí)現(xiàn)學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)變量的協(xié)整關(guān)系分析,通過回歸分析方法,實(shí)現(xiàn)學(xué)生學(xué)業(yè)成績差異度檢驗(yàn)。 分析得知,本文方法進(jìn)行學(xué)生學(xué)業(yè)成績差異分析可靠有效。