应用语言学论文.docx
《应用语言学论文.docx》由会员分享,可在线阅读,更多相关《应用语言学论文.docx(16页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、应用语言学论文应用语言学论文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。下文是学习啦我为大家整理的关于应用语言学论文的范文,欢迎大家浏览参考!应用语言学论文篇1EQS在应用语言学中的应用摘要EQS是构造方程模型(SEM)的应用软件之一,它能同时分析多变量之间扑朔迷离的关系,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。文章扼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、学习观念及自己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。关键词构造
2、方程模型;EQS;应用语言学;学习策略引言构造方程模型(SEM,StructuralEquationModeling)是综合因子分析(FactorAnalysis)和途径分析(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(CovarianceMatrix)来同时分析多种变量间交织复杂的关系,即利用各潜在的观测因子来讨论因果关系的隐含构造,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。构造方程模型最初起源于心理学,后被广泛应用到其他
3、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(StructuralEquationModelingSoftware)是1986年由PeterM。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互相关系的假设理论模型。自变量数值通过测量所得,并构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,若能较好地知足拟合度标准,则讲明此假设模型成立;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
4、止;若拟合度仍然未到达理想状态,则该否认此假设理论模型。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分别讨论了二语水平、外语学能及智力间的关系和学习者目的与老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构造,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
5、分别对TEM8人文知识部分和职前中学英语老师白话考试进行构念效度验证。彭康洲、李清华应用项目反响理论借助EQS分析2007年TEM4听力理解项目的质量。侯艳萍借助EQS讨论了可能对TEM4浏览理解任务难度产生影响的浏览任务特征变量,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奉献率大小。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灵敏性更高,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
6、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,两种模型和两种途径。两类变量指潜在变量(LatentVariable)和观测变量(ObservedVariable)前者为不可直接测量的非观测变量(UnobservedVariable),又称因子,它通常通太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途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构造模型。测量模型(MeasurementModel)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。构造模型(StructuralM
7、odel)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。两种途径为自变量(IndependentVariable)和因变量(DependentVariable)之间的途径,以及因变量和因变量之间的途径。在EQS描绘的途径图中,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Lon
8、g的研究,构造方程建模具有五个步骤:(1)模型构建(ModelSpecification)、(2)模型识别(ModelIdentification)、(3)模型估算(ModelEstimation)、(4)模型拟合(TestingModelFit)、(5)模型重构(ModelRe-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详细的模型,通过EQS模型图和方程来表达该模型各变量间的互相关系,根据各变量对模型的途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以为在模型识别阶段会时会出现
9、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,模型识别缺乏的情况不能信赖。只要增加制约参数,才可到达正好识别或超识别这两种能够接受的模型。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(R
10、obustOption)生成Satorra-Benfle卡方值,可获得一个比其他统计量更接近的分布。即便分布假设不能知足,出现非多元正态分布,强韧标准误在大样本中可以接受。EQS为所有变量、因子及变量因子间的误差设定了标准,进而固定了参数,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,容易遭到样本大小的影响,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。根据以往的研究经历,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,
11、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。在此经过中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互相关系非常密切,任何一处的改动都可能对总体模型产生较大的影响。因此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
12、己效能的相关性,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(自己效能量表),包含1个要素10个项目。采集了调查数据后,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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 应用 语言学 论文
限制150内