1.4.1　量化研究中統計分析的層次

在基于數據的量化研究中，根據統計分析方法和統計分析技術的不同層次，量化研究也可分為不同的層次。

1．基于頻數與百分比的簡單對比

在最初等的量化研究中，為了表示不同類別間的關系，很多研究者對原始數據進行分類，并統計每類數據的個數，在統計出的頻數的基礎上繪制出餅圖、直方圖和折線圖，利用這些頻數、百分比或圖像來論證不同類別研究對象所呈現出的特質。

基于頻數或百分比論證研究結論，是最簡單的統計分析技術，在教育科學的學術研究中雖然仍在大量使用，但其學術性不是很強。

2．基于差異顯著性檢驗的統計分析

差異顯著性檢驗是教育科學定量研究中的核心內容。在教學管理中，差異顯著性檢驗被廣泛地應用。例如，期末考試完成之后，可比較兩個教學班學生的考試成績是否存在顯著性差異，班級內男生與女生的成績是否存在顯著差異，不同生源學生的成績是否有顯著差別，學生的期末成績與期中成績是否有顯著差別。而在教改研究中，人們經常采用“實驗班-對照班”模式組織教學活動，以論證教改策略實施的有效性。在此類研究中，實驗班與對照班之間前測數據的差異顯著性檢驗、后測數據的差異顯著性檢驗，實驗班前后測數據的差異顯著性檢驗，以及針對群體中某一特殊小群體的跟蹤和差異顯著性檢驗，這些檢驗均屬常用策略。

利用差異顯著性檢驗，通常能夠解決兩個方面的問題。其一，直觀地論證某一類群體優于或弱于另一類群體。例如，在教改研究中，實驗班的后測數據與對照班的后測數據有顯著差異，且實驗班數據均值高于對照班，能說明新教學策略的有效性。其二，基于差異顯著性進行歸因。例如，在教改研究中，如果發現“教改前男女生的成績無顯著差異，但經過教改，男生的成績明顯高于女生”，則可以得出結論，新教學策略對男生的影響比較顯著，或者說新教學策略與性別相關。

差異顯著性檢驗已是具有相當水平的統計分析技術，在教育科學、醫學、社會學、心理學等學科的學術研究中被廣泛地應用，并已具備了較好的學術性。

3．基于回歸、降維和聚類分析的統計分析

在人文社會科學研究中，出于歸因和歸納的需要，人們常常借助回歸分析技術，把若干基本因素變量和被解釋變量組合起來實施分析，以探索因素變量與被解釋變量之間的關系。例如，要分析影響物理課程學習成績的因素——性別、愛好、認知風格、語文成績、數學成績等，就可以使用多元線性回歸分析。

在理想的情況下，利用回歸分析能夠獲取表達因素變量與被解釋變量之間邏輯關系的回歸方程式。利用回歸方程式，不但能夠發現影響被解釋變量的若干因素及其影響力水平，還可以進行預測。

降維和聚類分析則可以通過對變量進行聚類，減少變量的個數，從而降低研究問題的維度，歸納出影響研究結論的關鍵因素。

回歸、降維與聚類分析在人文社會科學的量化研究具有較高的學術地位。在人文社會科學的量化研究中，穿插使用回歸、降維和聚類分析，能夠實現對研究問題的深層次挖掘，常常能夠獲得較有價值的研究結論。

4．結構方程模型

結構方程模型是一種建立、估計和檢驗因果關系模型的方法。模型中既包含可觀測的顯變量，也可能包含無法直接觀測的潛變量。結構方程模型可以替代多重回歸、路徑分析、因子分析、協方差分析等方法，清晰地分析單項指標對總體的作用和單項指標間的相互關系。

簡單而言，與傳統的回歸分析不同，結構方程模型能同時處理多個因變量，并可比較及評價不同的理論模型。與傳統的探索性因子分析不同，在結構方程模型中，可以預先提出一個特定的因子結構，并檢驗它是否吻合數據。通過結構方程模型多組分析，我們可以了解不同組別內各變量的關系是否保持不變，各因子的均值是否有顯著差異。

在教育科學研究中，利用結構方程模型技術，可以針對若干因素變量和多個因變量建立起比較貼合實際的邏輯結構，能夠真正地反映教學過程中多個變量之間相互依存、相互影響的邏輯關系。目前，結構方程模型在教育科學的研究中具有很高的學術地位，利用結構方程模型技術，能夠有力地提升教育科學研究的學術水準。