教育计量学 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

岳昌君 著

图书标签:

• 教育测量
• 教育统计
• 计量经济学
• 统计学
• 教育研究
• 数据分析
• 回归分析
• 因果推断
• 评估研究
• 心理测量

出版社： 北京大学出版社

ISBN：9787301147726

版次：1

商品编码：10441601

包装：平装

开本：16开

出版时间：2009-03-01

页数：203

正文语种：中文

编辑推荐

《教育计量学》不仅包括本人近年来发表的学术文章、北京大学教育学院的研究生学位论文还包括国内外期刊和《国际教育经济手册》上的一些内容。在这些具体的实例中，涉及个人教育收益率、教育生产函数、公共教育投资比例的国际比较、教育政策评价、入学机会和教育经费的公平性研究、课外补习现象研究、高等教育需求分析、高等教育学生学业成就的影响因素分析、高校毕业生就业满意度研究、劳动力行业分布的影响因素分析等。

内容简介

《教育计量学》全面收集了近年来在教育研究中用到的统计指标。例如，包括了基尼系数、塞尔系数、广义熵系数等用来反映教育不平等程度的统计指标。除了介绍一般线性回归模型外，还特别包括了随机前沿分析（SFA）、数据包络分析（DEA）、分位数回归、多分因变量模型、定序因变量模型、格兰杰因果检验方法、单位根检验、协整分析等内容，可作为教学用书，也可供读者阅读学习。

作者简介

岳昌君，北京大学教育学院教授，博士生导师，教育经济与管理系主任，中国教育经济学会理事。复旦大学理学学士（数学），山东科技大学工学硕士（计算机应用），北京大学与美国加州大学（UCDavis）联合培养经济学博士，法国奥维涅大学经济学博士后。
主要研究领域为教育经济学、国际经济学、劳动经济学等。主持国家自然科学基金项目、国家社科基金“十一五”规划项目等多项国家和省部级课题。出版专著一部，发表学术期刊论文四十多篇。获得教育部“新世纪优秀人才”、安子介国际贸易研究优秀论文奖、北京大学方正奖教金、北京大学教学优秀奖等多项奖励。是中国海关总署进出口预警系统计量模型的主要设计人，教育部《高校毕业生就业状况白皮书（2004-2008）》的主要撰写人。

目录

第一章 统计学基础知识
第一节 表示集中趋势的统计指标
第二节 表示变异程度的统计指标
第三节 数据的分布状况
第四节 实例分析

第二章 一元线性回归模型
第一节 一元线性回归模型及其基本假定
第二节 普通最小二乘法
第三节 拟合优度检验
第四节 置信区间
第五节 假设检验（t）
第六节 总体显著性检验
第七节 预测
第八节 实例：公共教育投资比例的国际比较

第三章 多元线性回归模型
第一节 多元线性回归模型及其基本假定
第二节 普通最小二乘法
第三节 拟合优度检验
第四节 单参数显著性检验
第五节 一般线性假设检验（F检验）
第六节 置信区间
第七节 预测
第八节 线性模型扩展
第九节 实例：个人教育收益率

第四章 虚拟解释变量
第一节 一个定性变量
第二节 两个定性变量
第三节 交互作用效应
第四节 结构一致性检验

第五章 放宽经典模型的假定
第一节 多重共线性
第二节 异方差
第三节 自相关
第四节 随机解释变量

第六章 分类因变量
第一节 线性概率模型（LPM）
第二节 对数单位模型（Logit模型）
第三节 概率单位模型（Probit模型）
第四节 多分定类因变量
第五节 定序因变量
第六节 其他限值因变量模型

第七章 单方程估计专题
第一节 面板数据的模型估计
第二节 分位数回归模型
第三节 随机前沿分析
第四节 数据包络分析

第八章 联立方程模型
第一节 联立方程模型的基本概念
第二节 结构式与简化式
第三节 联立方程模型的识别
第四节 联立方程模型的估计

第九章 时间序列分析
第一节 单位根检验
第二节 协整分析
第三节 格兰杰（Granger）因果检验
参考文献

精彩书摘

自20世纪60年代初美国经济学家舒尔茨把教育费用当做一种投资形式进行专门分析（舒尔茨，1961）以来，人力资本和人力资本投资的概念得以充分发展。与物质资本（physical capital）投资类似，人力资本（human capital）投资通过支付成本、减少当前消费或牺牲其他投资机会来换取未来收益甚至终身收入的提高。因而，未来更高的收入实际上具有一种对前期投资进行补偿的性质，这是人力资本理论的基本视角，它引导人们对人力资本投资的成本和预期收益进行比较，并对其收益率进行研究和估计。
人力资本投资的收益率与任何其他形式的收益率一样，是一种收益测度，是对个人、组织或社会因进行人力资本投资而得到的未来净经济报酬的测量。教育经济学界反映教育收益水平最常用的有内部收益率（internal rate 0f return）和明瑟收益率（Mincerian rate of return）两种。

前言/序言

　　改革开放以来，我国经济、社会、教育、文化等各个方面都取得了巨大进步。同时，我国也出现了一些新的问题和矛盾亟待解决。在教育研究领域，学者们对我国教育发展中出现的各种问题进行了热烈的讨论。在研究中，人们越来越重视研究过程和方法的规范化，越来越注重对社会现实的深入调查和分析。在各种研究方法中，定量研究方法逐渐受到重视并得到广泛的应用。在学术期刊和研究生学位论文中，含有实证研究的文章和论文所占的比重越来越大。
　　多年来，北京大学教育学院一贯注重对研究生进行研究方法方面的训练。我从2003年春季开始，每年都为硕士和博士研究生开设教育统计与SPSS应用和高级定量研究方法课程，在指导研究生论文写作过程中和自己在课题研究过程中也经常使用定量研究方法。本书就是根据本人多年来的教学体会和学术研究成果编辑撰写而成的。之所以取名为《教育计量学》，是参考了其他学科中诸如《经济计量学》和《生物计量学》等课程名称。所谓教育计量学，是以一定的教育理论和实际统计资料为基础，运用数学、统计学方法与计算机技术，以建立教育计量模型为主要手段，定量分析研究具有随机性特征的教育变量关系。
　　本书具有以下特色：
　　一、包括许多实例。本书不仅包括本人近年来发表的学术文章、北京大学教育学院的研究生学位论文还包括国内外期刊和《国际教育经济手册》上的一些内容。在这些具体的实例中，涉及个人教育收益率、教育生产函数、公共教育投资比例的国际比较、教育政策评价、入学机会和教育经费的公平性研究、课外补习现象研究、高等教育需求分析、高等教育学生学业成就的影响因素分析、高校毕业生就业满意度研究、劳动力行业分布的影响因素分析等。
　　二、内容涉及面广。（1）本书全面收集了近年来在教育研究中用到的统计指标。例如，包括了基尼系数、塞尔系数、广义熵系数等用来反映教育不平等程度的统计指标。（2）除了介绍一般线性回归模型外，还特别包括了随机前沿分析（SFA）、数据包络分析（DEA）、分位数回归、多分因变量模型、定序因变量模型、格兰杰因果检验方法、单位根检验、协整分析等内容。

《教育的度量与革新：理论、方法与实践》 引言 教育，作为人类社会进步的基石，其价值的衡量与效益的优化始终是各界关注的焦点。从宏观的教育政策制定，到微观的课堂教学设计，如何科学、有效地评估教育的质量与效果，并据此进行持续的改进，是摆在我们面前的永恒课题。本书《教育的度量与革新：理论、方法与实践》正是旨在深入探讨这一议题，它不局限于某一种特定的教育学理论或实践，而是从一个更广阔的视角出发，系统性地梳理和阐述教育度量研究的核心概念、发展脉络、关键方法及其在现实教育改革中的多元应用。 本书的出发点在于认识到，任何形式的教育活动，无论其目标多么崇高，理念多么先进，最终都需要通过可观察、可测量的数据来体现其成效。这种度量并非仅仅是简单的数字堆砌，而是一个复杂而精密的科学探究过程。它要求我们具备严谨的逻辑思维，敏锐的洞察力，以及扎实的数理分析能力。通过教育的度量，我们能够更清晰地洞察教育现象背后的深层规律，发现潜在的问题与瓶颈，从而为教育决策提供科学依据，为教学创新注入不竭动力。 “度量”与“革新”是本书的两大核心关键词。度量是革新的基础，没有科学的度量，革新便可能陷入盲目和低效。而革新则是度量的目的，度量最终是为了更好地推动教育的进步与发展。因此，本书力求在理论高度和实践应用之间找到最佳的平衡点，既要深入剖析教育度量研究的学术精髓，又要紧密结合当前教育改革的时代需求，为读者提供一套系统、全面、可操作的知识体系。 第一部分：教育度量的理论基石与发展视野 在本书的第一部分，我们首先将致力于构建读者对教育度量这一学科的宏观认知。我们将从其历史渊源出发，追溯教育度量研究的萌芽与演进，理解它如何从早期的简单测量工具发展成为一门融合了教育学、心理学、统计学、计算机科学等多个学科的交叉性前沿领域。 第一章：教育度量的概念辨析与理论定位 本章将首先对“教育度量”进行概念上的清晰界定，区分其与“教育评价”、“教育统计”等相关概念的异同。我们将深入探讨教育度量所关注的核心问题，例如：教育目标实现的程度如何衡量？学习者的能力发展轨迹怎样量化？教学方法的有效性如何比较？教育资源的分配效率如何评估？通过对这些问题的深入剖析，读者将对教育度量研究的学科范畴和研究对象有一个全面的认识。 同时，本章还将梳理教育度量研究背后所依托的关键理论支撑，包括但不限于： 古典测量理论（Classical Test Theory, CTT）：介绍其基本假设、核心概念（如真分数、测量误差、信度）以及在教育度量中的应用和局限性。 现代测量理论（Item Response Theory, IRT）：阐述其核心模型（如单维模型、多维模型）、参数（如难度、区分度、猜测度）以及在构建更精确、更灵活的测量工具中的优势。 学习科学与认知理论：探讨认知心理学、建构主义学习理论等如何为理解学习过程、设计测量工具提供理论指导，以及如何将认知模型融入教育度量中。 教育经济学与效率分析：介绍教育投入与产出分析、成本效益分析等方法，以期从经济学视角理解教育资源的配置与优化。 通过对这些理论的梳理，读者将能够理解教育度量研究并非空穴来风，而是建立在坚实的理论基础之上。 第二章：教育度量研究的历史演进与发展趋势 本章将系统回顾教育度量研究的发展历程，从早期大规模标准化考试的兴起，到计算机辅助评估技术的出现，再到大数据和人工智能时代的到来，每一个阶段都标志着教育度量技术的飞跃。我们将重点关注以下几个关键发展节点： 标准化测试的兴起与挑战：分析标准化测试在推动教育公平、统一评价标准方面的贡献，以及对其在情境化、个性化评估方面的局限性的讨论。 计算机化自适应测试（CAT）的发展：介绍CAT如何通过动态调整题目难度来提高测试效率和精度，以及其在个性化评估中的巨大潜力。 信息技术与大数据在教育度量中的应用：探讨在线学习平台、学习分析（Learning Analytics）等如何生成海量的学习数据，以及如何利用这些数据进行个体化学习路径推荐、学习困难预警等。 人工智能与教育度量的融合：展望AI技术在自动阅卷、学习行为分析、智能反馈生成、教育诊断等方面的应用前景，以及可能带来的伦理与技术挑战。 同时，本章还将展望未来教育度量研究的发展趋势，例如：更强调过程性评估、关注高阶思维能力、结合情感与动机因素、以及构建更具解释力和预测力的模型等。 第二部分：教育度量的核心方法与技术工具 在第一部分构建了理论框架后，本书的第二部分将聚焦于教育度量的具体方法与技术工具。我们将详细介绍各种量化和质化相结合的研究方法，以及在实践中常用的分析技术。 第三章：教育数据的采集与预处理 本章将是教育度量研究实践的基础。我们将详细介绍各种教育数据的来源，包括但不限于： 学生学业成绩数据：考试分数、作业得分、项目成果等。 学生学习行为数据：在线学习平台的互动记录（点击、停留时间、观看视频频率）、论坛发言、问答参与度等。 学生能力与素养数据：通过标准化测试、能力倾向测试、作品集评估等获得的测量数据。 教师教学行为数据：教学设计、课堂互动、反馈频率等。 教育环境与政策数据：学校资源投入、师生比、课程设置、教育政策文本等。 随后，本章将深入探讨教育数据的预处理技术，这是保证后续分析质量的关键步骤。我们将讲解： 数据清洗：缺失值处理、异常值检测与处理、重复数据删除等。 数据转换：变量标准化、编码、特征提取等。 数据集成：如何将来自不同来源的数据进行有效整合。 数据可视化：运用图表等方式初步探索数据特征，发现潜在模式。 第四章：统计分析方法在教育度量中的应用 本章将重点介绍统计学在教育度量中的关键应用。我们将深入浅出地讲解各种常用的统计分析方法，并结合教育研究的实际案例进行说明。 描述性统计：均值、中位数、标准差、频率分布等，用于概括教育数据的基本特征。 推断性统计： t检验与方差分析（ANOVA）：比较不同组别（如不同教学方法、不同学生群体）之间的差异。 相关分析与回归分析：探讨不同变量之间的关系，例如学习投入与学业成绩的关系，预测学业成绩的影响因素。 卡方检验：分析分类变量之间的关联性，例如不同教学模式与学生满意度之间的关系。 多变量统计分析： 因子分析与主成分分析：降维技术，用于识别潜在的教育因素（如学习动机、学业焦虑），或构建复合指标。 聚类分析：将具有相似特征的学生或教学案例进行分组，以发现不同学习群体或教学模式。 路径分析与结构方程模型（SEM）：检验复杂变量之间的因果关系模型，例如研究学习策略、教师支持、学习动机和学业成绩之间的多重影响路径。 第五章：项目反应理论（IRT）与评估模型 本章将专注于项目反应理论（IRT）及其在教育度量中的应用。我们将详细解释： IRT的基本原理：项目特征曲线（ICC）的意义，参数（项目难度、项目区分度、猜测参数）的解释。 IRT模型：单参数逻辑模型（1PL）、双参数逻辑模型（2PL）、三参数逻辑模型（3PL）等，以及它们在不同测量情境下的适用性。 IRT的应用： 项目分析与筛选：评估题目的质量，选择最优的题目集。 能力估计：基于被试在题目上的反应，估计其潜在能力水平。 等化（Equating）：使得不同形式但测量同一特质的测试分数具有可比性。 计算机化自适应测试（CAT）的设计与实现。 其他评估模型：简要介绍认知诊断模型（CDM）等新兴评估模型，它们能够提供比传统IRT更精细的学习诊断信息。 第三部分：教育度量的实践应用与未来展望 在掌握了理论基础和核心方法后，本书的第三部分将聚焦于教育度量在现实教育改革中的广泛应用，并对未来发展进行展望。 第六章：教育度量在学习分析与个性化教育中的应用 本章将探讨如何利用教育度量的方法和技术，实现学习分析和个性化教育。 学习分析（Learning Analytics）： 描述性学习分析：可视化学生参与度、学习进度，识别学习模式。 预测性学习分析：预警可能辍学或学业困难的学生，预测学习成果。 规范性学习分析：为学生提供个性化的学习建议，推荐学习资源。 个性化教育（Personalized Education）： 自适应学习系统：如何基于学生的实时表现，动态调整学习内容和难度。 个体化学习路径设计：根据学生的学习风格、兴趣和已有知识，规划最优的学习路径。 智能辅导系统：提供即时、有针对性的反馈和指导。 第七章：教育度量在教学评估与教育政策制定中的应用 本章将阐述教育度量在评估教学质量和支持教育政策制定中的关键作用。 教学质量评估： 课程与教学效果评估：利用学生成绩、学习投入、教师反馈等数据，评估课程设计和教学方法的有效性。 教师效能评估：基于学生学业进步、课堂互动、学生反馈等，对教师的教学表现进行科学评估。 教育项目与改革成效评估：通过前后测对比、对照组研究等方法，评估新教学模式、教育技术或政策干预的效果。 教育政策制定与优化： 基于数据的决策：如何利用教育度量结果，为教育投入、资源分配、课程改革、教师培训等提供科学依据。 教育公平的度量与促进：通过分析不同群体（如城乡、性别、经济背景）在教育结果上的差异，识别教育不公，并设计相应的干预措施。 教育评价体系的构建：如何设计更加全面、科学、导向性的教育评价体系，以促进学生的全面发展和教育质量的持续提升。 第八章：教育度量的伦理考量与未来挑战 在教育度量日益深入人心的同时，我们也必须正视其带来的伦理挑战。 数据隐私与安全：如何保护学生的个人数据，防止滥用和泄露。 算法偏见与公平性：如何避免算法设计中的偏见，确保所有学生都能得到公平的评估和对待。 过度量化与“应试”倾向：如何平衡量化评估与非量化评估，避免教育的过度功利化和应试化。 技术可及性与数字鸿沟：如何确保所有学校和学生都能公平地受益于教育度量技术。 解释性与透明度：如何提高教育度量结果的可解释性，让师生、家长和社会各界理解评估的依据。 本章还将对未来教育度量研究的发展方向进行展望，例如： 跨学科融合的深化：与神经科学、行为经济学、社会学等领域的交叉。 情感与社交能力度量：对非认知能力（如情商、合作能力）的探索性测量。 终身学习的度量：如何适应快速变化的社会需求，对个体终身学习过程进行评估。 开放教育资源（OER）的度量与应用。 可解释人工智能（XAI）在教育度量中的应用。 结语 《教育的度量与革新：理论、方法与实践》并非一个终点，而是一个开放的起点。我们希望通过本书，能够激发更多教育研究者、实践者、政策制定者对教育度量的关注与探索。科学的度量是教育革新的罗盘，精准的评估是教育优化的引擎。只有不断深化对教育的理解，持续优化教育的实践，才能最终实现教育的初心——促进每个个体的最大发展，引领社会文明的持续进步。 本书希望能够为读者提供一个全面、深入、富有启发性的视角，去理解和实践教育的度量与革新。我们相信，通过科学的度量，教育的未来将更加光明。

评分☆☆☆☆☆

坦白说，这本书的阅读体验并非一帆风顺，它对读者的预备知识有一定的要求，这使得它更像是一本进阶参考书，而不是给完全零基础人士的第一本入门读物。如果你对基础的概率论和描述性统计知识掌握得不太牢固，那么在阅读到关于极大似然估计或者贝叶斯推断的章节时，可能会感到吃力，需要频繁地翻阅其他资料进行辅助理解。但这反过来也说明了它的学术价值和深度。我个人认为，这本书的价值体现在它对“批判性应用”的强调上。作者反复提醒我们，任何统计模型都不是万能的灵药，它们都有各自的适用边界和潜在的偏差来源。书中关于模型选择和假设检验的讨论，非常到位地传达了一种审慎的科学态度，教会我们如何不被数字表象所迷惑，而是深入探究数据背后的真实机制。对于希望从“会用工具”升级到“理解工具”层面的读者，这本书是不可或缺的阶梯。

评分☆☆☆☆☆

这本书的案例选择和应用深度，绝对是超出我预期的。很多同类书籍在举例时，往往会陷入那种千篇一律的“假设检验”或“回归分析”的简单套路中，显得有些脱离实际研究的前沿。然而，这本著作则非常巧妙地融入了大量源自真实教育场景的复杂数据实例，从学生学习投入度的量化评估，到不同教学干预措施的长期效果追踪，每一个例子都紧密贴合当前教育研究的热点和难点。更难能可贵的是，作者并没有止步于展示结果，而是深入剖析了在构建这些实证研究模型时所需要克服的实际困难，比如如何处理缺失数据、如何对背景变量进行合理的控制等等。这对于正在撰写毕业论文或者独立开展研究的同行来说，简直就是一本“避坑指南”。我甚至可以想象，如果我手头有一个棘手的项目数据需要处理，这本书里一定能找到相应的分析思路和工具箱里的对应工具。

评分☆☆☆☆☆

这本书的附录部分简直是意外的惊喜，它极大地提升了这本书的实用性和可操作性。我特别关注了其中关于特定软件操作的指导部分，作者没有简单地列出软件的菜单路径，而是针对书中所讲解的每一个核心模型，提供了详细的步骤截图和代码示例。这对于习惯使用主流统计软件进行数据分析的研究人员来说，简直是福音。我尝试着跟着书中的步骤，在自己的电脑上复现了其中一个关于“潜变量建模”的案例，整个过程行云流水，没有遇到任何说明书上没有提及的陷阱。此外，作者还附带了一个在线资源链接，里面似乎包含了所有案例数据的原始文件和完整的分析脚本，这为我们读者提供了一个极好的“动手实验”平台，可以随时下载数据，自己调整参数，观察结果的变化，真正做到了理论与实践的无缝对接。这种贴心且周到的配套支持，极大地增强了这本书作为案头工具书的地位。

评分☆☆☆☆☆

我花了将近一个月的时间来细细品读这本书的内容，最大的感受是作者在逻辑构建上的严谨性令人叹服。它不像有些教材那样，只是简单地罗列公式和定义，而是真正做到了层层递进，环环相扣。一开始引入的那些基础概念，看似平铺直叙，实则为后续更高阶的统计模型打下了坚实的地基。我尤其欣赏作者在解释每一个统计假设时所采取的论证方式，他总是先从实际研究中可能遇到的问题出发，引导读者思考为什么需要这个特定的方法，而不是直接抛出公式然后要求死记硬背。这种“问题导向”的教学思路，极大地激发了我去探究“为什么”的好奇心。特别是当涉及到那些涉及到多层嵌套结构的数据分析时，作者通过几个巧妙设计的案例，将那些原本晦涩难懂的参数估计过程变得异常直观和易于理解。读完某个章节后，我常常会合上书本，在脑海中快速地复盘一遍刚刚学到的知识框架，惊喜地发现作者已经帮我把那些可能存在的逻辑漏洞都预先堵上了。

评分☆☆☆☆☆

这本书的装帧设计倒是挺用心的，封面设计简约而不失深度，那种深沉的蓝色调搭配金色的书名，给人的感觉就像是打开了一本厚重的学术经典。纸张的质感摸起来很舒服，油墨的印刷清晰锐利，即便是那些复杂的图表和公式，也能看得一清二楚，长时间阅读下来眼睛也不会感到特别疲劳。当然，最让我印象深刻的是它排版的细节处理。目录结构清晰明了，每一章的标题都设置得很有引导性，让人很容易就能找到自己感兴趣或者需要重点攻克的章节。而且，书中的注释和参考文献部分也做得非常专业，标注规范，这对于任何一个想要深入研究相关领域的读者来说，都是极其友好的设计。初翻这本书时，我甚至花了不少时间去欣赏那些精心制作的图表，它们不仅仅是数据的堆砌，更像是精心构思的视觉叙事，将抽象的理论具象化，这极大地降低了初学者面对复杂概念时的畏惧感。整体来看，这本书在物理层面上就展现出了一种对知识的尊重和对读者的体贴，这一点在现今很多快速出版的读物中是难能可贵的。

评分☆☆☆☆☆

书很不错，全新正版的，发货速度快，京东物流也很给力，很快就收到了，包装也很好，收到没有损坏。收到后看了书，很不错，和书店里卖的一样，但是比书店便宜很多，值得购买。

评分☆☆☆☆☆

内容不错，快递给力。

评分☆☆☆☆☆

可以可以可以可以可以可以

评分☆☆☆☆☆

非常满意，五星

评分☆☆☆☆☆

结构清晰，适合定量教育研究的教材。

评分☆☆☆☆☆

速度比较快！速度比较快！

评分☆☆☆☆☆

结构清晰，适合定量教育研究的教材。

评分☆☆☆☆☆

很棒的书

评分☆☆☆☆☆

非常满意，五星