1.OTL—教学质量变量对PISA数学测评结果影响因素的HLM分析
OTL—教学质量变量对PISA数学测评结果影响因素的脉络模型拟合结果如表7-37所示。
表7-37 OTL—教学质量变量对PISA数学测评结果影响因素的脉络模型拟合结果
Deviance= 3343.400127
如上表所示，就固定效果而言，在学校层面上，变量CLSMAN、 MTSUP对学生PISA数学测评成绩的影响不显著（P＞0.05），而其他脉络变量对学生PISA数学测评成绩的影响较显著。这与随机系数的回归模型结果中只有变量DISCLIMA明显影响学生PISA数学测评成绩不同。从系数呈现反映来看，无论个体层面还是学校层面，各校学生DISCLIMA对PISA数学测评成绩影响的平均值为正。上述影响平均值越高，学校学生PISA数学测评成绩就越好。
这里我们应关注脉络变量DISCLIMA，它在个体层面和学校层面上对学生PISA数学测评成绩都具有显著影响。也必须注意在学校层面上，相关变量COGACT和TEACHSUP存在的聚合效应。它们在个体层面上的影响不一定显著体现，但在学校层面上却可以显著体现出来。
从上述随机效果对应的P值来看，变量COGACT随机效果对应的P值=0.099，表明变量COGACT与PISA数学测评成绩影响的平均数之间的差异有边缘显著性，而其他变量与PISA数学测评成绩影响的平均数之间没有统计意义上的显著性差异。
在阶层二的随机误差中，τ00 =0.17363，自由度为74，x2 =393.940，达到0.001的显著水平，这表示将阶层一、阶层二纳入上述五个变量后，各个学校的PISA数学测评成绩的平均值仍有明显差异。与零模型相比，阶层二的随机误差的方差，从τ00 = 0.31643下降为τ00=0.17363，下降百分比为：
（0.31643-0.17363）/0.31643=45.128%。
这表示，阶层二将OTL—教学质量五个变量作为影响变量后，能解释学校间学生PISA数学测评成绩总差异的45.128%。
与零模型相比，阶层一的随机误差的方差，从τ00 = 0.72470下降为τ00 =0.65666，下降百分比为：
（0.72470-0.65666）/0.72470=9.389%。
这表示，阶层一将OTL—教学质量五个变量作为影响变量后，能解释学校内学生PISA数学测评成绩总差异的9.389%。整个模型的离异系数为3343.400，与零模型的离异系数3434.174相比是下降的，显然该模型要比零模型的适配度更好。与随机系数的回归模型所得离异系数3380.7348相比，也显示脉络模型适配度更好。
2.OTL—教学质量变量对中考数学测评结果影响因素的HLM分析
OTL—教学质量变量对中考数学测评结果影响因素的脉络模型拟合结果如表7-38所示。
表7-38 OTL—教学质量变量对中考数学测评结果影响因素的脉络模型拟合结果
Deviance=3017.516007
如上表所示，就固定效果而言，在学校层面上，变量CLSMAN、 MTSUP对学生中考数学测评成绩的影响不显著（P＞0.05），而其他脉络变量对学生中考数学测评成绩的影响较显著。在随机系数的回归模型结果中，则只有变量DISCLIMA明显影响学生中考数学测评成绩。从系数呈现反映来看，无论个体层面还是学校层面，各校学生DISCLIMA对中考数学测评成绩影响的平均值为正，上述影响的平均值越高，学校学生中考数学测评成绩就越好。
我们应关注脉络变量DISCLIMA，它在个体层面和学校层面上对于学生中考数学测评成绩都有显著影响。也必须注意相关变量COGACT和TEACHSUP在学校层面上存在的聚合效应。它们在个体层面上的影响不一定显著，但在学校层面上的影响却较显著。
上述随机效果显示，各校所有变量对中考数学测评成绩影响的平均数在统计意义上都没有显著性差异。
在阶层二的随机误差中，τ00 =0.25221，自由度为74，x2 =626.48769，达到0.001的显著水平。这表示将阶层一、阶层二纳入上述五个变量后，各个学校的中考数学测评成绩的平均值仍有明显差异。与零模型相比，阶层二的随机误差的方差，从τ00=0.44328下降为τ00=0.25221，下降百分比为：
（0.44328-0.25221）/0.44328=43.104%。
这表示，阶层二将OTL—教学质量五个变量作为影响变量后，能解释学校间学生中考数学测评成绩总差异的43.104%。
与零模型相比，阶层一的随机误差的方差，从τ00 =0.56984下降为τ00 =0.48510，下降百分比为：
（0.56984-0.48510）/0.56984=14.871%。
这表示，阶层一将OTL—教学质量五个变量作为影响变量后，能解释学校内学生中考数学测评成绩总差异的14.871%。整个模型的离异系数为3017.516，与零模型的离异系数3165.228相比，有明显的下降，显然该模型要比零模型的适配度更好。与随机系数的回归模型所得离异系数3056.588相比，也显示脉络模型适配度更好。
现将上述数据信息归纳如表7-39至表7-42所示。
表7-39 OTL—教学质量变量对PISA数学测评成绩的影响（1）
（续表）
表7-40 OTL—教学质量变量对PISA数学测评成绩的影响（2）
表7-41 OTL—教学质量变量对中考数学测评成绩的影响（1）
表7-42 OTL—教学质量变量对中考数学测评成绩的影响（2）
基于OTL—教学质量的五个解释变量或影响变量，对PISA和中考数学测评成绩的影响分析归纳如下。
首先，教学质量相关变量对PISA和中考数学测评成绩的影响体现出很强的一致性。就固定效果而言，在学校层面上，变量CLSMAN、 MTSUP对中考数学测评成绩的影响显著，同时，其他脉络变量如COGACT、 DISCLIMA及TEACHSUP也对中考数学测评成绩有一定影响。而在这个随机系数的回归模型结果中，只有变量DISCLIMA明显影响中考数学测评成绩。从系数呈现反映可以看出，无论个体层面还是学校层面，各校学生DISCLIMA对中考数学测评成绩影响平均值为正，上述影响平均值越高，学校学生中考数学测评成绩就越好。
其次，从上述有关PISA数学测评成绩和中考数学测评成绩差异的解释率来看，教学质量的相关变量，更多体现在学校层面的反馈上，因为相比于个体层面，每个变量在学校层面上的解释率明显要高。同时，变量DISCLIMA在个体层面或学校层面上的解释率在教学质量相关变量中是最高的。
最后，必须关注学校数学成绩影响的平均值差异的相关变量。就PISA数学测评成绩而言，除变量COGACT与PISA数学测评成绩影响的平均数之间的差异有边缘显著性外，其他变量与PISA数学测评成绩影响的平均数之间没有统计意义上的显著性差异，同时教学质量所有变量与中考数学测评成绩影响的平均数之间也没有统计意义上的显著性差异。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
