年挑戰(zhàn)賽優(yōu)秀匯總2016第九屆一階段2045隊題

第九屆“認證杯”數(shù)學中編號專用頁參賽隊伍的參賽隊競賽統(tǒng)一編號（由競賽送至評委團前編號競賽評閱編號（由競賽評委團評閱前進行編號題目C題：抑制校園霸凌的探關(guān)鍵詞校園霸凌Logistic 本文主要探討如何有效抑制校園霸凌的發(fā)生及對不同段青少年素方差分析模型、相關(guān)性分析模型、因子分析模型、logistic回歸分析模型和素方差分析模型，判斷出各個段的心理狀況是否有顯著性差異。logisticLogistic（填寫（填寫 Thisarticlediscusseshowtoeffectivelysuppresstheoccurrenceofbullyingpredicteventsandinfluencingfactorsofdifferentagesadolescentmentalconditions.Utilizationdataprovidedintheannex,takingintoaccountotherfactorsthataffectadolescentmentalhealth,throughSPSS19.0,Amos21.0andR3.2.2andothersoftware,multiplesetsofmufti-factorysisofvariancemodel,correlationmodelysis,factorysismodel,logisticregressionmodelsandstructuralequationmodeling(SEM)weresetup.Usingtheabovemodel,theproblemraisedbymodelingwereresolvedsuccessfully:Forproblem1,first,pretreatedthedataprovidedintheannex,theuseofmultiplesetsofmufti-factorysisofvariancemodelonthisbasis,itisdeterminedwhetherthementalstateofallageshaveasignificantdifference.Forproblem2,onthebasisofanysisoftheproblem1,accordingtodifferentfactorsthatmayariseinproblem2,taketheuseofthreemodelstoyze.First,correlationysistofindthedependentvariableandrelatedmentalhealthindicators,taketheuseoflogisticregressiontoyzeandpredictthemainfactorsofdifferentpositiveandnegativepredictiveframe;takeintoaccounttheeffectmaybeoverlapbetweenmultipleindependentvariablesoftheproblem,theuseoffactorysisoftheargumentsforfeatureextraction,useofnewfactorsLogisticregressionysisagain,findnewfactorsaffectthedependentvariable;andinviewofmultipledependentvariablesthereisacorrelationbetweentheindependentvariablesoftheproblem,andLogisticregressionysiscannotsolvesuchproblems,sotakestructuralequationmodelingysis.Finally,thepredictionsofdifferentmodelsformutualauthenticationdescribedhereinreliabilityofysisresults.Finally,theadvantagesanddisadvantagesofthemodelofanobjectiveevaluation,thatresultsofthestudyhavesomereferencevaluefactorsofpsychologicalhealthofdifferentagesforecast.GivenintheAppendixwroteanysistothelocalnewspapertoclarifythemainstrategytosuppressbullyings.一、問題重 二、問題分 背景分 對問題一的分 對問題二的分 三、模型假 四、符號說 五、模型的建立與求 問題一的求 數(shù)據(jù)預處 描述性統(tǒng) 顯著性分 問題一小 問題二的模型的建立與求 相關(guān)性分 Logistic回歸模 因子分析模 結(jié)構(gòu)方程模 問題二小 六、模型的進一步討論與改 模型的優(yōu)點評 模型的缺點評 七、附 八、參考文 一、問題重件，霸凌行為通常伴隨著與精神的雙重 和他人的。寫一份500字左右的分析報告，闡述你對抑制校園霸凌發(fā)生的主要策略。二、問題分背景分凌與。在網(wǎng)上搜索“校園”，結(jié)果可謂觸目驚心。近幾年發(fā)生在警惕的是，在一些披露校園的中，有這樣的表述“校園事件在范圍內(nèi)呈逐年上升趨勢”。更值得我們警惕的是，諸多校園均被上傳者或者貼以“搞笑”“趣味”“時尚”“最酷”一類的，不少“作和有效抑制校園霸凌發(fā)生的對策建議。術(shù) 解釋術(shù) 解釋解

風依賴型 需要別人的指導和建議才能做決定沖動型三、模型假四、符號說變量 說變量 說 相關(guān)系 第i 五、模型在數(shù)據(jù)統(tǒng)計分析之前,首先要進行數(shù)據(jù)的。因為可能在和錄入問題一的求 數(shù)據(jù)清造成，而且還可能影響與對數(shù)據(jù)分析的信心。在實際過程中，數(shù)據(jù)清理常常18個題目評定、決策風格中的五個維度分別由五個數(shù)據(jù)格式轉(zhuǎn)變換前的數(shù)據(jù)變換前的數(shù)據(jù)格變化后的數(shù)據(jù)格 1：原始數(shù)據(jù)按行展示真實值和缺失值的矩陣圖。矩陣按重通過對全部數(shù)據(jù)的描述性統(tǒng)計，我們分析發(fā)現(xiàn)在15歲組數(shù)據(jù)第188號49歲11歲13歲15歲17歲9歲11歲13歲15歲17歲①從表中可以看出五個分組之間在數(shù)據(jù)量和比例上均相同②在分組設(shè)計上，每一組的均值都可以代表了整個分組的整體特征，這智型因素和型因素隨著分組的增長，逐漸上升；依賴型因素和回避型因素隨著的增長，總體亦呈現(xiàn)上升趨勢。沖動型因素隨著的增長，逐漸下圖2：各分組的影響心理心理狀況自變量因素箱線分組變化不是太明顯，理智型、型和依賴型隨著的增長呈現(xiàn)上升趨圖3：各分組的自變量變化趨勢歲組風險偏好均值明顯高于其他組；認知需要總體呈現(xiàn)下降趨勢，在11歲對于多組之間均數(shù)的比較，不適合采用t檢驗，容易犯Ⅰ類錯誤的可能性增56漸近顯著 7 型因素存在差異。9歲組和13歲組在理智型、型和沖動型上存在差異。9歲組和 上存在差異。歲和 歲組和15歲組在理智型、依賴型、回避型存在差異。11歲組和17歲組在理智型和依賴型存在差異。13歲組和 .1.4也說明了學生在9歲兒童時期和17歲之間對問題思考能力的變化，結(jié)合描學生傾向于回避努力思考，更可能或者忽略相關(guān)信息，更注重于應用自己現(xiàn)有的生活經(jīng)驗，這可能是出現(xiàn)厭學心態(tài)的原因。對于沖動型在915另一方面從分組的差異性匯總來看，15歲組和17歲組兩組之間各個因rLogistic模型本身不能保證在自變量的各種組合下，因變量的估計值仍限制在0~1內(nèi)，因此可能會得到這種荒唐的結(jié)論：、30歲、病情較輕的患者被治愈的概率為P與自變量的關(guān)系通常不是直線關(guān)系，S型曲線關(guān)系。顯然，線性關(guān)系是線性回歸中至關(guān)重要的前提假設(shè)，而在上述模型中這一假設(shè)明顯。1970年，Cox引如（odd），即odds 1

，取其對數(shù)lnodds 1

0.5為對稱點，分布在0~1的范圍內(nèi)的，而相應的logitP的大小為P0logitPln0/1P0.5logitPln0.5/0.5P1logitPln1/0logitP0-，，使得在任何自變量取值下，對P值的預測均有實際意義。其次，大量 需要以logitP為因變量，建立包含p個自變量的logisticlogitP01x1pexpxxP 1 p1P 3logistic回歸模型8Logist理智型依賴回避沖動 歲歲組歲組歲組15911歲組的生命負向框架也具有一定影響。型僅對9歲組的生命正負向和負向框架有影響。依賴型在歲組的正負框架和組的正向框架有一定影響?；乇苄蛯M負向框架和歲組的生命正向框架有影響。沖動型僅對組的生命負向框架有影響。x,x,...,x設(shè)有N個樣本，P個指標，X= 為隨量，要尋找的公因子F,F,...,F FbXbX...bXi a aF=12 m，則模型i i11i22 inn 型。矩陣A=ij稱為因子載荷矩陣，ij為因子載荷（Loading），其實質(zhì)就是公因子Fi和變量Xi的相 a a0~1分化，同時保持同一行Fibi1X1bi2X2...binXni1,2,...,1，變量間的偏相關(guān)性越強，因子分析的效果越好。在實際分析中，當9風險偏認知需--理智-型依賴--回避--沖動-從表格10可以看出因子1主要貢獻度來自型、依賴型、回避型和沖動型因子正好是影響各個段心理狀況的自變量，因此可以認為我們得到的因子分析，找出相關(guān)性高的因子，進行l(wèi)ogistic回歸分析，回歸系數(shù)如表格10所示組 因變 因子組 因變 因子 因子 因子生命正 生命負 9生活正歲生活負 生命正生命正歲組生命負生活負正負正負生命正 生命負 生活正 歲生活負 歲組歲組生命負生活負負正負生命正 生命負 生活正 歲生活負 正正負從表中可以看出，1117歲組的正負框架影響因素主要來自因子3。而9219歲組部分正負框架有模型描統(tǒng)路徑分析與因子分析的完美結(jié)合。SEM一般使用最大似然法估計模型(Maxi-Likeliheod，ML)ML法使得研預測因子一樣的單一模型中、預測因子假設(shè)為沒有測量誤差、預測因子間的多重共線性會妨礙結(jié)果解釋，SEM不受這些方面的限制。yxBx外生觀測量與外生潛在變量之間的關(guān)系，是外生觀測變量在外生潛在變 模型構(gòu)建的思路：本案例在著名的顧客滿意度指數(shù)模型(ASCI)的基礎(chǔ)4：結(jié)構(gòu)方程模型構(gòu)建11 Degrees ProbabilityDegrees 12RegressionWeightsGroupnumber1Default生命教生活方生命教生活方生命教生活方生命教生活方生命教生活方生命教生活方生活方生命正生命負生活正生活負正負風險偏認知需認知需認知需理智理智理智型型型依賴依賴依賴回避回避回避沖動沖動沖動風險偏生命教生命教生活方生活方 13Variances:Group 2 2 889 9通過對三種模型的結(jié)果對比分析可以看出五個不同段組的生命教育、青少年在一定風險和不確定的決策問題時所表現(xiàn)出來的行為較成年人具有研究中還發(fā)現(xiàn)，認知需要、理智型和型主要影響9歲組和15歲組，而依賴型、回避型和沖動型主要影響相對較高組。六、模型的進一步討論⑤文章中大量圖像與表格相結(jié)合更具有說服力七、附錄一 附件1RegressionWeights:Groupnumber1Default-------------型-型型---------2-112 Default

3

SaturatedSaturated

3 DefaultDefault SaturatedIndependence IDefault

SaturatedSaturated0Independence

DefaultSaturatedIndependence6LOHIDefaultSaturatedIndependence7DefaultSaturatedIndependenceDefaultIndependence9 Default

SaturatedSaturated

Independence

DefaultSaturatedIndependenceDefaultIndependence八、參考文[1]張文彤.IBMSPSS數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例精粹[M]. [