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。下文是我为大家整理的关于应用语言学论文的范文，欢迎大家阅读参考!

应用语言学论文篇1

EQS在应用语言学中的应用

[摘要]EQS是结构方程模型(SEM)的应用软件之一，它能同时分析多变量之间错综复杂的关系，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。文章简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、学习观念及自我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]结构方程模型EQS应用语言学学习策略

引言

结构方程模型(SEM，Structural Equation Modeling)是综合因子分析(Factor Analysis)和路径分析(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(Covariance Matrix)来同时分析多种变量间交错复杂的关系，即利用各潜在的观测因子来探讨因果关系的隐含结构，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。结构方程模型最初起源于心理学，后被广泛应用到其他研究领域，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(Structural Equation Modeling Software)是1986年由Peter M。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相互关系的假设理论模型。自变量数值通过测量所得，并形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，若能较好地满足拟合度标准，则说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止若拟合度仍然未达到理想状态，则该否定此假设理论模型。

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分别探讨了二语水平、外语学能及智力间的关系和学习者目标与教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结构，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分别对TEM8人文知识部分和职前中学英语教师口语考试进行构念效度验证。彭康洲、李清华应用项目反应理论借助EQS分析2007年TEM4听力理解项目的质量。侯艳萍借助EQS探讨了可能对TEM4阅读理解任务难度产生影响的阅读任务特征变量，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贡献率大小。

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灵活性更高，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，两种模型和两种路径。两类变量指潜在变量(Latent Variable)和观测变量(Observed Variable)前者为不可直接测量的非观测变量(Unobserved Variable)，又称因子，它通常通过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路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结构模型。测量模型(Measurement Model)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。结构模型(Structural Model)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。

两种路径为自变量(Independent Variable)和因变量(Dependent Variable)之间的路径，以及因变量和因变量之间的路径。在EQS描绘的路径图中，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Long的研究，结构方程建模具有五个步骤：(1)模型构建(Model Specification)、(2)模型识别(ModelIdentification)、(3)模型估算(Model Estimation)、(4)模型拟合(Testing Model Fit)、(5)模型重构(Model Re-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具体的模型，通过EQS模型图和方程来表达该模型各变量间的相互关系，根据各变量对模型的路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认为在模型识别阶段会时会出现三种情况：(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，模型识别不足的情况不能信赖。只有增加制约参数，才可达到正好识别或超识别这两种可以接受的模型。

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(Robust Option)生成Satorra-Benfle卡方值，可获得一个比其他统计量更接近的分布。即使分布假设不能满足，出现非多元正态分布，强韧标准误在大样本中也可接受。EQS为所有变量、因子及变量因子间的误差设定了标准，从而固定了参数，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，容易受到样本大小的影响，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。根据以往的研究经验，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，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。在此过程中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相互关系非常密切，任何一处的改动都可能对总体模型产生较大的影响。因而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、学习观念和自我效能的相关性，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《自我效能量表》，包含1个要素10个项目。

收集了调查数据后，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，设定应变量名称及数目，输入原始数据。三个量表所测量的12个要素为自变量，学习策略、学习观念和学习效能不可直接测量，需通过各量表12个要素间接测量，则为潜在变量。其次，对EQS作包括描述性分析、回归分析、相关分析、因子分析、误差分析在内的描述性统计，以观察样本整体情况。然后对EQS作验证性统计，即因子模型统计分析。根据已有的专业知识，构建初始模型如图1。

EQS运行后所得各拟合指数结果见表2。

按理想模型拟合度的参照标准，该模型并未达到可接受的理想模型程度。根据二语习得中学习策略、学习观念及自我效能的有关理论和最大标准化残差(Largest Standardized Residuals)所提供的修正指数(参见表3)，通过设定自由参数和在模型的多组误差间增添多条双向箭头的路径以建立相应误差变量间的协方差矩阵，反复修正之后得到较理想的模型(如图2)。修正模型拟合效果指标如表4，该模型拟合度较高，可接受。

学习策略、学习观念和自我效能之间具有高度的相关性，但各自的路径强度却有所区别。相对于自我效能而言，学习观念对学习策略的影响更大(0.86>0.68)。学习策略、观念及效能的各个因素相互之间也具有不同程度的相关性，所以在平时的英语教学和学习中，既要在整体上注意对学习策略的选择、加强对学习观念的引导，注重对自我效能的提高，又要对具体的学习策略如补偿策略、记忆策略、认知策略以及语言难度和学习动机等方面有充分的认知，才能更有效地引导学习者的英语学习。

五、结语

本文介绍了EQS统计软件的基本操作原理及步骤，并通过对中学生英语学习策略、观念及自我效能间相关性的模型构建、拟合、重构、修正等过程，最终创建出满足各项指标的修正模型。结果发现学习策略、学习观念和自我效能之间高度相关，但相关强度有差异。学习者较多使用补偿、认知、记忆策略，较少使用社会策略。观念的学能和动机对学习策略的影响较大。在结构方程模型软件中，EQS更易操作，灵活性更高，能更准确地处理大容量多维度变量模型，尤其在处理非正态分布和有缺失值数据中效果良好，且允许变量测量误差和协方差的存在。EQS评估模型拟合指标的多重性可以为应用语言学中多因素间多维量化提供更准确、科学、直观的信息，具有广阔的应用前景。

应用语言学论文篇2

应用语言学质化研究发展综述

【摘要】1960年开始，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，应用语言学除了涉及语言教学外，还涉及结合语言和心理学、自然和社会等学科。而应用语言学质化研究逐渐成为人们关注的焦点。由于我国应用语言学质化研究的方式较为生疏，与量化研究相比要落后。因此，本文通过简要介绍应用语言学，对应用语言学质化研究遇到的问题进行分析，并针对应用语言学质化研究方式及重点方向进行了阐述。

【关键词】应用语言学质化研究发展

在应用语言学中，量化与质化问的差别在于它们主、客观的不同，以及文字和数字的不同等。这种差异间的研究主要是针对知识本质和本质问理解与信念的不同研究范式。这两种范式占据着后实证主义、解释主义地位。随着应用语言学的深入研究，质化研究方式主要有：语篇分析和个人叙述、人种志和专题陈述，以及互动分析等。例如：日记和传记研究、访谈和课堂互动分析等。新世纪的到来使应用语言学研究偏向量与质方式的融合和巩固。

一、应用语言学

19世纪初，语言理论方面的研究和应用方面的研究开始分化。19世纪叶末，J.N.博杜恩·德·库尔德内提出了应用语言学这个概念，但没有得到广泛的注意。20世纪以后，语言科学得到了进一步的发展，应用范围空前扩大，语言应用方面的研究和理论方面的研究明确地区分开来，应用语言学这个名词开始广泛运用，并促成了应用语言学和理论语言学的分化。

从广义的角度来分析，应用语言学主要是将语言学的知识在其它学科领域问题解决中得以应用。换句话来说，就是跨学科实现问题的解决。

从狭义的角度来分析，应用语言学主要是专门的语言教学，尤其是外语和第二语言的教学。其应用的知识有：语言理论与描述、相关语言学科，以及相关语言教学学科。主要涉及语言的模式，描绘语音和语法、语义和语用，及词汇等，在语言学边缘的学科，以及一些不是语言学，但与语言学教育学紧密联系的学科。

二、应用语言学质化研究遇到的问题

时代的发展必然对应用语言学的研究有着不断扩大与变换的影响。由于应用语言学具有跨科学性和实验性，以及开放性，因此，应用语言学质化研究所遇到的问题更具挑战性。

其一，在应用语言学质化研究中，由于相关学科知识的缺乏，使语言学质化研究受到严重的阻碍。例如：很多从事英汉语言教学的工作者和教师，常常因为自己对英、汉知识的缺乏，而放弃该领域的发展，因而影响到语言学科的发展。标准语的建立和规范化，文字的创制和改革。建立通用于各方言区的标准语是很重要的。应用语言学要解决的问题是如何选好这种标准语的基础方言和标准音。为无文字的语言创制文字时，基础方言和标准音更是重要的依据。文字改革包括文字系统(字母表、正词法和标点符号)的部分改进和彻底更换。标准语的建立只是语言规范化的开始。为了确定语音、语法、词汇规范，需要编出相应的正音词典、规范语法和各种类型的词典。

其二，应用语言学作为新的学科，它在理论基础上还不够完善，使质化研究的任务更为艰巨。尽管我国许多学者对应用语言学质化的研究有了一定的理论成果，但是应用语言学是否加大理论范式的建构，任然需要以多学科做后盾的理论研究。词汇是语言中变化最快的部分，新词新义不断涌现。及时、准确地把这些新词新义固定在词典中，指导人们如何运用，这是辞书对语言规范化最有效的影响。

三、应用语言学质化研究方式及重点方向

1、应用语言学质化研究方式

在应用语言学质化研究方式中，主要有：语篇分析和个人叙述、人种志和专题陈述，以及互动分析等。其中，语篇分析和个种志是目前语言教学研究中使用最多的。

其一，语篇分析。语篇分析主要是通过对真实口语语篇进行考察的一种研究，始于社会学，例如：在第二语言习得和口语测试，及技巧等教学方面研究中都有展现。语篇分析者是种处于兴趣的社交行为，而语言学者是以研究语言本身为重点的行为。语篇分析者认为语言是与语用结合的系统，它将语法和词汇等都作为可操纵的资源。总的来说，其语篇分析的对象主要是在交际中有秩序、有组织的交谈，确保社交行为的顺利进行。也可以视为站在交际者的角度，将社交行为进行发现和描述。突出内在机制。一般来说，语篇分析主要是利用语篇样本中的示例，描述和追踪交际的优势、分析和理解，已达成共识。其质化思想：交际中的秩序与以往的主导观点和研究的方向与目的完全相反交际的过程真实语料誉写和分析不可缺少分析的方式必须有实证资料的理论。

在以往应用语言质化语篇分析发展的最初阶段，只能通过录音的方式记录下口语语言资料，随着时代的发展，口语语言资料开始有图片和视频，以及非语言式的交际资料。根据语篇分析研究表明，语言学界开始对非语言线索的详细记录产生了争执。尤其是技术的发展与语篇分析的结合，技术的不断影响着语篇分析研究。

其二，人种志。人种志主要是对某文化群体的行为和语言，以及互动等进行的深度研究，属于人类学，并与自然学紧密联系，例如：深入发现人们的实际所做与应该做之间存在的矛盾等。在研究前详细描绘了研究对象的文化背景。在研究的同时，研究者必须与群体保持一定的认知距离，为了更准确的获取客观性。同时研究者必须反思自身所存在不同假想，以保持客观研究的态度。在自然背景下对群体的形体和表述进行研究，并深入群体，利用各种不同的方式对研究的资料进行采集、实验。其研究资料来源于非结构式的访谈。涉及的研究规模较小，数据分析通常涉及研究人员研究对象本身各自的行为意义的理解和解释。

2、应用语言学质化研究的重点方向

应用语言学质化研究的重点方向在于对教学方式与教师认知的研究。前者教师对交际教学观念和方法层见叠出，但结果是不一样的。除此之外，在听、说、读、写等教学方面研究中质化的应用也很普遍。在写作上，进行访谈和记录、日志和观察等采集的方式。听力上，以听力策略和技巧为主，融合了量与质。例如：Markee通过小组方式巧妙进行了非任务交谈，并且顺利进行任务与非任务交谈之间的变换。后者，由于教师是思考和积极的决策者，教学主要建立在实际导向和背景等不同思想和知识上的研究。

其认知研究内容一般为：教师认知和教育、认知和课堂教学，以及认知和语言学习等。虽然研究方式，出现了问卷为主的量化研究，但是绝大多教师认知都是利用质化研究。在教师认知研究中，量化和质化间主要出现争议的问题，量化研究多依靠问卷的方式来认知，并没通过实际考察因此受到批评。而质化研究利用回忆解说和启发式回顾、书面形式，以及课堂观察和访谈等进行资料的收集。同时，为抓住到隐形的认知过程，还需更进一步的研究。

总而言之，在应用语言学质化研究中，我国在提倡科学超越经验研究的同时，还要重视实证主义存在的缺陷，将质化研究进行规范，避免出现对学术范式的影响。虽然应用语言学质化研究在我国地位并不牢固，但是，在国外的研究中，已经占有牢固的地位。因此，就针对我国外语的语言质化研究来说，在掌握实践和质化方式的前提下，对混合方式的思考和时间应用，将对我国应用语言质化研究具有非常重要的意义。

结构方程模型可以用SPSSAU。操作非常简单很容易上手，输出标准格式结果和结构图，针对每一步分析还会提供智能分析建议。

结构方程模型-spssau

结构图-spssau

1、工作分工不同。

spss做前期数据描述和除结构线性模型外的多数统计工作，amos专做结构线性模型相关的统计。

2、使用对象不同。

对量表的区分效度（discrimination validity）检验时，发现有人用SPSS，主要是检验平均提取方差（Average variance extracted，AVE）与该因子与任何其他因子的共同方差（highest shared variance）的值。

而有人则用AMOS，检验修正指数（modification index，MI）的显著性，通过x2/df，NNFI，GFI，AGFI，CFI，RMSEA等拟合优度检验。

3、用途不同。

SPSS是探索性统计分析软件，AMOS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因素分析。

现在的论文如果涉及因子分析的话，大多要求进行验证性因素分析，以及路径分析等等。这时候，AMOS就派上用场了，AMOS可以进行验证性因素分析、路径分析、群组分析等。

扩展资料

SPSS操作功能：

1、参数检验：单样本、两独立样本、配对样本。

2、方差分析：单因素、多因素、协方差分析。

3、非参数检验：X2、二项式分布、K—S检验。

4、相关分析和线性回归分析。

5、聚类分析。

6、因子分析。

7、信度分析。以上的内容是经常用到的，尤其是相关分析和线性回归分析。

---