世界上第一部比较系统地阐述教学原理的著作是？

一、世界上第一部比较系统地阐述教学原理的著作是？

《学记》是中国古代也是世界教育史上第一部系统论述教育及教育问题的专著。《学记》中系统全面地阐述了教育目的及作用；教育和教学的相关制度、原则以及方法； 教师的地位和作用；在教育过程中的师生关系等内容。它是中国古代典章制度专著《礼记》中的一篇，作于战国晚期，作者是孟子的学生乐正克。

《大教学论》被称为世界教育史上第一部系统的教育学理论巨著.。7世纪的捷克教育家,扬·阿姆斯·夸美纽斯Jan Amos Comenius(1592—1670)一生著述265种著作。其中,《大教学论》,是西方教育史上第一部体系完整的教育学著作《母育学校》是历史上第一本学前教育学专著。

二、结构方程模型 教材 哪个好

我看了一些教材，这里给你介绍一些吧，首先是温忠麟侯杰泰的结构方程教程，紫色封面，这一本感觉讲的比较细致，不少细节上的问题单独列了章节来说，而且以简单的结构方程示例开始讲，更形象易懂一点，不过我觉得缺点是结构安排还是有点问题，结构方程的原理放在了后面的章节才讲，不是不是很利于宏观的把握，另外软件主要以lisrel为例

王济川的是以mplus为例来讲的，如果你想一边学结构方程，一边来学mplus，可以看这本，之所以特别提mplus是因为mplus是目前最流行的结构方程软件，温忠麟这些结构方程专家也认为mplus最有前途

易丹辉的结构方程教程相对薄一点，但是原理讲解部分挺细致，而且结构上更加一气呵成，方便理解，不过细节上可能没温忠麟那个全，这个是以amos为例讲解的

还有一个台湾邱皓政的结构方程教材，具体内容没怎么看，不过他三种软件同时演示

另外特别推荐一下温忠麟的那本中介调节教材，黄色封面那个，目前可算最好的中介调节教材，学统计测量常常要做中介调节研究，这个教材也算必读了，且对结构方程的基础，矩阵方面的知识有所介绍，如果读好了，你对结构方程的理解会更好

总的来说，综合考虑，这几本最好：《调节效应和中介效应分析》温忠麟的，《结构方程模型及其应用》侯杰泰，温忠麟以及《结构方程模型:方法与应用》王济川的，祝您学习进步

三、一篇论文用调查问卷的人数与spss的个案数一样吗

当问卷调查数据收回之后该如何用SPSS分析呢？下面结合经验和学术规范列出主要的分析思路和内容。

1、数据检验。由于问卷、量表的题目是主观判断和选择，因而难免有些人不认真填，所以，筛选出有效、高质量的数据非常关键。通常需要作如下检查：（1）是否有人回答互相矛盾，比如A1与A2不应该都同意，结果却都同意了；（2）是否有人没有明显态度偏向，例如大多数题目都选了完全同意或完全不同意或中立；（3）是否有人应答率太低，例如在很多题目上都没有填写；（4）是否有人故意回答出有规律的题目，例如2，重复有规律的作答；（5）数据录入是否有重复、蹿题、超出题目取值范围等。

2、反向计分与维度得分计算。确认量表是否有反向计分题，如果有要反向计分，注意，不要在数据录入时就反向，应该是原样录入数据然后在SPSS中做反向处理。其次，维度分的计算要注意使用的是题目加和得分还是题目均值得分。 虽然在相关、差异和回归分析中，维度分使用总分或均分，其结论都是一样的，但是为了和其他研究保持一致，便于研究对比，量表必须用原编制者所采用的计分方法。

3、人口学变量的处理。人口学变量（性别、年龄、年级、家庭所在地等）通常是用于做t检验、方差分析等均值差异分析，也可以间接的说明人口学变量与量表维度得分之间的相关性。在这一环节中，人口学变量的分组或分类非常重要，为了保证结果的可靠性，每个分组水平下的样本量应该大于30或接近30，如果不是，那就要考虑与临近水平组合并或者排除这一类别。此外，单因素方差分析中，分组数目建议不超过四组。

4、数据极端值与缺失值的处理。数据存在极端值的话，会严重影响人口学变量差异分析、相关性分析以及回归分析的结果，因而要识别极端值将其剔除。其次，缺失值如果较少，建议用均值替换掉，以便在结构方程模型中方便应用。

5、在数据分析环节，一般包括各个量表维度和总分的描述性统计、人口学变量差异分析（t检验与方差分析，深入一点的还需要使用多元方差分析）、相关系数分析、回归分析，这些都是SPSS可以做的。更复杂的分析内容包括中介效应、调节效应分析，可以用SPSS的Process来处理中介和调节作用。更复杂一点的可以用Amos等结构方程模型来处理。

四、Amos路径分析操作方法与模型参数介绍

  本文介绍基于 Amos 软件进行路径分析的基本流程，及其中涉及的模型参数的含义等。

  系列文章共有四篇，本文为第一篇，主要关注相关流程的操作方法。

   博客2 （ ）：基于Amos路径分析的输出结果参数详解

   博客3 （ ）：基于Amos路径分析的模型拟合参数详解

   博客4 （ ）：基于Amos路径分析的模型修正与调整

  本文所用数据包括某地百余个土壤采样点对应的一种土壤属性含量变量（BC）及与其有关的5种环境变量（Temp，Slope，Roden，POI，GAIA），存储于“xlsx”文件内。由于本文所用的土壤采样点空间数据集并不是我的，因此遗憾不能将这一数据一并提供给大家；但是依据本篇博客的思想与对操作步骤的详细解释，大家用自己手头的数据，可以将相关操作与分析过程加以完整重现。

  首先，为了Amos软件可以更方便地读取数据，我们首先将Excel格式的数据转为SPSS的 .sav 格式文件。

  打开SPSS Statistics软件，选择“文件”→“打开”→“数据”。

  选择存储初始数据的Excel文件并打开。

  随后，将其保存并配置文件名、路径等。

  即可看到新保存的 .sav 文件。

  首先确定每一个变量之间的相互关系。本文就针对上述土壤属性数据，判断得到变量之间的相互关系。

  随后，依据上述关系在Amos中绘制路径图。其中，由于AMOS路径图表示的为线性回归模型，因此所有因变量（即有箭头指向的变量）都需加上一个残差项（就是下图中这个圆圆的东西）。在这里关于绘图的具体操作，大家可以参考 这里 ，本文就不再赘述啦。

  上面绘制的路径图有点丑，可以用软件左侧的“魔术棒”（Touch up a variable按钮）加以调整。

  路径图结构绘制完成后，我们将第一部分处理好的数据导入模型。点击Amos左侧“Select data files”按钮。

  选中Group Name后，点击“File Name”，选中需要的“.sav”数据。在“N”中看到数据的样本个数正确，即说明数据导入成功。

  随后，点击软件左侧“List variables in data set”按钮，将对应的数据放入矩形框中。

  可以看到“List variables in model”中已经有了我们需要探究的5种变量。

  随后对残差项加以命名。点击软件上方的“Plugins”→“Name Unobserved Variables”，即可实现对图中的全部残差项加以命名。

  如下图所示。

  至此，即完成了路径图的绘制（上图BC忘记加残差项了，到了后面运行模型时才发现）。可先将模型保存，方便后期的使用。

  点击软件左侧“Analysis properties”，打开“Estimation”，即可对模型的相关方法加以选择。

  其中，左上角“Discrepancy”（误差）方框内为 模型拟合参数的估计方法 。我们需要做的是，寻求合适的模型参数，使得模型隐含的协方差矩阵（即再生矩阵）与样本自身的协方差矩阵的“Discrepancy”（误差）尽可能小。那么左上角这些方法，便是使得误差尽可能小的不同方法。

  在这里，模型拟合参数的估计方法默认为第一个“Maximum likelihood”（最大似然法），其适合于样本数量较多、所得观测数据符合多元正态分布的情况（这一方法最为常用）。第二个为“一般最小化平方法”，其适合于样本数量较多、所得观测数据不符合多元正态分布的情况。第三个为“无加权最小二乘法”，其与第二个均位全信息估计方法，但“无加权最小二乘法”需要数据的观察尺度相同。第四个为“自由度量最小二乘法”。第五个为“任意分布法”，若样本数量超过1000，且数据不服从正太分布时可以用此方法。

  右上角第一个为“Estimate means and intercepts”，即 是否计算平均值与截距 。在以下三种情况中，我们可以勾选此项：

  右上角第二个为“ Emulisrel6 ”，若勾选此项，模型会得到与“LISREL”软件（另一款与Amos类似的软件，个人认为可以将“Emulisrel6”理解为其内核）一致的结果。

  右侧第三个为“ Chicorrect ”，其作用为指定常数r的值。若此框为空白，r的值将以组数为准。需要注意的是，当均值和截距是高度约束的模型参数时，应考虑在此框中填写0。

  下方为“ For the purpose of computing fit measures with incomplete data ”选项，即确定在数据包含缺失值时，是否需要调整从而适合饱和模型和/或独立模型。其中，饱和模型是指各观测变量之间均允许相关的最复杂模型，其自由度为0。换句话说，饱和模型就是人为设定约束条件最少、纯粹按照数据相互关系来构建的最优、理想状态下的模型。对于饱和模型而言，其隐藏协方差应当和样本协方差一致（而对于过度限定的模型而言并非如此，在此情况下，若保证模型正确，其隐藏协方差较之样本协方差更接近总体协方差）。此处三个选项分别为“适合饱和的独立模型”“仅适合饱和模型”与“均不适合”。

  点击软件左侧“Analysis properties”，打开“Output”，即可对输出的结果加以选择。这里均位各种模型情况评估指标，例如模型整体拟合度评估指标、测量模型评估指标和结构模型评估指标等。一般的，我们按照如下的设置即可。此处参数更为细致的介绍可以查看 这篇博客 （ ），此处参数的具体分析方法可以查看 这篇博客 （ ）。

  点击软件左侧“Calculate estimaters”，即可对模型加以运行。但是第一次运行报错如下：

  这就是上述提到的，BC忘记加残差项。修改后便可以正常运行模型。

  运行模型，完成后如下图：

  其中，左侧红色区域表明了本次模型的执行结果。我们看第二段内容即可，其中，其含义分别如下：

  此外，在模型上方的视图调整按钮，我们可以选择在右图中显示输出非标准化结果或标准化结果图像。其中，若为非标准化结果，自变量、残差旁的数字代表其方差；而对于标准化结果，箭头旁的数字代表对应回归方程的R方。

  此外，点击软件左侧“View Text”按钮，可以查看更为详细的模型结果。

  关于模型运行后所得结果更为细致的介绍可以查看 这篇博客 （ ），以及 这篇博客 （ ）。