《表2 学习适应潜在剖面模型拟合指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《信息化教学环境下学生学习适应与心理健康的关系——基于潜在剖面分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:AIC（艾凯克信息准则）；BIC（贝叶斯信息准则）；ABIC（样本校正的贝叶斯信息准则）；Entropy（熵指数；平均信息量）；LMRT（罗-梦戴尔-鲁本校正似然比）。

以学生在学习适应性问卷五个维度（学习动机、信息获取方式、元认知策略、知识获得、知识拓展）上的得分作为外显变量建立潜在剖面模型，不同类别数目的潜在剖面模型的拟合指数如表2所示。分析发现，随着类别数目的增加，模型的AIC、BIC以及AIBC指数逐渐下降；三个指标的变化幅度以类别数目“4”为分界线，前三种分类模型的指标变化幅度较大，后面三类模型的指标变化幅度则趋于平缓，说明随着模型分类数量的增加，较前一个模型而言，后一个模型的优化程度逐渐减小。此外，所有类别模型的Entropy值均大于0.94，表现出了良好的模型拟合程度，而其中更以2类别至4类别分类数目的模型为优（2类别:0.989；3类别:0.957；4类别:0.979）。从LMRT来看，2类别至5类别四种分类数目的模型，其LMRT均达到了显著水平（ps<0.01）。综合考虑以上各拟合指标，同时参考模型简洁性和实际情况，最终选定4类别模型为我们的潜在剖面分析模型。