SPSS在理论语言学方向的应用初探

迟晓旭

摘 要： 近年来，SPSS统计软件逐步应用于语言学及应用语言学各个领域，并取得了丰硕的研究成果，但在理论语言学方向却较少涉及。本文收集了“动物类”表人词语共416例，利用SPSS对其进行统计分析，对该软件在理论语言学方向的应用进行了初步的探索。

关键词： SPSS 理论语言学 软件应用 实证研究

一、概述

SPSS（Statistical Package for the Social Science）全名为社会科学统计软件包，是一种利用计算机进行统计分析和数据处理的工具性软件。凭借其成熟的统计理论、强大的统计功能以及友好的操作界面，一经问世，就受到科研工作者们的青睐，迅速应用于科研、医疗、通讯等多个领域。

20世纪以来，语言学的发展呈现出百花齐放百家争鸣的态势，理论的极大丰富凸显了实证研究的紧迫性，这种以数据为基础的定量研究方法逐渐成为一股潮流，逐步应用于语言学及应用语言学研究的各个领域。这为语言学的研究开拓了一條新路，国内研究人员也利用该软件在语言研究的各个方面进行了尝试。

章柏成（2008）利用SPSS对学生的成绩、智商、策略运用等方面进行了相关性考察。倪传斌（2009）利用独立样本T检验考察了不同性别的外语磨蚀程度。王佳琳、侯煜冠（2012）对哈尔滨方言合口呼零声母各音节的v型发音进行了卡方检验，以探寻音节结构间的差异性。谢展飞、吴佩娜（2015）应用双因素方差分析探讨了人工耳蜗的植入对受试者听力的影响。项梦冰（2015）利用聚类分析对方言间的相似度进行了考察。

根据前人的研究成果，可以发现：SPSS软件工具已经开始同语言学各方向进行结合，但主要应用于方言学、心理语言学、社会语言学、第一语言与第二语言习得等方向。而在理论语言学方向上，这种真正意义的定量分析却运用得很少，少数一些应用，也多是利用标准化测试的方法。本文收集了一些真实语料，利用SPSS软件及其统计原理，对该语料进行统计分析，对理论语言学方向的应用做初步探索。

二、理论语言学应用初探

在新兴的网络新词语中，有一类包含动物语素用以表人的名词或动词，如：大虾、菜鸟等。现从《汉语新词语词典》（2005-2010）、《新华新词语词典》（2003）、《新词语大词典》（1978-2002）、《汉语新词语》系列书籍（2007-2013）等四部词典中抽取该类新词语，除去存疑和重复，共计159例，通过人工标注，对其语义褒贬倾向进行初步判断。另有从《现代汉语词典（第六版）》中收集的同类新词语227例，通过相同的方式对语料进行处理，作为其对比语料。将全部416个词语导入SPSS软件中，并对其意象、褒贬倾向、来源三个部分进行赋值，具体赋值结果如下：

第一、意象。这里的意象指狭义的意象，即词语中表示人的动物形象。如“菜鸟”的意象就是“鸟”。由于“动物类”表人词语意象颇多，足有84个，而大部分的意象仅出现一次。因此，本文仅对出现频次超过10的意象进行赋值，其余意象统一归为一类。赋值结果为：“老虎=1”；“虫=2”；“狗=3”；“马=4”；“牛=5”；“鸟=6”；“猫=7”；“老鼠=8”；“蚂蚁=9”；“其他=0”。度量标准设置为“名义（N）”。

第二、褒贬。词语的意义通常可分为概念义和色彩义。需要说明的是，褒义、贬义作为感情色彩义本不应当进行赋值及运算操作，然而因为感情色彩具有一定的对称性及偏向性，所以在此将其量化为可运算数据。赋值结果为：“褒=1”；“中=0”；“贬=-1”。度量标准设置为“度量（S）”。

第三、来源。词语的来源有二，其一为新词语，主要是从四部新词语词典中收集而来；其二为《现代汉语词典（第六版）》中的词语。现对其进行赋值：“现代汉语=1”；“新词语=2”。度量标准设置为“名义（N）”。

在进行初步的语料处理后，本文将基于SPSS软件，对这些语料进行统计分析，进而探索SPSS在理论语言学方向的应用。

（一）描述统计

描述统计是统计分析的第一步。利用抽样或其他手段采集到数据后，仅凭肉眼观察有时无法发现观察对象的基本特征，而语言研究中，这种数据的无序性尤为明显，因此，在进行数据分析之前，可利用描述统计的频率表观察现有数据的分布状况。

以动物类表人词语为例。本文对现有416个词语进行频率统计，得到结果如下：

意象

褒贬

来源

根据以上图表，可以明显看出，虎、虫、狗等意象使用频率较高，词语的褒贬义也趋近于贬义，褒义较少。另外，也可以绘制饼图更为直观地观察其分布比例。

（二）参数假设检验

参数假设检验是应用的较为广泛的一种科学的统计方法，其原理为：事先对总体的参数或分布进行假设，再通过样本信息判断该假设是否合理。在目前语言学各方向的研究中，应用得较多的参数假设检验是T检验和卡方检验。利用该原理，我们可以通过样本信息对某种语言现象进行假设并验证，进而得出结论。

1.T检验

T检验是对均值差异性的检验，其最大的优点在于可以使用样本标准差代替总体标准差，从而解决了实际问题中总体标准差多数不可知的问题。SPSS中的T检验主要有三类，其中，单样本T检验和配对样本T检验由于其检验要求较高，并不适用于理论语言学方向，因此，本文只讨论独立样本T检验在理论语言学方向的应用。

独立样本T检验旨在比较两样本均数的差别。现将动物类表人新词语159例作为样本一；《现汉》收录的同类词语227例作为样本二。由于独立样本T检验要求两样本具有完全的独立性，而两样本有所交叉，因此本文对实验数据进行修正，将《现代汉语词典（第六版）》中的语料进行删减处理，只保留1919年前的熟语部分。修正后的样本二收录词语共128例。

利用现有的两样本，对动物类表人词语的褒贬义做对比考察。其中检验变量为词义的褒贬，分组变量为词语的来源，组别分为两组，一组是新词语，一组为现代汉语。通过独立样本T检验，得到结果如下：

独立样本检验

检验结果：新词语褒贬均值为-0.26，熟语部分褒贬均值为-0.43。二者方差不齐，因此P=0.035<0.05，实验结果较为显著，说明二者确实存在一定的历时差异。即：动物类表人新词语的语义偏向从偏贬义而逐渐趋于中性。

虽然修正后的样本独立性得到相对保证，但是仍存在一些问题：其一，删减后的词语主要保留1919年之前的熟语，无法概括当时词语的全貌；其二，影响褒贬偏向的重要因素不止有时间上的差异，更重要的是意象的差别。因此将所有意象共同考察显然并不合适。对于第二个问题，将在稍后的方差分析部分进行完善。

通过以上研究可以发现，独立样本T检验在语言学上的实用性相对较高，尤其对于关键因素不同的两样本来说，独立样本T检验是十分适用的检验方式。

2.卡方检验

卡方检验是对无序分类变量的统计推断，其优点在于，可以对两个或多个分类变量进行关联度分析，其应用的广泛程度可以和T检验相媲美。卡方检验共有五种功能，但是，除了两样本卡方检验外，其他检验方式，对样本的要求较高，多数情况并不适用于理论语言学的研究。因此，本文只讨论两样本卡方检验的具体应用。

两样本卡方检验是单样本卡方检验的扩展，用于比较两个或多个样本所在总体的另一个分类变量的发生率/构成比是否相同。现有修正后的动物类表人词语，共计287例，其来源包括1978年以来的新词语以及1919年前的熟语。现希望考察不同时间来源的词语，其褒贬偏向的分布率是否相同。经过两样本卡方检验后，得到关于来源情况与褒贬取向的交叉制表如下：

来源*褒贬交叉制表

样本数据的差异很明显，源自现代汉语熟语部分的词语贬义取向约占58%，而新词语中的褒贬取向则偏向于中性，约占61%。而后，对该差异是否有统计学意义进行进一步的验证，得到卡方检验结果表如下：

卡方检验

a.0单元格（0.0%）的期望计数少于5。最小期望计数为12.88。

通过以上检验，几种卡方量P值均小于0.05，因此该差异具有统计学意义，即：词语的褒贬向分布确实存在历时差异，同先前独立样本T检验的结果存在一致性，当然，在差异的显著性上，两检验结果存在差别。通过该例，我们可以明显看出，双样本卡方检验在语言学研究中也具有一定的实用性。

（三）方差分析

T检验可以解决单样本、两样本的均数比较问题，而方差分析则是用于解决多个样本的均数比较问题。面对真实世界的复杂情况，方差分析显然有其独到的作用。SPSS中的方差分析共有三类。其中，多元方差分析的前提是假定几个因变量同等重要，在面对复杂的语言现象时，这种方法显然不可取。因此，本文仅讨论单因素方差分析、多因素方差分析在理论语言学方向的应用。

1.单因素方差分析

现有未修正的动物类表人词语，共计416例，其中，常见意象共有9种，其感情色彩义分别为褒、贬、中三类。现希望考察意象對于词语的感情色彩义的影响。通过单因素方差分析，得到结果如下：

单因素方差分析

褒贬

经过检验，P=0.000<0.05，这说明意象对于感情色彩义的影响极为显著。

虽然在方差分析前的Levene方差齐性检验中，结果显示P=0.000<0.05，方差不齐，且输出的Welch统计量显示，该统计量接近于F分布。但是，根据前人的研究，方差分析对于正态性和方差齐性的要求是稳健的，即：当正态性得不到满足或存在轻微的方差不齐时，只会对结果造成轻微的影响。因此，虽然该例并不典型，但结果依然具有可参考性。

另外，单因素方差分析，还可以进行均数间的两两比较，以确定究竟是哪些组之间存在差异。但本次的实验语料对于这种方法并不适用，在此不过多赘述。

2.多因素方差分析

多因素方差分析模型多用于考察多个因素对因变量的影响，在面对复杂多变的现实情况时，该模型具有独到之处。

现有修正后的动物类表人词语词表，共计287例。现希望考察词语意象及来源时间两者对词语褒贬偏向的影响。通过初步拟合模型，得到结果如下：

主体间效应的检验

因变量：褒贬

a.R方=.257（调整R方=.204）

经检验，校正模型P=0.000<0.05，说明在所有影响因素中，至少有一种对词语的褒贬偏向造成影响。而其后的数据显示，词语的来源时间对词语的褒贬并没有显著影响，而意象对于词语的褒贬偏向有显著影响，并且，二者的交互作用对词义的褒贬倾向也有显著影响。

为了进一步考察影响因素对词汇褒贬语义倾向的影响，本文在原有基础上，对主体间效应进行两两比较，得到结果如下：

褒贬

Student-Newman-Keulsa，b，c

已显示同类子集中的组均值？莓

基于观测到的均值？莓

误差项为均值方（错误）=.341

a.使用调和均值样本大小=15.078

b.组大小不相等？莓将使用组大小的调

和均值？莓不保证Ⅰ型误差级别？莓

c.Alpha=.05？莓

根据该图表可以发现，两种来源的动物类表人词语，意象之间均存在差异性，这说明，意象对于词汇褒贬语义倾向确实存在显著影响。另外，来源时间的两个子集之间差异并不十分显著，这说明，来源时间对于词语的褒贬意象不存在显著影响，但是由于个别意象的影响，使得其来源时间与意象存在交互作用，这才对词语的褒贬义产生了一定的影响。这也解释了为什么在考察来源时间对词汇褒贬语义偏向的影响时，方差分析同独立样本T检验、卡方检验的结果存在差异。

三、小结

在理论语言学方向，SPSS最主要的应用是：描述统计、独立样本T检验、两样本卡方检验、单因素方差分析及多因素方差分析。其他分析工具虽然存在一定的应用价值，但其因为检验条件、检验数据的限制，或是研究目的的要求，无法很好地应用到语言研究中。

通过以上分析可以发现，这种将统计运用到语言研究的方法，具有明显的优势：其一，语言统计方法可以将本不可量化的语言现象量化，并通过科学的方法进行检验，为理论研究提供较好的数据支持；其二，该方法能够观察到一些简单思辨观察不到的现象，在样本量不大的时候，也可以通过科学的方法进行实验并验证。

但这种基于统计学原理的方法在进行理论语言学分析时，也存在明显的问题：其一，几种统计方法的先决条件均为正态性和连续变量，而很多数据并不符合这两项先决条件，样本量不够大时，检验结果或有偏颇；其二，理论语言学的实证研究多采用语料库的方法，数据资料较少，在应用统计的过程中，如何合理地量化数据，是一个应用难点；其三，在进行语料的收集与處理中，数据主观性强且没有合理的验证方式也是一个重要的问题。

因此，在实际运用过程中，我们既应该合理利用工具，用科学的方法对语料进行量化，以增强研究的科学性，又要考虑到数据的可用性，工具使用的合理性，切忌误用、滥用统计工具，以求最大限度地科学化使用统计工具，保证研究的科学性。

参考文献：

[1]杨端和.语言研究应用SPSS软件实例大全[M].中国社会科学出版社：2004.

[2]张文彤，邝春伟.SPSS统计分析基础教程[M].高等教育出版社：2011.

[3]张文彤，邝春伟.SPSS统计分析高级教程[M].高等教育出版社：2013.

[4]严振松.谈语言学和应用语言学中的定量型研究方法[J].解放军外国语学院学报，2001，24（5）：4-6.

[5]倪传斌.外语磨蚀的性别差异[J].外语与外语教学，2009，（4）：1-5.

[6]章柏成.SPSS在外语教育实证研究中的应用[J].重庆交通大学学报（社科版），2008，8（1）：128-131.

[7]黄利花.SPSS统计方法及其适用性分析[J].延安职业技术学院学报，2014，28（4）：83-91.

[8]谢展飞，吴佩娜.双模式对人工耳蜗低频段电极不全植入者的言语识别影响[J].临床耳鼻咽喉头外颈外科杂志，2015，29（11）：980-983.

[9]王佳琳、侯煜冠.哈尔滨话合口呼零声母[υ]化的社会语言学研究[J].学术交流，2012（10）：157-162.

[10]项梦冰.聚类分析在汉语方言研究中的运用[J].语文研究，2015（4）：7-14.