成績預測相關研究

為決定預測模型之研究工具，於入學考試成績預測方面，研究者搜尋近年來相關研 究，茲於下文簡述其研究結果。

在國中基本學力測驗之成績預測，林士弘（2008）以多元線性迴歸、主成分分析作 為研究工具，利用台北市H國中94、95、96三個年度的國中在校複習考成績，以及國中 基測成績，建構國、英、數三科單科成績之基測成績預測模型，並使用多類別羅吉斯迴

歸建立學校落點預測模型。經實際數據分析後，其模型的解釋能力皆達到80%以上，平 均絕對誤差率在3%～9%之間。

林俊昌（2008）以台北縣某國中的1004名國三學生做為研究對象，利用六個學期的 在校成績、及國三的六次複習考成績、數個背景變項對基本學力測驗的總分及數學科分 數進行相關分析與多元迴歸分析，發現學生性別、導師任教年資、父母親教育程度及在 校總成績等解釋變數對基測總分有解釋能力；學生性別、父母親教育程度、在校數學總 成績及導師是否已婚等解釋變數對基測數學有解釋能力，但該研究並未對其他學年度作 預測。

莊佶達（2011）利用學生在校學期成績、模擬考分數作為指標分數，運用倒傳遞類 神經網路建立預測模型，進行多元入學方案與基本學力測驗前學生能力的預測，經分析 後得到模型預測能力達91.93%，絕對誤差為16.3分，對於高於310的預測準確率達96.62%，

絕對誤差為12分，而200～310區間的準確率達92.33%，絕對誤差為19分，並且發現模擬 考PR值預測基測成績較模擬考總分準確。

黃翊彰（2011）以彰化縣某國中98、99年國三學生的在校模擬考試測驗成績與基本 學力測驗成績為研究主題，將解釋變數、反應變數加以代數轉換，再利用簡單線性迴歸、

多元線性迴歸及主成分分析等方法，建立了四種主觀權重模型及四種客觀權重模型，經 研究發現：一、模擬考試測驗成績均與基本學力測驗成績有高度相關，各科的相關程度 自高而低依序為自然、英語、社會、國文及數學科；二、國文科的最佳主觀權重模型為 算術平均模型，英語、數學、自然及社會科為加權平均模型，各科的最佳客觀權重模型 則皆為主成分模型；三、各科最佳成績預測模型的解釋能力自高而低依序為自然、英語、

社會、國文及數學科，預測準確度自高而低依序為自然、社會、英語、國文及數學科；

四、整體而言，對解釋變數進行代數轉換有助於降低預測誤差。

另外亦有對大學學科能力測驗之成績預測研究，李佳玲（2002）以參與90學年度的 345所學校為對象，89學年度成績為依據，將學校區分為高分、中分、低分三組，各組 抽出12 所學校作為樣本學校，接著以學生的高中在校成績以及90學年度學科能力測驗

進行分析工作，發現兩者有顯著正相關，並利用簡單線性迴歸建立預測模式，將判定係 數R²作為預測能力的指標，結果發現英文科模型判定係數高達64.9%，最具預測能力。

宋珮怡（2008）應用複迴歸分析、類神經網路及二階段整合模型分別建立出大學學 科能力測驗成績預測模型，利用以下三種方法分別比較模型的誤差大小：（1）均方誤 MSE，複迴歸模型>類神經網路模型>二階段整合模型；（2）平均絕對差MAD，複迴歸 模型>類神經網路模型>二階段整合模型；（3）平均絕對百分比誤差MAPE，複迴歸模 型>類神經網路模型>二階段整合模型；二階段整合模型為三種模型中的最適預測模型，

且不管是何種模型，其MAPE皆低於7%，皆具有不錯的預測能力。

另外在大學指定考科方面，任眉眉、陳日昇、詹嘉豪（2005）在「所有考科成績均 具有常態分佈且變異數均相同」的假設之下，進而應用九十二和九十三學年度聯分會及 大考中心公佈各考科成績的中位數、各校系之指考科目加權權重、前一學年度各校系最 低錄取加權總分等資料，建立一個線性迴歸落點預測模型。隨後，任眉眉、陳日昇、林 家立（2008），以多變量分析理論，探討前文中採用線性迴歸模型作為落點預測模型的 合理性，並依據預測區間的原理，首次建立評估落點分析準確度的方法，並且針對九十 三到九十六學年的資料進行實證分析，說明預測模型具相當高的準確度。該研究相較於 其他研究，著重於落點的預測，並非本研究欲探討的主題。

在四技二專統一入學測驗成績預測方面，鍾秋才（2010）採用南投縣水里商工243 位學生98學年度的五次高職模擬考成績和四技二專統一入學測驗成績以皮爾遜積差相 關與多元線性迴歸進行資料分析，得到結果為：一、高職模擬考成績和四技二專統一入 學測驗成績為正相關，且皆達01的顯著水準。二、高職模擬考成績能有效預測四技二專 統一入學測驗。

蘇柏豪(2013)蒐集台中市某高級商業職業學校97至100學年度商業管理學群三年級 學生四技二專統一入學測驗成績，以及五次校外聯合模擬考成績，先探討模擬考與入學 測驗之相關程度，接著應用簡單線性迴歸、複線性迴歸、主成分分析等方法，依年度建 立十五種預測模型，並得到以下結果：一、 各學年度各科模擬考均與統一入學測驗成 績呈中度或高度線性相關。二、本研究原始資料建立之預測模型，經過殘差分析皆無法

完全符合三項基本假設，透過Box-Cox 轉換修正模型後，殘差更加接近常態分佈。三、

本研究之最佳模型為98 年複線性迴歸模型。

綜觀上述研究可知，在升學測驗方面，僅莊佶達（2011）之研究主題與本研究類似，

研究者希望藉由本研究能對高職生升學有所助益。在預測模型的選擇上，上述研究多以 簡單線性迴歸、複線性迴歸、主成分分析以及類神經網路等方式建立模型，本研究則採 用類神經網路作為研究方法。