Introducing the teacher's rating data教学评价数据简介

本视频旨在介绍**德克萨斯大学（University of Texas）的教学评价数据集。该研究的核心在于探讨学生的教学评估是否会受到讲师外貌（Physical Appearance）**的影响。

---

研究背景与核心问题

本项目的数据源自 Daniel Hamermesh 教授。他曾发表关于美貌如何影响讲师教学评价的论文，并撰写了名为*《Beauty Pays》*的著作。

该研究旨在回答以下问题：

• 职场回报：长相出众的员工是否能获得更高的薪水或更快的晋升？
• 评价偏好：外貌出众的讲师是否会获得更高的教学评价得分？
• 群体差异：教学评价是否因性别或其他背景因素而异？

📖 参考资料：

本数据集在*《Getting Started with Data Science: Making Sense of Data with Analytics》*一书的第四章中被首次引用。

---

数据集概况

数据集基于一项针对 463 门课程的调查，包含描述讲师属性及课程特征的各类变量。

1. 核心连续变量 (Primary Continuous Variables)

• 美貌评分 (Beauty Score)：
  • 定义：由 6 名学生组成的评审团对讲师外貌进行的打分。
  • 处理：数据经过归一化处理（类似于 Z 分数变换），使其均值为 0，方差/标准差为 1。
• 教学评价 (Evaluation) —— 因变量：
  • 量表：1 至 5 分。
  • 含义：1 代表非常不满意；5 代表优秀。
• 年龄 (Age)：讲师的实际年龄。
• 学生人数：包括课程注册人数及实际参与评价的人数。

2. 分类/二分变量 (Categorical / Dichotomous Variables)

---

描述性统计分析

针对不同类型的变量，我们采用了不同的统计描述方法：

• 连续变量：提供最小值（Min）、最大值（Max）、均值（Mean）和标准差（Std Deviation）。
• 分类变量：提供频率分布（Frequency Distributions）和百分比。

重点数据点

• 教学评价均值：3.99
• 标准差：0.55

---

原始数据 vs. 理论分布

通过对比教学评价变量的原始数据直方图与基于相同参数（均值 3.998，标准差 0.55）生成的正态分布（钟形曲线），我们可以发现：

1. 原始数据分布（左侧）：
   • 表现较为粗糙，并不完全符合完美的钟形曲线。
   • 实际情况中，原始数据很少能完全吻合理论分布。
2. 正态分布曲线（右侧）：
   • 使用均值和标准差这两个参数拟合出的理论分布。
   • 表现非常平滑。

结论：理论分布（如正态分布）通常比观测到的原始数据分布要平滑得多。