GRE提供的GMAT換算表有何漏洞

隨著全球化的加速和教育的多樣化，越來越多的學生選擇留學，而在申請國外大學時，語言考試是繞不開的一環(huán)，本文和大家說一說：GRE提供的GMAT換算表有何漏洞？，一起往下來看看吧。

該工具使用三個線性回歸模型來預測GMAT總分、GMAT定量推理題和GMAT文本邏輯推理題的分數，并聲稱與實際GMAT總分相比，預測的分數誤差范圍在50分上下浮動，文本邏輯和定量推題分數則存在6分左右的誤差。

但這個工具在其研究方案設計與解析方面有幾個關鍵的缺陷。對考生和商學院來說，這個工具毫無依據，并且還會造成反效果！以下是對其存在的問題的具體描述。

1

與數據相關的漏洞

該工具的線性回歸模型是基于在2011年8月至2012年12月期間，同時參加了GRE和GMAT的472名考生的情況所建立的。

這些數據樣本已不具備時效性了，并且其真實性也有待考證。今天更加全球化的GMAT考生群體與十年前相比，已經截然不同，并且GMAT定量推理和文本邏輯部分的分值也出現了顯著的變化，所以這些過時的數據并不能反映現實情況。所有的成績數據都是參與者自己報告的，沒有提供可確認數據真實性的證據，ETS也公開承認過這個問題。

該工具的抽樣也有不少問題。ETS遺漏了關于抽樣案例的特征信息，以及 GRE和GMAT分數分布的基本描述性統(tǒng)計信息（如，平均值、標準差、偏度和峰度等）的描述，這些關鍵信息的遺漏是一種極不尋常的情況，這表明ETS并不確定這些樣本數據具有代表性。

事實上，有證據表明這個過程使用了不具代表性的樣本。ETS無意中透露了他們在計算預測錯誤的公式中發(fā)現的GMAT分數的標準差（SD），以及他們在開發(fā)預測模型中使用的GMAT總分數標準差（SD=136.8）與2018-2020年的實際GMAT考生人群（SD=114.7）有顯著差異。

該工具沒有考慮到考生的不同備考水平及動機。根據我們從考生和備考機構了解到的情況，同時做好參加GMAT和GRE考試的準備，對考生來說極為不易。通常，他們會先嘗試其中一種考試，如果發(fā)現分數低于預期，有時候就會決定備考另一種。該模型中的考生都參加了GMAT和GRE，但其備考水平究竟如何我們卻不得而知。ETS沒有解釋考生參加考試的動機，尤其是為何會參加2種考試。也許他們在第一次考試時只為體驗一下流程，而并未全力以赴去獲得最佳成績。這些問題的存在，ETS也公開承認過。

2

方法和程序的漏洞

使用線性回歸模型一定會導致出現系統(tǒng)預測誤差（即分數偏差），GRE和GMAT之間衡量誤差的差異卻完全被忽略了。

GRE與GMAT的相關性未必是線性相關。GRE與GMAT的定量推理題分數分布存在顯著差異，前者接近正態(tài)分布，鐘形曲線；后者則極為傾斜。即使GRE分數的排名順序能夠完美對應GMAT分數的情況（但事實并非如此），它們之間也只存在非線性關系，對于高分考生來說更是如此。因此，這個預估模型會產生顯著的預測偏差，在高分范圍的情況下表現尤為明顯。

該工具忽視了考試設計的根本差別。GRE與GMAT在考試設計上有所不同，前者是多層級測試方法，后者則是計算機自適應測驗方法，二者在不同計分領域的條件測量誤差（CSEM）預計有顯著的差別。GMAT的CAT算法極為嚴格地控制了所有已報告分數范圍內的CSEM, GMAT總分的CSEM始終在30~40左右，即使是高分區(qū)域（＞700）也不例外。而GRE的多層級測試方法設計只有兩個階段（即最多只有50%的自適應性），它的CSEM就很可能出現顯著的波動，在高分區(qū)域更是如此。

ETS報告的預測區(qū)間嚴重低估了事實。ETS采用以下基本公式來計算預測標準誤差（SE）：

但只有在滿足幾個關鍵假設（如線性、獨立誤差、誤差正態(tài)分布和誤差方差相等）的條件下，使用該方程計算預測標準誤差才是合適的做法。鑒于以上列出的所有問題，這個方程的所有關鍵假設顯然都嚴重違背了事實。

除此之外，ETS還在預測誤差計算中忽略了GRE成績的條件測量誤差，就好像GRE是不會出錯的考查方法一樣。事實上，GRE成績很可能出現相對較大的條件測量誤差，在較高的分數范圍內更是如此。因此，如果說對這個工具目前所指出的有關數據和模型方面的相關問題，還不能證明其對GMAT總分的預測毫無意義，那么也至少可以說，這種情況下預測出的GMAT考試總分對制定任何關鍵決策都沒有很多借鑒意義，這種預測的實證標準誤差可能是ETS所估計結果的2到3倍。

很顯然，ETS并沒有使用他們自己的預測GMAT定量推理和文本邏輯成績的工具來預測GMAT總分，而是引進了另一個不同的多元回歸模型。這表明ETS也清楚自己預測的GMAT部分成績并不能有效且恰當地預測GMAT總分。

3

具有誤導性的信息

ETS網站有一個注腳聲明，預測的分數范圍與GMAT總分有50分上下的浮動

這種說法是錯誤的。這種預測區(qū)間應始終展示其置信水平，例如68%(=1SE)、95%(=2SE)或者99%(=3SE)的置信水平。這種欺騙性陳述會導致大眾誤以為他們報告了100%的置信水平（預測得分范圍是指最小可能的預測得分和最大可能的預測得分之間的差值），而他們報告的數值實際上只有68%的置信區(qū)間。

此外，ETS計算的標準誤差為54.8，他們將其四舍五入計算為50。更重要的是，鑒于他們的預測標準誤差被嚴重低估，在用于計算GRE的測量標準誤和預測器相對于平均值的位置時，實際的標準誤差預計遠超50分。

例如，在許多院校都青睞的GMAT總分650或更高的總分區(qū)域，沒有證據表明實際的99%預測區(qū)間的分值波動小于200分。這意味著，即使是在最好的情況下（即，盡管存在上述數據相關問題，ETS的回歸模型并沒有造成任何預測偏差），原本預測GMAT總分為650的個別考生的實際GMAT分數在99%的情況下會落入450到800這個分數區(qū)間的任何位置。

綜上所述，GRE分數與GMAT分數不能互相換算。自1953年以來，GMAT考試一直是專為商學院招生而設計的入學考試。其考試內容專門為商科課程設計，因此備考的這一過程不但有可能讓你獲得理想的分數，還可以磨練你的技能，以便你為商學院的學習和職業(yè)生涯做好準備。這也是為什么我們推薦你參加GMAT考試。

關于GRE提供的GMAT換算表有何漏洞？這個問題本文的分享就到這里結束了，如果您還想了解更多相關的內容，那么可以持續(xù)關注本頻道。

>> 雅思 托福 免費測試、量身規(guī)劃、讓英語學習不再困難<<