基于因子分析法的本科生源質(zhì)量評(píng)價(jià)實(shí)證研究

鄭鈺瑩, 石鴿婭

(合肥工業(yè)大學(xué) 教務(wù)部,安徽 合肥 230009)

?

基于因子分析法的本科生源質(zhì)量評(píng)價(jià)實(shí)證研究

鄭鈺瑩, 石鴿婭

(合肥工業(yè)大學(xué) 教務(wù)部,安徽 合肥 230009)

生源質(zhì)量評(píng)價(jià)研究既是當(dāng)前高等教育研究的熱點(diǎn),也是難點(diǎn)。調(diào)查發(fā)現(xiàn),相關(guān)數(shù)據(jù)獲取難度較大,專門針對(duì)生源質(zhì)量評(píng)價(jià)研究的成果較缺乏;已有研究成果所依據(jù)的數(shù)據(jù)大多源自網(wǎng)絡(luò)搜集,每每?jī)H選取部分省區(qū)高考分?jǐn)?shù)作為樣本分析,并以分?jǐn)?shù)作為唯一評(píng)價(jià)指標(biāo),難以全面、準(zhǔn)確表明生源質(zhì)量情況及發(fā)展趨勢(shì)。文章采用因子分析法構(gòu)建本科生生源質(zhì)量評(píng)價(jià)模型,對(duì)本科生生源質(zhì)量開展多角度的實(shí)證研究,數(shù)據(jù)均源自合肥工業(yè)大學(xué)本科招生數(shù)據(jù)庫。結(jié)果表明此項(xiàng)研究方法正確、角度全面且針對(duì)性較強(qiáng),能為高校招生決策提供科學(xué)依據(jù),也可為高校人才培養(yǎng)的其他環(huán)節(jié)提供參考。

高校招生;生源質(zhì)量;質(zhì)量評(píng)價(jià);因子分析

高校的招生、錄取工作是人才培養(yǎng)的基礎(chǔ)性工作,優(yōu)質(zhì)生源是保證本科教育這一高層次人才培養(yǎng)質(zhì)量的先天條件,決定著高校教學(xué)工作的起點(diǎn)。生源質(zhì)量得不到保證,勢(shì)必會(huì)影響到高層次人才培養(yǎng)的質(zhì)量。因此,吸引和招攬優(yōu)質(zhì)生源成為國內(nèi)外高校招生工作的首要目標(biāo),也一直是高校和社會(huì)各界高度關(guān)注的熱點(diǎn)。文獻(xiàn)[1]以江西省24所普通本科高校2008—2011年在各省、市、區(qū)招生的分?jǐn)?shù)為研究對(duì)象,對(duì)江西省本科生源情況進(jìn)行統(tǒng)計(jì)分析,總結(jié)出普通高校的生源質(zhì)量規(guī)律;文獻(xiàn)[2]分別基于2005—2010年及2011—2012年的本科招生數(shù)據(jù),對(duì)“985工程”大學(xué)本科生源質(zhì)量進(jìn)行分析,得出如下結(jié)論:生源質(zhì)量與大學(xué)綜合實(shí)力和類型有較強(qiáng)的相關(guān)性,各大學(xué)的生源質(zhì)量短期內(nèi)不會(huì)發(fā)生大幅度改變;文獻(xiàn)[3]選取山東科技大學(xué)2013年的本科招生數(shù)據(jù),提出了基于高校生源質(zhì)量貢獻(xiàn)度的質(zhì)量評(píng)價(jià)模型,設(shè)計(jì)并且實(shí)現(xiàn)了生源質(zhì)量貢獻(xiàn)度的計(jì)算算法,總結(jié)歸納了影響生源質(zhì)量的相關(guān)因素。文獻(xiàn)[4]研究了建立高校招生生源質(zhì)量評(píng)價(jià)模型的一般過程;文獻(xiàn)[5]則以西部某高校本科生招生生源信息分析為基礎(chǔ),開展了有關(guān)生源質(zhì)量的探索和研究。

回顧上述文獻(xiàn)發(fā)現(xiàn),文獻(xiàn)[1-2]研究對(duì)象分別為江西省的24所本科院校、38所“985工程”院校的生源質(zhì)量規(guī)律,研究數(shù)據(jù)均源于網(wǎng)絡(luò)數(shù)據(jù)，如各校本科生招生網(wǎng)、新浪網(wǎng)和中國教育在線;文獻(xiàn)[3]以山東科技大學(xué)為研究對(duì)象,但僅選取高考分?jǐn)?shù)作為唯一評(píng)價(jià)指標(biāo);文獻(xiàn)[4]僅介紹評(píng)價(jià)模型的構(gòu)建流程;文獻(xiàn)[5]涉及院校層面進(jìn)行研究,但指標(biāo)選取不夠全面。

針對(duì)已有研究之不足,本文結(jié)合多年招生工作實(shí)際,基于2013—2015年合肥工業(yè)大學(xué)本科生招生數(shù)據(jù),引入因子分析法構(gòu)建本科生源質(zhì)量評(píng)價(jià)模型,對(duì)本科生源質(zhì)量進(jìn)行多角度研究,以期為進(jìn)一步提高生源質(zhì)量制定決策提供科學(xué)依據(jù)。

1 模型構(gòu)建

因子分析法能夠?qū)崿F(xiàn)在較多變量且變量之間存在著較強(qiáng)的相關(guān)關(guān)系的情形下,尋求觀測(cè)數(shù)據(jù)的基本結(jié)構(gòu),通過主成分分析法把一組觀測(cè)變量化為少數(shù)的幾個(gè)因子,進(jìn)一步將原始觀測(cè)變量的信息轉(zhuǎn)換成這些因子的因子值,再用這些因子代替原來的觀測(cè)變量進(jìn)行統(tǒng)計(jì)分析[6]。該方法能夠克服主觀因素的影響,具有較好的客觀性。

設(shè)本科生源質(zhì)量評(píng)價(jià)有p個(gè)相關(guān)指標(biāo)x1,x2,…,xp,每個(gè)指標(biāo)都可以表示成m個(gè)互不相關(guān)的公共因子f1,f2,…,fm(m

(1)

用矩陣表示為:

(2)

其中,A=(aij)p×m稱為因子載荷矩陣,其元素aij表示第i個(gè)變量xi在第j個(gè)公共因子fj上的載荷或者是xi在坐標(biāo)軸fj上的投影;X=(x1x2…xp)T;F=(f1f2…fm)T;ε=(ε1ε2…εp)T。因子分析法的目的就是用模型中的公共因子F來代替X,由于一般有m

2 實(shí)證研究

2.1 數(shù)據(jù)來源與指標(biāo)選取

本模型以合肥工業(yè)大學(xué)除西藏、海南之外的29個(gè)省(區(qū)、市) 2013—2015年招生數(shù)據(jù)為研究對(duì)象。數(shù)據(jù)來源于該校本科生招生數(shù)據(jù)庫。

本著全面性、客觀性、相關(guān)性、可比性、明晰性、常用性原則[8],選取12個(gè)指標(biāo)進(jìn)行因子分析。x1為錄取最高分;x2為錄取最低分;x3為總平均分;x4為平均分與控制線差;x5為語文平均分;x6為數(shù)學(xué)平均分;x7為英語平均分;x8為計(jì)劃滿足率;x9為專業(yè)滿足率;x10為城鎮(zhèn)比率;x11為黨團(tuán)員比率;x12為入學(xué)報(bào)到率。

2.2 研究流程、結(jié)果與分析

2.2.1 實(shí)證研究流程

本實(shí)證研究流程如圖1所示。

圖1 實(shí)證研究流程

2.2.2 因子分析的前提條件

將所有原始數(shù)據(jù)變換成標(biāo)準(zhǔn)化變量,采用統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案(statistical product and service solutions,SPSS)軟件計(jì)算簡(jiǎn)單相關(guān)系數(shù)矩陣、Barlett球度檢驗(yàn)和KMO(Kaiser-Mayer-Olkin)檢驗(yàn)等方法對(duì)原有變量之間的相關(guān)性進(jìn)行研究,計(jì)算結(jié)果如下：KMO值為0.740,Barlett球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為248.329,概率P為0.000，小于0.05,拒絕統(tǒng)計(jì)量相關(guān)矩陣為單位矩陣的假設(shè),即認(rèn)為適合做因子分析,因而采用因子分析法進(jìn)行后期分析是合理的[9]。

2.2.3 因子提取

對(duì)所有標(biāo)準(zhǔn)化后的變量進(jìn)行降維因子分析,采用因子分析法,計(jì)算出所有變量相關(guān)系數(shù)矩陣的特征值、方差貢獻(xiàn)率和累積方差貢獻(xiàn)率見表1所列。為了不使信息丟失過多,采用因子分析法，從初始特征值中抽取特征值大于0.6的因子,即要求所得到的因子至少能解釋一個(gè)變量60%的方差。

表1 特征值、方差貢獻(xiàn)率及累積方差貢獻(xiàn)率 %

其特征值依次為4.744、1.612、1.354、1.085、0.966、0.748、0.600,占方差百分?jǐn)?shù)的累加值為92.567%,即這7個(gè)公因子所解釋的方差占整個(gè)方差92.567%,故上述12個(gè)指標(biāo)可以綜合成7個(gè)公因子f1、f2、f3、f4、f5、f6、f7,從而能夠比較全面地反映原始數(shù)據(jù)的信息,盡量減少信息的丟失。

2.2.4 公因子命名

采用主成分分析法建立所抽取因子的因子負(fù)荷矩陣，為簡(jiǎn)化該矩陣的結(jié)構(gòu),將因子載荷矩陣進(jìn)行方差最大正交旋轉(zhuǎn),達(dá)到簡(jiǎn)化結(jié)構(gòu)的目的,使各指標(biāo)在某單個(gè)因子上有高額載荷,而在其他因子上只有小到中等的載荷,以便于有較好的解釋[9],具體見表2、表3所列。

根據(jù)因子分析原理,7個(gè)公因子之間具有不相關(guān)性,而每個(gè)因子與其所包含的指標(biāo)之間具有高度相關(guān)性,一個(gè)因子包含的諸多指標(biāo)之間也具有高度相關(guān)性。表2中載荷統(tǒng)計(jì)意義即為指標(biāo)與因子的相關(guān)系數(shù),載荷aij表示了第i個(gè)指標(biāo)與第j個(gè)公因子的相關(guān)系數(shù),因此可以根據(jù)各個(gè)公因子上的載荷對(duì)公因子進(jìn)行解釋。

表2 旋轉(zhuǎn)前因子載荷矩陣

表3 旋轉(zhuǎn)后因子載荷矩陣

在公因子f1中,總分平均分、英語平均分、錄取最低分、錄取最高分4個(gè)指標(biāo)在該因子上的載荷都大,表明公因子f1主要從考生高考成績(jī)方面來反映生源綜合質(zhì)量,故命名為“綜合成績(jī)因子”;在公因子f2中,平均分與控制線分差在該因子上的載荷較大,表明f2主要從分差來反映生源綜合質(zhì)量,這也是招生宣傳時(shí)一個(gè)主要的參考依據(jù),故命名為“分差因子”。在公因子f3中,專業(yè)滿足率在該因子上的載荷較大; 在公因子f4中,語文平均分?jǐn)?shù)在該因子上的載荷較大;在公因子f5中,城鎮(zhèn)比率在該因子上的載荷較大;在公因子f6中,入學(xué)報(bào)到率在該因子上的載荷較大;在公因子f7中,計(jì)劃滿足率在該因子上的載荷較大。公因子f3～f7分別命名為專業(yè)滿足因子、語文成績(jī)因子、城鎮(zhèn)因子、報(bào)到率因子及計(jì)劃完成因子。

2.2.5 綜合得分計(jì)算及結(jié)果分析

為進(jìn)一步評(píng)價(jià)各地區(qū)生源質(zhì)量的綜合實(shí)力,先計(jì)算2015年全國各地區(qū)生源質(zhì)量評(píng)價(jià)指標(biāo)綜合得分[5]。

(1) 對(duì)7個(gè)公因子計(jì)算其因子得分,得到因子得分表。

(2) 根據(jù)其方差貢獻(xiàn)率賦予權(quán)重加權(quán)求和計(jì)算綜合得分,即

V=4.744f1+1.612f2+1.354f3+1.085f4+

0.966f5+0.748f6+0.6f7,

得出各地區(qū)生源質(zhì)量的綜合得分。

(3) 按綜合得分排序,即得到2015年合肥工業(yè)大學(xué)在全國各地區(qū)招生生源質(zhì)量的公因子值、綜合得分及排序,見表4所列。

表4 合肥工業(yè)大學(xué)在全國29個(gè)省市所招收生源質(zhì)量因子值及綜合得分情況

2.2.6 實(shí)證結(jié)果與分析

對(duì)表4進(jìn)行分析,依據(jù)其結(jié)果即可制定針對(duì)性的招生政策。

由表4綜合得分排名看,2015年合肥工業(yè)大學(xué)生源質(zhì)量排名前五的省份為山東、安徽、重慶、福建、遼寧。從f2即平常意義上平均分與控制線分差數(shù)據(jù)來看,排名前五的省份應(yīng)該為黑龍江(2.117)、內(nèi)蒙古(1.948)、新疆(1.325)、遼寧省(1.257)、福建省(0.541)。如黑龍江省f2平均分與控制線分差最高,得分為2.117;影響黑龍江綜合得分的是f6、f3、f7,分別為報(bào)到率、專業(yè)滿足率、計(jì)劃滿足率3個(gè)因子?？梢?生源省份新生報(bào)到率對(duì)其生源質(zhì)量影響較大。從表4可以看出,報(bào)到率低的省份為天津市(-2.858)、黑龍江省(-1.866)、甘肅省(-1.519)、上海市(-1.393)、廣西自治區(qū)(-1.251)等。據(jù)年度數(shù)據(jù)統(tǒng)計(jì),合肥工業(yè)大學(xué)每年放棄入學(xué)資格比率基本為0.6%～1%,表現(xiàn)為對(duì)學(xué)?；蛘咪浫I(yè)不滿意,認(rèn)為自己可以上更好的大學(xué)或者專業(yè),準(zhǔn)備出國或者復(fù)讀。由此得出,高校的生源質(zhì)量受多種因素影響,高校綜合實(shí)力、社會(huì)認(rèn)同非常重要，因而高校應(yīng)根據(jù)自身辦學(xué)實(shí)力、教學(xué)條件等實(shí)際情況決定招生專業(yè)結(jié)構(gòu)和招生規(guī)模,以進(jìn)一步提高各省的生源質(zhì)量。

由表4公因子f1可見,總平均分、英語平均分、錄取最低分、錄取最高分4個(gè)指標(biāo)在該因子上的載荷都大,主要從考生高考成績(jī)方面來反映生源綜合質(zhì)量。排除其他因素影響,f1綜合成績(jī)因子最能體現(xiàn)生源的高考成績(jī)水平。從f1排名來看,排名前五的省份依次為安徽省(1.731)、重慶市(1.199)、河北省(1.154)、北京市(1.087)、山東省(0.862)。合肥工業(yè)大學(xué)作為一所教育部直屬重點(diǎn)大學(xué),在安徽省的聲譽(yù)及各方面的影響力不容小覷。即使每年度在安徽省投放計(jì)劃均近2 000個(gè)名額,但從高考成績(jī)一分一檔排名來看,合肥工業(yè)大學(xué)招生生源質(zhì)量往往高于部分“985工程”院校。但由表4公因子f1來看,學(xué)校應(yīng)在穩(wěn)住中部生源質(zhì)量的同時(shí),加大在邊遠(yuǎn)省份如貴州、青海、寧夏、廣西、新疆、云南、甘肅等的招生宣傳力度。江蘇、上海不僅f1、f2因子得分低,綜合排名也靠后,這種情況對(duì)各高校都是個(gè)普遍性問題,因上海、江蘇經(jīng)濟(jì)發(fā)達(dá)城市和地區(qū)對(duì)“985工程”大學(xué)支持力度大,具有更富吸引力的文化影響,能夠提供更多的就業(yè)機(jī)會(huì),考生更愿意報(bào)考這些地方的“985工程”大學(xué)。

由表4分析可知,山東省連續(xù)3 a綜合得分排名第1;排名持續(xù)靠前的省份為安徽、遼寧、河北、黑龍江4個(gè)省市;持續(xù)上升的省份為重慶、福建、北京、內(nèi)蒙古;綜合得分均靠后的省份與f1因子排名基本保持一致,為邊遠(yuǎn)地區(qū)省份及上海、江蘇。合肥工業(yè)大學(xué)招生宣傳實(shí)行學(xué)院承包到省份的模式,方式有教授進(jìn)中學(xué)做講座、招生咨詢會(huì)、新媒體對(duì)學(xué)校的推介等。根據(jù)表4所列數(shù)據(jù),針對(duì)各省份的不同情況應(yīng)采取不同的招生宣傳方式。對(duì)于山東及排名持續(xù)上升的省份,應(yīng)進(jìn)一步細(xì)化招生宣傳工作,吸引優(yōu)秀生源報(bào)考。對(duì)于綜合得分均靠后的省份,需要不斷提高和改善辦學(xué)條件,優(yōu)化招生專業(yè)結(jié)構(gòu),科學(xué)、合理編制招生計(jì)劃,加強(qiáng)招生宣傳力度,這些無疑是一項(xiàng)復(fù)雜的系統(tǒng)工程。

3 結(jié) 論

合肥工業(yè)大學(xué)本科生源質(zhì)量的評(píng)價(jià)實(shí)證結(jié)果表明,采用因子分析法對(duì)高校招生生源質(zhì)量進(jìn)行評(píng)價(jià)能夠清楚地了解和掌握學(xué)校生源質(zhì)量的歷史情況和當(dāng)前現(xiàn)狀,并且能夠準(zhǔn)確地描述其未來發(fā)展趨勢(shì),具有一定的理論價(jià)值和積極的現(xiàn)實(shí)意義。后續(xù)研究中,擬采用此生源質(zhì)量評(píng)價(jià)模型的綜合素質(zhì)指標(biāo)作為定性評(píng)價(jià)的原始數(shù)據(jù),利用模糊數(shù)學(xué)方法更進(jìn)一步開展本科生的生源質(zhì)量評(píng)價(jià)研究,為高校招生及培養(yǎng)過程各環(huán)節(jié)提供更科學(xué)的決策依據(jù)和科學(xué)方法。

[1] 羅良針,張陽.普通高校本科生源質(zhì)量規(guī)律研究：基于江西24所高校招生數(shù)據(jù)的實(shí)證分析[J].教育學(xué)術(shù)月刊,2013(6):86-89.

[2] 別敦榮,葉本剛.“985 工程”大學(xué)本科生源質(zhì)量：基于2011—2012年數(shù)據(jù)的統(tǒng)計(jì)分析[J].清華大學(xué)教育研究,2015,36(3):27-38.

[3] 曹茂永,岳國偉,張士強(qiáng).高校生源質(zhì)量貢獻(xiàn)度評(píng)價(jià)模型研究[J].高等工程教育研究, 2014(5):130-134.

[4] 魏卓,翟云騰,毛潔玲.高校招生生源質(zhì)量評(píng)價(jià)模型研究[J].科技信息,2010(33):187-205.

[5] 陳靜.高校招生生源質(zhì)量分析與評(píng)價(jià)模型研究[D].重慶:重慶大學(xué),2006.

[6] 邱東.多指標(biāo)綜合評(píng)價(jià)方法的系統(tǒng)分析[M].北京:中國統(tǒng)計(jì)出版社,1991.

[7] 朱建平.應(yīng)用多元統(tǒng)計(jì)分析[M].北京:科學(xué)出版社,2006.

[8] 時(shí)立文.SPSS19.0統(tǒng)計(jì)分析[M].北京:清華大學(xué)出版社,2012:286-232.

[9] 夏安邦.系統(tǒng)建模理論與方法[M].北京:機(jī)械工業(yè)出版社,2008:29-31.

(責(zé)任編輯 劉 翠)

Empirical study of undergraduate enrollment quality evaluation based on factor analysis

ZHENG Yuying, SHI Geya

(Department of Educational Administration, Hefei University of Technology, Hefei 230009, China)

The enrollment quality evaluation is a hot but difficult topic in higher education research. In view of the difficulty in data acquisition, it is found that the research results from college enrollment quality evaluation are rather scarce; the existing research results mostly come from network data collection, selecting the College Entrance Examination(CEE) scores from some provinces in China as analysis sample; the enrollment quality situation and development trend can not be comprehensively and accurately indicated by taking score as the only evaluation index. In this paper, the evaluation model of the undergraduate enrollment quality is constructed by adopting the factor analysis method. A multi-perspective empirical study of the undergraduate enrollment quality is carried out based on the data derived from the undergraduate enrollment database of Hefei University of Technology. The results show that this method is accurate, comprehensive and highly targeted, which not only provides a scientific basis for the college enrollment decision, but also provides a reference for talent training in colleges.

college enrollment; enrollment quality; quality evaluation; factor analysis

2016-09-25；

2016-10-28

安徽省重大教學(xué)改革研究資助項(xiàng)目(2013zdjy025)

鄭鈺瑩(1979-),女,湖南隆回人,合肥工業(yè)大學(xué)助理研究員.

10.3969/j.issn.1003-5060.2016.11.026

G473.2

A

1003-5060(2016)11-1571-05