基于主成分分析大学生学习情况调查分析.docVIP

基于主成分分析大学生学习情况调查分析 　　摘 要 本研究以“中国大学生学习性投入调查问卷”（NSSE- China）为工具，对“上海J大学”本科生作分层随机抽样调查，并进行统计分析，将结果和全国院校、地方本科院校、“211工程”院校和“985工程”院校作横向比较研究。总体揭示了2013年度上海J大学与其他院校的水平差异，定位了J大学在各类院校中所处位置。对J大学学生学习与发展情况有了比较全面科学的了解，此研究方法同样适用于其他各类院校。 　　关键词 大学生学习性投入 学情调查 高等教育 　　中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2015.01.093 　　无论是从国家发展战略和世界改革趋势的角度来说，我们目前的高等教育质量保障的观念和指标体系都急需得到改进。中国大学生学习性投入调查项目，就是要从技术层面的指标体系入手，带动价值理念的变化，并立足于院校，以院校层面的内部改革推动宏观评估体制的变革。 　　本研究继续以“中国大学生学习性投入调查问卷”（NSSE- China）为工具，对“上海J大学”本科生作分层随机抽样调查，运用SPSS、SAS等软件进行统计分析，并和全国院校、地方本科院校、“211工程”院校和“985工程”院校作比较研究。试图研究J校与其他院校在各指标上的水平差异，并定位J大学在各类院校中所处位置，以对J大学学生学习情况作全面科学的了解。结合实际校情，对J大学教育教学工作有针对性地提出建议。 　　1 调查工具、内容、对象与方法 　　1.1 调查工具 　　本年度学情调查工具继续使用全美大学生学习性投入调查工具NSSE（National Survey of Student Engagement）的汉化版NSSE-China。①本文所引介的“大学生学习性投入调查”（NSSE）是一个针对学生具体学习行为以及院校教育实践所进行的调查问卷。该问卷最初产生于美国印第安纳大学，后经过汉化形成中文版本（CCSS）。 　　1.2 调查内容 　　2013年度调查问卷包括34道大题、100多道小题，覆盖学生行为、院校行为和要求、学生对院校行为和要求的反应、学生背景信息四大部分内容。该问卷设计者根据构成题项在教育实践中的具体意义，分别构建了可进行跨院校比较的学习性投入五大可比指标、教育环节诊断指标和其他学习过程诊断指标。 　　1.3 调查对象 　　2013年参加的学校数量达到65所，在各本科院校内部采用随机抽样，共发放问卷154719份，共收回问卷101643份，因测谎题之差绝对值大于2、A部分缺失超过三分之二及以上删除1652人，得到有效问卷99991份，有效率98.37%。 　　J大学为上海地区一所“地方本科”院校，对其采用年级分层随机抽样，共发放问卷1500份，收回1407份，回收率93.8%。其中大一学生487份、大二学生428份、大三学生336份、大四学生156份。 　　1.4 调查方法 　　在以上信息收集、调查问卷发放、学生施测、质性访谈的基础上，在J大学1407个有效样本和全国99991个有效样本的基础上，本研究小组使用SPSS和SAS统计软件进行数据分析，通过比较研究、个案分析、调研访谈相结合的方法，主要聚焦于以下几个方面问题进行数据了数据处理与分析：第一，运用主成分分析将众多的调查指标进行归类降维，运用更少的综合性指标来评估J大学与地方本科院校、211工程等院校间存在的差异。第二，通过聚类分析定位，判断J大学在各类院校中所处位置。并结合实际校情，对J大学高等教育教学工作有针对性地提出了具体的改进意见和建议。 　　2 J大学生学习情况“主成分分析法”综合比较定位 　　2.1 主成分个数的确定 　　运用SPSS软件对J大学23项指标进行主成分分析，以主成分对总方差的解释比例达到75%为选取的截点。即当提取的主成分所能解释的累计方差和达到75%时，认为目前选取的主成分已经可以解释原有23个指标下的大部分结果。 　　SPSS主成分分析输出结果表明，从选取1个主成分到8个主成分的累积贡献率分别为：39.552、49.355、56.388、62.664、67.592、71.565、75.465、78.899。可以看到选取7个主成分时，累积贡献率达到75%。据此，我们选取7个主成分作为对总体23个指标信息的概括。 　　2.2 七大主成分的确定 　　在确定用七大主成分来概括23个指标后，我们运用SPSS软件进行因子分析，根据因子得分来确定23个指标各属于哪个主成分。 　　用最大方差法进行正交旋转，从旋转后的成分矩阵可以清楚的看到23项指标经过降维分属于7个主成分（解释75%的信息）：括号内为该因子所在该主成分的因子旋转得分。 　　第一主成分