基于因子分析法高职市场营销专业学生成绩评价.docVIP

基于因子分析法高职市场营销专业学生成绩评价 　　摘要：基于因子分析对我校2008级市场营销学生各门课程的成绩进行分析，找出学生成绩背后的变量，并通过因子综合得分排名与传统排名相比较，更好的发现学生各方面能力的差异，以寻找更好的教学方式。 　　关键词：因子分析；因子得分；载荷矩阵；市场营销专业 　　中图分类号：G42文献标志码：A 文章编号：1002-2589（2011）12-0335-03 　　 　　引言 　　高等职业教育是以培养具有必须理论基础和较强的技术开发能力，学习运用新技术知识能力的高等技术应用型人才为目标。因此，高等职业教育培养的学生，在教学要求上不必过分追求理论知识的深度和强度，只掌握基础的专业知识即可，而要加强本专业技能的实用性、针对性和专业课程的适用性[1]。所以，高职教育更应该是理论与实践相互融合、相互依托的教育模式。 　　高职市场营销专业培养的是“高技能应用型或操作性高技术的市场营销人才”[2]。这一培养目标定位的是具备掌握现代市场营销第一线所必需的知识、技术和能力的人才，即高职市场营销专业培养的只能是掌握市场营销职业技能人才、企业营销第一线的营销人才。 　　本文通过因子分析法构建温州科技职业学院市场营销专业学生成绩的综合评价指标和公因子评价指标，避免了传统的按照多门课程总分排名的情况，较为清楚的解释了造成学生成绩优劣的主要原因，揭示了学生学习各课程的能力，对于教师更好的因材施教、促进学生不断的提升具有重要意义。 　　一、因子分析的方法和步骤 　　1.因子分析方法 　　因子分析（FactorAnalysis）是多元统计重要分析方法之一，是用少数几个潜在不能观察的随机变量去描述多个变量之间的相关关系，根据相关性的大小，将变量进行分组，将相关性较高的变量分在同一组，不同组的变量间相关性较低一种数据处理方法[3]。 　　因子分析模型是根据变量间的相关性大小，把变量分组，组内的变量之间相关性高，但不同组的变量相关性低，每组变量代表一个基本结构，这个基本结构称为公共因子。其出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息，可以通过下面的数学模型来表示:X=AF+αε其中X=(X1，……Xp)T为p个原有变量，F为m个公共因子变量，m≤p，A为p×m的因子载荷矩阵，aij表示第i个原有变量和第j个公共因子变量的相关系数，aij越大说明公共因子Fj和原有变量Xi越强，ε为特殊因子，表示了原有变量不能被公共因子变量所解释的部分，相当于多元回归分析中的残差部分[4]。 　　2.因子分析的步骤 　　1）在对数据进行因子分析前首先要对其进行检验，来判断是否适合做因子分析，检验所采用的方法为巴特利特球度检验(BartlettTestofSphericity)和KMO(Kaiser-Meyer-Olk 　　in)检验。 　　巴特利特球度检验(BartlettTestofSphericity)是假设相关系数矩阵是一个单位阵，如果统计量值比较大，且其相对应的相伴概率值小于用户指定的显著性水平，拒绝原假设，认为适合作因子分析。反之，接受原假设，不适合作因子分析。 　　而KMO(Kaiser-Meyer-Olkin)检验中的KMO的取值在0和1之间，KMO越接近于1，则越适合作因子分析，其计算公式如下： 　　按因子得分Fi及贡献率，计算综合得分F=β1F1+…+βkFk，根据综合得分排序。 　　上述步骤只需要调用SPSS软件中Factor即可[5][6]。 　　二、高职市场营销专业学生成绩分析 　　1.样本选取 　　本文选取温州科技职业学院2008级市场营销专业3个班级学生共138人作为样本，同时选择其2007―2010年5个学期中的22门考试课程：大学计算机（AB）、大学英语（AB）、经济数学、经济学基础、现代企业管理、思想道德修养与法律基础、市场营销、经济法实务、市场调查与预测、统计技术、成功心理能力训练、就业与指导、连锁经营与管理、领导艺术、农产品经纪人技能知识、网络营销、营销策划、营销诊断、公共关系实务、广告实务、国际市场营销、物流管理、消费心理学作为统计变量，分别用X1，X2，X3……X22来表示，用Xij表示第i个同学在第j门课上的得分，则X=(Xij)138×22这样就得到了一个138×22的原始数据矩阵。 　　2.因子分析 　　1）数据检验 　　将样本学生的成绩数据输入SPSS软件，对138个变量作KMO(Kaiser-Meyer-Olkin)检验和巴特利特球度检验。检验结果见表1。KMO值为0.875（大于0.5）。在检验Bartlett统计指标检验相关矩阵是不是单位矩阵（原假设为相关矩阵为单位阵）过程中，卡方检验结果表明，Bartlett球形检验的卡方统计值