1、大學生專業滿意度統計分析模型的研究北方工業大學 翁嘉嵐、閆冬、葉晶蓮摘要大學生就業難已經成為一個嚴峻的社會問題，如何解決大學生的就業問題是擺在廣大理論工作者和教育工作者面前的重大任務。本文以在校大學生為研究樣本，使用 CAPI面訪設備，對大 一到大四的四個年級做隨機抽樣調查，收回102份有效問卷。在對收回問卷數據進行信度分析之后，分別應用線性逐步分析模型、多分變量 Logistic模型和交叉表從不同角度對大學生專業滿意 度的影響因素進行探討，得出對專業滿意度影響最為顯著的幾個因素，并針對解決大學生就業難 的問題提出了相應的對策與建議。關鍵詞：專業滿意度；信度；線性逐步分析模型；多分變量 Log

2、istic模型；交叉表模型1選題背景1.2數據來源與信度分析 1.2.1 數據來源1.2.2 信度分析2.3統計模型的建立與結果分析 3.3.1 逐步回歸分析模型 3.3.2 多分變量Logistic 回歸分析5.3.3 交叉表分析6.4結論及模型改進方向 8.5對策與建議 8.5.1 加強高考志愿填報的指導工作 8.5.2 加強大學新生的專業教育 9.5.3 加強高校師資隊伍建設9.5.4 加強大學生全面能力的培養1.0參考文獻10.附件大學生專業滿意度與就業信心相關性的調查研究（問卷） 1 21選題背景當前，大學生就業形勢非常嚴峻，與同時出現的勞工荒形成強烈反差。可以說，出現大學生 就業難

3、與勞工荒同時并存這種反常現象，主要原因還是年輕人擇業觀念、就業信心與社會用人需 求之間存在著突出矛盾。要解決這個問題，必須對大學生擇業觀念、就業信心進行合理引導，對 高等院校專業設置進行適當的調整，同時，高校管理部門及大學生用人單位也需要對未來大學生 就業形勢做出相對科學準確的分析。大學生從選擇一個專業開始進行學習到學業完成進行就業的 過程中，會對所學專業不斷產生新的認識，從而對專業的滿意程度也會隨時間而改變，這就在一 定程度上影響了其就業的信心。所以我們選擇了大學生對專業的滿意度與其就業信心的相關性進 行研究，對影響大學生專業滿意度及就業信心的相關性及其影響因素進行系統分析，以期為高校、用人

4、單位、學生及家長提供相關的合理建議或參考依據。2數據來源與信度分析在整個問卷設計調查過程中，我們嚴格按照以下流程進行：根據研究目的編擬和修訂問卷初 稿一試訪問一問卷修訂一正式問卷一調查。2.1 數據來源以紙質問卷進行，采用CAPI面訪設備，對在校大學生一一包括大一到大四的四個年級做隨機 調查，下發問卷110份，在對數據進行初步檢驗、處理之后，得到有效問卷102份。問卷設計方面，包括調查對象背景信息和滿意度因素兩方面。原始問卷見附件，主要針對選 擇專業的首要因素、對自己專業的滿意程度、高考填報志愿時對所學專業及自身興趣的了解程度、 入大學后對所學專業的了解程度和滿意程度、職業向往與就讀專業的吻合

5、度、就業前景信心等可 能影響專業滿意度及就業信心的一些因素進行調查，選項設計基本為五級量表，包含兩道背景題,問卷共設置11個問題，分別用V1、V2、V11等作為問題的變量代號，便于數據的分析與處理， 具體變量對照表見表1。整個調查分析中使用了 SPSS18.0進行數據處理。表1變量代碼對照表變量代碼變量名稱V1性別V2年級V3專業是否為自己所選V4選擇專業的首要因素V5對自己專業的滿意程度V6高考填報志愿時對所學專業的了解程度V7高考填報志愿時對自身興趣的了解程度V8入大學后對所學專業的了解程度V9進入大學后對所學專業的教學質量總體感覺V10職業向往與就讀專業的吻合度V11就業前景信心2.2

6、信度分析針對調查數據，需要分析數據來源的可靠性，這就涉及到問卷設計中評價量表質量的信度分 析。信度是測量的可靠性，指運用相同的測量手段重復測量同一個對象時所得結果的穩定性或前 后一致性，它反映測量的精確性。 Alpha系數是目前最常用的信度指標，尤其是針對多維的復合 量表，它可以考察復合量表中每一題項得分間的一致性程度，也就是說，不同的題項所調查的問 題是否能一致地反映同一個調查主題。Alpha信度系數公式為：-k-A 畿 J式中k為測驗的題項數，為第i題的分數白勺方差(i=1,2,k), Sr為n個被測者測驗總分的 方差。如果將原始數據進行標準化處理，Alpha信度系數可以進一步修正為：a

7、='上 1 W中，s,t =1.k ,工rst為原始數據相關矩陣所有元素的和。Ik -1 人工 rst 在一般情況下，口系數是正向的，并且其大小在閉區間0 , 1內。進一步，可以對系數做出具體的經驗解釋，見表 2:表2:6系數的經驗解釋a系數經驗解釋0-0.5信度水平較差，無信度，需改進量表設計0.5-0.7中等信度水平，可以接受的最低信度0.7-0.9高信度水平，量表設計合理0.9-1.0非常高的信度水平，考慮量表是否過長需要注意的是，a系數并非是越高越合理。當a超過0.9時，應考慮量表題項是否過多，是 否存在一些可有可無的多余題項，必要時適當刪減。針對本項目的調查數據，我們可以將

8、V5-V11題視為一個7維的復合量表，利用SPSS18.0分析 得出如表3:表 3:Reliability StatisticsCronbach's AlphaCronbach's Alpha Based on Standardized ItemsN of Items.782.7857可靠性檢驗結果表明，Alpha系數為0.782 ,基于標準化數據計算的Alpha系數為0.785 ,兩個 數據結果都屬于較高的信度水平，說明問卷中量表的設計具有較高的信度，能夠獲得相對精確的 分析結果。3統計模型的建立與結果分析在建立模型之前，我們有必要作一些合理的假設：假設1： “滿意”、“就業

9、信心”、“吻合度”等指標可以量化。本文即根據人們對各來源指標的 主觀感受及客觀表現進行了量化；假設2:各指標選項可以進行程度賦值。V1-V4屬于定類數據，僅以1、2、3等作為選項的 代號，而V5-V11是定序數據，本文根據各指標選項程度大小，從 5至M進行賦值，給程度最強的 選項賦值為1,而給程度最弱的選項統一賦值為 5,中間三個選項依次為2、3、4。假設3:各影響因素指標選項對滿意度的影響都為正向的。即影響程度越強，滿意度越大， 這個假設已經在上面的信度分析中得到證實。在這三條假設的基礎上，根據研究思路，我們依次建立如下三個模型。3.1 逐步回歸分析模型以V5為因變量，V& V7、V

10、8、V9 V1R V11為自變量進行逐步分析結果如表 4 (a) - (b):ModelRR SquareAdjusted R SquareStd. Error of the Estimate1a.563.317.310.712492.639 b.408.396.666823.666 c.443.426.64993a. Predictors: (Constant), V11b. Predictors: (Constant), V11, V6c. Predictors: (Constant), V11, V6, V9表 4 ( b)CoefficientsModelUnstandardizedC

11、oefficientsStandardizedCoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)1.090.1945.606.000V11.540.079.5636.812.0001.0001.0002(Constant).397.2541.559.122V11.448.078.4675.760.000.9081.101V6.289.074.3163.894.000.9081.1013(Constant).083.278.298.766V11.386.080.4024.831.000.81

12、91.220V6.256.074.2793.471.001.8781.139V9.226.091.2062.493.014.834.1.199a. Dependent Variable: V5此分析中進入概率為PIN(0.05),剔出概率為POUT(0.10)。表4 (a)中Model為回歸方程模型編號，R為回歸方程的復相關系數，R Square為決定系數， adjusted R Square即修正的決定系數，可以看出，隨著模型中變量個數的增加，決定系數也在不 斷增加，而修正的決定系數大小與變量的個數無關，能較確切的反映擬合度。由表4 (b)可知，模型3是最優方程，包含3個自變量V11、V&a

13、mp; V9,自變量的顯著性水平均小 于0.05,比較顯著，常數項不顯著但其數值相對較小，對方程總體影響不大，根據回歸結果分析， 最終得到模型：V5=0.083+0.386V11+0.256V6+0.226V9該模型中每個自變量的顯著水平值較小，各個自變量的容許度值分別為0.819、0.878、0.834 ,沒有出現特別小的數值，各個自變量的 VIF值分別為1.220、1.139、1.199,沒有很大的數值出現,這說明方程中各自變量之間沒有出現嚴重共線性問題，模型擬合效果較好3.2 多分變量Logistic回歸分析對背景因素“性別”對專業滿意度的影響進行分析，即以V5乍為因變量，V1作為因素變

14、量進行多分變量Logistic回歸分析，輸出的結果如表5 (a) - (c)所示。表5 (a)Model Fitting InformationModelModel Fitting CriteriaLikelihood Ratio Tests-2 Log LikelihoodChi-SquaredfSig.Intercept OnlyFinal41.25722.50118.7564.001表 5 ( b)Likelihood Ratio TestsEffectModel Fitting CriteriaLikelihood Ratio Tests-2 Log Likelihood of Red

15、uced ModelChi-SquaredfSig.Intercepta22.501.0000.V141.25718.7564.001The chi-square statistic is the difference in -2 log-likelihoods between the final model and a reduced model. The reduced model is formed by omitting an effect from the final model. The null hypothesis is that all parameters of that

16、effect are 0.a. This reduced model is equivalent to the final model because omitting the effect does not increase the degrees of freedom.表 5 (c)Parameter EstimatesV5aBStd. ErrorWalddfSig.Exp(B)95% Confidence Interval for Exp(B)LowerBoundUpperBound1.00Intercept18.0351.500144.5561.000V1=1.00-16.1631.3

17、52142.9941.0009.562E-86.761E-91.352E-6V1=2.000b.0.2.00Intercept21.4691.132359.4471.000V1=1.00-19.166.912441.3761.0004.745E-97.938E-102.837E-8V1=2.000b.0.3.00Intercept20.8681.144332.7181.000V1=1.00-19.076.945407.8871.0005.192E-98.153E-103.306E-8V1=2.000b.0.4.00Intercept19.4211.000377.1741.000V1=1.00-

18、19.421.0078E-93.678E-93.678E-9V1=2.000b.0.a. The reference category is: 5.00.b. This parameter is set to zero because it is redundant.表5 (a)是最終方程的有效性檢驗，由于sig.值小于0.01 ,所以方程有效。表5 (b)是用似 然比統計量檢驗自變量對方程的影響，很顯然，sig.值仍然很小，說明性別變量對方程有重要影響。根據表5 (c) , wald統計量的Sig值全部小于0.001 ,因此可以將Logit 模型寫為：G1=log(G2=log

19、(G3=log(G4=log(P(1) )=18.035-16.163(V1)P(5)P()=21.469-19.166(V1)P(5)P(3) )=20.868-19.076(V1)P(5)P)=19.421-19.421(V1)P(5)在問卷中，我們對男性的賦值為1,女性賦值為2。從表5 (c)可以看出，當V1=2寸，系數B 均為0,而當V1=1時，系數為負并且絕對值很大。因為所有的系數都為負值并有顯著性意義。這說 明男性同學對專業的滿意度要比女性同學對專業的滿意度低，滿意度與其性別選擇男性的數量是 成反向變化的。在以上操作的基礎上，將V2、V& V曲別作為協變量重新進行多分變量L

20、ogistic回歸分析, 但參數估計中wald統計量的sig.值均大于0.05,說明這三個變量，即“所在年級”、“專業是否 為自己所選”、“選擇專業的首要因素是什么”等變量對方程并沒有顯著意義。3.3交叉表分析在Logistic回歸分析中，盡管“所在年級”、“專業是否為自己所選”、“選擇專業的首要 因素是什么”等變量對方程沒有顯著意義，但這并不意味著這些變量與學生的專業滿意度之間沒 有顯著關系。為了檢驗這個問題，可以借助于交叉列聯表，用 Pearson Chi-Square檢驗來解決 經過交叉列聯表分析后發現，V3tV必問，也就是“專業是否為自己所選”與學生的專業滿意度 之間存在顯著關系的關系

21、，具體分析結果見表 6 (a) -(b)所示。V5Total1.002.003.004.005.00V31.0014451841822.0006112120Tota 6 ( b)Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square13.471 a4.009Likelihood Ratio15.1114.004Linear-by-Linear Association11.2351.001N of Valid Cases102a. 5 cells (50.0%) have expected count

22、 less than 5. The minimum expected count is .39.表6 (a)是交叉表的頻數統計結果，表6 (b)是Chi-Square檢驗。盡管從Pearson Chi-Square 檢驗結果來看，Sig.=0.009 ,是個非常小的數，檢驗通過，但是 Pearson Chi-Square檢驗要求在 交叉表中每個單元格頻數都要大于5,這樣效果會更好，所以，為了優化Pearson Chi-Square檢驗, 我們將專業滿意度的選項進行合并。對于滿意度的調查，原來我們設有5個選項，分別為1非常滿意、2比較滿意、3感覺一般、4不太滿意以及5很不滿意。綜上考慮，我們決定

23、把1和2合并為很滿 意，4和5合并為不滿意，原3變為一般滿意。這樣就可以基本保證每組的頻數都大于 5,從而得到 更精確的數據分析。合并后的結果如表 7 (a) - (b):表7 (a)V3 * V5 CrosstabulationV5Total234V312Total596651811295388220102表 7 ( b)Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square12.242a2.002Likelihood Ratio11.8622.003Linear-by-Linear Association10.2061.

24、001N of Valid Cases102a. 1 cells (16.7%) have expected count less than 5. The minimum expected count is 1.57.盡管合并后交叉表中仍然存在1個單元格頻數小于5的情況，但已經不能繼續合并，否則無 法進行合理解釋，解決的最好辦法只能是增大樣本容量。對比合并前后的分析結果，我們不難看 出，Pearson Chi-Square檢驗中，顯著性概率分別為 0.009和0.002 ,顯然合并后的數據結果可 以說明大學生對自己的“專業滿意程度”與“專業是否為自己所選”之間存在顯著性關系。另外，我們對“所在

25、年級”、“選擇專業的首要因素是什么”兩個變量與“專業滿意程度”之間也進行了交叉列聯表分析，但檢驗結果不甚理想，與我們的直觀判斷存在一定的出入，這其 中的主要原因應該有兩個：一個是樣本量不足夠大，二是樣本量的獲得隨機性遵守不夠。4結論及模型改進方向本文采用了逐步回歸分析模型、多分變量Logistic回歸模型和交叉表分析模型，從不同方面 分析了影響大學生專業滿意度的幾種因素。在以往的研究基礎上，我們避免了只從單一方面考慮 分析問題的弊端，而是從多方面進行研究分析得到了更加全面的結論。通過逐步回歸分析模型， 我們得出對專業滿意度影響最顯著的三個因素，分別是學生對自己專業就業前景的信心度、學生 在填報

26、志愿前對專業的了解程度以及入學后對教學質量的滿意程度。止匕外，我們根據學生的背景 信息進行了多分變量Logistic回歸分析和交叉表分析并得出結論：男性同學比女性同學對專業的 滿意度低；專業為自己所選的學生對其專業的滿意度更高。我們的模型具有以下優點：1）逐步回歸分析模型是向前選擇法和向后剔除法的結合，直接選擇出對因變量貢獻最大的自變量進入回歸方程。2） Logistic 模型更好地反映了性別對專業滿意度的影響。3）交叉表分析模型的檢驗計算比較精確，對樣本量較少時的分析更加適用。本文也存在一些不足，需要后續繼續研究。通過對大學生專業滿意度及其影響因素的研究， 我們想對大學生專業的選擇與填報提供

27、一種新的思路。由于時間及個人能力的限制，樣本量不足 夠大且樣本量的獲得隨機性遵守不夠。其次，有一些問題需要進一步研究。例如，在設計調查問 卷時，我們沒有把學生目前的專業類型考慮在內，忽略了專業本身的影響，在一定程度上影響了 模型準確度。5對策與建議5.1 加強高考志愿填報的指導工作大學生專業滿意度低的一個重要原因就是高考填報志愿時出現了失誤。很多學生由于缺乏科學的指導，在專業選擇上出現失誤。報考高考志愿時面對的最大的問題就是學生對所報專業了解 不多，有些甚至可以說是一無所知，這也說明了中等教育和高等教育在銜接上的問題突出。對學 生來說，如果在選擇高考志愿時，缺少必要的高校信息和專業信息，得不到

28、科學的指導，就不利 于他們職業生涯的開始。因此，需要加強高校與中學的有效信息溝通，在中學教育階段就要對學 生進行一定的升學指導，使學生認識到自己的能力和適應性，明確將來的目標，自主選擇出路。 中學應該設有專門的人員負責了解有關知識，搜集有關信息，研究高考志愿的填報技巧，并與學 生的班主任，任課教師及家長一起共同指導學生高考志愿的填寫，同時高校也要積極采取行動， 在大學生活中適當給學生更多選擇的余地。5.2 加強大學新生的專業教育專業教育就是對剛入學的新生進行專業前景的分析、就業要求的講解及學習課程和內容的介 紹，使新生對所學專業有較全面的了解。專業教育意義重大，學校必須加以重視。進行大學新生

29、專業教育工作的首要任務是要提高學生對專業學習的信心和興趣。許多學生在進入大學時，對自 己所學專業應學習哪些專業知識，將來能在哪些行業就業只是一個感性的認識而已。因此要在大 學生入學教育階段，加強專業介紹， 培養學生的專業興趣。學校要引導學生正確看待自己的專業， 明確所謂冷門、熱門專業的辯證關系。從辯證的觀點來看，冷門和熱門是相對的，他們會隨著經 濟建設的發展而變化。現在的冷門專業很可能是未來的熱門， 并且冷門專業相對競爭不是很激烈, 如果能夠克服不良情緒，努力學習，比較容易成為學生中的佼佼者，解決就業問題自然會水到渠 成。進行大學新生專業教育工作可以邀請知名專家進行專業介紹，幫助學生了解所學專

30、業應學習 的主要專業課程，將來能夠在哪些行業和領域就業，以及目前專業所在行業的發展形勢如何等問 題，從而讓學生對自己所學的專業產生信心，建立專業自豪感和專業興趣。興趣是最好的老師， 有了興趣，就有了學習的動力和克服困難的毅力，就能在大學期間主動學習專業知識，積極參加 課余科技活動，增強學習專業的成就感。5.3 加強高校師資隊伍建設教學質量的水平直接影響著學校的生存發展，意義重大。而教師素質高又低決定著教學質量水平。提高高校課堂教學質量的關鍵在于建設一支高水平的師資隊伍。所以，高校需要在教師學 術理論水平的提高、教學技能方法的改進和教師良好人格魅力的塑造等方面制訂管理辦法，采取 有效的措施，打造

31、精良的教師隊伍。我們有以下幾點建議。首先，可以通過創造各種學習條件， 如講座、教育技術培訓班等來促使教師學術水平的提高。其次，通過采用交流式等新型教學方法 提高課堂的授課效率。再次，加強教師隊伍師德建設，要做到教師直接面對學生，對學生具有廣泛而深遠的影響。合格的高校教師不但應具有科學的人生觀、世界觀、價值觀，還要擁有新時代 所推崇的新思想、新觀念和具有時代特點的先進道德意識。5.4 加強大學生全面能力的培養第一，應該開展全程式的職業生涯規劃指導。為了適應日新月異的社會發展變化，高校應該 從大學一年級起就為大學生提供專業化的職業生涯教育和就業輔導，通過授課、培訓、組織社會 實踐等方式，激發學生的

32、成就感，喚醒學生職業生涯規劃意識，制定確定職業目標，進行有針對 性的職業準備。第二，要培養大學生的實踐能力。這一點在當代高校中已受到廣泛重視。學校應該有計劃、 有目的地培養學生們的實踐能力，使學生在步入職業生涯后能夠盡快適應社會的需求。高校對大 學生實踐能力的開發和提升必須滿足用人單位和社會的需求，才能得到用人單位的認可，使大學 生成功就業。要做到這一點，高校必須加強和用人單位之間的聯系和合作，共同培養大學生的實 踐能力。第三，必須建立暢通的信息傳遞機制。一方面，高校必須收集各專業的社會需求信息，并把 關的就業政策和步驟等程序化的內容，通過信息平臺準確、高效地發布，讓學生能夠隨時找到自 己需要的信息，然后通過網絡等方式把求職意向傳送給用人單位。另一方面，由于現在網絡的高 度發達，高校可以將畢業生的個人信息上傳至網絡平臺，這樣，用人單位通過注冊后就可以直接 查詢學生情況，提高錄用效率。同時，還應加強用人單位與學校的合作和聯系，可以通過與知名 企業人力資源部門的經理達成長期合作，在校園內舉辦形式多樣的校園招聘，幫助學生更加直觀 地提前了解招聘的程序及細節，在實踐中接受指導，為畢業