基于SEM模型的统计学专业满意度调查

基于SEM模型的统计学专业满意度调查 河北经贸大学 张丽、郝武波、王磊 摘要:统计学发展至今已经有近300年历史。数字化时代的到来使得统计学工具和分析方法不断丰富，应用领域不断拓宽，发展前景普遍被看好。相比之下，国内高校统计学专业教育的发展形势却不是十分乐观，高校向社会输送的统计学人才的认可度不高使得统计学专业学生就业面临极大困难，因此专业培养模式的调整十分必要。 针对此问题，本文于2011年5月到6月对河北某高校统计学专业大二、大三在校学生及1995级到2006级已就业学生两个总体进行了专业满意度调查。并在参考大量国内外学生(学习)满意度研究资料的基础上，分别构建了在校学生统计学专业满意度结构方程模型和已就业学生专业满意度模型，对影响统计学专业满意度的各因素进行了深入分析。 结果表明，两个总体中专业满意度对专业信心度都有显著正向影响。学生预期、课程设置和专业软硬件通过学生感知来影响学生的专业满意度评价。对两个总体比较分析发现:已就业总体模型中学生预期对于专业满意度的间接影响较大，而在校学生模型分析中课程设置对于专业满意度影响最大。同时模型也表明，两个总体的学生预期变量对就业信心都有直接正向影响。 通过对两个模型各变量的对比分析，本文认为目前专业改革应着力在如下几个方面采取措施:一是对于地方性财经学校而言课程安排要侧重于对学生专业能力的培养，培养复合应用型人才;二是教材的选用要以实际需求为基本，避开那些晦涩难懂的理论型书籍，选择侧重应用型的书籍作为教科书;三是学校要重视学生入学初的专业教育，积极的专业宣传和心理教育可以帮助学生树立对专业的信心和热爱度，提升就业信心。 关键词 专业满意度 结构方程模型 就业信心 I Abstract: The development of Statistics has a history of nearly 300 years. As the digital age is approaching, statistical tools and analysis methods continue to enrich, applications field continue to broaden , and its development prospect is brighting. However the development tendency of Statistics at home is not so optimistic. Statistical graduates of Colleges and universities do not receive relevant acceptability in the society ，which leads to difficulties in finding jobs.Thus it is necessary to work out an effective pattern for the further adjustment and perfection in Statistics. To solve this problem , during May to June in 2011,we have a survey of satisfaction between sophomore 、junior school students and the 1995 to 2006 graduates majored in Statistics in our school. After refering to a large number of research literature about students (learning) satisfaction both at home and aboard, we apply SEM model to study the satisfaction of the two target groups and have a in-depth analysis of the factors affect satisfaction. The results show that major satisfaction and the confidence in this major in the two groups has a significant positive impact. Students’ expectation 、curriculum settings、 hardware and software influence students’ major satisfaction . Through Comparative analysis of two groups, we find students’ expectation influenced major satisfaction for the greatest in the model of the graduates, and school curriculum settings most impact the student’s major satisfaction in the model of the undergraduates. While the two models also shows that confidence in their employment directly impact by Students’ expectation. By comparing each variable in two models, this paper put forward some measures on Statistics major reform :firstly , local financial school should organize courses based on developing students’ professional abilities in order to cultivate complex application-oriented talents Secondly，textbooks chosen should meet the practical demand, the school should chose textbooks emphasis on applications instead of the obscure theory .The last but not the least , students enrolled education should attach importance to the professional education , professional and mental development could help students set up for the professional faith and love, and raise their employment confidence. Keywords: Major satisfaction SEM Confidence in employment II 目录 第一部分 问题的提出..................................................................................................................... 1 第二部分 专业满意度理论综述 ..................................................................................................... 1 第三部分 建模前的数据准备 ......................................................................................................... 6 一、抽样设计 ........................................................................................................................... 6 (一)调查背景及目的 ................................................................................................... 6 (二)调查对象及调查单位 ........................................................................................... 7 (三)抽样方式及样本量的确定 ................................................................................... 7 (四)调查方式及地点 ................................................................................................... 8 二、指标选取及问卷设计 ....................................................................................................... 8 (一)指标选取 ............................................................................................................... 9 (二)问卷设计 ............................................................................................................... 9 三、数据的录入和处理 ......................................................................................................... 10 (一)数据录入 ............................................................................................................. 10 (二)数据处理 ............................................................................................................. 10 四、数据分析 ......................................................................................................................... 10 (一)效度检验 ............................................................................................................. 10 (二)信度检验 ............................................................................................................. 10 (三)问卷数据的描述统计分析 ................................................................................. 11 第四部分 基于SEM的建模分析 ................................................................................................ 14 一、SEM模型理论 ............................................................................................................... 14 (一)基本概念——变量 ............................................................................................. 14 (二)SEM模型结构 ...................................................................................................... 14 二、基于统计学专业已就业学生的专业满意度SEM建模分析 ......................................... 15 (一)模型构建 ............................................................................................................. 15 (二)模型识别 ............................................................................................................. 17 (三)模型估计 ............................................................................................................. 17 (四)模型评价 ............................................................................................................. 18 (五)模型修正 ............................................................................................................. 19 (六)结果分析 ............................................................................................................. 20 三、基于统计学专业在校学生的专业满意度SEM建模分析 ............................................. 22 (一)模型说明 ............................................................................................................. 23 (二)结果分析 ............................................................................................................. 23 第五部分 基于两总体专业满意度SEM模型的建议和对策 ..................................................... 24 一、加强入学初的专业宣传和心理教育 ............................................................................. 25 二、教学教材的选用应以应用型课本为主，理论型课本为辅。 ..................................... 25 三、提供实习机会和途径，帮助学生将专业知识转化为专业能力 ................................. 26 第六部分 结论及展望................................................................................................................... 26 一、选题视角的说明 ............................................................................................................. 26 二、本次模型分析的不足 ..................................................................................................... 26 参考文献 ........................................................................................................................................ 28 附录: ............................................................................................................................................ 29 III 第一部分 问题的提出 统计学是一个古老而又崭新的专业。它起源于17世纪的欧洲，发展至今已有300多年历史。我国于20世纪初期引入统计学，随着计划经济体制向市场经济体制的过渡，统计学的发展也经历了由计划统计向国际统计接轨的转变历程。与我国统计学发展史相似，河北经贸大学统计学专业的建设也经历了一个曲折的过程。本专业最早是由该校前身河北财贸学校于1985年设立，当时的专业名称是“计划统计”，专业培养方面主要效仿苏联模式。伴随经济体制的转型，该校的统计学专业也进行了多次调整和改革。如今27年过去，河北经贸大学的统计学专业也由当初的一个小专业发展成了如今的一个学院，不但规模扩大了很多，而且其向社会输送的人才在河北省范围内该专业也得到了一定的认可。 但是随着我国市场经济体制的日渐完善，统计学面临的经济形式日益复杂，社会对于统计学专业培养人才的要求也越来越高，这使得高校统计学专业建设面临着极大的挑战。同时统计学专业在向社会输送人才方面也面临着进退两难的窘境:一方面，数字时代的到来使得统计无所不在，大批量的数据处理使社会各行各业对于统计学专业的人才需求十分旺盛;但另一方面，统计学专业学生毕业时却常常面临难就业的问题，很多学生不得不选择从事与统计学无关的其他工作以达到就业。 作为这个大总体中的一员，河北经贸大学统计学专业也面临着同样的困境，如何调整专业培养模式以及适应社会需求是该校专业建设中一直探索的问题。为了帮助我校统计学专业更好地应对社会提出的各种挑战，我们做了这次基于统计学专业在校学生和已就业学生的专业满意度调查，期望通过调查分析为我校统计学专业改革提供有价值的参考意见。 第二部分 专业满意度理论综述 一、学生满意度的起源 满意度研究最早始于市场营销领域。在20世纪60年代以后的民主化思潮和80年代的高校教育市场化浪潮的冲击下，学生主体作为重要的利益相关者逐渐受到各国大学的重视，满意度研究由市场营销领域拓展到了高等教育领域，用以 1 评估高校教育质量水平。 目前学生满意度还没有一个准确的界定，但是各学者对其的概括范围基本一致。研究方式也多是基于顾客满意度研究的角度，将高校视同企业，学生视为顾客，将高校教育作为产品和服务，从学生角度评价高校教学水平，教育质量等。通过阅读文献，笔者认为该思路具有一定的合理性，符合马斯洛的需求理论，故本文也基于这个角度对专业满意度进行定义和分析。 二、学生满意度的测量及模型建立 (一)国外主要的学生满意度测量工具及模型 1.国外主要测量工具 国外学生满意度研究的理论和方法都较为成熟，除了各高校在调查过程中建立起来的问卷工具外，许多商业结构也对学生满意度展开了大型的调查。经过长期的发展和完善，商业性测量工具已经较为成熟，具有了一定体系和规模， Noel一Levitz公司制定的SSI(student satisfaction inventory)量表是其中的典型。笔者在表2.1中总结了国外商业机构的几种主要测量工具。 表2.1:主要的国外测量工具 名称 设计目的 1966年美国教育委员会最先使用CIRP(Cooperative Institutional CIRP Research Program)测量新生的满意度。 该量表是Bet，Klingensmith和Menne在1970年设计的，用于测量学生CSSQ 满意度的指标体系，其调查结果用来帮助学校提高学生入学率和就读率。 全称是Collge Student Experience Questionnaire，是Pece于1979年CSEQ 设计的主要用于比较不同学校学生校园异同的大学生经验问卷。 该量表是加利福尼亚高等教育研究机构在1993年编制，主要用于调查学CSS 生对于课程活动、学校管理、师生互动及校园生活四方面的评价。 学生满意度测量最有影响的是1995年由心理学博士Laurie.Sehreiner和 Stephanie.Juillerat联合美国高等教机构Noel一Levitz公司制定的 SSI(student satisfaction inventory)量表，该量表引入美国顾客满意度指 数模型辅助设计调查工具。 SSI SSI量表测评的指标包括:学术指导效果、校园氛围、高校支持的服务情 况、对个人的关注情况、教育的效果方面、承诺和资助方面的效果、登记的效 果、对于不同人群的情况、安全情况、服务情况、以学生为中心的情况和学术 上的支持情况共十二项指标。该调查涉及院校众多，调查对象广规模大，其调 查结果被视为大学生满意度测评的国家标准，用于评估美国高校教育水平。 2.国外学生满意度模型 2 针对不同的调查目的，学生满意度的测量方法很多，所以严格来讲并没有统一的指数模型来对其进行衡量，但是这样做的后果造成不同测量得分之间缺乏比较的意义。为实现可比性，国外的调查结构在设计指标体系时通常会考虑引入已经发展成熟的顾客满意度模型(Customer Satisfaction Index，记为CSI)，参照CSI来构建学生满意度模型。其中，将CSI引入到学生满意度调查的较为成功的案例是美国全国大学生满意度调查(National Student Satisfaction Study，简称NSSI)。该调查成功地将美国顾客满意度模型(ACSI)引入到学生满意度调查中，并于1994年进行了全国范围的首次调查，调查结果用于测评学生对大学各方面的看法和期望。截至2005年该调查已经涉及全美860所高校，调查对象包括675000名学生，调查结果为各高校发展、院校改革提供了有效的建议。 表2.2 ACSI模型 顾客抱怨 感知质量 感知价值 顾客满意度 顾客期望 顾客忠诚 , 顾客预期:顾客在购买或使用之前对产品或服务产生的预期。 , 感知质量:顾客对产品或服务的质量的感受和体验。 , 感知价值:顾客在综合产品或服务的质量和价格以后对他们所得利益的主观感受。 , 顾客满意度:顾客对产品或服务预期与实际感受的差距的评价。 , 顾客抱怨:是指顾客在购买使用企业产品或服务过程中产生的不满。 , 顾客忠诚:表现为对该产品或服务的重复购买或向其他顾客推荐。 (二) 国内学生满意度测量 1.国内学生满意度评价体系的确立 我国于2001年引入学生满意度调查，主要用来评价高等教育质量。由于起步较晚，目前还没有成体系的商业性调查工具。已有的调查研究多是针对特定目标设计相应的指标体系和问卷工具，未成体系。笔者通过查阅，将一些有借鉴性 3 的资料整理如下:林卉(2006)建立的学生满意度测量模型中，将学校形象、学生预期质量、学生感知质量、学生感知价值、学生满意度、学生忠诚六个方面作为评价指标;卫魏(2008)在研究独立学院学生满意度时，引入学校声誉、基础管理人员素质、课堂教学、教学设施、后勤保障、学生自我发展及就业指导7个维度对学生满意度进行量化研究;肖莲英(2008)的硕士论文中从理论教学(程设置、师资)、实践教学(实践教学条件、职业能力训练、师资)、素质拓展(软件环境、硬件环境)及教学管理(学业#管理#、就业升学管理制度)四个方面引入36个指标测量学生满意度。郝建春(2005)在《生活压力_负向情绪_学习满意度与学习绩效关系研究》一文中对相关文献中关于学习满意度的定义做了详尽的总结，并在此基础上给出了学习满意度指标测评体系，包括:学习环境、教学公共设施、人际关系满意度、教师素质与教学态度及教学过程满意度5个方面。 2. 国内学生满意度模型 由于国内学生满意度起步晚，其模型多是参照国外学生满意度或顾客满意度的成 9功案例确立的。如四川理工大学管理系讲师李琛女士在参考ACSI模型基础上提出高校学生满意度测评模型，并将学生需要变量引入模型。该模型认为学生的期望和感知不能充分地描述学生入学前的对学校的主观认知，而且不同的学生对学校服务要求也不同，因而引入学生需要变量可以更好地反映反映学生的初始满意度水平。 学生抱怨学生期望 感知质量感知价值学生满意 学生需要学生忠诚 图2.1 高校学生满意度测评模型? 林卉(2006)在改进ACSI模型基础上加入了“学校形象”，构建了新的学生满意度测评模型。其中，学校形象描述公众对学校的认知与定位的过程，将学校 4 10知名度、学校美誉度、学校的定位度作为学校形象的评价尺度。 学生感知质量 学学生学生预生学生感知价值满期忠意质诚度量 图2.2 高校学生满意度测评模型? 学生形象 三、专业满意度 由于现有文献较少，研究专业满意度时主要以学生或学习满意度为参考确立指标体系和建立分析模型。因此，明确三者之间的异同可更好地研究专业满意度。 (一)专业满意度与学生满意度异同 专业满意度调查学生对专业设置、师资力量、教师教学水平、教学目标等方面的满意程度，侧重学生对于专业培养的评价。从研究范围看，专业满意度是学生满意度研究的一个分支，它也将学生作为购买高校教育产品的“顾客”，测量“顾客”对于所提供服务和产品的态度。但两者又有所区别，学生满意度测量学生对于高校提供的全部服务产品的感知态度，涵盖了生活环境和学习环境各方面的指标，从全局角度对高校进行的一项测评，调查结果用于评价高校的综合实力;而专业满意度只度量学生对于学校专业培养的满意程度，侧重评价高校服务产品的一个方面，其结果用于测评专业设置的合理程度。 (二)专业满意度与学习满意度异同 学习满意度和专业满意度都是学生满意度的一个方面，二者在研究范畴和指标体系的选择上有一定的相似性。概括来讲，二者都在探寻影响学生学习知识的因素，测评学生对学习环境的感知态度。因此，本文在研究专业满意度时，还可以借鉴已有的学习满意度理论、模型和研究方法。 但是由于研究目的不同，学习满意度和专业满意度又存在一定的差异。前者 5 重在评价学生在学习知识过程中的舒适度和学生在接受知识的过程中的主观感受，如接受知识是否困难，教学环境是否舒适等。而后者重在测评高校专业培养的效度，衡量的标准是学生能否顺利就业;而且，前者的调查目的一方面是帮助高校调整学生在学习过程中出现的心理问题，另一方面调查结果是用于帮助高校了解学生心态，迎合学生需求，进而提高高校入学率;而专业满意度的主要调查目的是基于学生角度发现专业培养中的不足，改进专业设置，加强专业培养，达到与社会需求的接轨，进而提升学生就业率。 综上所述，专业满意度研究时要根据其研究目的对学生满意度和学习满意度的模型及指标体系进行适当的调整，如此方可引用。 (三)专业满意度指标体系及模型的确定 指标体系的确立主要有文献查阅、专家预测、层次分析、灰色预测、因子分 13的专析等几种方法。本文采用文献查阅方法确立指标体系，其中万平(2009)业满意度指标体系是本文的主要参考标准。 学生预期 课程设置 感知质量 专业师资 专业满意 专业信心 专业硬件 图2.3 万平(2009)专业满意度结构路径图 第三部分 建模前的数据准备 一、抽样设计 (一)调查背景及目的 河北经贸大学统计学专业由该校的前身河北财贸学校于1985年开设，迄今已有27年历史，期间为社会输送了大量统计学人才。随着我国社会经济的快速发展，社会对统计学专业人才的需求也日益旺盛。但是统计学专业的发展速度却 6 滞后于经济发展步伐，培养出的人才常难以满足人才市场的需求。因此，目前统计学专业的就业前景并不乐观。 基于以上原因，我们于2011年5月到6月期间组织了这次专业满意度调查，目的在于从学生角度和社会角度为统计学专业改革提供一些有力的参考意见和建议，进而期望通过有效专业改革为统计学专业毕业生的顺利就业提供一定的帮助。 (二)调查对象及调查单位 为了更有效地为我校统计学专业建设与改革提供意见，此次调查中我们选取了两个总体:其一为已毕业学生。由于河北经贸大学是在1995年由四所地方性院校合并而成，所以调查时我们将范围锁定于1995级——2006级的统计学专业学生。其二为河北经贸大学在校学生，由于大一新生还未接触到专业，对专业感触不深;而大四学生临近毕业，大多数已经参与工作，其感触不能如实反映在校学生的专业感知情况。因而我们将调查主要对象锁定为大二和大三统计学专业学生，同时抽取一部分大四学生作为补充样本。 (三)抽样方式及样本量的确定 1. 总样本量的确定的原则 本文在选择样本量时主要考虑两个方面:一是调查对象总体大小。由于本次的研究对象——河北经贸大学统计学专业的规模不大，所以在校学生的样本量不能太大;而已就业部分在样本量的选取上，一方面要考虑抽样框获取的难易性，另一方面因为要和在校生部分做比较分析，所以两部分样本不宜相差太大。二是SEM模型对于样本量的要求。SEM模型要求样本量不能低于100，且其样本量和观测指标的数量有如下对应关系: N/P>10。本文在问卷设计部分共有14个观测指标用于专业满意度建模，因而本文每部分的样本量至少大于140。 2.各总体样本量的抽取。 (1)校内部分 河北经贸大学统计学专业有大二大三在校生176名，其目标总体较小、调查便利，本文采用面访形式对本专业大二、大三全部学生进行全面调查——即普查。由于大四学生即将毕业，他们对于在校部分专业满意度评价代表性较差，因而调查时样本量相对较小。实际调查时，我们按照15%的抽样比共抽取14名大四学 7 生发放问卷进行调查。排除被调查者缺席无法作答或是回答问卷由于其他原因失效等情形，本部分最终回收有效问卷170份，其中大二和大三部分合计158份，大四部分12份，有效问卷回收率90%。 (2)已就业部分样本抽取 考虑到本部分总体调查的范围较广，全部样本的抽样框难以获取，我们采用二阶段抽样方法抽取样本。首先以简单随机抽样方式抽取年级群，然后构建所抽取群得抽样框抽取最终样本单元。1995年至2006年，我专业共毕业12个年级。其中1995级是我校合并后第一届毕业生，2006级是我校统计学专业毕业一年的学生，我们将这两个特殊年级作为必须样本入样。中间10届毕业生采用SPSS-data-Select case项，按照60%的抽样比抽选。最终选取1995、1997、1998、2001、2002、2004、2005、2006 届8个群作为第一级样本单元入样。由于学生对专业的感知会随着毕业年限的增长而减少，因而在各群内选取样本时本文采用抽样比递减的简单随机抽样方法抽取各子样本。综合总样本量的要求，本文将2006年抽样比确定为75%，其他年份依次递减，其中1995年由于属于学校合并、专业调整的关键时期，抽样时适当放大样本量，确定其抽样比为40%。最终样本量获得如表3.1所示，已就业学生部分有效问卷回收率为65%。 表3.1 已就业学生样本分布表 汇总 入选年份 1995 1997 1998 2001 2002 2004 2005 2006 年级人数 45 180 180 90 90 45 45 45 900 群内抽样比 40% 20% 30% 40% 50% 60% 70% 75% 发放问卷 18 36 54 36 45 27 31 36 283 185 有效问卷 15 32 25 30 27 19 10 27 (四)调查方式及地点 校内部分，我们利用上课间隙在教室发放问卷对大二大三学生进行面访调 抽样框，对抽查;大四学生临近毕业已经不上课，我们构建了大四学生的QQ号中的QQ号码发送问卷，进行网上调查。调查已就业部分学生时，我们也主要是利用QQ号码构建群抽样框，然后对抽中的QQ号码发送问卷，对该号码主人进行调查。 二、指标选取及问卷设计 8 (一)指标选取 指标体系的确立有文献查阅、层次分析、因子分析等几种方法，本文主要以文献查阅的方法确立专业满意度指标体系。在构建指标的过程中，笔者查阅了大 13量关于学生(学习)满意度指标体系建立的文献。特别是万平(2009)建立的专业满意度指标体系，是本文确立指标体系的主要参考依据。 表3.2 专业满意度指标体系 三级指标(观测变量) 一级指标 二级指标(潜变量) 包括报考前学生对专业了解程度(X1),刚入学时对专学生预期 业的满意程度(X2); 课程体系和教学内容设计的合理度(X3)，课程学习对 提高专业能力的帮助程度(X4)，实践教学对提高专业课程设置 能力的帮助程度(X5); 专教学设施(X6)，教材选用(X7)，图书和网络学习资源专业软硬件 业(X8)，师资力量(X9); 总 满专业培养和社会需求是否相符(Y1),专业学习对工作专业感知 意的帮助程度(Y2); 度 对专业学习的总体满意度(Y3);专业满意度 本专业目前的就业形势(Y4)，本专业的就业前景(Y5);就业信心度 (二)问卷设计 本次调查问卷有三部分构成: 第一部分:基本信息，包括被调查者的入学年份、性别、甄别问题、薪资水平、工作地区五个方面的内容。 由于此次的调查对象包含两个不同群体:在校统计学专业学生和统计学本科毕业生，因而在设计问卷时需要设置甄别问题，以将毕业生和在校生、毕业生中已工作者和继续深造者加以区分。 第二部分:专业满意度调查，包括入学前对专业的预期、入学后对专业课程和专业软硬件的评价、专业就业前景的评价等几个方面的内容。 该部分是专业满意度指标的主要构成部分，用于统计建模。除个别问题需要分别作答，该部分对于在校生和已就业学生的问题设置基本一样。专业满意度主要用5点式李克特量表度量。李克特量表用于描述人内心的态度和感受，范围从非常满意到非常不满意。一般有两种形式，五点式量表和七点式量表。本文选用 9 的五点式量表的一般形式为:很满意-满意-一般满意-不满意-很不满意。 第三部分:专业学习与就业关系调查。 本部分问卷在题型上以多项选择和开放题为主要形式，本部分在问题设置上对两个总体未作区分，属公共答题部分。设置本部分主要是为了解学生对于统计学专业改革的一些看法和建议，目的在于结合专业满意度建模结果分析统计学专业发展中的不足和该专业学生就业中遇到的主要问题，进而对症下药，给出专业改革的有效建议。 处理 三、数据的录入和 (一)数据录入 本次调查共发放463份问卷，收回355份，问卷总回收率约为75%。其中已就业部分为185份，在校生部分为170份。本文使用Epidata软件录入数据。 (二)数据处理 缺失值处理是抽样调查数据处理的一道必须程序。由于本文采用面访调查和一对一网上调查方式，问卷的缺失现象不严重，因此本文主要采用插补法处理缺失值。问卷数据因属于分类数据，常见的如回归、列表等方法插补效果一般，本文使用Clementine 12.0软件，运用C&RT算法填充缺失值。该填充法的一大优点是先根据其他指标对个体进行分类，然后按照分类结果填充缺失值，填充值与原值一致性较高。 四、数据分析 (一)效度检验 2009年6月我们曾组织过一次河北经贸大学全校范围的各专业满意度调查，并利用调查所得数据构建了专业满意度指标体系，建立SEM模型对专业满意度各 [11]变量做了深层次分析 ，并得到了良好效果。由于此次调查的问卷设计和专业满意度指标体系确立方面主要以本校第一次专业满意度为依据，因此问卷项目的鉴别度较高，问卷的结构效度较好。 (二)信度检验 信度指的是测量结果的一致性或稳定性，也就是研究者对于相同或相似的群 [1]体进行不同测量得到的结果一致。常用Cronbach's Alpha系数检验问卷信度， 10 Cronbach's Alpha值?0.7时，属于高信度;0.35?Cronbach's Alpha<0.70时，属于尚可;低于0.35时为低信度。本文对总样本量检验结果如表3.3: 表3.3 潜变量信度检验 潜变量 Cronbach's a值 观测变量个数 学生预期 0.453 2 课程设置 0.660 3 专业软硬件 0.759 4 专业感知 0.535 2 专业满意度 1 专业信心 0.821 2 总体 0.842 14 由表3.3可知，除专业满意度外，各潜变量Cronbach a系数均在0.45以上，总体0.842，模型总体上具有可信度。专业满意度由于只有一个观测变量，无法做可信度检验，但是在建立SEM模型时，本文会做相应处理，使其可以拟合模型。 (三)问卷数据的描述统计分析 1.统计专业学生专业满意度分析 (1)已就业学生与在校生总体专业满意度情况分析 运用SPSS17.0绘制总体的专业满意度直方图(图3.1)。图3.1显示:总体的满意度曲线略呈左偏分布，其专业满意度均值3.36，略高于理论平均水平3。 图3.1 总体专业满意度 其中表示不满意的调查者占12.8%，41.8%的毕业生对专业的满意度选择一 11 般，41.2%的访问者感觉比较满意，很满意和很不满意的人数所占比例相对较小，分别为4.0%和0.3%。结合实际看，统计专业学生整体上对专业处于一般和比较满意的状态，以上结果表明调查结果与实际情况较为一致。 (2)毕业生与校内学生专业满意度情况对比分析 表3.4 两总体关于专业满意度状况对比 很满意 比较满意 一般 不满意 很不满意 均值 标准差 在校学生 2.4% 45.2% 40.5% 11.9% 0 3.38 0.724 专业满意度 已就业学生 5.4% 37.5% 42.9% 13.6% 0.5% 3.34 0.800 专业满意度 由表3.4可知，在校生专业满意度均值略高于已就业学生专业满意度，整体标准差也较小，这说明我校统计学专业的专业建设取得了一定成效，学生总的专业满意度有所提高。其中，在校学生对专业比较满意及以上的人数所占比例(47.7%)高于同一水平下已就业学生所占的比例(42.9%);表示对专业不满意或很不满意的人所占比例(11.9%)少于毕业生的相应比例(14.1%)。 2.专业满意度与就业信心 统计学专业的就业形势不容乐观，了解学生对于就业的态度，帮助学生树立就业信心是专业建设的一个重要任务。 (1)统计学专业学生整体就业信心状况 图3.2 总体就业形势评价 从图3.2可以知，校内校外对就业形势的评估得分也呈左偏分布，均值为 12 3.36，即总体对于目前形势的评价还比较高。认为就业形势很好与就业很困难的人各有2.8%。觉得就业还行的人数最多，所占比例为40.6%。31%的被调查者表示就业形势一般，22.7%认为就业形势不太乐观。 (2)在校生与毕业生的就业信心对比 由表3.4知，已就业学生对就业形势的平均评价高于在校学生，超过一半的已就业学生(51.3%)认为目前的就业形势还行或者很好，22.7%的已就业学生对专业目前的就业形势不太乐观。35.3%在校学生认为目前专业形势还行，对专业就业形势不乐观的在校学生比例为28.8%，对专业就业形势还在观望的人数比例为25.9%。由此结果看，我校统计学专业目前的就业信心普遍不算高，需要通过专业改革来提高就业信心。 表3.4 两总体关于目前就业形势评价的对比 很好 还行 一般 不乐观 很差 均值 标准差 0 35.3% 35.9% 28.2% 0.6% 3.06 0.812 在校学生 5.4% 45.9% 25.9% 17.8% 4.9% 3.29 0.984 已就业学生 (3)就业信心与专业满意度的关系 专业满意度与就业信心的交叉分析结果(表3.5)显示，对专业比较满意或很满意的学生中认为就业形势还行或很好的比例有27.6%，对专业很不满意或不满意的学生中认为就业形势困难或不太乐观的比例有6.9%。由此可知，提高专业满意度对增强学生的就业信心具有明显的正向作用。 表3.5 就业信心* 专业满意度 交叉制表 专业满意度 就业信心 合计 很不满意 不满意 一般 比较满意 很满意 就也很困难 0.3% 0.9% 1.7% 0 0 2.9% 不太乐观 0 5.7% 11.9% 4.8% 0.3% 22.7% 一般 0 4% 14.5% 11.6% 0.9% 31% 还行 0 2% 13.4% 23% 2.3% 40.6% 很好就业 0 0.3% 0.3% 1.7% 0.6% 2.8% 合计 0.3% 12.9% 41.8% 41.1% 4.1% 100% 13 第四部分 基于SEM的建模分析 一、SEM模型理论 结构方程模型(SEM)最早是在20世纪60年代在心理计量学领域由Bock和Bargmann提出来的，是一种基于变量协方差矩阵分析变量间关系的多元统计方法，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。 (一)基本概念——变量 根据能否被直接观测，SEM变量分为两类:潜变量和观测变量。前者通常是由理论、假设等构建的无法直接测量的变量;后者可以由指标直接测量。沿用路径分析的术语，SEM模型的变量又被分为内生变量和外生变量。其中内生变量在模型中会受到任何一个其它变量影响的变量;外生变量是模型当中不受任何其它变量影响但影响其它变量的变量。由此，SEM模型变量可分为外生潜变量、外生观测变量、内生潜变量和内生观测变量四种。其中内生潜变量影响的观测变量则称为内生观测变量;外生潜变量影响的观测变量则称为外生观测变量。 (二)SEM模型结构 结构方程模型包括结构模型、测量模型和模型假设。其中结构模型讨论了潜变量之间的因果关系，测量模型则度量了潜变量与其观测变量的关系。 1. 测量模型和结构方程 测量方程: (4-1) Y,,，,,y X,,，, (4-2) ,x 结构方程: ,,B,，,,，, (4-3) 其中: (4-1)是内生变量的测量方程，y是由p个内生指标组成的p×1向量;η是由m个内生潜变量组成的m×1向量;是y在η上的P×m 因子载荷矩阵，,y 表示内生指标与内生潜变量之间的关系;ε是内生指标y的误差项。(4-2)是外 14 ,生变量的测量方差，x是由q个外生指标成的q×1向量;是外生潜变量组成的 ,n×1向量;是x在上的q×n因子负荷阵，描述外生指标与外生潜变量之间,x 的关系;δ是外生指标x的误差项。(4-3)是结构方程，B是m×m系数矩阵， ,描述内生潜变量η之间的彼此影响;Γ是m×n系数矩阵，描述外生潜变量对内生潜变量η之间的影响;结构方程的残差项。 , 2. 模型假设 (1)测量方差误差项ε、δ的均值为零; (2)结构方程均值为零; , ,(3)误差项ε、δ与潜变量η、之间，ε与δ之间不相关; ,(4)残差项与、ε、δ之间不相关; , 3.SEM模型优势 (1)可同时处理多个因变量 (2)允许自变量和因变量有测量误差 (3)同时估计因子结构和因子关系 (4)可采用更有弹性的测量模型，某一观测变量可以同时从属于两个潜在变量 (5)可估计整个模型与数据的拟合程度，并可同时顾及指标变量的信度和效度。 二、基于统计学专业已就业学生的专业满意度SEM建模分析 (一)模型构建 1. 模型构建 由第三部分构建的指标体系构成知:本文共设置了六个潜在变量，分别对应 1114个观测变量。在参考ACSI顾客满意度模型和万平(2009)专业满意度指标模型的基础上，结合分析目的对其做适度调整后构建了本文的专业满意度模型(见图4.1)。 15 e2e111 1X2X1X5e5 11n5X4e4学生预期1m3课程设置11e3Y5X31 就业信心1专业满意度学生感知e7X711Y4111m2111e6X6专业软硬件m1n4Y1Y2Y31111e80X8 n2n1n31e9X9 图4.1专业满意度模型 2.模型形式设定 图4.1中椭圆图形内的变量是潜在变量，其中课程设置、专业软硬件、学生预期为外生潜变量，X1~X9是相应的外生观测变量;学生感知、专业满意度及就业信心度为内生潜变量，Y1~Y5为其对应的内生观察变量。e1~e9表示外生测量方程的误差。n1~n5是外生测量方程的误差。m1~m3为潜在变量残差。 结合实际情况，本文对各变量做如下的假定，确立的各变量的相互关系: , 课程设置和专业软硬件对于学生感知有显著正向影响; , 学生感知对于专业满意度有显著正向影响; , 学生预期和专业满意度对就业信心有显著正向影响; 3.观测变量指派说明 11本文对观测变量的归类参考万平(2009)专业满意度模型和林卉(2006)、 9李琛女士构建的学生满意度模型的指标分配方式对本文指标进行了指派。需要说明的是，由于本文使用的调查数据样本量小，而样本量的设定与指标个数又有如下关系N/P>=10(即观测指标与样本量成正比)。因而本文在设计问卷时，在尽可能详尽反映所调查现象的基础上，对所构建的指标进行了精简，设定了14个观测变量。 这样处理的结果一方面使得样本量满足了SEM模型要求的规模，但是另一方面，也使得专业满意度潜变量只包含一个观测变量。原则上如此设定的SEM模型 16 无法识别，本文参考侯杰泰在《结构方程模型及其应用》中提到的单变量潜变量处理方法，对其做如下处理:限定专业满意度与Y3之间的因子负荷为1,测量误差为0。 4.参数设定 模型构建成后，为了使模型能够被识别，需要对路径系数做相关设定。SEM模型包含三种方式:自由参数(模型中需要估计得参数)，固定参数(设定模型时已将其固定，不需要估计)，限制参数(出于某些目的，对参数估计进行限定)。 其中，固定参数包括两种形式，一是将模型某一路径系数设定为零，即该路径上的两个变量之间不相关;二是由于因子(潜变量)本身没有度量单位，无法直接计算，因而需要对某些路径系数进行固定。做法有两种，一是将因子方差固定为1，成为固定方差法;二是将因子中的某一个负荷固定为1(原则上选择与因子关系最为密切的因子负荷进行固定)。本文中固定参数使用固定负荷法，将理论上与潜变量关系最为密切的指标的负荷确定为1(见图4.1)。 (二)模型识别 构建的模型能否用于实际问题分析，还需要进行模型识别。下面是识别模型的两个必要条件: 1.指定潜变量测量单位 这是模型识别的必要条件，不固定潜变量测量单位，任何模型都无法识别。本文中我们使用因子负荷法对其进行了固定，详细内容参见参数设定部分。 2.T法则 参数设定之后，需要使用相关识别法则从理论上判定模型是否能够被识别。本文使用SEM模型常用的识别法则——t-法则进行判别。其数学表达式为 1，t为模型中待估参数个数，p为模型中外生观测变量个数，tpqpq,，，，()(1)2 q为内生观测变量个数。本文中，p=9，q=5，t=34，则t=34<(9+5)(9+5+1)/2=105，故模型可识别，可进行下一步的模型估计。 (三)模型估计 17 依据理论建立的模型经过参数设定、模型识别等处理后，就可对其参数进行估计了。SEM的相关估计方法有:最大似然法(maximum likelihood,ML);一般化最小平方法(generlized least squares,GLS);渐进分配自由法(asymptotic distribution-free)。其中，SEM最常使用的方法是最大似然法(ML)，它要求样本服从多元正态分布且样本以简单随机抽样获取。但是由于ML法具有稳健性，当观测变量中有少部分不满足多元正态分布时，其估计结果仍可以良好地反映实际情况。 本文使用AMOS17.0软件中的ML方法实现SEM模型的系数估计，并给出标准化系数，用以度量不同路径间的系数大小。基于统计学专业就业学生的专业满意度SEM模型估计如下: chi square=285.078 df=72 GFI=.841 RMSEA=.127 e1e2RMR=.159 CFI=.796 X2X1NFI=.749X5e5.54AIC=351.078.46.31.85n5X4e4学生预期m3.69课程设置.44.61e3.84Y5X3.80.51.32就业信心专业满意度学生感知e7X7.55.70.63Y41.00.86m2.75.52e6X6专业软硬件m1.79n4Y1Y2Y3 e8.64X8 n2n1n3e9X9 图4.2 初始标准化系数模型 (四)模型评价 度量假设模型与观察资料的一致性程度(也称模式的适配度)，是模型评价的主要目的。评价模式适配度之前，需要先进行违反估计的检验，否则具有良好适配度模式有可能是错误模式。 1.违犯估计 18 当模型估计结果出现以下两种情况时，模型发生了违反估计:方差的估计或标准误差的估计出现负值;标准化系数超过或接近1。若构建的模型出现上述两种情况，可通过模型修正的方法来改进。 本部分模型中，专业满意度——>Y3的标准化系数为1，但是属于事先设定，故本模型无违犯估计出现。 2.模型拟合度检验 SEM模型的估计思想是利用原始数据相关矩阵S和设定模型来寻找与S最接 ,,近的再生矩阵, 与S差距越小，表示模型与数据的拟合性越好。关于SEM模型拟合优度的检验，可以从绝对拟合度(理论模式能够预测相关矩阵S的程度)、相对拟合度(理论模式对于独立模式的改进程度)、简效性(同一估计水平下估计系数的数目越少越有效)三个方面考虑，其判别标准见表4.1。 表4.1 SEM模型拟合指数汇总 指标名称 评价标准 卡方值 越小越好 GFI GFI>0.9时，认为拟合度良好 绝对拟合 度评价 RMR 越小越好，<0.05时拟合良好 <0.05,良好;0.05-0.08，不错; RMSEA 0.08-0.1，中度;>0.1不良 NFI >0.9.拟合良好 相对拟合 度评价 CFI >0.9拟合良好。 AIC 简效性评价 越小越好 图4.2右上角列示了统计学专业就业学生专业满意度模型的各拟合指标的数值，可以看出，初始模型的各拟合指数与最优模型下拟合指标值相差较大，需要对模型做进一步的修正，以期得到更为理想的模型。 (五)模型修正 模型修正的依据初始模型参数估计结果和模型修正指数(Modification Index，MI)，包括模型限制和模型扩展两种方式。其中，模型扩展是指通过释放部分限制路径或添加新路径方式修正模型;模型限制则是指通过删除或限制部分路径来修正模型。修改模型时，原则上每次只能修改一个参数。综合考虑实际情 19 况和模型参数估计结果及最大的修正指数(MI值)，本部分模型修正步骤如表4.2: 表4.2 模型修正 步骤 修正路径 Max(MI) ? 释放:课程设置<->专业软硬件 65.454 11.764 ? 释放:e6<->e8 6.707 ? 释放:n2<->n1 4.750 ? 释放:e1<->e2 4.670 ? 释放:e4<->e5 修正的结果是SEM模型各系数在0.1水平下均显著且各项拟合优度指数基本达到良好模型的要求(见图4.2)。 chi square=148.151 df=67.18GFI=.906 RMSEA=.081 e1e2RMR=.097 CFI=.922 X2X1NFI=.870.65X5e5AIC=224.151.31-.27.22n5e4X4学生预期m3课程设置.83.55.60e3.83Y5X3.81.50.59.28就业信心专业满意度学生感知.84e7X7 .27Y4.811.00.87m2.77.73e6X6专业软硬件m1.61n4Y1Y2.34Y3 e8X8.66n2n1n3e9X9.65-.61 图4.3 已就业学生专业满意度最优模型 (六)结果分析 1.最优模型评价 最优模型估计结果如图4.3，我们将初始设定模型与最终确定的最优模型的 2各项拟合指数加以比较(如表4.3所示)，结果发现，最优模型的值明显减小，,GFI值达到了最优模型要求。RMSEA值接近0.8，CFI值大于0.9，AIC值也明显 20 减小，也即我们确定的最优模型整体上能够不错地拟合原始数据，可以运用其进行实际分析。 表4.2 初始模型与最优模型拟合指数比较 绝对拟合指数 相对拟合指数 简效性评价 模型 2 GFI RMSEA RMR CFI NFI AIC , 初始模型 289.078 0.841 0.127 0.159 0.796 0.749 361.078 最优模型 148.151 0.906 0.081 0.097 0.922 0.870 224.151 2.潜在变量之间的关系分析 (1)专业满意度效应分析 如图4.3显示的模型中，学生感知对于专业满意度的直接效应(也即总效应)为0.59，也即对于已就业学生对于专业的评价主要来源于他们对于专业培养的感知;课程设置、专业软硬件及学生预期对于专业满意度没有直接影响，其间接 1效应依次为0.295、0.159和0.354。学生期望描述学生入学时对于专业的心理感知，实际情况也表明心理状态对于学生学习和就业都有十分重要作用;而合理的课程设置可以培养学生扎实的专业能力，因而也是学生对于专业态度评价的重要变量;相比而言，专业软硬件的影响较小，但也是重要的评价变量 (2)就业信心效应分析 学生预期对于就业信心度得直接影响0.55，间接影响0.0991，总效应为 20.6491。由模型结果可知，学生预期是影响学生就业信心的主要变量，这一方面表明入学初对学生的专业宣传和心理教育对于学生就业时的心态很重要，另一方面也证明长期的专业调整非常必要，他可以通过提升本专业声誉和就业局面来帮助学生从入学初就树立起就业信心。专业满意度对于就业信心的直接影响为0.28，是就业信心的另一个重要变量，它对于就业有显著的正向影响，因而学校通过提高专业满意度来提升学生就业信心非常有必要。 3.潜在变量与观察变量的关系分析 (1)学生预期潜变量中，刚入学时对专业的满意度(X2)的因子载荷较高些(0.31)，表明学生对专业的了解程度对其今后的专业热爱度有极大影响，学校 1间接影响系数为0.4×0.92=0.368，其它两个间接效应类似计算。 2总效应=直接影响系数+间接影响系数。 21 要对入学初的专业教育引起足够重视。 (2)课程设置潜变量中课程学习对提高专业能力的帮助程度(X4)的因子载荷最大(0.83)，系数第二大的是课程体系和教学内容设计(X3)的合理度(0.81)，实践教学对专业能力帮助程度系数最小(0.65)。这表明提升专业能力是课程学习的主要目的，专业改革应该以此为基本;其余两个指标的解释力也很高，说明课程体系和内容安排及实践教学方面也是课程设置需要考虑的重要方面。 (3)专业设施潜变量中，教材选用的因子载荷最高(0.81)，表明已就业学生认为教材选用合理与否最能体现专业设施的好与否。图书网络资源的丰富与否，师资力量如何是已就业学生在评价专业设施时考虑的第二、第三因素，他们也是教学设施改善需要考虑的重要因素。 (4)学生感知潜变量中，专业培养与社会需求的相符度(Y1)因子载荷数为0.77， 专业学习对工作的帮助度(Y2)的因子载荷系数为0.73。这表明两个指标对于评价专业效用的都很重要，但相比而言，已就业学生更为关注专业培养与社会需求是否一致。同时由图4.2可知，这两个变量有一定相关性，这也符合实际情形，与社会需求相符的专业培养模式一般对于学生就业和工作也会有很大帮助。 (5)专业满意度由于只有一个测量指标，由于在建立模型时人为地进行了设定，因而其因子载荷标准化系数为1.00。 (6)就业信心的两个指标系数值依次为:本专业目前的就业形势(0.87)，本专业的就业前景(0.83)。这和实际情形也一致，对于已就业学生而言，专业信心的高低主要取决于专业现在的就业形势。 三、基于统计学专业在校学生的专业满意度SEM建模分析 为了便于两个部分作比较，在校学生专业满意度的初始模型与已就业学生专业满意度初始模型一样，且建模原理和第二部分也一致，故限于篇幅不再详述，本部分只列出最终确定的最优模型予以分析(图4.4)。 22 chi square=185.542 df=70 GFI=.871 RMSEA=.099e1e2RMR=.069 CFI=.808X1X2NFI=.733e5X5.37AIC=255.542.68.49.82n5e4X4学生预期m3课程设置.71.34.34e3.88Y5X3.40 .40.62就业信心专业满意度学生感知e7X7.20.75.69Y4.711.00m2.64.79-.60X6e6专业软硬件m1.71n4Y1Y2Y3.45e8X8 n2n1n3 X9e9 -.49 图4.4 在校学生专业满意度最终模型 (一)模型说明 为了便于和统计学专业已就业学生专业满意度做比较，我们建立了校内统计学专业的SEM模型。但是需要说明的是统计学专业在校生专业满意度的SEM建模结果并不理想，这一方面由于调查时采用了全面调查的调查方式，而常用的最大似然估计要求抽样随机;另一方面，数据少也是一个因素。虽然模型结果不是很理想，但是最终模型也符合一部分拟合指标的要求，模型分析结果还是有一定的参考价值。 (二)结果分析 1.潜变量之间关系分析 (1)专业满意度影响分析 本模型中，学生感知是影响专业满意度的唯一直接影响因素，效应为(0.62)，学生预期、课程设置和专业软硬件通过学生感知对专业满意度有间接影响，其、效用分别为0.2108、0.4402和0.124。这表明课程安排是否合理是在读学生关注的重点，他们在对专业做评价时，首先考虑到的是课程学习是否有“效用”。结合实际分析，这可能是由于在校学生由于还未接触到社会，他们对于专业的评价更多地依课程学习。 23 (2)就业信心影响分析 就业信心度的直接影响因素有两个，学生预期和专业满意度，直接效应分别为0.34和0.4。学生预期通过学生感知——>学生满意度——>就业信心对于就业信心还有间接影响，因而其总效应0.4243。结果表明，学生预期也是影响在校的统计学专业学生就业信心的重要变量。 2、潜变量与观察变量之间关系分析 课程设置中因子载荷系数最大的是X4(课程学习对提高专业能力的帮助程度)，其值为0.82;专业软硬件因子中系数最大的是X7(教材选用)，其值为0.75;学生期望潜变量的因子载荷最大的是X2(刚入学时对专业的满意程度)值为0.68，学生对专业的了解程度(X1)的系数也较大(0.49);专业感知因子中系数最大的是Y2(专业学习对工作的帮助程度)，为0.79;就业信心因子的两个测量指标中，在校学生对于专业未来的就业前景更为关注(Y5:0.88)。分析结果表明，在评价专业满意度时，在校学生和已就业学生看重点基本一致，他们都比较关注课程安排、教材选用对于提升专业能力的帮助程度。同时，入学初专业满意度也是解释学生预期的最重要因素。不同点在于更关注专业未来的发展前景，这与实际情形也相符，在校学生由于还未就业，相比而言他们更关心未来-也即他们就业时那个时段的就业形势。 第五部分 基于两总体专业满意度SEM模型的建议和对策 本文专业满意度调查涉及统计学专业已就业学生和在校学生两个总体，由于所处的环境不同，他们对于专业的感知也不同。已就业学生由于有较为丰富的工作经验，因而他们对于专业的态度一定程度上可以代表用人单位对于统计学专业人才培养的要求;在校学生是专业教育的直接顾客，他们对于专业培养的意见对于改善高校教育服务质量有重要作用。因而这两方面的建议对于专业改革都有重要作用。 24 表4.3 重要指标分析 变量 得分 很满意5 满意 4 一般3 不满意2 很不满意1 1% 21% 56% 19% 3% 在校生 X2 1% 15% 58% 24% 3% 入学初专业满意度 已就业 X4 2% 38% 52% 6% 1% 在校生 6% 48% 41% 3% 2% 课程学习对专业能力提升 已就业 X7 4% 51% 38% 7% 0% 在校生 4% 46% 41% 7% 2% (教材选用) 已就业 一、加强入学初的专业宣传和心理教育 两总体的建模结果都显示，学生预期的观测变量中刚入学时对专业的满意程度(X2)的得分相对最高。结合表4.3分析，统计学专业在校学生的入学初专业不满意的比例为22%，略低于已就业学生的不满意比例(27%)。这表明我校统计学专业一直以来的发展趋势还不错，新生的专业不满意比例较低;但是在很满意和满意两个水平上，在校生学生比例为22%，已就业学生为16%，差距并不大，这又在一定程度上表面10多年间的我校专业的改革建设虽然有一定成效，但是来自学生的反馈并不是很乐观。造成这一现象的原因有很多，但是主要的一个因素是由于学校入学初的专业教育工作不足，导致学生不了解本专业的发展前景，进而引起满意度较低。因而，入学初引导学生了解本专业发展前景，对学生进行心理建设，是专业培养的一项重要工作。 二、教学教材的选用应以应用型课本为主，理论型课本为辅 教材选用(X7)是解释专业软硬件的主要指标，这表明课程安排的合理与否对于学生专业学习影响很大，学校在调整专业设置时要充分考虑这一点。表4.3显示，两个总体对于教材选用合理度的评价都不低，不满意以下的比例仅占7%和9%。但是满意及以上水平的也不是很高，在校生55%，已就业学生为50%，刚及一半。因而从学生角度看，我校统计学专业在教材的选择上还有待于进一步改进。教材的选用和专业培养目标定位直接关系，河北经贸大学是一所地方经济 25 类院校，统计学专业教材的选用应该以实际应用为主，以理论学习为辅。调查结果也显示，大多数统计学专业学生希望专业的培养目标偏向应用型，专业目标选择理论研究型的不足3%。 三、提供实习机会和途径，帮助学生将专业知识转化为专业能力 两个总体的建模结果(图4.3和图4.4)都显示:专业学习能否提升学生专业能力(X5)对于课程设置潜变量的解释力都较高。表4.3显示，关于课程学习对于专业能力的提升评价中，已就业学生评价在满意级别以上的占54%，高于在校生的40%。经分析我们认为已就业学生由于已经具备较为丰富的工作经验，所以其评价结果的可信度要高于在校学生。基于此本文认为我校统计学专业的课程学习对于专业能力提升的帮助是比较高的，在校学生评价水平偏低的原因有可能是由于没有接触实际工作，对自己专业能力的一种不自信。因而为学生提供实习机会，让学生有机会接触与专业相关的实际工作可以帮助学生树立就业信心;同时实习还可以为学生提供相关的工作经验，积累“就业优势”， 从而有效低帮助学生就业。 第六部分 结论及展望 一、选题视角的说明 本文研究视角锁定在专业建设与就业信心的关系上，试图通过专业满意度研究来探讨二者关系，获得基于学生角度的专业改革意见进而为专业建设提供有效决策依据。 专业教育的顾客包括学生和用人单位两个部分，这也是我们此次调查预选的两个总体。但是由于用人单位类型繁杂，难以抽取到有代表性的企业，因而调查时我们考虑选择最为接近的替代总体:本专业已就业学生来做调查。调查的最终目的是期望在校生为我们提供来自“学生顾客”的建议，已就业学生为我们反馈来自“用人单位顾客”的意见，兼顾供需双方建议来有效改进专业培养模式。 二、本次模型分析的不足 1.建模遇到的问题 实际调查时由于受现有条件制约，已就业学生部分在随机抽取样本的基础上 26 人为地加大了部分子总体的样本量，从而使得样本抽取时不完全满足简单随机抽样要求。而在校内做调查时，由于统计学专业规模不大，为了获得足够的数据，我们对大二、大三年级采取了全调查形式。上述原因使得SEM模型不能很好地拟合数据，模型结论的推广也有一定的限制性。 2.问卷设计方面的问题 为了使两个总体建模分析结果具有对比性，在设计问卷时花了很大精力设计问题挖掘两个总体的共同的信息，而对于总体各自的信息挖掘不充分。而且由于时间紧凑，我们未能做针对本专业的满意度的试调查，而是参考本专业于2009年基于全校本科生专业满意度的调查问卷来设计本次问卷。由于调查范围有别，据此设计的问卷对于本次调查的适用性也有一定能的限制。这些都是我们以后调查需要切实改进的地方。 3.展望 专业满意度结果可以为专业改革提供有效意见，本文针对我校统计学一个专业的专业满意度做了深入研究，得到了一些较为有效的信息。除了可以对一个专业进行满意度调查分析之外，在条件允许的情况下还可以扩大专业满意度调查的范围和规模，从而获得更多有用的信息，如:同一院校各专业的满意度调查可以帮助学校确立优势专业，不同院校同一专业的满意度调查可以为专业排名提供依据等。因而对于将来的更加科学合理的专业满意度调查而言，本文可以起到一个抛砖引玉的作用。 27 参考文献 [1] 荣泰生.AMOS与研究方法 [M] 重庆大学出版社 2009. [2] 侯杰泰,温忠麟,成子娟.结构方程模型及其应用[M].教育科学出版社,2006. [3] 黄芳铭，结构方程模式理论与应用[M] 中国税务出版社.2005 [4]金勇进,杜子芳,蒋妍.抽样技术[M].中国人民大学出版社.2009. [5] 郝建春.生活压力、负向情绪调整、学习满意度与学习绩效关系研究[D].天津 大学硕士学位论文,2005. [6] 洪彩珍.高校教.育服务质量与学生满意度研究.[D].厦门大学博士学位论 文.2007. [7] 蔡立丰，梁洪坤.高校学生满意度研究.[J].经济与社会发展2007.11:223-229. [8] 韩玉志.大学生满意度调查应重视的问题.[J].教育发展研究2008.11:84-87. [9] 袁国华，基于顾客导向的高等教育营销.[M].清华大学出版社 2006，P74. [10] 林卉.我国高校学生满意度指数测评研究.[J].科技创业月刊 2007(1): 124-125. [11] 万平.金融危机大背景下，大学生专业信心如何增强. 2009年统计建模优秀 论文. [12] 卫魏.云南省独立学院学生满意度研究.[J].民办教育研究.2008. [13] 肖莲英.高等职业院校学生的学习满意度研究.[D].苏州大学.2008. 28 附录: 附录1:统计学专业满意度调查问卷 附录2:专业满意度建模数据(缺失值处理后) 附录3:在校学生SEM模型结果 附录4:已就业学生SEM模型结果 :专业满意度原始数据 附录5 29