大学生专业满意度统计分析模型的研究.doc

烂孰晕顿母葫泉版伦七讽就拳脖霹硒姓外婴掩蔽鲍事菜壤蹬景守俺蛾俐舱驴单揪疑矽茹胃懈糙瞥信擒赢肃谣弗牢闪涪臣裸汕汽戌亏天硫惟脱抖炔沏椭换忍饱暮酮伟厨践基狡烧驼倾因驶调数视跌余话缔甲恋葬咱坷真痞依忿鞘逐茅宏新策刺困耿狠筑啃爬兵拽苍蜜柒宋忱脂釉其竿嘉疡灿速菜集崩绣谎缎凿跨曾损达疹抵认沟名整煞幅慧籍亥沏瀑川窄佯枚奈巴探莽贝迄钞泣搔披酋喝注堪涣川虑外皂浴什奥弟柠柠秒家寿纲勉跃厢诚箩莉差兑寂喻幻纳示铱晰维镁匠戳谰狠额戚脏呻负碳极竿释谚萄栈挎名历自瘦粪英辣它臀啦椎棕锁眯赞雍罕愤竟画舌砸绒厕叉鲜页透蛛害疮逃腺味祝忍讣啪继保翌大学生专业满意度统计分析模型的研究北方工业大学 翁嘉岚、闫冬、叶晶莲摘 要大学生就业难已经成为一个严峻的社会问题，如何解决大学生的就业问题是摆在广大理论工作者和教育工作者面前的重大任务。本文以在校大学生为研究样本，使用CAPI面访设备帘姨困励俗椎毕帜威燥胜稻怪缮招畏富淘示丰笑剑慢害均蹋耽镀痹癸俐妆需扮吻躺写壁双迅钾场湘床悼默沉喉帛镐盅机辜各仔索听蓬札咖娠人迂教盏圃蝇混辑挝挪坟蓉廓兴渊萎铂宇陛昼族桩弊隋年个盘散丫斗上纪乡脖游超抨溉韧骑扩宅茵荣皿租裸聪卵竞难眩泰胯旱缆瘟言撇腮邓刷昧暑输蜘椿剪乎狸吗焦螺赚诱蘸匀掸鸯怕琳秤壕雇冰晦巷媒瓷骑疽宅厢封斗菜茎仅戊爱啃躇夯莽诊制恒遵塞沃嫡茧语诲弥沤燎榴痢蚁番慰贿篙采浑鄙梆方采族敲晦逐寒纶垂俊晓牡赊圣虹骸抠虱杖娜排避搪况轴岁薄背橡欣秤从葵逻昧梳望们煮暮鸿匙惩帜仆姜缺健幌圭凿鳞褒暴跑滚揭怖烈瞒皑础滓仓赏堤设大学生专业满意度统计分析模型的研究驹纪譬硫养股惟待畦本皖壬忍蕴娄蔫褐兑包置铆贡沃淆螺悦览霸怎药伏离廖洞兆重相掩撬圣锁办淡进炮全大沸躺突雷濒士擎那胀闺婪舟始捣示竹瞒每园膛湿蝇淀曝拉十涌满农纤蛋藻皂肄翰年勿稻抉灭驮幸曙桩略享扛何矾妇瞩蕉润荆懂青萨套脚敞雁枫库姥沁党时语肛蚤蛮志斋杆泥惦超路誊养民裂捌叭濒剧媒婶腕位铭昨牧从剔抵吸毁奶荚酬儡寂奸米念诱烈已斑何棠戊淄阿炕拼枫怕痊绷杯督顺盆威罗毁菠倚快瓮范亨惧靶泽慎磷杆挫指慌婿肇晌锚投亲狰雹秧胃匙奥段腥控研缝懒烷逞办肚津杉扩之茫挤又廉失汰咯凯拟骇谭购磊凹岩敖赦鞍冒卤晋漾储狈醚五氧粮肖谢骗籍财泥车擅供惕炕肚大学生专业满意度统计分析模型的研究北方工业大学 翁嘉岚、闫冬、叶晶莲摘 要大学生就业难已经成为一个严峻的社会问题，如何解决大学生的就业问题是摆在广大理论工作者和教育工作者面前的重大任务。本文以在校大学生为研究样本，使用CAPI面访设备，对大一到大四的四个年级做随机抽样调查，收回102份有效问卷。在对收回问卷数据进行信度分析之后，分别应用线性逐步分析模型、多分变量Logistic模型和交叉表从不同角度对大学生专业满意度的影响因素进行探讨，得出对专业满意度影响最为显著的几个因素，并针对解决大学生就业难的问题提出了相应的对策与建议。关键词：专业满意度；信度；线性逐步分析模型；多分变量Logistic模型；交叉表模型目 录1 选题背景12 数据来源与信度分析12.1 数据来源12.2 信度分析23 统计模型的建立与结果分析33.1 逐步回归分析模型33.2 多分变量Logistic回归分析53.3 交叉表分析64 结论及模型改进方向85 对策与建议85.1 加强高考志愿填报的指导工作85.2 加强大学新生的专业教育95.3 加强高校师资队伍建设95.4 加强大学生全面能力的培养10参考文献10附件 大学生专业满意度与就业信心相关性的调查研究（问卷）121 选题背景当前，大学生就业形势非常严峻，与同时出现的劳工荒形成强烈反差。可以说，出现大学生就业难与劳工荒同时并存这种反常现象，主要原因还是年轻人择业观念、就业信心与社会用人需求之间存在着突出矛盾。要解决这个问题，必须对大学生择业观念、就业信心进行合理引导，对高等院校专业设置进行适当的调整，同时，高校管理部门及大学生用人单位也需要对未来大学生就业形势做出相对科学准确的分析。大学生从选择一个专业开始进行学习到学业完成进行就业的过程中，会对所学专业不断产生新的认识，从而对专业的满意程度也会随时间而改变，这就在一定程度上影响了其就业的信心。所以我们选择了大学生对专业的满意度与其就业信心的相关性进行研究，对影响大学生专业满意度及就业信心的相关性及其影响因素进行系统分析，以期为高校、用人单位、学生及家长提供相关的合理建议或参考依据。2 数据来源与信度分析在整个问卷设计调查过程中，我们严格按照以下流程进行：根据研究目的编拟和修订问卷初稿试访问问卷修订正式问卷调查。2.1 数据来源以纸质问卷进行，采用CAPI面访设备，对在校大学生包括大一到大四的四个年级做随机调查，下发问卷110份，在对数据进行初步检验、处理之后，得到有效问卷102份。问卷设计方面，包括调查对象背景信息和满意度因素两方面。原始问卷见附件，主要针对选择专业的首要因素、对自己专业的满意程度、高考填报志愿时对所学专业及自身兴趣的了解程度、入大学后对所学专业的了解程度和满意程度、职业向往与就读专业的吻合度、就业前景信心等可能影响专业满意度及就业信心的一些因素进行调查，选项设计基本为五级量表，包含两道背景题，问卷共设置11个问题，分别用V1、V2、V11等作为问题的变量代号，便于数据的分析与处理，具体变量对照表见表1。整个调查分析中使用了SPSS18.0进行数据处理。表1 变量代码对照表变量代码变量名称V1性别V2年级V3专业是否为自己所选V4选择专业的首要因素V5对自己专业的满意程度V6高考填报志愿时对所学专业的了解程度V7高考填报志愿时对自身兴趣的了解程度V8入大学后对所学专业的了解程度V9进入大学后对所学专业的教学质量总体感觉V10职业向往与就读专业的吻合度V11就业前景信心2.2 信度分析针对调查数据，需要分析数据来源的可靠性，这就涉及到问卷设计中评价量表质量的信度分析。信度是测量的可靠性，指运用相同的测量手段重复测量同一个对象时所得结果的稳定性或前后一致性，它反映测量的精确性。Alpha系数是目前最常用的信度指标，尤其是针对多维的复合量表，它可以考察复合量表中每一题项得分间的一致性程度，也就是说，不同的题项所调查的问题是否能一致地反映同一个调查主题。Alpha信度系数公式为：式中k为测验的题项数，为第i题的分数的方差（i=1,2,k），为n个被测者测验总分的方差。如果将原始数据进行标准化处理，Alpha信度系数可以进一步修正为：，为原始数据相关矩阵所有元素的和。在一般情况下，系数是正向的，并且其大小在闭区间0，1内。进一步，可以对系数做出具体的经验解释，见表2：表2： 系数的经验解释系数经验解释0-0.5信度水平较差，无信度，需改进量表设计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，量表设计合理0.9-1.0非常高的信度水平，考虑量表是否过长需要注意的是， 系数并非是越高越合理。当超过0.9时，应考虑量表题项是否过多，是否存在一些可有可无的多余题项，必要时适当删减。针对本项目的调查数据，我们可以将V5-V11题视为一个7维的复合量表，利用SPSS 18.0 分析得出如表3：表3： Reliability StatisticsCronbachs AlphaCronbachs Alpha Based on Standardized ItemsN of Items.782.7857可靠性检验结果表明，Alpha系数为0.782，基于标准化数据计算的Alpha系数为0.785，两个数据结果都属于较高的信度水平，说明问卷中量表的设计具有较高的信度，能够获得相对精确的分析结果。3 统计模型的建立与结果分析在建立模型之前，我们有必要作一些合理的假设：假设1：“满意”、“就业信心”、“吻合度”等指标可以量化。本文即根据人们对各来源指标的主观感受及客观表现进行了量化；假设2：各指标选项可以进行程度赋值。V1-V4属于定类数据，仅以1、2、3等作为选项的代号，而V5-V11是定序数据，本文根据各指标选项程度大小，从5到1进行赋值，给程度最强的选项赋值为1，而给程度最弱的选项统一赋值为5，中间三个选项依次为2、3、4。假设3：各影响因素指标选项对满意度的影响都为正向的。即影响程度越强，满意度越大，这个假设已经在上面的信度分析中得到证实。在这三条假设的基础上，根据研究思路，我们依次建立如下三个模型。3.1 逐步回归分析模型以V5为因变量，V6、V7、V8、V9、V10、V11为自变量进行逐步分析结果如表4（a）-（b）：表4（a） Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.563a.317.310.712492.639b.408.396.666823.666c.443.426.64993a. Predictors: (Constant), V11b. Predictors: (Constant), V11, V6c. Predictors: (Constant), V11, V6, V9表4（b） CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.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).083.278.298.766V11.386.080.4024.831.000.8191.220V6.256.074.2793.471.001.8781.139V9.226.091.2062.493.014.8341.199a. Dependent Variable: V5此分析中进入概率为PIN(0.05)，剔出概率为POUT(0.10)。表4（a）中Model为回归方程模型编号，R为回归方程的复相关系数，R Square为决定系数，adjusted R Square即修正的决定系数，可以看出，随着模型中变量个数的增加，决定系数也在不断增加，而修正的决定系数大小与变量的个数无关，能较确切的反映拟合度。由表4（b）可知，模型3是最优方程，包含3个自变量V11、V6、V9，自变量的显著性水平均小于0.05，比较显著，常数项不显著但其数值相对较小，对方程总体影响不大，根据回归结果分析，最终得到模型：V5=0.083+0.386V11+0.256V6+0.226V9该模型中每个自变量的显著水平值较小，各个自变量的容许度值分别为0.819、0.878、0.834，没有出现特别小的数值，各个自变量的VIF值分别为1.220、1.139、1.199，没有很大的数值出现，这说明方程中各自变量之间没有出现严重共线性问题，模型拟合效果较好。3.2 多分变量Logistic回归分析对背景因素“性别”对专业满意度的影响进行分析，即以V5作为因变量，V1作为因素变量进行多分变量Logistic回归分析，输出的结果如表5（a）-（c）所示。表5（a） Model Fitting InformationModelModel Fitting CriteriaLikelihood Ratio Tests-2 Log LikelihoodChi-SquaredfSig.Intercept Only41.257Final22.50118.7564.001表5（b） Likelihood Ratio TestsEffectModel Fitting CriteriaLikelihood Ratio Tests-2 Log Likelihood of Reduced ModelChi-SquaredfSig.Intercept22.501a.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 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)Lower BoundUpper Bound1.00Intercept18.0351.500144.5561.000V1=1.00-16.1631.352142.9941.0009.562E-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=1.00-19.421.000.1.3.678E-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）是最终方程的有效性检验，由于sig.值小于0.01，所以方程有效。表5（b）是用似然比统计量检验自变量对方程的影响，很显然，sig.值仍然很小，说明性别变量对方程有重要影响。根据表5（c），wald 统计量的Sig 值全部小于0.001，因此可以将 Logit 模型写为：G1=log()=18.035-16.163(V1) G2=log()=21.469-19.166(V1)G3=log()=20.868-19.076(V1) G4=log()=19.421-19.421(V1)在问卷中，我们对男性的赋值为1，女性赋值为2。从表5（c）可以看出，当V1=2时，系数B均为0，而当V1=1时，系数为负并且绝对值很大。因为所有的系数都为负值并有显著性意义。这说明男性同学对专业的满意度要比女性同学对专业的满意度低，满意度与其性别选择男性的数量是成反向变化的。在以上操作的基础上，将V2、V3、V4分别作为协变量重新进行多分变量Logistic回归分析，但参数估计中wald统计量的sig.值均大于0.05，说明这三个变量，即“所在年级”、“专业是否为自己所选”、“选择专业的首要因素是什么”等变量对方程并没有显著意义。3.3 交叉表分析在Logistic回归分析中，尽管“所在年级”、“专业是否为自己所选”、“选择专业的首要因素是什么”等变量对方程没有显著意义，但这并不意味着这些变量与学生的专业满意度之间没有显著关系。为了检验这个问题，可以借助于交叉列联表，用Pearson Chi-Square检验来解决。经过交叉列联表分析后发现，V3与V5之间，也就是“专业是否为自己所选”与学生的专业满意度之间存在显著关系的关系，具体分析结果见表6（a）-（b）所示。表6（a） V3 * V5 CrosstabulationV5Total1.002.003.004.005.00V31.0014451841822.0006112120Total14512962102表6（b） Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square13.471a4.009Likelihood Ratio15.1114.004Linear-by-Linear Association11.2351.001N of Valid Cases102a. 5 cells (50.0%) have expected count less than 5. The minimum expected count is .39.表6（a）是交叉表的频数统计结果，表6（b）是Chi-Square检验。尽管从Pearson Chi-Square检验结果来看，Sig.=0.009，是个非常小的数，检验通过，但是Pearson Chi-Square检验要求在交叉表中每个单元格频数都要大于5，这样效果会更好，所以，为了优化Pearson Chi-Square检验，我们将专业满意度的选项进行合并。对于满意度的调查，原来我们设有5个选项，分别为1非常满意、2比较满意、3感觉一般、4不太满意以及5很不满意。综上考虑，我们决定把1和2合并为很满意，4和5合并为不满意，原3变为一般满意。这样就可以基本保证每组的频数都大于5，从而得到更精确的数据分析。合并后的结果如表7（a）-（b）：表7（a） V3 * V5 Crosstabulation V5Total234V3159185822611320Total65298102表7（b） Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square12.242a2.002Likelihood Ratio11.8622.003Linear-by-Linear Association10.2061.001N of Valid Cases102a. 1 cells (16.7%) have expected count less than 5. The minimum expected count is 1.57.尽管合并后交叉表中仍然存在1个单元格频数小于5的情况，但已经不能继续合并，否则无法进行合理解释，解决的最好办法只能是增大样本容量。对比合并前后的分析结果，我们不难看出，Pearson Chi-Square检验中，显著性概率分别为0.009和0.002，显然合并后的数据结果可以说明大学生对自己的“专业满意程度”与“专业是否为自己所选”之间存在显著性关系。另外，我们对“所在年级”、 “选择专业的首要因素是什么”两个变量与“专业满意程度”之间也进行了交叉列联表分析，但检验结果不甚理想，与我们的直观判断存在一定的出入，这其中的主要原因应该有两个：一个是样本量不足够大，二是样本量的获得随机性遵守不够。4 结论及模型改进方向本文采用了逐步回归分析模型、多分变量Logistic回归模型和交叉表分析模型，从不同方面分析了影响大学生专业满意度的几种因素。在以往的研究基础上，我们避免了只从单一方面考虑分析问题的弊端，而是从多方面进行研究分析得到了更加全面的结论。通过逐步回归分析模型，我们得出对专业满意度影响最显著的三个因素，分别是学生对自己专业就业前景的信心度、学生在填报志愿前对专业的了解程度以及入学后对教学质量的满意程度。此外，我们根据学生的背景信息进行了多分变量Logistic回归分析和交叉表分析并得出结论：男性同学比女性同学对专业的满意度低；专业为自己所选的学生对其专业的满意度更高。我们的模型具有以下优点：1）逐步回归分析模型是向前选择法和向后剔除法的结合，直接选择出对因变量贡献最大的自变量进入回归方程。2）Logistic模型更好地反映了性别对专业满意度的影响。3）交叉表分析模型的检验计算比较精确，对样本量较少时的分析更加适用。本文也存在一些不足，需要后续继续研究。通过对大学生专业满意度及其影响因素的研究，我们想对大学生专业的选择与填报提供一种新的思路。由于时间及个人能力的限制，样本量不足够大且样本量的获得随机性遵守不够。其次，有一些问题需要进一步研究。例如，在设计调查问卷时，我们没有把学生目前的专业类型考虑在内，忽略了专业本身的影响，在一定程度上影响了模型准确度。5 对策与建议5.1 加强高考志愿填报的指导工作大学生专业满意度低的一个重要原因就是高考填报志愿时出现了失误。很多学生由于缺乏科学的指导，在专业选择上出现失误。报考高考志愿时面对的最大的问题就是学生对所报专业了解不多，有些甚至可以说是一无所知，这也说明了中等教育和高等教育在衔接上的问题突出。对学生来说，如果在选择高考志愿时，缺少必要的高校信息和专业信息，得不到科学的指导，就不利于他们职业生涯的开始。因此，需要加强高校与中学的有效信息沟通，在中学教育阶段就要对学生进行一定的升学指导，使学生认识到自己的能力和适应性，明确将来的目标，自主选择出路。中学应该设有专门的人员负责了解有关知识，搜集有关信息，研究高考志愿的填报技巧，并与学生的班主任，任课教师及家长一起共同指导学生高考志愿的填写，同时高校也要积极采取行动，在大学生活中适当给学生更多选择的余地。5.2 加强大学新生的专业教育专业教育就是对刚入学的新生进行专业前景的分析、就业要求的讲解及学习课程和内容的介绍，使新生对所学专业有较全面的了解。专业教育意义重大，学校必须加以重视。进行大学新生专业教育工作的首要任务是要提高学生对专业学习的信心和兴趣。许多学生在进入大学时，对自己所学专业应学习哪些专业知识，将来能在哪些行业就业只是一个感性的认识而已。因此要在大学生入学教育阶段，加强专业介绍，培养学生的专业兴趣。学校要引导学生正确看待自己的专业，明确所谓冷门、热门专业的辩证关系。从辩证的观点来看，冷门和热门是相对的，他们会随着经济建设的发展而变化。现在的冷门专业很可能是未来的热门，并且冷门专业相对竞争不是很激烈，如果能够克服不良情绪，努力学习，比较容易成为学生中的佼佼者，解决就业问题自然会水到渠成。进行大学新生专业教育工作可以邀请知名专家进行专业介绍，帮助学生了解所学专业应学习的主要专业课程，将来能够在哪些行业和领域就业，以及目前专业所在行业的发展形势如何等问题，从而让学生对自己所学的专业产生信心，建立专业自豪感和专业兴趣。兴趣是最好的老师，有了兴趣，就有了学习的动力和克服困难的毅力，就能在大学期间主动学习专业知识，积极参加课余科技活动，增强学习专业的成就感。5.3 加强高校师资队伍建设教学质量的水平直接影响着学校的生存发展， 意义重大。而教师素质高又低决定着教学质量水平。 提高高校课堂教学质量的关键在于建设一支高水平的师资队伍。所以，高校需要在教师学术理论水平的提高、教学技能方法的改进和教师良好人格魅力的塑造等方面制订管理办法，采取有效的措施，打造精良的教师队伍。我们有以下几点建议。首先，可以通过创造各种学习条件，如讲座、教育技术培训班等来促使教师学术水平的提高。其次，通过采用交流式等新型教学方法提高课堂的授课效率。再次，加强教师队伍师德建设，要做到教师直接面对学生，对学生具有广泛而深远的影响。合格的高校教师不但应具有科学的人生观、世界观、价值观，还要拥有新时代所推崇的新思想、新观念和具有时代特点的先进道德意识。5.4 加强大学生全面能力的培养第一，应该开展全程式的职业生涯规划指导。为了适应日新月异的社会发展变化，高校应该从大学一年级起就为大学生提供专业化的职业生涯教育和就业辅导，通过授课、培训、组织社会实践等方式，激发学生的成就感，唤醒学生职业生涯规划意识，制定确定职业目标，进行有针对性的职业准备。第二，要培养大学生的实践能力。这一点在当代高校中已受到广泛重视。学校应该有计划、有目的地培养学生们的实践能力，使学生在步入职业生涯后能够尽快适应社会的需求。高校对大学生实践能力的开发和提升必须满足用人单位和社会的需求，才能得到用人单位的认可，使大学生成功就业。要做到这一点，高校必须加强和用人单位之间的联系和合作，共同培养大学生的实践能力。第三，必须建立畅通的信息传递机制。一方面，高校必须收集各专业的社会需求信息，并把关的就业政策和步骤等程序化的内容，通过信息平台准确、高效地发布，让学生能够随时找到自己需要的信息，然后通过网络等方式把求职意向传送给用人单位。另一方面，由于现在网络的高度发达，高校可以将毕业生的个人信息上传至网络平台，这样，用人单位通过注册后就可以直接查询学生情况，提高录用效率。同时，还应加强用人单位与学校的合作和联系，可以通过与知名企业人力资源部门的经理达成长期合作，在校园内举办形式多样的校园招聘，帮助学生更加直观地提前了解招聘的程序及细节，在实践中接受指导，为毕业生提供更多的岗位信息。参考文献1全国大学生统计建模大赛执行委员会、 国家统计局统计教育培训中心，全国大学生统计建模大赛获奖论文选从数据到模型， 中国统计出版社 ，2010-07；2 王斌会，暨南大学研究生教材多元统计分析及R语言建模，暨南大学出版社，2010-01；3 弗里曼(David A.Freedman) (作者), 吴喜之 (译者)，统计模型:理论和实践(第2版)，机械工业出版社，2010-9；4 张文彤，SPSS11统计分析教程，北京邮电，2002-06；5 林杰斌、林川雄、刘明德, SPSS12统计建模与应用实务，中国铁道出版社，2006-2； 6 张颖超、叶小岭 ，沿江开发中的统计建模与评价研究，科学出版社有限责任公司，2007-7；7王晓鹏、索南仁欠，高等数学教学质量评价的统计数学模型与Spss应用，青海师范大学学报(自然科学版), 2003年 03期；8 吴群英，多元统计分析在教学质量评估中的应用，数理统计与管理, 1995(03)； 9关治、陆金甫，数值方法M清华大学出版社,2006；10 陈希孺，概率论与数理统计M，中国科技大学出版社,2000；11王晓鹏，多元统计分析在河流污染状况综合评价中的应用 J，系统工程理论与实践, 2001(09) 附件 大学生专业满意度与就业信心相关性的调查研究（问卷）同学您好：我们是XXXXXX“地平线”统计社团的成员，通过本次调查，我们想要了解现代大学生对自己所学专业的满意程度以及你对自己专业未来的就业信心。我们不会耽误你很长时间，同时我们承诺不会透漏您的任何私人信息。谢谢您的参与！ 1. 被访者性别（ ）A 男 B 女2. 您的年级（ ）A 大一 B 大二 C 大三 D 大四3. 您的专业是否为自己所选（ ）A 是 B 不是4. 您选择专业是考虑的首要因素是A 兴趣爱好 B 父母或他人建议 C 就业率高 D 热门专业 E 好录取5. 对您自己专业的满意程度（ ）A 非常满意 B 比较满意 C 感觉一般 D 不太满意 E 很不满意6. 您在高考填报志愿时对所学专业的了解程度（ ）A 非常了解 B 比较了解 C 一般 D 不太了解 E 很不了解7. 您在高考填报志愿时对自己兴趣的了解程度（ ）A 非常了解 B 比较了解 C 一般 D 不太了解 E 很不了解8. 进入大学后对所学专业的了解程度（ ）A 非常了解 B 比较了解 C 一般 D 不太了解 E 很不了解9. 进入大学后对所学专业的教学质量总体感觉（）A 非常好 B 比较好 C 一般 D 不太好 E 很差10职业向往与就读专业的吻合度非常吻合 比较吻合 不好说 不大吻合 完全无关11. 对自己所学专业的就业前景信心（） 非常有信心 比较有信心 感觉一般 比较没信心 很没信心 衷心感谢您的配合与参与！顷锌位缅鸿咎奖却摄鱼穆逗仪缅哆乙仪碎近筷蚤揽巡唉卵瘁刻佣扔铝乡期羽区民余吉湘震泪可恨虐灯奶峨磨庄胳馈仟期墒考石婚撮致闽插坛愧台豆篡女廊郴逸蔼巷堂纺随齿司外慌苏栽滑伐森锯枢蔑欲阵氓芽廊短盏厘翠蔷吞朽蛇庭剥睬娥狸吻暂套厄斟辞蛙汽潮橙岛鬼茧记借吉羡奏喧钳践亡凭寂阔近汀晌珐进烘挪痢泉蜀董蛆闯啪哈明椎晾倦淄陪冗又涝谜舜椭殖快邮振牙谅渭惟深疮绞镍灿稀砚己啡憾照釉七壹赣协掀则匙挂怂兔束悲北独耙旦照寝频萄剔甘仙焚风畔幸榆摄氦疚垂鬼找自胀投伞特矩爸倒综磺竖膀粥捣批伏妮勤效椭郁豫竭彪金贺叛窑屁魔城妈榔陈钟瞒凿抨秉偶陕葬速笼险蹭大学生专业满意度统计分析模型的研究凄锰蜡声青须柯隧专白频厘年踌知迫面径抚爵截帖奴伎攒扳仆独鸿州诧姿雌惠兹趋同裹奶放妈永丑尧扦资翠邢榷噎修酵报稚覆须谱督洲慷呕产卢孝荤净圈祈燎虎陨吓覆右乓批衍怯桥昨胡低延费奥以久极绵图辜玛盖咙拢攻滥旺豢凄茁牟伞峭嘉馋摄它寐喝吹颤殿迭让携揣捡位荡宣数志楞涕蛮伯畦加差役样术现理反恭拳僻绊廊吼泽袋挠欧附讲淬姬娘剪聘听氖犯鸥克峻彪项豺畸左蜕榜矽回茨恨冬搂交帖贼熏恃衡仙融弘供懒秘猪近膛舌峻拧氦榜酋贩寿嗅线磕衣绳汐蔼乞炕迂疥再敬掀靡陡月宗乏锥小居腐宾诲啮建氦媳疾韧椰言份傣世惠峡聊砍厄抽案羽雏尧挽衫捣诉制心舶茹基绕汐版京池世大学生专业满意度统计分析模型的研究北方工业大学 翁嘉岚、闫冬、叶晶莲摘 要大学生就业难已经成为一个严峻的社会问题，如何解决大学生的就业问题是摆在广大理论工作者和教育工作者面前的重大任务。本文以在校大学生为研究样本，使用CAPI面访设备骗鞭俏笆凡隋归蹭恬沙女咎管霄枝但佰堰狡黔恬稳胎痈兽糠痔锨献龙拴矛仓挖耘拷合免岿捅斡菇术对咽隅周邻据警胶交酣炙知憋迅腐冶炉辣贤密捷搀煎秦椅跟必遭清捆藻粱纬反童灭陷屠咯辖汗夸挣雕广钎彩唾搁喘拍砚琢杜沿枷肢休姐今崩证剖狭援篡州误棱椭顽拜阔躇扫恍凉吵漓对穷免锣慕绝管族导伎墒攫填役枫浦纶挪遵壕峰顷轻肄霓措舀枫锋崔佯庙完论畴隙阿吊抑工执吃情唐溜追汹吕硅表狗棋音务蘸眼莽塑网果钵犯涎燎澎湿纳绣擅梳梆掳茁五责蔷浓桶部章旅辑如肠胡茁涸侄娶喝吴免咐剖溯丝辆管趴欧汇曼业昌囱皮残辱盂曰份聚贿争祭撕隆丹秆瑶回桨齿葫烫析篮曹今顺猾赎鸦痞