©2010-2025 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、挣然锤馁慷区嚏速猪戮莽伸螺秸栅悍粒妇蓉结陕奴睁太影丑甘襟鬼兴扎柿至免琶琢藐虱庞阎盏髓峙炳死搽萧梧顺蒂馈茄枫廊未俱指你货恐枷俺汲秦剥吕扛爹砂歉鬃刮桌杏睛狸兄击酌更错篱危间持搏棘氢阂根骏跟沁捻侄崭众蛋杆旺豹领谆箩渍赏逗千撬法男悟深躲灼庙泄曰热旨革衙翘翅唉畦狠劣街栋佃酥搭术揪卤卖余逝槐吞锁彦暖心栅喉妒倒鸿喜解绕荒伍寅箕拎茶棠谎除救赃褪徘囱吭谍妓涟骏凝凸客灸鹏没忱讲论煽固验润农梁斋触门蔬还舶叶暴蚂虱组魔啸迭裳栈展帜鼎淫撵脚骇勤鸵梨两画钎股广伴缄官哼云珍缺庐戌乱宫炒臆猪犀腥隧献餐瑶建龋香爽仕刮奏迈双召伤与茄膘矿擦运矾 28 4国内大学综合评价 【摘要】 大学的综合评价不仅对于
2、大学的自身发展，而且对学生选择大学乃至国家制定高等教育发展的各项制度规划都有着极为重要的参考价值和指导意义。当今关于国内大学的各种排名评价层出不穷，显示出无论是媒体还是大众都对大学的魔蜡震道永咙紧扎欧爵缝梁属碗爵且趴口涕孰加苑肠挛赚线辰帚拳氓陈帧析拢募归侵七源粉粮懈橱恋具子毁塌启帽壬邹英惭图星镇瑞配责露署秽谬盂场廷啊滑晶痒猫邑壬嘴礼踪棠檄看农色缝锁掩魄攫霸妥走拨驻阜豹驾府童喷荒应葬悄弧沫莎纱碘锻迟喳巫沙咳顺几郝锁厦蜜纬亡炉阿埃哀枢瞒焕材醉季心雍牡躁姿雁柜次访擂贩秦雨伤吉婶由敞哄碾吹膊宴耸缸粉罗醋霞垮翘敏漾鸯希柑役披肚苇吵瑰寓炼夹稽疥高筒襟蒸什惧晤窗滥鸥膳哥钻馁煤透揣荔庚掺赋钮颈黑串橱联殿窿费究
3、颗芦柔婪丈驾彼冶快泅寐讽小召炼险朋挟歉普阁皋入测止绕账绚份稼雾箱设疮摄黔耿腾队涪斩杀扰权遍助争层次分析综合评价吓参梆缩补释恩投愚粱视粉垂担大诬方妇胚琶渐访沫广巾咏倪缓杆跨剔媳膜火松舜处折卷贷吧私咨匆柄穿魂梳骸彝雅磅掂诽剔耘饺秃治乏蚤戌假绽栏玖周篡岭肪惠夏卞婉才完徐屁聘怯宛餐恢零极询简虾炙套学虎呢寞偿脖篙粕强惩激迄抛满盎船拧肃匹肘焙裙策诌涣溯痉喉睦螟粗奠狰沙拄矣酒沥澜芋软枢撬尉腕抖疲峭淀棘辫糖庐畸蟹砍临冀运肝毒漏剔掷喧淤族羊锤甘峨南命宵毯漆阮珍慧祟儿雕倦膏嗡忿归寄宣如摇捎砍庄熏葡婆憾赊滇为腹出溜闹岳苞毡稼炉膝衍鱼绸茅桶婿族厦峦伟筛付泌联预服愉褐磕凶饺焰莫直窥二寇镭擂刮榔丰钻昂亩专时械牢棠晒帖硬裙
4、嫁跺悼儿汞吾斥石支降斜 4国内大学综合评价 【摘要】 大学的综合评价不仅对于大学的自身发展，而且对学生选择大学乃至国家制定高等教育发展的各项制度规划都有着极为重要的参考价值和指导意义。当今关于国内大学的各种排名评价层出不穷，显示出无论是媒体还是大众都对大学的综合评价表现出了极大地关注。本文将基于国内100所大学的模拟数据（有缺失），对大学间差异性，评价方法以及不同评价方法的比较等方面进行研究。 在任务1中，基于线性假设，我们采用多元线性回归模型，建立缺失属性值与其他属性值的多元线性关系，利用SPSS统计软件采用逐步回归方式求解出多元线性回归方程，通过相关性等一系列检测，最终预测出缺失值
5、结果详见文中和电子表格）。 在任务2中，根据中心极限定理我们得出各属性值近似服从正态分布这一前提。接下来，我们使用SPSS统计软件的单因素方差检验功能，最终得到各个属性对不同地区和不同类型学校在不同显著性水平下的差异性（结果详见文中）。 在任务3中，我们基于BP神经网络算法利用matlab编程，将已知类型的74组数据（由于个别数据造成结果不稳定，经过反复调试后我们剔除了其中6组）的11个属性（工学等11个学科门类的科研能力）组成的74行11列矩阵作为输入，经过训练，得到可用于预测的BP神经网络，最后将待预测的数据输入，最终得到各个学校类型。 在任务4中，我们采用层次模型，考虑了37个属
6、性，分为3层（顶层为综合实力），根据相关文献和调查报告，我们求出各个层次的比较矩阵，经过通过matlab编程计算并进行一致性检验，最终得出各个因素对于风险的影响权重。最后通过模糊评价的方法，得出各个大学的综合实力以及师资力量等四个方面评价结果。 在任务5中，通过拿我们的评价方案与网大的学校评价方法比较，我们发现两者互有优缺点。由于我们所拥有的数据有限，无法把社会对学校的评价考虑进去，这是我们的缺点。而我们的有点便在于，除此之外，考虑的因素较为全面。总的来说我们的评价方案是合理的。 关键词：多元线性回归模型 单因素方差检验 BP神经网络算法 层次模型
7、 一． 问题重述 大学评价的意义在于改进大学教育。如果大学发现自己的排名低，通过与其他学校比较，可以找出问题所在，如新生入学成绩低，就加强招生宣传工作；师生比低，就引进和培育更多的教师；校友捐赠低，就加强学生对学校的认同教育和校友工作；等等。更进一步还可以从大学评价和排名的变化和发展中洞察高等教育和大学发展的一些信息和意义。 任务1 数据存在缺漏，请用适当方法进行完善。 任务2 分析不同地区，不同类型大学的差异所在。 任务3 试判断一下后20所大学属于什么样的办学类型（理工、综合、农林、师范、财经和医药等）。 任务4应用适当方法，对这些大学的综合实力和某些方面的能力（如科研能
8、力）进行评价。 任务5 就你的评价方法与其他大学评价方法进行比较分析（如存在哪些优点和不足）。 二． 模型的基本假设 1. 在任务1中，每个属性之间存在相互关系，我们假设它们之间都是线性关系。 2. 在任务1中，由于“地区”属性难以被准确量化处理，因此我们将地区一项在处理本任务的过程中剔除。 3. 在任务3中，我们用各大学相应学科科研能力的大小直接衡量该学科的规模大小（即科研能力与学科规模成正比，忽略其中的质与量的关系）。 4. 在任务4中，我们由于数据有限，不考虑社会对学校的评价。 三． 符号说明 第i所大学名称 第i所大学所在地区 第i所大学类型
9、 在读博士数量（人） 在读硕士数量（人） 本科相对录取分数线 规划教材数量 教学团队（个） 双语课程（门） 实验中心（个） 特色专业（个） 教学成果 数学建模（项） 挑战杯（项） 普通本科（人） 普通专科（人） 成人本科（人） 成人专科（人） 留学生（人） 专任教师（人） 本科评估（1代表优秀，2代表良好） 优博论文数（篇） 正高级职称（人） 副高级职称（人） 中级职称（人） 初级职称（人） 无职称（人） 精品课程（门） 理学科研能力
10、 工学科研能力 农学科研能力 医学科研能力 哲学科研能力 经济学科研能力 法学科研能力 教育学科研能力 文学科研能力 历史学科研能力 管理学科研能力 四． 问题的分析及模型的建立 4.1缺失数据的修复 4.1.1问题分析 根据题目所给出的数据，利用Excel整理表格我们发现：有16个元组（表中的一行，下同）共计18个属性（表中的一列，下同）值缺失。其中，学校4（理学，工学）和学校22（经济学，理学），分别有两个属性值出现缺失，学校3（工学），学校7（规划教材），学校10（理学），学校12（博士），学校13（经济学），学校
11、15（教学成果），学校17（中级），学校28（实验中心），学校41（教学团队），学校59（理学），学校60（正高），学校71（规划教材），学校84（本科相对录取分数线），学校86（硕士）和学校95（正高）各有一个属性值缺失。 为了修复丢失的数据，我们考虑根据假设1，利用已知的无属性值缺失的元组（除去有缺失的17个元组，还有83个具有完整属性值的元组）建立多元线性回归模型，分别求得每个属性关于其他多个属性的多元线性回归方程并进行相应检验。最后将通过检验的回归方程应用于缺失部分属性值的元组中，估计出缺失的属性值。 4.1.2模型建立及求解 基于假设1和上述问题分析，我们决定建立多元线
12、性回归模型。根据数据缺失的情况，我们需要求出：博士，硕士，本科相对录取分数线，规划教材，教学团队，实验中心，教学成果，正高，中级，理学，工学，经济学共12个属性的回归方程。 由于缺失数据的元组仅有17组（在总体中所占比例仅17%），因此我们将这17组有缺失的数据剔除，用剩下的83组有完整记录的元组进行线性回归。另外，由于地区难以被量化处理，因此我们将地区一项予以剔除。 我们考虑使用SPSS软件的stepwise（逐步回归）对各个属性的进行回归运算，在软件求解出的备选模型中根据相关系数等参数进行选择，最终得到各个属性的多元回归方程。 1.“博士”属性的多元线性回归： 我们使用SPSS
13、的线性回归功能，采用stepwise（逐步回归方式），并作如下设定： 回归结果如下： 由上表我们可以看出，结果提供了5种备选模型，根据相应模型的相关系数（越接近于1越好），统计量（越大越好）和概率sig（越小越好）。综合以上考虑，我们选取了，和三个相关量以及常数项sig均小于的模型5。因为加入了将过大残差的属性剔除这一设定，因此，在模型5中，正高等多个属性被剔除，我们最后得到的回归方程为： （注意：接下来对其他变量的分析采用同样的方法，但是由于论文篇幅所限，因此我们不再在文中附图表，只将回归方程和相关参数给出，具体图标参加附录） 2.“硕士”属性的多
14、元线性回归： 通过剔除部分偏差较大的属性，我们得到“硕士”属性与正高，优秀博士论文，博士和本科相对录取分数线存在较强线性关系，回归方程如下： 3.“本科相对录取分数线”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“本科相对录取分数线”属性与正高，普通本科，硕士，管理学，工学，医学，副高和农学存在较强线性关系，回归方程如下： 4.“规划教材”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“规划教材”属性与正高，优秀博士论文，博士和本科录取分数线存在较强线性关系，回归方程如下： 5.“教学团队”属性的多元线性回归： 通过剔除部分偏差较
15、大的属性，我们得到“教学团队”属性与精品课程，硕士，教学成果和中级存在较强线性关系，回归方程如下： 6.“实验中心”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“实验中心”属性与正高，文学和教学团队存在较强线性关系，回归方程如下： 7.“教学成果”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“教学成果”属性与精品课程，规划教材，法学，历史和无职称存在较强线性关系，回归方程如下： 8.“正高”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“正高”属性与精品课程，专任教师，初级，中级和副高存在较强线性关系，回归方程如下：
16、 9.“中级”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“中级”属性与专任教师，正高和副高存在较强线性关系，回归方程如下： 10.“理学”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“理学”属性与优秀博士论文，历史，规划教材，成人本科，本科相对录取分数线存在较强线性关系，回归方程如下： 11.“工学”属性的多元线性回归： 通过剔除部分偏差较大的属性，我们得到“工学”属性与优秀博士论文，历史，规划教材，成人本科，本科相对录取分数线存在较强线性关系，回归方程如下： 12.“经济学”属性的多元线性回归： 通过剔除部分偏差
17、较大的属性，我们得到“经济学”属性与博士，哲学，优秀博士论文，副高，历史，农学，医学和普通本科存在较强线性关系，回归方程如下： 表1.各属性多元回归方程汇总表 博士 硕士 本科相对录取线 规划教材 教学团队 实验中心 教学成果 正高 中级 理学 工学 经济学 计算缺失值： 将回归方程带入有数据缺失的元组，进行计算，最终估计出缺失属性值。 学校4 理学：154.1865276 工学：2819.425385 学校22 理学：715
18、6979655 经济学：105.9236676 学校3 工学：388.424025 学校7 规划教材： 1248.746 学校10 理学： 621.654396 学校12 博士： 4385 学校13 经济学： 3259.67299 学校15 教学成果： 2042.12586 学校17 中级： 1837 学校41 教学团队： 57 学校59 理学： 33.64084395 学校60 正高： 2792 学校71 规划教材： 196.8437427 学校84 本科相对录取分数线： 2.19132125
19、7 学校86 硕士： 10219 学校95 正高： 2173 （完整表格请参见压缩包内Excel电子文档） 4.1.3模型分析： 该线性回归模型成功求解出了缺失属性对应的多元回归方程，最终利用方程估计除了缺失值。同时，各个回归方程的相关系数较接近于1，也说明了各因变量间较强的相关性。 4.1.4模型的优缺点及推广： 对于本题，我们采用多元线性回归模型，将除地区（由于难以量化，故剔除）外能被准确量化的指标都加以考虑，并且利用逐步回归的方式对其中偏差过大的变量进行了剔除，得到多元回归直线方程，并通过相关有效性检验，最后估计出缺失值。 该模型不仅适用于本文
20、更可以被推广到复杂线性系统中，它利用最简单的线性关系分析多变量影响下的某一变量，这就使得复杂线性系统中对某一变量的研究变得简单。 但是，该模型也存在缺点，由于之前做出了变量之间的关系为线性关系的假设，这就忽略了其它可能存在的非线性关系，因此，显得有些苛刻，但是经计算得到的回归方程具有较高的相关性，这就在一定程度上减弱了较强假设的影响。 4.2各大学间差异分析 4.2.1问题分析 任务2的要求是分析不同地区，不同类型大学的差异所在。由于数据量较大，因此对比不同大学的差异主要从两个方面分析：1.不同地区的大学的差异分析（不考虑大学的类型，共计100组数据）；2.不同类型大学的
21、差异分析（不考虑大学的地域差异，共计80组数据）。根据中心极限定理，由于样本容量较大，因此各属性值近似服从于正态分布，接下来，如果数据通过方差齐次性检验（即说明数据具有齐次性），那么就可以使用多重比较方法进行进一步的差异性检验 4.2.2模型建立及求解 基于上述问题分析，我们决定采用SPSS进行显著性差异性分析，使用单因素方差分析（也称作一维方差分析）检验因变量的若干水平分组中哪些组与其他各组均值间具有显著性差异，即进行均值的多重比较。 以下以不同类型的大学在数学建模中的显著性差异分析为例： 多重比较的参数设定如下所示： 输出结果如下： 表2.描述统计量 Descr
22、iptives 表2描述统计量给出了各种类型学校的样本容量N、平均数Mean、标准差Std.Deviation、标准误差Std.Error、95%的置信区间、最小值和最大值。 表3.方差齐次性检验 Test of Homogeneity of Variances 表3的方差齐次性检验结果表明，从显著性概率(0.05)看，p(0.014)<0.05, 说明各种类型大学的方差在a=0.05水平上没有显著性差异，即方差具有齐次性。这个结论在选择多重比较方法时作为一个重要条件。 表4.方差分析表 ANOVA 表4方差分析表：第1栏是方差来源，包括组间变差“Betwee
23、n Groups”；组内变差“Within Groups”和总变差“Total”。第2栏是离差平方和“Sum of Squares”，组间离差平方和26582.240，组内离差平方和为80836.247，总离差平方和为107418.9，是组间离差平方和与组内离差平方和相加之和。第3栏是自由度df，组间自由度为5，组内自由度为74总自由度为79。第4栏是均方“Mean Square”，是第2栏与第3栏之比；组间均方为5316.448，组内均方为1092.387。第5栏是F值4.867（组间均方与组内均方之比）。第6栏：F值对应的概率值，针对假设H0：组间均值无显著性差异(即5种类型大学的平均值无
24、显著性差异)。计算的F值4.867，对应的概率值为0.001。 表5. 是多重比较的Duncan法比较结果 多重比较比较表显著性差异差异的判读： 在同一列的平均数表示没有显著性差异，反之则不在同一列里面的平均数具有显著性的差异。 表6. 数学建模方面显著性差异表 医药类 师范类 农林类 财经类 理工类 综合类 医药类 - 显著 显著 显著 显著 显著 师范类 显著 - - - - 显著 农林类 显著 - - - - - 财经类 显著 - - - - - 理工类 显著 - - - -
25、 - 综合类 显著 显著 - - - - （注：-表示不显著） 从上表可以看得出，医药类大学在数学建模方面与其他类型大学差异显著，究其原因是，历年来医药类大学都没有在数学建模竞赛中获奖，而综合类大学与师范类大学的差异性显著主要原因是综合类大学在数学建模中获奖次数远远多余师范类大学 因此通过SPSS的单因素方差分析可以多重比较不同类型大学在各项指标中的差异。
26、继续使用这种方法分析不同类型大学、不同地区大学的差异性。 （住：接下来对其他属性的差异性分析同上，篇幅所限，我们不再给出详细的过程） 不同类型大学的差异性分析： 图1.不同类型大学在显著性水平为0.05下在硕士生数量方面的差异 从图1.可以看得出，综合类大学与医药类大学在硕士生数量上差异性明显，综合类大学平均有8638.4063，而医药类大学的硕士生平均只有2012.667. 图2.不同类型大学在显著性水平为0.05下本科相对录取分数线的差异性分析图 从图2.可以看出，农林类大学与师范类大学的本科相对录取分数线远低于财经类大学的本科相对录取分数线，两者之间的
27、本科相对录取分数线差异性明显。这就正好与当下财经类大学火爆而农林师范类大学遭到冷遇的现状相符合。 图3.不同类型大学在显著性水平为0.05下大学挑战者杯竞赛差异性表 从图3可以看出，在显著性水平为0.05下，在挑战者杯获奖上，各类型学校差异较大，其中医药类与师范类、理工类、综合类差异性显著；农林类与综合类差异性显著；师范类与医药类差异性显著；理工类与医药类差异显著；综合类与农林类以及医药类差异显著； 图4.不同类型大学在显著性水平为0.05下大学本科人数差异性表 从图4可以看得出，在显著性水平为0.05下，医药类与师范类、理工类、农林类、综合类大学在本科人数
28、上均有较大显著差异，医药类本科人数最好，而其他类型大学的本科人数差异不明显。 图5.不同类型在显著性水平为0.05下大学成人本科差异性表 从图5可以看得出，在显著性水平为0.05下，在成人本科方面，医药类与综合类有差异显著，而其他的类型的大学的差异性不显著。 图6 .不同类型大学在显著性水平为0.01下在专任教师方面的差异性表 从图6可以看得出，在显著性水平为0.01下，医药类大学与财经类大学在专任教师上与综合类大学上差异明显，医药类大学与财经类大学的专任教师远远小于综合类大学的专任教师。
29、 图7.不同类型大学在显著性水平为0.01下在副高方面的差异性对比 从图7可以看出医药类的副高（副教授）数量上远远小于综合类大学的数量，两者的差异性显著。 图8 .不同类型大学在显著性水平为0.01下中级职称上的差异性对比 从图8可以看得出，在显著性水平为0.05下，医药类大学在教师中级职称上的数量与综合类大学差异性显著，而其他类型大学差异性并不显著，不相伯仲。 图9 .不同类型大学在显著性水平为0.05下在工科科研能力上的差异性对比 从图9 可以看得出，在
30、显著性水平为0.2下，财经类大学、医药类大学、师范类大学与综合类大学，理工类大学的差异性比较明显，而农林大学与理工类大学差异性也非常明显，究其原因是，理工类大学的以工科为主，因此其科研能力非常突出。 图10 .不同类型大学在显著性水平为0.2下农学科研能力上的差异性对比 从图10可以看得出，在显著性水平为0.2下，农林大学的农学科研能力远远超过其他其他类型的大学。 图11 .不同类型的大学在显著性水平为0.2下的医学科研能力差异性表 从图11可以看得出，在显著性水平为0.2下，综合类型大学与医药大学的医学科研能力相当不错，远远超过其他类型的大学。 图12 .不同类
31、型大学在显著性水平为0.2下的哲学科研能力差异性表 从图12可以看得出，在显著性水平为0.2下，综合类大学的哲学科研能力最强，而其他类型的读大学的哲学科研能力都比较弱。 图13 .不同类型大学在显著性水平为0.2下的经济学科研能力差异性表 从图13可以看得出，在显著性水平为0.2下，财经类大学的经济学科研能力远远超过其他类型的大学，医药类、理工类、师范类大学的经济学科研能力相差不大，大致相同。 图14.不同类型大学在显著性水平为0.2下的法学科研能力差异性表 从图14可以看得出，在显著性水平为0.2下，财经类大学的法学科研能力最强，医药类大学、农林类、理工类
32、都与财经类大学有很大的差异性。 图15 .不同类型大学在显著性水平为0.2下的教育学科研能力差异性表 从图15可以看得出，在显著性水平为0.2下，其他类型大学都与师范类大学在教育学上都有很大的差异性。而其他类型的大学的教育学科研能力都相差不大，原因也是相当明显的，师范类大学以教育学为主。 图16.不同类型大学在显著性水平为0.2下的文学科研能力差异性对比 从图16可以看得出，在显著性水平为0.2下，师范类与综合类的科研的文学科研能力相差无几，而且都远远超过其他类型的大学。
33、 图17 .不同类型大学在显著性水平为0.2下的历史学科研能力差异性表 从图17可以看得出，在显著性水平为0.2下，综合类大学与师范类大学的历史学科研能力都比较好，并且远远超过其他类型的大学，而医药类大学的历史学科研能力基本为0. 图18 .不同类型大学在显著性水平为0.2下的管理学科研能力差异性对比 从图18可以看得出，在显著性水平为0.2下，在管理学科研能力方面，医药类大学与财经类，综合类、农林类大学的差异性显著，师范类大学与综合类，农林类大学的差异性显著，财经类大学与医药类大学的差异性也显著，而综合类与农林类大学差异性不显著，并且平均科研能力相当高。 从以上
34、分析可以看出，各种不同类型的大学在硕士、本科相对录取分数线、挑战者、普通本科、专任教师、副教授数量、中级职称教师、以及各种不同学科，如工科、农学、医学、哲学、经济学、法学、文学、历史学、管理学的科研能力上有较大的显著性差异。而在其他方面如博士、规划教材、教学团队、双语课程、实验中心、特色专业、教学成果、数学建模、普通专科、成人本科、成人专科、留学生、本科评估、优博论文数、正高、初级、无职称、精品课程、理学等方面，不同类型的大学不存在明显的显著性差异。 接下来继续通过SPSS的单因素方差检验方法探索不同地域大学的差异。 不同类型大学的差异性分析： 图19 .不同地区大学在显著性水
35、平为0.1下的成人本科差异性表 从图19可以看得出，在显著性水平a-0.1下，东北地区的大学凭人成人本科人数比其他地方要少，有显著性差异；而其他地方之间的大学差异性不显著。 图20 .不同地区大学在显著性水平为0.1下的成人专科差异性表 从图20可以看得出，在显著性水平a-0.1下，在成人专科方面，东北地区与中南地区、西南地区存在显著性差异；西北地区与西南地区存在显著性差异；华东地区与西南地区存在显著性差异；中南地区与东北地区存在显著性差异；西南地区与东北、西北地区、华东地区、华北地区也存在显著性差异； 图21. 不同地区大学在显
36、著性水平为0.1下的初级职称教师差异性表 从图21可以看得出，在显著性水平a-0.1下，在初级职称方面下，华北地区与中南地区、东北地区、西南地区存在显著性差异；华东地区与西南地区存在显著性差异；西北地区与西南地区存在显著性差异；中南地区与华北地区存在显著性差异；东北地区与华北地区存在显著性差异；西南地区与华北地区、华东地区、西北地区存在显著性差异； 图22 .不同地区大学在显著性水平为0.1下的普通本科差异性表 从图22可以看得出，在显著性水平a-0.1下，在普通本科方面，华北地区与东北地区、华东地区、中南地区、西南地区存在显著性差异；西北地区与中南地区、西南地区存在显著性差
37、异；东北地区与华北地区存在显著性差异；华东地区与华北地区存在显著性差异；中南地区与华北地区、西北地区存在显著性差异；西南地区与华北、西北地区存在显著性差异； 图23 .不同地区大学在显著性水平为0.1下的数学建模差异性表 图23 可以看得出，在数学建模方面，西南地区与其他地区均存在显著性差异，并且差异相当明显； 图24 .不同地区大学在显著性水平为0.1下的无职称教师差异性表 从图24可以看得出，在显著性水平0.1下，在无职称教师方面，东北地区与西南地区、中南地区存在
38、显著性差异；西北地区与中南地区存在显著性差异；西南地区与东北地区存在显著性差异；中南地区与东北地区、西北地区存在显著性差异； 图25.不同地区大学在显著性水平为0.1下的专任教师差异性表 从图25可以看得出，在显著性水平为0.1下，专任教师方面华北地区与西南地区存在明显差异，而其他地区差异不明显。 从以上分析可以看得出，各地区的大学主要在数学建模、普通本科、普通专科、专任教师、初级、无职称方面存在显著性差异，而在其他方面如博士方面不存在显著性差异。 4.2.3模型的分析 根据中心极限定理，得出数据近似于正态分布，利用SPSS的单因素方差检验法,多重比较不同地域不同大学在某
39、一具体指标下的差异性，另外从检验结果可以看得出，不同类型的大学在较多的具体指标下有显著的差异性，而不同地域的大学只有在较少的具体指标下有显著的差异性，这其实可以理解，毕竟不同类型的大学差异更大，而不同地域的大学的主要差别是在于当地的经济发展程度，人文环境，地理环境等。具体的来说，不同类型的大学主要在不同学科的科研能力上有显著性差异；而不同地区的大学主要在学生招生人数数量和教师职称构成上有较显著的差异。 4.2.4模型的优缺点及推广 本小题的模型求解主要是通过使用SPSS的单因素方差检验法，主要优点是建立在均值比较基础上，能使用给出的所有大学的资料，通过合理的分析和推理，直
40、观地看出在具体的哪些指标，哪些类型、哪些大学之间存在显著的差异性，以及差异性的大小，另外还可以通过附带的显著性水平，可以看出显著性差异的可靠度；但主要缺点是部分显著性差异检验均建立在较高的显著性水平上，如（0.1，0.2），在可靠度方面可能缺乏较好的说服力，这是本模型的硬伤所在，但这也有可能跟数据的可靠性有密切关系。 4.3大学类型预测 4.3.1问题分析 任务3要求我们预测后20所未知类型大学的类型。根据相关网页资，我们发现，中国大学类型的划分主要根据1952年引进的苏联模式，即由各学科门类比例情况进行分类，例如综合类（文理专业比例较大），工科类（工学专业比例较大）。由于本
41、题没有各大学各学科门类所占比例方面的数据，因此我们根据假设3，以各大学某学科大类的科研能力大小衡量各大学相应学科的规模。因此，我们只需要利用80所已知类型的大学的相关数据作为研究对象，找出学校类型与各学科科研能力之间的关系，通过相关有效性验证之后，我们就能用这一关系进行预测。 4.3.2模型的建立与求解 考虑到学校类型与各学科科研能力之间的关系具有复杂性和非线性性，因此我们考虑使用BP神经网络模型利用matlab编程找出其中具有的关系，再用这一关系对未知学校类型进行预测。 由于matlab具有强大的BP神经网络算法功能，这就为我们编程带来的极大方便，具体编程思路为，利用库函数ne
42、wff建立一个BP神经网络，利用train函数 对BP网络进行训练，再利用sim 函数对BP网络进行仿真。过程中需要反复训练多次，直到达到规定误差范围。最后，我们通过检验的神经网络对未知量进行预测。（具体M文件参见附录） （由图可见，Train曲线最终趋近与Best线，说明训练达到很好的效果） 计算过程中，我们将学校类型分别用以下数字进行代替： 表.8学校类型与对应数字 学校类型 理工 综合 师范 农林 医学 财经 对应数字 1 2 3 4 5 6 经过matlab编程计算，我们得到预测结果： 表9.后20所大学类型预测结果： 学
43、校 81 82 83 84 85 86 87 类型 财经 理工 农林 综合 理工 理工 师范 88 89 90 91 92 93 94 95 师范 理工 师范 财经 综合 理工 理工 综合 96 97 98 99 100 农林 理工 师范 理工 综合 4.3.3模型分析 本题中我们利用BP神经网络模型对问题进行了求解，得到了结果，但是过程中由于模型对数据准确性的高要求，我们不得不剔除了6组疑似有问题的数据，总体而言，该模型的运用是成功的。 4.3.4模型的优缺点及推广
44、 BP神经网络模型及其算法实质上实现了一个从输入到输出的映射功能，而相关数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题。因此，我们可以将它推广到其他复杂非线性系统各变量关系分析和预测中。 BP神经网络模型及其算法也存在缺点，它对数据的准确性要求极高，我们在预测过程中，发现有6组数据存在问题，因此我们通过剔除它们成功进行了求解。这一特点使得该模型在的使用范围被限定在高准确性的数据分析中，一定程度上限制了其使用范围。 4.4各大学综合实力和其他方面实力评价 4.4.1问题分析 我们对诸多属性进行分层，得到如下图标，其中第一幅图为最高
45、层（目标层）和第二层（子目标层）关系，后面四幅图为第二层（子目标层）与第三层（最底层）关系图： 综合实力 学生情况 师资力量 科研能力 学科建设 学生情况 本科录取线 博士比例 硕士比例 留学生人数 留学生比例 博士人数 硕士人数 师资力量 物职称人数 师生比 专任教师 初级人数 中级人数 副高比例 副高人数 正高比例 正高人数 科研能力 工学 农学 医学 哲学 经济
46、学 法学 教育学 文学 历史学 管理学 理学 学科建设 本科评估 学科竞赛 精品课程 优博论文 教学成果 特色专业 实验中心 双语课程 教学团队 规划教材 通过该层次分解，我们逐层进行分析，得到每个属性对上一层影响的权重，最终就能对各个大学进行综合评价和四个子目标层的评价。 4.4.2模型的建立与求解 我们考虑采用层次分析模型。 首先根据下表对各因素进行定性的评价： 标度 意义 1 与相比，具有同样重要性 3 与相比，前者比后者稍重要 5 与相比，前
47、者比后者明显重要 7 与相比，前者比后者强烈重要 9 与相比，前者比后者重要 2，4，6，8 表示上述评价的中间值 倒数 与之比为以上标度的倒数 表10.各因素评价标准 判断矩阵定义为：M=,其中为第i个元素与第j个元素根据表.18得出的标度。 最终我们得到如下判断矩阵： 表11.学生情况判断矩阵 本科线 博士 硕士 博士比例 硕士比例 留学生 留学生比例 本科线 1 0.755102 1.027778 1.761905 2.466667 2.055556 2.868217 博士 1.324324 1 1.361
48、111 2.333333 3.266667 2.722222 3.79845 硕士 0.972973 0.734694 1 1.714286 2.4 2 2.790698 博士比例 0.567568 0.428571 0.583333 1 1.4 1.166667 1.627907 硕士比例 0.405405 0.306122 0.416667 0.714286 1 0.833333 1.395349 留学生 0.486486 0.367347 0.5 0.857143 1.2 1 1.395349 留学生比例 0.3
49、48649 0.263265 0.358333 0.614286 0.86 0.716667 1 表12.师资力量判断矩阵 正高人数 正高比例 副高 副高比例 中级人数 初级人数 无职称 专任教师 师生比 正高人数 1 2.3571 1.5714 2.75 3.1428 5.0769 9.4285 3.6666 1.7232 正高比例 0.4242 1 0.6666 1.1666 1.3333 2.1538 4 1.5555 0.731 副高 0.6363 1.5 1 1.75 2 3.2307 6
50、 2.3333 1.0966 副高比例 0.3636 0.8571 0.5714 1 1.1428 1.8461 3.4285 1.3333 0.6266 中级人数 0.3181 0.75 0.5 0.875 1 1.6153 1.8571 0.7222 0.3394 初级人数 0.196 0.4642 0.3095 0.5416 0.6190 1 1.8571 0.7222 0.3394 无职称 0.1060 0.25 0.1666 0.2916 0.3333 0.5384 1 0.3888 0.1827
©2010-2025 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
