學生學習成績與就業(yè)去向間的判別分析

龍松 向麗蘋

摘 要 本文在分析已畢業(yè)的學生的在校學習成績和畢業(yè)去向等相關信息的基礎上，利用判別分析建立了費歇爾判別函數(shù)，結果表明，該判別函數(shù)在判別學習成績和畢業(yè)去向間的關聯(lián)上具有一定的準確性，從而利用該方法可以進一步對即將畢業(yè)的學生的就業(yè)去向進行預測，以便更好地對其進行就業(yè)指導。

關鍵詞 判別分析 顯著性檢驗 就業(yè)去向

中圖分類號：G645 文獻標識碼：A DOI：10.16400/j.cnki.kjdkz.2018.05.076

Abstract In this paper， based on the analysis of the students' academic achievements and the relevant information of graduation， the Fischer discriminant function is established by discriminant analysis. The result shows that the discriminant function has certain accuracy in judging the correlation between the academic achievement and the graduation direction. The employment of graduates will be predicted， so as to better guide their employment.

Keywords discriminant analysis； saliency test； employment whereabouts

近年來，每年畢業(yè)的大學生有增無減，就業(yè)形勢愈加嚴峻，作為即將畢業(yè)的大學生，及早進行職業(yè)規(guī)劃已是勢在必行。而如果對自身的特點和社會需求有所了解，特別是了解到學習特點與就業(yè)去向之間存在一定的關聯(lián)，無疑對自己的就業(yè)指導產(chǎn)生一定的積極影響。

目前，關于對學生學習特點和就業(yè)間的關聯(lián)的研究還比較少，較多的研究大都在于對學生按照學習成績進行分類或者排序。[1-3]所采用的方法一般是利用因子分析或聚類分析進行單一的分類或者同時采用聚類分析與因子分析兩種方法進行綜合評價，相互印證，從而對學生的類型進行分類，然后在分類或排序的基礎上再對學生的就業(yè)進行指導。而聚類分析是在不知道類別數(shù)目的情況下對樣本數(shù)據(jù)進行分類，如果在已知學生就業(yè)去向的情況下，則可考慮利用判別分析來對學生的學習類型與畢業(yè)去向間的關聯(lián)進行分析，以達到對即將畢業(yè)的學生的就業(yè)去向給出些建議。本文正是欲從該方面入手，擬在獲取已經(jīng)畢業(yè)的學生在校學習成績以及畢業(yè)去向等相關數(shù)據(jù)后，利用一定的數(shù)學模型，研究它們之間的內在聯(lián)系和因果規(guī)律，從而給即將畢業(yè)的學生進行就業(yè)指導，當然也可對剛進校的學生以啟示。

1 案例分析

1.1 數(shù)據(jù)準備

本文抽取了武昌首義學院會計專業(yè)2011級的139名學生以及會計2012級137名學生的在校成績、就業(yè)去向等相關數(shù)據(jù)，并對數(shù)據(jù)的真實性進行了審核。對于數(shù)據(jù)的進一步選取作如下的解釋：

（1）考慮到學生就業(yè)去向的決定階段在大四期初，也就是第7學期期初，所以我們選取了前6個學期的成績。

（2）考慮到校選課以及體育課的不統(tǒng)一性，我們在選取數(shù)據(jù)時，沒有考慮其這些課程的成績，最終選取了41門課程的成績。

（3）為討論方便，對每位學生的就業(yè)去向進行了編號，分別用編號1表示升學、出國留學，編號2表示協(xié)議就業(yè)，編號3表示待業(yè)或靈活就業(yè)。

對于收集到的學生成績以及就業(yè)去向等數(shù)據(jù)，先將2011級的數(shù)據(jù)作為訓練樣本進行判別分析，然后將2012級的數(shù)據(jù)作為檢驗樣本進行檢驗，最后根據(jù)數(shù)據(jù)結果對2013級的學生就業(yè)去向給出一些建議，本文擬用判別分析做些探討。

1.2 判別分析概述

判別分析是在已知分類數(shù)目的情況下，根據(jù)一定的指標對不知類別的數(shù)據(jù)進行歸類。判別分析的基本思想是：利用原有的分類信息，得到體現(xiàn)這種分類的函數(shù)關系式（稱為判別函數(shù)，一般是與分類相關的若干個指標的線性關系式），然后利用該函數(shù)去判斷未知樣本屬于哪一類。可以說，判別分析是一個學習和預測的過程。

本文擬采用統(tǒng)計軟件SPSS進行判別分類，[4-5]判別過程根據(jù)已知的觀測量分類和表明觀測量特征的變量值推導出判別函數(shù)，并把各觀測量的自變量值帶入判別函數(shù)中，然后根據(jù)判別函數(shù)對觀測量所屬類別進行判別，對比原始數(shù)據(jù)的分類和按判別函數(shù)所判的分類，給出錯誤概率。判別分析的方法有距離判別法、費歇爾判別法和貝葉斯判別法，根據(jù)處理變量方式的不同，又可分為典型法和逐步法，本文將采用費歇爾典型判別法。

1.3 訓練樣本的判別分析

在2011級（2015屆）畢業(yè)生中抽取了137名學生的數(shù)據(jù)信息，將該數(shù)據(jù)作為訓練樣本進行判別分析，所得數(shù)據(jù)結果具體如下：

1.3.1 特征值

從表1中可以看出，特征值表格給出了兩個典型判別函數(shù)所能解釋的方差變異，其中第1個函數(shù)解釋了所有變異的61.8%，第2個函數(shù)解釋了余下的38.2%。

1.3.2 判別函數(shù)的檢驗

“Wilks 的 Lambda”表格（表2）主要用來檢驗各個判別函數(shù)有無統(tǒng)計學上的顯著意義，從sig值來看，兩個函數(shù)在0.05的顯著性水平上是比較顯著的，從而可以接受由此建立的判別規(guī)則。

1.3.3 費歇爾函數(shù)系數(shù)

根據(jù)表3的分類函數(shù)系數(shù)，可直接計算每個樣本觀測點屬于3個類的得分（即將各科成績帶入線性判別式函數(shù)中），然后將此觀測樣本歸為得分最高的類別。

1.3.4 分類結果

由表4可知，2011級（2015屆）畢業(yè)生畢業(yè)去向為1（升學）共有21人，其中正確的判斷為19/21=90.5%，畢業(yè)去向為2（協(xié)議就業(yè)）共有93人，其中正確的判斷為76/93=81.7%，畢業(yè)去向為3（待業(yè)）共有25人，其中正確的判斷為17/25=68%，綜合正確率為112/139=80.6%。其中畢業(yè)去向為待業(yè)的正確率較低，可能原因為：一部分沒有升學成功的學生選擇了再考一年從而形成待業(yè)，還有一部分同學選擇了自主創(chuàng)業(yè)而被歸為了待業(yè)一類，而這類學生的成績特點可能屬于另兩類中之一，所以，如果能夠考慮這些因素，那么判斷的準確率一定會大大提升。

1.4 檢驗樣本的判別分析

在高校的教學過程中，一般來說教師的教學方法和教學風格比較固定，而且同一門課程的任課老師也是比較固定的，那么同一個老師在不同的年級所上的同一門課程的考試成績是否會有顯著的差別呢？為此，在41門課程中，隨機的選擇了5門課程（微積分B1、概率統(tǒng)計、大學英語4、中級財務會計、財務管理）在不同年級的考試成績進行了顯著性檢驗，檢驗結果如表5所示：

由表5可知，5門課程的方差方程的 Levene 檢驗中的Sig值都大于顯著性水平0.05，即表明每門課程不同的年級的成績滿足總體方差齊性，這樣對應假設方差相等的情況下，5門課程的Sig.（雙側）也都大于顯著性水平0.05，即每門課程在不同的年級中學生成績沒有顯著的差異。

由以上的檢驗可知，相鄰的兩個年級的學生成績在同一門課程中具有相似性，因此2011級學生的數(shù)據(jù)信息可以作為12級學生數(shù)據(jù)的訓練樣本，從而將2012級的137名學生的數(shù)據(jù)作為檢驗樣本進行類似的操作，得到如下結果。

由表6可知，2012級（2016屆）畢業(yè)生畢業(yè)去向為1（升學）共有22人，其中正確的判斷為21/22=95.5%，畢業(yè)去向為2（協(xié)議就業(yè)）共有95人，其中正確的判斷為78/95=82.1%，畢業(yè)去向為3（待業(yè)）共有20人，其中正確的判斷為14/20=70%，綜合正確率為113/137=82.5%。同樣畢業(yè)去向為待業(yè)的正確較低。

2 案例的啟示和應用

2.1 數(shù)據(jù)分析

根據(jù)以上的分析，我們發(fā)現(xiàn)可以用上一學年的學生數(shù)據(jù)來對下一年的學生的就業(yè)去向進行預測，這樣我們可以在2012級（2016屆）畢業(yè)生的數(shù)據(jù)信息上對2013級（2017屆）畢業(yè)生的就業(yè)去向進行預測，同理可以在2013級（2017屆）畢業(yè)生的數(shù)據(jù)信息上對2014級（2018屆）畢業(yè)生的就業(yè)去向進行預測，余下依次類推。

按照這樣的啟示，在以2012級（2016屆）學生的數(shù)據(jù)作為訓練樣本的基礎上，我們又收集了380名即將畢業(yè)的2013級（2017屆）會計專業(yè)的學生的成績進行了預測，最終整理結果如表7所示。

2.2 建議

根據(jù)表7可知，將有45名學生的就業(yè)去向被預測為升學，294名學生的就業(yè)去向被預測為協(xié)議就業(yè)，而剩下的41名學生可能面臨待業(yè)。通過這樣的預測，可使學校管理部門更早地進行針對性的就業(yè)指導，如針對預測去向為1（升學）的同學，在大四學期就應該著重考慮升學以繼續(xù)深造，至于考研的專業(yè)取向可根據(jù)自己的專業(yè)優(yōu)勢及個人偏好進行選擇，有數(shù)學優(yōu)勢的可選擇考學術型碩士，數(shù)學相對較弱的可考慮選擇專業(yè)碩士。針對預測去向為2（協(xié)議就業(yè)）的同學，應在立足于初級會計職稱的考試的基礎上更加重視專業(yè)學習，特別在實習時應重點選擇本專業(yè)崗位，而在就業(yè)時應根據(jù)自己的實習情況及個人偏好盡量選擇較好的公司及企業(yè)的會計崗位作為自己的就業(yè)目標。針對預測去向為3（待業(yè)）的同學，在保證自己能順利畢業(yè)的基礎上，注重自己其它方面的培養(yǎng)，比如可在假期間進行駕駛技能培訓，電腦辦公自動化培訓，人際交往與禮儀等方面培訓，其就業(yè)崗位的選擇可多元化。

決定學生就業(yè)去向的因素有多種，而本文從其前6學期的在校成績以及就業(yè)去向間的關聯(lián)這一因素進行了說明分析，結果顯示，在一定程度有一定的預測準確度，可以對學生及相關管理部門在就業(yè)前有些指導，但難免有些不足，如果還能增加考慮其他因素，比如家庭因素、個人特點、學校因素、社會就業(yè)環(huán)境，其結果可能會更加準確。

參考文獻

[1] 向麗蘋.聚類與因子分析在會計專業(yè)學生學習和就業(yè)指導中的應用[J].黃岡師范學院學報，2016.36（3）：108-112.

[2] 姜明明，馬丹.因子分析和聚類分析方法在大學生綜合素質評價中的應用[J].齊齊哈爾大學學報：自然科學版，2013（2）：191-193.

[3] 常浩，逯紀美.多元統(tǒng)計分析在大學生綜合素質評價中的應用[J].數(shù)理統(tǒng)計與管理，2010.29（4）：754-760.

[4] 杜強，賈艷麗.SPSS統(tǒng)計分析從入門到精通[M].北京：人民郵電出版社，2009.3.

[5] 時立文.SPSS19.0統(tǒng)計分析從入門到精通[M].北京：清華大學出版社，2012.