摘 要：全國黨校工作會和全國高校思想政治工作會，都給如何加強大學生的思想政治狀況指明了方向。高校學生黨校是加強大學生思想政治教育的主要渠道和途徑，本文通過對黨校學生進行問卷調查，了解黨校開展的整體情況，同時對問卷結果進行實證分析，找出影響黨校開展情況的重要因素。

關鍵詞：黨校 開展情況 實證分析

一、研究背景

全國黨校工作會和全國高校思想政治工作會，都強調了要加強大學生的思想政治教育，把思想政治教育貫穿教育教學全過程，高校的思想政治工作要做到因事而化、因時而進、因勢而新。大學生黨校是學生教育培養(yǎng)的重要載體和主要陣地，是高校開展思想政治教育的有效渠道和關鍵環(huán)節(jié)，筆者前期針對高校學生黨校育人效果就天津某高校學生黨校開展情況進行隨機調查，結果發(fā)現學生黨校建設在較大比例上存在著問題，例如缺乏固定的標準、課程設置隨意性較強、育人方案較為固化、交互機制不明顯、黨校育人效果參差不齊等。因此本文計劃對學生黨校組織開展情況進行進一步深入分析，找出影響黨校育人，從而推進黨校的規(guī)范化建設。

二、研究主要內容

為了科學地完成本論文研究，筆者一以天津某高校為調研對象，通過在黨校學員中分層隨機抽樣的方法選定學生，發(fā)放調查問卷進行調查研究。在調研中共發(fā)放問卷300份，收回有效問卷290份，問卷有效率為96%。問卷共設置19個問題，其中1-4題為基本信息，5-17題為客觀問題，其中10、11題采用里克特量表設置，18-19題為開放性問題。

問題“此次培訓前，黨校的組織方是否征集過你的想法”，和問題“在此次黨校培訓中，你的參與互動感是否強烈，分別有61%和57%的調查對象給出了肯定的回答；177人對問題“同期參訓學員出勤良好”回答“非常同意”；問題10.2“培訓中我的作用無可替代”僅有75人回答“非常同意”，135人回答“同意”，80人無法確定或給出了“不同意”；228人對問題“此次培訓是否有安排互聯網學習或互動的內容”給出了肯定回復；279人對“此次培訓是否有安排線下實踐課程”持肯定意見。為進一步了解哪些問題點對黨校開展情況影響最大，我們對問卷的整體情況進行實證分析。

三、實證分析

（一）因子分析在本課題中的應用

因子分析法主要是用少數幾個因子來反映原始資料大部分指標之間聯系的統計學方法，它實質上是在保證數據信息丟失最少情況下，一種對高維變量空間進行化繁為簡的降維處理方法，因為在低維空間對于系統的解釋將更為簡單。因子分析后的因子變量的數量遠少于原有的指標變量的數量，變量數量的減少并不是一個簡單的取舍，而是一種通過因子分析后的重新組構；另外，重組后的因子變量之間并不存在顯著的線性相關，并且還具有命名解釋性，可以反映變量之間相互依賴的關系。

本文研究的黨校規(guī)范化建設問題，主要是通過以ISO9000族標準的八項質量管理原則為基礎，在前期進行的問卷調查中，剔除基本信息和主觀題，共有18個問題圍繞ISO9000族標準的八項原則展開，即有18個變量對最后的結果做解釋。本課題將采用因子分析法對我們的問卷進行深層次的研究，通過因子分析，將18個變量提煉為5個主因子，并確定該5個主因子的權重，由這5個因子對最后的結果做解釋，從而為黨校的規(guī)范化建設提供參考依據和可行性建議。

（二）因子分析的具體過程

1.數據處理

問卷中我們設置的問題均為是否題或者程度題，都是分類變量，并不是數值型的變量，并不方便我們進行計量分析，因此，我們對于原始變量進行賦值。是否題賦1分或者2分，程度題依據程度強弱賦1分、2分、3分、4分、5分。

本文采用的是Z-score法，標準化后的數值均值為0，方差為1。我們將賦值處理后的數據帶入SPSS統計軟件進行因子分析。本文的統計結果均來自SPSS 16.0。

2.相關性分析

因子分析的潛在要求是原有變量之間有比較強的相關性，因此我們需要進行可行性分析來計算原始變量之間的相關系數矩陣。SPSS分析將采用KMO檢驗和巴特利特球形檢驗。KMO檢驗主要是用于比較變量之間的簡單相關系數和偏相關系數，KMO值介于0-1之間，越接近于1，表明所有變量之間簡單相關系數平方和遠大于偏相關系數平方和，那么就越適合做因子分析；Bartlett球形檢驗是以變量的相關系數矩陣作為出發(fā)點，它的零假設H0為相關系數矩陣是一個單位陣，即原始變量兩兩之間不相關。因子分析檢驗結果如表5.1所示。

檢驗結果表明，KMO檢驗值為0.779，大于0.7，適合進行因子分析；巴特利特球形檢驗結果顯示，近似卡方值為1.233E3，顯著性概率為.000，小于0.01，說明原相關系數不是單位矩陣，存在相關性，所以拒絕球度檢驗的零假設，認為適合于做因子分析。

3.形成碎石圖

碎石圖是一個下降的曲線，X軸表示可能的因子數，Y軸表示特征值，在整個曲線的下降過程中，出現了一個拐點即陡坡和緩坡的界限，該拐點對應的X軸數字即應保留的因子數，本文的碎石圖中拐點對應的X軸數值為5，即應該保留5個因子。且前5個特征值點對應的Y軸特征根大于1。

4.總方差分解表

繼續(xù)進行因子分析，由相關系數矩陣我們可以得到特征值、方差貢獻率和累計貢獻率，如表5.2總方差分解表所示。由總方差分解表，我們可以發(fā)現，因子1的方差貢獻率為37.644%，因子2的方差貢獻率為13.616%，因子3的方差貢獻率為8.615%，因子4的方差貢獻率為7.211%，因子5的方差貢獻率為5.731%。前5個因子的累積方差貢獻率已達到72.818%，說明前5個因子已經解釋了我們所要研究的現象的72.818%。而通常地，社會研究抽取的解釋度在70%以上就可行，所以我們選擇前5個因子做為我們的主因子是合適的。這與前文的碎石圖結果對應一致。endprint

5.初始因子荷載矩陣

該矩陣形成了5個公因子，這5個公因子是對原有的18個變量的綜合，因子荷載量顯示的是公因子與原變量之間的相關性，該絕對值的大小描繪了該主成分的主要意義和成分，能夠反映出主成分和原始變量之間的一個親疏關系，即各原始變量對主成分的影響程度。該5個主成分公因子中的每個因子對應于各原始變量的系數并沒有太大的差別，例如，該5個主因子對應于變量15，相應的荷載值分別為0.349、0.399、0.424、0.069和0.342，這五個荷載值之間差別并不大，因此，我們對這5個主因子命名就比較困難。為了消除因子中各原始變量的系數沒有明顯的差別對于我們進行分析造成的困難，下面我們將對上述的初始因子荷載矩陣進行旋轉，我們采用的旋轉方法是方差最大化（Viramax）旋轉。

6.旋轉后的因子荷載矩陣

經過旋轉后的因子荷載矩陣的公因子對應于原始變量的系數發(fā)生了較大的變化，因子間的差異更明顯，而且可以更加直觀地看出這18個原始變量分別是對哪個公因子影響程度最大，同時，也方便我們對因子變量進行命名解釋。

7.公因子提煉余名

公因子1主要體現了黨校每節(jié)課的課前準備、內容安排、學習方式、授課教員、課堂紀律、黨校組織方的表現等方面，是針對每一節(jié)課程的評價，在這里，我們將公因子1進行命名為單課質量。

公因子2主要體現了黨校是否安排有線上互動、線下實踐、與同期學員互動的等方面的情況，因此我們將公因子2命名為互動機制。

公因子3主要包含是否知曉黨校管理制度、是否知曉計劃和方案、結業(yè)證書的取得等方面的情況，因此我們將公因子3命名為整體規(guī)劃。

公因子4包含黨校組織方是否征集過你的想法、你在培訓中參與感很強烈、培訓中我的作用無可替代等，這幾個變量都是強調重視客體的意見，因此我們將公因子4命名為客體作用。

公因子5包含你對課程是否滿意，你的入黨意愿是否更加強烈等，因此我們將公因子5命名為客體反饋。

參考文獻

[1]李志兵. 新時期高校學生黨校教育實效性探索[J]. 延邊黨校學報，2014，（06）：45-47.

[2]柏永全，韋麗娃.高校黨校教學育人探析[J].才智，2014，（04）：136.

[3]王秀華，高思.關于高校黨校建設科學化的思考[J].商，2015，（17）：56.

備注：課題項目

本論文為2017年度天津市教委重點調研課題《基于ISO9000族標準的高校學生黨校評價指標體系建設》（課題編號為JWDY-20171023）的階段性研究成果。課題組成員包括戚煥、劉漢川、宋鑫、馬建偉、齊培培等。成果執(zhí)筆人為劉漢川。endprint