王煜 劉彤彤 郭磊

摘 要：本文在獲取校園一卡通數(shù)據(jù)的基礎(chǔ)上，采用數(shù)據(jù)挖掘與Logistic回歸分析方法，以某高校的助學(xué)金發(fā)放為例，分析助學(xué)金獲得者的共同特征，為其建立數(shù)學(xué)模型，以期完成精準(zhǔn)資助，幫助真正家庭貧困的同學(xué)順利完成學(xué)業(yè)。

關(guān)鍵詞：助學(xué)金；數(shù)據(jù)挖掘；影響因素；Logistic回歸分析

中圖分類號：G467.8 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2018）17-0064-03

一、引言

助學(xué)金是幫助困難學(xué)生完成學(xué)業(yè)，保障學(xué)習(xí)質(zhì)量的重要手段。精確的助學(xué)金資助策略，體現(xiàn)了決策者的管理智慧和教育公平性。目前國內(nèi)許多學(xué)者主要關(guān)注以下幾個方面的研究內(nèi)容：①助學(xué)金管理模式的探索及體系的完善。國內(nèi)學(xué)者從影響資助的不同因素出發(fā)，構(gòu)建了多樣化的資助評價體系。如余春玲根據(jù)平衡加分卡思想，分析了目前高校貧困學(xué)生資助模式存在的問題，并基于平衡記分卡，構(gòu)建了一個包含財(cái)務(wù)、客戶、內(nèi)部流程管理過程、學(xué)習(xí)與成長四個方面指標(biāo)的高校貧困學(xué)生資助評價體系。[1]張彥坤結(jié)合高校國家助學(xué)金評定實(shí)際情況，構(gòu)建了一套包括4項(xiàng)一級指標(biāo)、12項(xiàng)由一級指標(biāo)細(xì)化而來的子因素的助學(xué)金量化評定指標(biāo)體系。[2]②助學(xué)金制度績效調(diào)查分析。國內(nèi)學(xué)者大多從財(cái)政教育投資的投入、活動、產(chǎn)出、結(jié)果和影響等方面，多角度構(gòu)建了多層次的高等教育績效評價體系。[3]如陳綿水等從助學(xué)金發(fā)放（資金投入指標(biāo)）、助學(xué)金使用（過程指標(biāo)）、助學(xué)金效果（產(chǎn)出指標(biāo)）三個方面評價助學(xué)金制度績效，得出我國助學(xué)金評定基本做到公平公正，但仍存在宣傳工作不盡人意，信息不夠暢通，存在少量暗箱操作等問題。[4]③關(guān)于影響助學(xué)金發(fā)放的因素模型的探究。國內(nèi)學(xué)者大多綜合利了模糊評價與熵權(quán)法，建立模糊評價模型。[5]如夏陽針對資助判定問題，運(yùn)用模糊層次分析方法，構(gòu)造模糊一致矩陣，建立了助學(xué)金判定模型。[6]也有學(xué)者利用了SPSS中的多元線性回歸模型。如鄧海云進(jìn)行多元線性回歸分析，應(yīng)用 stepwise方法，建立了評定的多元線性回歸關(guān)系模型。[7]

現(xiàn)有文獻(xiàn)研究多局限于理論層面的宏觀分析，實(shí)證分析和數(shù)學(xué)模型的輔助研究較少，并且已有的實(shí)證分析大都是通過問卷調(diào)查得到的數(shù)據(jù)，具有一定的主觀性。本文則針對某高校校園一卡通的客觀數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)，利用相關(guān)性分析提取與獲得助學(xué)金與否有關(guān)的特征因子，以期進(jìn)行精準(zhǔn)助學(xué)金發(fā)放。本文的數(shù)據(jù)直接來自于較為客觀的學(xué)生一卡通數(shù)據(jù)，在此基礎(chǔ)上，本文將獲得助學(xué)金與否作為被解釋變量，建立二分類Logistic回歸模型來直觀說明影響助學(xué)金獲得與否的關(guān)鍵因素。

二、模型設(shè)計(jì)

邏輯回歸又稱logistic回歸，是一種廣義線性回歸，用于在被解釋變量是非連續(xù)情況下進(jìn)行回歸分析。根據(jù)被解釋變量的分類方式不同，有二分類logistic回歸和多分類logistic回歸。

1.模型選擇

2.變量選取

三、實(shí)證分析

本文根據(jù)某高校學(xué)生一卡通數(shù)據(jù)，選取108名學(xué)生作為樣本，進(jìn)行實(shí)證研究。

1.變量描述性統(tǒng)計(jì)分析

本文從極小值、極大值、均值、標(biāo)準(zhǔn)差四個方面對108名學(xué)生一個月的一卡通數(shù)據(jù)進(jìn)行描述。在各消費(fèi)中，食堂消費(fèi)的均值最大，為318.5，說明該校學(xué)生的花銷大多用于伙食消費(fèi)；成績排名的標(biāo)準(zhǔn)差最大，達(dá)到843.5，說明所選學(xué)生的學(xué)習(xí)存在明顯的兩極分化；開水房消費(fèi)與坐校車次數(shù)的極小值為0，說明開水房消費(fèi)與校車消費(fèi)并不是學(xué)生的必須消費(fèi)；去圖書館次數(shù)的標(biāo)準(zhǔn)差較大，說明學(xué)生的學(xué)習(xí)態(tài)度存在較大差異。具體描述情況見表2。

2.多重共線性分析

Hanushek和Jackson認(rèn)為Logistic回歸模型的參數(shù)易受解釋變量間共線性的影響[11]，由于本文是多因素分析，為了防止各變量存在多重共線性，避免各個變量之間的相互影響，保證結(jié)果的準(zhǔn)確性，首先對解釋變量與被解釋變量進(jìn)行多重共線性檢驗(yàn)。[12]

本文選取方差膨脹因子（VIF）和條件索引（CI）來檢驗(yàn)變量間的共線性[13]，一般認(rèn)為VIF值越大則變量共線性越強(qiáng)，VIF≥5時存在復(fù)共線性，VIF≥10時存在嚴(yán)重共線性。當(dāng)條件索引 30≥CI≥10 時存在弱共線性，100≥CI≥30 時存在中等共線性，CI>100時存在嚴(yán)重共線性。而當(dāng)CI<10時認(rèn)為不存在共線性。

從表3的多重共線性分析結(jié)果可以看到，各個解釋變量的方差膨脹因子（VIF）的最大值為1.182，未超過5；條件索引（CI）的最大值為7.481，小于10，說明各變量之間不存在多重共線性問題，可以在一個模型中使用。

3.邏輯回歸分析

本文選取H-L擬合優(yōu)度檢驗(yàn)[14-15]來判斷模型的擬合情況，零假設(shè)為模型能夠很好地?cái)M合數(shù)據(jù)。分析結(jié)果顯示，Sig=0.596>0.1，接受零假設(shè)，說明模型擬合數(shù)據(jù)程度好。

表4是對所有變量進(jìn)行二元邏輯回歸的結(jié)果。結(jié)果顯示，食堂消費(fèi)、開水房消費(fèi)與獲得助學(xué)金與否在1%的概率水平下呈顯著的負(fù)相關(guān)關(guān)系；坐校車的次數(shù)與獲得助學(xué)金與否在10%的概率水平下呈顯著的負(fù)相關(guān)關(guān)系。而超市消費(fèi)、成績排名、去圖書館次數(shù)與獲得助學(xué)金與否的關(guān)系并不明顯。

四、總結(jié)

1.結(jié)論分析

通過構(gòu)建logistic回歸模型以分析助學(xué)金獲得與否的影響因素，確定被解釋變量、選取解釋變量、檢驗(yàn)變量間多重共線性、檢驗(yàn)?zāi)Ｐ蛿M合度并利用SPSS軟件進(jìn)行模型分析與檢驗(yàn)，得出以下結(jié)論：食堂消費(fèi)、開水房消費(fèi)、坐校車的次數(shù)與獲得助學(xué)金與否呈顯著的負(fù)相關(guān)關(guān)系；而超市消費(fèi)、成績排名、去圖書館次數(shù)與獲得助學(xué)金與否的關(guān)系不明顯。

本文認(rèn)為，食堂、開水房、校車等場所只能以學(xué)生一卡通作為消費(fèi)的途徑，可以較好地反映學(xué)生的實(shí)際經(jīng)濟(jì)情況，而超市等場所除可用學(xué)生一卡通支付外，還可使用現(xiàn)金，不能較好地反映學(xué)生的實(shí)際經(jīng)濟(jì)情況。由此可見，可以根據(jù)學(xué)生一卡通的食堂消費(fèi)、開水房消費(fèi)、坐校車次數(shù)等因素進(jìn)行助學(xué)金的評定，而超市消費(fèi)則不能作為評定的依據(jù)。同時，學(xué)生的用功情況及學(xué)習(xí)成績也不作為評定的依據(jù)。

2.對策建議

由實(shí)驗(yàn)可得出，評定助學(xué)金可以以學(xué)生一卡通信息為依據(jù)，但通過一卡通信息進(jìn)行助學(xué)金評定時，應(yīng)選擇學(xué)生的食堂消費(fèi)、開水房消費(fèi)、坐校車次數(shù)等單消費(fèi)途徑的因素，超市消費(fèi)等多消費(fèi)途徑的因素由于不能反映學(xué)生的實(shí)際經(jīng)濟(jì)情況，不應(yīng)在考慮范圍之內(nèi)。

在此提出建議：在評定助學(xué)金時，通過學(xué)生一卡通消費(fèi)情況確定其家庭經(jīng)濟(jì)情況，以此作為發(fā)放的依據(jù)。在家庭經(jīng)濟(jì)情況相同時，可以優(yōu)先考慮評選學(xué)習(xí)成績較好、學(xué)習(xí)態(tài)度端正的學(xué)生，將學(xué)習(xí)情況也納入評定助學(xué)金的指標(biāo)，以此激勵學(xué)生刻苦學(xué)習(xí)。

參考文獻(xiàn)：

[1]余春玲.基于平衡記分卡的高校貧困學(xué)生資助評價體系[J].江蘇高教，2009（1）：117-118.

[2]張彥坤.高校國家助學(xué)金量化評定管理模式探索[J].思想政治教育研究，2013（3）：105-107.

[3]劉國永.高等教育財(cái)政支出績效評價指標(biāo)設(shè)計(jì)原理方法及運(yùn)用[J].教育與經(jīng)濟(jì)，2007（3）：30-35.

[4]陳綿水，付劍茹，施文藝.國家助學(xué)金制度績效調(diào)查分析[J].江西社會科學(xué)，2013（11）：232-236.

[5]侯其鋒.基于熵權(quán)法與模糊綜合評價模型的助學(xué)金評定方法[J].高校輔導(dǎo)員學(xué)刊，2012（5）：61-64.

[6]夏陽，蔣誠鋼.基于模糊層次分析法的高校國家助學(xué)金評定模型[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)（社會科學(xué)版），2017（4）：437-441.

[7]鄧海云，熊良林，顏莉.基于SPSS助學(xué)金評選獲評因素的MLR模型構(gòu)建[J].云南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（2）：119-123.

[8]蘇磊.不同公司規(guī)模下公司治理結(jié)構(gòu)與信息披露質(zhì)量的關(guān)系研究[D].濟(jì)南：山東大學(xué)，2012.

[9]付劍茹，張偉，陳綿水.針對微觀數(shù)據(jù)的新國家助學(xué)金政策——LOGIT模型實(shí)證分析[J].現(xiàn)代教育管理，2014（9）：64-68.

[10]牛巖.作物產(chǎn)量指標(biāo)綜合評價的數(shù)據(jù)標(biāo)準(zhǔn)化處理[J].農(nóng)村經(jīng)濟(jì)與科技，2017（19）：16-19.

[11]蔣紅衛(wèi)，張羅漫，孟虹.Logstic回歸模型共線性三種降維方法的模擬比較研究[J].中國衛(wèi)生統(tǒng)計(jì)，2010（6）：562-566.

[12]白雪梅，趙松山.更深入地認(rèn)識多重共線性[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2005（2）：8-12.

[13]魏晨，陳英，白志遠(yuǎn)，黃思琴.基于Logic回歸模型的農(nóng)民宅基地退出意愿測算——以玉泉鎮(zhèn)4個村莊為例[J].中國農(nóng)學(xué)通報(bào)，2014（32）：114-121.

[14]吳明隆.問卷統(tǒng)計(jì)分析實(shí)務(wù)——SPSS 操作與應(yīng)用[M].重慶：重慶大學(xué)出版社，2010.

[15]康逸.基于邏輯回歸模型下微商市場中消費(fèi)者意愿的影響因素實(shí)證分析——以杭州市為例[J].當(dāng)代經(jīng)濟(jì)，2016（28）：38-40.

（編輯：王曉明）