学生学习成绩与就业去向间的判别分析

摘 要 本文在分析已毕业的学生的在校学习成绩和毕业去向等相关信息的基础上，利用判别分析建立了费歇尔判别函数，结果表明，该判别函数在判别学习成绩和毕业去向间的关联上具有一定的准确性，从而利用该方法可以进一步对即将毕业的学生的就业去向进行预测，以便更好地对其进行就业指导。

关键词 判别分析 显著性检验 就业去向

中图分类号：G645 文献标识码：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

近年来，每年毕业的大学生有增无减，就业形势愈加严峻，作为即将毕业的大学生，及早进行职业规划已是势在必行。而如果对自身的特点和社会需求有所了解，特别是了解到学习特点与就业去向之间存在一定的关联，无疑对自己的就业指导产生一定的积极影响。

目前，关于对学生学习特点和就业间的关联的研究还比较少，较多的研究大都在于对学生按照学习成绩进行分类或者排序。[1-3]所采用的方法一般是利用因子分析或聚类分析进行单一的分类或者同时采用聚类分析与因子分析两种方法进行综合评价，相互印证，从而对学生的类型进行分类，然后在分类或排序的基础上再对学生的就业进行指导。而聚类分析是在不知道类别数目的情况下对样本数据进行分类，如果在已知学生就业去向的情况下，则可考虑利用判别分析来对学生的学习类型与毕业去向间的关联进行分析，以达到对即将毕业的学生的就业去向给出些建议。本文正是欲从该方面入手，拟在获取已经毕业的学生在校学习成绩以及毕业去向等相关数据后，利用一定的数学模型，研究它们之间的内在联系和因果规律，从而给即将毕业的学生进行就业指导，当然也可对刚进校的学生以启示。

1 案例分析

1.1 数据准备

本文抽取了武昌首义学院会计专业2011级的139名学生以及会计2012级137名学生的在校成绩、就业去向等相关数据，并对数据的真实性进行了审核。对于数据的进一步选取作如下的解释：

（1）考虑到学生就业去向的决定阶段在大四期初，也就是第7学期期初，所以我们选取了前6个学期的成绩。

（2）考虑到校选课以及体育课的不统一性，我们在选取数据时，没有考虑其这些课程的成绩，最终选取了41门课程的成绩。

（3）为讨论方便，对每位学生的就业去向进行了编号，分别用编号1表示升学、出国留学，编号2表示协议就业，编号3表示待业或灵活就业。

对于收集到的学生成绩以及就业去向等数据，先将2011级的数据作为训练样本进行判别分析，然后将2012级的数据作为检验样本进行检验，最后根据数据结果对2013级的学生就业去向给出一些建议，本文拟用判别分析做些探讨。

1.2 判别分析概述

判别分析是在已知分类数目的情况下，根据一定的指标对不知类别的数据进行归类。判别分析的基本思想是：利用原有的分类信息，得到体现这种分类的函数关系式（称为判别函数，一般是与分类相关的若干个指标的线性关系式），然后利用该函数去判断未知样本属于哪一类。可以f，判别分析是一个学习和预测的过程。

本文拟采用统计软件SPSS进行判别分类，[4-5]判别过程根据已知的观测量分类和表明观测量特征的变量值推导出判别函数，并把各观测量的自变量值带入判别函数中，然后根据判别函数对观测量所属类别进行判别，对比原始数据的分类和按判别函数所判的分类，给出错误概率。判别分析的方法有距离判别法、费歇尔判别法和贝叶斯判别法，根据处理变量方式的不同，又可分为典型法和逐步法，本文将采用费歇尔典型判别法。

1.3 训练样本的判别分析

在2011级（2015届）毕业生中抽取了137名学生的数据信息，将该数据作为训练样本进行判别分析，所得数据结果具体如下：

1.3.1 特征值

从表1中可以看出，特征值表格给出了两个典型判别函数所能解释的方差变异，其中第1个函数解释了所有变异的61.8%，第2个函数解释了余下的38.2%。

1.3.2 判别函数的检验

“Wilks 的 Lambda”表格（表2）主要用来检验各个判别函数有无统计学上的显著意义，从sig值来看，两个函数在0.05的显著性水平上是比较显著的，从而可以接受由此建立的判别规则。

1.3.3 费歇尔函数系数

根据表3的分类函数系数，可直接计算每个样本观测点属于3个类的得分（即将各科成绩带入线性判别式函数中），然后将此观测样本归为得分最高的类别。

1.3.4 分类结果 由表4可知，2011级（2015届）毕业生毕业去向为1（升学）共有21人，其中正确的判断为19/21=90.5%，毕业去向为2（协议就业）共有93人，其中正确的判断为76/93=81.7%，毕业去向为3（待业）共有25人，其中正确的判断为17/25=68%，综合正确率为112/139=80.6%。其中毕业去向为待业的正确率较低，可能原因为：一部分没有升学成功的学生选择了再考一年从而形成待业，还有一部分同学选择了自主创业而被归为了待业一类，而这类学生的成绩特点可能属于另两类中之一，所以，如果能够考虑这些因素，那么判断的准确率一定会大大提升。

1.4 检验样本的判别分析

在高校的教学过程中，一般来说教师的教学方法和教学风格比较固定，而且同一门课程的任课老师也是比较固定的，那么同一个老师在不同的年级所上的同一门课程的考试成绩是否会有显著的差别呢？为此，在41门课程中，随机的选择了5门课程（微积分B1、概率统计、大学英语4、中级财务会计、财务管理）在不同年级的考试成绩进行了显著性检验，检验结果如表5所示：

由表5可知，5门课程的方差方程的 Levene 检验中的Sig值都大于显著性水平0.05，即表明每门课程不同的年级的成绩满足总体方差齐性，这样对应假设方差相等的情况下，5门课程的Sig.（双侧）也都大于显著性水平0.05，即每门课程在不同的年级中学生成绩没有显著的差异。

由以上的检验可知，相邻的两个年级的学生成绩在同一门课程中具有相似性，因此2011级学生的数据信息可以作为12级学生数据的训练样本，从而将2012级的137名学生的数据作为检验样本进行类似的操作，得到如下结果。

由表6可知，2012级（2016届）毕业生毕业去向为1（升学）共有22人，其中正确的判断为21/22=95.5%，毕业去向为2（协议就业）共有95人，其中正确的判断为78/95=82.1%，毕业去向为3（待业）共有20人，其中正确的判断为14/20=70%，综合正确率为113/137=82.5%。同样毕业去向为待业的正确较低。

2 案例的启示和应用

2.1 数据分析

根据以上的分析，我们发现可以用上一学年的学生数据来对下一年的学生的就业去向进行预测，这样我们可以在2012级（2016届）毕业生的数据信息上对2013级（2017届）毕业生的就业去向进行预测，同理可以在2013级（2017届）毕业生的数据信息上对2014级（2018届）毕业生的就业去向进行预测，余下依次类推。

按照这样的启示，在以2012级（2016届）学生的数据作为训练样本的基础上，我们又收集了380名即将毕业的2013级（2017届）会计专业的学生的成绩进行了预测，最终整理结果如表7所示。

2.2 建议

根据表7可知，将有45名学生的就业去向被预测为升学，294名学生的就业去向被预测为协议就业，而剩下的41名学生可能面临待业。通过这样的预测，可使学校管理部门更早地进行针对性的就业指导，如针对预测去向为1（升学）的同学，在大四学期就应该着重考虑升学以继续深造，至于考研的专业取向可根据自己的专业优势及个人偏好进行选择，有数学优势的可选择考学术型硕士，数学相对较弱的可考虑选择专业硕士。针对预测去向为2（协议就业）的同学，应在立足于初级会计职称的考试的基础上更加重视专业学习，特别在实习时应重点选择本专业岗位，而在就业时应根据自己的实习情况及个人偏好尽量选择较好的公司及企业的会计岗位作为自己的就业目标。针对预测去向为3（待业）的同学，在保证自己能顺利毕业的基础上，注重自己其它方面的培养，比如可在假期间进行驾驶技能培训，电脑办公自动化培训，人际交往与礼仪等方面培训，其就业岗位的选择可多元化。

决定学生就业去向的因素有多种，而本文从其前6学期的在校成绩以及就业去向间的关联这一因素进行了说明分析，结果显示，在一定程度有一定的预测准确度，可以对学生及相关管理部门在就业前有些指导，但难免有些不足，如果还能增加考虑其他因素，比如家庭因素、个人特点、学校因素、社会就业环境，其结果可能会更加准确。

参考文献

[1] 向丽苹.聚类与因子分析在会计专业学生学习和就业指导中的应用[J].黄冈师范学院学报，2016.36（3）：108-112.

[2] 姜明明，马丹.因子分析和聚类分析方法在大学生综合素质评价中的应用[J].齐齐哈尔大学学报：自然科学版，2013（2）：191-193.

[3] 常浩，逯纪美.多元统计分析在大学生综合素质评价中的应用[J].道硗臣朴牍芾恚2010.29（4）：754-760.

[4] 杜强，贾艳丽.SPSS统计分析从入门到精通[M].北京：人民邮电出版社，2009.3.

[5] 时立文.SPSS19.0统计分析从入门到精通[M].北京：清华大学出版社，2012.