姜英英+李晉明

摘要：本文針對學院綜合實力建立評價指標體系，采用偏最小二乘通徑模型，確定潛變量與觀測變量之間的關系，建立學院綜合實力的評價指數(shù)，并以北京某高校9個學院為例，收集實際數(shù)據(jù)，進行實證分析。通過偏最小二乘通徑模型，計算了模型的通徑系數(shù)和各個學院的綜合實力的得分并進行排名，從而對影響學院綜合實力的因素進行分析，對學院的發(fā)展策略提出建議。

關鍵詞：偏最小二乘通徑模型；學院綜合實力；評價指數(shù)

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2015）27-0155-02

第五章 模型分析

1.唯一維度的檢驗。根據(jù)偏最小二乘通徑模型的要求，首先要對四組變量指標做唯一維度的檢驗。在此采用第一種方法，即第一主成分的特征值要大于1，而第二主成分的特征值要小于1。采用SPSS軟件依次對四組顯變量進行主成分分析。最后，再對各組變量的唯一維度檢驗結果綜合匯總，見表5.1。

可見，5個變量組的第1主成分的特征值都大于1，而其他主成分的特征值都小于1，因此，唯一維度條件都通過檢驗。

根據(jù)復數(shù)據(jù)表分析方法，可以對該高校的9個學院的綜合實力的評價指標構造偏最小二乘通徑模型。在模型圖的左邊是反映5個指標變量（ξ■，ξ■，ξ■，

ξ■，ξ■）的顯變量組x■∶x■，x■∶x■，x■∶x■，x■∶

x■，x■∶x■。而模型圖的右邊，是由所有顯變量組成的一個大的顯變量組，用x■∶x■表示，用來反映相應的潛變量ξ。顯變量和隱變量之間，以及隱變量之間的路徑關系，如圖5。

2.外部權重和觀測變量與潛變量的相關性分析。將原始數(shù)據(jù)導入Smart PLS軟件中，運行軟件，并信息匯總，變量的外部權及其與相應隱變量的相關系數(shù)。將原始數(shù)據(jù)導入Smart PLS軟件中，運行軟件，再對信息匯總，可以得到變量的外部權及其與相應隱變量的相關系數(shù)。由此可知，教師質量ξ■和顯變量x■∶x■的相關性很強；教師科研ξ■和顯變量x■∶x■的相關性很強；學生畢業(yè)ξ■和顯變量x■∶x■的相關性較強，并且和x■負相關；特色課程ξ■和x■∶x■的相關性較弱，但和x■呈很強的負相關；公共課程ξ■和x■∶x■有較強的相關性；學院綜合實力ξ和x■∶x■、x■有較強的相關性；但和x■∶x■、x■∶x■、x■有較弱的相關性。從中可以看出，大部分潛變量與顯變量的相關程度都較高，相關系數(shù)越大，意味著潛變量越能解釋對應的顯變量，因此本模型中的潛變量較好地概括了顯變量組的信息。

3.路徑系數(shù)的分析。為了分析隱變量之間的關系，計算出內部模型，需要利用SmartPLS軟件處理數(shù)據(jù)從而計算出路徑系數(shù)，輸出結果見表5.2。

所以：由路徑系數(shù)知，內部模型可表示為：ξ=0.333212*ξ■+0.531583*ξ■+0.146376*ξ■+

0.04103*ξ■+0.153913*ξ■。其中：該結構方程的R■.=1，說明5個指標教師質量、教師科研、學生畢業(yè)發(fā)展、特色課程掌握、公共課程掌握可以很好的解釋學院綜合實力，解釋率超過50%，影響顯著，模型擬合程度高。比較偏最小二乘通徑模型計算出來的通徑系數(shù)的大小，可以看出在該高校對學院綜合能力影響由大到小的因素依次為：教師科研，教師質量，公共課程掌握，學生畢業(yè)發(fā)展，特色課程掌握。

4.潛變量得分的分析。為分析比較各學院的綜合實力以及在5個潛變量方面的排名，可以由內部模型

ξ=0.333212*ξ■+0.531583*ξ■+0.146376*ξ■+0.04103*ξ■+0.153913*ξ■。計算出各個潛變量的得分，經(jīng)運行軟件Smart PLS輸出各潛變量的得分，再對六組潛變量的得分進行排名，綜合各排名，見5.3。

從上表來看，9個學院中，食品學院和商學院的綜合實力較強，尤其是食品學院，綜合實力的得分遠高于其他學院，在教師質量、教師科研、學生畢業(yè)、特色課程、公共課程這5個評價指標里有4個排名前三位；而藝傳學院和外國語學院的綜合實力最弱，其中外國語學院的學院綜合實力得分遠低于其他學院，該學院在5個指標中有4個都排在最后一名。

5.聚類分析。在得到五組潛變量的得分后，可以用它們對學院進行分類。在此可以利用k-均值聚類將9個學院分為4類，利用SPSS軟件進行聚類分析。輸出結果見表5.4。

參照各學院的綜合實力得分排名，該聚類分析結果與排名基本相符。

第六章 結論

本文利用PLS通徑模型的方法，以北京某高校進行實證分析，建立學院綜合實力的評價指標體系，并對其綜合實力進行評估排名。由此可知，對學院綜合實力影響最大的三個方面依次為教師質量、教師科研、學生畢業(yè)發(fā)展情況，因此要加重視這三個方面的發(fā)展，才能更好地促進學院的發(fā)展。同時，該方法還可以充分提取原始指標信息，建立一個既能夠綜合潛變量又能很好地代表原有指標的綜合評價指數(shù)。并且采取偏最小二乘的處理方法，可以在較大程度上克服變量間多重共線性的影響，從而使評價結果更全面合理。

參考文獻：

[1]王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法[M].北京：國防工業(yè)出版社，2006.

[2]吳喜之.統(tǒng)計學：從數(shù)據(jù)到結論[M].北京：中國統(tǒng)計出版社，2006.

[3]茆詩松，程依明，濮曉龍.概率論與數(shù)理統(tǒng)計教程[M].北京：高等教育出版社，2009.

[4]廖穎林.構成型顧客滿意度模型的偏最小二-乘路徑建模及其應用[J].數(shù)理統(tǒng)計與管理，2009，28（1）：89-97.

[5]王惠文，付凌暉.PLS路徑模型在建立綜合評價指數(shù)中的應用[J].系統(tǒng)工程理論與實踐，2004，（10）：80-85.endprint