基于结构方程模型的高校大学生满意度模型设计应用

辛 英

(山东工商学院数学与信息科学学院，山东烟台264005)

1 高校大学生满意度问题研究的目的和意义

从70年代末至本世纪初近30年的“学历时代”，拥有本、专科学历是个人发展的重要条件。但随着学历教育的年年扩招，本、专科生数量急剧上升，目前社会已进入“后学历时代”，“后学历时代”拼的是实力。如何提高每个大学生的实力，同时伴随而来的问题就是如何提高学校的教学质量，更好地促进高校事业健康蓬勃的发展，这也是当前社会普遍关注和讨论的一个话题。

通过对高校大学生的满意度进行研究，不但能够更好地了解现在大学生的需求以及心理状态，以便采取有效的措施提高他们的心理素质和思想道德素质;同时学校也可以根据满意度调查信息的反馈查缺补漏，不断提高教师的教学水平、业务水平以及指导水平，学校也可以提高自己本身的管理水平和教育水平，为吸引更多的学生做好充分的准备。因此对满意度的研究目前是一个热门话题，分析此类问题的文章也不在少数，但是通过使用结构方程模型进行定量分析的却很少，因为此模型本身可变性比较大，分析比较复杂。本文即在融合其它方法的基础上构建了大学生满意度的结构方程模型。

2 结构方程模型介绍

结构方程模型(Structural Equation Modeling，简称SEM)是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、市场、管理等研究领域，有时需要处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量(即潜变量)，这些都是传统的统计方法不能很好解决的问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/因变量预测模型的参数估计，同时SEM是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型中的一种特例。

简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。

目前，已经有多种软件可以处理 SEM，包括:LISREL，AMOS，EQS，Mplus。本文采用 AMOS17.0软件进行模型分析。

3 结构方程模型的基本步骤

测量方程用来描述指标与潜变量之间的关系，用下述模型表示:

这里，X=(x1，x2，…，xm)T是由 m 个外生指标构成的列向量;ζ=(ζ1，ζ2，…，ζu)T是由 u 个外生潜变量构成的列向量;An是一个m×u维的矩阵，称作X在ζ上的因子负荷阵，描述了外生指标与外生潜变量之间的关系;δ=(δ1，δ2，…，δm)T是 m 维的误差项列向量。Y=(y1，y2，…，yn)T是由n个内生指标构成的列向量;η =(η1，η2，…，ηv)T是由 v个内生变量构成的列向量;ε =(ε1，ε2，…，εn)T是 n 维的误差列向量。

结构方程用来描述外生潜变量与内生潜变量之间的关系，用下述模型表示:

这里，η，ζ同上定义;B是一个v×v维的矩阵，描述内生潜变量之间的关系;Γ是一个v×u的矩阵，是η在上ξ的负荷，描述外生潜变量对内生潜变量的影响;γ =(γ1，γ2，…，γv)T为一个 v维结构模型残差项列向量，反应模型中未能解释η的部分。

下面将详细描述这五个步骤。

(1)模型设定。研究者根据先前的理论以及已有的知识，通过推论和假设形成一个关于一组变量之间相互关系(常常是因果关系)的模型。这个模型也可以用路径表明制定变量之间的因果联系。

(2)模型识别。模型识别是设定SEM模型时的一个基本考虑。只有建设的模型具有识别性，才能得到系统各个自由参数的唯一估计值。其中的基本规则是，模型的自由参数不能够多于观察数据的方差和协方差总数。

(3)模型估计。SEM模型的基本假设是观察变量的反差、协方差矩阵是一套参数的函数。把固定参数值和自由参数的估计带入结构方程，推导方差协方差矩阵Σ，使每一个元素尽可能接近于样本中观察变量的方差协方差矩阵S中的相应元素。也就是，使Σ与S之间的差异最小化。在参数估计的数学运算方法中，最常用的是最大似然法(ML)和广义最小二乘法(GLS)。

(4)模型评价。在已有的证据与理论范围内，考察提出的模型拟合样本数据的程度。模型的总体拟合程度的测量指标主要有χ2检验、拟合优度指数(GFI)、校正的拟合优度指数(AGFI)、均方根残差(RMR)等。关于模型每个参数估计值的评价可以用“t”值。

(5)模型修正。模型修正是为了改进初始模型的适合程度。当尝试性初始模型出现不能拟合观察数据的情况(该模型被数据拒绝)时，就需要将模型进行修正，再用同一组观察数据来进行检验。

4 模型研究数据

考虑建立结构方程全模型来研究大学生满意度(内生潜变量)与其各个因素(外生潜变量)之间的关系，并量化这种关系。本文的研究基础，问卷资料来自于第二方的调查资料，而第二方事先并未考虑过用结构方程模型分析问卷。那么，在此运用结构方程模型分析问卷，问卷中的问题就不一定能很好地切合结构方程模型，由此可能引起相当的误差。这也就决定了在确定运用结构方程模型分析问卷时，已有准备可能面对模型出现的整体拟合效果不好等问题。

该次调查的调查对象为某高校大学全日制在读本科生。具体来说，本文仅仅提取在问卷“甄别问题”部分回答“就业”的那部分人的相关信息进行分析。该次调查按学科类别(文科、理科、工科、其他)和年级(大一、大二、大三、大四)将研究总体分为16个层。根据抽样框，在每层中按简单随机抽样抽取30%的班级，同时在抽中的班级中按简单随机抽样抽取40%的学生。

5 模型路径图及运算结果

5.1 模型路径图

在结合研究目的的基础上，首先我们根据相关研究及经验，找出影响大学生的预期就业手段和预期就业地域这两个内生潜变量的外生潜变量。然后，对问卷中的相关指标进行初步归类，建立验证性因子模型，并进行相关的参数估计、不断修正，最终确定潜变量的结构后，再加入结构方程模型。图1为拟采用的结构方程全模型的路径分析图，欲对各路径参数进行估计。

参数估计采用最大似然估计(Maximum Likelihood Estimation，MLS)，在AMOS17.0软件中进行运算，输入数据为第四部分采集到的学生调研数据，经过筛选无效数据，将剩余的有效数据带入。经过迭代16次后收敛，得到完全标准化解的输出结果。

图1 路径分析图

图2 路径参数计算结果图

5.2 模型拟合评价

根据结构方程模型中评价模型拟合优劣的相关理论，通常采用以下几种指标来评价模型的拟合效果:

(1)相对拟合指数(CFI):取值于0-1之间，越接近于1，模型整体拟合越好;

(2)近似均方根误差指数(RMSEA):其值越小越好。一般认为，RMSEA低于0.1表示好的拟合，低于0.05表示非常好的拟合。

(3)调整后的拟合优度指数(AGFI):取值于0-1之间，越接近1，模型整体拟合越好。

本文模型的拟合优劣指标汇总如表1所示。

表1 模型的拟合指数

结合各个拟合指数的判断标准，模型整体拟合效果比较准确。

6 模型结果分析

模型路径图中的学校整体环境等可量化的指标即观测指标，对每一个潜变量的标准化估计参数，一方面对应潜变量的相关程度进行了有效的反应，同时也对潜变量对该指标的解释能力进行了反应。

由AMOS运行的结果可以得出以下结论:

影响学习环境最大的一个因素是学校的整体环境，其因子负荷为0.84，这也与实际情况是相符的，只有学校的大环境好了，学生才能更好地学习。

专业兴趣对教学内容和教学态度都有显著影响，目前社会对人才的需求不仅仅限于数量方面，更要求有质的飞跃。学生为适应社会对人才的需求，需要拓宽自己的知识面，为将来的就业奠定良好的基础，因此对课堂上教师授课内容的深度和广度有较高的要求。同时教师的教学态度也直接影响到学生学习的态度，因此学校应该重视教学的内容和教师的教学态度。

就业范围对满意度有最显著的影响，达到0.87，说明就业是大学生最显著关注的一个内容，其中最关心的还是自己的专业对以后的工作是否有用，或者能在哪里就业。大学生对就业情况的把握程度以及自身能力对就业地域影响不显著，不管大学生对就业情况的把握程度如何，也不管大学生自身能力如何，现实中大学生预期就业地域的选择往往是家乡、发达城市或学校所在地。

7 结论

本文以设计问卷为主要方式，来收集高校学生对学校满意度的各个因素的情况调研，采用结构方程模型进行建立模型，模型的整体拟合指数达到了合理的范围，内容效度与建构信度较高，并进行了教师教学三个方面对教学满意度和学生就业的影响效果比较。由数据拟合结果显示:教师的教学态度以及授课方式是对教学满意度影响比较大的因素;学校就业程度的高低也是影响较大的一个因素。要提高学生满意度，可以从以下两方面着手。

首先，教师的教案准备充分，对学生能够进行耐心的辅导，与学生能够进行很好的沟通与交流，即必须具有严谨的教学态度，高校教师才能获得学生的认可，从而提高学生对高校的满意度;另外，教师的授课内容能够将理论和实际进行相互联系、把握重点、并且进行深度和广度的传授，在注重启发式的思维教育、知识传授和能力培养这三点上互相结合，提高学生在课堂上的课程参与度，高校的教学质量才有会取得进一步的突破，才会提高学生的满意度。

其次，就是学校对大学生的就业要求能够进行正确的引导而不是一味指责。一般来讲，期望值与满意度成反比，期望值过高会降低满意度，但不能把大学生“就业难”、满意度不高等问题全部归结于大学生本人。虽然90后大学生的确存在就业期望值过高、职业能力和素养欠缺等问题。但他们作为一个社会人，在就业过程中考虑诸如生存空间、未来预期等实际问题也是正常现象，学校和社会应当理解，并加以正确引导。

［1］向晋文.高等教育收费制度对学生主体教育机会平等的影响［J］.华中农业大学学报:社会科学版，2007(1):119-121.

［2］黄芳铭.结构方程模式理论与应用［M］.北京:中国税务出版社，2005..

［3］姚雪琴.高考录取中的地区均衡问题探讨［J］.陕西教育学院学报，2008，(8).

［4］侯德伟，李芳菲，关福远.大学生就业满意度研究综述［J］.北京电力高等专科学校学报，2011，(8).