基于因子分析法的大学生党员发展质量评价体系构建

徐豪，张楠，于丽莎

(大连海事大学，辽宁 大连 116026)

高校大学生党员的发展和培养一直是党员发展工作的重要组成部分。如何选拔优秀学生、以什么样的标准来衡量大学生党员的发展质量，是高校党组织面临的重要课题。许多学者对大学生党员发展质量问题进行了研究。曹文军提出追求功利的短视观念、执行机制不健全、忽视自我调控是导致大学生党员发展质量出现问题的主要原因。［1］刘军认为当前高校党员发展主要存在三方面问题:一是当前中国正处在重要的转型和高速发展时期，新思潮快速涌现，不同价值观冲撞日益激烈，而大学生人生观和世界观尚处于不稳定阶段;二是培养考察出现表面化、形式化现象;三是高校党务工作者人手少等原因，出现“重发展、轻培养”“重数量、轻质量”的现象。［2］笔者认为，除此之外，缺少一套简单实用的大学生党员发展质量评价体系，也是大学生党员发展质量难以得到保障的重要原因。本文在吸收前人研究成果的基础上引入因子分析法建立大学生党员发展质量评价体系。

一、因子分析法的特点及使用中注意的问题

因子分析法是指从研究指标相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个无关的综合因子的一种多变量统计分析方法。［3］因子分析法的基本目的就是将相关性比较强的几个变量归结到同一类中，每一类变量构成一个因子，然后用较少几个因子去描述原始指标的大部分信息。

1．因子分析法的特点

(1)使用因子分析法第一步就是对原始变量进行标准化处理和数学转化，从而消除原始变量间的相互影响，避免出现由于数值本身差异造成的不可比性，从数据源头上保证评价的质量。

(2)因子分析法的目的是将构成指标体系的众多原始指标所载信息浓缩并转存到因子中，用较少几个因子去描述原始指标的大部分信息，这样既可避免信息量的重复，又克服了权重确定的主观性。

(3)用因子分析法进行综合评价，可以较好地解决评价指标体系存在的全面性和独立性之间的矛盾，并且因子分析法的数据处理过程的标准化，使其具有较强的科学性，可以得出更加客观的评价结果。

2．使用中应注意的问题

(1)确定评价指标是否适用于因子分析法。因子分析的目的在于简化数据，用较少几个因子去描述原始指标的大部分信息。如果原始评价指标较少，指标本身就能较好地反映评价对象，这时，使用因子分析意义不大。并且，使用因子分析法的一个前提条件是评价指标之间应该有较强的相关关系，如果原始评价指标之间的相关程度很小，不可能共享公共因子，那么公共因子就无法准确地对原值指标的大部分信息进行描述。一般来讲，进行因子分析法之前应该先对指标的相关矩阵进行检验，判断评价指标是否适用于因子分析法。

(2)确定应选取几个因子进行分析。因子分析法在多元统计学中属于降维思想中的一种，如果选取的因子个数过多，就失去了该方法的原有意义，但如果选取的因子个数较少，又可能造成原始信息的大量缺失。一般以主成分的方差累积贡献率为标准来选取公共因子［4］。方差累积贡献率反映了主成分保留了原始信息量的多少，达到85%以上就可以很好地解释问题。

二、大学生党员发展质量评价体系构建

1．构建考核指标体系

考核大学生党员综合素质，应当采取定性与定量相结合的分析方法，选取具有一定代表性的指标，尽可能准确、科学地利用评价指标体系评价大学生党员综合素质所包括的各个方面。在吸收该领域已有研究成果的基础上，根据大学生党员发展质量的内在要求，本研究选取大学生党员发展质量评价指标体系如表1 所示。

2．因子分析的可行性测试

选取大连海事大学交通运输管理学院30 名学生党员的考核指标作为样本，将样本导入SPSS统计软件，做因子分析测试，得到KMO 值和巴特利特球体检验值(见表2)。

通过KMO 值和巴特利特球体检验可以判断样本是否适合做因子分析。一般而言，KMO 测度值大于0．5 表明样本可以进行因子分析。巴特利特球体检验可以用来检验变量之间是否存在相关，其值至少要低于0．05。从表2KMO 和Bartlett的检验的结果得知样本的KMO 值为0．701，大于0．5，巴特利特球体检验值为0，小于0．05，本研究样本适合做因子分析。3．因子分析

表2 KMO 和Bartlett 的检验

本研究采用主成分分析法进行因子提取，采用方差最大正交旋转法对数据进行因子旋转，将旋转后的特征值＞1．00 的评价因子作为指标主因子。表3 为旋转前后方差贡献率。由表3 可以看出，前4 个主成分的特征值均大于1，并且其累计贡献率为91．69%，说明前4 个主成分能够解释绝大部分的变量。因此对原始的14 个指标提出前4 个主成分进行解释。

表3 旋转后的方差贡献率

当确定选择4 个主成分后，为了能够给出合理的解释，需要进行一定的旋转。因子载荷矩阵用于反映因子和各个变量之间的密切度，当各公共因子完全不相关时，因子负荷值就等于因子与变量的相关系数。它的绝对值越大，说明该因子对当前变量的影响越大。未经旋转的因子载荷矩阵，公共因子在原有变量上的载荷值分布不明显，在采用方差极大法对因子载荷矩阵进行旋转以后，公共因子解释各个原有变量的含义更加清楚。经应用主成分分析法提取，并采用具有Kaiser 标准化的正交旋转法，旋转在5 次迭代后收敛。表4 即为旋转后的因子负荷矩阵。

从旋转结果可以看出，第一栏在政治信仰、思想观念、理论修养和遵纪守法四个方面的得分远远高于其他指标得分，说明第一主成分F1 在该四个方面有较大的负荷数，所以第一主成分F1 反映的是大学生党员政治素质的因子;第二栏在学习态度、学习成绩、学术能力和学习效率四个方面的得分远远高于其他指标得分，说明第二主成分F2在该四个方面有较大的负荷数，所以第二主成分F2 反映的是大学生党员学习能力的因子;第三栏在道德品质、奉献精神和群众基础三个方面的得分远远高于其他指标，说明第三主成分F3 在该三个方面有较大的负荷数，所以第三主成分F3 反映的是大学生党员日常表现的因子;第四栏在组织能力、执行能力和实践能力三个方面的得分高于其他指标，说明第四主成分F4 在该三个方面具有较大的负荷数，所以第四主成分F4 反映的是大学生党员工作能力的因子。

表4 旋转后的因子负荷矩阵

根据上面4 个主成分的含义，对主成分进行回归分析，得到因子得分系数矩阵，如表5 所示。

表5 因子得分系数矩阵

参照因子得分系数矩阵，建立因子得分模型:F1 =0．128* A1+0．138* A2+…+0．005* A14F2 =0．148* A1+0．122* A2+…+0．228* A14F3 =0．179* A1+0．166* A2+…－0．142* A14F4 =－0．144* A1－0．165* A2－…+0．264* A14

在因子分析的基础上，对大学生党员进行综合素质分析。以各因子的方差贡献率(表3)作为权重进行加权汇总，得出大学生党员的综合得分，其公式为:

F=0．39F1 +0．27F2 +0．21F3 +0．13F4

通过SPSS 软件，可以得到大连海事大学交通运输管理学院30 名大学生党员的综合得分。因子分析法所用数据是经过标准化处理的数据，0表示所研究样本的平均水平，正值表示高于平均水平，而负值则表示其低于平均水平。

三、结语

本文从大学生党员的发展质量出发，运用因子分析法构建了大学生党员综合素质评价指标体系，并以大连海事大学交通运输管理学院30 名大学生党员的考核指标作为样本，做了实证研究，得到了最终的评价模型。由此，对于任一给定的一批大学生党员，都可以得到相应的综合素质评价值，根据综合素质评价值可以对党员进行量化评比，从而建立起大学生党员发展质量评价体系。本文只是研究了如何建立大学生党员发展质量评价体系，并没有提出更好地开展大学生党员发展质量评价工作相应的保障措施，这也是本文未来的研究方向。

［1］曹文军．大学生党员发展质量问题探析［J］．教育与职业，2011(32):47－49．

［2］刘军．高校学生党员发展工作存在的问题及对策探析［J］．山东社会科学，2010(9):173－176．

［3］游家兴．如何正确运用因子分析法进行综合评价［J］．统计教育，2003(5):10－11．

［4］赵喜仓．因子分析法的特点及其应用中应该注意的问题［J］．浙江统计，1995(12):21．