基于降维方法的大学生自我目标实现情况量化评价模型

王聪珊 王渭杰 蔡晓婷 高钰博 黄初

摘要：随着经济发展，社会对于高等教育人才的数量需求日益增长。而大学生作为一个特殊的群体，其发展备受关注。基于问卷调查的数据，本文利用关联性规则进行了数据挖掘，发现了对自身目标完成情况较好的人群一般成绩在前20%，处于大三阶段，并且每日为实现目标花费三小时以上。然后基于主成分分析的影响因素进行降维，得到四个准则层：个体学习因素、个体内部因素、目标因素、外界因素。基于层次分析确定因素权值，确定五个判断矩阵，均通过一致性检验，最后得到各影响因子评价值的计算公式。

关键词：大学生目标实现情况;关联规则挖掘;主成分分析;层次分析

一、引言

大学生作为一个特殊的群体，其发展和成长受到社会的格外关注。当代大学生应当志存高远、脚踏实地，做国家的骨干和栋梁。而作为大学生个体本身，个人目标的实现情况也能够有效地反映其个体的大学生活质量和个人成长发展。大学生自我目标的实现情况大小迥异。部分學生目标设置合理，实现情况良好，但也有许多学生目标建立模糊、目标实现懒惰。

因此，本文通过对某高校大学生的自我目标实现情况进行深入调查，建立统计模型，探究不同影响因素对大学生自我目标实现情况的影响。

二、研究对象

本文研究对象主要为杭州某高校大学生。我们在高校共发放问卷820份，最终回收有效问卷800份，有效率高达97.6%。然后借助统计软件分析了问卷的信效度，保证了样本质量。

三、大学生目标实现情况的的影响因素的关联性规则挖掘分析

我们以大学生基本信息指标为前项，以目标完成情况为后项，设定最小支持度为10%，最小置信度为80%，对问卷中蕴含的关联规则进行挖掘，发现在调查范围内对自身目标完成情况较好的人群一般成绩在前20%，所处年级为大三，并且在日常生活中，每日对于目标的努力程度都在三小时以上。这一阶段这类大学生面临着就业和考研的抉择，同时也在大学为时不多的日子里为考各种各样的证书做准备。因此可以理解为无论是因为个人兴趣、家庭要求、社会导向或者其他因素而制定的目标，这一类学生的完成情况都较好。

四、建立基于主成分分析的影响因素降维的层次分析模型

4.1 基于主成分分析的影响因素降维

本文对量表中的11个影响因素进行降维处理。在引进多方面变量的同时，将复杂因素归结为几个主成分，使得问题简单化、科学化、有效化。运用SPSS对量表数据进行主成分分析以实现降维。

在进行取样适当性检验的过程中，我们得到KMO取样适切性量数为0.839>0.7，Barlatt的球形检验显著性为0.000，因此本次调查的变量可进行主成分分析[1]。

依据统计学原理，我们得到X1，X2，X3，X4这四个因子对应的特征值大于1，提取前4个显著性因子的累计方差贡献率达到82.467%，超过80%。因此可用这四个因子基本反映全部指标信息，即代替原来的11个指标。利用主成分分析法进行提取，运用Kaiser标准化最大方差法进行旋转得到由协方差矩阵特征值构成的荷载矩阵。

分析可得第一个因子与因素X2、X7密切相关，归类为个体学习因素Y1，同理可得个体内部因素Y2、学科因素Y3、外界因素Y4。因此将量表重新分类排列得到如下结果：

参考文献：

[1]侯木舟，张鸿雁.数学建模中的数据挖掘方法[J].数学理论与应用，2004 （04）：16-18.

[2]梁世铭.Satay氏层次分析法的改进[J].工科数学. 1995.96.

项目来源：杭州师范大学“星光计划”学生创新创业项目

项目名称：《对大学生目标实现情况的研究》