基于PCA的居民对社区教育满意度评价模型构建——以南通市为例

2016-11-15马素萍高洪波

太原城市职业技术学院学报 2016年8期

关键词：变量居民满意度

马素萍，汪凌，高洪波

（1，3.南通开放大学，江苏南通 226006；2.南通职业大学，江苏南通 226006）

［教育管理方略］

基于PCA的居民对社区教育满意度评价模型构建——以南通市为例

马素萍1，汪凌2，高洪波3

（1，3.南通开放大学，江苏南通 226006；2.南通职业大学，江苏南通 226006）

社区教育是构建学习型社会的重要途径在世界范围内已成为共识。基于顾客满意度评价理论，结合我国当前社区教育实际，在分析社区教育满意度测评构成要素的基础上，设置了较能全面反映社区教育特征的16个观测点作为三级评价指标；然后，依据社区居民对社区教育满意度问卷实测数据，利用主成分分析法所具备的可以有效消除变量间的多重共线性的优势，通过主成分分析归类得出了社区教育课程项目、场地设施、人员、机构四个关键因子，将它们作为二级指标；最后，通过回代的方法，得出了最终的居民对社区教育满意度评价模型。该模型能够依据社区教育实际观测值定量地描述居民对社区教育满意程度，对社区教育的健康可持续发展具有重要的现实意义。

主成分分析；社区教育；顾客满意度；评价

近30年来社区教育在我国得到了蓬勃发展，作为和谐社会建设的重要途径和抓手，社区教育已成为当前社会关注的热点之一。南通市和全国其他兄弟省市一样，近年来南通社区教育依据区域特点，积极开展社区教育模式实践与探索，取得了骄人的成绩，受到了各级领导肯定和社会各界的好评。南通社区教育近年来形成的“三合三学”（融合、整合、联合；便学、乐学、智学）社区教育模式被指定在去年厦门召开的，由教育部社区教育研究中心组织的，推进社区教育教学模式暨社区教育实验中心建设研讨会上做了专题交流发言。

准确、科学地测评广大居民对社区教育的满意度，不仅能够促进社区教育水平的进一步提升，而且还对社区建设与管理的整体质量的提高至关重要。居民对社区教育满意度评价是社区教育评价的重要组成部分，通过开展科学有效的居民对社区教育的满意度评价，对落实社区教育以人为本，促进社区建设与管理具有重要意义。

基于顾客满意度评价的教育满意度评价有关理论缘起可以追溯到20世纪90年代，该评价方法自21世纪以来也逐渐成为我国教育领域教育满意度评价研究的热点之一。借鉴国内外教育满意度评价的现有研究成果，基于顾客满意度评价的有关理论，以时下我国社区教育发展现状及广大社区居民的实际需求为基础，探究构建具有中国特色的居民对社区教育满意度评价模型，对更好地开展社区教育，有效满足人们日益增长的教育需求有着重要的现实意义。

一、社区教育满意度评价构成要素分析

要准确评价社区居民对社区教育的满意度，进一步厘清社区教育的本质特征，并在此基础上分析涉及社区教育发展的主要影响因素是首当其冲要解决的关键问题。解决了上述问题，才能较为准确地设置和找出如实反映居民对社区教育满意程度的相关评价观测点。依据国内外及我国社区教育的现状及已有研究成果，社区教育具备受众的广泛性、内容的多样性和灵活性、社区的针对性等特征，上述特征决定了社区教育的构成要素，构建居民对社区教育满意度评价模型应着重围绕这些要素开展分析研究。

关于社区教育满意度评价的构成要素，目前存在不同的分类方法。例如，有的是根据服务对象来划分，也有的是根据内容划分。社区教育从大的方面来看可以视为一个过程，其过程可以概括为社区教育人员凭借相应的社区教育场地、设施和机构等实施的针对社区居民开展的具体教育活动。因此，我们可以将居民对社区教育满意度评价模型的构成要素划分为人员、设施、机构及项目等四个要素。其中，社区教育人员主要指社区教育机构中专职从业人员的配置及社区志愿者队伍建设等；社区教育设施主要包括社区教育开展各类教育活动相关服务的设施及场地；社区教育机构主要是指具体实施社区教育服务的相关的教学点、文化活动中心等机构；社区教育项目主要包括社区教育机构为居民提供的各类社区教育项目课程，如职业技能培训、文明修养、健康保健等类课程。

综上所述，社区居民对社区教育满意度评价是一个整体的系统性评价，就该整体性评价的形成而言，应体现社区居民对社区教育的各个构成要素的切身感知。因此，社区居民对社区教育的满意程度，以社区教育课程项目、人员构成、场地设施及机构设置等涉及的有关内容为具体观测点是切合当前社区教育实际的。在此基础上，再结合相应的模型构建算法，得出的满意度测评结果能够如实反映社区居民对社区教育的满意程度，同时还可以根据所构建的满意度模型得出各种相关因素对总体满意度的具体影响水平，进而为社区教育的改革完善提供较为准确的依据和建议。

二、基于主成分分析的居民对社区教育满意度评价模型的构建总体思路

1.主成分分析

主成分分析（PrincipalComponentAnalysis，PCA）是多元统计方法的一种，该方法在解决多重共线问题较之于其他算法具有较大的优势。从理论上来说，该方法即是通过采用正交变换，将相关性较强的一系列变量转换成不再相互间线性相关的一组变量，得到的该组变量称之为主成分。就其实践意义而言，在实际问题中，为使所分析的问题得到全面的反映，往往会根据问题的基本特征，提出或考虑很多的变量或因素，但同时不可避免地存在变量间存在线性相关等问题，即若干个变量间在所反映问题特征等方面存在着重叠现象，从而导致只见“树木，不见森林”、以偏概全等问题，而主成分分析法可以从众多原始变量中导出少数几个主成分，实现了尽可能少的丢失问题相关信息的同时，又揭示了问题变量间的内部结构，较全面地反映了问题的基本特征。正是由于主成分分析法具有这种特点和优势，使该方法在实际问题统计分析中得到了广泛的应用。

2.居民对社区教育满意度评价模型的构建思路与过程

依据顾客满意度测评理论及上述社区教育基本构成要素分析结果，针对本文要建立的社区居民对社区教育满意度评价模型，选取以下16个观测点作为评价模型的三级指标，即社区教育机构在距离上的便利性（x1）、社区教育机构的服务的常规性（x2）、社区教育设施构成的齐备性（x3）、社区教育设施数量的可获得性（x4）、社区教育设施使用的可利用性（x5）、社区教育设施的获得方式（x6）、社区教育的全纳覆盖性（x7）、社区教育人员数量的可获得性（x8）、社区教育人员资格的专业性（x9）、社区教育人员构成的多元性（x10）、社区教育项目课程设置的丰富性（x11）、课程内容的适用性（x12）、课程实施的可接受性（x13）、课程信息的获得性（x14）、课程服务获得方式（x15）、居民对社区教育课程改善的参与性（x16）。根据南通开放大学社会教育指导服务中心针对南通市具有代表性的若干社区350户居民进行社区教育满意度调查上述数据进行主成分分析（限于篇幅，相关统计数据此处省略），构建社区居民对社区教育满意度评价模型。具体步骤如下：

第一步：从观测值数据表中读取数据。

第二步：对上述数据进行标准化。

第三步：对标准化后的数据表进行主成分分析。利用主成分分析法能有效解决变量间的多重共线问题的优势，以主成分累计贡献率到达80%以上为标准或用特征根大于1为准则或同时考虑上述两个参考因素，通过分析得出若干个主成分及因子负荷矩阵，由此得出每个主成分所对应的那些变量，从而得出二级指标与相应的三级指标。此处三级指标为实际观测变量，即显变量；二级指标为经过主成分分析所得到综合归类后且在不损失原显变量大多数信息的主成分，即隐变量。隐变量用显变量可用如下线性方程组表示：即二级指标可以通过三级表示如下：

其中，X∈RP表示显变量，即观测变量；Z∈Rm表示提取出来的潜在变量；L为隐变量与观测显变量之间的多元回归系数矩阵。

第四步：在上述基础之上，分别确定三级指标对应于二级指标的权重和二级指标对应于一级指标的权重，最后通过回代的方法得出最终的居民对社区教育满意度评价模型。

三、基于主成分分析法的居民对社区教育满意度评价体系的实现

1.主成分分析提取二级指标

通过对观测数据标准化后得到的系数矩阵进行主成分分析得到相应的因子负荷矩阵（见表1），依据主成分累计贡献率超过80%及对应的特征根大于1的标准，提取得出四个主成分，它们对应的特征根分别为5.227、4.384、2.296与1.236，这样选取已达到解释总变量的82.134%，达到了解决多变量间的共线性影响，实现了简化变量的目的。经过上述分析得到的因子负荷矩阵见附表1。

从附表1中可以看出，第一主成分主要与课程丰富性、课程适用性、课程教学方式、课程获得性、课程获得方式、居民课程参与性等因素正相关，更多的是反映社区教育实施的项目课程开展情况，可归类为社区项目课程这一二级指标。第二主成分主要与设施齐备性、设施可获得性、设施可利用性、设施获得方式、设施覆盖性等因素正相关，更多的是反映社区教育的建设状况，可归结为二级指标中的第二个评价标准。第三主成分主要是与从业人员数量、从业人员专业资格、社区教育人员构成正相关，是反映社区教育从业人员及兼职人员状况。第四主成分主要与机构距离、机构的固定性正相关，反映居民对社区教育的便利性的感受因素，可归类为社区教育机构这一二级指标。综上所述，确定社区课程项目，社区教育设施场所、社区教育人员和社区教育机构建设与管理为4个居民对社区教育满意度测评的二级指标，这一结论与基于社区教育基本特征要素构成分析我们先前分析的是一致的。

2.三级指标对应于二级指标的权重确定

通过主成分分析得到的因子负荷矩阵中的数据除以该主成分对应的特征值的平方根就是标准化后的x1，x2，…，xp与z1，z2，…，zm的系数矩阵。经过变换，就可以得到原始的x1，x2，…，xp与z1，z2，…，zm之间的系数矩阵，这些系数lij可以用来表达第j个三级指标对于第i个二级指标的贡献。

根据附表1中的因子负荷值除以对应的特征值的平方根，即可得到主成分与标准化原变量之间线性关系如下：

式中，z1，…，z4表示提取出来的4个主成分，而zx1，zx2，…，zx16表示标准化后的x1，x2，…，x16，根据原变量的样本均值和方差，经过变换可以得到主成分与原变量之间的线性关系。

上面线性方程组中的系数表示了相应的原变量对于各个主成分的贡献，可以用来表征16个三级指标所对应于的二级指标的权重。

3.二级指标对应于一级指标的权重的确定

一般情况下，可以用每个主成分所对应的特征值占所得到的主成分特征值之和的比例作为权重计算主成分综合模型。根据上面主成分分析法得出的四个主成分对应的特征值分别为5.227、4.384、2.296、1.236可以计算得到这四个主成分的贡献率为0.398、0.334、0.175、0.094。所以总的社区满意度评价值可以表示为：

从上式可以看出，对居民社区教育满意度影响较大的是前两个主成分，即社区教育项目课程和社区教育的设施场所，这也是与实际情况相吻合的。

4.最终评价模型的确立

将式（2）代入式（3），可得最终的居民对社区教育的满意度评价模型：

根据上式结合上面给出的16个社区教育发展状况观测点的值，即可得出相关社区居民社区教育满意度的值，由此实现了居民对社区教育满意度量化值。

本文基于顾客满意度测评有关理论，探讨研究了运用主成分分析法构建了三级社区教育满意度评价指标体系模型，并以南通开放大学社会教育指导服务中心的实际社区调查数据为样本给出了实证研究。评价模型中的三级指标对于二级指标的权重是根据因子负荷矩阵确定的，而二级指标对于一级指标的权重由各主成分的贡献率确定，在上述基础上得出了如式（4）所示的最终评价模型，对于任一给定的社区样本，根据式（4）可以计算得到该社区的满意度评价值，较好地实现了居民社区教育满意度的量化评价。同时，依据该评价模型构建过程中所得到的各级指标的相应权重，为找出社区教育发展中的短板，从而进一步搞好社区教育指明了方向。本文探索构建的居民社区教育满意度评价模型，较为客观地反映了当前我国社区教育的基本要素特征，具有较好的实操性和客观性，对进一步提升社区教育水平，使之更好地服务于和谐社会的构建具有一定的参考借鉴意义。