关于大学生党校组织开展情况的实证分析

摘 要：全国党校工作会和全国高校思想政治工作会，都给如何加强大学生的思想政治状况指明了方向。高校学生党校是加强大学生思想政治教育的主要渠道和途径，本文通过对党校学生进行问卷调查，了解党校开展的整体情况，同时对问卷结果进行实证分析，找出影响党校开展情况的重要因素。

关键词：党校 开展情况 实证分析

一、研究背景

全国党校工作会和全国高校思想政治工作会，都强调了要加强大学生的思想政治教育，把思想政治教育贯穿教育教学全过程，高校的思想政治工作要做到因事而化、因时而进、因势而新。大学生党校是学生教育培养的重要载体和主要阵地，是高校开展思想政治教育的有效渠道和关键环节，笔者前期针对高校学生党校育人效果就天津某高校学生党校开展情况进行随机调查，结果发现学生党校建设在较大比例上存在着问题，例如缺乏固定的标准、课程设置随意性较强、育人方案較为固化、交互机制不明显、党校育人效果参差不齐等。因此本文计划对学生党校组织开展情况进行进一步深入分析，找出影响党校育人，从而推进党校的规范化建设。

二、研究主要内容

为了科学地完成本论文研究，笔者一以天津某高校为调研对象，通过在党校学员中分层随机抽样的方法选定学生，发放调查问卷进行调查研究。在调研中共发放问卷300份，收回有效问卷290份，问卷有效率为96%。问卷共设置19个问题，其中1-4题为基本信息，5-17题为客观问题，其中10、11题采用里克特量表设置，18-19题为开放性问题。

问题“此次培训前，党校的组织方是否征集过你的想法”，和问题“在此次党校培训中，你的参与互动感是否强烈，分别有61%和57%的调查对象给出了肯定的回答；177人对问题“同期参训学员出勤良好”回答“非常同意”；问题10.2“培训中我的作用无可替代”仅有75人回答“非常同意”，135人回答“同意”，80人无法确定或给出了“不同意”；228人对问题“此次培训是否有安排互联网学习或互动的内容”给出了肯定回复；279人对“此次培训是否有安排线下实践课程”持肯定意见。为进一步了解哪些问题点对党校开展情况影响最大，我们对问卷的整体情况进行实证分析。

三、实证分析

（一）因子分析在本课题中的应用

因子分析法主要是用少数几个因子来反映原始资料大部分指标之间联系的统计学方法，它实质上是在保证数据信息丢失最少情况下，一种对高维变量空间进行化繁为简的降维处理方法，因为在低维空间对于系统的解释将更为简单。因子分析后的因子变量的数量远少于原有的指标变量的数量，变量数量的减少并不是一个简单的取舍，而是一种通过因子分析后的重新组构；另外，重组后的因子变量之间并不存在显著的线性相关，并且还具有命名解释性，可以反映变量之间相互依赖的关系。

本文研究的党校规范化建设问题，主要是通过以ISO9000族标准的八项质量管理原则为基础，在前期进行的问卷调查中，剔除基本信息和主观题，共有18个问题围绕ISO9000族标准的八项原则展开，即有18个变量对最后的结果做解释。本课题将采用因子分析法对我们的问卷进行深层次的研究，通过因子分析，将18个变量提炼为5个主因子，并确定该5个主因子的权重，由这5个因子对最后的结果做解释，从而为党校的规范化建设提供参考依据和可行性建议。

（二）因子分析的具体过程

1.数据处理

问卷中我们设置的问题均为是否题或者程度题，都是分类变量，并不是数值型的变量，并不方便我们进行计量分析，因此，我们对于原始变量进行赋值。是否题赋1分或者2分，程度题依据程度强弱赋1分、2分、3分、4分、5分。

本文采用的是Z-score法，标准化后的数值均值为0，方差为1。我们将赋值处理后的数据带入SPSS统计软件进行因子分析。本文的统计结果均来自SPSS 16.0。

2.相关性分析

因子分析的潜在要求是原有变量之间有比较强的相关性，因此我们需要进行可行性分析来计算原始变量之间的相关系数矩阵。SPSS分析将采用KMO检验和巴特利特球形检验。KMO检验主要是用于比较变量之间的简单相关系数和偏相关系数，KMO值介于0-1之间，越接近于1，表明所有变量之间简单相关系数平方和远大于偏相关系数平方和，那么就越适合做因子分析；Bartlett球形检验是以变量的相关系数矩阵作为出发点，它的零假设H0为相关系数矩阵是一个单位阵，即原始变量两两之间不相关。因子分析检验结果如表5.1所示。

检验结果表明，KMO检验值为0.779，大于0.7，适合进行因子分析；巴特利特球形检验结果显示，近似卡方值为1.233E3，显著性概率为.000，小于0.01，说明原相关系数不是单位矩阵，存在相关性，所以拒绝球度检验的零假设，认为适合于做因子分析。

3.形成碎石图

碎石图是一个下降的曲线，X轴表示可能的因子数，Y轴表示特征值，在整个曲线的下降过程中，出现了一个拐点即陡坡和缓坡的界限，该拐点对应的X轴数字即应保留的因子数，本文的碎石图中拐点对应的X轴数值为5，即应该保留5个因子。且前5个特征值点对应的Y轴特征根大于1。

4.总方差分解表

继续进行因子分析，由相关系数矩阵我们可以得到特征值、方差贡献率和累计贡献率，如表5.2总方差分解表所示。由总方差分解表，我们可以发现，因子1的方差贡献率为37.644%，因子2的方差贡献率为13.616%，因子3的方差贡献率为8.615%，因子4的方差贡献率为7.211%，因子5的方差贡献率为5.731%。前5个因子的累积方差贡献率已达到72.818%，说明前5个因子已经解释了我们所要研究的现象的72.818%。而通常地，社会研究抽取的解释度在70%以上就可行，所以我们选择前5个因子做为我们的主因子是合适的。这与前文的碎石图结果对应一致。endprint

5.初始因子荷载矩阵

该矩阵形成了5个公因子，这5个公因子是对原有的18个变量的综合，因子荷载量显示的是公因子与原变量之间的相关性，该绝对值的大小描绘了该主成分的主要意义和成分，能够反映出主成分和原始变量之间的一个亲疏关系，即各原始变量对主成分的影响程度。该5个主成分公因子中的每个因子对应于各原始变量的系数并没有太大的差别，例如，该5个主因子对应于變量15，相应的荷载值分别为0.349、0.399、0.424、0.069和0.342，这五个荷载值之间差别并不大，因此，我们对这5个主因子命名就比较困难。为了消除因子中各原始变量的系数没有明显的差别对于我们进行分析造成的困难，下面我们将对上述的初始因子荷载矩阵进行旋转，我们采用的旋转方法是方差最大化（Viramax）旋转。

6.旋转后的因子荷载矩阵

经过旋转后的因子荷载矩阵的公因子对应于原始变量的系数发生了较大的变化，因子间的差异更明显，而且可以更加直观地看出这18个原始变量分别是对哪个公因子影响程度最大，同时，也方便我们对因子变量进行命名解释。

7.公因子提炼余名

公因子1主要体现了党校每节课的课前准备、内容安排、学习方式、授课教员、课堂纪律、党校组织方的表现等方面，是针对每一节课程的评价，在这里，我们将公因子1进行命名为单课质量。

公因子2主要体现了党校是否安排有线上互动、线下实践、与同期学员互动的等方面的情况，因此我们将公因子2命名为互动机制。

公因子3主要包含是否知晓党校管理制度、是否知晓计划和方案、结业证书的取得等方面的情况，因此我们将公因子3命名为整体规划。

公因子4包含党校组织方是否征集过你的想法、你在培训中参与感很强烈、培训中我的作用无可替代等，这几个变量都是强调重视客体的意见，因此我们将公因子4命名为客体作用。

公因子5包含你对课程是否满意，你的入党意愿是否更加强烈等，因此我们将公因子5命名为客体反馈。

参考文献

[1]李志兵. 新时期高校学生党校教育实效性探索[J]. 延边党校学报，2014，（06）：45-47.

[2]柏永全，韦丽娃.高校党校教学育人探析[J].才智，2014，（04）：136.

[3]王秀华，高思.关于高校党校建设科学化的思考[J].商，2015，（17）：56.

备注：课题项目

本论文为2017年度天津市教委重点调研课题《基于ISO9000族标准的高校学生党校评价指标体系建设》（课题编号为JWDY-20171023）的阶段性研究成果。课题组成员包括戚焕、刘汉川、宋鑫、马建伟、齐培培等。成果执笔人为刘汉川。endprint