基于SEM模型的应用统计学本科专业课程体系评价——以河北科技师范学院为例

郑俊玲，谭玉廷

(1 河北科技师范学院数学与信息科技学院，河北 秦皇岛，066004；2 燕山大学理学院)

近年来随着大数据时代的到来，统计学专业逐渐成为了热门专业，许多高校为了紧跟大数据时代的统计学人才需求相继开设统计学专业，已有专业的高校也在扩大招生规模，但是许多高校在新增的统计学专业办学经验相对薄弱，如何保证教育的质量成为迫切需要研究的问题[1]。

1 高等院校应用统计学本科专业的特点及课程体系的重要性

统计学专业要求学生在本科阶段掌握系统完整的统计学理论知识、掌握统计学的基本理论和方法，具有利用计算机软件分析数据的能力，能够从事统计调查、统计信息管理、数量分析等工作，或在教育、科研部门从事教学和科研工作的高级专门人才。主要学习：数学分析、高等代数、概率论、数理统计、应用随机过程、数据库技术、统计软件基础、抽样调查、回归分析、多元统计分析、时间序列分析等课程。拥有数据分析与处理实验室，注重技能训练、科研技能训练、专业见习、专业实习和毕业论文等实践环节。

统计学专业具有以下特点：(1)对数学知识要求门槛较高。统计学专业的前身就是数学专业，大量的数学模型建立都离不开扎实的数学知识；(2)统计学专业是一门交叉学科。既需要扎实的统计学理论知识也需要一定的计算机能力，且具有较强的实践性[2]；(3)数据分析逐渐成为各行各业的刚需，这要求统计学专业学生要掌握足够多行业的专业基础知识，包括经管类，数学等专业。

课程体系首先是对教学的内容和进程顺序做了一定的整合，它将决定了学生将在课程体系这个总体框架下进行学习，决定了老师的教学顺序以及进程；课程体系直接决定着毕业生的知识体系，这关系着毕业生的综合素质能否满足社会的发展。因此针对性的客观了解高校一些专业的课程体系并掌握其真实情况，及时总结不足，对其专业教育的进步发展起到一定的积极作用。

2 研究设计及数据分析

2.1 研究设计

通过查阅相关文献以及结合高等院校应用统计学的实际情况，建立评价指标体系，采用问卷调查法与访谈方法相结合的方式来收集有效数据与信息。在保证问卷数据都能通过信度和效度检验的前提下，利用因子分析中降维的方法来得到成分矩阵，从而找出潜在变量分别与其显变量之间的关系，然后采用SEM(Structural Equation Modeling)进行一定的验证性因子分析，得出各个潜在变量与目标变量的关系、各个潜在变量与其显变量之间的关系，用定性和定量相结合的方法为高等院校应用统计学专业课程体系的进一步优化提出相应的建议。

2.2 指标体系的建立

杨忠旋[3]从课程设置、课程管理、课程资源、教师教学等维度对高职学生的课程满意度进行研究，周红妹等[4]从课程目标与效果、课程组织与管理、教师专业素质等维度对体育教育专业课程满意度进行了研究。在参考学者们对课程满意度的维度划分的基础上，结合课程体系的构成要素，从学生需求出发，建立基于学生满意度的统计学专业课程体系的指标体系(表1)。

表1 应用统计学专业本科课程体系满意度指标分布情况

2.3 数据来源及说明

所用数据采用网上发放问卷的方式进行调查，共收集问卷104份，去除无效的问卷后剩余有效问卷101份，问卷有效率达到97.1%。问卷主要采取满意度的调查方式来收集学生对课程体系评价的相关数据，采用5级量表形式,即对量表中每一题目均给出表示看法观点程度等级的5种对应答案(如“非常不满意”“不太同意”“一般”“比较满意”“非常满意”等),并用1～5分别为5种答案计分。调查对象包括河北科技师范学院应用统计专业大学三年级(2017级)、大学四年级(2016级)学生、专业带头人、主讲教师、辅导员以及部分用人单位等。问卷的具体测评得分见表2。

表2 应用统计学本科专业课程体系满意度问卷调查的基本数据

2.4 数据分析

2.4.1主成分分析 采用主成分分析法和方差最大正交旋转法对各项目进行分析和逐步排除，最后将13个量化变量通过模式矩阵归类为3个因素(表3)。

表3 应用统计学本科专业课程体系评价主成分分析矩阵

2.4.2结构方程模型(SEM)的基本原理 在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、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。结构方程模型是一种建立、估计及检验因果关系模型的方法。模型中既包含有可观测的显在变量，也包含无法直接观测的潜在变量。它主要采用线性建模技术，通过整合因子分析与路径分析技术，来评估变量间一系列相互关联的因果关系，常用的估计方法包括最大似然法和广义最小二乘法[5]。结构方程模型可以替代多重回归、路径分析、因子分析等方法，弥补传统统计方法的不足，已成为多元数据分析的重要工具。

2.4.3违犯检验 在进一步确定显变量与潜在变量的影响系数之前，首先要对结构方程模型进行违犯估计检验，检测因果关系路径图中的协方差的标准化估计值的相关系数是否大于1，如果相关系数都不大于1则表示因果关系路径图符合条件。本次研究中，协方差的标准化估计值的相关系数均小于1，符合结构方程模型的前提条件。

在没有产生违犯估计的检验后，进行拟合优度检验和进一步的因素分析。结构方程模型的增值适配性指数超过了0.9，这说明了结构方程模型的拟合效果相对较好，不需要对模型进行进一步的修正，具体数据见表4。

表4 结构方程模型的拟合指标和增值适配型指数

3 结构方程的估计结果

3.1 潜在变量之间的关系

教学目标因子与学生满意度之间的影响系数为0.82，说明教学目标因子每提高1%，学生满意度就提高0.82%(表5)；课程结构与实施与学生满意度之间的影响系数为0.14，说明课程结构与实施因子每提高1%，学生满意度就提高0.14%；课程内容与资源因子与学生满意度之间的影响系数为0.10，说明课程内容与资源因子每提高1%，学生满意度就提高0.1%。

表5 潜在变量影响系数

3.2 潜在变量与其对应显在变量之间的关系

3.2.1教学目标因子与其显变量之间的关系 教学目标因子中课程体系与社会契合度这一显变量的影响系数最大，其影响系数为0.83，剩下显变量影响因素大小依次为激发学习的主动性(0.82)、课程体系与岗位需求度(0.63)。这说明课程体系与社会契合度在教学目标因子中影响作用最大，学习的终究还是为了迎合社会的需求发挥自己的能力，能够激发学习的主动性在教学目标因素中影响关系也显得极为重要，能够激发学习的兴趣以及自我主动性是一切课程体系评价良好的前提。

3.2.2课程结构与实施因子与其显变量之间的关系 课程结构与实施因子中教学方法的多样性这一显变量的影响系数最大，其影响系数为0.85，剩下显变量影响因素大小依次为课程学分设计(0.76)、课堂教学(0.70)、师生互动(0.70)、课程门类(0.67)。这说明教学方法的多样性在课程结构与实施因子中的作用至关重要。课堂教学与师生互动因素都可以说明学生与老师之间的有效沟通可以让老师更有效的了解学生的特点，了解学生的学习情况以及欠缺程度，为学生的进一步提高制定相应的教学计划，达到事半功倍的效果。

3.2.3课程内容与资源因子与其显变量之间的关系 课程内容与资源因子中实践教学这一显变量的影响系数最大，其影响系数为0.76，剩下显变量影响因素大小依次为实验室资源(0.73)、纸质课程资源(0.67)、师生比(0.67)、总体考试安排(0.55)。这种现象说明对于课程内容与资源，以科研技能训练、专业技能训练，专业见习、实习等一系列课程实践能力的不断提高在学生心目中有着极其重要的地位。在实验室资源与纸质课程资源这两个影响因素，由于学生对于实践操作能力的重视，更好的数据分析实验室资源对于总体考核与安排因素的影响作用更大，纸质课程资源、师生比这两个因素影响系数占比也很高。

3个潜在变量与其对应的显变量之间的关系见表6。

表6 显变量影响系数

4 相关建议

本次研究采用定性与定量相结合的方式对应用统计学专业本科学生的课程体系满意度进行调查分析，目前高校应用统计学的课程体系在培养目标、教学内容、课程结构和教师综合素质等方面与学生的需求和期望还有一定的差距，针对以上问题笔者建议：

第一，明确培养目标。大数据背景下，决定了统计学从业人员必须具备各领域综合知识储备、较高的专业素养和较强的实践操作能力，应用统计学的本科教育要以立德树人为前提，行业市场和社会需求为导向，增强社会契合度，激发学生的学习主动性，培养品德与知识同样优秀的综合性人才。

第二，教学内容要做到与时俱进。笔者调查河北省几所高校，发现部分专业核心课程的教材中的教学案例相对时间比较久远，与社会需求脱轨，课程内容缺乏实用性。在教学内容中不仅仅要依赖于课本内容，还要学会充分利用网络资源，使得一些更具有代表性的学习资源要充分与课本知识相结合，让学生能接触到知识的前沿。

第三，课程结构方面要调整好理论课程和实践课程的协调性。应用统计学专业课程设计上要加强技能训练、专业见习和专业实习等实践教学的设计，丰富教学内容，避免实践内容单一化。加强校企合作，通过不同渠道与统计局，有数据分析处理岗位的企业、培训机构进行大量的沟通合作，在实习、就业方面为学生提供更多的选择。

第四，增强教师企业锻炼的机会，提高教师的专业综合素质。目前大部分高校统计学专业课教师实践环节薄弱，缺乏实践经验，教学内容与市场实际需要脱节，课上教学案例分散，缺乏综合性。同时要加大专业教师专业技能的培养，为教师提供更多外出学习和交流的机会。