综合加权平均方法的高校“资助误判”预防研究

摘要：“资助误判”是高校资助育人工作面临的重点难题，不仅损害高校贫困生的精神和物质权益，也给教育和社会环境带来不良影响。本研究针对引起“资助误判”的关键因素进行优化，通过相关性分析和综合加权平均法构建贫困生判定模型，再基于逐步多元回归分析方法进行指标缩减。结果证明，贫困生评定标准是引起“资助误判”的最重要因素，因此政府和高校需要有针对性地制定合理的贫困生判定标准，并不断完善高校资助育人体系。

关键词：精准资助；贫困生判定；相关性分析；逐步多元回归分析；资助育人体系

中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2024.20.057

0引言

尽管我国高校资助育人体系规模逐渐扩大，资助主体越来越多元，但高校资助育人方面所存在的问题却日益凸显。“资助误判”现象屡屡出现，部分非贫困生被错误地列为资助对象，而部分真正的贫困生被排除在资助范围之外，与国家高校资助工作精神背道而驰，严重背离了以人为本、公平教育的理念。引起“资助误判”的主要原因有以下几点：

资助对象评定标准不科学。贫困生的家庭情况具有复杂性，判断贫困生的指标具有多样化的特点，固定、单一的评定标准不一定适合所有的贫困生，极易造成误判、漏判现象。

资助政策宣传不到位。基层政府与偏远地区村民之间的信息不对称，导致资助难度升级，且资助方式过于单一，多停留在简单的“物质资助”阶段，未能充分发挥资助育人的价值理念。

资助评定监管不透明。由于资助评定环节缺乏有力的监管手段，很多高校为简易评定流程，只单纯设定填写资助申请表，无须提供任何凭证即可轻而易举地认定为资助生。然而这样的证明并不足以展现家庭现状。

学生心理健康问题。大多数资助生往往在不和谐的家庭环境中成长，学生极易因家庭问题产生自卑、消极、自我否定的情绪特征，而不愿意主动申请贫困资助，导致资助不到位情况的发生。

学生违背诚信，缺乏责任感。部分申请资助的群体别有用心，通过伪装贫困、虚假申报的方式获取生活费，更有甚者通过找关系、走后门的方式骗取贫困生资格。

其中，贫困生评定标准是判定高校大学生是否属于贫困生的最关键因素，评定标准的不规范、不科学将会引起严重的“资助误判”问题，对高校教育乃至社会和谐产生非常严重的负面影响。因此，本文以高校贫困生判定标准为研究对象，通过调查问卷的方式获取研究数据，并以相关的数据分析方法为研究手段，探寻优化贫困生判定标准的方法。

1调查问卷设计

1.1调查对象

高职院校学生是家庭贫困状况相对多发的群体，因此本文以浙江省杭州市某高职院校的学生为主体调查对象，该高校80%的生源来自于浙江省以及周边省市，经济状况相对全国地区较为均衡，在浙江省及附近地区具有相当的普适性和代表性，问卷填写对象涵盖了学校的各个专业以及各个年级段，于2023年4月通过对各专业和年级段随机抽样调查，发放问卷700份，回收688份，在对存在明显矛盾和逻辑错误的异常问卷进行剔除后，得到有效问卷647份，有效回收率为92.4%。

1.2问卷设计

本研究基于当前贫困生判定的主流指标，以及学生的基本家庭状况自行设计调查问卷。本调查问卷的主要内容包括学生家庭的经济收支情况、家庭固定资产情况以及家庭经济发展潜力三部分在内的16个问题。其中，收入与支出数据可以有效反映学生及其家庭的大致经济水平和日常消费水平，是进行贫困判定最重要的指标之一；家庭固定资产情况包括家庭的存款数量、房产数量和私家车数量等，是一个家庭最重要的经济基础；而家庭成员的工作情况和各类商业保险则很大程度上决定了家庭经济的发展潜力。

1.3问卷结果统计分析

对调查问卷结果的初步统计分析显示，在647位受访者中，家庭负担其在校期间的学费和生活费特别困难的有76人，一般困难的有262人，没有困难的有309人。然而调查数据显示，在经济特别困难的76人中，尚有16人未被学校认定为家庭经济困难学生，占比为21%，25人尚未被资助，占比高达328%。在经济负担学费没有困难的309名学生中，有4人被学校认定为家庭经济困难学生，占比为12%，且有6人受到了资助，占比为19%。总体看来，假设调查问卷结果相对可靠，647位受访者中被错误认定的总人数为20人，占总受访者人数的3%；出现“资助误判”情况的总人数为47%。综上可见，在贫困生判定以及资助环节出现了严重的问题，导致了“资助误判”的发生，资助资金未能精准用于解决真正的贫困生需求。因此亟须对高校贫困生判定标准进行合理优化。

2研究设计与方法

分析上述调查结果发现，“家庭负担在校期间的学费和生活费是否有困难”“学校认定家庭经济困难”和“是否受到资助”这3个指标提供的贫困生信息存在差异，其中存在资助误判现象。“家庭负担在校期间的学费和生活费是否有困难”这一指标虽存在一定的主观性，但更适合作为贫困生判定的核心指标。为合理降低这一核心指标的主观性，本研究拟选取“人均年收入”“房产数量”“私家车数量”“人均存款”“参保情况”“每月支出”“父母工作情况”“奖学金情况”8个指标作为影响指标，研究构建基于影响指标的贫困生判定模型。

首先对各指标数据进行标准化处理，相关指标的标准化过程在学校负责资助的专家指导下完成。标准化结果如表（1）所示。标准化数值越大，学生家庭在该指标层面越倾向于贫困；反之则越不倾向于贫困。

2.1相关性分析

为确定各影响指标对核心指标影响力的大小，本研究使用SPSS27数据分析软件对问卷中选择的8个影响指标以及1个核心指标进行Pearson相关性分析。由分析结果可知，“人均年收入”“房产数量”“私家车数量”“人均存款”“参保情况”“每月支出”“父母工作情况”这7个影响指标与核心指标之间均存在较强相关性，而“奖学金情况”这一指标与核心指标之间的相关性较弱，因此不将其作为贫困生判定模型构建的基础指标。

2.2贫困判定模型构建

本研究采用综合加权平均法，利用上文中7个指标计算大学生家庭贫困指数（HouseholdPovertyIndex，HPI），映射“家庭负担在校期间的学费和生活费是否有困难”这一核心指标。公式如式（1）所示。

IHP=∑niCi·Pi/∑niPi（1）

n为指标总数，Ci和Pi分别为指标i的标准化值与权重。“人均年收入”“房产数量”“私家车数量”“人均存款”“参保情况”“每月支出”“父母工作情况”的权重分别为17、9、15、8、10、8、9。IHP为家庭贫困指数，计算结果取值范围为[0，100]，家庭贫困指数越接近100，代表学生家庭越倾向于贫困；反之则越倾向于非贫困。设置家庭贫困阈值Tp为65，IHP大于等于65时代表该学生家庭是相对贫困的；设置家庭非贫困阈值Tnp为55，IHP小于等于55时代表该学生家庭是相对非贫困的。本研究主要关注贫困指数IHP低于55和高于65之间的群体，以确保将最不合理的资助误判现象降到最低。

为降低信息采集的难度和成本，本研究采用逐步多元回归分析方法筛选关键影响指标，表2中，“人均年收入”是最关键的影响指标，其回归模型的R2为0666，继续增加其他影响指标直至数量达到6个时，R2达到0994。可将“每月支出”指标从逐步多元回归分析过程中舍去。因此选取表2中的模型6来实现对大学生家庭贫困情况的判定。

3研究结果与分析

本研究的模型验证分为两部分，第一部分调取问卷调查中显示家庭负担学费和生活费特别困难的群体数据，以及该群体“是否被学校认定为贫困家庭”数据和该群体计算的贫困指数标准化值大于家庭贫困阈值65的数据。以“负担学费和生活费是否困难”为参考标准，本模型的判定结果分别比学校认定结果和原资助判定结果误差降低了62.5%和76%。第二部分调取问卷调查中显示家庭负担学费和生活费没有困难的群体数据，以及该群体“7ykjR7EjadldujDMTvJ7+A==是否被学7ykjR7EjadldujDMTvJ7+A==校认定为贫困家庭”数据和该群体计算的贫困指数标准化值小于家庭非贫困阈值55的数据。同样，以“负担学费和生活费是否困难”为参考标准，本模型的判定结果分别比学校认定结果和原资助判定结果的误差降低了25%和50%。

进一步对逐步多元线性回归模型结果进行验证。舍弃“每月支出”指标后，基于剩余6个指标构建综合加权平均模型，结果验证如图1所示。在家庭负担学费和生活费特别困难的群体中，基于逐步多元线性回归后的综合加权平均模型计算的结果与参考值相比也存在6个差异点，这一结果与舍弃“每月支出”指标前的结果相同；在家庭负担学费和生活费没有困难的群体中，基于逐步多元线性回归后的综合加权平均模型计算的结果与参考值相比仅存在2个差异点，比学校认定结果的误差降低了50%，比原自主判定结果误差降低了66.7%。

4结论与讨论

4.1研究结论

纵观全文，得出以下结论：

首先，基于相关性分析结果，“人均年收入”“房产数量”“私家车数量”“人均存款”“参保情况”“每月支出”“父母工作情况”这7个影响指标与“家庭负担在校期间的学费和生活费是否有困难”核心指标之间均存在较强相关性，因此，主要研究具有实际研究意义的7个指标。

接着，根据相关性分析结果进行权重赋值，并基于综合加权平均公式计算大学生家庭贫困指数。与学校认定结果和资助结果相比，计算的贫困指数与“家庭负担在校期间的学费和生活费是否有困难”这一指标更为接近，“贫困误判”或“资助误判”率大幅降低，这也恰恰说明了上文中相关性分析结果的正确性和权重赋值的准确性。

最后，为提高贫困生判定效率，本文采用逐步多元回归分析方法进行模型优化。结果表明，“人均年收入”是最关键的影响指标，加入“参保情况”“私家车数量”“房产数量”“父母工作情况”和“人均存款”5个关键影响指标对家庭贫困指数进行拟合，其决定系数R2达到最大值，因此采用上述6个影响指标进行建模，结果显示将影响指标压缩为6个时，模型的精确度并未受到影响，且依然显著优于学校判定结果以及实际资助结果。

4.2讨论

纵观本文的研究过程和研究结论，仍然存在一些待改进之处。一方面，调查问卷中的问题偏向于大学生容易获取的家庭信息，总体而言家庭信息数据的获取难度不大，然而这也带来了一定的负面效果，即数据获取可能并不全面、深入，存在一定的片面性。针对这一问题，可以在问卷调查设计过程中进一步优化问题的广度和深度。

另一方面，本文主要针对贫困生判定标准不科学这一引起“资助误判”的主要因素进行研究，因此假定在经过初期的问卷筛选后，学生填写的问卷内容基本属实。然而这一假定不可避免地存在一些学生主观上的臆断导致问卷信息不真实。针对这一问题，不仅要从问卷问题的设计进行改进，更重要的是要加强学生的思想政治教育，包括心理健康教育和思想道德教育。

此外，资助评定监管不透明和资助宣传不到位也会在一定程度上导致“资助误判”现象，加大监管力度和宣传力度，改善监管手段也是完善高校资助育人体系的重要步骤，在未来的研究中需要进一步探讨。资助育人工作是一项长期的任务，以精准资助为抓手，以成长、成才为方向，探索道德品质培养、物质帮扶、能力拓展、文化浸润相互融合的育人型大资助格局，有助于加强高校资助育人工作的完善，对促进育人实效有重要意义。本文的研究结论将有助于为高校精准资助的相关政策提供新的切入点，为切实满足家庭经济困难学生的基本学习生活需求保驾护航。

参考文献

[1]张志勇.新形势下高校资助育人工作探索[J].学校党建与思想教育，2019，（11）：8486.

[2]孙涛，沈红.基于家庭经济状况调查的高校贫困生认定——国际比较的视角[J].外国教育研究，2008，（10）：2629.

[3]HirschWZ，WeberLE.Challengesfacinghighereducationatthemillennium[M].Americancounciloneducation&oryxpress，1999.

[4]蔡炫.家庭人力资源状况指标在高校贫困生认定中的应用[J].产业与科技论坛，2016，15（11）：7576.