層次分析綜合評價

4國內(nèi)大學(xué)綜合評價【摘要】大學(xué)的綜合評價不僅對于大學(xué)的自身發(fā)展，而且對學(xué)生選擇大學(xué)乃至國家制定高等教育發(fā)展的各項制度規(guī)劃都有著極為重要的參考價值和指導(dǎo)意義。當(dāng)今關(guān)于國內(nèi)大學(xué)的各種排名評價層出不窮，顯示出無論是媒體還是大眾都對大學(xué)的綜合評價表現(xiàn)出了極大地關(guān)注。本文將基于國內(nèi)100所大學(xué)的模擬數(shù)據(jù)（有缺失），對大學(xué)間差異性，評價方法以及不同評價方法的比較等方面進行研究。在任務(wù)1中，基于線性假設(shè)，我們采用多元線性回歸模型，建立缺失屬性值與其他屬性值的多元線性關(guān)系，利用SPSS統(tǒng)計軟件采用逐步回歸方式求解出多元線性回歸方程，通過相關(guān)性等一系列檢測，最終預(yù)測出缺失值（結(jié)果詳見文中和電子表格）。在任務(wù)2中，根據(jù)中心極限定理我們得出各屬性值近似服從正態(tài)分布這一前提。接下來，我們使用SPSS統(tǒng)計軟件的單因素方差檢驗功能，最終得到各個屬性對不同地區(qū)和不同類型學(xué)校在不同顯著性水平下的差異性（結(jié)果詳見文中）。在任務(wù)3中，我們基于BP神經(jīng)網(wǎng)絡(luò)算法利用matlab編程，將已知類型的74組數(shù)據(jù)（由于個別數(shù)據(jù)造成結(jié)果不穩(wěn)定，經(jīng)過反復(fù)調(diào)試后我們剔除了其中6組）的11個屬性（工學(xué)等11個學(xué)科門類的科研能力）組成的74行11列矩陣作為輸入，經(jīng)過訓(xùn)練，得到可用于預(yù)測的BP神經(jīng)網(wǎng)絡(luò)，最后將待預(yù)測的數(shù)據(jù)輸入，最終得到各個學(xué)校類型。在任務(wù)4中，我們采用層次模型，考慮了37個屬性，分為3層（頂層為綜合實力），根據(jù)相關(guān)文獻和調(diào)查報告，我們求出各個層次的比較矩陣，經(jīng)過通過matlab編程計算并進行一致性檢驗，最終得出各個因素對于風(fēng)險的影響權(quán)重。最后通過模糊評價的方法，得出各個大學(xué)的綜合實力以及師資力量等四個方面評價結(jié)果。在任務(wù)5中，通過拿我們的評價方案與網(wǎng)大的學(xué)校評價方法比較，我們發(fā)現(xiàn)兩者互有優(yōu)缺點。由于我們所擁有的數(shù)據(jù)有限，無法把社會對學(xué)校的評價考慮進去，這是我們的缺點。而我們的有點便在于，除此之外，考慮的因素較為全面?？偟膩碚f我們的評價方案是合理的。關(guān)鍵詞：多元線性回歸模型單因素方差檢驗BP神經(jīng)網(wǎng)絡(luò)算法層次模型問題重述大學(xué)評價的意義在于改進大學(xué)教育。如果大學(xué)發(fā)現(xiàn)自己的排名低，通過與其他學(xué)校比較，可以找出問題所在，如新生入學(xué)成績低，就加強招生宣傳工作；師生比低，就引進和培育更多的教師；校友捐贈低，就加強學(xué)生對學(xué)校的認同教育和校友工作；等等。更進一步還可以從大學(xué)評價和排名的變化和發(fā)展中洞察高等教育和大學(xué)發(fā)展的一些信息和意義。任務(wù)1數(shù)據(jù)存在缺漏，請用適當(dāng)方法進行完善。任務(wù)2分析不同地區(qū)，不同類型大學(xué)的差異所在。任務(wù)3試判斷一下后20所大學(xué)屬于什么樣的辦學(xué)類型（理工、綜合、農(nóng)林、師范、財經(jīng)和醫(yī)藥等）。任務(wù)4應(yīng)用適當(dāng)方法，對這些大學(xué)的綜合實力和某些方面的能力（如科研能力）進行評價。任務(wù)5就你的評價方法與其他大學(xué)評價方法進行比較分析（如存在哪些優(yōu)點和不足）。模型的基本假設(shè)在任務(wù)1中，每個屬性之間存在相互關(guān)系，我們假設(shè)它們之間都是線性關(guān)系。在任務(wù)1中，由于“地區(qū)”屬性難以被準確量化處理，因此我們將地區(qū)一項在處理本任務(wù)的過程中剔除。在任務(wù)3中，我們用各大學(xué)相應(yīng)學(xué)科科研能力的大小直接衡量該學(xué)科的規(guī)模大?。纯蒲心芰εc學(xué)科規(guī)模成正比，忽略其中的質(zhì)與量的關(guān)系）。在任務(wù)4中，我們由于數(shù)據(jù)有限，不考慮社會對學(xué)校的評價。符號說明第i所大學(xué)名稱第i所大學(xué)所在地區(qū)第i所大學(xué)類型在讀博士數(shù)量（人）在讀碩士數(shù)量（人）本科相對錄取分數(shù)線規(guī)劃教材數(shù)量教學(xué)團隊（個）雙語課程（門）實驗中心（個）特色專業(yè)（個）教學(xué)成果數(shù)學(xué)建模（項）挑戰(zhàn)杯（項）普通本科（人）普通專科（人）成人本科（人）成人?？疲ㄈ耍┝魧W(xué)生（人）專任教師（人）本科評估（1代表優(yōu)秀，2代表良好）優(yōu)博論文數(shù)（篇）正高級職稱（人）副高級職稱（人）中級職稱（人）初級職稱（人）無職稱（人）精品課程（門）理學(xué)科研能力工學(xué)科研能力農(nóng)學(xué)科研能力醫(yī)學(xué)科研能力哲學(xué)科研能力經(jīng)濟學(xué)科研能力法學(xué)科研能力教育學(xué)科研能力文學(xué)科研能力歷史學(xué)科研能力管理學(xué)科研能力問題的分析及模型的建立4.1缺失數(shù)據(jù)的修復(fù)4.1.1問題分析根據(jù)題目所給出的數(shù)據(jù)，利用Excel整理表格我們發(fā)現(xiàn)：有16個元組（表中的一行，下同）共計18個屬性（表中的一列，下同）值缺失。其中，學(xué)校4（理學(xué)，工學(xué)）和學(xué)校22（經(jīng)濟學(xué)，理學(xué)），分別有兩個屬性值出現(xiàn)缺失，學(xué)校3（工學(xué)），學(xué)校7（規(guī)劃教材），學(xué)校10（理學(xué)），學(xué)校12（博士），學(xué)校13（經(jīng)濟學(xué)），學(xué)校15（教學(xué)成果），學(xué)校17（中級），學(xué)校28（實驗中心），學(xué)校41（教學(xué)團隊），學(xué)校59（理學(xué)），學(xué)校60（正高），學(xué)校71（規(guī)劃教材），學(xué)校84（本科相對錄取分數(shù)線），學(xué)校86（碩士）和學(xué)校95（正高）各有一個屬性值缺失。為了修復(fù)丟失的數(shù)據(jù)，我們考慮根據(jù)假設(shè)1，利用已知的無屬性值缺失的元組（除去有缺失的17個元組，還有83個具有完整屬性值的元組）建立多元線性回歸模型，分別求得每個屬性關(guān)于其他多個屬性的多元線性回歸方程并進行相應(yīng)檢驗。最后將通過檢驗的回歸方程應(yīng)用于缺失部分屬性值的元組中，估計出缺失的屬性值。4.1.2模型建立及求解基于假設(shè)1和上述問題分析，我們決定建立多元線性回歸模型。根據(jù)數(shù)據(jù)缺失的情況，我們需要求出：博士，碩士，本科相對錄取分數(shù)線，規(guī)劃教材，教學(xué)團隊，實驗中心，教學(xué)成果，正高，中級，理學(xué)，工學(xué)，經(jīng)濟學(xué)共12個屬性的回歸方程。由于缺失數(shù)據(jù)的元組僅有17組（在總體中所占比例僅17%），因此我們將這17組有缺失的數(shù)據(jù)剔除，用剩下的83組有完整記錄的元組進行線性回歸。另外，由于地區(qū)難以被量化處理，因此我們將地區(qū)一項予以剔除。我們考慮使用SPSS軟件的stepwise（逐步回歸）對各個屬性的進行回歸運算，在軟件求解出的備選模型中根據(jù)相關(guān)系數(shù)等參數(shù)進行選擇，最終得到各個屬性的多元回歸方程。1.“博士”屬性的多元線性回歸：我們使用SPSS的線性回歸功能，采用stepwise（逐步回歸方式），并作如下設(shè)定：回歸結(jié)果如下：由上表我們可以看出，結(jié)果提供了5種備選模型，根據(jù)相應(yīng)模型的相關(guān)系數(shù)QUOTE（越接近于1越好），QUOTE統(tǒng)計量（越大越好）和概率sig（越小越好）。綜合以上考慮，我們選取了QUOTE，QUOTE和三個相關(guān)量以及常數(shù)項sig均小于QUOTE的模型5。因為加入了將過大殘差的屬性剔除這一設(shè)定，因此，在模型5中，正高等多個屬性被剔除，我們最后得到的回歸方程為：（注意：接下來對其他變量的分析采用同樣的方法，但是由于論文篇幅所限，因此我們不再在文中附圖表，只將回歸方程和相關(guān)參數(shù)給出，具體圖標參加附錄）2.“碩士”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“碩士”屬性與正高，優(yōu)秀博士論文，博士和本科相對錄取分數(shù)線存在較強線性關(guān)系，回歸方程如下：3.“本科相對錄取分數(shù)線”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“本科相對錄取分數(shù)線”屬性與正高，普通本科，碩士，管理學(xué)，工學(xué)，醫(yī)學(xué)，副高和農(nóng)學(xué)存在較強線性關(guān)系，回歸方程如下：4.“規(guī)劃教材”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“規(guī)劃教材”屬性與正高，優(yōu)秀博士論文，博士和本科錄取分數(shù)線存在較強線性關(guān)系，回歸方程如下：5.“教學(xué)團隊”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“教學(xué)團隊”屬性與精品課程，碩士，教學(xué)成果和中級存在較強線性關(guān)系，回歸方程如下：6.“實驗中心”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“實驗中心”屬性與正高，文學(xué)和教學(xué)團隊存在較強線性關(guān)系，回歸方程如下：7.“教學(xué)成果”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“教學(xué)成果”屬性與精品課程，規(guī)劃教材，法學(xué)，歷史和無職稱存在較強線性關(guān)系，回歸方程如下：8.“正高”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“正高”屬性與精品課程，專任教師，初級，中級和副高存在較強線性關(guān)系，回歸方程如下：9.“中級”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“中級”屬性與專任教師，正高和副高存在較強線性關(guān)系，回歸方程如下：10.“理學(xué)”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“理學(xué)”屬性與優(yōu)秀博士論文，歷史，規(guī)劃教材，成人本科，本科相對錄取分數(shù)線存在較強線性關(guān)系，回歸方程如下：11.“工學(xué)”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“工學(xué)”屬性與優(yōu)秀博士論文，歷史，規(guī)劃教材，成人本科，本科相對錄取分數(shù)線存在較強線性關(guān)系，回歸方程如下：12.“經(jīng)濟學(xué)”屬性的多元線性回歸：通過剔除部分偏差較大的屬性，我們得到“經(jīng)濟學(xué)”屬性與博士，哲學(xué)，優(yōu)秀博士論文，副高，歷史，農(nóng)學(xué)，醫(yī)學(xué)和普通本科存在較強線性關(guān)系，回歸方程如下：表1.各屬性多元回歸方程匯總表博士碩士本科相對錄取線規(guī)劃教材教學(xué)團隊實驗中心教學(xué)成果正高中級理學(xué)工學(xué)經(jīng)濟學(xué)計算缺失值：將回歸方程帶入有數(shù)據(jù)缺失的元組，進行計算，最終估計出缺失屬性值。學(xué)校4理學(xué)：154.1865276工學(xué)：2819.425385學(xué)校22理學(xué)：715.6979655經(jīng)濟學(xué)：105.9236676學(xué)校3工學(xué)：388.424025學(xué)校7規(guī)劃教材：1248.746學(xué)校10理學(xué)：621.654396學(xué)校12博士：4385學(xué)校13經(jīng)濟學(xué)：3259.67299學(xué)校15教學(xué)成果：2042.12586學(xué)校17中級：1837學(xué)校41教學(xué)團隊：57學(xué)校59理學(xué)：33.64084395學(xué)校60正高：2792學(xué)校71規(guī)劃教材：196.8437427學(xué)校84本科相對錄取分數(shù)線：2.191321257學(xué)校86碩士：10219學(xué)校95正高：2173（完整表格請參見壓縮包內(nèi)Excel電子文檔）4.1.3模型分析：該線性回歸模型成功求解出了缺失屬性對應(yīng)的多元回歸方程，最終利用方程估計除了缺失值。同時，各個回歸方程的相關(guān)系數(shù)較接近于1，也說明了各因變量間較強的相關(guān)性。4.1.4模型的優(yōu)缺點及推廣：對于本題，我們采用多元線性回歸模型，將除地區(qū)（由于難以量化，故剔除）外能被準確量化的指標都加以考慮，并且利用逐步回歸的方式對其中偏差過大的變量進行了剔除，得到多元回歸直線方程，并通過相關(guān)有效性檢驗，最后估計出缺失值。該模型不僅適用于本文，更可以被推廣到復(fù)雜線性系統(tǒng)中，它利用最簡單的線性關(guān)系分析多變量影響下的某一變量，這就使得復(fù)雜線性系統(tǒng)中對某一變量的研究變得簡單。但是，該模型也存在缺點，由于之前做出了變量之間的關(guān)系為線性關(guān)系的假設(shè)，這就忽略了其它可能存在的非線性關(guān)系，因此，顯得有些苛刻，但是經(jīng)計算得到的回歸方程具有較高的相關(guān)性，這就在一定程度上減弱了較強假設(shè)的影響。4.2各大學(xué)間差異分析4.2.1問題分析任務(wù)2的要求是分析不同地區(qū)，不同類型大學(xué)的差異所在。由于數(shù)據(jù)量較大，因此對比不同大學(xué)的差異主要從兩個方面分析：1.不同地區(qū)的大學(xué)的差異分析（不考慮大學(xué)的類型，共計100組數(shù)據(jù)）；2.不同類型大學(xué)的差異分析（不考慮大學(xué)的地域差異，共計80組數(shù)據(jù)）。根據(jù)中心極限定理，由于樣本容量較大，因此各屬性值近似服從于正態(tài)分布，接下來，如果數(shù)據(jù)通過方差齊次性檢驗（即說明數(shù)據(jù)具有齊次性），那么就可以使用多重比較方法進行進一步的差異性檢驗4.2.2模型建立及求解基于上述問題分析，我們決定采用SPSS進行顯著性差異性分析，使用單因素方差分析（也稱作一維方差分析）檢驗因變量的若干水平分組中哪些組與其他各組均值間具有顯著性差異，即進行均值的多重比較。以下以不同類型的大學(xué)在數(shù)學(xué)建模中的顯著性差異分析為例：多重比較的參數(shù)設(shè)定如下所示：輸出結(jié)果如下：表2.描述統(tǒng)計量Descriptives表2描述統(tǒng)計量給出了各種類型學(xué)校的樣本容量N、平均數(shù)Mean、標準差Std.Deviation、標準誤差Std.Error、95%的置信區(qū)間、最小值和最大值。表3.方差齊次性檢驗TestofHomogeneityofVariances表3的方差齊次性檢驗結(jié)果表明，從顯著性概率(0.05)看，p(0.014)<0.05,說明各種類型大學(xué)的方差在a=0.05水平上沒有顯著性差異，即方差具有齊次性。這個結(jié)論在選擇多重比較方法時作為一個重要條件。表4.方差分析表ANOVA表4方差分析表：第1欄是方差來源，包括組間變差“BetweenGroups”；組內(nèi)變差“WithinGroups”和總變差“Total”。第2欄是離差平方和“SumofSquares”，組間離差平方和26582.240，組內(nèi)離差平方和為80836.247，總離差平方和為107418.9，是組間離差平方和與組內(nèi)離差平方和相加之和。第3欄是自由度df，組間自由度為5，組內(nèi)自由度為74總自由度為79。第4欄是均方“MeanSquare”，是第2欄與第3欄之比；組間均方為5316.448，組內(nèi)均方為1092.387。第5欄是F值4.867（組間均方與組內(nèi)均方之比）。第6欄：F值對應(yīng)的概率值，針對假設(shè)H0：組間均值無顯著性差異(即5種類型大學(xué)的平均值無顯著性差異)。計算的F值4.867，對應(yīng)的概率值為0.001。表5.是多重比較的Duncan法比較結(jié)果多重比較比較表顯著性差異差異的判讀：在同一列的平均數(shù)表示沒有顯著性差異，反之則不在同一列里面的平均數(shù)具有顯著性的差異。表6.數(shù)學(xué)建模方面顯著性差異表醫(yī)藥類師范類農(nóng)林類財經(jīng)類理工類綜合類醫(yī)藥類-顯著顯著顯著顯著顯著師范類顯著----顯著農(nóng)林類顯著-----財經(jīng)類顯著-----理工類顯著-----綜合類顯著顯著---- （注：-表示不顯著）從上表可以看得出，醫(yī)藥類大學(xué)在數(shù)學(xué)建模方面與其他類型大學(xué)差異顯著，究其原因是，歷年來醫(yī)藥類大學(xué)都沒有在數(shù)學(xué)建模競賽中獲獎，而綜合類大學(xué)與師范類大學(xué)的差異性顯著主要原因是綜合類大學(xué)在數(shù)學(xué)建模中獲獎次數(shù)遠遠多余師范類大學(xué)因此通過SPSS的單因素方差分析可以多重比較不同類型大學(xué)在各項指標中的差異。繼續(xù)使用這種方法分析不同類型大學(xué)、不同地區(qū)大學(xué)的差異性。（住：接下來對其他屬性的差異性分析同上，篇幅所限，我們不再給出詳細的過程）不同類型大學(xué)的差異性分析：圖1.不同類型大學(xué)在顯著性水平為0.05下在碩士生數(shù)量方面的差異從圖1.可以看得出，綜合類大學(xué)與醫(yī)藥類大學(xué)在碩士生數(shù)量上差異性明顯，綜合類大學(xué)平均有8638.4063，而醫(yī)藥類大學(xué)的碩士生平均只有2012.667.圖2.不同類型大學(xué)在顯著性水平為0.05下本科相對錄取分數(shù)線的差異性分析圖從圖2.可以看出，農(nóng)林類大學(xué)與師范類大學(xué)的本科相對錄取分數(shù)線遠低于財經(jīng)類大學(xué)的本科相對錄取分數(shù)線，兩者之間的本科相對錄取分數(shù)線差異性明顯。這就正好與當(dāng)下財經(jīng)類大學(xué)火爆而農(nóng)林師范類大學(xué)遭到冷遇的現(xiàn)狀相符合。圖3.不同類型大學(xué)在顯著性水平為0.05下大學(xué)挑戰(zhàn)者杯競賽差異性表從圖3可以看出，在顯著性水平為0.05下，在挑戰(zhàn)者杯獲獎上，各類型學(xué)校差異較大，其中醫(yī)藥類與師范類、理工類、綜合類差異性顯著；農(nóng)林類與綜合類差異性顯著；師范類與醫(yī)藥類差異性顯著；理工類與醫(yī)藥類差異顯著；綜合類與農(nóng)林類以及醫(yī)藥類差異顯著；圖4.不同類型大學(xué)在顯著性水平為0.05下大學(xué)本科人數(shù)差異性表從圖4可以看得出，在顯著性水平為0.05下，醫(yī)藥類與師范類、理工類、農(nóng)林類、綜合類大學(xué)在本科人數(shù)上均有較大顯著差異，醫(yī)藥類本科人數(shù)最好，而其他類型大學(xué)的本科人數(shù)差異不明顯。圖5.不同類型在顯著性水平為0.05下大學(xué)成人本科差異性表從圖5可以看得出，在顯著性水平為0.05下，在成人本科方面，醫(yī)藥類與綜合類有差異顯著，而其他的類型的大學(xué)的差異性不顯著。圖6.不同類型大學(xué)在顯著性水平為0.01下在專任教師方面的差異性表從圖6可以看得出，在顯著性水平為0.01下，醫(yī)藥類大學(xué)與財經(jīng)類大學(xué)在專任教師上與綜合類大學(xué)上差異明顯，醫(yī)藥類大學(xué)與財經(jīng)類大學(xué)的專任教師遠遠小于綜合類大學(xué)的專任教師。圖7.不同類型大學(xué)在顯著性水平為0.01下在副高方面的差異性對比從圖7可以看出醫(yī)藥類的副高（副教授）數(shù)量上遠遠小于綜合類大學(xué)的數(shù)量，兩者的差異性顯著。圖8.不同類型大學(xué)在顯著性水平為0.01下中級職稱上的差異性對比從圖8可以看得出，在顯著性水平為0.05下，醫(yī)藥類大學(xué)在教師中級職稱上的數(shù)量與綜合類大學(xué)差異性顯著，而其他類型大學(xué)差異性并不顯著，不相伯仲。圖9.不同類型大學(xué)在顯著性水平為0.05下在工科科研能力上的差異性對比從圖9可以看得出，在顯著性水平為0.2下，財經(jīng)類大學(xué)、醫(yī)藥類大學(xué)、師范類大學(xué)與綜合類大學(xué)，理工類大學(xué)的差異性比較明顯，而農(nóng)林大學(xué)與理工類大學(xué)差異性也非常明顯，究其原因是，理工類大學(xué)的以工科為主，因此其科研能力非常突出。圖10.不同類型大學(xué)在顯著性水平為0.2下農(nóng)學(xué)科研能力上的差異性對比從圖10可以看得出，在顯著性水平為0.2下，農(nóng)林大學(xué)的農(nóng)學(xué)科研能力遠遠超過其他其他類型的大學(xué)。圖11.不同類型的大學(xué)在顯著性水平為0.2下的醫(yī)學(xué)科研能力差異性表從圖11可以看得出，在顯著性水平為0.2下，綜合類型大學(xué)與醫(yī)藥大學(xué)的醫(yī)學(xué)科研能力相當(dāng)不錯，遠遠超過其他類型的大學(xué)。圖12.不同類型大學(xué)在顯著性水平為0.2下的哲學(xué)科研能力差異性表從圖12可以看得出，在顯著性水平為0.2下，綜合類大學(xué)的哲學(xué)科研能力最強，而其他類型的讀大學(xué)的哲學(xué)科研能力都比較弱。圖13.不同類型大學(xué)在顯著性水平為0.2下的經(jīng)濟學(xué)科研能力差異性表從圖13可以看得出，在顯著性水平為0.2下，財經(jīng)類大學(xué)的經(jīng)濟學(xué)科研能力遠遠超過其他類型的大學(xué)，醫(yī)藥類、理工類、師范類大學(xué)的經(jīng)濟學(xué)科研能力相差不大，大致相同。 圖14.不同類型大學(xué)在顯著性水平為0.2下的法學(xué)科研能力差異性表從圖14可以看得出，在顯著性水平為0.2下，財經(jīng)類大學(xué)的法學(xué)科研能力最強，醫(yī)藥類大學(xué)、農(nóng)林類、理工類、都與財經(jīng)類大學(xué)有很大的差異性。圖15.不同類型大學(xué)在顯著性水平為0.2下的教育學(xué)科研能力差異性表從圖15可以看得出，在顯著性水平為0.2下，其他類型大學(xué)都與師范類大學(xué)在教育學(xué)上都有很大的差異性。而其他類型的大學(xué)的教育學(xué)科研能力都相差不大，原因也是相當(dāng)明顯的，師范類大學(xué)以教育學(xué)為主。圖16.不同類型大學(xué)在顯著性水平為0.2下的文學(xué)科研能力差異性對比從圖16可以看得出，在顯著性水平為0.2下，師范類與綜合類的科研的文學(xué)科研能力相差無幾，而且都遠遠超過其他類型的大學(xué)。圖17.不同類型大學(xué)在顯著性水平為0.2下的歷史學(xué)科研能力差異性表從圖17可以看得出，在顯著性水平為0.2下，綜合類大學(xué)與師范類大學(xué)的歷史學(xué)科研能力都比較好，并且遠遠超過其他類型的大學(xué)，而醫(yī)藥類大學(xué)的歷史學(xué)科研能力基本為0.圖18.不同類型大學(xué)在顯著性水平為0.2下的管理學(xué)科研能力差異性對比從圖18可以看得出，在顯著性水平為0.2下，在管理學(xué)科研能力方面，醫(yī)藥類大學(xué)與財經(jīng)類，綜合類、農(nóng)林類大學(xué)的差異性顯著，師范類大學(xué)與綜合類，農(nóng)林類大學(xué)的差異性顯著，財經(jīng)類大學(xué)與醫(yī)藥類大學(xué)的差異性也顯著，而綜合類與農(nóng)林類大學(xué)差異性不顯著，并且平均科研能力相當(dāng)高。從以上分析可以看出，各種不同類型的大學(xué)在碩士、本科相對錄取分數(shù)線、挑戰(zhàn)者、普通本科、專任教師、副教授數(shù)量、中級職稱教師、以及各種不同學(xué)科，如工科、農(nóng)學(xué)、醫(yī)學(xué)、哲學(xué)、經(jīng)濟學(xué)、法學(xué)、文學(xué)、歷史學(xué)、管理學(xué)的科研能力上有較大的顯著性差異。而在其他方面如博士、規(guī)劃教材、教學(xué)團隊、雙語課程、實驗中心、特色專業(yè)、教學(xué)成果、數(shù)學(xué)建模、普通專科、成人本科、成人?？啤⒘魧W(xué)生、本科評估、優(yōu)博論文數(shù)、正高、初級、無職稱、精品課程、理學(xué)等方面，不同類型的大學(xué)不存在明顯的顯著性差異。接下來繼續(xù)通過SPSS的單因素方差檢驗方法探索不同地域大學(xué)的差異。不同類型大學(xué)的差異性分析：圖19.不同地區(qū)大學(xué)在顯著性水平為0.1下的成人本科差異性表從圖19可以看得出，在顯著性水平a-0.1下，東北地區(qū)的大學(xué)憑人成人本科人數(shù)比其他地方要少，有顯著性差異；而其他地方之間的大學(xué)差異性不顯著。圖20.不同地區(qū)大學(xué)在顯著性水平為0.1下的成人專科差異性表從圖20可以看得出，在顯著性水平a-0.1下，在成人?？品矫妫瑬|北地區(qū)與中南地區(qū)、西南地區(qū)存在顯著性差異；西北地區(qū)與西南地區(qū)存在顯著性差異；華東地區(qū)與西南地區(qū)存在顯著性差異；中南地區(qū)與東北地區(qū)存在顯著性差異；西南地區(qū)與東北、西北地區(qū)、華東地區(qū)、華北地區(qū)也存在顯著性差異；圖21.不同地區(qū)大學(xué)在顯著性水平為0.1下的初級職稱教師差異性表從圖21可以看得出，在顯著性水平a-0.1下，在初級職稱方面下，華北地區(qū)與中南地區(qū)、東北地區(qū)、西南地區(qū)存在顯著性差異；華東地區(qū)與西南地區(qū)存在顯著性差異；西北地區(qū)與西南地區(qū)存在顯著性差異；中南地區(qū)與華北地區(qū)存在顯著性差異；東北地區(qū)與華北地區(qū)存在顯著性差異；西南地區(qū)與華北地區(qū)、華東地區(qū)、西北地區(qū)存在顯著性差異；圖22.不同地區(qū)大學(xué)在顯著性水平為0.1下的普通本科差異性表從圖22可以看得出，在顯著性水平a-0.1下，在普通本科方面，華北地區(qū)與東北地區(qū)、華東地區(qū)、中南地區(qū)、西南地區(qū)存在顯著性差異；西北地區(qū)與中南地區(qū)、西南地區(qū)存在顯著性差異；東北地區(qū)與華北地區(qū)存在顯著性差異；華東地區(qū)與華北地區(qū)存在顯著性差異；中南地區(qū)與華北地區(qū)、西北地區(qū)存在顯著性差異；西南地區(qū)與華北、西北地區(qū)存在顯著性差異；圖23.不同地區(qū)大學(xué)在顯著性水平為0.1下的數(shù)學(xué)建模差異性表圖23可以看得出，在數(shù)學(xué)建模方面，西南地區(qū)與其他地區(qū)均存在顯著性差異，并且差異相當(dāng)明顯；圖24.不同地區(qū)大學(xué)在顯著性水平為0.1下的無職稱教師差異性表從圖24可以看得出，在顯著性水平0.1下，在無職稱教師方面，東北地區(qū)與西南地區(qū)、中南地區(qū)存在顯著性差異；西北地區(qū)與中南地區(qū)存在顯著性差異；西南地區(qū)與東北地區(qū)存在顯著性差異；中南地區(qū)與東北地區(qū)、西北地區(qū)存在顯著性差異；圖25.不同地區(qū)大學(xué)在顯著性水平為0.1下的專任教師差異性表從圖25可以看得出，在顯著性水平為0.1下，專任教師方面華北地區(qū)與西南地區(qū)存在明顯差異，而其他地區(qū)差異不明顯。從以上分析可以看得出，各地區(qū)的大學(xué)主要在數(shù)學(xué)建模、普通本科、普通?？?、專任教師、初級、無職稱方面存在顯著性差異，而在其他方面如博士方面不存在顯著性差異。4.2.3模型的分析根據(jù)中心極限定理，得出數(shù)據(jù)近似于正態(tài)分布，利用SPSS的單因素方差檢驗法,多重比較不同地域不同大學(xué)在某一具體指標下的差異性，另外從檢驗結(jié)果可以看得出，不同類型的大學(xué)在較多的具體指標下有顯著的差異性，而不同地域的大學(xué)只有在較少的具體指標下有顯著的差異性，這其實可以理解，畢竟不同類型的大學(xué)差異更大，而不同地域的大學(xué)的主要差別是在于當(dāng)?shù)氐慕?jīng)濟發(fā)展程度，人文環(huán)境，地理環(huán)境等。具體的來說，不同類型的大學(xué)主要在不同學(xué)科的科研能力上有顯著性差異；而不同地區(qū)的大學(xué)主要在學(xué)生招生人數(shù)數(shù)量和教師職稱構(gòu)成上有較顯著的差異。4.2.4模型的優(yōu)缺點及推廣本小題的模型求解主要是通過使用SPSS的單因素方差檢驗法，主要優(yōu)點是建立在均值比較基礎(chǔ)上，能使用給出的所有大學(xué)的資料，通過合理的分析和推理，直觀地看出在具體的哪些指標，哪些類型、哪些大學(xué)之間存在顯著的差異性，以及差異性的大小，另外還可以通過附帶的顯著性水平，可以看出顯著性差異的可靠度；但主要缺點是部分顯著性差異檢驗均建立在較高的顯著性水平上，如（0.1，0.2），在可靠度方面可能缺乏較好的說服力，這是本模型的硬傷所在，但這也有可能跟數(shù)據(jù)的可靠性有密切關(guān)系。4.3大學(xué)類型預(yù)測4.3.1問題分析任務(wù)3要求我們預(yù)測后20所未知類型大學(xué)的類型。根據(jù)相關(guān)網(wǎng)頁資QUOTE，我們發(fā)現(xiàn)，中國大學(xué)類型的劃分主要根據(jù)1952年引進的蘇聯(lián)模式，即由各學(xué)科門類比例情況進行分類，例如綜合類（文理專業(yè)比例較大），工科類（工學(xué)專業(yè)比例較大）。由于本題沒有各大學(xué)各學(xué)科門類所占比例方面的數(shù)據(jù)，因此我們根據(jù)假設(shè)3，以各大學(xué)某學(xué)科大類的科研能力大小衡量各大學(xué)相應(yīng)學(xué)科的規(guī)模。因此，我們只需要利用80所已知類型的大學(xué)的相關(guān)數(shù)據(jù)作為研究對象，找出學(xué)校類型與各學(xué)科科研能力之間的關(guān)系，通過相關(guān)有效性驗證之后，我們就能用這一關(guān)系進行預(yù)測。4.3.2模型的建立與求解考慮到學(xué)校類型與各學(xué)科科研能力之間的關(guān)系具有復(fù)雜性和非線性性，因此我們考慮使用BP神經(jīng)網(wǎng)絡(luò)模型利用matlab編程找出其中具有的關(guān)系，再用這一關(guān)系對未知學(xué)校類型進行預(yù)測。由于matlab具有強大的BP神經(jīng)網(wǎng)絡(luò)算法功能，這就為我們編程帶來的極大方便，具體編程思路為，利用庫函數(shù)newff建立一個BP神經(jīng)網(wǎng)絡(luò)，利用train函數(shù)對BP網(wǎng)絡(luò)進行訓(xùn)練，再利用sim函數(shù)對BP網(wǎng)絡(luò)進行仿真。過程中需要反復(fù)訓(xùn)練多次，直到達到規(guī)定誤差范圍。最后，我們通過檢驗的神經(jīng)網(wǎng)絡(luò)對未知量進行預(yù)測。（具體M文件參見附錄）（由圖可見，Train曲線最終趨近與Best線，說明訓(xùn)練達到很好的效果）計算過程中，我們將學(xué)校類型分別用以下數(shù)字進行代替：表.8學(xué)校類型與對應(yīng)數(shù)字學(xué)校類型理工綜合師范農(nóng)林醫(yī)學(xué)財經(jīng)對應(yīng)數(shù)字123456經(jīng)過matlab編程計算，我們得到預(yù)測結(jié)果：表9.后20所大學(xué)類型預(yù)測結(jié)果：學(xué)校81828384858687類型財經(jīng)理工農(nóng)林綜合理工理工師范8889909192939495師范理工師范財經(jīng)綜合理工理工綜合96979899100農(nóng)林理工師范理工綜合4.3.3模型分析本題中我們利用BP神經(jīng)網(wǎng)絡(luò)模型對問題進行了求解，得到了結(jié)果，但是過程中由于模型對數(shù)據(jù)準確性的高要求，我們不得不剔除了6組疑似有問題的數(shù)據(jù)，總體而言，該模型的運用是成功的。4.3.4模型的優(yōu)缺點及推廣BP神經(jīng)網(wǎng)絡(luò)模型及其算法實質(zhì)上實現(xiàn)了一個從輸入到輸出的映射功能，而相關(guān)數(shù)學(xué)理論已證明它具有實現(xiàn)任何復(fù)雜非線性映射的功能。這使得它特別適合于求解內(nèi)部機制復(fù)雜的問題。因此，我們可以將它推廣到其他復(fù)雜非線性系統(tǒng)各變量關(guān)系分析和預(yù)測中。BP神經(jīng)網(wǎng)絡(luò)模型及其算法也存在缺點，它對數(shù)據(jù)的準確性要求極高，我們在預(yù)測過程中，發(fā)現(xiàn)有6組數(shù)據(jù)存在問題，因此我們通過剔除它們成功進行了求解。這一特點使得該模型在的使用范圍被限定在高準確性的數(shù)據(jù)分析中，一定程度上限制了其使用范圍。4.4各大學(xué)綜合實力和其他方面實力評價4.4.1問題分析我們對諸多屬性進行分層，得到如下圖標，其中第一幅圖為最高層（目標層）和第二層（子目標層）關(guān)系，后面四幅圖為第二層（子目標層）與第三層（最底層）關(guān)系圖：綜合實力綜合實力學(xué)生情況師資力量科研能力學(xué)科建設(shè)學(xué)生情況師資力量科研能力學(xué)科建設(shè)學(xué)生情況學(xué)生情況本科錄取線博士比例碩士比例留學(xué)生人數(shù)留學(xué)生比例本科錄取線博士比例碩士比例留學(xué)生人數(shù)留學(xué)生比例博士人數(shù)碩士人數(shù)博士人數(shù)碩士人數(shù)師資力量師資力量物職稱人數(shù)師生比專任教師初級人數(shù)中級人數(shù)副高比例副高人數(shù)正高比例正高人數(shù)物職稱人數(shù)師生比專任教師初級人數(shù)中級人數(shù)副高比例副高人數(shù)正高比例正高人數(shù)科研能力科研能力工學(xué)農(nóng)學(xué)醫(yī)學(xué)哲學(xué)經(jīng)濟學(xué)法學(xué)教育學(xué)文學(xué)歷史學(xué)管理學(xué)理學(xué)工學(xué)農(nóng)學(xué)醫(yī)學(xué)哲學(xué)經(jīng)濟學(xué)法學(xué)教育學(xué)文學(xué)歷史學(xué)管理學(xué)理學(xué)學(xué)科建設(shè)學(xué)科建設(shè)本科評估學(xué)科競賽精品課程優(yōu)博論文教學(xué)成果特色專業(yè)實驗中心雙語課程教學(xué)團隊規(guī)劃教材本科評估學(xué)科競賽精品課程優(yōu)博論文教學(xué)成果特色專業(yè)實驗中心雙語課程教學(xué)團隊規(guī)劃教材通過該層次分解，我們逐層進行分析，得到每個屬性對上一層影響的權(quán)重，最終就能對各個大學(xué)進行綜合評價和四個子目標層的評價。4.4.2模型的建立與求解我們考慮采用層次分析模型。首先根據(jù)下表對各因素進行定性的評價：標度QUOTE意義1QUOTE與QUOTE相比，具有同樣重要性3QUOTE與QUOTE相比，前者比后者稍重要5QUOTE與QUOTE相比，前者比后者明顯重要7QUOTE與QUOTE相比，前者比后者強烈重要9QUOTE與QUOTE相比，前者比后者重要2，4，6，8表示上述評價的中間值倒數(shù)QUOTE與QUOTE之比為以上標度QUOTE的倒數(shù)表10.各因素評價標準判斷矩陣定義為：M=QUOTE,其中QUOTE為第i個元素與第j個元素根據(jù)表.18得出的標度。最終我們得到如下判斷矩陣：表11.學(xué)生情況判斷矩陣本科線博士碩士博士比例碩士比例留學(xué)生留學(xué)生比例本科線10.7551021.0277781.7619052.4666672.0555562.868217博士1.32432411.3611112.3333333.2666672.7222223.79845碩士0.9729730.73469411.7142862.422.790698博士比例0.5675680.4285710.58333311.41.1666671.627907碩士比例0.4054050.3061220.4166670.71428610.8333331.395349留學(xué)生0.4864860.3673470.50.8571431.211.395349留學(xué)生比例0.3486490.2632650.3583330.6142860.860.7166671表12.師資力量判斷矩陣正高人數(shù)正高比例副高副高比例中級人數(shù)初級人數(shù)無職稱專任教師師生比正高人數(shù)12.35711.57142.753.14285.07699.42853.66661.7232正高比例0.424210.66661.16661.33332.153841.55550.731副高0.63631.511.7523.230762.33331.0966副高比例0.36360.85710.571411.14281.84613.42851.33330.6266中級人數(shù)0.31810.750.50.87511.61531.85710.72220.3394初級人數(shù)0.1960.46420.30950.54160.619011.85710.72220.3394無職稱0.10600.250.16660.29160.33330.538410.38880.1827專任教師0.27270.64280.42850.750.85711.38462.571410.4699師生比0.58031.36780.91191.59581.8232.94615.47142.1277781表13.科研能力判斷矩陣理學(xué)工學(xué)農(nóng)學(xué)醫(yī)學(xué)哲學(xué)經(jīng)濟學(xué)法學(xué)教育學(xué)文學(xué)歷史學(xué)管理學(xué)理學(xué)11111111111工學(xué)11111111111農(nóng)學(xué)11111111111醫(yī)學(xué)11111111111哲學(xué)11111111111經(jīng)濟學(xué)11111111111法學(xué)11111111111教育學(xué)11111111111文學(xué)11111111111歷史學(xué)11111111111管理學(xué)11111111111表14.學(xué)科建設(shè)判斷矩陣規(guī)劃教材教學(xué)團隊雙語課程實驗中心特色專業(yè)教學(xué)成果優(yōu)博論文數(shù)精品課程學(xué)科競賽本科評估規(guī)劃教材11.7083331.7083330.7592591.7903931.641.9523811.1388893.4453782.05教學(xué)團隊0.585366110.4444441.0480350.961.1428570.6666672.0168071.2雙語課程0.585366110.4444441.0480350.961.1428570.6666672.0168071.2實驗中心1.3170732.252.2512.3580792.162.5714291.54.5378152.7特色專業(yè)0.5585370.9541670.9541670.42407410.9161.0904760.6361111.924371.145教學(xué)成果0.6097561.0416671.0416670.4629631.09170311.1904760.6944442.100841.25優(yōu)博論文數(shù)0.5121950.8750.8750.3888890.9170310.8410.5833331.7647061.05精品課程0.87804666671.5720521.441.71428613.025211.8學(xué)科競賽0.2902440.4958330.4958330.220370.5196510.4760.5666670.33055610.595本科評估0.4878050.8333330.8333330.370370.8733620.80.9523810.5555561.6806721計算步驟如下（僅以學(xué)生情況判斷矩陣A為例）：第一步：A的元素按列歸一化；第二步：將歸一化后的各列加相；第三步：將相加后的向量除以n即得權(quán)重向量，并進行一致性檢驗（詳見程序段）最后得到的各個因素權(quán)重為：表15.主因素權(quán)重學(xué)生情況師資力量科研能力學(xué)科建設(shè)0.18970.25730.2750.2798表16.學(xué)生情況影響因素權(quán)重0.19540.25880.19020.11090.08150.09510.0681本科錄取線博士碩士博比碩比留學(xué)生留學(xué)生比例表17.師資力量影響因素權(quán)重0.25930.110.1650.09430.07180.05110.02750.07070.1504正高正高占教師比例副高副高占教師比例中級初級無職稱專任教師師生比表18.科研能力影響因素權(quán)重0.09090.09090.09090.09090.09090.09090.09090.09090.09090.09090.0909理學(xué)工學(xué)農(nóng)學(xué)醫(yī)學(xué)哲學(xué)經(jīng)濟學(xué)法學(xué)教育學(xué)文學(xué)歷史學(xué)管理學(xué)表19.學(xué)科建設(shè)影響因素權(quán)重0.14650.08580.08580.1930.08180.08930.07510.12870.04250.0715規(guī)劃教材教學(xué)團隊雙語課程實驗中心特色專業(yè)教學(xué)成果優(yōu)博論文數(shù)精品課程學(xué)科競賽本科評估各學(xué)校具體排名結(jié)果如下：也可詳見Excel電子表格（文件名：學(xué)校排名）排名情況學(xué)生情況師資力量科研能力學(xué)科建設(shè)綜合實力學(xué)校名稱學(xué)校114137286學(xué)校28489809185學(xué)校3615402220學(xué)校420165145學(xué)校5283594學(xué)校66028227757學(xué)校78695898989學(xué)校83739165029學(xué)校94929394238學(xué)校108171446971學(xué)校115343725162學(xué)校127679617376學(xué)校13999410099100學(xué)校149885989597學(xué)校157887768683學(xué)校165555701651學(xué)校188882918188學(xué)校199396859290學(xué)校202738652341學(xué)校218993568482學(xué)校225448746165學(xué)校238258866581學(xué)校241525524140學(xué)校254130414742學(xué)校268413139學(xué)校277997878886學(xué)校281953488學(xué)校291849492033學(xué)校30576511034學(xué)校316636434448學(xué)校32339182515學(xué)校336778591855學(xué)校345654245644學(xué)校357762467672學(xué)校362156673447學(xué)校376152846877學(xué)校384834204031學(xué)校394233325436學(xué)校408380509080學(xué)校41262483521學(xué)校421368301723學(xué)校43172617117學(xué)校44720271學(xué)校452921545746學(xué)校465711134527學(xué)校47524263830學(xué)校482550232118學(xué)校498081837984學(xué)校501164601535學(xué)校513890533161學(xué)校524344816473學(xué)校534435193626學(xué)校543945263028學(xué)校55125942524學(xué)校569283558079學(xué)校5747713919學(xué)校58284784925學(xué)校594024826074學(xué)校609692909393學(xué)校613573774364學(xué)校62312252610學(xué)校637366366260學(xué)校645037116343學(xué)校6559527211學(xué)校663131576753學(xué)校677567687075學(xué)校686263692758學(xué)校6991412132學(xué)校709799999898學(xué)校7132494816學(xué)校72242372913學(xué)校733032213222學(xué)校745846296649學(xué)校756460287563學(xué)校764586345959學(xué)校7763610612學(xué)校7847215414學(xué)校799598939796學(xué)校801057641937學(xué)校819070979495學(xué)校826569667170學(xué)校833617783756學(xué)校84341947117學(xué)校857465387468學(xué)校867277718378學(xué)校871622735552學(xué)校884613583345學(xué)校896940144639學(xué)校909174948592學(xué)校91703635350學(xué)校928588928291學(xué)校936875457269學(xué)校9422183123學(xué)校958784969694學(xué)校962310757867學(xué)校977161335854學(xué)校985151795266學(xué)校999491888787學(xué)校10010010095100994.4.3模型的分析層次模型的使用使得復(fù)雜系統(tǒng)中多種影響因素共同作用下的評價變得比較清晰，易于操作，我們通過利用判斷矩陣將目標轉(zhuǎn)化為兩兩因素之間的相互比較，最終得到評價目標（最頂層）受最底層各個因素影響的權(quán)重，最后依靠所得權(quán)重對各個學(xué)校綜合實力和其他四方面能力進行評價，得到學(xué)校排名。4.4.4模型的優(yōu)缺點及評價層次模型將問題轉(zhuǎn)化為兩兩因素之間的比較，有效地避免了多個因素比較時的相互影響，使得評價更為準確客觀。因此，它能夠被推廣到復(fù)雜系統(tǒng)的綜合評價當(dāng)中。由于其采用了分層模式，因此，我們還能對其子目標層（即某一方面的實力）進行綜合評價。但是，層次模型也有不足之處，盡管轉(zhuǎn)化為判斷矩陣，大大提高的評價的精度，但是依然需要人作出判斷，這樣以來就造成了主觀因素的影響，同時，由于我們時間有限，不能收集專家和更多人對該問題的評價，因此，在評價矩陣構(gòu)成方面存在一定的不準確性。4.5各類大學(xué)評價方法的對比和分析通過網(wǎng)絡(luò)和相關(guān)文獻，我們收集到了一些專業(yè)從事大學(xué)實力評價的集體的具體評價方法：我們的評價方法：采用層次模型，分別求的子層每個因素對上一層影響的權(quán)重值，最終通過該權(quán)重值進行計算，得到學(xué)校綜合實力的排行榜。我們主要考慮了，學(xué)生情況，師資力量，科研能力和學(xué)科建設(shè)四個子方面，并涉及到37個（博士人數(shù)等）底層屬性。2003網(wǎng)大中國大學(xué)指標評價體系：一級指標：學(xué)術(shù)聲譽，學(xué)術(shù)資源，學(xué)生情況，教師資源，物資資源，學(xué)校聲譽，學(xué)術(shù)資源，學(xué)術(shù)成果共8個指標，其中每個指標還細分為2到4個二級指標，它們都分別占有一定的權(quán)重，最后根據(jù)逐項打分，按照所占權(quán)重進行計算即得最終的評價分數(shù)，由此得到各大學(xué)排名。中國校友會2007年中國大學(xué)排行榜指標：一級指標：科學(xué)研究，人才培養(yǎng)，學(xué)校聲譽，分別包含1到3個二級指標，同時二級指標又分別包含1到2個三級指標，通過給出三級指標（即最底層指標權(quán)重），我們可以計算出各個學(xué)校的得分，依據(jù)此結(jié)果進行排名。通過與上述兩個評價標準進行比較，我們發(fā)現(xiàn)，三者都是采用層次模型，將目標進行層次劃分，求得各個底層屬性所占總體的權(quán)重，再進行計算排名?？梢哉f在解決問題的思路上都是建立層次模型進行分析，不同之處在于，與網(wǎng)大評價體系相比，校友會評價體系涉及面過于窄，沒有對研究對象進行比較全面的評價，但是同時由于校友會評價體系采用了三層層次模型，因此對于每一研究方面評價更為準確。網(wǎng)大模型用于綜合實力評價更好，而校友會模型更利于某一方面實力的評價。而我們的模型由于數(shù)據(jù)所限，涉及面不夠?qū)?，尤其忽略了對學(xué)校聲譽和杰出校友的評價，換言之，我們的評價體系完全建立在客觀數(shù)據(jù)的基礎(chǔ)上，而忽略了諸多社會因素對于學(xué)校的評價。參考國外很多成熟的評價體系，無一例外向有關(guān)專家，成功人士，企業(yè)高管發(fā)函調(diào)查是一個重要評價步驟，因此我們的模型在社會因素這一方面需要加強。另外，我們的模型涉及到的底層屬性也不夠多，直接導(dǎo)致了研究對象的全面性。因此，我們將就這幾點問題，進一步對模型進行改進，力求最大限度真實準確的評價各個大學(xué)。五．參考文獻[1]人民網(wǎng)科教專題：中國大學(xué)分類研究，網(wǎng)址：/GB/kejiao/230/6034/8079/20021125/873976.html，訪問時間：2010/7/3017:42:32[2]姜啟源，謝金星，葉俊，數(shù)學(xué)模型，北京：高等教育出版社，2003[3]劉瓊蓀，龔劬，何中市，傅鸝，任善強，數(shù)學(xué)實驗，北京：高等教育出版社，2004[4]張輝，任新，Word·Excel2007完全掌握，北京：清華大學(xué)出版社,2009[5]人民教育出版社教學(xué)資源分社，人民教育出版社生物室，生物2必修（遺傳與進化），北京：人民教育出版社六．附錄SPSS軟件生成的各屬性線性回歸報告1.博士（見正文）：2.碩士：模型匯總h模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.900a.810.8081825.208262.918b.844.8401667.131553.950c.902.8981330.647624.958d.919.9141218.552045.963e.927.9221160.151026.966f.933.9281116.826877.969g.938.9331081.503171.728a.預(yù)測變量:(常量),正高。b.預(yù)測變量:(常量),正高,優(yōu)博論文數(shù)。c.預(yù)測變量:(常量),正高,優(yōu)博論文數(shù),博士。d.預(yù)測變量:(常量),正高,優(yōu)博論文數(shù),博士,本科相對錄取分數(shù)線。e.預(yù)測變量:(常量),正高,優(yōu)博論文數(shù),博士,本科相對錄取分數(shù)線,專任教師。3.本科相對錄取分數(shù)線：模型匯總j模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.761a.580.574.065962.813b.661.652.059603.846c.715.704.054994.866d.750.737.051845.881e.776.762.049366.898f.807.791.046197.906g.821.804.044738.905h.819.805.044629.912i.832.816.043351.729a.預(yù)測變量:(常量),規(guī)劃教材。b.預(yù)測變量:(常量),規(guī)劃教材,初級。c.預(yù)測變量:(常量),規(guī)劃教材,初級,碩士。d.預(yù)測變量:(常量),規(guī)劃教材,初級,碩士,無職稱。e.預(yù)測變量:(常量),規(guī)劃教材,初級,碩士,無職稱,優(yōu)博論文數(shù)。f.預(yù)測變量:(常量),規(guī)劃教材,初級,碩士,無職稱,優(yōu)博論文數(shù),正高。g.預(yù)測變量:(常量),規(guī)劃教材,初級,碩士,無職稱,優(yōu)博論文數(shù),正高,經(jīng)濟學(xué)。h.預(yù)測變量:(常量),初級,碩士,無職稱,優(yōu)博論文數(shù),正高,經(jīng)濟學(xué)。i.預(yù)測變量:(常量),初級,碩士,無職稱,優(yōu)博論文數(shù),正高,經(jīng)濟學(xué),中級。j.因變量:本科相對錄取分數(shù)線4.規(guī)劃教材：模型匯總j模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.856a.733.730406.246492.897b.804.800349.890873.931c.868.862289.774374.944d.891.885264.654635.950e.903.897251.009676.955f.912.905241.169587.962g.926.919222.314498.966h.933.926212.994249.969i.938.931205.695751.961a.預(yù)測變量:(常量),管理學(xué)。b.預(yù)測變量:(常量),管理學(xué),法學(xué)。c.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果。d.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線。e.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線,經(jīng)濟學(xué)。f.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線,經(jīng)濟學(xué),留學(xué)生。g.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線,經(jīng)濟學(xué),留學(xué)生,理學(xué)。h.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線,經(jīng)濟學(xué),留學(xué)生,理學(xué),特色專業(yè)。i.預(yù)測變量:(常量),管理學(xué),法學(xué),教學(xué)成果,本科相對錄取分數(shù)線,經(jīng)濟學(xué),留學(xué)生,理學(xué),特色專業(yè),農(nóng)學(xué)。j.因變量:規(guī)劃教材5.教學(xué)團隊：模型匯總e模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.865a.749.74625.443762.892b.795.79023.114003.903c.815.80822.097814.910d.829.82021.402732.281a.預(yù)測變量:(常量),精品課程。b.預(yù)測變量:(常量),精品課程,碩士。c.預(yù)測變量:(常量),精品課程,碩士,教學(xué)成果。d.預(yù)測變量:(常量),精品課程,碩士,教學(xué)成果,中級。e.因變量:教學(xué)團隊6.實驗中心：模型匯總d模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.828a.686.68223.536002.854b.729.72221.982103.882c.778.77020.019932.159a.預(yù)測變量:(常量),正高。b.預(yù)測變量:(常量),正高,文學(xué)。c.預(yù)測變量:(常量),正高,文學(xué),教學(xué)團隊。d.因變量:實驗中心7.教學(xué)成果：模型匯總f模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.878a.770.767537.967562.906b.821.816478.063453.911c.830.823469.171534.917d.841.833455.833985.922e.850.840446.332152.002a.預(yù)測變量:(常量),精品課程。b.預(yù)測變量:(常量),精品課程,規(guī)劃教材。c.預(yù)測變量:(常量),精品課程,規(guī)劃教材,法學(xué)。d.預(yù)測變量:(常量),精品課程,規(guī)劃教材,法學(xué),歷史學(xué)。e.預(yù)測變量:(常量),精品課程,規(guī)劃教材,法學(xué),歷史學(xué),無職稱。f.因變量:教學(xué)成果8.正高：模型匯總h模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.846a.716.713433.669282.935b.875.872289.920723.952c.906.903252.243824.960d.921.917232.643965.965e.931.927219.000406.970f.941.936204.001517.973g.946.941196.944282.291a.預(yù)測變量:(常量),精品課程。b.預(yù)測變量:(常量),精品課程,專任教師。c.預(yù)測變量:(常量),精品課程,專任教師,初級。d.預(yù)測變量:(常量),精品課程,專任教師,初級,無職稱。e.預(yù)測變量:(常量),精品課程,專任教師,初級,無職稱,中級。f.預(yù)測變量:(常量),精品課程,專任教師,初級,無職稱,中級,副高。g.預(yù)測變量:(常量),精品課程,專任教師,初級,無職稱,中級,副高,理學(xué)。h.因變量:正高9.中級：模型匯總d模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.852a.726.722457.456512.871b.758.752431.965953.917c.840.834353.196902.186a.預(yù)測變量:(常量),專任教師。b.預(yù)測變量:(常量),專任教師,正高。c.預(yù)測變量:(常量),專任教師,正高,副高。d.因變量:中級10.理學(xué)：模型匯總i模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.704a.495.489329.938862.797b.634.625282.547383.843c.711.700252.972084.858d.736.723243.142305.890e.791.778217.596416.898f.806.791210.903227.895g.801.788212.612088.908h.825.811200.461632.131a.預(yù)測變量:(常量),優(yōu)博論文數(shù)。b.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué)。c.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),醫(yī)學(xué)。d.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),醫(yī)學(xué),規(guī)劃教材。e.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),醫(yī)學(xué),規(guī)劃教材,博士。f.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),醫(yī)學(xué),規(guī)劃教材,博士,成人本科。g.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),規(guī)劃教材,博士,成人本科。h.預(yù)測變量:(常量),優(yōu)博論文數(shù),歷史學(xué),規(guī)劃教材,博士,成人本科,本科相對錄取分數(shù)線。i.因變量:理學(xué)11.工學(xué)：模型匯總i模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.785a.617.6123667.052822.844b.712.7053197.317073.892c.795.7882712.573544.908d.824.8152531.180455.920e.847.8372373.939516.932f.868.8582217.658097.938g.880.8692130.049578.943h.889.8772061.918222.137a.預(yù)測變量:(常量),博士。b.預(yù)測變量:(常量),博士,哲學(xué)。c.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù)。d.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù),副高。e.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù),副高,歷史學(xué)。f.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù),副高,歷史學(xué),農(nóng)學(xué)。g.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù),副高,歷史學(xué),農(nóng)學(xué),醫(yī)學(xué)。h.預(yù)測變量:(常量),博士,哲學(xué),優(yōu)博論文數(shù),副高,歷史學(xué),農(nóng)學(xué),醫(yī)學(xué),普通本科。i.因變量:工學(xué)12.經(jīng)濟學(xué)：模型匯總f模型RR方調(diào)整R方標準估計的誤差Durbin-Watson1.801a.641.637487.492772.844b.713.705439.100553.875c.766.757398.507574.893d.797.786373.934535.899e.808.796365.426862.272a.預(yù)測變量:(常量),哲學(xué)。b.預(yù)測變量:(常量),哲學(xué),管理學(xué)。c.預(yù)測變量:(常量),哲學(xué),管理學(xué),工學(xué)。d.預(yù)測變量:(常量),哲學(xué),管理學(xué),工學(xué),本科相對錄取分數(shù)線。e.預(yù)測變量:(常量),哲學(xué),管理學(xué),工學(xué),本科相對錄取分數(shù)線,優(yōu)博論文數(shù)。f.因變量:經(jīng)濟學(xué)BP神經(jīng)網(wǎng)絡(luò)M文件：%采用L-M優(yōu)化算法closeallclearallclc%定義訓(xùn)練樣本矢量%P為輸入矢量P=[22.4768260900000,289.736956500000,302.078434800000,93.1470869600000,833.512826100000,136.649695700000,47.3513913000000,678.270217400000,130.306869600000,1796.47608700000,302.265608700000,136.342739100000,75.5220000000000,1463.62434800000,384.090304300000,333.055087000000,355.109913000000,789.315652200000,100.358956500000,301.670608700000,254.267739100000,767.303217400000,25.2989130400000,55.1557391300000,230.675000000000,543.476304300000,188.750347800000,238.216130400000,40.3344347800000,353.140391300000,376.213260900000,254.657956500000,21.2273913000000,223.121652200000,85.2505217400000,0,57.6810434800000,21.8743913000000,21.2177391300000,4.54539130400000,43.3838695700000,8.68947826100000,52.5345217400000,781.229869600000,248.066521700000,193.885826100000,474.218087000000,39.2458260900000,420.805565200000,172.791521700000,294.880521700000,11.0497391300000,51.9787391300000,922.340043500000,370.049782600000,39.7816521700000,129.723130400000,108.003869600000,420.805565200000,385.948652200000,1903.05204300000,341.687521700000,142.499956500000,2153.68669600000,94.5920000000000,15.8515652200000,20.5690000000000,150.172434800000,13.8788695700000,31.3266956500000,100.638130400000,51.1070869600000,935.467260900000,173.141391300000;126.687304300000,12304.3547800000,350.594434800000,4301.03791300000,9603.74713000000,4333.03165200000,7624.56069600000,782.678608700000,8188.02365200000,5853.80730400000,10893.1996500000,1294.58469600000,503.832000000000,3799.05426100000,12521.5909600000,877.487304300000,21543.4243500000,833.881739100000,603.924173900000,446.060173900000,355.989217400000,75483270.81113000000,650.224347800000,406.229217400000,1835.45252200000,615.922087000000,5164.71234800000,4214.28591300000,11674.8633000000,231.187130400000,33503378.40278300000,6888.51756500000,14410.3419100000,175.242087000000,1984.10365200000,3407.34956500000,3395.00173900000,73.1982608700000,6459.83165200000,3107.02887000000,1455.45843500000,2778.43095700000,511.796521700000,2603.39130400000,404.007652200000,5921.05704300000,3765.06434800000,1048.91130400000,9556.94226100000,2685.47304300000,3373.19339100000,24713.8779100000,1072.90713000000,3686.83130400000,7739.07373900000,5824.42782600000,3765.06434800000,1166.95582600000,11002.7200000000,2237.42643500000,2724.29565200000,27116.4389600000,5653.55026100000,3497.99547800000,5086.84869600000,6338.76730400000,4168.19547800000,5589.75930400000,5768.46469600000,737.318260900000,9664.30747800000,1286.21252200000;0,0,9.76056521700000,0,48.8690434800000,0,0,31.0350000000000,4.17060869600000,0,5.12747826100000,0,259.482434800000,25.5336956500000,8.91786956500000,18.2619565200000,0,0,197.091000000000,0,0,0,0,4.18282608700000,6.70700000000000,88.2123043500000,0,0,0,3.47308695700000,6.33382608700000,659.230130400000,2.59300000000000,7.76721739100000,6.22960869600000,0,4.18091304300000,0,0,0,0,0,42.2044782600000,18.5451304300000,10.4895217400000,3.27143478300000,11.2410000000000,0,0,4.27491304300000,7.66304347800000,0,0,47.2698695700000,80.2909565200000,4.88678260900000,0,0,0,0,0,8.74004347800000,0,369.571478300000,0,0,10.7473913000000,0,1.46800000000000,0,0,45.0777391300000,0,153.490869600000;507.150260900000,326.160565200000,0,0,678.033956500000,0,0,0,23.9839565200000,1193.43252200000,578.084000000000,186.243826100000,4.51530434800000,38.2856087000000,818.605956500000,17.2552608700000,0,0,0,17.8080434800000,0,415.433000000000,0,0,31.0023913000000,42.6733043500000,202.658260900000,0,0,25.9733043500000,30.0876521700000,0,0,42.2533913000000,53.6367391300000,811.524347800000,70.6729130400000,49.7194347800000,6.95130434800000,0,0,0,0,64.8813913000000,11.8594782600000,193.358434800000,0,0,0,14.7363913000000,135.642043500000,0,0,1291.89739100000,20.1764347800000,21.8163043500000,6.59243478300000,0,0,20.3537391300000,0,176.332608700000,5.70373913000000,1002.10347800000,10.2675652200000,0,20.9476087000000,0,3.53095652200000,3.40369565200000,0,9.52204347800000,450.887782600000,28.4967391300000;0,14.0133913000000,6.65382608700000,1.12421739100000,31.0199565200000,0.909086957000000,4.36943478300000,4.62152173900000,2.85065217400000,71.2608695700000,11.3605652200000,3.66182608700000,0,54.9734782600000,18.1864782600000,12.0194782600000,5.05913043500000,26.7459130400000,1.00060869600000,2.88273913000000,4.06682608700000,49.8892173900000,2.00165217400000,40.4205652200000,4.79630434800000,0,0,20.4296087000000,3.34060869600000,4.48704347800000,20.1589130400000,0.865739130000000,1.10856521700000,0.782608696000000,3.22430434800000,0,4.34452173900000,2.24878260900000,0,10.1040000000000,2.33121739100000,0,0.946000000000000,30.0197391300000,42.6966521700000,5.58086956500000,16.7264782600000,0.951521739000000,0,10.6516956500000,10.1585652200000,0.236000000000000,0.534434783000000,4.46347826100000,8.08073913000000,0.236695652000000,2.05117391300000,0.660043478000000,0,5.70104347800000,3.34956521700000,17.4872608700000,1.29321739100000,38.3616521700000,1.47917391300000,0,0,0,1.84700000000000,6.93134782600000,1.34465217400000,2.19243478300000,80.7476956500000,3.43547826100000;13.1384347800000,1755.94226100000,73.0504347800000,212.485217400000,682.737043500000,122.768000000000,161.940869600000,259.721043500000,582.677913000000,2408.39095700000,137.09113