应用统计学课程设计

1、应用统计学课程设计应用统计学课程设计学学 院院 专专 业业 年年 级级 姓姓 名名 学学 号号 应用统计学课程设计1目录目录第一章第一章 应届毕业生对母校的怀念程度影响因素的多元线性回归应届毕业生对母校的怀念程度影响因素的多元线性回归 .11.1 引言.11.1.1 研究背景.11.1.2 问题的提出与描述.11.1.3 数据来源及样本特征.21.2 建模与分析.21.2.1 模型建立.21.2.2 运算与结果分析.31.2.3 模型的修正再运算与结果分析.61.3 结论与思考.8第二章第二章 大学生对校园认可度影响因素的因子分析大学生对校园认可度影响因素的因子分析 .102.1 引言.102

2、.1.1 研究背景.102.1.2 问题的提出与描述.102.1.3 数据来源及样本特征.102.2 建模与分析.112.2.1 模型建立.112.2.2 运算与结果分析.112.2.3 模型的修正再运算与结果分析.162.3 结论与思考.21第三章第三章 应用统计学课程总结及建议应用统计学课程总结及建议 .223.1 应用统计学课程总结.223.2 应用统计学课程建议.23应用统计学课程设计2第一章 应届毕业生对母校的怀念程度影响因素的多元线性回归1.1 引言1.1.1 研究背景今年是管理与经济学部成立三十周年，很幸运的是，我们刚一入学就参与了各种院庆活动。眼见各行各业、各个年龄段的校友齐聚

3、一堂，或携其家眷，或白发斑斑，不远千里而来，我的心中很是感动。大学的四年是我们一生中最宝贵的时光，我们的青春在这里挥洒绽放。不管将来到了什么地方，从事什么样的工作，我们都时刻感恩母校对自己的培养、怀念母校的一草一木。另一方面，大学的繁荣昌盛、生生不息也在于培养出来的学生，能够投桃报李、感恩母校。而一个学生对自己的母校的眷恋、怀念程度，也影响着他对母校的反馈。这一反馈，既体现在他对母校的宣传，比如支持其子女亲属报考母校，也体现在他对母校的物质贡献上，比如捐赠。国内外已经有关于捐赠影响因素的研究。1.1.2 问题的提出与描述本文采用多元回归的方法，对应届毕业生怀念母校程度的影响因素进行分析，数据来

4、源于自编的调查问卷。其中，把应届毕业生对母校的怀念程度，作为因变量。它的测量，借鉴了南安普顿怀旧量表(Southampton Nostalgia Scale, SNS)，主要测量个人怀念母校的频率和重要性,量表使用 7 点计分标准。这一量表，在以往对英国和美国被试的研究中问卷具有较好的信度(00.9),经过初步修订后的中文版量表,在本次研究应用统计学课程设计3中的 a 系数为 0.872。作为自变量的影响应届毕业生对母校怀念程度的因素，本文选取就业与否、学校层次、学习成绩、科研竞赛、学生干部、社团实践、网络活跃度几个指标，让被调查者选择适合自己的状态，从而进行计分。另外要说明的是，之所以选择应

5、届毕业生，是考虑到随着毕业年份增加、阅历不断增加的情况下，尤其是到暮年之后，可能对母校的怀念，更多的转化为青葱岁月的追忆，而且个人进入社会后，不同的工作环境、生活阅历会对人的性格态度造成比较大的影响，而这些，是很难测量的。另一方面，应届毕业生的数据，对于本人来说，是更容易获取的。1.1.3 数据来源及样本特征本文的数据来源于自编的网上调查问卷，回收有效问卷 71 份。样本特征如下：男性校友 38 人，女性校友 33 人；状态为“工作”的 46 人，状态为“深造”的 25 人；学校层次上，985 院校 6 人，211 院校 18 人，普通一本 23 人，二本 18 人，三本及以下 6 人。该样本

6、各种特征还是比较符合高等院校的特点的，有比较强的代表性。1.2 建模与分析1.2.1 模型建立因变量：Y（应届毕业生对母校的怀念程度）自变量：X1（虚拟变量，表示状态，1 表示就业，0 表示深造）X2（学校层次）X3（学习成绩）X4(竞赛科研)X5（学生干部）X6(社团实践)应用统计学课程设计4X7（网络活跃度）1.2.2 运算与结果分析采用 SPSS18 进行多元线性回归分析，相关输出结果如下及分析如下：（1）回归方程的建立表1.1系数系数a a非标准化系数标准系数共线性统计量模型B标准 误差试用版tSig.容差VIF(常量)-.184.392-.470.640状态.353.170.1622

7、.075.042.6531.531学校层次.208.084.2182.491.015.5221.914学习成绩.059.080.054.728.469.7181.392竞赛科研.070.101.066.699.487.4542.203学生干部.178.106.1821.684.097.3432.918社团实践.291.107.3402.722.008.2563.9011网络活跃度.250.061.2974.067.000.7471.338a. 因变量: 怀念程度则由表 1.1，可初步建立多元线性回归方程 Y=-0.184+0.353X1+0.208X2+0.059X3+0.070X4+0.17

8、8X5+0.209X6+0.250X7下面根据软件输出结果对方程的可行性进行分析。（2）回归方程的拟合优度检验表1.2模型汇总模型汇总b b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.865a.748.720.553672.121a. 预测变量: (常量), 网络活跃度, 竞赛科研, 状态, 学习成绩, 学生干部, 学校层次, 社团实践。b. 因变量: 怀念程度由表1.2可以看出，R的平方=0.748，调整后的R的平方=0.720。样本决定系数和调整样本系数比较接近于 1，拟合度比较高，故通过拟合优度检验，认为解释变量应该对被解释变量有比较好的解释能力。应用统计学课程

9、设计5（3）回归方程的显著性检验表 1.3AnovaAnovab b模型平方和df均方FSig.回归57.44778.20726.771.000a残差19.31363.3071总计76.76070a. 预测变量: (常量), 网络活跃度, 竞赛科研, 状态, 学习成绩, 学生干部, 学校层次, 社团实践。b. 因变量: 怀念程度由表1.3可以看出，F统计量的Sig.0.05，方程线性关系显著。（4）回归方程系数的显著性检验由表1.1，除常数项外各系数t统计量的Sig.值分别为0.042、0.015、0.469、0.487、0.097、0.008、0.000，可知自变量X1、X2、X6、X7显著

10、，即状态、学校层次、社团实践、网络活跃度对因变量怀念母校的程度具有显著的影响。另外几个自变量对因变量的回归不显著，可能是存在多重共线性的缘故，我们下面进行多重共线性的检验。（5）回归方程多重共线性的诊断表1.4系数相关系数相关a a模型网络活跃度竞赛科研状态学习成绩学生干部学校层次社团实践网络活跃度1.000-.048-.045.149.046.306-.310竞赛科研-.0481.000.257-.512.122-.547-.286状态-.045.2571.000-.150-.133-.237-.233学习成绩.149-.512-.1501.000-.033.343.063学生干部.046.

11、122-.133-.0331.000.038-.701学校层次.306-.547-.237.343.0381.000-.132相关性社团实践-.310-.286-.233.063-.701-.1321.000网络活跃度.004.000.000.001.000.002-.002竞赛科研.000.010.004-.004.001-.005-.003状态.000.004.029-.002-.002-.003-.004学习成绩.001-.004-.002.006.000.002.0011协方差学生干部.000.001-.002.000.011.000-.008应用统计学课程设计6学校层次.002-.0

12、05-.003.002.000.007-.001社团实践-.002-.003-.004.001-.008-.001.011a. 因变量: 怀念程度表1.5相关性相关性怀念程度状态学校层次学习成绩竞赛科研学生干部社团实践网络活跃度怀念程度1.000.553.428.082.385.690.792.476状态.5531.000.271.037.075.498.522.190学校层次.428.2711.000-.013.549.243.373-.136学习成绩.082.037-.0131.000.405.033.056-.093竞赛科研.385.075.549.4051.000.205.384-.0

13、08学生干部.690.498.243.033.2051.000.798.297社团实践.792.522.373.056.384.7981.000.378Pearson 相关性网络活跃度.476.190-.136-.093-.008.297.3781.000怀念程度.000.000.250.000.000.000.000状态.000.011.378.267.000.000.056学校层次.000.011.456.000.020.001.129学习成绩.250.378.456.000.393.320.221竞赛科研.000.267.000.000.043.000.474学生干部.000.000.0

14、20.393.043.000.006社团实践.000.000.001.320.000.000.001Sig. （单侧）网络活跃度.000.056.129.221.474.006.001.怀念程度7171717171717171状态7171717171717171学校层次7171717171717171学习成绩7171717171717171竞赛科研7171717171717171学生干部7171717171717171社团实践7171717171717171N网络活跃度7171717171717171关于多重共线性的诊断，我们可以从以下角度分析：由表1.4可以看出，学校层次与科研竞赛、学习成绩

15、与科研竞赛、学生干部与社团实践，都存在比较强的相关关系，模型存在多重共线性现象。由表1.5可以看出，竞赛科研与学校层次、社团实践与状态、社团实践与学生干部，具有相关关系，模型存在多重共线性现象。应用统计学课程设计7由表1.1可得，自变量的VIF都是小于10的，但是状态、学习成绩、网络活跃度的容差接近1，说明存在共线性。（6）自相关检验由表1.2可知，D-W统计量为2.121，DL=1.46,DU=1.77,模型无自相关问题。1.2.3 模型的修正再运算与结果分析对模型应用逐步回归法进行修正，SPSS的输出结果及相关分析如下：（1）修正后回归方程的建立表1.6系数系数a a非标准化系数标准系数B

16、 的 95.0% 置信区间共线性统计量模型B标准 误差试用版tSig.下限上限容差VIF(常量)1.187.1966.068.000.7971.5781社团实践.678.063.79210.764.000.553.8041.0001.000(常量).819.2323.536.001.3571.282社团实践.612.065.7149.386.000.482.742.8571.1672网络活跃度.172.064.2052.700.009.045.300.8571.167(常量).198.288.687.495-.377.773社团实践.507.069.5927.376.000.370.645.6

17、731.486网络活跃度.239.063.2853.787.000.113.365.7671.3033学校层次.234.072.2453.270.002.091.378.7711.297(常量).214.280.765.447-.345.773社团实践.438.074.5115.952.000.291.584.5551.803网络活跃度.236.061.2813.849.000.113.358.7671.304学校层次.219.070.2293.129.003.079.359.7631.3104状态.371.164.1712.264.027.044.699.7211.388a. 因变量: 怀念

18、程度由表1.6，得到4个回归方程：Y=1.187+0.678X6Y=0.819+0.612X6+0.172X7应用统计学课程设计8Y=0.198+0.234X2+0.507X6+0.239X7Y=0.214+0.371X1+0.219X2+0.438X6+0.236X7（2）修正后回归方程的拟合优度检验表1.7模型汇总模型汇总e e模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.792a.627.621.644372.814b.663.653.616863.842c.709.696.577114.855d.730.714.560122.130a. 预测变量: (常量),

19、社团实践。b. 预测变量: (常量), 社团实践, 网络活跃度。c. 预测变量: (常量), 社团实践, 网络活跃度, 学校层次。d. 预测变量: (常量), 社团实践, 网络活跃度, 学校层次, 状态。e. 因变量: 怀念程度由表1.7知，模型1,模型2，模型3，模型4的拟合优度都比较不错，并且是越来越高的。（3）修正后回归方程的显著性检验表1.8AnovaAnovae e模型平方和df均方FSig.回归48.110148.110115.870.000a残差28.65069.4151总计76.76070回归50.885225.44266.862.000b残差25.87568.3812总计76

20、.76070回归54.445318.14854.491.000c残差22.31567.3333总计76.76070回归56.054414.01344.667.000d残差20.70666.3144总计76.76070a. 预测变量: (常量), 社团实践。b. 预测变量: (常量), 社团实践, 网络活跃度。c. 预测变量: (常量), 社团实践, 网络活跃度, 学校层次。d. 预测变量: (常量), 社团实践, 网络活跃度, 学校层次, 状态。e. 因变量: 怀念程度应用统计学课程设计9由表1.8可知，模型1,模型2，模型3，模型4的F统计量的Sig.的值都小于0.05，都是显著的。（4）修

21、正后回归方程系数的显著性检验由表1.6知，模型1,模型2，模型3，模型4的系数都是显著的。（5）修正后回归方程的确立综合以上分析可知，在都满足方程显著性和系数显著性的条件下，模型4具有最高的拟合优度，因此，模型4是最佳的回归方程模型，即Y=0.214+0.371X1+0.219X2+0.438X6+0.236X71.3 结论与思考通过修正，我们得出的影响应届毕业生怀念母校程度的多元线性回归方程Y=0.214+0.371X1+0.219X2+0.438X6+0.236X7其中，X1 代表状态（1 表示就业，0 表示深造） ，X2 代表学校层次，X6 代表社团实践，X7 代表网络活跃度。下面我们对

22、模型与实际生活的吻合度做一下比较：（1）从模型可以看出，状态、学校层次、社团实践、网络活跃度的系数都是正的。就业的应届毕业生比深造的具有更高的对母校的怀念程度，这一点是非常可以理解的。因为进入社会后，我们面临激烈的职场生活，在生活方式、作息习惯以及身边所接触的人等很多方面都要经过一段时间的不适应期，这时候时常怀念母校、怀念自己无拘无束的大学生活，是很正常的；而读研、出国等继续深造的学生，相对来说环境变化不是很大，可能被读研学校、出国城市的积极向上的环境所吸引，所以不至于产生很多思念母校的情感。（2）学校层次越高，越容易对母校产生怀念，这一点更是显而易见。高水平的大学，不仅在生活、学习条件上优越

23、，更是有一种优良的传统。校风校训，对人一生都会有很大的影响。所以我们可以看到，越是优秀学校出来的学生，将来回母校捐赠的可能就越大。因为他们更加认同母校，认为自己的母校可以产生很好的社会效益。（3）社团实践、网络活跃度，都与怀念母校的程度成正向关系。我们可以应用统计学课程设计10这样理解，拥有较多社团实践和网络活跃度的人，通常拥有较多的朋友，与学校相关机构的接触会更多。而对一个事物了解的越多，对它的记忆就越深刻，也越容易产生认可，这样在将来就越容易怀念的感情。另外，网络活跃度，是可以一直持续下来的。在毕业后，在网络上更活跃的人，更容易和大学同学联系，也就更容易谈及关于大学的话题，这样就更容易产生

24、思念。（4）在模型中，学习成绩、竞赛科研、学生干部对因变量是不显著的。这一方面与自变量间的共线性有关，比如学校的层次对学习成绩、竞赛科研是有很大的影响的，而学生干部与社团实践又是相关的。当然，他们内在的交叉影响关系还有很多。不过也说明，学习成绩以至于科研、学生干部这些因素，对怀念母校的程度影响比较微弱，即学霸和科研狂人不一定比学渣更怀念母校。这可能是因为这些人在图书馆、实验室的时间比较多，没有机会深入的了解学校，而他们深造、工作后，可能也比较关注于当下的生活。（5）我们还可以从样本来源的角度做一些分析，因为本次问卷是网上调查问卷，所以回答问卷的人，往往都是网络活跃度比较高、社团实践比较多的人。

25、总之，模型对现实生活的解释能力还是不错的，没有明显违背我们日常认可的地方，至于一些我们通常认为会对怀念母校程度有影响的学习成绩等因素的不显著，可能是很多原因造成的。而本文所采取的样本量是远远不能说明问题的，要想得出更为准确的结论，还是要加大样本量的。从本文的结论，我们可以对大学的建设提供一点参考，比如加强校园网络建设，如微信平台、公共主页等，从而加大学生的网络参与度，还有就是给予学生更多参与实践的机会，一些有意义的实践，比如支教或是校庆志愿者的活动，都是能给学生留下一生的美好回忆的。总之，对学校丝丝缕缕的回忆，都是学生投桃报李、回馈母校的活力源泉。应用统计学课程设计11第二章 大学生对校园认可

26、度影响因素的因子分析2.1 引言2.1.1 研究背景评价一个大学的优劣，最有发言权的就是生活在其中的学生。大学生，作为大学的服务、培养对象，对大学校园的认可度，直接影响到大学教育的质量。一个学生，只有对自己所在大学拥有一个较高的认可度，才能以一个积极的心态度过在校期间的学习、生活时光，才能在毕业后怀着一种深深的美好的眷恋回馈母校。本文旨在应用因子分析的方法，对影响学生对大学校园认可度的客观因素进行分析，探寻存在其中的规律，从而对大学校园的建设，提出合理化建议。2.1.2 问题的提出与描述本文应用因子分析的方法，通过自编调查问卷获取数据，对影响大学生对校园认可度的 15 个客观因素进行分析。这

27、15 个指标分别是校园自然环境、宿舍条件、浴室条件、超市书店、校训校风、学术报告、课程设置、文体活动、教师水平、学习氛围、网络使用、日常管理、信息化建设、奖励评价体系、图书馆条件。其中要说明的是，网络使用指有线、无线网络的速度及便捷度，日常管理指校级和院级日常关于卫生、安全等事项的管理，信息化建设在学生层面指选应用统计学课程设计12课系统、网络课程等。这些都在问卷中给予了解释说明。2.1.3 数据来源及样本特征本文的数据来源于自编的网上调查问卷，回收问卷 46 份，其中有效问卷34 份。样本特征如下：男同学 18 人，女性校友 16 人；基本上平衡了学校层次、专业大类以及地区水平。2.2 建模

28、与分析2.2.1 模型建立变量定义如下：X1：校园自然环境 X2：宿舍条件 X3：浴室条件X4：超市书店 X5：校训校风 X6：学术报告X7：课程设置 X8：文体活动 X9：教师水平X10：学习氛围 X11：网络使用 X12：日常管理X13：信息化建设 X14：奖励评价体系 X15：图书馆条件2.2.2 运算与结果分析应用 SPSS 软件进行因子分析的输出结果及分析如下：（1）因子分析方法适用性分析表2.1KMOKMO 和和 BartlettBartlett 的检验的检验取样足够度的 Kaiser-Meyer-Olkin 度量。.735近似卡方306.008df105Bartlett 的球形度

29、检验Sig.000应用统计学课程设计13表2.2应用统计学课程设计14相关矩阵相关矩阵校园自然环境宿舍条件浴室条件超市书店校训校风学术报告课程设置文体活动教师水平学习氛围网络使用日常管理信息化建设奖励评价图书馆校园自然环境1.000.286.173.341.381.437.323.169.403.419.004.272.249.231.397宿舍条件.2861.000.739.284.551.535.385.283.357.293.408.575.330.336.550浴室条件.173.7391.000.175.384.370.402.172.337.286.440.559.254.247.4

30、51超市书店.341.284.1751.000.219.427.513.428.369.186.213.257.050.321.410校训校风.381.551.384.2191.000.764.675.234.746.678.121.279.198.597.703学术报告.437.535.370.427.7641.000.704.493.653.603.285.319.406.523.656课程设置.323.385.402.513.675.7041.000.463.696.613.283.325.324.646.703文体活动.169.283.172.428.234.493.4631.000.

31、339.281.404.029.393.323.338教师水平.403.357.337.369.746.653.696.3391.000.793.195.063.129.606.745学习氛围.419.293.286.186.678.603.613.281.7931.000.121.192.050.697.694网络使用.004.408.440.213.121.285.283.404.195.1211.000.277.356.309.257日常管理.272.575.559.257.279.319.325.029.063.192.2771.000.409.307.431信息化建设.249.330

32、.254.050.198.406.324.393.129.050.356.4091.000.285.303奖励评价.231.336.247.321.597.523.646.323.606.697.309.307.2851.000.675相关图书馆.397.550.451.410.703.656.703.338.745.694.257.431.303.6751.000Sig.（单侧）校园自然环境.050.164.024.013.005.031.169.009.007.492.060.078.094.010应用统计学课程设计15宿舍条件.050.000.052.000.001.012.052.01

33、9.046.008.000.028.026.000浴室条件.164.000.161.013.016.009.165.025.050.005.000.073.079.004超市书店.024.052.161.107.006.001.006.016.145.114.071.389.032.008校训校风.013.000.013.107.000.000.091.000.000.247.055.131.000.000学术报告.005.001.016.006.000.000.002.000.000.051.033.009.001.000课程设置.031.012.009.001.000.000.003.00

34、0.000.052.030.031.000.000文体活动.169.052.165.006.091.002.003.025.054.009.435.011.031.025教师水平.009.019.025.016.000.000.000.025.000.135.361.234.000.000学习氛围.007.046.050.145.000.000.000.054.000.248.138.389.000.000网络使用.492.008.005.114.247.051.052.009.135.248.056.019.038.071日常管理.060.000.000.071.055.033.030.43

35、5.361.138.056.008.038.005信息化建设.078.028.073.389.131.009.031.011.234.389.019.008.051.041奖励评价.094.026.079.032.000.001.000.031.000.000.038.038.051.000图书馆.010.000.004.008.000.000.000.025.000.000.071.005.041.000应用统计学课程设计16在表 2 的上半部分，是原始变量的相关系数矩阵，存在许多比较高的相关系数，表 1 的下半部分是相关系数显著性检验的 Sig.值，其中存在很多小于0.05 的值，这些都说

36、明原始变量之间存在着较强的相关性，具有进行因子分析的必要性。从表 1 中可以看出，KMO=0.735，说明可以进行因子分析。Bartlett 球形检验的 Sig.值是 0.000，因此可以进行因子分析。（2）提取公共因子使用特征值大于 1 的方法，求出因子分析的初始解如下：表2.3公因子方差公因子方差初始提取校园自然环境1.000.738宿舍条件1.000.761浴室条件1.000.750超市书店1.000.609校训校风1.000.795学术报告1.000.736课程设置1.000.745文体活动1.000.784教师水平1.000.839学习氛围1.000.821网络使用1.000.718

37、日常管理1.000.756信息化建设1.000.487奖励评价1.000.653图书馆1.000.781提取方法：主成份分析。表 2.4解释的总方差解释的总方差初始特征值提取平方和载入旋转平方和载入成份合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %16.75745.04945.0496.75745.04945.0494.80032.00032.00021.88512.57057.6181.88512.57057.6182.66417.76349.763应用统计学课程设计1731.3118.74366.3611.3118.74366.3612.02513.50163.2644

38、1.0196.79173.1531.0196.79173.1531.4839.88973.1535.9126.07779.2306.7104.73683.9667.5773.84587.8118.3912.60690.4169.3732.48892.90410.3142.09494.99811.2501.66596.66412.1871.24897.91213.141.93898.85014.114.75899.60715.059.393100.000提取方法：主成份分析。表 2.3 是因子分析的初始解，给出了所有变量的共同度数值。Extration 列是指定条件提取公因子时，原始变量的方差可

39、以被解释的程度，可以看出，有些变量可以较好的被解释，共同度达到 80%以上，有些变量甚至不到 50%，所以采用特征值大于 1 的方法提取公因子效果不是很理想。应用统计学课程设计18表 2.4 给出了 15 个因子解释原始变量总方差的情况。可以看出每个因子的方差贡献度和累计贡献度。按特征值大于 1 的方法提取了 4 个公因子，累计贡献率达到 73.153%。说明提取的因子未能很好地提供原始数据信息。碎石图反映的情况相同。综上，该因子提取模型未能很好地概括原始数据信息，需要对模型进行修正。2.2.3 模型的修正再运算与结果分析选择输出 KMO 取样切当性检验和 Bartlett 球形检验等结果，采

40、用主成分分析法固定提取 5 个因子，并选用最大方差旋转法对因子进行旋转，输出碎石图、载荷图等。（1）因子分析方法适用性分析KMO取样切当性检验、Bartlett球形检验输出结果和相关矩阵同上，见表2.1，表2.2。（2）提取公共因子指定提取 5 个因子，输出结果如下表2.5公因子方差公因子方差初始提取校园自然环境1.000.768宿舍条件1.000.785浴室条件1.000.809超市书店1.000.913校训校风1.000.804学术报告1.000.749课程设置1.000.748文体活动1.000.784教师水平1.000.843学习氛围1.000.825网络使用1.000.732应用统计

41、学课程设计19日常管理1.000.757信息化建设1.000.922奖励评价1.000.663图书馆1.000.781提取方法：主成份分析。表2.6解释的总方差解释的总方差初始特征值提取平方和载入旋转平方和载入成份合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %16.75745.04945.0496.75745.04945.0494.90832.72032.72021.88512.57057.6181.88512.57057.6182.63817.58850.30831.3118.74366.3611.3118.74366.3611.66411.09461.40241.019

42、6.79173.1531.0196.79173.1531.55010.33671.7375.9126.07779.230.9126.07779.2301.1247.49279.2306.7104.73683.9667.5773.84587.8118.3912.60690.4169.3732.48892.90410.3142.09494.99811.2501.66596.66412.1871.24897.91213.141.93898.85014.114.75899.60715.059.393100.000提取方法：主成份分析。应用统计学课程设计20由表 2.5 可以看出，变量可以较好的被解释，

43、共同度达到 66.3%以上，所以提取 5 个公因子效果比较理想。表 2.6 给出了 15 个因子解释原始变量总方差的情况，累计贡献率达到79.23%。说明提取的因子能较好地提供原始数据信息。因子分析碎石图进一步说明提取 5 个因子是比较合适的。综上，该因子提取模型很好地概括原始数据信息。（3）因子旋转表 2.7成份矩阵成份矩阵a a成份12345校园自然环境.503-.128-.110.675.175宿舍条件.680.478-.265-.009-.154浴室条件.583.521-.335-.163-.243超市书店.507-.010.383.452-.552校训校风.810-.254-.257

44、-.093.094学术报告.844-.075.101.083.116应用统计学课程设计21课程设置.837-.144.150-.023-.055文体活动.513.088.716-.024.010教师水平.799-.428-.022-.129-.061学习氛围.749-.454-.167-.163.063网络使用.420.526.345-.383-.118日常管理.496.573-.355.235.020信息化建设.429.474.262.100.660奖励评价.743-.197.044-.244.103图书馆.868-.109-.121-.028-.014提取方法 :主成份。a. 已提取了 5

45、 个成份。表 2.8旋转成份矩阵旋转成份矩阵a a成份12345校园自然环境.313.160.240.185.744宿舍条件.312.807.143.127-.009浴室条件.254.846.061.014-.162超市书店.194.176.899-.074.178校训校风.840.271-.014.048.148学术报告.689.243.292.325.155课程设置.728.204.375.189.017文体活动.292-.058.612.518-.230教师水平.891.064.205-.027.038学习氛围.901.062.009-.031.088网络使用.117.414.294.3

46、82-.561日常管理.075.804.025.213.243信息化建设.101.251-.022.916.099奖励评价.766.132.100.198-.099图书馆.769.363.186.110.107提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 10 次迭代后收敛。由表 2.7 旋转前的因子载荷矩阵可以看出，多个变量在第一个因子上有较应用统计学课程设计22大的负荷，校园自然环境、文体活动、信息化建设等变量在多个因子上有较大负荷，需要进行因子旋转。表 2.8 为旋转后的因子载荷矩阵。旋转后第一个因子可以解释校训校风、学术报告、课程设置、教师水平、

47、学习氛围、奖励评价、图书馆条件。第二个因子可以解释宿舍条件、浴室条件、日常管理。第三个因子可以解释超市书店。第四个因子可以解释信息化建设。第五个因子可以解释学校自然环境。文体活动可以由第三、第四个因子共同解释。（4）因子得分表达式表 2.9成份得分系数矩阵成份得分系数矩阵成份12345校园自然环境-.058-.002.111.123.680宿舍条件-.042.364.004-.094-.032浴室条件-.028.418-.036-.192-.178超市书店-.146.045.733-.267.150校训校风.221.023-.189-.046.049学术报告.101-.039.046.150.

48、098课程设置.127-.042.136.011-.046文体活动-.016-.198.364.307-.201教师水平.242-.091.008-.124-.063学习氛围.277-.085-.159-.086-.020网络使用-.034.122.130.143-.506日常管理-.130.383-.065.038.236信息化建设-.061-.055-.222.749.153奖励评价.214-.077-.105.075-.161图书馆.149.062-.023-.047.026提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 构成得分。由表 2.9 知，因子得分表达式为F1=-0.146X4+0.221X5+0.101X6+0.127X7+0.242X9+0.288X10-0.13X12+0214X14+0.149X15F2=0.364X2+0.418X3-0.198X8+0.122X11+0.383X12应用统计学课程设计23F3=0.111X1+0.733X4-0.18