1、第 35 卷 第2期2023年 4 月六盘水师范学院学报Journal of Liupanshui Normal UniversityVol.35 No.2Apr.2023基于层次分析法与灰色关联分析法的地方高校经济统计学专业人才培养因素研究刘平清1，宁宝权1，聂铭1，丁克2（1.六盘水师范学院数学与统计学院，贵州 六盘水 553004；2.六盘水师范学院经济与管理学院，贵州 六盘水 553004）摘要：采用层析分析法与灰色关联分析相结合的评价方法，选取培养目标、教师经验、学生学习态度等22个指标构建评价体系，利用李克特量表法将人才培养影响因素量化，对贵州某地方院校经济统计学专业学生进行问卷调
2、查，收集数据建立分析模型，计算因素相关系数和灰关联度，对各影响因素重要性进行排序。提出优化人才培养的建议：一是以需求为导向，优化课程结构；二是以赛促教、以赛促学，优化教师队伍结构；三是教学中积极引导鼓励学生，提高学生学习热情；四是完善管理制度，丰富学习资源；五是加强校政企合作，及时洞悉社会变化。关键词：层次分析法；灰色关联分析；经济统计学；人才培养中图分类号：G642.0文献标识码：A文章编号：1671-055X（2023）02-0084-10DOI：10.16595/j.1671-055X.2023.02.010收稿日期：2022-11-02基金项目：贵州省教育厅2021年高等学校教学内容和
3、课程体系改革项目项目“大数据驱动背景下地方高校经济统计学专业人才培养模式的改革研究”（2021287）；贵州省教育厅2021年高等学校教学内容和课程体系改革项目项目“基于 SPOC+MOOC 的高校课堂混合教学模式设计与实践以 经济法 课程为例”（2021288）。作者简介：刘平清，女，讲师，主要从事经济统计分析研究；宁宝权，男，在读博士，教授，主要从事不确定模糊决策研究；聂铭，男，副教授，主要从事数理统计研究；丁克，女，在读博士，讲师，主要从事中小企业发展与评价研究。地方高校的人才培养一直备受社会关注，但高校人才供给与社会人才需求之间存在契合度偏差，使得高校对专业人才培养与社会对经济发展需要
4、间存在不协调。2012教育部颁布的本科专业目录中专业数量由 635 个专业锐减到 506 个专业1，而统计相关专业则增设了应用统计学与经济统计学，表明统计相关专业一定程度上得到了重视。经济统计学专业的培养目标定位是培养拥有良好经济、统计与数学理论基础，能够从事社会经济分析和数据挖掘等相关工作的专业人才。然而高校在人才培养影响因素的重要程度问题上并未得充分认识，进行人才培养模式改革存在困难，因此探讨经济统计学专业人才培养影响因素，充分认识到人才培养影响因素的重要程度，才能及时调整培养方案和模式，提高专业人才的培养效率。1研究进展概述从社会经济发展来看，唐宝珍等2阐述了大数据背景下社会对人才的新需
5、求，特别是在数据整理、数据分析等方面，应重点培养学生运用大数据技术对数据进行处理的能力。崔立志3介绍数据的表现不再局限于“数字”，数据分析需要寻求新方法，以大数据时代人才需求为标准，认识市场需求，更新教学的内容。祝志川等4从加快建设数据强国出发，经济统计学人才培养模式应合理地改进，提高学生对课程的兴趣，打造校政企合作平台，迎接新的发展机遇。从模式改革上来看，刘超等5以研讨式（Seminar）教学方法为切入点，合理设置学科课程，探讨人才培养模式，更新知识结构以及讨论授课模式，增加人才培养效率。任世佳6利用计量模型为改革与创新的主体，分析经济统计学人才培养的变刘平清，等：基于层次分析法与灰色关联分
6、析法的地方高校经济统计学专业人才培养因素研究-84刘平清，等：基于层次分析法与灰色关联分析法的地方高校经济统计学专业人才培养因素研究化，进行新的培养模式探讨，增设大数据课程相关课程，着力培养数据收集与清洗能力。孔晓妮等7构建“分阶段”实践模式，培养学生知识与技能的融合，注重学生的不同基础，培养学生“学习、实践、创新、沟通、合作”五大能力。从研究方法来看，吴红翠等8应用图论与矩阵工具进行系统因素分析的方法理论，探索影响的关键要素，揭示了各因素的影响程度，将复杂的体系问题简单化，并进行要素相对排序，明确系统内各要素的相关性。季文9采用灰色关联度分析（Grey Relational Analysis
7、,GRA）将各影响因素假设同等重要的前提下，探讨影响因素间的关联性，对因素影响程度进行有效的评价。张钦峰等10运用理性行为理论（Theory of Reasoned Action,TRA）来讨论个体的行动意愿，态度是对该行为的消极或积极的反应，利用 TRA 理论探讨人才培养的过程。目前对经济统计学专业人才培养影响因素研究上，停滞于定性研究阶段，从经济统计学的发展及现状等方面来解释专业人才培养影响因素，试图从主观方面解决人才培养影响因素问题，没有进行系统的归纳与总结。在人才培养影响因素的研究中，应结合经济统计学专业本身拥有的特点，考虑人才发展的独特性，分析人才培养内外部影响因素，从多方面探讨和分
8、析经济统计学专业人才培养影响因素，量化人才培养影响因素，用数据评价影响因素重要程度的方式对人才培养进行整体性系统性的评价。因此对人才培养影响因素进行量化评分，计算各影响因素的关联度并进行排序，得出人才培养各因素的影响程度，为经济统计学专业人才培养模式探索显得很有必要。2构建评价指标体系本文从指标选取原则出发，选取培养目标、教师知识水平、实践教学、课程逻辑顺序、教材选用、课程考核形式、开设新课程、教师经验、教师队伍结构、师德、学习态度、学习兴趣、专业基础知识、教师教学模式、就业观念、实践教学条件、学校管理制度、学校学习资源、学校学习氛围、校企合作、社会经济发展、教育法规等22个指标，分别从专业与
9、课程设置、师资队伍素质、学生个人因素、学校教学环境、宏观环境因素等方面进行归类分析，构建的经济统计学专业人才培养影响因素如图1所示：图1经济统计学专业人才培养影响因素指标体系3问卷分析为获得经济统计学专业人才培养影响因素的重要性评价，调查过程采用李克特量表法设计经济统计学专业人才培养影响因素五级问卷，问卷通过五个不同等级评分形式来反映经济统计学人才培养影响因素的重要程度。问卷设计为“重要-85六盘水师范学院学报影响”“较重要影响”“一般影响”“轻微影响”和“没有影响”五个等级，相应分值分别为5、4、3、2和1。本文的研究中，通过问卷星对贵州某地方高校经济统计学专业的学生进行问卷发放，对回收数据
10、进行分析，发放225份问卷，回收196份，回收率为87.11%，回收率较高，有效问卷182份，问卷情况如表1所示。表1问卷调查问卷问卷人数/比率发放问卷发放问卷225回收问卷回收问卷196回收率回收率87.11%有效问卷有效问卷182有效率有效率92.85%3.1效度检验效度检验用来验证问卷数据的有效性。经过初步整理，利用因子分析进行效度评估，所得的结果如表2所示：表2效度分析名称名称培养目标实践教学课程逻辑顺序教材选用课程考核形式开设新课程教师经验学生兴趣共同度共同度0.880.790.730.820.840.890.880.88名称名称社会经济发展教育法规专业基础知识就业观念实践教学条件学
11、校制度学习资源共同度共同度0.750.850.850.700.810.750.75名称名称学校学习氛围校企合作教师知识水平师资队伍结构教师教学模式师德学习态度共同度共同度0.760.920.850.790.880.900.86表2中除就业观念的共同度值小于0.7外，其他指标的共同度值均大于0.7，旋转后累积方差的解释率为82.25%，研究数据效果良好，题目合理且有意义。对数据作检验统计量（Kaiser-Meyer-Olkin,KMO）和巴特利特（Bartlett）检验，结果如表 3所示。表3KMO和Bartlett的检验KMO值Bartlett球形度检验近似卡方dfp值0.9141 584.7
12、552310.000由表 4 可知，KMO值为0.914，数值大于0.8，研究数据提取有效，Bartlett检验 P 值为0.000，说明本研究数据效度良好。3.2信度检验克朗巴哈系数（Cronbach）的值在 0.8,1 之间，则说明信度高；若 Cronbach 系数处于 0.7,0.8），则说明数据信度较好；若 Cronbach 系数处于 0.6,0.7），说明数据的信度可以接受；若Cronbach 系数处于 0,0.6），说明数据的信度不佳。问卷数据的 Cronbach 系数值为 0.923，在 0.8,1 之间，说明数据拥有较高的信度，可用于研究分析。4影响因素分析4.1构建指标集根据
13、层次分析法建立经济统计学专业人才培养影响因素综合评价模型，设计影响因素评价指标体系，得到的指标体系如下：准则层因素集：G=（B1，B2，B3，B4，B5）；指标层因素集：B1=（C11，C12，C13，C14，C15，C16）；B2=（C21，C22，C23，C24，C25）；B3=（C31，C32，C33，C34）；B4=（C41，C42，C43，C44）；-86刘平清，等：基于层次分析法与灰色关联分析法的地方高校经济统计学专业人才培养因素研究B5=（C51，C52，C53）。4.2确定指标权重层次分析法（Analytic Hierarchy Rrocess,AHP）由美国运筹学家托马斯 塞
14、蒂教授提出，以定性信息为基础进行指标的量化研究，适用于难以进行定量研究的系统，注重定性信息与定量信息的统一。具体步骤如下：第1步：明确问题，提出总目标。第2步：建立层次结构，把问题分解成若干层次。第一层为总目标；中间层可根据问题的性质分成目标层（准则层）；最底层为具体指标。第3步：将所有因素在该级别上的重要性相对于上一级别进行排名。上层因素对下层指标进行两两比较构造判断矩阵A=aijnn，然后利用归一化法计算层次权重系数。19比较标度法将思维数量化，运用人们对事物的判断认识，用相同、较强、很强等词语来描述一种指标与另一种指标之间的相对重要程度，如表4所示。表419比较标度法相对重要程度相对重要
15、程度aij135792,4,6,8定义定义同等重要略微重要相当重要明显重要绝对重要介于两相邻重要程度之间解释解释目标i和目标j同样重要目标i和目标j略微重要目标i和目标j重要目标i和目标j明显重要目标i和目标j绝对重要归一化法：设n阶判矩阵为A=|a11a12a1na21a22a2nan1an2ann=aijnn（1）按行求和有Mi=j=1naij,（i=1,2,n），得到向量W=()m1,m2,mnT，归一化即W=Mii=1nMi（2）得到向量W=()w1,w2,wnT，其中wi为因素的权重。第4步：层次总排序。各指标排序由各层次的指标权重综合所得，即为层次总排序。假如 A 层因素A1,A2
16、,An经过排序得到的权重分别为a1,a2,an，其中一个B层因素B1,B2,Bn的单排序结果为：b1,b2,bn（3）这里若Bj与Aj无关，则bj=0。排序结果如表5所示。表5指标总排序层次层次B1B2BnA1a1b11b12b1nA2a2b21b22b2nAnanbn1bn2bnnB层指标总排序层指标总排序i=1naibi1i=1naibi2i=1naibin-87六盘水师范学院学报显然i=1nj=1naibj=1（4）第5步：一致性检验。AHP受到研究者或专家的主观影响较大，容易出现片面性，会使得研究的结果出现错判，因此构建的判断矩阵要计算信度（CR）值，观察主观判断方面的影响，计算过程为：CI=max-nn-1（5）为了度量不同判断矩阵是否具有满意的一致性，还需要利用判断矩阵的平均随机一致性指标RI。对于1阶到9阶的判断矩阵，RI的值如表6所示。表6RI的值1 10.002 20.003 30.584 40.905 51.126 61.247 71.328 81.419 91.45判断矩阵的一致性指标CI与同阶平均随机一致性指标RI之比，称为随机一致性比率CR。CR=CIRI（6