應(yīng)用主成分分析對(duì)學(xué)生綜合素質(zhì)進(jìn)行評(píng)價(jià)

高小明

（閩南理工學(xué)院，福建 泉州 362700）

應(yīng)用主成分分析對(duì)學(xué)生綜合素質(zhì)進(jìn)行評(píng)價(jià)

高小明

（閩南理工學(xué)院，福建 泉州 362700）

運(yùn)用主成分分析方法，對(duì)高校學(xué)生的綜合素質(zhì)進(jìn)行評(píng)價(jià)。避免傳統(tǒng)方法在綜合評(píng)價(jià)中對(duì)指標(biāo)的主觀選擇及對(duì)權(quán)重的主觀判斷，使權(quán)重的分配更合理，盡可能地減少重疊信息的不良影響，克服變量之間的多重相關(guān)性，簡(jiǎn)化系統(tǒng)分析。

主成分分析；綜合素質(zhì)；評(píng)價(jià)

1 ．引言

高校在對(duì)學(xué)生的綜合素質(zhì)進(jìn)行評(píng)價(jià)時(shí)，傳統(tǒng)的做法是從現(xiàn)有的指標(biāo)中精選出若干個(gè)有代表性的指標(biāo)，但人為地精選指標(biāo)難免帶有主觀隨意性，可能丟失部分有價(jià)值的原始信息。

而利用主成分分析法對(duì)多維變量進(jìn)行降維，降維后的變量是原變量的線性組合，并能反映原變量絕大部分的信息，使信息量損失最小，對(duì)原變量的綜合解釋能力強(qiáng)。該方法通過主成分的方差貢獻(xiàn)率來表示變量的作用，可避免在系統(tǒng)分析中對(duì)權(quán)重的主觀判斷，使權(quán)重的分配更合理，盡可能地減少重疊信息的不良影響，克服變量之間的多重相關(guān)性，簡(jiǎn)化系統(tǒng)分析。

從實(shí)際的運(yùn)行結(jié)果來看，應(yīng)用主成分分析法對(duì)高校學(xué)生的綜合素質(zhì)進(jìn)行評(píng)價(jià)總體上是合理的，這能為大學(xué)生在校期間創(chuàng)造一個(gè)相對(duì)公平的育人環(huán)境，因此是有積極意義的。

2 ．主成分分析的基本原理

1.1 什么是主成分分析

在實(shí)際問題中，研究多指標(biāo)（變量）問題是經(jīng)常遇到的，在很多情況下，不同的指標(biāo)之間具有一定的相關(guān)性。由于指標(biāo)較多并且指標(biāo)之間有一定的相關(guān)性，增加了分析問題的復(fù)雜性。主成分分析就是將原指標(biāo)重新組成一組新的相互無關(guān)的綜合指標(biāo)以代替原指標(biāo)，同時(shí)根據(jù)實(shí)際需要從中可取幾個(gè)較少的綜合指標(biāo)盡可能多地反映指標(biāo)的統(tǒng)計(jì)方法叫做主成分分析或主分量分析。

將原來p個(gè)指標(biāo)作線性組合，作為新的綜合指標(biāo)，然后從中選取若干個(gè)，準(zhǔn)則如下：用Fi（i=1,2,…）表示綜合指標(biāo)，選擇其中方差最大的（方差越大包含的信息越多）那個(gè)綜合指標(biāo)作為第一個(gè)綜合指標(biāo)，標(biāo)記為 F1，稱為第一主成分，即Var(F1)最大。如果第一主成分不足以代表原來p個(gè)指標(biāo)的信息，再考慮選取第二個(gè)綜合指標(biāo)，為了有效反映原來信息，F(xiàn)1已有的信息就不需要出現(xiàn)在F2中，用數(shù)學(xué)語(yǔ)言表達(dá)就是Cov(F1，F(xiàn)2)=0，稱F2為第二主成分，依此類推可以構(gòu)造出第三、四，…，第p個(gè)主成分，雖然這樣做會(huì)損失一部分信息，但是由于它使我們抓住了主要矛盾，并從原始數(shù)據(jù)中進(jìn)一步提取了某些新的信息，因而在某些實(shí)際問題的研究中得益比損失大。

2.2 主成分分析法及其主要研究思路

由提供的信息得到原始資料矩陣：

表示矩陣X的列向量，為簡(jiǎn)單計(jì)，不妨設(shè)X1，…，XP已經(jīng)過標(biāo)準(zhǔn)化。

3 ．實(shí)例及其計(jì)算步驟

原始數(shù)據(jù)來源：漳州師范學(xué)院**級(jí)數(shù)學(xué)與應(yīng)用數(shù)學(xué)專業(yè)本科班37位同學(xué)2003-2004學(xué)年各門課程的成績(jī)。（成績(jī)見附錄一）

該學(xué)年該班同學(xué)共修了10門課程，每位同學(xué)均有成績(jī)，即沒有缺失值。具體的指標(biāo)為：X1：高等代數(shù)，X2：數(shù)學(xué)分析1，X3：C語(yǔ)言，X4：英語(yǔ)1，X5：心理學(xué)，X6：鄧小平理論, X7：英語(yǔ)2，X8：常微分，X9：近世代數(shù)，X10：數(shù)學(xué)分析2。

3.1 標(biāo)準(zhǔn)化

一般情況下，進(jìn)行主成分分析，由于原始數(shù)據(jù)各指標(biāo)的量綱不同，分析時(shí)需進(jìn)行標(biāo)準(zhǔn)化處理，具體步驟是：

（1）中心化

（2）標(biāo)準(zhǔn)化

3.1 建立相關(guān)系數(shù)陣，求特征值和單位特征向量

表1

對(duì)表1的分析：表1中的主成分的特征值與方差貢獻(xiàn)率都是按從大到小排列，4個(gè)主成分可以解釋所有變量總方差的85.89%，這意味著在新的指標(biāo)體系中4個(gè)指標(biāo)就可以反映樣本差異的85.89%。

表2

對(duì)表2的分析：根據(jù)表2提供的數(shù)據(jù)可建立主成分Fi的線性表達(dá)式

第一主成分是專業(yè)素質(zhì)變量，包括高等代數(shù)，數(shù)學(xué)分析1，常微分，近世代數(shù)，數(shù)學(xué)分析 2，這也是數(shù)學(xué)專業(yè)學(xué)生學(xué)習(xí)的主要專業(yè)課，從評(píng)價(jià)這個(gè)傳導(dǎo)機(jī)制上給予正確引導(dǎo)。第二主成分是人文素質(zhì)變量，包括C語(yǔ)言，英語(yǔ)1，英語(yǔ)2。這是學(xué)生學(xué)習(xí)專業(yè)課程必不可缺的基礎(chǔ)內(nèi)容。第三主成分是思想道德素質(zhì)，即鄧小平理論。第四主成分是身心素質(zhì)，即心理學(xué)。

4 ．評(píng)價(jià)結(jié)果

按照各主成分的線性表達(dá)式計(jì)算出具體得分，以各主成分的方差貢獻(xiàn)率為權(quán)重系數(shù)，計(jì)算出每個(gè)學(xué)生的綜合得分，進(jìn)行排名，排名的結(jié)果是：

名次 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19座號(hào)29 4 37 25 12 6 2 22 7 21 17 3 18 11 14 10 19 16 5名次 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37座號(hào) 28 20 26 15 35 8 13 34 1 23 27 9 30 36 32 24 31 33

最終的評(píng)價(jià)結(jié)果總體上是符合實(shí)際情況的。因此主成分分析法是一種科學(xué)，簡(jiǎn)便的評(píng)價(jià)方法。

附錄一

[1] 閻慈琳. 關(guān)于主成分分析做綜合評(píng)價(jià)的若干問題[J]. 數(shù)理統(tǒng)計(jì)與管理，1998，（2）.

[2] 黃寧. 關(guān)于主成分分析應(yīng)用的思考[J]. 數(shù)理統(tǒng)計(jì)與管理，1999，（5）.

[3] 張祟甫，陳述云. 成分?jǐn)?shù)據(jù)主成分分析及其應(yīng)用[J]. 數(shù)理統(tǒng)計(jì)與管理，1996，（4）.

[4] 方開泰. 實(shí)用多元統(tǒng)計(jì)分析[M]. 上海：華東師范大學(xué)出版社，1986.

Use the Principal Component Analysis to Evaluate College Students’ Comprehensive Qualities

GAO Xiao-ming

In conventional synthetic evaluation, we choose index and judge weight coefficient subjectively, in this paper we use the principal component analysis to evaluate college students’ comprehensive qualities, so the distribution of weight coefficient is more rational, and we can reduce the vicious influence of overlapping information as much as possible, overcome relevant between variances, simplify the systematic analysis .

Principal component analysis; Comprehensive qualities; Evaluation

O212.4

A

1008-7427（2012）05-0113-02

2012-03-08