基于多元回归分析的高职院校学生满意度研究【摘要】高职院校学生满意度一定程度上反映了学校存在的问题，本文以对高职院校学生满意度的调查问卷取得的数据，通过用 SPSS 对其进行逐步回归分析构建了学校软硬件设施，管理水平，课程设置等 5 个自变量，学校整体满意度为因变量的多元回归分析模型方程。检验表明，这五个因子有显著作用，影响最显著的是学校的硬件设施，其次是管理水平，再次是课程设置方面，并根据数据分析结果后对高职院校长远的发展提出建议。 【关键词】高职院校 学生满意度 多元回归分析 【中图分类号】G710【文献标识码】A 【文章编号】2095-3089（2018）20-0255-02 一、研究方法 （一）研究数据本研究从 2017 年 5 月 10 日至 5 月 31 日对贵州两所高职院校学生进行问卷调查，共发出 1000 份，收回 960 份，其中男生 381人，占 39.70%，女生 564 人，占比 58.7%，缺失 15，占比1.6%。（二）测量工具与研究变量对于学生满意度的维度划分，以教学过程要素理论等教育教学理论为依据来设计满意度测量量表，测量工具为李克特 5 级量表，在数据采集后，利用 SPSS18.0 进行了信效度检验，得出克隆巴赫系数为 0.967，验证性因素分析的结果也显示各指标与数据拟合较好，表明调查问卷的信度和效度均达到较高水平，是可靠和准确的研究工具。 （三）数据处理方法 采用 SPSS18.0（Statistical Package for the SocialScience ）对调查所得数据资料进行管理和统计分析。 二、多 元回归模型建立 （一）多元回归模型建立本研究所基于的调查问卷主要分为 8 个模块，分别是 A 专业及其课程、B 理论教学、C 实践教学、D 教师教学能力、E 对教学设施、F 教学配套设施、G 教学管理、H 学生日常管理与支持服务。为探寻高职学生对于学校整体满意度贡献值的大小，采用逐步多元回归法对学校整体满意度 y 与各变量之间的关系进行回归分析。经过五次的模型回归后汇总可得知相关系数（R）=0.571，判定系数 R2=0.326，调整后判定系数 R2=0.321。也就是说逐步回归后的自变量对因变量（学校整体满意度）的解释率为32.1%。Anova 方差表主要进行回归直线意义的 F 检验，若 F 值过小说明自变量对因变量的解释力度很差，拟合的回归直线没有意义，相反若概率值 Sig 越小则线性方程越明显。回归方程的显著性检验统计量 F=60.672，P=0.000<0.05 检验表示回归显著，说明回归方程有意义。进行逐步回归后，最终的成立的模型筛选后留下 5 个变量，令X1 表示 E1 对学校的教室及其内部设施，X2 表示 E5对学校的校园建设及环境，X3 表示 H1 教学辅助人员辅导员、行政人员对学生态度，X4 表示 A2对必修课的开设情况，X5 表示 G1 对学校的学习氛围。根据模型建立的多元线性回归方程为：Y=1.155+0.177X1+0.157X2+0.118X3+0.094X4+0.084X5方程中的常数项为 1.155，偏回归系数 b1 为 0.177，b2 为0.157，b3 为 0.118，b4 为 0.094，b5 为 0.084。经 T 检验，b1、b2、b3、b4 和 b5 的概率 p 值分别为0.000、0.000、0.001、0.014 和 0.023，均有显著性意义。标准化系数消除了自变量单位的影响，其大小可以衡量每个自变量对因变量的影响力之大小，一般来说，标准化系数的绝对值越大，该自变量对因变量的影响力就越大。从表 2 得知 E1的值最大，也就是 E1 对学校的教室及其内部设施对 X15 学校整体满意度影响力最大，E5 对学校的校园建设及环境的影响力其次。VIF 即方差膨胀因子，VIF 越大，共线性越强，E1、E5、H1、A2 和 G1 的 VIF 值均小于 5，通过分析得出 这五个变量之间不存在共线性。 三、研究结论与思考（一）研究结论本文通过对问卷调查结果数据的多元回归分析，得出关于高职院校学生满意度的呈正态分布多元回归方程，进而发现从学生的角度来看，可以概括为五个影响因素：课堂教学物质环境、校园环境、学校管理水平、专业课程设置、学风建设。通过对直接接受高职院校服务的学生的调查，发现学生最切实的需求，改善学校的现实环境，提高高职院校的办学质量和水平，“”培养出...
