基于二元Logit回歸模型的大學生學業問題影響因素研究＊

王紅青，陳 波，趙祖平，宋 菁

（三峽大學科技學院，湖北 宜昌443002）

隨著高等教育規模不斷擴大，生源質量和類型發生變化，學生人數劇增，生源質量參差不齊，學生情況多樣化，就業壓力增大間接帶來的學業壓力增大等，導致不少學生缺乏自控能力并出現學業問題，無法順利完成學業。

本文通過調查問卷的方式，研究學業問題的影響因素，提出有針對性的應對方案，為學業出現問題的學生合理安排學習進程，提供必要的幫扶措施，幫助其更好地完成學業，最終實現高等教育的根本目的，以期為高校學業預警機制建設方面提供參考途徑。

1 調查方案與數據分析

1.1 調查方案

根據研究需要設計了調查問卷，內容包括基本信息、學業成績認知、學業現狀及問題、學業預警制度認知、學業預警實施現狀及評價5個維度，共40道題目。研究團隊在S高校面向本科生開展了問卷調查，采取自愿原則、實名制方式，保證了調查數據的科學性與準確性。調查共回收1 486份問卷，剔除無效問卷后，有效問卷數量1 476份，有效問卷率為99.33%。被調查樣本中，男生占39.43%，女生占60.57%。調查問卷選項“是否出現過學業問題”中，出現過學業問題的樣本數量為520人，占調查總人數的35.23%，符合分析要求。使用SPSS軟件對樣本的定量問題進行信度分析，得出克隆巴赫α系數信度系數為0.869，說明研究數據信度質量良好，可用于進一步的研究分析。

1.2 統計分析

總共有1 476個樣本參加分析，且沒有缺失數據。對自變量項進行描述性統計及交叉分析。對大學生是否出現過學業問題的因素進行統計。具體統計結果如表1所示。

表1 大學生是否出現過學業問題的因素統計表

采用卡方檢驗方法研究不同性別樣本對于是否出現學業問題的差異關系，男女生在出現學業問題上，前者占14.57%，后者占20.66%，結果顯示無顯著性差異。有無學業問題兩類學生樣本對于是否了解專業人才培養方案呈現出0.01水平顯著性（Pearson χ2=18.849，P=0.000<0.01），通過對比差異可知，有學業問題的學生“不了解培養方案”的比例為50.19%，明顯高于無學業問題的學生比例（38.49%）。無學業問題學生“了解培養方案”的比例為61.51%，明顯高于有學業問題的學生比例（49.81%）。對于學科門類呈現出0.01水平顯著性（Pearsonχ2=71.150，P=0.000<0.01），通過對比差異可知，兩類學生樣本對于不同的學科門類呈現出0.01水平顯著性，醫學學科有學業問題的學生比例為29.04%，明顯高于無學業問題學生比例（13.60%）；文學學科有學業問題的學生比例為5.77%，明顯少于無學業問題學生比例（12.45%）；管理學學科有學業問題的學生比例為18.85%，明顯少于無學業問題學生比例（24.06%）。

利用方差分析法研究樣本中有、無學業問題兩類學生對于“是否了解本專業的畢業學分要求、如何看待成績好對提升自身能力有幫助、如何看待成績好對畢業以后的發展有幫助、了解學校關于學業預警的相關規定、學業預警制度能提高你學習的自主性、學業預警對自己的行為是否具備足夠的約束力”共6項定量題項的差異性。結果顯示，兩類學生樣本對上述6項全部均呈現出顯著性（P<0.05），均呈現出顯著性差異。

結果表明，與不存在學業問題的學生相比，存在學業問題的學生不太了解專業畢業學分要求，也不太了解學校學業預警相關規定。不存在學業問題的學生更傾向于認可成績好對提升自身能力有幫助、對畢業以后的發展有幫助的觀點，他們認為學業預警制度可以提高學習的自主性，具備足夠的約束力。方差分析結果如表2所示。

表2 方差分析結果

2 模型構建與實證分析

2.1 模型的構建

本文的研究目的是探討學業問題的影響因素，“是否出現學業問題”為定類數據且值為兩項，是或否，因而適用于二元Logit回歸分析方法。二元Logit模型的被解釋變量是二分類變量，模型常用于研究分類概率與解釋變量之間的關系。

通過分析，產生學業問題的因素主要有“是否了解專業人才培養方案”“學科門類”“對于學業成績的看法”“本專業畢業學分要求了解程度”4個潛在的自變量影響因素，被影響項為因變量“是否出現過學業問題”。

構建二元Logit模型可分為3步：確認危機事件，構建模型的因變量，將因變量與自變量代入模型并得出最終結果[1]。

構建模型：

式（1）中：P為發生學業問題的概率；1－P為不會發生學業問題的概率為模型的截距項；為解釋變量（自變量）；

對模型整體有效性進行分析。二元Logit回歸模型似然比檢驗結果如表3所示，從表3中可知，模型檢驗的原定假設為：是否放入自變量兩種情況時模型質量均一樣。結果表明，P值小于0.05，因此拒絕原定假設。即說明本次構建模型時，放入的自變量具有有效性，本次模型構建有意義。

表3 二元Logit回歸模型似然比檢驗結果

2.2 結果分析

本次調研采用SPSS 26.0軟件、SPSSAU[2]網頁版數據科學算法平臺工具及WPSOffice軟件對問卷結果進行綜合統計分析，各變量回歸分析結果如表4所示。

最終的模型表達式為：ln（P/1－P）=0.020－0.365×是否了解專業人才培養方案（是）+0.748×學科門類（管理學）+1.812×學科門類（醫學）+0.936×學科門類（工學）+0.182×學科門類（文學）+1.118×學科門類（法學）+0.791×學科門類（經濟學）－0.614×對于學業成績的看法（成績非常重要）－0.248×專業畢業學分要求了解程度。

由表4可知，學科門類醫學、法學、工學、管理學會對學生在“出現學業問題”上產生顯著的正向影響關系，學生了解專業人才培養方案、認為學業成績非常重要、本專業畢業學分要求了解程度3個指標項會對學生在“出現學業問題”上產生顯著的負向影響關系，具體如下：①學生對人才培養的了解每增加一個單位時，學生在“是否會出現學業問題”的變化（減少）幅度為0.694倍。②學業成績的看法是（非常重要）每增加一個單位時，學生在“是否會出現學業問題”的變化（減少）幅度為0.541倍。③學生對畢業學分要求的了解程度每增加一個單位時，學生在“是否會出現學業問題”的變化（減少）幅度為0.781倍。④學科門類以藝術學作為對比項，與藝術學類學生樣本相比，結果發現，醫學、法學、工學、管理學類學生出現學業問題比例要遠遠高于藝術學類學生，分別為藝術類學生的6.122、3.059、2.550、2.112倍。經濟學、文學回歸系數值為0.791、0.182，未呈現出顯著性。

表4 二元Logit回歸分析結果匯總

通過模型預測準確率去判斷模型擬合質量，模型的整體預測準確率為67.21%，模型擬合情況不太理想。但本研究模型重點在于找出對學業問題有影響的因素，因此準確率的關注意義較小。使用Hosmer-Lemeshow擬合度檢驗用于分析模型擬合優度情況，P值大于0.05（Pearsonχ2=5.327，P=0.722>0.05），即說明研究模型通過HL檢驗，擬合優度較好。

3 研究結論與建議

研究結果表明，S高校醫學、法學、工學、管理學學科學生出現學業問題的可能性更高；學生了解人才培養方案，認為成績非常重要，對畢業學分要求了解程度越高，越不容易出現學業問題。根據以上研究結論，本文建議事前提出預警，有效避免學業問題，事中、事后提供必要的幫扶措施，幫助學生更好地完成學業，具體如下：①建立科學的學業預警制度。建立和完善學校學業預警機制，建立科學的學業預警制度的途徑。制定配套的學業預警工作管理辦法，建立一套科學的學業預警體系。加強學業預警管理的隊伍建設，建立完善上下貫通、執行有力的組織體系，建立一支專業化的管理隊伍。構建預警信息管理平臺，推進學業預警管理信息化建設，運用現代信息技術手段，為學業預警工作機制順利運行提供強有力的保障。②建立多層次學業幫扶體系。做好新生入學教育工作；加強學業指導工作，在學?，F有“新生導師制”的基礎上，組建一支專業的學業指導隊伍，統籌推進全校學業指導工作。加強心理健康教育工作，構建和完善大學生心理問題預警和干預機制。③建立多元主體協作平臺。進一步落實學校、學生、家長三方互動育人機制，充分發揮學校、家庭合力教育的功能，由學校主導，積極引導學生自主參與、家庭主動參與到學業預警工作中，共同做好學業幫扶工作。