大數據背景下財經類專業本科生報考學術型研究生精準化指導研究
——以山西師范大學經濟與管理學院2020屆畢業生為例

張文慧 任文煥 關丹陽

山西師范大學，山西 太原 030031

習近平總書記強調，研究生教育在培養創新人才、提高創新能力、服務經濟社會發展、推進國家治理體系和治理能力現代化方面具有重要作用。[1]隨著國家對研究生教育的重視和社會對高層次人才需求的增長，本科生“考研熱”持續升溫。近五年來，全國碩士研究生招生考試報考人數逐年增長，2020年報考341萬人，同2016年相比增加了164萬人。輔導員作為學生日常事務管理者，在學生考研方面具有重要的引導作用[2]。基于大多數本科生考研的基本情況，通過大數據分析探討提高考研率的有效方法，從微觀層面定量分析影響考研結果的因素，為今后備考碩士研究生的學生了解畢業生考研具體情況并針對性地選擇考研方向、學位類型提供指導。

一、數據來源和變量選擇

（一）數據來源

本文以山西師范大學經濟與管理學院2020屆第一志愿報考普通院校學術型研究生的本科生為研究對象，主要研究本科生的各方面表現對考研結果的影響，因此被解釋變量為錄取情況。財經類專業本科生報考學術型研究生，考試主要科目包括《思想政治理論》《英語（一）》《數學（三）》《業務課一》。德育測評班級排名作為其思想道德素質的體現設為解釋變量之一。將大學生在校期間是否通過英語六級考試作為一個解釋變量。財經類專業本科生所學的《微積分（一）》《微積分（二）》《線性代數》屬于運用純數學知識的課程，《概率論與數理統計》《統計學》《宏觀經濟學》《微觀經濟學》屬于包含數學知識的課程，一定程度上可以衡量學生的數學基礎，與數學相關科目的考試成績也作為其中的一個解釋變量。在一定程度上，智育測評班級排名也可以反映出學生的專業知識掌握程度，作為解釋變量之一。因此，本文將解釋變量為德育測評班級排名、是否通過英語六級考試、與數學相關科目的考試成績及智育測評班級排名。

（二）變量選擇

1．第一組變量選擇

x1：德育測評班級排名，如果學生的德育測評班級排名在前25名（班級軌制為50人）則x=1，否則，x=0；

x2：是否通過英語六級考試，如果學生通過英語六級考試，則x=1，否則，x=0；

x3：與數學相關科目的考試成績，若學生的《微積分（一）》《微積分（二）》《線性代數》《概率論與數理統計》《統計學》《宏觀經濟學》《微觀經濟學》的課程平均成績超過全部研究對象7門課程的平均成績，則x=1，否則，x=0；

x4：智育測評班級排名，如果學生的德育測評班級排名在前25名（班級軌制為50人）則x=1，否則，x=0；

y：是否成功錄取，若學生成功錄取，則y=1，否則，y=0。

2．第二組變量選擇

x5：《微積分（一）》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x6：《微積分（二）》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x7：《線性代數》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x8：《概率論與數理統計》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x9：《宏觀經濟學》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x10：《統計學》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

x11：《微觀經濟學》成績，如果學生該課成績高于全部研究對象該門課程的平均成績，則x=1，否則，x=0；

y：是否成功錄取，若學生成功錄取，則y=1，否則，y=0。

二、結果分析

（一）第一組模型建立

本研究采集經濟與管理學院2020屆第一志愿報考普通院校學術型研究生的本科生共50個樣本。由于被解釋變量為是否錄取，是二分類變量，將德育測評班級排名、是否通過英語六級考試、與數學相關科目的考試成績、智育測評班級排名作為自變量，而將錄取情況作為因變量進行logistic回歸分析。線性回歸分析結果如表1所示。

表1 線性回歸分析結果（n=50）

因變量：y

D-W值：0．541

*p<0．05；**p<0．01

從表1可以看出，模型公式為：y=-0．074+0．046 x1+0．156x2+0．375x3+0．009x4，模型 R 方值為0．244，意味著德育測評班級排名、是否通過英語六級考試、與數學相關科目的考試成績、智育測評班級排名可以解釋錄取情況的24．4%變化原因。對模型進行F檢驗時發現模型通過F檢驗（F=3．638，p=0．012<0．05），也即說明德育測評班級排名、是否通過英語六級考試、與數學相關科目的考試成績、智育測評班級排名中至少一項會對錄取情況產生影響關系。與數學相關科目的考試成績的回歸系數值為 0．375（t=3．115，p=0．003<0．01），意味著與數學相關科目的考試成績會對錄取情況產生顯著的正向影響關系。模型結果如圖1所示。

圖1 模型結果圖

因變量：y

D-W值：0．539

*p<0．05；**p<0．01

（二）第二組模型建立

基于第一組模型得出的結果，本文深入研究了與數學相關的課程中對錄取情況產生更顯著正向影響的科目，故將《微積分（一）》《微積分（二）》《線性代數》《概率論與數理統計》《統計學》《宏觀經濟學》《微觀經濟學》均分作為自變量，將錄取情況作為因變量再次進行logistic回歸分析。線性回歸分析結果如表2所示。

表2 線性回歸分析結果（n=50）

從表2可以看出，模型公式為：錄取情況=-0．047+0．099*微積分（一）+0．065*微積分（二）+0．069* 線性代數 +0．324*概率論 +0．091*宏觀經濟學-0．006*統計學-0．159*微觀經濟學，模型R方值為0．318，意味著《微積分（一）》《微積分（二）》《線性代數》《概率論與數理統計》《宏觀經濟學》《統計學》《微觀經濟學》可以解釋錄取情況的31．8%變化原因。對模型進行F檢驗時發現模型通過 F 檢驗（F=2．803，p=0．017<0．05），也即說明《微積分（一）》《微積分（二）》《線性代數》《概率論與數理統計》《宏觀經濟學》《統計學》《微觀經濟學》中至少一項會對錄取情況產生影響關系。《概率論與數理統計》的回歸系數值為0．324（t=2．275，p=0．028<0．05），意味著《概率論與數理統計》會對錄取情況產生顯著的正向影響關系。模型結果如圖2所示。

圖2 模型結果

三、結論及建議

（一）結論

通過上述分析得出以下結論：

1．將德育測評班級排名、是否通過英語六級考試、與數學相關科目的考試成績、智育測評班級排名作為自變量，而將錄取情況作為因變量進行logistic回歸分析，揭示了數學相關科目的考試成績與錄取結果的關系，得知與數學相關科目的考試成績和錄取情況具有顯著的正向關系。

2．將《微積分（一）》《微積分（二）》《線性代數》《概率論與數理統計》《統計學》《宏觀經濟學》《微觀經濟學》均分作為自變量，將錄取情況作為因變量再次進行logistic回歸分析，可以得知《概率論與數理統計》在7門與數學相關科目中對錄取情況的正向影響更具顯著性。

因此，財經類本科生在選擇報考普通院校學術型研究生時，要充分考慮平時與數學相關科目的考試成績，尤其要重視《概率論與數理統計》的學習，其考試成績相比于其余6門與數學相關科目，對成功錄取這個結果具有更高的影響力。

（二）建議

大數據分析是通過對規模巨大和類型較多的數據進行分析，從中得到信息以幫助人們有效地制定決策[3]。作者認為在考研過程中，除了個人努力程度和環境影響外，有的學生并未真正對自身學習基礎和學習能力進行科學分析與正確判斷。通過大數據的比對，可以讓考生更加了解自己更適合報考哪種學位類型的碩士研究生。

1．大學生應注重在校期間的表現，準確定位自己

學生在校期間基礎課程的成績，在一定程度上能夠反映出其學習知識的能力[4]。學生忽視大學期間的表現，片面地認為錄取結果和大學期間的學習成績無太大關聯，只重視備考階段的復習，以致報考志愿偏離，無法實現夙愿。不論是選擇報考的專業、學校還是備考的學習方法，適合自己的才是最好的。在選擇報考學位類型時，應結合自身各方面表現情況充分考慮，精準定位。

2．高校應加強學生精準化考研指導

從高校層面來講，學校擁有每位學生的綜合測評成績數據庫，這些數據中包含了學生的主要信息，可以體現學生在校期間的德育、智育、創新能力、組織能力等各類的表現。高校可利用大數據挖掘與智能分析工具，借助分析結果，為學生提供符合自身學習能力、興趣、價值觀等方面的指導，助力學生在考研方向、需求上精準定位，提高考研成功率，進而促進學生繼續深造求學及實現更高的人生追求。