基于SPSS的多元线性回归分析在教育计中的应用.docVIP

基于SPSS多元线性回归分析在基础教育统计中的应用 研究背景与研究意义 古希腊哲学家柏拉图曾经说过：“与其不受教育，不如不生，因为无知是不幸的根源。”邓小平同志也曾经要求“教育要面向现代化，面向世界，面向未来”。这些指示一直指引着教育事业不断推向前进。国家教育情况的好坏能够影响政治经济各方面的发展以及在世界中的社会地位，而基础教育作为教育的基础，直接影响着国民素质及经济发展。扩大和提高基础教育的覆盖面与效率还可以强有力地预防社会不稳定的发生，其重要性不言而喻。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。多元线形回归方法是最基本的分析方法，多数回归分析都可以适当转化为线形回归。 从我国教育角度来看，教育情况可以由在校生比例、毛入学率、净入学率、受教育年限、辍学率、升学率等多项指标描述和反应。本文将选取我国31个地区初中升入高人数这一指标为预测变量（因变量），以及若干指标作为解释变量（自变量），利用多元线性回归的知识进行模型建立、模型检验及修正、以及模型解释与评价分析。 问题提出与变量选取 初中升入高中的升学率，不仅受个人特征的制约，而且要受家庭特征和学校以及一些外部力量(如国家政策等)通过一定的中介因素对学生的升学产生影响。 学校是学生学习的主要场所，老师的期望和学校的一些特征(如毕业生数、招生目标、学校历年升学率等)都可能是影响学生升学率的一些重要因素。总体来看，影响初中升入高中人数的因素有很多方面，假定有人口特征、国家教育投入、教育资源以及教育背景等几类因素。因此选取如下变量作为解释变量，参与回归模型分析。选取的7个主要自变量如下： X1：6岁及6岁以上人口数 X2：国家教育总经费 X3：初中毕业人数 X4：高中学校数 X5：高中师生比 X6：每10万人口高中在校生数 X7：居民受教育程度为大专及以上的人数 其中以6岁及6岁以上人口数代表人口特征，国家教育经费代表政府教育投入，初中毕业人数、高中生师比、高中学校数以及每10外人口高中在校生数作为教育规模代表指标，最后以居民受教育程度为大专及以上的人数作为教育背景代表指标。 原始数据收集 数据来源 本文选取2009年我国31个省、直辖市及自治区的统计资料作为数据源。统计数据来源于中国教育统计网（ HYPERLINK / /）、中国国家统计局（ HYPERLINK /tjsj/ /tjsj/）、 《中国教育统计年鉴2010》等。 原始统计数据表 　 升入高中数 6岁及6岁以上人口数 教育总经费 初中毕业人数 高中学校数 普通高中师生比 每10万人口高中在校生数 居民受教育程度为大专及以上的人数 北 京 65983 14406 4690166 101811 305 10.27 2475 4433 天 津 60871 10068 2060843 96873 218 12.51 3040 1713 河 北 447232 57559 5584914 990746 661 16.01 3698 3233 山 西 277882 28680 3328404 615374 544 15.66 4444 2198 内蒙古 174338 20356 2625527 288700 306 16.69 3644 1619 辽 宁 248271 36994 4792311 475495 426 16.49 2947 4371 吉 林 158820 23274 2714195 302619 262 16.96 3053 1913 黑龙江 207927 32556 3386551 436335 430 15.16 2898 2131 上 海 55842 16296 4823026 99884 273 10.51 1982 3855 江 苏 456062 64329 9964272 962848 710 14.42 3677 4995 浙 江 300208 43157 7972834 591487 582 14.14 3151 4335 安 徽 424743 50649 4383732 1E+06 769 20.44 3687 2360 福 建 238475 29789 3898541 477911 606 13.74 3725 2918 江 西 250953 35686 3333171 519065 476 16.26 3616 2447 山 东 500248 78686 7749148 995664 632 13.99 3330 4728 河 南 645015 77706 6561523 2E+06 868 19.19 4149 4006 湖 北 423786 47978 451