高职内涵评价研究：数理统计法

数理统计法是将现场采集到的指标信息从不同的角度进行数理统计处理，筛选出合理的指标。常用的数理统计方法有离散趋势法、相关系数法、聚类分析法、主成分分析和因子分析法以及多元统计逐步回归法等。

1）离散趋势法

离散趋势法是从敏感性角度挑选指标。指标的离散趋势小，用于评估时区别能力就差，因此应选离散趋势较大的指标。选用反映离散趋势统计量时考虑了各指标值的分布及特性。一般选变异系数较好，这样可消除各指标量纲不同及均值相差大的影响。但若指标值不呈正态分布，则应先作变量变换使之成为正态分布，变换可试用一般的平方根变换、对数变换等。

2）相关系数法

相关系数法是从代表性与独立性角度挑选指标，计算两个指标间的相关系数并作统计检验。以与之相关的指标个数较多和较少者作为被选指标。因为前者有代表性，可提供较多的信息；后者有独立性，其他指标不能代替。若各指标是正态分布或经变换后能变成正态分布，则用Pearson的积矩相关系数r，否则可用Spearman或Kendall的等级相关系数。

3）聚类分析法

聚类分析法也是从代表性角度筛选指标。先采用系统聚类法对各指标进行聚类分析，把指标聚为一定数目的类别，然后选择每一类中的代表指标作为入选指标。按相关系数的平方来选择代表性的指标，原则是以每类中平均而言与其他指标相关性最好的指标作为代表指标或以类内平均相关性较好而类间平均相关性较差的指标作为代表指标。(www.xing528.com)

4）主成分分析和因子分析法

主成分分析和因子分析法是从代表性角度筛选指标。从各指标的相关矩阵出发进行主成分分析，根据各大类的结构及贡献率的大小确定所需的主成分数，然后根据各主成分与各指标的相关性大小分别考虑各个主成分主要由哪些指标决定，选择系数较大的指标。

5）多元统计逐步回归法

多元统计逐步回归法以全体可能的评价指标作为自变量，以可能的评价结果作为应变量进行多元线性回归分析，计算诸影响指标的标准化偏回归系数，依据其绝对值大小，可将诸影响指标排序，或对计算出的偏回归系数逐个进行假设检验，在某一概率水准上挑选那些对评价结果作用显著的指标作为评价指标。逐步回归是多元回归的发展和深化，它是在考虑对回归平方和贡献大小的基础上，逐个选入或剔除自变量，在最终建立的回归方程中，只包含那些对应变量作用显著的自变量。因而本方法有自动挑选主要影响指标的功能，是目前最常用的指标挑选方法。

在实际工作中，往往综合使用多种方法进行指标筛选，在获得较为满意的专业解释的基础上，优先考虑那些被多种方法同时选入的指标。这在一些学者的研究中进行过此类的探索。但在我国高职教育评价研究领域，指标筛选较多采用的是专家评判法，较少采用客观评价法。