高校专业分流研究：选择与引导的效果

为了更好地探讨高校专业分流的实施效果，本研究采用因子分析方法对相关题项进行降维处理，以求浓缩数据、探求影响因素的基本结构。在进行因子分析时，探索性因子分析方法为主成分分析法（Principal Components Analysis），所有因子载荷系数为Varimax（最大方差法）正交旋转后的得分，要求特征根值大于1、最大因子载荷量大于0.50、解释方差变异的累计数高于60％。在信度检验中，本研究主要考察Cronbach's Alpha系数。统计软件为SPSS 20.0。各组变量的因子分析结果如下所示。

1.变量的因子分析与信度检验

（1）高校专业分流专业承诺水平的探索性因子分析及信度检验

专业承诺水平因子分析的结果如表2－14所示。其中，KMO值为0.772，超过了0.70的临界标准值，这表示变量之间的相关系数矩阵不是单位阵；Bartlett统计值显著异于0（p＜0.001），这说明数据是比较适合探索性因子分析的；对数据进行Varimax正交旋转后发现，4个测量题项的方差贡献率为69.330％，这表明原有变量的信息丢失较少；所有测量条目在对应变量下的因子载荷数超过了0.50。整体而言，专业承诺水平的因子分析结果比较理想。此外，专业承诺水平4个因子的Cronbach's Alpha系数分别为0.904、0.836、0.772、0.792，大于临界标准值0.70，这表明，本研究所列相关测量题项对专业承诺水平这一变量的衡量具有较高的信度。本研究将四个公因子分别命名为“规范承诺”、“情感承诺”、“继续承诺”和“理想承诺”。

表2－14　专业承诺水平的探索性因子分析及信度检验结果（N＝379）

注：KMO值为0.772，Bartlett统计值显著异于0（p＜0.001）。

（2）专业分流效果影响因素的探索性因子分析及信度检验

本研究将专业分流效果影响因素分为两部分，一是从学生的角度检测对高校专业分流的知晓程度，二是从高校的角度检测专业分流执行过程情况。根据研究设计，本书首先对学生的专业分流知晓度进行探索性因子分析，结果如表2－15所示。结果显示，6个观察变量生成了一个公因子，本书将其命名为“学生知晓度”。其中KMO值为0.881，超过了0.70的临界标准值，这表示变量之间的相关系数矩阵不是单位阵；Bartlett统计值显著异于0（p＜0.001），这说明数据是比较适合探索性因子分析的；对数据进行Varimax正交旋转后发现，6个测量题项的方差贡献率为64.926％，这表明原有变量的信息丢失较少；所有测量条目在对应变量下的因子载荷数超过了0.50。整体而言，因子分析结果比较理想。此外，学生了解程度因子的Cronbach's Alpha系数为0.890，大于临界标准值0.70，这表明，本研究所列相关测量题项对学生知晓度这一变量的衡量具有较高的信度。

表2－15　学生知晓度的探索性因子分析及信度检验结果（N＝743）

注：KMO值为0.881，Bartlett统计值显著异于0（p＜0.001）。

随后，本研究对专业分流的执行情况进行了探索性因子分析，结果如表2－16所示。初次分析的结果显示，12个题项被分为3个公因子。其中，KMO值为0.778，超过了0.70的临界标准值，这表示变量之间的相关系数矩阵不是单位阵；Bartlett统计值显著异于0（p＜0.001），这说明数据是比较适合探索性因子分析的；对数据进行Varimax正交旋转后发现，3个测量题项的方差贡献率为64.362％，这表明原有变量的信息丢失较少。但是D10职业倾向测试最高因子载荷仅为0.284，未超过0.50的临界值。一方面，这可能与大多数学校未在专业分流中组织开展职业倾向测试有关；另一方面，D10职业倾向测试与D9职业规划指导相似，学生可能认为两者有重复之嫌。从这个角度思考，D10似乎有了被删除的依据。由此可见，本次因子分析效果不够理想，需要在删除D10选项的基础上作进一步的分析。

表2－16　专业分流执行过程的探索性因子分析结果1（N＝379）

注：KMO值为0.778，Bartlett统计值显著异于0（p＜0.001）。

将题目D10删除后再进行因子分析，结果见表3－17，数据显示因子分析结果良好。本研究将三个公因子分别命名为“程序指导”、“政策设计”及“课程与管理”。其中，KMO值为0.772，超过了0.70的临界标准值，这表示变量之间的相关系数矩阵不是单位阵；Bartlett统计值显著异于0（p＜0.001），这说明数据是比较适合探索性因子分析的；对数据进行Varimax正交旋转后发现，3个因子的方差贡献率为69.149％，这表明原有变量的信息丢失较少；所有测量条目在对应变量下的因子载荷数超过了0.50。整体而言，因子分析结果比较理想。此外，专业承诺水平3个因子的Cronbach's Alpha系数分别为0.849、0.978、0.792，均大于临界标准值0.70，这表明，本研究所列相关测量题项对相关变量的衡量具有较高的信度。

表2－17　专业分流执行过程的探索性因子分析及信度检验结果2（N＝379）

注：KMO值为0.772，Bartlett统计值显著异于0（p＜0.001）。

2.专业分流实施效果影响因素的实证检验结果

前文所述，本研究使用“分流结果满意度”和“专业承诺水平”来测量专业分流的实施效果。实际上这是将专业分流的结果划分为两个部分，即“进口”时学生的满意度及“进入”后学生的满意度及其表现，也可以视为“短期效果”和“长期效果”。本研究认为，这两个效果是会随时间发生改变的，存在较大的差异性。在调研中发现，由于高校专业分流中信息沟通不畅、学生有限理性等因素的影响，一些学生在专业分流后即时的满意度和分流后一段时日的满意度是发生了变化的，相当一部分学生在分流志愿达成时是满意的，但经过一段时间的学习后产生了对所选专业的不满。因此，本研究认为有必要分开论述“分流结果满意度”及“专业承诺水平”的影响因素，以期为政策制定提供借鉴。本研究主要依靠有序Logistic和多元线性回归模型进行实证检验。

（1）分流结果满意度的影响因素

在本研究设计中，专业分流结果满意度是一个有序类别变量，这是选择分析模型需要着重考虑的因素。就目前学术界的研究而言，因变量为有序类别变量的分析模型大致有5种，即有序Logistic回归模型、有序Probit模型、联合模型、基于最小二乘法的纯有序回归模型、含有随机效应和固定效应的极限模型（Threshold Model），每一种模型都有各自的优势，其中以Logistic回归模型最为常用，它适合于不太复杂因果关系的探索。考虑到本研究只有4个自变量[29]，本研究选择了有序Logistic回归模型来探讨“学生知晓度”、“程序指导”、“政策设计”对专业分流结果满意度的影响。

据此，本研究将专业分流结果满意度带入有序Logistic模型，所有自变量都是连续变量（因子得分）。模型检验统计量结果为：“Model Fitting Information”中－2LL最终统计量为997.733，对应的p＜0.001，这说明至少有一个自变量的偏回归系数不为0，即包含“学生知晓度”、“程序指导”、“政策设计”的模型在拟合优度上要优于仅包含常数项的模型；模型中Pearson和Deviance两种拟合优度检验结果均大于0.05，但在自变量存在连续性变量时，这两个值往往过高，此时这两个值并不一定能真实地反映模型拟合情况[30]。在本项研究的模型中，自变量均为连续型变量，因而两个值的异常情况可忽略不计；在“Test of Parallel Lines”中，χ2对应的p值大于0.05，这说明不管因变量的分割点在什么位置，模型中各自变量的系数都保持不变。也就是说，该数据较为适合使用有序Logistic回归模型进行分析。具体结果见表2－18。由于因变量使用的是5尺度的Likert量表，会建立四个回归方程，因此有四个常数项。这对结果的解释没有影响。

表2－18　分流结果满意度影响因素的有序Logistic回归结果（N＝379）

Link function：Logit.

表2－18显示了模型的回归系数估计值，各项均显著。据此，我们可以写出四个回归方程，即：Logit（P达成度＝不符合）＝－2.597＋0.289×学生知晓度＋0.424×政策设计＋0.342×程序指导；Logit（P达成度＝不符合／不太符合）＝－1.723＋0.289×学生知晓度＋0.424×政策设计＋0.342×程序指导；Logit（P达成度＝不符合／不太符合／一般）＝－0.119＋0.289×学生知晓度＋0.424×政策设计＋0.342×程序指导；Logit（P达成度＝不符合／不太符合／一般／比较符合）＝1.910＋0.289×学生知晓度＋0.424×政策设计＋0.342×程序指导。可以看出，影响力的大小依次为政策设计、程序指导、学生知晓度。

在学生分流结果满意度上，政策设计的影响最为显著，其原因可能在于：一方面，专业分流依据的设定对学生分流结果满意度具有重要影响。专业分流的依据包括学生兴趣和志愿、学生在校学业成绩、高考成绩、在校综合表现，可以是其中一项或几项的组合。概而言之，专业分流依据有两个导向，即学生志愿导向和学生成绩导向。若以学生志愿为导向进行分流，必然导致学生专业分流志愿的高度达成。一般而言，学生志愿导向程度越高，学生分流结果满意度也越高。若以学生成绩为导向进行分流，学生结果满意度也未必低。因为在明晰成绩优先原则的基础上，学生会为其志愿的达成而努力提高成绩，以期获得分流专业的优先权。另一方面，高校对专业分流时间的设置是否得当对学生结果满意度具有影响。若时间设置过早，不利于学生对各个分流专业进行全面和深入的认知以及对专业分流政策和程序的把握，因而无法明晰自己的准确意向，不利于学生作出合理的选择。

政策设计之外，高校的程序指导对学生分流结果满意度也具有显著影响。首先，高校通过对各个分流专业的宣讲介绍、开设分流专业的课程导读，可以有效地增进学生对分流专业的认知。其次，高校对专业分流程序的说明可以让学生提前熟悉规则和流程，有利于学生做好充分的准备。再次，高校开设的专业分流咨询平台和职业规划指导能进一步为学生答疑解惑，帮助学生更加了解自己的未来发展之路。最后，通过学生专业分流意向的调查，高校能主动提前掌握学生的意愿，便于判断整体形势，并积极作出回应和调整，使得专业分流更加贴合“民意”。高校充分的程序指导自然对学生分流结果满意度具有积极的作用。

在程序指导的基础上，学生知晓度也是重要的影响因素。在专业分流之前，学生对学校专业设置情况、专业分流程序以及各个分流专业情况越了解，越能综合自身兴趣、特长、能力与专业发展情况，进而在分流时作出更加理性的选择。所谓的理性，当然包括达成分流志愿的可能性判断。

（2）专业分流承诺水平的影响因素

为了探讨专业分流承诺水平的影响因素，本研究采用多元线性回归分析方法进行建模。由于专业分流承诺水平有4个因子，本研究旨在探讨专业承诺总体水平的影响因素，因而研究首先按照因子得分计算出专业承诺水平的总得分。按照公式，专业分流总得分＝0.213 89×规范承诺＋0.204 53×情感承诺＋0.143 05×继续承诺＋0.131 83×理想承诺[31]，得分保存为变量后作为多元线性回归的因变量。如前所述，专业分流承诺水平会受到“学生知晓度”、“程序指导”、“政策设计”及“课程与管理”4个因素的影响，因此自变量包括这4个变量。同时，我们认为专业分流“进口”的满意度对后续专业承诺水平也会有影响，因而将“分流结果满意度”也列为自变量进行分析。“分流结果满意度”是一个有序类别变量，不过此处以自变量的身份出现，研究目的也只是探讨其与专业分流承诺水平的变化趋势，因而我们没有将其处理成“二分类”变量，而是将其加权换算为连续变量，即0.2，0.4，0.6，0.8，1作为自变量时，如此处理有序类别变量并不影响最终结果的解读，而且便于清晰地展示其与因变量的关系。变量之间的相关系数如表2－19所示。初步判断，各自变量与因变量之间的相关关系是显著的，而自变量之间不存在相关性。

表2－19　各变量间的相关系数（N＝379）

注：＊＊表示显著性水平p＜0.01；＊表示显著性水平p＜0.05；NS表示统计不显著。

本研究使用SPSS 20.0构建多元线性回归方程，所采用的方法是直接进入法（Enter），最终结果如表2－19所示。一般而言，通过样本数据建立回归方程后一般不能立即用于对实际问题的分析和预测，通常要进行各种统计检验来说明模型是否合理[32]。因而，在解读上述模型结果之前，还需要对回归模型进行统计检验。有研究者认为，判断回归模型是否合理需要检验多重共线性、序列相关和异方差三个问题，只有在不存有这些问题的前提下，回归模型的结果才具有稳定性和可靠性[33]，本研究也采用了三种判断指标。在模型中，所有自变量的VIF值都小于10，因而模型不存在多重共线性问题。模型Durbin－Watson值为1.545≈2，可以判定不存在序列自相关问题。标准化残差和标准化预测值的Spearman相关系数为－0.025，对应的概率p＝－0.648＜0.05（双侧检验），可以判定模型不存在异方差问题。此外模型调整后的R2为0.254，模型拟合优度尚可，在人文社科类的研究中可以接受；F值为28.596，对应的p值小于0.01，应拒绝回归方程显著性检验的原假设，判定各回归系数不同时为0，即自变量与因变量全体的线性关系是显著的，可以建立线性模型。综上所述，本研究所构建的多元线性回归方程可以用于变量之间因果关系的解释。

表2－20　专业承诺水平影响因素的多元线性回归结果（N＝379）

Dependent Variable：专业承诺水平。

表2－20显示了模型的回归系数估计值，根据模型分析结果，我们可以写出回归方程，即专业承诺水平＝－0.333＋0.023×学生知晓度＋0.102×政策设计＋0.032×课程与管理＋0.064×程序指导＋0.094×结果满意度。可见，影响因素影响力按大小依次为政策设计、分流结果满意度、程序指导、课程与管理以及学生知晓度，其中政策设计和分流结果满意度对专业分流承诺水平的影响明显高于其他三项。

政策设计对分流后学生专业承诺水平的影响最为显著，这与前述政策设计对学生专业分流志愿达成度的影响最为显著的结论是一致的。高校专业分流政策设计，尤其是专业分流政策中对分流依据的设定，关乎学生志愿背后的兴趣、个性发展需求是否以及多大程度上得以满足，进而影响分流后学生对所在专业的认可与融入。

尽管有部分学生分流志愿达成时的满意度与经过一段时日的学习后的满意度存在差异，但不可否认，学生分流结果满意度对分流后学生的专业承诺水平有直接影响。学生对分流结果满意，自然对志愿专业充满热情和学习动力，那么也自然会投入精力学习，寻求进一步发展。反之，学生对分流结果不满意，学生难免会心生不悦，产生消极情绪，甚至对所分流的专业怀有“敌意”，不愿融入所在专业，更谈不上在该专业上寻求长远的发展。

此外，课程与管理也是值得关注的变量。前述政策设计和分流结果满意度对学生专业承诺水平有显著影响，其原因主要在于学生获得了进入满意专业的机会。但这只是开始，专业承诺水平存在于学生分流后直至其毕业，甚至毕业后很长一段时间。分流后，高校的管理以及开设的课程，对学生形成专业认同和融入所在专业具有重要影响，在一定条件下，甚至能淡化政策设计和分流结果满意度的影响。这也正是某些学生在专业分流后即时的满意度和分流后一段时日的满意度具有差异的原因所在。

本章选取除军事院校以外的113所“211工程”高校，对当前大类招生背景下的高校专业分流实施状况进行了梳理。调查显示，共有73所大类招生高校不同程度地实施了专业分流，比例为64.60％。可见，大类招生背景下的高校专业分流作为高校人才培养模式改革的重要一环正在被多数高校试行。

从专业分流实施区域来看，高校专业分流覆盖华北、东北、华东、中南、西南和西北地区，在各地区的实施比例均在50.00％以上。尤其在北京、上海、江苏、湖北等高等教育大省（直辖市），试行专业分流的“211工程”高校比例均在70.00％左右。可见，大类招生背景下的高校专业分流覆盖的区域面积较广。(www.xing528.com)

从专业分流实施高校类型来看，共有8类“211工程”高校试行大类招生基础上的专业分流，包括75.00％的师范类高校、71.43％的综合类高校、70.00％的工科类高校、50.00％的农业类高校、40.00％的财经类高校、所有林业类高校、所有政法类高校和民族类高校。

从专业分流实施学科来看，绝大多数学科（共有83个二级学科）在不同程度上试行了专业分流。其中，高校专业分流最为多见的学科有：电子信息、工商管理、数学、计算机、金融学、机械、材料、生物科学、经济与贸易、化学。经济学、理学、工学、管理学是高校专业分流较为青睐的一级学科。还有不少专业类或试验班所分流的专业并不是同属单一学科，而属于两个或两个以上学科的集合。在这类多学科集合的专业类（试验班）中，常见的一级学科组合有经济学与管理学，理学与工学，文学、历史学与哲学。较为多见的二级学科组合包括数学与统计学，经济学、金融学、经济与贸易，政治学与公共管理，化学与材料，电子信息与计算机，生物科学、环境科学与工程等。

从专业分流的实施类型来看，高校专业分流的实施载体包括试验班和专业大类。依据这些专业类（试验班）的专业分流覆盖面，本研究将高校专业分流分为全校性专业分流、多科学专业分流和单科性专业分流三类。（1）全校性专业分流即面向全校，覆盖全校所有本科专业的专业分流。统计发现，共有6个试验班试行全校性专业分流。其中，就实施分流的高校类型而言，工科高校占多数，其余1所为综合类高校；就专业分流时间而言，大二结束至大三开始这个时间段居多；就办学经验而言，多数办学时间较长，拥有较为丰富的办学经验，或有成功的相关经验可供借鉴；就管理模式而言，多为动态管理，不仅提供校内优秀新生流入的机会，而且实行淘汰制。（2）多科性专业分流即涉及多个（两个或两个以上）一级学科的专业分流。试行多科性专业分流的单位包括试验班和专业类。其中，试验班是试行多科性专业分流的主要载体。试验班主要分为五类：人文科学试验班、社会科学试验班、人文社会科学试验班（文科试验班）、经济管理试验班、自然科学试验班（理科试验班）。在多科性专业分流试验班中，以自然科学试验班（理科试验班）和人文科学试验班最为多见。专业类主要有三类：人文社科专业类、经济管理专业类、理科专业类。在试行多科性专业分流的专业类中，经济管理专业类居多。（3）单科性专业分流即主要涉及单个一级学科的专业分流，是三类专业分流的主体，其数量最多。试行单科性专业分流的单位包括试验班和专业类。其中，专业类是试行单科性专业分流的主要载体。工学类试验班和理学类试验班是单科性专业分流试验班的主体。大多数专业类（试验班）包含2—4个分流专业。就分流的专业数量而言，单科性专业分流的专业类（试验班）属于小容量专业集合。在上述三类专业分流中，就其分流专业覆盖面、实施复杂程度而言，全校性专业分流的分流面最广、复杂程度最高，多科性专业分流次之，单科性专业分流的分流面最窄、复杂程度最低。因此，试行单科性专业分流的专业类（试验班）数量最多，试行多科性专业分流的专业类（试验班）次之，试行全校性专业分流的试验班数量最少。在统计的“211工程”高校中，有的高校只试行了一类专业分流，也有的高校试行了两类甚至三类专业分流。

在此基础上，本章采用问卷调查法，对我国高校大类招生背景下的专业分流实施现状做进一步调研。选取北京航空航天大学、北京化工大学、华中师范大学、浙江大学、中国科学技术大学、电子科技大学6所高校试行大类招生背景下专业分流的5个试验班和14个专业类的已分流学生开展调查。使用的分析软件为SPSS 20.0，具体运用了探索性因子分析、信度检验、多元线性回归和有序Logistic方法。调查结果显示：被调查学生在高校专业分流的专业选择上，既重视自身兴趣和学习（科研）能力，又强调专业的就业形势与教学实力，同时还能兼顾专业分流的限制条件。家人、同学、朋友的影响或建议，这个在传统高校按专业招生模式中对学生专业选择影响力较大的因素，被证实其对高校专业分流中学生专业选择的影响较弱。显然，这不仅说明被调查学生在高校专业分流的专业选择上呈理性特质，还显示出大类招生背景下高校专业分流在促进学生理性选择专业上的优势。

高校专业分流的试行取得了一定效果，但还存在一些问题有待解决。研究使用“分流结果满意度”和“专业承诺水平”来测量专业分流的实施效果，是将专业分流的结果划分两个部分，即“进口”时学生的满意度及“进入”后学生的满意度及其表现，也可以视为“短期效果”和“长期效果”。本研究认为，这两个效果会随时间发生改变，存在较大的差异性。从专业分流结果满意度来看，逾半数（54.9％）的学生对其分流结果是满意的，但仍有近两成（15.8％）的学生对专业分流结果并不满意。另外，还有29.3％的学生专业分流满意度为“一般”。这一方面显示了大类招生背景下高校专业分流取得的效果，另一方面也说明被调查高校专业分流工作还存有不少问题有待解决，学生的专业分流结果满意度仍有待提高。从专业承诺水平来看，只有三成多（31.8％）的学生认同并愿意投入所分流专业，学生对分流专业的承诺水平提升空间还很大。专业承诺水平的四个维度中，情感承诺水平最高，其次是理想承诺水平、规范承诺水平，继续承诺水平最低。

高校专业分流实施效果受多种因素的影响。借用有序Logistic回归模型发现：政策设计、程序指导、学生知晓度对专业分流结果满意度皆有显著正向影响，影响力大小依次为政策设计、程序指导、学生知晓度。采用多元线性回归分析方法进行建模发现：政策设计、分流结果满意度、程序指导、课程与管理以及学生知晓度对专业承诺水平皆有显著正向影响，影响力大小依次为政策设计、分流结果满意度、程序指导、课程与管理以及学生知晓度，其中政策设计和分流结果满意度对专业分流承诺水平的影响明显高于其他三项。

[1]埃德加·莫兰.复杂性理论与教育问题［M］.陈一壮，译.北京：北京大学出版社，2004：25.

[2]吕慈仙.高等学校按学科大类招生的现状分析［J］.宁波大学学报（教育科学版），2007，29（1）：65－68.

[3]吕慈仙.高等学校按学科大类招生的现状分析［J］.宁波大学学报（教育科学版），2007，29（1）：65－68.

[4]为了将该目录中的“专业类”与高校专业分流的“专业类”相区别，本研究将目录中设置的“学科门类、专业类和专业”表述为“一级学科、二级学科和专业”。

[5]本研究中的试验班主要是指进行大类招生、专业分流的各类高校试验班。有些高校也称之为“实验班”。

[6]截至2014年，共有19所高校入选“珠峰计划”，分别是：北京大学、清华大学、北京师范大学、复旦大学、上海交通大学、浙江大学、南京大学、中国科学技术大学、南开大学、武汉大学、中山大学、厦门大学、山东大学、西安交通大学、吉林大学、四川大学、兰州大学、北京航空航天大学、哈尔滨工业大学。

[7]教育部综合改革司.创新高校人才培养机制（一）：种好创新型人才培养的国家“试验田”［EB／OL］.（2015－02－16）［2015－04－10］.http：／／moe.edu.cn／jyb＿xwfb／s5989／s6635／s8537／zl＿cxgxrc／201506／t20150611＿189968.html.

[8]北京大学.2014年简章暨报考指南［EB／OL］.［2015－04－21］.http：／／www.gotopku.cn／uploads／project／201405／30／1401438542799847.pdf.

[9]北京交通大学.思源慧聚，培养拔尖研究创新人才［EB／OL］.［2015－04－26］.http：／／zsw.bjtu.edu.cn／ZYDD／default.aspx？dispzy＝40＆root＝7.

[10]北京理工大学.徐特立学院［EB／OL］.［2015－04－25］.http：／／admission.bit.edu.cn／colleges／xtl.html.

[11]东华大学.东华大学2014年本科招生答考生问［EB／OL］.［2015－04－26］.http：／／zs.dhu.edu.cn／dhuzs／latestNews＿one.aspx？newid＝996.

[12]中国科学技术大学.少年班、创新试点班［EB／OL］.［2015－04－22］.http：／／zsb.ustc.edu.cn／bkzn／tszs／201005／t20100524＿17155.html.

[13]中国科学技术大学.教学改革试点班［EB／OL］.［2015－04－22］.http：／／zsb.ustc.edu.cn／bkzn／tszs／201005／t20100524＿17156.html.

[14]电子科学技术大学.英才实验学院［EB／OL］.［2015－04－18］.http：／／www.yingcai.uestc.edu.cn／WebSite／Information.aspx？id＝1.

[15]由于理学一级学科中涵盖的二级学科、专业较多，且多在高校中分属不同学院，例如生物科学、化学、物理学等。鉴于此，本研究试图将“可分流至理学类相关专业”的试验班列入多科性专业分流一类。

[16]克雷斯威尔.研究设计与写作指导：定性、定量与混合研究的路径［M］.崔延强，译，重庆：重庆大学出版社，2007：4.

[17]侯杰泰，温忠麟，成子娟，等.结构方程模型及其应用［M］.北京：教育科学出版社，2004：125－127.

[18]抽样框误差是有关总体全部单位的名录，在地域抽样中，抽样框也可以是地图。一个好的抽样框应该是，抽样框中的单位和研究总体中的单位有一一对应的关系，否则将导致抽样框的不完善，这种误差即抽样框误差。参见贾俊平.统计学［M］.北京：中国人民大学出版社，2007：35.

[19]连榕，杨丽娴，吴兰花.大学生的专业承诺、学习倦怠的关系与量表编制［J］.心理学报，2005，37（5）：632－636.

[20]严瑜，龙立荣.大学生专业承诺的心理结构及影响因素研究［J］.高等教育研究，2008，29（6）：90－97.

[21]郭志刚.社会统计分析方法：SPSS软件应用［M］.北京：中国人民大学出版社，1999：87.

[22]孙晓军，周宗奎.探索性因子分析及其在应用中存在的主要问题［J］.心理科学，2005，28（6）：1440－1442.

[23]RUSSELL D W.In search ofunderlying dimensions：the use（and abuse）of factor analysis in personality and socialpsychology bulletin［J］.Personality and Social Psychology Bulletin，2002，28（12）：1629－1646.

[24]吴明隆.SPSS统计应用实务：问卷分析与应用统计［M］.北京：科学出版社，2003：109.

[25]李怀祖.管理研究方法论［M］.西安：西安交通大学出版社，2004：121－139.

[26]廉串德，梁栩凌.心理测量实践教程［M］.北京：社会科学文献出版社，2011：42.

[27]郭志刚.社会统计分析方法：SPSS软件应用［M］.北京：中国人民大学出版社，1999：17.

[28]钟宇平，陆根书.收费条件下学生选择高校影响因素分析［J］.高等教育研究，1999（2）：31－37，41－42.

[29]4个变量中，“课程与管理”发生在专业分流志愿达成（或未达成）之后。因此，我们只探讨其余3个变量对学生分流结果满意度的影响。

[30]张文彤，董伟.SPSS统计分析高级教程［M］.北京：高等教育出版社，2004：191－192.

[31]总得分＝因子1方差累积贡献率×因子1的得分＋因子2方差累积贡献率×因子2的得分＋因子n方差累积贡献率×因子n的得分。

[32]薛薇.基于SPSS的数据分析［M］.北京：中国人民大学出版社，2006：287.

[33]马庆国.管理统计：数据获取、统计原理、SPSS工具与应用研究［M］.北京：科学出版社，2002：188－201.