Bayes估计—结构方程模型在教育满意度分析中的应用

• 作 者: 王晓
• 发表日期: 2015年期
• 关键词: 教育满意度 Bayes估计 结构方程模型

满意度的研究在目前已是一个较为成熟的研究领域,它主要用于企业、市场分析及管理中,考察消费者对产品或服务的满意程度。满意度的分析方法可运用于任何提供产品和服务的领域,包括政府的公共服务。教育作为一项关乎民生的政府公共服务,对其进行满意度分析有助于政府部门确切地了解当前基础教育的现状及公众对教育质量的满意程度,有助于揭示教育事业发展中的问题矛盾所在,有助于为各地各级教育部门全面实施素质教育和提高教育质量提供科学、合理的决策参考依据。满意度分析的研究方法主要通过建立满意度指数进行测评。目前,构建满意度指数的方法较为成熟的有层次分析法、模糊综合评价法、结构方程模型等等。这些方法主要解决满意度指数的权重问题,分别对定性指标、模糊指标、具有显变量和潜变量的处理有一定的优势,但是对于具有多种特性的复杂数据,尤其是来自调查问卷的数据,单一方法的运用可能会有一定的局限性。融合多种方法的优势处理具有定性、定量数据以及具有显变量和潜变量的复杂数据,不仅克服了单一方法的局限性,而且分析结果会更具客观性。贝叶斯估计不仅在处理小样本数据时具有优良特性,也可在不失可靠性的情况下节约成本。结构方程模型能够同时处理多个显变量和多个潜变量之间的路径关系,并能够对各级满意程度的原因进行详细具体分析。在问卷调查的基础上,首先利用Bayes估计方法,在先验分布信息基础上估计公众教育满意程度,其次运用结构方程模型对教育满意度的显变量和潜变量之间的关系进行分析。本文将两种方法相结合进行教育满意度研究,充分发挥了贝叶斯估计和结构方程模型的优势。本文采用云南省昆明市基础教育的调查问卷数据为实例对上述模型进行实证分析,结果与公众的共识较为吻合,表明了Bayes估计模型与结构方程模型相结合用于教育满意度分析研究的有效性和可行性,拓宽了满意度分析的领域,并为多指标综合评价问题提供了新的思路。