题目 - 统计教育学会 40页

云南大学第三小队杨晓洁雷文兴鲁科言目录摘要30.引言41.问题的分析41.1研究目的41.2研究方法42.问卷数据的收集52.1数据来源52.2抽样方法52.3问卷内容及执行情况53．问卷数据的处理63.1定性变量的分类及赋值方法63.1本文变量的设置64．用结构方程全模型分析大学生的预期就业手段和就业区域情况74.1结构方程全模型简介74.2模型的基本假定84.3本文拟采用的结构方程全模型路径图及形式84.4模型的识别114.5模型的参数估计以及参数的显著性检验114.6模型的整体拟合评价124.7模型参数估计结果的解释134.8模型存在的问题145.结论15参考文献16附录17附录一生源地按东·中·西部地区经济发达水平划分17附录二所在专业就业率情况按统计的就业率排名划分17附录三大学生就业与深造意向调查问卷20附录四全模型LISREL软件程序26附录五全模型LISREL软件输出结果2740\n云南大学第三小队杨晓洁雷文兴鲁科言基于结构方程全模型的大学生就业预期情况分析杨晓洁雷文兴鲁科言（云南大学统计系，昆明650091）摘要：本文基于云南大学数学与统计学院2005级统计系本科生于2007年10月至11月期间收集的题目为“大学生就业与深造意向调查”的原始问卷资料，从大学生的就业预期角度出发，欲分析影响大学生预期就业手段和预期就业地域的相关因素。文章对各个影响因素、大学生预期就业手段、预期就业地域分别建立了测量方程，对影响因素与就业预期建立了结构方程，从而得到了大学生就业预期情况的结构方程全模型（SEM）。然后，我们对模型的参数进行了估计、对参数显著性以及模型整体的拟合效果进行了检验，均说明模型拟合结果相对令人满意。并且，我们着重分析了影响大学生预期就业手段和预期就业地域的因素，获得了与现实一致的结果，亦即：大学生的社会经济地位、对就业情况的把握程度、自身能力对他们的预期就业手段均有影响，但影响差异不大。另外，大学生的社会经济地位对他们的预期就业地域有影响，但大学生对就业情况的把握程度、自身能力对他们的预期就业地域几乎没有影响。关键字：大学生就业与深造意向调查结构方程全模型（SEM）40\n云南大学第三小队杨晓洁雷文兴鲁科言0.引言随着我国经济的不断发展，我国高校大规模扩招，越来越多的年轻人获得了接受教育的机会。从社会发展的角度来讲，大批高素质的人才培养是与我国快速发展的社会经济水平相适应的。然而，由此也带来了两方面的问题：一是本科生的就业矛盾日益突出，几乎每一个大学生都在切身感受就业的恐慌；二是人才的竞争加剧，加之市场对于人才的需求多元化，考研或出国深造成为提高我们本科生自身核心竞争力的一种渠道，同时也是规避就业难的一种新途径；那么，在如此就业形势严峻、人才竞争加剧的当今社会，大学生们对自己将来的就业有怎样的预期呢？本论文基于云南大学数学与统计学院2005级统计系本科生于2007年10月至11月期间收集的题目为“大学生就业与深造意向调查”的原始问卷资料，欲从大学生的就业预期角度出发，结合结构方程模型，分析大学生预期就业手段和预期就业地域方面的相关情况，并期望推广结构方程模型应用于问卷分析的方法。1.问题的分析1.1研究目的本论文在采用量表方式对问卷中的定性变量予以赋值后，欲分析影响大学生预期就业手段和预期就业地域的因素，并期望得到各个因素与大学生预期就业手段、预期就业地域之间的关系的度量。需注意：（1）该调查的调查对象是云南大学全日制在读本科生。调查对象仅仅是来自大学生这个总体的一个群或层。根据抽样调查的相关理论，云南大学在读本科生并不具有典型代表性，即它作为大学生总体的一个群被抽出并不具备随机性和强代表性。因此，本论文从这份调查数据出发，仅仅只是从一个相对小的视角研究大学生预期就业手段、预期就业地域方面的情况，结果不一定适用于大学生总体。（2）问卷数据归属于2007年10月这个时点，因此，本论文的分析结果当然是对2007年10月这个时点相关情况的反映。1.2研究方法本论文考虑建立结构方程全模型来研究大学生预期就业手段和预期就业地域（内生潜变量）与其各个因素（外生潜变量）之间的关系，并量化这种关系。结构方程模型的优势就在于引入潜变量（不可直接观测的量），使人们考虑问题的思路跃然纸上，显得更加系统化。也就是，它以如下的方式考虑问题：40\n云南大学第三小队杨晓洁雷文兴鲁科言X指标外生潜变量内生潜变量Y指标那么，研究外生潜变量对内生潜变量的影响实质上就是间接研究X指标对Y指标的影响。只不过，结构方程把由同一个潜变量控制的指标划分为一类，表示这一类指标受该潜变量的影响，使得问题的分析更加的系统。值得注意的是，本论文的研究基础——问卷资料来自于第二方的调查资料，第二方事先并未考虑过用结构方程模型分析问卷。那么，本文运用结构方程模型分析问卷，问卷中的问题就不一定能很好地切合结构方程模型，由此可能引起相当的误差。这也就决定了我们在确定运用结构方程模型分析问卷时，已有心理准备面对模型可能出现的整体拟合效果不好等问题，故本文着眼于推广结构方程模型建模方法在问卷分析中的应用。也就是说，欲用结构方程模型分析问卷，应该事先根据相关理论或经验初步设定几个潜变量，然后在问卷中为每一个潜变量设置若干的题目来测量它。0.问卷数据的收集2.1数据来源本论文数据来自于云南大学数学与统计学院2005级统计系本科生于2007年10月至11月期间收集的题目为“大学生就业与深造意向调查”的原始问卷资料。该次调查的调查对象为云南大学全日制在读本科生（云南大学二级学院的学生不包括在内）。具体说来，本论文仅仅提取在问卷的“甄别问题”部分回答“就业”的那部分人（共计280人）的相关信息进行分析。2.2抽样方法该次调查按学科类别（文科、理科、工科、其他）和年级（大一、大二、大三、大四）将研究总体分为16个层，由于“其他类”的大一和大四的数据难以取得，因此，仅针对其余14个层进行抽样。根据抽样框，在每层中按简单随机抽样抽取20%的班级，同时在抽中的班级中按简单随机抽样抽取30%的学生。2.3问卷内容及执行情况调查问卷详见附录三。该次调查专门成立调查组，按照被抽中学生的花名册由专人负责发放问卷，共计发放问卷788份，实际收回问卷758份，提取有效问卷706份。40\n云南大学第三小队杨晓洁雷文兴鲁科言3．问卷数据的处理3.1定性变量的分类及赋值方法3.1本文变量的设置表1指标的设置变量符号变量名取值情况X1生源地X1=1西部；X1=2中部；X1=3东部X2户口类型X2=0农村户口；X2=1城镇户口X3父亲受教育程度X3=1初中以下；X3=2初中；X3=3高中或中专X3=4大专或本科；X3=5研究生以上X4母亲受教育程度X4=1初中以下；X4=2初中；X4=3高中或中专X4=4大专或本科；X4=5研究生以上X5月可支配生活费X5=1300元以下；X5=2300~500元X5=3500~800元；X5=4800元以上X6对就业形势的看法X6=1很不好；X6=2不好；X6=3一般X6=4较好；X6=5非常好X7所学专业前景看法X7=1很不好；X7=2不好；X7=3一般X7=4较好；X7=5非常好X8参加就业辅导的次数X8=0参加0次；X8=1参加1次X8=2参加2次；X8=3参加4次以上40\n云南大学第三小队杨晓洁雷文兴鲁科言X9就业资格证书个数X9=0、1、2、3……X10四、六级考证情况X10=0四、六级都没过；X10=1过四级；X10=2过六级X11参加社会实践次数X11=0从不参加；X11=1参加1、2次X11=2参加3、4次；X11=3参加4次以上Y1是否自主创业Y1=0否；Y1=1是Y2工作地域Y2=1农村地区；Y2=2县级地区Y2=3地级城市及州市；Y2=4省会城市及直辖市表2潜变量的设置变量符号变量名变量包括的指标外生潜变量1社会经济地位X1、X2、X3、X4、X52对就业状况的把握X6、X7、X83自身能力X9、X10、X11内生潜变量1预期就业手段Y12预期就业地域Y24．用结构方程全模型分析大学生的预期就业手段和就业区域情况4.1结构方程全模型简介很多社会、教育、心理等研究中涉及的变量，都不能准确、直接地测量，比如学习动机、家庭社会经济地位等，我们称这样的变量为潜变量。潜变量往往只能通过一些外生指标去衡量，比如用父母受教育程度、学生户口类型、父母收入等外生指标来衡量学生的社会经济地位（潜变量）。传统的统计分析方法不能妥善处理这些潜变量，而结构方程全模型则能同时处理潜变量及其指标。它是一种基于变量的协方差矩阵来分析多个变量之间关系的一种统计方法，也称为协方差结构分析。并且，它有机地整合了多元统计中的因子分析方法、生物学中的路径分析方法以及计量经济学中的联立方程模型。结构方程全模型由测量方程和结构方程组成。若结构方程40\n云南大学第三小队杨晓洁雷文兴鲁科言模型中只包括测量方程，则又称为验证性因子模型。关于测量方程和结构方程的形式，最普遍的情况是设定为线性模型。测量方程用来描述指标与潜变量之间的关系，用下述模型表示：结构方程用来描述外生潜变量与内生潜变量之间的关系，用下述模型表示：4.2模型的基本假定（1）一般假定，每一个指标只在其对应的潜变量上有不为0的因子负荷，而在其他潜变量上的因子负荷为0。内生变量之间的路径（相关或单方面影响）依据经验和相关理论而定。（2）测量误差项与外生潜变量之间（）、测量误差项与内生潜变量之间不相关（）；（）、（）、（）不相关。4.3本文拟采用的结构方程全模型路径图及形式结合研究目的，首先我们根据相关研究及经验，找出影响大学生的预期就业手段和预期就业地域这两个内生潜变量的外生潜变量。然后，对问卷中的相关指标进行初步归类，建立验证性因子模型，并进行相关的参数估计、不断修正，最终确定潜变量的结构后，再加入结构方程模型。下图为拟采用的结构方程全模型的路径分析图，欲对各路径参数进行估计。40\n云南大学第三小队杨晓洁雷文兴鲁科言X1X2X3X4X5社会经济地位X6X7X8对就业状况的把握X9X10X11自身能力预期就业手段预期就业地域Y1Y212123图1拟采用的全模型路径分析图图1的符号说明：正方形或长方形表示指标；圆或椭圆表示潜变量；单向箭头表示单向影响；双箭头表示相关；单向箭头指向指标表示测量误差；单向箭头指向潜变量表示内生潜变量未被解释的部分。注意：（1）确定需要用哪些指标衡量潜变量，可以根据经验分析进行初步归类，也可以使用多元统计分析中因子分析的方法进行探索。然后，对初步归类的指标建立验证性因子模型（即只有测量方程），并进行相应的参数估计，比较从属于同一潜变量的各路径参数的大小，进行相应的路径删减。（2）结构方程全模型是否可识别不仅取决于数据质量，更取决于模型设定形式是否正确。模型形式的正确性就表现在潜变量指向指标的单向路径、外生潜变量之间的双向路径、内生潜变量之间的单向或40\n云南大学第三小队杨晓洁雷文兴鲁科言双向路径、外生潜变量指向内生潜变量的单向路径划定是否正确。每一条路径对应一个待估参数（主要是模型中的系数（负荷）、误差方差、潜变量之间的相关系数）。一般的思路是先建立验证性因子模型，不断修正（删减路径或改变路径相连方式）、保证指标与潜变量之间的从属关系成立后，再建立结构方程，不断修正，渐渐修改为相对理想的模型。（3）在没有任何理论依据或经验的前提下，我们要考虑任意两个外生潜变量之间、任意两个内生潜变量之间的相关关系（路径为双向），然后根据模型的参数估计结果进行相应的路径增减。（4）由图1，注意到本文拟采用的模型中，两个内生潜变量和均分别只用一个指标和衡量，相当于潜变量就是指标。原则上，结构方程模型并不允许这样的情况出现，因为单指标潜变量的存在会使得模型无法识别。倘若这种情况真的出现了，需在参数估计时固定负荷或方差等（详见附录四的程序）。本文模型的设定形式不得不包含单指标的潜变量，主要是由于我们基于第二方设计的问卷进行相关问题的分析，使得问卷内容设计和模型形式设定脱节，从而导致有些潜变量找不到一定数量的、合适的指标来测量。对照图1，模型的形式设定为：40\n云南大学第三小队杨晓洁雷文兴鲁科言4.4模型的识别常用判断模型是否可识别：在结构方程模型中，共有个可观测变量，记为模型中自由估计的参数个数，则模型可识别的一个必要条件是：该模型中共含有35个参数，包括11个负荷、3个潜变量之间的相关系数、11个观测变量的误差方差、结构模型的8个未知参数、2个内生潜变量的误差方差。由于，故该模型可识别。4.5模型的参数估计以及参数的显著性检验1、模型的参数估计利用结构方程模型软件LISREL8.70对模型的未知参数进行估计，源程序、输出结果分别见附录四和附录五。结构方程模型参数估计的基本思想是：求参数使得模型隐含的协方差矩阵与样本协方差矩阵“差距”最小。对这个矩阵之间“差距”的不同定义方法，产生了不同的模型拟合方法及相应的参数估计。最常用的结构方程模型参数估计方法是极大似然函数法（ML），虽然此法需要假定观测指标的分布为正态或近似正态分布，但很多研究表明，即使指标的分布不为正态分布，ML方法也能得到合适的估计，尤其在大样本条件下。也即，ML估计是稳健的。2、模型参数的显著性检验LISREL8.70的输出结果给出了未标准化情况下，各因子负荷的估计以及与各负荷相应的标准差估计值和统计量值。一般可简单地取值大于2为显著，即此时认为相应的负荷显著不为0。若有某几个因子负荷不显著，每次取消一个路径，重新运行程序后，再进行负荷的显著性检验，重复此过程，直到各个负荷均显著为止。LISREL8.70的输出结果也给出了标准化情况下参数的估计结果。标准化情况下，参数估计结果不受各指标或因子量纲的影响，便于对变量之间的相互关系进行分析。本文的模型采用标准化情况下的参数估计结果，并且分两步确立：第一步建立40\n云南大学第三小队杨晓洁雷文兴鲁科言验证性因子模型，确定潜变量的结构；第二步按照图1的模型（即加入结构方程），运行程序，删除不显著的路径后再次运行程序，共经历两次路径删除后，估计结果显示所有的因子负荷在置信水平下，均已显著。从而得到本文估计模型的具体形式：此外，输出结果（见附录五）中没有包含违背常理的参数估计值，比如说没有出现方差小于0、相关系数大于1等情况，说明用该模型拟合原始数据是合适的。4.6模型的整体拟合评价根据结构方程模型中评价模型拟合优劣的相关理论，通常采用以下几种指标来评价模型的拟合效果：（1）相对拟合指数（CFI）：取值于0—1之间，越接近于1，模型整体拟合越好；（2）近似均方根误差指数（RMSEA）：其值越小越好。一般认为，RMSEA低于0.1表示好的拟合，低于0.05表示非常好的拟合。（3）调整后的拟合优度指数（AGFI）：取值于0—1之间，越接近1，模型整体拟合越好。本文模型的拟合优劣指标汇总如下：表3模型的拟合指数指标CFIRMSEAAGFI取值0.730.130.76结合各个拟合指数的判断标准，由表1知，模型整体拟合效果一般。前述4.3节的注意（4）已分析过原因。40\n云南大学第三小队杨晓洁雷文兴鲁科言4.7模型参数估计结果的解释每一个观测指标对其从属的潜变量的标准化参数估计值（即负荷），有效地反映了该指标与相应潜变量之间的相关程度，同时也反映了潜变量对相应观测指标的解释能力。这可以由下图中各路径的参数清晰地表征出来：X1X2X3X4X5社会经济地位X6X7X8对就业情况的把握X9X10X11自身能力预期就业手段预期就业地域Y1Y2-0.1030.4040.7120.7680.8100.6530.5190.6790.6340.9000.4270.2340.9970.983-0.0520.1630.1620.1450.2540.1230.1910.9390.886121230.8370.4930.3430.5740.7310.5390.5980.1910.8180.9450.0050.0330.410各个路径参数意义误差项方差图2结果路径图对比图1和图2，显然，在参数估计过程中，一些不显著的路径和方向被删除了。由结果路径图，我们可以看出：（1）大学生的社会经济地位、对就业情况的把握程度、自身能力40\n云南大学第三小队杨晓洁雷文兴鲁科言对他们的预期就业手段均有影响，但影响差异不大。这与现实情况是相符的，通常家庭社会经济地位决定了大学生自主创业的原始资本（资金来源以及人际关系等），对就业情况的把握程度决定了大学生自主创业的动机和方向，而自身能力则决定了大学生自主创业的勇气和胆识。（2）大学生的社会经济地位对他们的预期就业地域有影响，但大学生对就业情况的把握程度、自身能力对他们的预期就业地域几乎没有影响。这也与现实情况相符，大学生的社会经济地位高低决定了他们对于就业地域的偏向（比如，现实中，比起家庭社会经济地位相对低的学生，往往是家庭社会经济地位相对高的学生更偏向于选择各方面条件都相对较好的地域工作譬如省会城市，也即家庭社会经济地位相对低的学生更能容忍相对差一些的工作地域）。另外，大学生对就业情况的把握程度以及自身能力对预期就业地域影响不显著，不管大学生对就业情况的把握程度如何，也不管大学生自身能力如何，现实中大学生预期就业地域的选择往往是家乡、发达城市或学校所在地。（3）相比于预期就业地域对预期就业手段的影响，预期就业手段对预期就业地域的影响要更显著。这也是显然的，自主创业必然要考虑目标地域的供求情况，通常省会城市等需求相对大，供给才有市场。（4）5个潜变量在13个观测指标上的标准化因子负荷不小于0.712的有6个。在标准化的情况下，指标与潜变量之间的复相关系数就是因子负荷的平方。因此，有6个复相关系数大于0.5，也就是说，相应的潜变量能解释指标的50%以上。但仅有6个复相关系数大于0.5，再次说明模型的解释能力一般，原因仍然是问卷内容设计和模型形式设定脱节，使得衡量潜变量的指标不恰当或过少。4.8模型存在的问题（1）通常从拟合原始数据的能力和预测性能两方面评价一个模型。结构方程模型则更偏向于验证我们事先提出的关于潜变量的结构、潜变量之间的因果关系是否成立，并且量化变量之间的相互影响关系。若主要关注的是模型的预测性能，则结构方程并非首选。（2）本文的模型拟合原始数据的能力一般，主要归咎于问卷内容设计与模型形式设定的脱节，使得无法找到一定数量的、恰当的指标来衡量潜变量。也就是说，本文建构的模型迁就于问卷，模型形式的设定可能有失偏颇。这也给问卷设计者提出了参考建议：要把问卷内容设计与欲采用的模型相结合，问卷内容要紧扣模型。（3）本文的模型不得不引入单指标潜变量，为保证模型的可识别性，又不得不在进行参数估计时固定某些负荷以及某些误差的方差,虽然无法衡量这会使模型整体估计受到多大程度的影响，但造成误差是确定无疑的。一般说来，衡量潜变量的指标越多，潜变量的结构越稳定，模型参数估计越容易收敛。为保证模型的可识别性，每个潜变量应至少用三个指标来衡量。40\n云南大学第三小队杨晓洁雷文兴鲁科言5.结论本文基于第二方的原始调查问卷数据，采用量表方式进行赋值后，构建了结构方程全模型来研究影响大学生预期就业手段和预期就业地域的因素，并采用定性分析和定量分析相结合的方法，阐述和量化了各个因素与大学生预期就业手段、预期就业地域之间的关系。模型整体拟合程度及解释能力基本能满足要求。模型拟合的结果显示；大学生的社会经济地位、对就业情况的把握程度、自身能力对他们的预期就业手段均有影响，但影响差异不大；大学生的社会经济地位对他们的预期就业地域有影响，但大学生对就业情况的把握程度、自身能力对他们的预期就业地域几乎没有影响。本文由于问卷内容设计与模型形式设定的脱节，使得模型整体拟合效果一般。因此，本文的视野并不在于向读者展示所建立的结构方程对潜变量的结构、潜变量之间的因果关系能在多大程度上给予有力的解释，而在于推广一种问卷数据分析的方法、一种验证并确定一些不可直接测量的变量之间相互关系的方法。40\n云南大学第三小队杨晓洁雷文兴鲁科言参考文献[1]AlanAgresti著，张淑梅，王睿，曾莉译．属性数据分析引论[M]．第二版．北京：高等教育出版社出版，2008．[2]王静龙，梁小筠编著．定性数据分析[M]．上海：华东师范大学出版社，2004．[3]候杰泰，温忠麟，成子娟著．结构方程模型及应用[M]．北京：教育学出版社，2005．[4]黄芳铭著．结构方程模式：理论与应用[M]．北京：中国税务出版社，2005．[5]程琰，温忠麟译．LISREL使用手册[M]．[6]张尧庭等编著．定性资料的统计分析[M]．广西师范大学出版社，1991．[7]赵臣，颜菲菲．结构方程模型在心理问卷结构效度分析中的应用[J]：浙江体育科学．2008年，第3期：49—52．[8]陈玉强，徐阳华，林志扬．应用结构方程模型研究医院服务补救[J]：解放军医院管理杂志．2008年，第2期：19-23．[9]陈海贤，陈洁．贫困大学生希望特质、对应当时与情绪的结构方程模型研究[J]：　　中国临床心理学杂志　．2008年，第4期：128-132．[10]陶雪萍，朱帮助．网络信任对网络忠诚影响路径的结构方程模型[J]：信息与管理工程．2009年，第3期：383-386．[11]李春艳，肖国东．企业创新战略影响因素的结构方程模型实证分析[J]：徐州工程学院学报．2008年，第3期：26-32．[12]孙凤．主观幸福感的结构方程模型[J]：统计研究．2007年，第2期：28-32．40\n云南大学第三小队杨晓洁雷文兴鲁科言附录附录一生源地按东·中·西部地区经济发达水平划分我国大陆区域经济的产生，应该说是依据其经济发展水平与地理位置相结合长期演变而形成的，我国大陆区域整体上可划分为三大经济地区（地带）。三大经济地区由于自然条件与资源状况的不同，因而有着各自的发展特点。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12个省、自治区、直辖市；面积为129.4万平方公里，占我国全部国土面积的13.5%。东部地区背负大陆，面临海洋，地势平缓，有良好的农业生成条件，水产品、石油、铁矿、盐等资源丰富，这一地区由于开发历史悠久，地理位置优越，劳动者的文化素质较高，技术力量较强，工农业基础雄厚，在整个经济发展中发挥着龙头作用。中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省、自治区；面积为281.8万平方公里，占我国全部国土面积的29.3%。中部地区位于内陆，北有高原，南有丘陵，众多平原分布其中，属粮食生产基地。能源和各种金属、非金属矿产资源丰富，占有全国80%的煤炭储量，重工业基础较好，地理上承东启西。西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆10个省、自治区；面积为541.4万平方公里，占国土面积的56.4%。西部地区幅员辽阔，地势较高，地形复杂，高原、盆地、沙漠、草原相间，大部分地区高寒、缺水，不利于农作物生长。因开发历史较晚，经济发展和技术管理水平与东、中部差距较大，但国土面积大，矿产资源丰富，具有很大的潜力。资料来源：中华人民共和国统计局官方网站http://www.stats.gov.cn/was40/gjtjj_detail.jsp?searchword=%BE%AD%BC%C3%B5%D8%C7%F8&channelid=6697&record=6附录二所在专业就业率情况按统计的就业率排名划分就业率排名（专业大类）专业就业率（%）月均收入（元）专业就业率（%）月均收入（元）工学902,208理学842,068管理学892,160教育学841,968经济学882,266医学821,710历史学872,053法学792,010农学871,807哲学762,112文学862,138　　40\n云南大学第三小队杨晓洁雷文兴鲁科言就业率排名（专业小类）专业就业率（%）月均收入（元）专业就业率（%）月均收入（元）石油工程993,399德语912,872工程造价991,949通信工程912,418金属材料工程962,120工程力学902,326航海技术963,600地理科学902,003过程装备与控制工程962,266交通运输902,057油气储运工程952,622药物制剂901,818给水排水工程952,088工业工程902,283农业机械化及其自动化951,866日语902,495轮机工程953,220市场营销902,298建筑环境与设备工程952,163动物科学901,911土木工程952,194预防医学902,021材料成型及控制工程942,128制药工程901,886包装工程942,182治安学902,611财务会计教育942,210水利水电工程892,286热能与动力工程942,288中药学892,010水文与水资源工程942,118金融学892,530测绘工程942,453国际商务893,335电气工程及其自动化942,269应用化学892,035机械设计制造及其自动化942,090工业设计892,099安全工程942,352英语教育891,830法语934,043英语892,163车辆工程931,996环境工程881,954医学影像学931,679财政学882,118机械工程及自动化932,154植物保护881,759印刷工程931,919园艺881,793会计学932,111药学882,042学前教育931,597化学882,043工程管理932,153高分子材料与工程882,024朝鲜语932,647材料化学882,043纺织工程922,005电子信息工程882,217护理学921,889网络工程882,214财务管理922,341国际经济与贸易872,138人力资源管理922,156对外汉语872,336城市规划922,462新闻学87           2,218医学检验921,836食品质量与安全872,091自动化922,275历史学872,047物流管理922,321信息工程872,533交通工程922,228广告学872,04540\n云南大学第三小队杨晓洁雷文兴鲁科言化学工程与工艺922,014农学871,733审计学912,362水产养殖学872,069电子科学与技术912,447动物医学871,748物流工程912,322电子信息科学与技术872,208保险912,779工商管理872,129材料物理912,221管理科学872,083建筑学912,651电子商务862,153就业率高低的评价标准：所在专业就业率90%——就业率高的专业85%所在专业就业率<90%——就业率一般的专业所在专业就业率<85%——就业率低的专业资料来源：http://z.caihao.com/zixun/xuzhoujiuye/3182.html资料根据：麦可思(MyCOS)-中国大学生就业研究课题组《中国大学毕业生就业（2009）》40\n云南大学第三小队杨晓洁雷文兴鲁科言附录三大学生就业与深造意向调查问卷执行单位________问卷编号_______访问员编号：访问日期：访问地址：访问员承诺：大学生就业与深造意向调查问卷亲爱的同学：您好！占用您一点宝贵时间，请您和我们共同完成这份调查。该调查针对目前全国总体就业形势严峻，本科生就业压力前所未有而展开的。因此，考研也成为大多数本科生延期就业的一种举措，出国留学也逐渐成为一些有一定经济条件和知识能力的本科生的选择。就业与深造已然是我们所有本科生共同面临的抉择了。为了能更好的更有利的帮我们做出选择,我们特进行此次问卷调查并承诺对您的个人信息进行绝对保密.谢谢你的合作!!　　请按照你们现在的真实想法填写，非常谢谢！40\n云南大学第三小队杨晓洁雷文兴鲁科言基本问卷个人信息p1．您的性别（　）A．男B．女p2.您的出生年份________p3．您所在年级（　）A．大一　　B．大二　　C．大三　　D．大四p4．您所在学院__________所学专业是________p5．您的月生活费支出（）A．300元以下B．300～500元C．500～800元D．800元以上家庭信息f１．您的家庭所在地区______省(直辖市)_______市(州)_____(县)f2．您入学前的户口类型()A．农村B．城镇F3．（1）您父亲的受教育程度:（　）（2）您母亲的受教育程度:（　）A．初中以下　B．初中　C．高中或中专　D．大专或本科E.研究生以上甄别问题d1．您大学毕业的初步打算（　）A．就业（包括自主创业）　B．深造（考研或出国留学）C．就业与深造同时准备D.正在犹豫中E.尚未考虑d2.您的目标是否有过改变：()(是请回答问题3，否请跳过3继续)A．是　　　　B．否d3.如果有改变那么（1）促使您改变最重要的原因是（　）（2）促使您改变的次重要原因是（）（3）促使您改变的第三重要原因（）A．就业形势　B．专业前景　C．考研前景　D．家庭原因　E．个人兴趣改变F.其它（对于A卷与B卷的说明：选择就业的人，回答A卷问题；选择深造的人，回答B问题；选择就业与深造的人，回答Ａ卷与B卷问题；选择其他的人，无需回答问卷。）40\n云南大学第三小队杨晓洁雷文兴鲁科言Ａ卷a1.您在就业选择过程中最注重的是（　）A．职业发展前景B．薪水C．适合自己的工作D．感兴趣的工作　E．热门职业F.有工作就行G.其他a2.您对现在就业形势的看法（　）A．形势很不好，非常困难　B．形势不好，就业压力大　C．形势一般，就业容易　D．形势较好，就业压力小E.形势非常好，就业容易F.不了解或不关心a3.就业信息的来源(1)第一信息来源（）(2)第二信息来源（）(3)第三信息来源（）A．网络　B．学校　C．同学　D．家人朋友　E．中介组织Ｇ．报刊杂志a4.您认为用人单位注重毕业生的条件（　）（1）注重条件1（　　　）（2）注重条件2（　　　）（3）注重条件3（　　　）A．道德渎职　　B．实践能力　C．社会经历　D．社会学历E．专业　F．特长　G．性别a5.您已经通过的英语考试有（1）GRE　(　）　A.通过　B.没通过（2）TOEFL（　）　A.通过　B.没通过（3）IELTS（）A.通过B.没通过（4）CET-6（　）　A.通过B.没通过（5）CET-4（　）　A.通过B.没通过（6）没有（　）(7）其它（　）a6.您是否已考取相关就业资格证书（　）A．没有　　　　　B．有　　a7.您参加过社会实践的次数（　　）A．从不　B．1～2次　C．3～4次　D.4次以上40\n云南大学第三小队杨晓洁雷文兴鲁科言a8您是否了解就业辅导的情况（）A.是B.否a9.您是否参加过就业方面的辅导（　）A.是　　　B.否a10.您参加过就业辅导的次数（　　）A.1次　B.2次　C.3次　D.4次　E.5次以上a11.请您对参加过的就业辅导作出评价（　　）A.很不好　B.不好　C.一般　D.较好　　E.非常好　　F.不关心a12.您在就业方面希望获得的帮助（1）希望获得的帮助一（　　　）（2）希望获得的帮助二（　　　）（3）希望获得的帮助三（　　　）A.应聘方面技巧　B.求职心理辅导　C.职业规划辅导　D.专业前景分析E.其他　　a13.您希望学校什么时候开始开设就业指导课程（） 　A大一 B．大二 C．大三 　D．大四a14.您认为所学专业前景如何（）A．非常好B．较好C．一般　D．不好E．非常不好F.不关心a15．您打算选择同专业对口的职业（）A．是　　　B．否C.不确定a16．您是否期望回家就业（　）A．是　B．否　C.待定a17．您是否打算自主创业（）A.是B.否a18.您期望就业工作单位是（）A.企业单位B.政府部门C.事业部门D.其他a19.您期望工作的地域是（）A.省会城市及直辖市B.地级城市及州市C.县级城市D.农村地区40\n云南大学第三小队杨晓洁雷文兴鲁科言Ｂ卷b1．您选择深造最主要原因（　）A．提高自身学历和能力B．缓解就业压力，增加就业砝码　C．适应社会潮流　D．迫于家庭压力E.其它b2．您深造信息的来源是（）（1）信息来源一（）（2）信息来源二（）（3）信息来源三（）A．网络B.学校C.同学D.家人朋友E.中介组织F.报刊杂志b3.您已经通过的英语考试有（1）GRE（　　）　A.通过　B.没通过（2）TOEFL（　）　A.通过　B.没通过（3）IELTS（）A.通过　B.没通过（4）CET-6（　）　A.通过　B.没通过（5）CET-4（　）　A.通过　B.没通过（6）没有（　）（7）其它（　）b4．您是否了解深造辅导（）A.是B.否b5.您是否参加过就业辅导（）A.是B.否b6.您参加过就业辅导的次数（）A.1次B.2次C.3次D.4次E.4次以上b7.您对参加过的深造辅导的评价（）A.很不好B.不好C.一般D.较好E.非常好F.不了解b8.您最希望得到深造辅导的方向（）A.考研方向B.心理辅导C.专业能力辅导D.综合实力提升E.面试技巧F.其他b9.您认为什么时候开始辅导课程比较合适（）A．大一B.大二C.大三D.大四40\n云南大学第三小队杨晓洁雷文兴鲁科言b11.您对所学专业考研率的认识（）A.非常不好B.不好C.一般D.较好E.非常好F.不关心b12．您是否打算跨学科深造（　）A．是　B．否b13.您选择跨学科的主要原因（）A．个人兴趣B.专业前景C.专业学习困难D.父母的预期E.其他b14．您选择深造的方式（　）A．考研　　　B．出国留学b15.如果您选择考研,那你考研的方向是（　）A．本校　B．其他学校c.待定b16.影响您选择学校的最主要因素是（）A．学校所在地　B．学校排名　C．所选专业排名　D.个人能力E.其他b17.您是否选择回家乡深造（）A.是B.否C.待定b18.您认为研究生的优势是（1）更好找工作（）A.是B.否（2）待遇更好（）A.是B否（3）发展空间更大（）A.是B.否（4）为科研做准备（）A.是B.否（5）其它（）40\n云南大学第三小队杨晓洁雷文兴鲁科言附录四全模型LISREL软件程序DANI=13NO=280MA=CMCMSY1.0000.4192.327-0.1720.1622.9000.1770.2500.3011.0000.1230.1620.5280.5320.9580.0350.3800.6630.6610.6931.2610.1090.1420.3810.2880.2850.3090.3350.0260.105-0.0780.0030.0230.141-0.0360.9490.127-0.012-0.1870.2440.0220.2060.0300.5322.0420.5510.233-1.818-0.932-1.024-0.560-0.5421.3932.60719.4910.3310.380-0.5940.0430.0470.7260.1350.352-0.326-1.0605.237-0.045-0.0240.2300.0420.1070.1500.093-0.178-0.306-1.3810.7500.7250.033-0.127-0.256-0.135-0.078-0.065-0.0790.1690.1520.5030.331-0.0180.369MONY=2NE=2NX=11NK=3PH=STPS=STTD=DIBE=FU,FIPALY1001PALX5(100)3(010)3(001)FILY1,1TE1,1VA1LY1,1VA0.005TE1,1FILY2,2TE2,2VA1LY2,2VA0.0768TE2,2FITD9,9VA1TD9,9FRBE21PAGA111100OUAD=OFFIT=1000SSSCMIND=340\n云南大学第三小队杨晓洁雷文兴鲁科言附录五全模型LISREL软件输出结果NumberofInputVariables13NumberofY-Variables2NumberofX-Variables11NumberofETA-Variables2NumberofKSI-Variables3NumberofObservations280DANI=13NO=280MA=CMCovarianceMatrixVAR1VAR2VAR3VAR4VAR5VAR6------------------------------------------------VAR11.000VAR20.4192.327VAR3-0.1720.1622.900VAR40.1770.2500.3011.000VAR50.1230.1620.5280.5320.958VAR60.0350.3800.6630.6610.6931.261VAR70.1090.1420.3810.2880.2850.309VAR80.0260.105-0.0780.0030.0230.141VAR90.127-0.012-0.1870.2440.0220.206VAR100.5510.233-1.818-0.932-1.024-0.560VAR110.3310.380-0.5940.0430.0470.726VAR12-0.045-0.0240.2300.0420.1070.150VAR130.033-0.127-0.256-0.135-0.078-0.065CovarianceMatrixVAR7VAR8VAR9VAR10VAR11VAR12------------------------------------------------VAR70.335VAR8-0.0360.949VAR90.0300.5322.042VAR10-0.5421.3932.60719.491VAR110.1350.352-0.326-1.0605.237VAR120.093-0.178-0.306-1.3810.7500.725VAR13-0.0790.1690.1520.5030.331-0.018CovarianceMatrixVAR13--------VAR130.36940\n云南大学第三小队杨晓洁雷文兴鲁科言DANI=13NO=280MA=CMParameterSpecificationsLAMBDA-XKSI1KSI2KSI3------------------------VAR3100VAR4200VAR5300VAR6400VAR7500VAR8060VAR9070VAR10080VAR11009VAR120010VAR130011BETAETA1ETA2----------------ETA100ETA2120GAMMAKSI1KSI2KSI3------------------------ETA1131415ETA21600PHIKSI1KSI2KSI3------------------------KSI10KSI2170KSI318190PSIETA1ETA2----------------2021THETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------222324252627THETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------28290303140\n云南大学第三小队杨晓洁雷文兴鲁科言DANI=13NO=280MA=CMNumberofIterations=33LISRELEstimates(MaximumLikelihood)LAMBDA-YETA1ETA2----------------VAR11.000--VAR2--1.000LAMBDA-XKSI1KSI2KSI3------------------------VAR30.688----(0.106)6.485VAR40.712----(0.056)12.668VAR50.752----(0.054)13.995VAR60.910----(0.061)15.033VAR70.378----(0.033)11.331VAR8--0.505--(0.070)7.202VAR9--0.971--(0.112)8.650VAR10--2.798--(0.338)8.283VAR11----2.060(0.108)19.119VAR12----0.363(0.054)6.788VAR13----0.142(0.040)3.59940\n云南大学第三小队杨晓洁雷文兴鲁科言BETAETA1ETA2----------------ETA1----ETA20.382--(0.088)4.342GAMMAKSI1KSI2KSI3------------------------ETA10.1220.1600.144(0.065)(0.073)(0.067)1.8712.1892.164ETA20.286----(0.096)2.990CovarianceMatrixofETAandKSIETA1ETA2KSI1KSI2KSI3----------------------------------------ETA10.995ETA20.4192.250KSI10.1370.3391.000KSI20.1390.038-0.0521.000KSI30.1480.1030.163-0.1031.000PHIKSI1KSI2KSI3------------------------KSI11.000KSI2-0.0521.000(0.080)-0.652KSI30.163-0.1031.000(0.071)(0.081)2.305-1.266PSINote:Thismatrixisdiagonal.ETA1ETA2----------------0.9351.993(0.081)(0.177)11.49111.28540\n云南大学第三小队杨晓洁雷文兴鲁科言SquaredMultipleCorrelationsforStructuralEquationsETA1ETA2----------------0.0610.114SquaredMultipleCorrelationsforReducedFormETA1ETA2----------------0.0610.054ReducedFormKSI1KSI2KSI3------------------------ETA10.1220.1600.144(0.065)(0.073)(0.067)1.8712.1892.164ETA20.3330.0610.055(0.098)(0.031)(0.028)3.3901.9551.932THETA-EPSVAR1VAR2----------------0.0050.077SquaredMultipleCorrelationsforY-VariablesVAR1VAR2----------------0.9950.967THETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------2.4260.4930.3930.4330.1920.694(0.213)(0.052)(0.046)(0.059)(0.019)(0.074)11.3809.4618.4647.39810.1369.378THETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------1.10011.6641.0000.5930.349(0.187)(1.673)(0.053)(0.030)5.8856.97211.23711.661SquaredMultipleCorrelationsforX-VariablesVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------0.1630.5070.5900.6570.4260.26940\n云南大学第三小队杨晓洁雷文兴鲁科言SquaredMultipleCorrelationsforX-VariablesVAR9VAR10VAR11VAR12VAR13----------------------------------------0.4610.4020.8090.1820.055GoodnessofFitStatisticsDegreesofFreedom=60MinimumFitFunctionChi-Square=362.576(P=0.0)NormalTheoryWeightedLeastSquaresChi-Square=341.107(P=0.0)EstimatedNon-centralityParameter(NCP)=281.10790PercentConfidenceIntervalforNCP=(226.792;342.935)MinimumFitFunctionValue=1.300PopulationDiscrepancyFunctionValue(F0)=1.00890PercentConfidenceIntervalforF0=(0.813;1.229)RootMeanSquareErrorofApproximation(RMSEA)=0.13090PercentConfidenceIntervalforRMSEA=(0.116;0.143)P-ValueforTestofCloseFit(RMSEA<0.05)=0.000ExpectedCross-ValidationIndex(ECVI)=1.44590PercentConfidenceIntervalforECVI=(1.250;1.666)ECVIforSaturatedModel=0.652ECVIforIndependenceModel=4.400Chi-SquareforIndependenceModelwith78DegreesofFreedom=1201.661IndependenceAIC=1227.661ModelAIC=403.107SaturatedAIC=182.000IndependenceCAIC=1287.913ModelCAIC=546.786SaturatedCAIC=603.766NormedFitIndex(NFI)=0.698Non-NormedFitIndex(NNFI)=0.650ParsimonyNormedFitIndex(PNFI)=0.537ComparativeFitIndex(CFI)=0.731IncrementalFitIndex(IFI)=0.735RelativeFitIndex(RFI)=0.608CriticalN(CN)=69.008RootMeanSquareResidual(RMR)=0.315StandardizedRMR=0.116GoodnessofFitIndex(GFI)=0.842AdjustedGoodnessofFitIndex(AGFI)=0.760ParsimonyGoodnessofFitIndex(PGFI)=0.55540\n云南大学第三小队杨晓洁雷文兴鲁科言DANI=13NO=280MA=CMModificationIndicesandExpectedChangeModificationIndicesforLAMBDA-YETA1ETA2----------------VAR1--0.386VAR2----ExpectedChangeforLAMBDA-YETA1ETA2----------------VAR1---0.152VAR2----StandardizedExpectedChangeforLAMBDA-YETA1ETA2----------------VAR1---0.228VAR2----CompletelyStandardizedExpectedChangeforLAMBDA-YETA1ETA2----------------VAR1---0.228VAR2----ModificationIndicesforLAMBDA-XKSI1KSI2KSI3------------------------VAR3--7.53514.150VAR4--0.9645.914VAR5--2.5696.790VAR6--7.55130.951VAR7--2.0670.095VAR82.624--16.973VAR915.989--1.939VAR1030.271--3.902VAR110.04311.666--VAR123.89941.191--VAR1317.93625.062--ExpectedChangeforLAMBDA-XKSI1KSI2KSI3------------------------VAR3---0.322-0.402VAR4--0.057-0.128VAR5---0.087-0.129VAR6--0.1670.308VAR7---0.0500.01040\n云南大学第三小队杨晓洁雷文兴鲁科言VAR80.098--0.255VAR90.371---0.132VAR10-1.530---0.563VAR110.0551.020--VAR120.104-0.377--VAR13-0.1670.221--StandardizedExpectedChangeforLAMBDA-XKSI1KSI2KSI3------------------------VAR3---0.322-0.402VAR4--0.057-0.128VAR5---0.087-0.129VAR6--0.1670.308VAR7---0.0500.010VAR80.098--0.255VAR90.371---0.132VAR10-1.530---0.563VAR110.0551.020--VAR120.104-0.377--VAR13-0.1670.221--CompletelyStandardizedExpectedChangeforLAMBDA-XKSI1KSI2KSI3------------------------VAR3---0.189-0.236VAR4--0.057-0.128VAR5---0.089-0.132VAR6--0.1480.275VAR7---0.0870.017VAR80.101--0.262VAR90.259---0.093VAR10-0.347---0.128VAR110.0240.446--VAR120.122-0.443--VAR13-0.2750.364--ModificationIndicesforBETAETA1ETA2----------------ETA1--0.386ETA2----ExpectedChangeforBETAETA1ETA2----------------ETA1---0.152ETA2----40\n云南大学第三小队杨晓洁雷文兴鲁科言StandardizedExpectedChangeforBETAETA1ETA2----------------ETA1---0.101ETA2----ModificationIndicesforGAMMAKSI1KSI2KSI3------------------------ETA1------ETA2--0.0490.348ExpectedChangeforGAMMAKSI1KSI2KSI3------------------------ETA1------ETA2--0.0240.058StandardizedExpectedChangeforGAMMAKSI1KSI2KSI3------------------------ETA1------ETA2--0.0160.039NoNon-ZeroModificationIndicesforPHIModificationIndicesforPSIETA1ETA2----------------ETA1--ETA20.386--ExpectedChangeforPSIETA1ETA2----------------ETA1--ETA2-0.302--StandardizedExpectedChangeforPSIETA1ETA2----------------ETA1--ETA2-0.202--ModificationIndicesforTHETA-EPSVAR1VAR2----------------VAR10.386VAR20.386--40\n云南大学第三小队杨晓洁雷文兴鲁科言ExpectedChangeforTHETA-EPSVAR1VAR2----------------VAR10.792VAR2-0.302--CompletelyStandardizedExpectedChangeforTHETA-EPSVAR1VAR2----------------VAR10.792VAR2-0.198--ModificationIndicesforTHETA-DELTA-EPSVAR1VAR2----------------VAR34.5920.053VAR45.7360.153VAR52.9204.775VAR620.5305.550VAR76.5700.048VAR84.0651.287VAR90.0012.080VAR102.6301.018VAR110.2992.415VAR121.8250.944VAR130.5295.120ExpectedChangeforTHETA-DELTA-EPSVAR1VAR2----------------VAR3-0.1920.032VAR40.106-0.026VAR50.071-0.139VAR6-0.2110.168VAR70.069-0.009VAR8-0.1060.087VAR9-0.002-0.155VAR100.3960.339VAR110.1150.275VAR12-0.060-0.066VAR130.024-0.116CompletelyStandardizedExpectedChangeforTHETA-DELTA-EPSVAR1VAR2----------------VAR3-0.1130.012VAR40.106-0.017VAR50.073-0.09340\n云南大学第三小队杨晓洁雷文兴鲁科言VAR6-0.1880.098VAR70.119-0.010VAR8-0.1090.059VAR9-0.002-0.071VAR100.0900.050VAR110.0500.079VAR12-0.071-0.051VAR130.040-0.125ModificationIndicesforTHETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------VAR3--VAR411.065--VAR50.0500.036--VAR60.6280.8010.645--VAR710.8051.8400.00910.722--VAR80.0011.8370.2997.2983.660--VAR90.77814.7650.8751.0410.33413.753VAR104.4157.8603.1621.7411.6450.239VAR1119.1092.47111.70539.5520.27719.652VAR1212.5540.8841.3921.7694.1748.381VAR136.3603.8450.6790.5096.8788.819ModificationIndicesforTHETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------VAR9--VAR1014.388--VAR113.1400.0323.064VAR120.34514.8480.060--VAR131.4253.21919.0676.992--ExpectedChangeforTHETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------VAR3--VAR4-0.251--VAR50.016-0.008--VAR60.0640.0460.044--VAR70.1490.0330.002-0.092--VAR8-0.003-0.0550.0210.114-0.048--VAR9-0.1040.221-0.0500.0600.0200.907VAR10-0.774-0.502-0.2960.243-0.140-0.333VAR11-0.850-0.150-0.3050.626-0.0300.500VAR120.264-0.0340.040-0.0490.045-0.121VAR13-0.142-0.0530.0210.020-0.0430.09440\n云南大学第三小队杨晓洁雷文兴鲁科言ExpectedChangeforTHETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------VAR9--VAR10-6.081--VAR11-0.2990.091-2.835VAR12-0.034-0.7060.073--VAR130.0530.2480.633-0.074--CompletelyStandardizedExpectedChangeforTHETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------VAR3--VAR4-0.148--VAR50.010-0.008--VAR60.0340.0410.040--VAR70.1510.0560.004-0.142--VAR8-0.002-0.0570.0220.104-0.084--VAR9-0.0430.155-0.0360.0380.0240.651VAR10-0.103-0.114-0.0690.049-0.055-0.077VAR11-0.218-0.065-0.1360.244-0.0230.224VAR120.182-0.0400.047-0.0510.091-0.146VAR13-0.137-0.0880.0350.029-0.1240.159CompletelyStandardizedExpectedChangeforTHETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------VAR9--VAR10-0.964--VAR11-0.0910.009-0.541VAR12-0.028-0.1880.038--VAR130.0610.0920.455-0.144--MaximumModificationIndexis41.19forElement(10,2)ofLAMBDA-XDANI=13NO=280MA=CMStandardizedSolutionLAMBDA-YETA1ETA2----------------VAR10.997--VAR2--1.500LAMBDA-XKSI1KSI2KSI3------------------------VAR30.688----VAR40.712----VAR50.752----40\n云南大学第三小队杨晓洁雷文兴鲁科言VAR60.910----VAR70.378----VAR8--0.505--VAR9--0.971--VAR10--2.798--VAR11----2.060VAR12----0.363VAR13----0.142BETAETA1ETA2----------------ETA1----ETA20.254--GAMMAKSI1KSI2KSI3------------------------ETA10.1230.1600.145ETA20.191----CorrelationMatrixofETAandKSIETA1ETA2KSI1KSI2KSI3----------------------------------------ETA11.000ETA20.2801.000KSI10.1380.2261.000KSI20.1390.025-0.0521.000KSI30.1480.0690.163-0.1031.000PSINote:Thismatrixisdiagonal.ETA1ETA2----------------0.9390.886RegressionMatrixETAonKSI(Standardized)KSI1KSI2KSI3------------------------ETA10.1230.1600.145ETA20.2220.0410.037DANI=13NO=280MA=CMCompletelyStandardizedSolutionLAMBDA-YETA1ETA2----------------VAR10.997--VAR2--0.98340\n云南大学第三小队杨晓洁雷文兴鲁科言LAMBDA-XKSI1KSI2KSI3------------------------VAR30.404----VAR40.712----VAR50.768----VAR60.810----VAR70.653----VAR8--0.519--VAR9--0.679--VAR10--0.634--VAR11----0.900VAR12----0.427VAR13----0.234BETAETA1ETA2----------------ETA1----ETA20.254--GAMMAKSI1KSI2KSI3------------------------ETA10.1230.1600.145ETA20.191----CorrelationMatrixofETAandKSIETA1ETA2KSI1KSI2KSI3----------------------------------------ETA11.000ETA20.2801.000KSI10.1380.2261.000KSI20.1390.025-0.0521.000KSI30.1480.0690.163-0.1031.000PSINote:Thismatrixisdiagonal.ETA1ETA2----------------0.9390.886THETA-EPSVAR1VAR2----------------0.0050.03340\n云南大学第三小队杨晓洁雷文兴鲁科言THETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8------------------------------------------------0.8370.4930.4100.3430.5740.731THETA-DELTAVAR9VAR10VAR11VAR12VAR13----------------------------------------0.5390.5980.1910.8180.945RegressionMatrixETAonKSI(Standardized)KSI1KSI2KSI3------------------------ETA10.1230.1600.145ETA20.2220.0410.037Timeused:0.109Seconds40