生暑期三下乡 调研学术 受教育程度分布及家庭教育决策的影响因素调研本科毕业论文.docx
《生暑期三下乡 调研学术 受教育程度分布及家庭教育决策的影响因素调研本科毕业论文.docx》由会员分享，可在线阅读，更多相关《生暑期三下乡 调研学术 受教育程度分布及家庭教育决策的影响因素调研本科毕业论文.docx（40页珍藏版）》请在冰豆网上搜索。
生暑期三下乡调研学术受教育程度分布及家庭教育决策的影响因素调研本科毕业论文
大学生暑期文化科技卫生
“三下乡”社会实践论文
受教育程度分布及
家庭教育决策影响因素的研究
摘要
教育程度的分布差异、教育公平性和家庭教育投资是当今社会普遍关注的问题。
科学合理的受教育程度分布差异性分析和家庭教育决策的研究对于教育政策调整、教育制度的健全、家庭收入合理分配等均有极强的现实导意义。
本文首先引入了教育程度值的概念量化评价受教育程度，凭借对调查数据进行聚类分析，运用模糊综合评判的方法，分别对地区、行业和职业建立了教育程度综合评判指标模型，深入分析了我国就业人员受教育程度的地区、行业及职业分布特点。
其次本文对家庭教育决策的影响因素进行的系统的的归纳和提炼。
进而，通过回归分析法模拟受教育程度与地区、就业水平、教育投资成本及收益等之间的关系，建立了家庭教育决策评价体系，根据具体家庭经济状况、学生个人学习能力等方面提出了关于家庭如何制定家庭教育决策的合理性建议。
最后，本文经中外相关教育指标分析，基于我国教育程度分布对教育政策制定及如何合理的进行教育投入提出了加大政府教育投入、缩小地区学校教育差距、建立教育评价体系、教育功能重新定位、健全教育资助制度和助学体系五点建议，并对中国教育发展提出了一条教育公平发展的可行路径。
关键词：
教育程度综合评判指标聚类分析法模糊综合评判调研建议
1引言
教育程度的分布差异、教育公平性和家庭教育投资是当今普遍关注的社会问题。
当前中国居民生活质量指数研究表明教育花费已成为城乡居民致贫的首要原因之一。
在构建社会主义和谐社会的背景下，如何科学地分析受教育程度分布差异性和制定家庭教育决策，对于合理分配家庭收入、调整我国教育政策、健全教育制度、解决好“三农”问题、促进城乡统筹发展构建和谐社会均有极强的现实指导意义。
1.1研究背景
根据零点调查与指标数据共同发布的《2005年中国居民生活质量指数研究报告》的数据显示，中国农村家庭中，子女教育所用开支占家庭收入的32.6%；城市和小城镇家庭该指标也分别达到了25.9%和23.3%。
而在所有发达国家的统计中，家庭用于子女教育的开支都不超过家庭收入的10%。
可见，教育花费已成为城乡居民致贫的首要原因之一。
在2007年度城乡居民生活质量调查中，零点研究咨询集团对3355名城乡居民进行的调查结果显示，41.8％的居民认为与所受到的教育质量相比，当前的教育花费是不值得的；认为教育花费物有所值者仅占16％，并且在学历越高的群体中，认为“不值得”的人比例越高。
2007年全国普通高等学校毕业生实现就业人数351万人，比2006年同期增加54万。
2007届大学毕业生半年后就业人数升至约420.26万人，即就业率升至87.5%，仍有60万失业大军。
2008年全国普通高等学校毕业生559万人，据统计就业率仅约为76.5%，即造成失业人数超过130万。
相比，2008年我国中职就业率达到95.8%.
在薪酬方面，2005年全国应届毕业生的税前现金收入的市场平均水平为28011元，2006~2008年分别同比下降了4.5%、7.1%和12.3%。
应届博士生税前现金收入的平均值达到了76766元（约应届本科毕业生的2.69倍）；刚刚毕业的MBA由于入学前工作经验的积累薪酬排在第二位，平均值达到了70609元；相比之下硕士（不含MBA）要低一筹，为44026元；本科毕业生的年度税前现金收入总额的平均值为28451；大专毕业生的薪酬相比本科生相差的并不多也达到了21001元；大专以下的毕业生入职第一年的税前现金收入总额平均值只有14209元，相对较低。
虽然职场新人的总体薪酬在下降，但大部分应届毕业生在入职的一年内薪酬都有所增加。
根据调查，对于2008年应届生，在通货膨胀形势下，起始薪水未增反降。
1.2相关研究现状概述
目前关于中国教育程度分布特点的研究，相关论著很少，且多停留在单学科、单方面差异性（单对美术领域、对地域性的分析）的调研，而研究成果也因研究源数据陈旧已失去了应有的指导意义。
例如，在2002年我国学者岳红江和严全智便对我国教育程度地域差异进行了研究，有论文《我国地区教育指标差距问题》。
近年来，我国经济稳定高速发展，党和政府不断扩大西部经济建设，加大教育资金投入，缩减地域教育差异，这确定了本文的研究意义。
而在教育研究领域，尚无家庭教育决策制定方面的研究，受教育程度与就业（工资待遇等）水平、教育投资成本等之间的关系均有待研究。
1.3本文研究思路
中国教育因经济和地理因素影响，教育基础设施及受教育水平呈现明显的地域性分布。
受其直接影响，我国就业人员的受教育程度也呈现地域性分布。
从数量及归宿上讲，就业人员无疑构成了我国受教育人员的主体，我国受教育程度分布直接反映在我国就业人员的受教育程度分布上。
关于就业人员受教育程度按照年龄、性别、地区、行业、职业、收入、身份等类别划分的统计数据来源于《中国教育发展报告》、《中国教育统计年鉴》、《中国统计年鉴》、中国教育统计网、地方教育局及政府实地调研收集整理得到。
具体可见电子附件：
受教育水平_就业_工资等数据统计.xls。
本文采取理论研究与实证研究相结合的方法，首先引入了教育程度值的概念来量化评价受教育程度，凭借对调查数据进行聚类分析，运用模糊综合评判的方法，以就业人员为研究对象为切入点，分别对地区、行业和职业建立了教育程度综合评判指标模型，深入分析了我国就业人员受教育程度的地区、行业及职业分布特点。
然后，对家庭教育决策的影响因素进行的系统的的归纳和提炼，进而，通过回归分析法模拟受教育程度与地区、就业难易、工资高低、教育投资成本及收益等之间的数量关系，建立了家庭教育决策评价体系，根据具体家庭经济状况、学生个人学习能力等方面提出了关于家庭如何制定家庭教育决策的合理性建议。
最后，本文经中外相关教育指标分析，基于我国教育程度分布对教育政策制定及如何合理的进行教育投入，提出关于中国教育公平性及教育发展可行路径的合理建议。
2中国受教育程度分布特点分析
按照中国教育制度，教育构成决定了受教育程度。
本文基于按照年龄、性别、地区、行业、职业、收入、身份、地区等类别划分的全国就业人员受教育程度构成的相关调研统计数据，以就业人员作为研究对象分析中国受教育程度的分布特点。
1
2
2.1中国受教育程度分布直观分析
参阅中国地域划分相关书籍[1]，根据中国地理区域划分方法将中国按华北（包括北京天津、河北、山西、内蒙古）、东北（包括辽宁、吉林、黑龙江）、西北（包括宁夏、陕西、青海、甘肃、新疆）、华东（上海、江苏、浙江、安徽、山东、江西、福建）、华南（包括河南、湖北、湖南、广东、广西、海南）和西南（重庆、四川、云南、西藏、贵州）六个地域进行了划分。
首先通过对统计数据分别进行整理和汇总（见附录1~5），以各学历人数占相应总人数比重的平均数值作为相应数值进行分析，并绘制图表图2.1、图2.2.1、2.2.2和图2.3，由此可对地区、行业和职业间的教育程度分布特点做出了初步直观感性的判断：
图2.1教育程度地域分布直方图
从图2.1中可以得到地理区域教育程度分布的初步直观显示：
华北地区初、高中以上学历人数所占比例明显高于另外五区，东北地区次之，即教育程度较高；而西南、西北地区未上过学人数比例偏高，即教育程度偏低。
图2.2
（1）教育程度行业分布直方图
图2.2
（2）教育程度行业分布直方图
图2.2（1、2）中，是按照行业对教育程度进行的汇总，图表显示：
电气、燃气业，信息传输、计算机服务业，金融业，科学研究和技术服务业，教育、文化、体育、卫生等社会保障文娱业，公共事业管理及国际组织等教育程度要求都比较高；相对的，农林牧副渔、制造、餐饮业中高学历人数比例较低。
图2.3教育程度职业分布直方图
相对于职业而言，服务性职业、农林牧渔及生产运输等基础性职业教育程度构成中，高学历成员比例比较低；单位负责人、专业技术人员等需求专业技能及管理才能的职业对教育程度要求比较高，如图2.3。
2.2中国受教育程度分布定量分析模型
对于行业及地区，数据分类过细反而不宜对其教育程度分布特点进行分析，需要对这两项进行再分类，而上述评价方法直观、简约却欠缺定量的分析，影响了其合理性及准确性，对于地区，我们感性的按区域划分评定，没有考虑个别省市对该地区整体属性的影响，降低了准确性，而这显然是不太合理的；对于职业及行业的比较，由于没有量性指标便难以准确分析其教育程度的分布特点。
于是，本文引入了教育程度综合评判指标（有相关学者也称之为加权平均受教育年限）按照地区、行业、职业分别建立了三个模型，依据模糊数学聚类分析的方法对模型1和模型2中的数据重新进行科学分类、评定，然后再根据所作分类，以教育程度综合评判指标对教育程度的分布特点进行分析。
为了实现仿真本文假设各阶段毕业生受教育年数能够直接反映其教育程度，无复读越级等特殊现象。
模型1：
按地区
模型2：
按行业
模型3：
按职业
其中，
、
、
分别表示第j类地区、第p类行业、第q种职业的教育程度综合评判指标值，
为第i阶段受教育人员的受教育程度值，
分别为第j类地区、第p类行业、第q中职业的i阶段受教育人员占相应总人数的比例值，
、
分别表示第j类地区第m省市、第p类行业第m具体行业的i阶段受教育人员占总人数的比例值，
为第j类地区包含的省市数，
为第p类行业包含的具体行业数。
根据模型假设，
的值我们取各阶段的受教育年限，如表2.1.
表2.1各阶段受教育人群受教育程度值
类受教育人员
未上学
小学学历
初中学历
高中学历
大学专科
大学本科
研究生以上
0
6
9
12
15
16
19
2.3实证分析及结果
首先我们按照地区，进行模糊聚类，基本步骤为：
Step1:
对原始数据标进行标准化
（1）将原始数据中31个省市看作31个待分类样本，
得到
={北京，天津，河北，…,宁夏，新疆}，
又由七种受教育程度表示其性态，即，
于是可得到原始数据矩阵
（2）数据标准化处理
由于不同的数据有不同的性质和不同的量纲，为了使原始数据能够适合模糊聚类的要求，将原始数据矩阵A作标准化处理，即
平移—极差变换
显然所有的
∈[0,1]，且也不存在量纲因素的影响，从而可以得到模糊矩阵
Step2:
利用夹角余弦法建立模糊相似矩阵
如果
与
的相似程度为
，则称之为相似系数。
本文利用夹角余弦法求解相关系数，建立模糊相似矩阵
令
求模糊相似矩阵
（见附录6）
Step3:
利用传递闭包法进行聚类分析：
从Step2中求出的模糊相似矩阵R出发，构造一个模糊等价矩阵
，即，平方法求出R的传递闭包t（R），则
；然后，由大到小取一组λ∈[0,1]，确定相应的λ截矩阵,并将其分成六类，同时得到动态聚类图（见附录7）。
将数据整合后调入SPSS统计软件，完成了数据按地区的分类；按照行业进行模糊聚类，基本步骤相同，此处不再详细说明。
通过对各地区、行业全国就业人员受教育程度构成的数据资料进行模糊聚类分析，将数据按地区科学的划分为6个区域，按行业划分为6个类别。
表2.2地区聚类结果
Class1
北京
Class2
天津
上海
地区模糊分类
Class3
河北
陕西
内蒙古
辽宁
吉林
黑龙江
江苏
浙江
安徽
福建
江西
山东
河南
湖北
湖南
广东
广西
海南
陕西
宁夏
新疆
Class4
重庆
四川
贵州
云南
Class5
西藏
Class6
甘肃
青海
为更直观的表述分类后地区教育程度构成，我们作出柱状图显示为图2.4，
图2.4地区分类教育程度构成直方图
表2.3行业聚类结果
Class1
农、林、牧、渔业；
Class2
采掘业，制造业，建筑业，交通运输、仓储及邮电通信业，批发和零售业
住宿和餐饮业，居民服务和其他服务业；
Class3
电力、燃气及水的生产和供应业，房地产业租赁和商务服务业
水利、环境和公共设施管理业，文化、体育和娱乐业；
Class4
信息传输、计算机服务和软件业，卫生、社会保障和社会福利业；
Class5
金融业，教育、公共管理和社会组织；
Class6
科学研究、技术服务和地质勘查业，国际组织；
同样，分类后各行业教育程度构成柱状图显示为图2.5，
图2.5行业分类教育程度构成直方图
针对职业，考虑到其类型仅为七类，故不对其再分类，然后根据数据求解模型得到：
表2.4教育程度综合评判指标值
按聚类地区分类
按聚类行业分类
按职业分类
办事人员和有关人员
1235.815
class1
1161.66
class1
685.8000
专业技术人员
1191.494
class2
1038.805
class2
930.8143
单位负责人
1186.326
class3
845.26
class3
1150.6000
商业、服务业人员
948.107
class4
689.4925
class4
1275.2500
其他
907.992
class5
350.19
class5
1350.6330
生产运输设及有关人员
902.313
class6
690.635
class6
1328.6000
农林牧渔水利业生产人员
685.161
为了进行进一步分析，我们也按照华北、华东、华南等6个地理区域对其数据进行了教育程度综合评判指标模型的求解：
表2.5经济地理区域的教育程度综合评价指标值
地区
全国
华北
东北
华南
华东
西北
西南
822.43
961.64
904.43
848.00
842.04
772.47
621.63
按照教育程度将地区聚类分为了6个等级（表2.2），根据教育程度综合评判指标值，受教育程度以北京最高，天津、上海发达地区次之；重庆、四川、贵州及云南等西南地区较低，西藏地区最低；其余省市居中（用柱状图表示为图2.6）。
数据显示出：
教育程度确实存在较强的地域差异，西南、西北经济欠发达地区指数偏低，华北及东北地区指标较高。
通过对单省市的教育程度综合评判指标的比较，指数排名与经济发展程度也有较高的相关度（见表2.6）。
表2.6按城市教育程度综合评价指标值排名表
北京
上海
天津
辽宁
广东
山西
黑龙江
吉林
…
1160.90
1072.47
1004.61
921.15
913.66
909.67
898.53
893.61
这就反映出一定的受教育地理不平等问题，受教育程度和地区经济发展程度呈现出密切的正相关关系。
图2.6聚类得到的各区域的指标值图2.7各聚类得到的行业类别的指标值
按照教育程度将20个行业也分成了6个等级（见表2.3），教育程度综合评判指标值以科学研究、技术服务和地质勘查业及国际组织等科研国际活动行业最高，金融经管、教育、电信和社会保障业次之，农林牧渔业最低（柱状图表示为图2.7）。
采矿业、建筑业、交通运输、仓储和邮政业，教育程度较低，能对体力劳动者提供就业岗位；电力、燃气及水的生产和供应业，房地产业，租赁和商务服务业，水利、环境和公共设施管理业，文化、体育和娱乐业，信息传输、计算机服务和软件业，卫生、社会保障和社会福利业，公共管理和社会组织，国际组织等行业，主要吸收中高等教育水平及以上教育程度的就业人员；的其余行业均以初中文化程度的比率最高，即低技能为主。
总体来看，结合原数据，在制造、技能类行业中，高中以上研究生一下学历人员具有很强的优势；而在管理、高技能、科研类行业中，高等学历人员占据较大比例。
图2.8各职业对应的综合指标值
对于不同职业的教育程度综合评判指标值中，以办事人员及有关人员最高，专业技术人员次之，农林牧渔业职业指标值最低，基本符合对不同行业该指标值的统计情况，如图2.8，即就业人员中，高教育程度的多分布于专业技术职位及负责人职位中，而初中以下教育程度的多分布于农林牧渔及运输相关职业中。
3家庭教育决策的制定
3.1家庭教育决策影响因素分析
根据调查统计，本文将影响家庭教育决策的因素归纳为家庭经济收入及支出、子女数目性别、子女意愿、子女学习能力、就业地理区域、该学历的就业率、该学历的就业工资和其他共8项。
调查中，70%以上的调查对象表示意愿供给子女攻读至普通高等教育阶段，至于是否继续攻读硕士及以上学历依子女意愿及具体经济情况而定。
关于家庭教育决策的主要影响因素的调查显示，调查居民中选择家庭经济收入及支出、子女数目性别、子女意愿、子女学习能力、就业地理区域、该学历的就业率、该学历的就业工资和其他的分别占8.6%、1.10%、2.50%、4.50%、2.30%、30.70%、46.20%和4.10%，如图3.1。
图3.1家庭教育决策主要影响因素比重
自2004年起，随着我国进一步加大政府教育投资，促进初中等教育普及，完善高等教育贫困助学体系，家庭经济状况对于其教育决策的影响程度下降为9%。
另外，随着我国小康社会的实现、居民生活满意指数的上升及和谐社会主义的构建，人们的思想境界及文化素养得到很大的提高，性别及子女数目因素影响比重仅占到了1%。
数据表明，在影响家庭教育决策的因素中，就业率和就业工资明显构成其主要影响因素。
从家庭教育决策影响因素分析，就业率直接反映了就业的难易程度，在适当范围内本文合理假设各学历教育花费为定值、就业工资为定值，就业难易度和就业薪酬相互独立，从而建立受教育程度同就业难易度、薪酬的回归模型，继而完成最佳教育策略模型，实现对家庭教育决策的指导。
3.2就业难易度、薪酬回归模型
3.2.1模型的确立
依然以
（即受教育程度值）来衡量我国就业人员受教育程度的高低。
根据分析，就业的难易程度直接反映在就业率上，所以我们就以就业人员的就业率来表达就业的难易。
根据2005年中国统计年鉴全国1%人口抽样调查，通过调查数据整理，我们得到了1952年~2005年各地区分受教育程度的6岁及以上人口和各地区按受教育程度分的就业人口的详细数据，从而可计算出各阶段受教育人员的就业率（就业率=各教育程度就业人口/相应总人口）。
而对于各阶段受教育人员薪酬高低的衡量，本文根据搜集到的长春市、韶关市、汕头市、宁波市、湘潭市和长沙市6个城市分学历工资高、中、低位的指导价位（见表3.1）。
表3.1长春市、韶关市、汕头市、宁波市、湘潭市和长沙市分学历工资指导价位
各市分学历工资指导价位 单位：
元
高位数
长春市
韶关市
汕头市
宁波市
湘潭市
长沙市
硕士及以上
73116
85329
62268
269276
71904
138600
本科
51709
56387
60000
142052
43440
90700
大专
41103
44028
36000
113439
29976
70560
高中、中专、技校
31456
34372
30900
55480
21264
47800
初中及以下
28098
29305
21228
44084
18888
36430
中位数
长春市
韶关市
汕头市
宁波市
湘潭市
长沙市
硕士及以上
30768
64755
31200
42278
25656
43600
本科
20930
28278
18636
33580
15240
29820
大专
17350
23426
13668
25475
12576
22200
高中、中专、技校
11966
18625
10800
17136
9444
19000
初中及以下
11578
15862
8400
14634
7944
16270
低位数
长春市
韶关市
汕头市
宁波市
湘潭市
长沙市
硕士及以上
13299
39392
21600
13080
12000
22080
本科
6935
25975
14400
12826
7224
16310
大专
5796
13200
10800
10931
6180
12730
高中、中专、技校
5294
10285
7200
8920
4980
9740
初中及以下
5208
9720
6000
8104
4584
9060
由于城市之间的差异性比较大，我们对数据进行了无量纲化处理，使其具有可比性。
进而建立了两个相应的回归模型：
就业难易度回归模型：
薪酬回归模型：
数据无量纲化处理：
，
其中，
表示受i阶段受教育人员的就业率，
为就业难易程度与教育程度值的函数关系；
表示第i阶段受教育人员的工资标准值，
为各受教育阶段人员工资标准与受教育程度值的函数关系。
为第k市i阶段受教育人员工资指导价的高位数，
第k市i阶段受教育人员工资指导价的中位数，
第k市i阶段受教育人员工资指导价的低位数。
3.2.2实证分析
（1）就业难易度回归模型求解及结果分析
利用excel对数据进行处理得到各个教育水平的就业率，如表3.2
表3.2各受教育阶段的均就业率
未上学
小学
初中
高中
大学专科
大学本科
研究生
就业率
0.437
0.513
0.672
0.571
0.722
0.686
0.773
各教育阶段教育程度值
0
6
9
12
15
16
19
利用MATLAB拟合工具箱进行拟合得到结果
LinearmodelPoly3:
f（x）=p1*x^3+p2*x^2+p3*x+p4
Coefficients（with95%confidencebounds）:
p1=4.512e-005（-0.000428,0.0005182）
p2=-0.001265（-0.01493,0.0124）
p3=0.02557（-0.07859,0.1297）
p4=0.4339（0.2203,0.6475）
Goodnessoffit:
SSE:
0.01362
R-square:
0.8456
AdjustedR-square:
0.6912
RMSE:
0.06738
拟合曲线如图3.2
图3.2就业难易度回归模型拟合曲线
得到就业难易程度与教育程度高低的数量关系：
在拟合结果中
为0.8456，即拟合优度较高，可以较为准确的反映实际情况，总体来说学历越高的人就业就越容易些；但从图中可以看出在小学学历至高中学历区间，拟合曲线变得相对平缓，表明该阶段不同学历就业难易度梯度低，学历就
升级会员 