第1页共4页因子分析法对高职院校学生资助绩效工作成效的分析摘要绩效评价是检验高职院校学生资助工作成效并促进其不断完善的有效途径。本文从因子分析法的视角，实证研究江苏省高职院校学生资助工作绩效评价体系及模型。关键词因子分析法资助绩效评价体系：G717文献标识码：ADOI：10.16400/ki.kjdkz.2016.05.086AbstractPerformanceevaluationistheeffectivenessoffundingtheworkofstudentsinHigherVocationalCollegesandpromotethetesteffectivewayofcontinuousimprovement.Thispaperanalysisfromtheperspectiveoffactors，empiricalstudyof激angsuProvincevocationalcollegestudentsfundedworkperformanceevaluationsystem第2页共4页andmodel.Keywordsfactoranalysis；fundingperformance；evaluationsystem因子分析法1904年首次提出，它是从研究指标相关矩阵内部的依赖关系出发，把多个信息重叠、具有错综复杂关系的变量归结为少数几个不相关的综合因子的一种多元统计分析方法，因子分析的结果常用于实际工作成效的判定。下面以2013年度江苏某些高职院校学生资助工作绩效评价数据为原始资料，运用SPSS软件，采用因子分析法对资助工作绩效进行综合评价。这里以工作成效类指标为例，运用SPSS软件进行因子分析的结果如下。江苏省教育厅从资助效果、财政资金杠杆系数、资助育人、社会评价、工作创新5个方面，选取12类15个考核指标，构建2013年度高校学生资助工作成效评价体系（见表1）。表2为KMO检验和巴特利球形检验结果，其中KMO的值为第3页共4页0.571，根据统计学家Kaiser给出的分析，KMO取值小于0.6，各变量所包含信息的重叠程度可能不是特别高，但仍然可以进行因子分析；Bartlett球形检验的P值为0.000提取方法：主成份分析表3是因子分析后主成分分析提取的结果，本次分析提取4个公共因子，其反映了原始数据80.228%的信息，可以认为是有效的。由图1可见前面4个公共因子特征值变化非常明显，之后的特征值变化趋于平稳。说明提取前4个公共因子来反映原始变量之间的信息是比较合理的。提取方法：主成份。说明：采用具有Kaiser标准化的正交旋转法。从旋转成分矩阵（见表4）可以看出：因子1在M54、M55、M56、M57、M61、M64、M66、M68这8个指标上的载荷比较大，反映了资助工作中的学校资助资源的投入程度；因子2在第4页共4页M60、M67这两个指标上的载荷比较大，反映了资助工作中的理论、实践和创新成果；因子3在M58、M59这两个指标上的载荷比较大，主要反映了资助工作中助学成才典型；因子4在M62这1个指标上的载荷比较大，反映了贫困学生的就业率。从表中可以看出，这四个因子的代表性突出，实际意义明确。通过分析可以发现，基于因子分析的评价模型是更科学、应用范围更广泛的评价方法，同时该方法也有助于提高高职院校学生资助绩效工作成效。虽然因子分析模型存在不足的方面，但是比传统的分析方法更加科学有效，其意义和成效也显而易见，值得推广。参考文献[1]辛斐斐，刘国永.职业教育财政支出绩效评价体系研究――因子分析法的视角[J].教育与经济，2011.3：50-55.[2]张琼.因子分析在学生成绩综合评价中的应用[J].惠州学院学报（自然科学版），2010.6：40-45.