物流管理专业课程的因子分析

　　1.引言

　　物流管理专业是一门涉及管理学、流通经济学、工学、理学等多种学科的交叉型新兴学科。

　　中国物流业从兴起到现在将近三十个年头，最近十年进人快速发展的时期。与此同时，高职院校物流专业的建设也巳经完成规模快速扩张的阶段，进人提升内涵和质量的阶段。2006年由教育部办公厅、劳动和社会保障部办公厅、中国物流与采购联合会共同制订了《高等职业教育物流管理专业紧缺人才培养指导方案》，使得高职院校物流专业的建设需要更进一步加强。

　　全国物流职业教育教学指导委员会在2014年8月到10月对全国115个高职院校的物流专业进行调査，涉及地区包括北京、上海、天津、重庆、四川、贵州、云南、浙江、江苏、安徽、湖北、湖南、广东等13个省市自治区。全国物流职业教育教学指导委员会在调查以后撰写了《全国高职院校物流专业建设发展战略规划》,规划总结出课程存在的问题:缺乏本土化的教学案例占14.78%；课程设置不能反映行业情况占38.54%;没有面向相关行业设置课程占21.33%;课程设置没有特色，同质化占31.79%;课程设置重复,交叉多占37.75%。

　　2.高职物流管理专业教育存在的问题

　　(1) 欠缺引导性的专业型学科。引导性的专业型学科能够较早地给学生指明学习的方向,激发学生的学习动力,巩固学生对专业知识的理解。引导性的专业型学科应该作为物流管理专业的必修课，聘请企业里面具有丰富物流实践经验的高技能管理人员来讲授。

　　(2) 物流专业教育缺乏定量标准也分析。随着信息化技术的发展，在现代物流管理中，信息系统的发展与物流活动结合日益密切，标准化、数量化的分析运用得越来越广泛，所有的操作和.评价都离不开数据处理和分析’所有的结论都必须建立在极其准确的数据统计结果的基础之上。因此，在目前的物流专业教育中一定要强化学生的数学知识，强化定量分析,培养学生严密的逻辑数理能力。

　　(3) 物流管理专业的教学大纲缺乏综合性。目前国内各大高职院校,在物流管理专业的教学设计上面，为了提高学生的综合能力’不仅要突出自身院校的特色，还要加强综合型课程的设置，做到“基础厚，口径宽”。整个课程体系要加强对数学、信息技术、计算机、物流管理、市场营销、环境经济学等基础性学科的综合性学习，而专业核心课程的内容广泛，使学生能够熟悉运输、装卸、搬运〈仓储、包装、加工、配送、信息处理、流通等作业领域。

　　(4)物流管理专业的教学体系缺乏实战性。物流管理人才必须具有应用实战型的技能。由于目前我国的物流教育存在重理论、轻实战的传统思维，所以学生实战能力的培养显得非常薄弱。因此要使未来的物流人才具备较强的综合能力，必须让学生掌握物流管理的实战性技能;提高学生在实际工作中的操作能力，增强学生的岗位适应能力。

　　3.高职物流管理专业课程学生成绩的因子分析

　　3.1物流管理专业课程成绩的数据预处理与数据库构建

　　禽职院校物流专业的设立在我国的时间还比较短，很多院校设立的时间都只是在10年左右，甚至有部分院校在最近两三年内才设立了物流专业。因此，物流管理专业的课程还处于逐步发展和逐步完善的过程中，还没有形成系统的、科学的、完整的体系,还有很大的发展和提升的空间。

　　本文采用了统计学中的因子分析方法对四川商务职业学院物流管理专业2010级和2011级180名毕业生的27门课程成绩进行分析,通过了解和归纳物流管理专业课程的内在特点，为进一步建设和改革提供决策和依据。其中所有的数据采用SPSS19.0进行处理。

　　(1) 原始数据标准化。数据准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果,须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化,再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。标准化方法处理后的各指标均值都为0,标准差都为1,假设进行主成分分析的指标变量有m个，分别为m，共有n个评价对象，^为未经过标准化处理的第i个学生的第;'个指标的值,它只反映了各指标之间的相互影响。变量无量纲标准化的公式为：

　　其中，是第j个指标的平均值，^为其标准差。\为经过标准化无量纲化后第i个同学的第j个指标的值。称为标准化指标向量。

　　(2) 计算相关系数矩阵。相关系数矩阵，其中：

　　(3) 计算特征值和特征向量。计算相关系数矩阵P的特征值A,为A23…多怂>0及特征值所对应的特征向量c?c2J.-,cm，其中q=(cv，c2;，…,y，由特征向量组成的新的综合指标变量：

　　其中F,是第一主成分，F2为第二主成分，Fm为第m主成分。

　　(4) 确定主成分的权重系数。经过线性变换后，实际计算中主成分F;的参数贡献率是由方差贡献率来进行说明，ah为累计贡献率，和计算公式如下：

　　通过详细的计算得出，对于主成分选择的依据是由累计贡献率^(一般选择^>85%)决定的，选择前AU<m)个主要因子d2，…，替换原来的m个参数，这时前/主要因子R，F2，…，尺是综合参数，维持了原参数中85%的信息。此时权重向量为w=此时新的数据指标矩阵为：

　　3.2课程因子分析

　　因子分析是从变量群中提取共性因子的统计技术。其目的是用来对隐藏在一组测量到的参数中的一些最基本的,但是又没有办法直接测量到的隐性参数进行描述。本次分析的目的是通过因子分析验证影响物流管理专业人才培养目标的课程之间的联系性。利用SPSS软件得出的数据，见表1、表2和表3。

　　进行相关系数矩阵检验一KMO测度和巴特利特球体检验:KMO值:0.9以上非常好;0.8以上好;0.7—般;0.6差;0.5很差;0.5以下不能接受。巴特利特球体检验原假设H0:相关矩阵为单位阵。

　　通过观察表1计算结果可以知道，KM0值为0.784,在较好的范围内；而巴特利球体检验的sig值为0.00，拒绝原假设，说明相关矩阵并非单位矩阵,变量的相关系数较为显着。

　　通过图1可以看出前面五个因子能够充分解释大部分的方差，到第六个因子以后，曲线才逐步趋于平缓，解释能力不强。因此提取5个公因子。

　　选择5个公因子，从方差贡献率可以看出，其中第一个公因子解释了总体方差的50.092%,5个公因子的累计方差贡献率为86.42%，可以较好地解释总体方差。

　　最后，由表3可以得出:第一公因子为专业基础课;第二公因子为国际物流专业课;第三公因子为供应链管理基础课:第四公因子为物流岗位核心能力实操课;第五公因子为物流顶岗实习实训课。五个因子在课程设计中得以体现，且分配较合理。这些结论是与理论假设是基本一致的，即学科培养目标的基础一致性证明了从成绩中统计出的共同因子和它的意义。

　　分别计算出各门课程的五个因子得分，按照相对方差贡献率进行加权计算，可以得到最终各门课程的综合评价见表4。

　　4.建议

　　通过对各门课程的分析可以看出，目前物流管理专业课程之间的联系还不够紧密，而且有一些课程之间彼此重叠也比较多，没有突出重点，将院校自身特色结合进去。

　　当然学院在设置物流管理专业的课程时不能笼统地只看平均分或总分，应该从学院的实际出发，结合学员自身的特设、所处的地区,选择最适合本学院物流管理专业的课程。在多指标的评价体系中，因子分析可以将多维空间降维,实现以较少的指标来解释大部分自变量的信息的目的，从而简化分析步骤,使评价更清晰简便。

　　通过学生成绩来对课程体系设置进行思考，这是高职院校学科建设的必要过程。由手使用的分析方法不同，所以结果也是不完全相同的，这不光与公因子的选择和使用有一定的关系，也与课程数量多少有一定的关系。虽然不能完全确定学生成绩必然能够反映学科设置存在的问题，也不能排除教学和考试过程中的其他不确定因素，但总体来说对学生成绩进行因子分析会对人才培养方案的制定和修改提供一定的实证参考。

   杜娟(四川商务职业学院，四川成都611130)