2023美国大学综合排名

2023美国大学综合排名（共12篇）

2023美国大学综合排名 篇1

浙江口碑比较好的二本大学推荐

绍兴文理学院

该校是浙江省不错的师范类院校，在2022年获得了硕士学位授予权。学院的毕业生深受用人单位青睐，近五届毕业生就业率均超过了95%。建校以来已有5个国家级一流/特色专业，9个省级一流专业。

浙江财经大学

浙江财经大学坐落在浙江省杭州市，是一所由浙江省人民政府举办的，多学科协调发展的全日制普通高等二本大学。是一所以经济、管理学科为主体，多学科协调发展的全日制普通高等学校，浙江省省属高校，第二批浙江省重点建设高校。

2023美国大学综合排名 篇2

现有的研究多数从技术视角分析评价指标体系, 对评价指标权重计算没能充分利用现有工具软件, 求解过程比较麻烦。高校网站实质是高校服务其用户的一个窗口, 应该从用户使用方便、可感知的角度设计内容和功能。现有研究鲜见从网站用户视角来研究高校网站信息服务质量问题。因此, 本论文基于用户感知理论, 运用层次分析方法 (AHP) 构建大学网站信息服务质量评价指标体系, 并运用Expert Choice软件对评价指标矩阵进行了一致性检验和权重计算, 并以2015年排名前10所高校网站为评价对象, 应用论文所构建的方法进行评估计算, 得到了这些高校的网站信息服务质量排序, 研究结果表明, 本文提出的用户感知研究视角具有一定创新性, 随着高校服务意识的不断提升, 优化高校网站信息服务质量将成为网站建设工作的必然趋势, 本文研究成果对高校网站优化具有参考价值。

一、基础理论分析

1. 用户感知理论

克·格鲁诺斯于1982年提出顾客感知服务质量理论, 他认为服务质量是由顾客来决定的, 该理论认为顾客对服务质量的评价取决于顾客实际感觉到的服务与其心理预期比较之差。也就是说, 如果顾客实际感受大于顾客期望, 顾客感知质量就好, 如果顾客期望未达到, 顾客感知质量就会不好。基于用户感知的网站设计相关研究成果已有一定进展。

2. AHP评价方法

层次分析法 (AHP) 是一种简便的多准则评价方法, 根据评价目标形成问题影响因素, 然后按因素间相互关系将因素层次化, 形成层次结构模型, 接着按层分析, 计算当前层对上层因素的权值。这种方法通过同一层内因素间彼此比较来计算权重, 会得到科学、准确的结果。论文用该方法建立了评价指标体系, 确定评判矩阵, 并使用1-9标度法构建了模型。

二、高校网站信息服务质量评价指标体系构建

本研究综合用户感知理论和AHP方法, 借鉴已有相关研究成果, 构建了高校网站服务质量初步评价指标, 并通过调查问卷访谈结果对指标体系进行了修正完善, 最终确定了高校网站信息服务质量评价指标体系, 见图1所示。具体内容包括如下3个维度:

1. 网站服务内容

(1) 信息内容完整性:应尽可能全面包括网站潜在用户需求的服务信息, 包括:学校介绍, 师资概括、教学与科研情况, 学院与学科分布情况, 招生信息, 校园文化, 交流合作, 校友概括等内容。

(2) 信息内容及时性:应及时更新用户需要的相关服务信息, 方便用户查询和自我服务。尤其对于用户关注度高的相关服务信息的更新时间是否及时, 比如招生信息更新、教师和科研信息更新、学科专业变更信息等等。

(3) 信息内容丰富性:应尽可能采用文本、图片、音视频等多种方式展现相关服务内容, 可用信息描述文字数量、详细程度、多媒体使用程度来评判内容是否丰富。

2. 网站服务界面

(1) 网站结构设计:结构设计合理是方便用户使用网站信息的前提和保障, 具体表现在网站层次、查询信息的便捷性、网站服务导航等方面。

(2) 界面美观程度:该指标直接影响到网站用户的整体感觉和满意程度, 具体包括对网站在网站服务定位与色彩搭配匹配度、文字编辑、多媒体应用的综合效果等方面评判。

(3) 网页布局:在信息内容完整、及时、丰富的基础上, 还要把相关内容合理布置在网页的对应位置, 方便用户浏览使用。具体包括网页内容整体是否合理、有序, 信息类别分类是否合理等方面的评判。

3. 网站服务功效

(1) 网站服务效率:从用户的角度看, 网页打开速度要快, 网页内提供的各种链接要多并且可以有效访问。具体可以用网站链接数量及网站访问速度两个可以量化的指标进行评判。

(2) 网站使用安全性:高校网站不同于用户登录其他的陌生网站, 安全性主要体现在对用户输入的报考注册隐私信息、下载各种应用程序和报考资料、链接到网站外部的相关网站是否让用户感觉安全。

(3) 网站交互性:高校网站应该是学校和用户双向交流的平台, 以便高校相关部门及时回复用户提出的相关问题。具体应包括留言及其回复数量、回复质量、回复及时性等内容。

(4) 其他功能:高校网站还应结合自身的学科特点和学校定位, 通过网站得以呈现, 比如各种个性化服务或链接是否丰富、是否准确, 网站使用帮助和导航, 证书查询, 校友联络与查询等功能。

三、应用分析

2014年12月底, 艾瑞深中国校友会网正式发布《2015中国大学评价研究报告》, 取前十名大学作为评价对象。这十所大学依次是北京大学、清华大学、复旦大学、武汉大学、中国人民大学、浙江大学、上海交通大学、南京大学、中国科学技术大学、国防科学技术大学。排序如下表1所示。

1. 设计调查问卷并实施访问调查

调查问卷是获取第一手数据的有效方法, 根据本论文提出的评价指标体系, 分别设计了评价指标判断矩阵调查问卷和备选高校网站评价调查问卷, 目的是获取评价指标权重和各高校的评分值。

大学生是高校网站的主要用户, 与其他群体相比, 更容易实施访谈, 而且知识量丰富、容易理解研究目的和意义。因此, 本研究选择在吉林省高校中的大学生作为调研对象, 在2015年3月-5月份分两次, 在大学校园内通过随机拦截了19名大学生进行访谈, 并邀请他们填写调查表格, 获得了本研究评价指标判断矩阵的第一手数据资料, 剔除11份一致性不好的问卷, 有效问卷为8份。基于这8份有效问卷, 并参考几名有经验的专家意见, 最终确定了指标评价判断矩阵。通过私人关系, 在某211高校91名大学生上机实验过程中, 要求他们帮助填写了针对各个备选高校网站信息服务质量的各项评价指标的相对得分值, 各项指标值满分为100分。回收问卷91份, 经检查后, 剔除了13份问题问卷, 有效问卷为78份。

2. 权重计算

本论文选用了了Expert Choice软件, 对评价指标权重进行了计算, 由于指标体系每层指标不是很复杂, 因此一致性检验均通过。权重计算结果及评分数据如表2所示。

3. 评价与排序

网站信息服务质量加权评分值等于指标得分与对应权重乘积, 按照上述调研整合后的指标评分值和计算得到的指标权重, 得到了所选10所大学的总分, 按总分大小排序, 依次为:清华大学、北京大学、复旦大学、武汉大学、中国人民大学、浙江大学、上海交通大学、中国科学技术大学、南京大学、国防科学技术大学。

四、结论

本论文基于用户感知理论和AHP方法, 构建了大学网站信息服务质量评价体系, 计算了指标权重, 并对该方法进行了应用。应用结果表明, 论文所提的方法能够用来较好地评价用户感知视角下的大学网站信息服务质量, 从问卷调查中可知, 所设置的指标符合评价目的。能够用于指导大学网站或其他类似网站信息服务质量优化与提升。

本研究也存在不足, 比如评价指标体系是在总结分析已有类似研究基础上建立的, 没有经过科学的严密筛选, 在未来的研究中可以对指标选取问题进行深入研究。另外, 由于不同类别高校网站风格不可能一样, 将来研究中可以分类别评价。

参考文献

[1]任爱珍, 马力, 官巍.高校网站评比指标体系设计[J].中国教育信息化, 2014.19.73-77.

[2]孙雨胡, 苏望, 李国斌.运用层次分析法构建高校网站评价指标体系[J].中国远程教育, 2011.12, 45-48.

[3]马海群, 左晨.我国高校网站信息公开效果评价指标体系构建研究[J].情报科学, 2015.1.139-145.

2023美国大学综合排名 篇3

关键词：大学排名；指标体系；修正；综合排名

一、引言

关注持续发布的大学综合排名是人们了解大学的一个重要途径。由于大学综合排名涉及多个方面，人们对综合性大学排名众说纷纭、莫衷一是。大学排名结果能否被学校、教育管理机构、家长、学生等广泛接受。关键在于指标体系是否合理，统计数据是否真实、完整，具体操作是否严谨、公正，以及相关信息的公开程度等，其中最为关键的是排名指标体系的设置。对具体的排名进行讨论，对具体指标权重进行质疑，或者从宏观上进行粗略的比较、泛泛而谈。难以得出实质性结论。本文通过对国内综合性大学排名的指标体系比较研究，为大学排行机构、教育行政部门及研究者提供参考。

用一个指标体系评价所有大学是困难的，尽管“大学排行必先分类”已经成为共识，但怎么进行大学分类仍未得到解决，常用的以行政为主的分类方法也没有被广泛认可。常见一个榜上排出所有学校，后面名次则出现几乎所有项目得分全是零的情况。本文选取中国大陆持续发布的四个大学排名作为比较研究对象。分别是：中国管理科学研究院科学学研究所武书连等发布的《中国大学评价》，网大(中国)有限公司推出的《中国大学排行榜》(下文用《网大排行榜》)，中国校友会网发布的《中国大学排行榜》(下文用《校友会排行榜》)，武汉大学中国科技评价中心推出的《中国高校竞争力排行榜》(下文用《竞争力排行榜》)。此外，上海交通大学高等教育研究所发布《世界大学学术排名》也是持续发布的排行榜，但其主要对象是世界大学(尽管也包括少量的国内大学)。排行内容主要是学术方面，本文不作为比较研究对象。本研究选取各排行榜2005年度的指标体系进行比较研究。

二、数据处理及修正

4个排名体系设立的指标级数和指标数量不同，《网大排行榜》设置两级指标，《中国大学评价》、《校友会排行榜》、《竞争力排行榜》设置三级排行指标。每个体系所包含的指标级数不同，每一级指标的名称、含义和范围也不完全相同，很难直接进行比较，因而必须对原来的指标体系进行修正。

(一)体系修正

修正目标是：排名的指标级数相同，相同或者相似的指标属于同一个类别。具体操作是：保持最后一级指标名称及其在总体系中的权重不变，根据最后一级指标的范畴确定所属上级指标名称和比重，相同、相近的末级指标包含于相同的上一级指标之中。

修正后指标体系设置为三级，为了区分于原体系，名称依次为：指标类别、初级指标和末级指标。末级指标是最基本的组成元素；初级指标反映的是指标的分布范围；指标类别反映的是指标的领域。末级指标的名称和权重跟原体系最后一级指标相同。通过统计的方法进行选取初级指标和指标类别，共分为十个初级指标，四个指标类别。具体的指标类别和初级指标的名称及关系如表1所示。

十个初级指标含义依次为：

学校声誉：学校的影响力，通过对相应人员的调查产生，包括学术声誉和社会声誉等。

自然资源：用来办学的硬件资源，财政资源、场地、图书资料、经费等。

学术资源：学术方面的资源，硕士、博士点、重点学科、重点实验室、各种基地等。

师资队伍：教师方面的情况，教授、副教授、博士生导师、长江学者、院士、师生比等。

学生来源：学生入学时情况。入学时学生的质量和来源的广泛性。

学生培养：学生在校时培养和各种奖项。

毕业生：合格的毕业生数量和毕业生质量。

科研资源：支撑科研的各种基地、设备、资金、项目方面的资源。

科研成果：科研产出数量，各种论文、专利、专著等。

科研质量：科研产出质量，高档次的论文、论文引用等。

(二)指标设置情况

修正后各个排名指标设置数量情况见表2。

三、比较分析

(一)指标类别比较

每个排名的指标类别和权重如表3所示。

由表3可以看出，《中国大学评价》包含人才培养和科学研究两个类别，其余三个排名都包含四个指标类别。《中国大学评价》包含的两个指标类别几乎各占一半，稍微偏向人才培养；其他排名包含四个指标类别，有一个权重超过45％，接近总量一半，一个在25％左右，其余两个10～18％之间。学校声誉权重在10～15％之间，有一定影响力。《网大排行榜》严重偏向办学资源，《校友会排行榜》、《竞争力排行榜》严重偏向科学研究。

(二)初级指标比较

初级指标比较得到各个排名的指标分布范围，每个排名的初级指标和权重如表4所示。

从表4可以看出，《中国大学评价》只包括三个初级指标，覆盖面小，《网大排行榜》、《校友会排行榜》、《竞争力排行榜》分别包括八个、七个和十个指标，指标分布广。小范围内指标的得分和比较，不能完全代表各个大学的综合实力。因此，《中国大学评价》不是大学综合实力排名，《网大排行榜》、《校友会排行榜》、《竞争力排行榜》是大学综合实力排名，其中又以《竞争力排行榜》最为全面。

从权重角度比较，《中国大学评价》的三个初级指标权重各不相同，毕业生一项就占了57％。其他三个排名的初级指标权重基本上在4.5％～20％，有一项指标超出这个范围，分别是《网大排行榜》中科研成果(22％)，《校友会排行榜》中科研资源(34.78％)，《竞争力排行榜》中科研质量(23.02％)。

(三)末级指标比较

不同体系的末级指标有其不同的偏向，直接比较末级指标是困难的。本研究从未级指标反映初级指标的程度方面进行比较，也就是末级指标是否恰如其分的表达了初级指标的内涵。根据排名体系中末级指标对初级指标内涵的体现情况分为三类：较好体现、基本体现、基本没有体现。

初级指标内涵得到末级指标较好的体现的有自然资源、学生来源、科研资源和科研成果。图书总量、生均图书、校舍面积、生均校舍面积等指标体现了办学拥有的自然资源情况，高考成绩或者新生分数等指标也体现了学生一来源的质量，科研经费总量、人均科研经费、各种科研基金体现了科研资源的主要方面，SCI、SSCI、EI、CSSCI、专利、专著等指标较好的体现了科研成果。

末级指标基本体现了初级指标的是科研质量和学术声誉，偏重各不相同。科研质量方面体现最为突出：《中国大学评价》以论文引用为压倒性的衡量指标，再辅以国家级、省部级奖励；而《校友会排行榜》、《竞争力排行榜》都以国家级科技奖励作为首要指标，论文引用情况则没有该指标或者即使有也是权重很小。学校声誉都是用调查的方法获得分值，但调查对象和过程不相同。

末级指标基本没有体现初级指标内涵的有师资队伍、学生培养、毕业生、科研质量，都是采用极端优秀的末级指标来表示其相应的初级指标。体系中大量采用极端优秀的末级指标来表示初级指标：国家重点学科、博士点、各种国家级基地等末级指标表示学术资源，两院院士数量、长江学者、教学名师等表示师资队伍，国家级部级优秀教学成果奖和精品课程表示学生培养的情况，全国优秀博士论文、博士生毕业数量表示毕业生情况，国家级科技奖励表示科研质量的情况等等。

末级指标极端化体现在两个方面：一个是取样上以顶尖样本代表整体的以偏概全，样本不足以代表整体：一个是学科分布上的不广泛。以师资队伍为例，截至2006年8月。高校教师队伍当中有中国科学院院士296人、中国工程院院士257人，累计长江学者特聘教授707名、讲座教授211名，国家级教学名师200名，以上数据总计1671名，占普通高等院校专任教师(总人数96，58万)的千分之一点七，如此少的极端样本不可能代表高校的整个师资。另一方面，由于学科间的差异，顶尖数据并没有完全包括各个学科的顶尖人物：科学院院士、工程院院士属于自然科学领域，社会科学领域没有成熟的院士制度，也就是社会科学领域的院士级别的师资没有得到体现：长江学者也是先在自然科学领域选拔，然后扩大到人文社会科学领域，并不具有等同性。

四、结论

1、以指标体系设置而言，《中国大学评价》本质上是“中国大学科研成果和毕业生总量排名”；《网大排行榜》、《校友会排行榜》《竞争力排行榜》是大学综合实力排名，但前二者分别缺少科研质量、科研成果这样非常重要的初级指标：而最后一个则存在部分末级指标权重过小(＜0.5％)的问题。

2、排名指标体系中大量存在以极端样本表示整体、以部分学科代替全部学科的问题。以偏概全是排名不被广泛认可的重要原因。用国家重点学科代表学术资源、用两院院士、长江学者数量代表师资队伍，用全国优秀博士论文代表毕业生质量，用国家级科技奖励代表科研质量等在国内大学排名体系中显而易见。学科之间权重分配问题没有解决，学科之间权重不合理造成《中国大学评价》中理科和工科类的高校排名明显优于文科类学校，尤其是纯文科。

2023清华大学全国排名第几 篇4

2、在校友会版中国大学排名中，清华大学排在：第2名。

(由于不同的机构评估的标准各异，从而导致评估的结果不同，请注意，简单的大学排名不足以真实反映大学的真实水平，该排名仅供参考。)

清华大学王牌专业有哪些?

清华大学王牌专业有：经济与金融、法学、新闻学、艺术与科技、环境设计、产品设计、机械工程、生物医学工程、信息管理与信息系统、英语等。

清华大学校训

清华大学校训是：自强不息，厚德载物。

★ 广告学专业排名

★ 美国热门专业排名

★ 二本大学专业排名

★ 黄山学院专业排名

★ 安庆师范大学专业排名

★ 大学专业前景排名

★ 生物工程专业排名相关内容

★ 湖北中医药大学专业排名

★ 艺术专业就业前景排名

2023美国大学综合排名 篇5

2 海德堡大学 Ruprecht Karl University of Heidelberg 59

3 柏林洪堡大学 Humboldt University of Berlin 77

4 柏林自由大学 Free University of Berlin 81

5 哥廷根大学 University of Gttingen 93

6 慕尼黑工业大学 Technical University of Munich 94

7 汉堡大学 University of Hamburg 135

8 波恩大学 University of Bonn 139

9 卡尔斯鲁厄理工学院 Karlsruhe Institute of Technology 154

10 弗莱堡大学 University of Freiburg 160

11 亚琛工业大学 RWTH Aachen University 173

12 柏林医科大学 Charite, Medical University of Berlin 177

12 蒂宾根大学 Eberhard Karls University Tübingen 177

14 法兰克福大学 Goethe University Frankfurt 179

15 明斯特大学 University of Münster 191

16 美因茨大学 Johannes Gutenberg University of Mainz 197

17 埃尔朗根-纽伦堡大学 University of Erlangen Nuremberg 210

18 德累斯顿工业大学 Technical University of Dresden 213

19 维尔茨堡大学 University of Würzburg 216

20 科隆大学 University of Cologne 224

21 基尔大学 University of Kiel 236

22 柏林工业大学 Technical University of Berlin 260

23 乌尔姆大学 University of Ulm 270

24 波鸿大学 Ruhr University Bochum 294

25 耶拿大学 Friedrich Schiller University of Jena 306

2018年卡迪夫大学综合排名 篇6

立思辰深圳留学360宗静老师介绍说，卡迪夫大学（Cardiff University）是一所世界百强名校，国际知名学府, 简称卡大。于1883年成立，于1884年取得皇家许可状，位于威尔士首府加的夫（Cardiff），是威尔士地区唯一一所罗素集团（The Russell Group）的成员，该集团亦被称为英国的常春藤联盟，同时也是欧洲大学工会（EUA），世界大学联盟（WUN）和联邦大学工会（ACU）的成员，并且拥有两名诺贝尔奖获得者。

立思辰深圳留学360宗静老师介绍说，卡迪夫大学商学院（Cardiff Business School）经国际高等商学院协会（AACSB）权威认证的英国排名第6，世界百强精英商学院；其金融类专业在世界范围内享有盛名，每年为顶尖金融机构输送大量人才。

综合排名

2014年英国大学科研实力（REF）排名中，卡迪夫大学位列第5位；

2016QS世界大学排名中，卡迪夫大学位列世界第122位；

2016上海交通大学世界大学学术排名中，卡迪夫大学位列英国第9-15名，全球第101-159名；

大学排名影响的综述研究 篇7

一、国外研究综述

国外的大学排名基本上都是由民间机构组织开展的,第一个大学综合性排名《美国新闻与世界报道》自1983年起已30余年,开启了从社会角度评价大学的先河,综合而言,研究注重大学排名对大学、学生、资金募集及政府的影响。

首先,学者们从大学排名对大学有无影响入手展开研究。美国大学董事协会的“排名对大学有无影响”的调查显示,有76%的大学校长看重大学排名 ,20%的大学校长不关注排名 ,51%的大学还曾尝试过提高排名 [1]。由此可见 ,大学排名一定程度上正逐渐影响高等教育的行为。另外,许多大学在制定发展战略时,都或多或少地受到大学排名的影响,更有甚者依据排名制定大学发展目标,如奥尔胡斯大学的“进入世界百强”等。在此值得注意的是,有的学者曾就“大学排名对大学招生是否有影响”这一问题进行过专门研究。蒙克斯(Monks)和埃伦伯格(Ehrenberg)于1999年通过分析U.S.News排名对29所大学招生录取情况的影响后得出, 大学排名与学生申请数存在一定程度的相关性[2]:排名靠后会促使该大学提高申请者的接收比例,相应的录取学生的质量就会下降,排名下滑,进入恶性循环。由于二者研究的局限性,之后,梅雷迪斯(Meredith,M.)在其基础上扩大研究范围与内容,进一步证实了这一观点。

其次, 大学排名对学生的影响方面集中体现于择校过程中的重要性上。在英国,艾克尔斯发现60年代建立的大学尽管排名在下降,但申请人数并未因此而减少,由此说明大学排名并未影响学生的择校[3]。美国一教育研究机构的调查显示,在择校过程中大学排名起到非常重要作用的比例由1995年的10.5%上升至2006年的60%[4]; 还有学者迪尔 (Dill)、克拉克(Clarke,M.) 等进一步对运用大学排名的学生类型进行了研究:那些成绩优异、家庭条件好、父母受过良好教育的家庭要更注重大学排名的作用[5,6]。Roberts和Thomson还发现,那些想要进入顶尖大学进行深造学习的学生会更倾向于使用大学排名。

再次, 大学排名对资金募集的影响因研究方法或样本的不同,结果呈现差异。程术希指出,无论是公立大学还是私立大学,学校每年的赠予都会与大学排名相关,只是相关程度不尽相同[7];而梅雷迪斯(Meredith,M.)通过对U.S.News排名的实证研究,提出排名并不会给大学捐赠带来非常重要的影响[8]。

最后,大学排名对政府的影响主要体现于资源配置方面。如英国和新西兰政府以大学排名为依据评估大学绩效, 即首先对大学研究产出进行等级评价,再依据等级进行资金分配。

二、国内研究综述

在国内,大学排名也得到了蓬勃发展,自1987年起已28年,研究侧重评述,注重大学排名对大学、学生及政府高等教育管理行为的影响。

首先,在对大学的影响方面,通过对100所“211”大学关于“大学排名影响的评价”的调查显示 ,其中89.47%的大学承认大学排名可以对他们起到激励作用[9];张旺也指出,大学排名对大学的决策、人事、组织结构、资源、招生等方面都有影响。另外,在对大学招生的影响方面,徐和清实证研究发现,大学排名中的部分指标得分并未起到对优秀考生的吸引作用[10]。

其次,在对学生的影响方面,亦是集中体现于择校的作用上。乐国林和张丽通过研究得出,有45.8%的考生和50.5%的家长在挑大学的过程中会重点参考大学排名[11]。

最后,大学排名对政府的影响已不容忽视,因大学排名通常由新闻媒体、研究机构或个人发布,相对独立,也不需要政府直接投资,各级政府尽管不支持大学排名,但大都会将大学排名作为评价大学质量的捷径,为政府决策提供参考依据,也在一定程度上引导教育资源的流向。

三、结语

在研究问题上, 国内外研究的共同点都以大学排名对大学和学生的影响为主,不仅揭示了有无影响,而且进一步指出了有什么样的影响;不同点在于国外还关注大学排名对大学资金募集的影响,而国内则很少关注,这正是由于高等教育体制的差异造成的。

在研究方法上,国内外研究的共同点是都采用数据分析与观点陈述相结合方式,不同点在于数据与观点的结合方式及数据获取方式上:国外研究多从社会调查数据出发而用数据表达结论, 国内研究则多从观点陈述出发而用数 据引证结论。

摘要：大学排名日渐专业化和科学化。通过对国内外关于大学排名影响的相关文献的梳理,从研究问题与研究方法上寻求国内外研究的异同,在理顺相关文献的同时,为大学排名研究的深入提供思路。

2023美国大学综合排名 篇8

排名的数据来源于银行通过公开渠道披露的信息、与银行签订的数据交换协议及每季度银行反馈的动态问卷。其中，动态问卷的反馈信息中涵盖了各家银行的累计产品发行总量，研究组结合前两个渠道的数据，对产品发行规模进行了估计。2014年度，我国银行理财产品的发行规模继续保持稳步增长，共有347家商业银行发行了79051款理财产品，累计发行规模估计为100.5万亿元，较上年分别增长39.11%和78.10%，延续了往年的高增长态势。

1 银行理财产品发行能力

1.1 全国性商业银行

全国性商业银行中，银行理财产品发行能力排名前5的银行依次是交通银行、中国建设银行、中国银行、招商银行和兴业银行。

全国性商业银行共发行45768款银行理财产品，股份制商业银行发行数量最多，达26233款，其次是国有银行和外资银行，发行数量分别为18038款和1497款。国有银行平均发行3006款，其中中国建设银行发行数量最多，全年发行4689款；位列第2与第3的是交通银行和中国银行，分别发行4627款和4408款。股份制商业银行平均发行2186款，其中，民生银行发行数量最多，为3938款；其次是兴业银行，为3666款。2014年度共有12家外资银行发行了银行理财产品，平均发行数量为125款。

从投资类型来看，全国性商业银行理财产品主要为债券与货币市场类理财产品和组合投资类理财产品，发行数量分别为26032款与18974款，占比合计超过95%。

从发行规模看，全国性商业银行理财产品总体发行规模估测约96万亿元，其中，国有银行累计发行规模估测约63万亿元，占比超过65%；股份制商业银行累计发行规模估测约33万亿元。外资银行发行规模估测在2000亿～3000亿元之间。

1.2 区域性商业银行

区域性商业银行中，银行理财产品发行能力排名前10的银行依次是南京银行、北京银行、江苏银行、上海农商、包商银行、东莞银行、杭州银行、顺德农商、青岛银行和稠州商行。

区域性商业银行共发行33283款银行理财产品，城市商业银行发行数量最多，达24962款，与全国性商业银行相比，仅次于股份制商业银行。农村商业银行和农村信用社的发行数量分别为7852款和469款。

从投资类型来看，债券与货币市场类理财产品依然是区域性商业银行理财产品的主要投向类型，发行数量达20773款。

从发行规模来看，区域性商业银行总体发行规模估测约为4.5万亿元。其中，城市商业银行的估测发行规模在区域性商业银行中占比约为78%。

2 收益能力

2.1 全国性商业银行

全国性商业银行中，收益能力排名前5的银行依次是民生银行、交通银行、中国建设银行、兴业银行和中国银行。

全国性商业银行的发行产品中，共有43342款公布了预期收益率，各家银行产品EI值（到期收益率/同期限理论存款利率）的平均表现为2.2597。纳入排名的银行中，民生银行产品平均EI值为2.3099，在收益能力排名中位居首位，交通银行、中国建设银行分别位于收益能力排名榜第2位、第3位。

2.2 区域性商业银行

区域性商业银行中，收益能力排名前10的银行依次是东莞银行、南京银行、杭州银行、紫金农商、江苏银行、青岛银行、大连银行、包商银行、嘉兴银行和端州农商。

从产品平均EI值来看，表现较好的前10家区域性商业银行依次为东莞银行、嘉兴银行、紫金农商、端州农商、德州商行、大连银行、民泰商行、深圳农商、潍坊银行和湖北银行。这10家银行的产品平均EI值均高于2.53。

3 风险控制能力

3.1 全国性商业银行

2014年，全国性商业银行中，风控能力排名前5的银行依次是兴业银行、中国光大银行、中信银行、中国民生银行和中国银行。兴业银行2014年公布的实现了预期收益率的固定收益类产品数量达到3226款，远超其他银行，再加上该行在收益实现方面表现突出，因而在全国性商业银行中位列风控能力第一位。排名靠后的银行主要由于收益实现方面表现不佳，尽管这些银行发行产品数量都不低，但产品整体预期收益率的实现情况不佳拖累其风控能力的总分。

3.2 区域性商业银行

2014年，区域性商业银行中，风控能力排名前10的银行依次是江苏银行、东莞银行、青岛银行、北京银行、佛山顺德农村商业银行、南京银行、上海银行、上海农村商业银行、齐鲁银行和绍兴银行。

由于区域性商业银行中除了南京银行外，其余银行都没有在报告期间有结构性产品到期（或没有公布其到期收益率），再加上固定收益类产品几乎都能实现最高预期收益率，因此绝大部分银行的收益实现得分都接近满分。这使得区域性商业银行的风控能力集中体现在实现了到期收益率的固定收益类产品数量上，江苏银行、东莞银行、青岛银行、北京银行和顺德农商公布了到期收益率的固定收益类产品几乎都实现了预期收益率，因而表现名列前茅。

4 综合理财能力

4.1 全国性商业银行

2014年，全国性商业银行中，理财能力综合排名前5的银行依次是兴业银行、中国民生银行、招商银行、中国光大银行和华夏银行。

2014年度分类指标测度中，兴业银行的发行能力、收益能力及风险控制能力这3个单项能力排名均位居前5强，同时该行评估问卷得分也获得第2位的好名次，促使该行获得综合理财能力排行榜第1名。民生银行位居理财能力综合排名第2，主要得益于该行收益能力、风险控制能力和信息披露规范性表现较好，这3个单项排名均在前列。招商银行在此次综合理财能力排名中获得第3名，该行的发行能力、理财产品丰富性及信息披露规范性得分均在全国性银行的前5强之中。

全国性银行综合排名前10强依然是股份制商业银行占据绝大多数，其中有8家为股份制商业银行，2家为国有银行。国有银行得益于网点数量庞大，通常理财产品发行规模与其他类型银行相比占据绝对优势，但是其在产品收益定价水平、产品种类丰富程度及信息披露规范性等方面的表现普遍不及股份制商业银行甚至部分大型城商行，因此综合理财能力排名中股份制商业银行普遍表现较好。

4.2 区域性商业银行

2014年，区域性商业银行中，理财能力综合排名前10的银行依次是南京银行、江苏银行、北京银行、上海农村商业银行、青岛银行、齐鲁银行、珠海华润银行、包商银行、龙江银行和哈尔滨银行。

南京银行在除理财产品丰富性外的5个单项排名上均能保持前五位置，特别是发行能力、信息披露规范性以及评估问卷得分均获得第1名，使得该行能够位居区域性银行综合理财能力排名榜首。江苏银行位居综合排名第2，主要得益于该行各个单项排名均能保持前5位置。北京银行的理财产品丰富性均位居区域性银行第1，发行能力为第2位，风险控制能力为第3位，促使该行获得综合理财能力排名第3。

区域性商业银行理财能力综合排名靠后的银行中，农商行、农信社等农村金融机构的占比要高于城商行，可见整体上城商行的综合理财实力要强于农村金融机构。城商行通常在发行数量及发行规模上要高于农村金融机构，同时在资产配置方面能够获得更高收益的投资，此外对于产品的发行、运行、到期等各个阶段的信息披露也更为规范，因此城商行的发行能力、收益能力、信息披露规范性普遍强于农村金融机构。

收稿时间：2015-04-07

2023美国大学综合排名 篇9

北京时间9月12日上午，美国U.S News又双叒叕放排名啦！《2018全美最佳大学排名》新鲜出炉，作为留学届四大排名“金刚”的U.S News此次放出的全美最佳大学排名，看看又有什么新变化呢？

本次2018USNews美国大学排名包括超过1800所学院和大学的数据，包含了决定学生选校的多种因素，包括学校地理位置、学术研究范围、学生是否有车、学费及奖学金等15方面。

US News排名通过7大主要指标加权平均计算所得。

2018年排名参考权重如下： 本科学术声誉：22.5%

毕业率和新生返校率：22.5% 师资力量：20% 新生水平：12.5% 经济实力：10% 毕业率表现：7.5% 校友捐赠：5%

虽然大部分学校的排名都基本在预料之中，纽约大学和佛罗里达大学成为最大黑马，UCLA和USC这次依旧相爱相杀并列排名，而UCB，UIUC, Penn State等众多公立大学排名都下降了！

今年的Top10仍然是那几所名校，UC伯克利今年跌出前20，和UCLA，南加州大学（UCB）并列21,UIUC, Penn State一起跌出了前50。

【以下是2018全美最佳大学排名TOP100】

2018 Rank 1 2 3 3 5 5 5 8 9 10 11 11 11 14 14 14 14 18 18 20 21 21 2017 Rank 学校中文 1 2 3 3 5 7 5 8 8 12 11 10 12 14 15 15 15 15 19 20 20 20

普林斯顿大学 哈佛大学 芝加哥大学 耶鲁大学 哥伦比亚大学 麻省理工学院 斯坦福大学 宾夕法尼亚大学 杜克大学 加州理工学院 达特茅斯学院 约翰霍普金斯大学 西北大学 布朗大学 康奈尔大学 莱斯大学 范德堡大学 圣母大学 华盛顿大学 乔治城大学 埃默里大学

学校英文

Princeton University Harvard University University of Chicago Yale University Columbia University Massachusetts Institute of Technology Stanford University University of Pennsylvania Duke University California Institute of Technology Dartmouth College Johns Hopkins University Northwestern University Brown University Cornell University Rice University Vanderbilt University University of Notre Dame

Washington University in St.Louis

Georgetown University Emory University

加州大学伯克利分校 University of California--Berkeley 21 25 25 27 28 29 30 30 32 32 34 34 34 37 37 37 40 40 42 42 24 23 24 24 27 27 27 36 30 31 32 34 34 32 39 37 37 39 39 39 39

加州大学洛杉矶分校 University of

California--Los Angeles 南加州大学 卡耐基梅隆大学 佛吉尼亚大学 维克森林大学

University of Southern California Carnegie Mellon University

University of Virginia Wake Forest University

密歇根大学安娜堡分University of 校 Michigan--Ann Arbor 塔夫茨大学 纽约大学

Tufts University New York University

北卡罗来纳大学教堂University of North 山分校 Carolina--Chapel Hill 波士顿学院 威廉玛丽学院 布兰迪斯大学 佐治亚理工学院 罗彻斯特大学 波士顿大学 凯斯西储大学

Boston College College of William &

Mary

Brandeis University Georgia Institute of Technology

University of Rochester Boston University Case Western Reserve University

加州大学圣塔芭芭拉University of

California--Santa

分校

Barbara 东北大学 杜兰大学 伦斯勒理工学院 加州大学欧文分校

Northeastern University Tulane University Rensselaer Polytechnic Institute

University of

California--Irvine

42 46 46 46 46 46 46 52 44 50 44 50 44 44 44 50 50

加州大学圣地亚哥分University of 校 California--San Diego 佛罗里达大学 里海大学 佩帕代因大学

University of Florida Lehigh University Pepperdine University

加州大学戴维斯分校 University of

California--Davis 迈阿密大学

University of Miami

威斯康辛大学麦迪逊University of 分校 Wisconsin--Madison 维拉诺瓦大学

Villanova University

Pennsylvania State 宾夕法尼亚州立大学 University--University

Park 伊利诺斯香槟分校

University of

Illinois--Urbana-Champaign 52 54 54 56 56 56 56 56 61 61 61 44 54 56 56 60 60 56 54 68 60 56

俄亥俄州立大学哥伦Ohio State 布分校 University--Columbus 佐治亚大学 乔治华盛顿大学

University of Georgia George Washington

University

普渡大学西拉法叶分Purdue University--West 校 Lafayette 康涅狄格大学

University of Connecticut

德州大学奥斯汀分校 University of

Texas--Austin 华盛顿大学 杨伯翰大学 福特汉姆大学 南卫理公会大学

University of Washington Brigham Young University--Provo Fordham University Southern Methodist University

61 61 67 68 69 69 69 69 69 69 75 75 75 78 78 78 81 81 81 81 60 60 60 66 68 74 70 71 74 71 74 71 82 74 79 82 82 74 92 82 92

雪城大学 Syracuse University

马里兰大学帕克分校 University of

Maryland--College Park 伍斯特理工学院 克莱姆森大学 匹茨堡大学 美利坚大学

Worcester Polytechnic Institute

Clemson University University of Pittsburgh American University

罗格斯大学新布朗斯Rutgers University--New 维克分校 Brunswick 史蒂文森理工学院 美国德州农工大学

Stevens Institute of

Technology Texas A&M

University--College Station

明尼苏达大学双城分University of 校 Minnesota--Twin Cities 佛吉尼亚理工大学 贝勒大学

科罗拉多矿业大学

Virginia Tech Baylor University Colorado School of

Mines

麻省大学阿默斯特分University of 校 Massachusetts--Amherst 迈阿密大学牛津分校 Miami

University--Oxford 德州基督教大学 爱荷华大学 克拉克大

佛罗里达州立大学 密歇根州立大学

Texas Christian University University of Iowa Clark University Florida State University Michigan State Universit

北卡罗来纳州立大学 North Carolina State

University–Raleigh

81 87 87 87 90 90 90 90 94 94 94 97 97 97 97 97 97 79 79 86 86 86 86 86 92 86 96 96 66 107 96 99 99 111 92

加州大学圣克鲁兹分University of 校 California--Santa Cruz 特拉华大学

University of Delaware

纽约州立大学宾汉姆Binghamton 顿分校 University--SUNY 丹佛大学 塔尔萨大学

University of Denver University of Tulsa

印第安纳大学伯明顿Indiana 分校 University–Bloomington 马凯特大学

Marquette University

科罗拉多大学波德分University of 校 Colorado–Boulder 圣地亚哥大学 德雷塞尔大学 圣路易斯大学 叶史瓦大学 罗切斯特理工

University of San Diego Drexel University Saint Louis University Yeshiva University Rochester Institute of

Technology

纽约州立大学石溪分Stony Brook 校 University–SUNY 纽约州立大学环境科SUNY College of

Environmental Science

学与林业学院

and Forestry 水牛城大学 俄克拉荷马大学 佛蒙特大学

University at Buffalo--SUNY

University of Oklahoma University of Vermont

综合测评自我鉴定2023 篇10

在学习上，成绩优秀，积极上进，学习态度认真，实事求是，养成了良好的学习习惯和自学能力。在尽自己所能学好每一科的同时，积极向课外知识拓展，不满足于老师授予的知识，课下积极与同学讨论疑难之处，做到主动学习、自主学习，在实践中提升自我。

课上认真听讲，按时完成作业，按照老师的要求背诵每一天的学习重点。当自己的应用能力还是有些差，应该多多关注一些新闻，开阔自己的视野。

2023美国大学综合排名 篇11

中国烟草市场零售放开

从今年1月1日起，在中国烟草市场实行多年的“特种烟草专卖零售许可证”正式取消，凡是领有烟草专卖零售许可证的企业和个人，可依法从事国产和外国烟草制品的零售业务。专家认为，国内特许证的取消将牵动整个国际烟草行业。随着国内烟草零售终端的放开，外烟进军国内市场的步伐将进一步加速。

驻华外国保险机构管理有新规

中国保监会近日公布修订后的《外国保险机构驻华代表机构管理办法》。这一将于3月1日开始实施的管理办法调整了有关称谓，并对相关审批手续作了细化和放宽。中国保监会于1999年颁布了《外资保险机构驻华代表机构管理办法》，起到了加强对外国保险机构驻华代表机构的管理，促进中国保险市场逐步对外开放的作用。

中信银行首家推出境外快速汇款业务

在国内以为出国人员提供金融服务著称的中信实业银行，近日首家推出境外快速汇款业务。只需10美元的汇款费用，约10分钟之后，款项即可到达全球各地。无需帐户，收款方无需支付任何费用，为境内向全球汇款以及境外汇人提供了一条便捷的途径。

香港特区护照免签证入境国家和地区增至128个

香港特别行政区政府近日宣布，特克斯和凯科斯群岛同意给予香港特区护照持有人免签证人境旅游待遇，逗留期为30天。至此，香港特区护照持有人可以免签证入境的国家和地区数目已增至128个。目前，持香港特区护照享免签待遇已超过英国国民(海外)护照等证件所获得的免签国家和地区数目。

台湾建筑业呼吁开放进口大陆建材

台湾建筑原材料价格大涨，导致部分建筑商碍于成本的考虑而不敢开工，可能影响房地产的复苏。台湾建筑公会理事长赖正镒表示，台湾应全面开放大陆建材入口，才能解除业者眼前的困境，对大陆建材设限很没道理，现在不开放，真正缺料时，就要通过地下管道取得，但价格却要高出实际好几倍，唯有开放进口大陆建材，才能让岛内营建市场回归常态。

全球华人生物科学家大会将举行

据中国科学院宣布，“2004全球华人生物科学家大会”将于7月18日至23日在北京举行。会议旨在促进海内外华人生命科学家和企业家间的交流与合作。据了解，4至5位诺贝尔奖得主、数十名中美两国科学院院士、350位海内外生物技术专家学者届时将在全体会议或小型讨论会上作学术报告。与会者总数预计将达2000人。

我国与20个国家互认文凭

截至2004年2月5日，国家教育部公布了与中国签订国家间相互承认学位、学历和文凭的双边协议的20个国家清单：斯里兰卡、保加利亚、阿尔及利亚、秘鲁、毛里求斯、乌兹别克斯坦、喀麦隆、罗马尼亚、俄罗斯、埃及、匈牙利、白俄罗斯、乌克兰、蒙古、吉尔吉斯斯坦、德国、英国、法国、澳大利亚、新西兰。

留芬华人生命科学协会成立

留芬华人生命科学协会1月27日举行了成立暨第一届科研讨论会。中国驻芬兰大使张直鉴致辞说，留芬华人生命科学协会的成立是在芬华人科研实力的一次体现，聚集了全芬兰与生命科学相关学科一些有影响的学者。希望协会发扬团结互助的精神，加强交流，服务祖(籍)国。会上，何秋水博士被一致推举为首届大会主席。

澳洲堪培拉成立首家中文学校

2月1日，澳大利亚首都堪培拉第一家中文学校——澳大利亚标准中文学校正式成立。在开学典礼仪式上，学校的创办者、校长李复新博士说，标准中文学校将以“推广标准中文、弘扬中华文化、追求优质卓越”为校训，采用人民教育出版社专为海外华人子弟学习中文而编写的《标准中文》系列教材为基本教材，在教授标准中文的同时注重传授知识，使学生从小得到“为学、修身、做人”的熏陶。

首位华裔当选多伦多大学校长

华裔信广来日前接任拥有众多华裔学生的加拿大多伦多大学士嘉堡分校校长，成为多伦多大学有史以来首位华裔校长。现年50岁的信广来出生于中国香港，是名资深的儒哲学教授。这次他还接俸出任多伦多大学副主席，亦同时被委任了该校人文学科、哲学及东亚研究科部门的职务。

张亚勤出任微软全球副总裁

微软公司近日宣布，原微软亚洲研究院院长张亚勤博士将升任微软公司全球副总裁。至此，38岁的张亚勤成为继李开复之后进入微软核心层的又一位华人。张亚勤于1999年1月加盟微软亚洲研究院，出任副院长兼首席科学家。2000年8月出任研究院院长。

日本横滨地铁首次直达中华街

1月29日，日本横滨新交通线“未来港线”举行了开通仪式。此线路从横滨铁路交通中心站起始，一直通往中华街，使得这个闻名世界的民族特色街区首次通了地铁。该线路的开通，令东京中心城区的涩谷站与横滨中华街连成一线，地铁直达仅需30多分钟，大大便利了两地互往的游客和商务人士。

日本决定大幅扩充人名用汉字数量

由于日本现行的户籍法施行规则中限定的可供居民取名使用的汉字数量已经难以满足社会需求，日本政府方面决定着手大幅扩充其数量。日本现行的可供人名使用的汉字限定为2230个，而民间希望扩大其范围的呼声日盛。日本政府为新增人名汉字而修改现行户籍法施行规则中的相关内容，其新增的人名用汉字将有500到1000个。

新西兰中国学生骤减

大学吸引力的显示偏好排名 篇12

随着大学招生人数增加,上大学相对更加容易了。但是大部分家庭在第一个孩子进入大学学习时,面临如何在众多的招生学校中选择自己喜欢的大学的问题。大学排名对于学生和家长了解大学的声誉、特征都有巨大的帮助。目前影响较大的排名机构有三家,分别是网大有限公司、中国管理科学研究院和中国校友会网,但这些排名还没有得到广泛的认可,指标计算的数据也没有公开。[1]虽然每个排名有不同的指标体系和权重,有些排名也涉及到学校的声誉,但都没有学生和家长最关心的关于学校吸引力大小的指标。

我们根据中国高考录取机制的性质,提出了一个估计中国大学吸引力的显示偏好排名模型。基于显示偏好的大学排名度量的是学生或者家长眼里的学校吸引力,这个吸引力可能反映了学校的质量,但也不完全是学校的质量。对于什么是大学的质量,不同的人会有不同的看法。对于相同的大学特征,如声誉、师生比例、科研经费、地理位置、校园环境等,学生和家长、教育管理机构甚至普通的大众,对这些因素的权重可能都有自己的看法。我们构建的显示偏好的排名,就是这些意见的综合,反映了人们看法中的一致性因素。

基于显示偏好的学校吸引力排名综合了所有考生的选择中所包含的信息,对考生和家长了解其他人的看法具有实用价值。考生和家长们为什么要了解其他人的看法,Avery Christopher等人提供了三种解释:第一,在大学教育中,和什么人在一起学习是很重要的。见贤思齐,学生不但关心学校的质量,也关心和自己在一起的学生的情况。第二,每个考生对于学校也有各种各样的信息,但是考生明白自己的信息可能是不完全的,通过了解其他人的看法和行动,可以弥补自己信息的偏差。第三,考生可能通过选择不同的学校来显示自己的能力,这就是教育的信号甄别功能。23考生通过学校的选择来显示自己不同凡响的能力,在均衡状态时,清华大学录取的考生和江南大学录取的考生有着不同的能力。在中国的招生制度下,家长关心其他人的选择和偏好还有第四个原因:了解其他人的偏好便于考生填报志愿,协调到均衡结果。

在中国,考生是按照分数和对学校的偏好(志愿)根据高考录取制度统一录取的。在出分填报志愿时,高考录取的结果等价于把所有考生按分数从高到低排序,每个考生依次从可选择的学校中选择他最偏好的学校录取。不同分数的考生有不同的可选择范围,分数最高的学生可以选择所有的招生学校,而分数低的考生选择范围小。通过考生的选择和录取的格局,可以推断学校吸引力的分布情况。

二、概率模型

(一)大学的吸引力

为了进行大学排名,我们必然假设每个大学有一个隐含的表示大学吸引力的变量,我们可以根据吸引力的大小来给大学排名。虽然不能观测到这个吸引力,但是可以估计出它的数值。大学的吸引力由多方面因素构成,如大学的声誉、教育质量、专业、学校位置、学费、学术资源等。我们不需要知道这些特征如何构建出大学的吸引力,仅仅假设学生是根据学校吸引力的大小一致地行事。

构建这个显示偏好吸引力排名,也不需要假设所有学生对学校的吸引力有相同的看法。每个考生对于学校吸引力的看法可以在一个均值周围分布。如果所有的考生对学校吸引力的看法一样,考生的表现就会完全相同,但这并不存在。我们假设每个考生对学校吸引力的看法都有自己特异的因素,正是考生不同的看法造成了学校在争夺学生时互有胜负的模式。显示偏好排名还有另外一个好处,就是并不需要真实存在一个潜在的吸引力排名,如果在考生和家长心目中不存在普遍一致的对学校吸引力的看法,这种方法估计出来的排名就没有一致性。可以设想,如果每个考生对于大学的偏好都是随机的,最后得到的录取结果就没有任何模式,各个学校的输赢也是随机决定的,不存在一个显然的模式。但是,不管学生如何形成自己的偏好,只要在他们之间存在共同的模式,那么显示偏好排名就可以把这些系统性的因素显示出来。

(二)考生录取的多元比较问题

大学排名问题可以从多元比较的框架来看。当考生选择学校填报时,根据他的分数,他在当时仍然招生的学校进行选择。这时,所有学校就在进行一场竞争。考生从每个可以选择的学校的吸引力分布中进行抽样,得到他对所有可选择学校的个人评价,评价最高的学校就会被考生作为入学学校,这个学校就赢了竞赛。如果不存在学生个人兴趣干扰的因素,赢了竞赛的学校比其他学校受欢迎就是一个合理推断。根据所有学生的录取结果,得到了每所学校获胜的场次,汇总所有考生的信息,就可以估计学校吸引力的情况。

多元比较统计模型文献主要讨论两两比较模型,在每次竞赛中只有两个选手参与,如国际象棋、球类比赛等。这类文献被广泛研究和应用,已经有大量的关于如何从竞赛记录推断国际象棋棋手能力高低以及对于球队排名的文献。在两两比较模型的文献中,根据分布的不同,有两类最为常用的模型假设。一类是Bradley-Terry模型,假设分布是第一类极值分布。在这个假设下,二元比较模型中就会导出Logit模型。另一类常用的分布假设是正态分布,这就是Thurstone-Mosterler模型。在实际中的两两比较数据时,这两种模型得到的结果没有太大的差异,利用第一类极值分布假设的模型更容易处理和计算。[4]在Avery等人研究美国大学排名时就是利用这个分布,我们也使用这个分布假设。需要说明的是,这里的极值分布或者正态分布假设,是考生对单个学校的吸引力个人看法的概率分布假设,不是对于所有学校的吸引力的分布假设。

(三)模型设定

我们共有I所大学,其中θi=大学i的吸引力参数,i是指大学的指标,i-1,2..I。大学的吸引力是考生对大学评价的影响因素之一,考生对大学的看法也存在其他的影响因素。对任意的考生j,他对于选择集Sj内的学校评价πij由学校吸引力、学校可变特征和个人兴趣三部分构成:

θi是指学校的吸引力,包含了大学所有不变化的特征,如对于大学教育质量的平均看法和大学平均教育费用等。有些特征是随着考生的不同而变化的,我们把这些额外的变量加入以控制其他的解释因素。xij=(x1ij,x2ij…,xkij)就是大学i和学生j有关的可变变量向量,可以包括:大学是否为“211学校”、大学是否为省内大学、考生到大学的距离、第一年的学费等特征。所有这些特征都是去掉均值的,因为在估计时,这些均值不能和大学的吸引力θi分离出来。假设这些特征以线性的方式进入模型,δ是有关可变特征的影响系数。εij是考生对大学吸引力评价的随机部分,这里假设考生对每个学校的个人兴趣服从相同方差的第一类极值分布。这些因素共同决定学生对每一个学校的评价。

学生j从可选择的mj个学校中选出评价πij最大的学校入学,因而考生的选择Yj就是一个0-1向量,Y=(Y1j,Y2j,…,Ymi,j)其中变量Yij表示这个学生的选择:

由于考生选择吸引力最大的学校入学,mj个学校竞争考生j的录取结果就服从如下的多项分布:

这里pij是学生j在这mj个学校中最后选择学校i入学的概率。在第一类极值分布的假设下,可以计算出这些入学的概率为:

通过考生的选择,可以估计出学校吸引力的参数,进行吸引力的排名。如果既想知道学校吸引力的相对大下,也希望知道这种吸引力排序真实的概率,这可在Bayesian方法的框架下估计,可以从参数的后验分布中得到这个分布中感兴趣的信息。在Bayesian方法中,参数的后验分布函数是似然函数与先验分布函数乘积的一个常数倍数。对于参数的先验分布,我们假设服从近似均匀分布,各个参数的先验分布是独立的。这些先验分布由几部分组成:

这里,δk是向量δ的第k个分量。这个先验分布也是Avery等人使用的先验分布。

从学校吸引力θi的后验分布中我们可以得到需要的信息,估计了后验分布的均值,作为吸引力排名的指标。如果学校i吸引力的后验均值大于学校j吸引力的后验均值,则学校i的排名在学校j之前。对于例如“排名第9的学校和排名第10的学校的吸引力真的有显著的区别么”这类问题,我们就不能仅仅比较吸引力的点估计。我们使用Markov Chain Monte Carlo(MCMC)方法从后验分布抽样来回答这类问题。MCMC可以从(θ9,θ10)后验分布中进行抽样,“θ9大于θ10”的概率可以利用抽样数据中“θ9大于θ10”的比例来估计。这种比例类似于统计中95%的置信区间,如果这个比例是95%,就比一个46%的比例更有理由相信排名第9的学校的吸引力大于排名第10的学校的吸引力。

在执行MCMC算法时,所有参数的初值都设定为先验均值。然后,从每个参数的后验条件分布中依次进行抽样,一直到所有参数的分布都稳定下来,我们就认为达到了稳定分布,把以后的抽样认为是来自参数的后验分布,可以使用WinBUG软件执行MCMC。在10000次迭代之后,我们又进行了30000次迭代。根据模拟数据的轨迹图(trace plot),10000次的burn-in足够稳定了。为了减少自相关性,我们利用之后的每隔5次迭代的观测作为抽样的值。这样,每个参数就有6000个抽样观测值。利用这些观测值,我们计算了每两个学校两两比较时吸引力排名在前的学校胜出其后的学校比例。

三、高考录取的性质

从前面的概率模型中发现,如果知道考生的选择范围和最终录取学校,就可以估计出学校的吸引力。这一节主要讨论如何利用高考录取机制的性质确定考生的选择范围。

中国的高考录取机制是一个按照分数分配入学资格的统一录取体制,大学只是供所有考生按照分数分配的公共品。高考录取的特点是“志愿优先,相同志愿看排序高低”。聂海峰证明,在中国高考出分报考的录取机制下有唯一的一个均衡结果,这个结果是分数公平的。[5]分数公平使得录取结果具有如下的结构:每一个学校都有一个最低录取分数线,如果一个学生的分数高于一个学校的录取分数线,那么他的录取学校不会比这个学校差;同时,如果一个学生被一所学校录取,那么他的分数一定不低于这个学校的录取分数线。这样,根据每个学校的最低录取分数线,就可以知道哪些学校在考生的选择范围里。这样,根据考生的分数和每个学校的最低录取分数,就可以计算出考生的选择范围。

高考录取机制的细节可能有些影响。在实际考生填报的志愿中,不仅有考生对学校的偏好也有考生对学校内部的专业偏好。考生在填报志愿时,可能会面临“好学校但专业一般”和“一般学校但是专业较好”的选择。我们这里没有区分专业的影响,因为即使在学校内,专业的分配是以考生的分数高低来分配的,整个学校可以作为一个整体。当然,学校招生专业会影响学校对考生的吸引力。在各高校分配给各省招生计划时,在不同的省录取不同的专业,因此学校的招生专业也影响一个学校在省内吸引力的排名。下面使用浙江省文科的招生数据,构建一个地区的排名。对于这个地区的所有考生来说,面对的是同样数量的专业。学校的招生人数也会影响学校对考生的吸引力,因为招生专业过少导致招生人数过少,在报考时可能会影响选择考生的选择。招生人数太少的学校可能会由于人数不足产生较大的偏差。因此我们在估计显示偏好排名时,去掉了招生人数过少的学校。

计算考生选择范围时,我们使用的是均衡的等价性,是对实际录取结果的一阶近似。非第一志愿的学生可能会对结果产生影响。有些学生第一志愿的学校没有被录取,通过调剂录取,这使得实际录取的结果可能不是考生的真实志愿,但是考生若可以调剂,则表示对于调剂志愿是无差异的,因而不会太干扰估计的结果。有些学生由于担心第一志愿落空,会在第一志愿选择时选择一个安全的学校,而他的考分很高,这可能导致高估了最后录取他的学校的吸引力。调剂录取和二次填报志愿引起的偏差,对不同的学校有不同的影响。最低分数线较高和最低的学校不受影响,只是在吸引力相同的学校之间可能存在吸引力的偏移。由于实际的录取制度使得高估和低估某些学校都有可能,因此这两种效应可能会互相抵消。这些因素的存在可能会使得排名在中间并且吸引力接近的学校之间吸引力排名的可靠性降低。我们下面使用第一批录取学校的数据,每个学校都有很高的第一志愿满足率,这可以减轻这些因素的影响。

四、数据

我们用来构建学校吸引力排名的数据是执行出分填报录取的浙江省2004年第一批录取中文科学校的录取数据。数据来自全国高等学校学生信息咨询与就业指导中心主持的网站——中国高等教育学生信息网(http://www.chsi.com.cn)提供的收费服务:高考填报志愿综合参考系统,该系统的数据由教育部高校学生司提供。考生录取信息包括考生的考分、录取学校、录取专业、考试类型(文科、理科)。由于文理科是分开录取的,我们这里只使用了全部文科考生的数据。2004年全国有22所大学可以自主招生,自主招生名额独立于高考统一录取额,考生仍需参加高考,但可以低于投档分数线20分录取。因此我们采用的学生数据中去掉了录取分数低于投档分数的考生,减少自主招生的影响,这样,最后共有考生4021人。

考生信息的简单统计综合在表4-1中。学生的平均分600.64分,而考生入学学校最低分平均是587.4分。考生入学学校的最低分是数据中学校录取的所有考生分数的最低分,这不同于后面提到的学校投档线。投档线是招生办公室向学校提供第一志愿的考生的控制分数线,提交的名额多于学校的计划人数,因而得到的入学最低分高于学校的投档线。可以看到,学生平均分数都高于学校平均的最低分数13分左右,每个考生的可选择余地较大。

利用每个学校的最低入学分可以确定每一个考生可选择学校的集合。首先给定这个考生的分数,然后对照所有招生学校的最低入学分数,如果考生的分数高于学校的最低入学分数,就表示考生可以选择这个学校。从表4-1中可以看到,文科考生选择范围的平均数是82.18所,而全部文科学校是104所。每个考生平均可以选择80%的所有招生学校入学,有很大的选择余地。

控制学费、距离等因素可以减少吸引力估计的偏差。根据浙江省高等院校招生委员会办公室编制的《浙江省2004年普通高校招生考生手册》可以得到考生入学学校各专业的学费和学校所在地。考生与学校的距离是杭州市到学校所在城市的火车里程,从2004年铁路里程表中可以得到。对于在杭州市内的大学我们把里程计为0。浙江省省内的城市距离用中国地图出版社编制的地图册上的公路里程数。两地间没有直达的火车使用省会城市作为中转站,东北的城市如果没有直达火车则使用北京作为中转站。每个考生被实际录取学校的学费是考生录取专业的学费。对于考生选择范围内其它学校的学费,我们使用这个学校所有专业学费的平均数作为考生可能的学费数。

考生距离学校的平均距离为700公里,第一年学费平均为5600元。学校距离反映了学生入学的交通成本。学费作为入学学习费用的替代,由于我们没有住宿费用的数据,且在实际录取中,一些学校对于报考学生有各种奖励,因此学费不是入学学习的净成本。因为我们不知道录取学生的身份,因此也无法确定各种奖励。但这些学生仅是一小部分,对改变估计结果的作用不大。从表4-1也可以看到,文科考生有45%被省内学校录取,46%的考生被“211工程”的大学录取。

表4-2中包含了录取学校的招生计划数和专业数的信息。浙江省2004年第一批录取的学校有162所,其中文科招生学校120所,但是16所在网站上没有学校的文科录取数据,这16所大学的投档分数线平均为577.8,略高于文科最低录取分数线576分。而所有文科的平均投档分数线是583.1分。参与排名的文科学校有103所,平均录取人数为38.7人;录取人数最多的为391人,最少的为6人。文科学校平均录取39人,也就是说在争夺生源的竞赛中,平均意义上每个学校胜利了39次。文科录取专业平均数是8.5个,录取专业数最多的学校也仅22个。文科专业差距较少,因而“好专业和好大学权衡”的因素不大,吸引力的排名更多地反映了学校吸引力的因素。

五、结果和解释

用2004年浙江省第一批录取的文科数据进行学校吸引力显示偏好排名,只是我们模型的一个应用。首先,这里的排名是一个地方性的排名;其次,这只是所有文科考生对所有在浙江招收文科考生的学校吸引力大小的排名。在浙江省第一批录取的所有考生中,文科生有4000多人,这里估计的学校吸引力就是这4000余人的选择行为所包含的信息。如果有足够的资源得到全国学生的录取数据,我们可以构建出这些学校在全国的吸引力排名。

我们在表5-1中仅列出了前50位学校的吸引力的估计。第一批录取的学校是重点大学和浙江省一些地方学校,以重点大学为主。从表5-1中我们可以看到目前重点大学吸引力的格局,北京大学作为文科的领袖地位是不容置疑的,北京大学、清华大学和中国人民大学组成第一梯队,他们的吸引力远远领先于其他大学。吸引力排名前10位的大学依次是北京大学、清华大学、中国人民大学、浙江大学、西南政法大学、华东政法大学、复旦大学、中央财经大学、南开大学、南京大学,这些学校都是教育部直属高校。如果以10名为一组,在第一组中,排名第1的学校和排名第10的学校相差很大;而在第二组中,吸引力的差距就小了很多,其后得分差距都不大。随着排名的降低,各学校吸引力之间的差距减少,表明这些学校有着相似的吸引力。从表5-1中可以看到其他控制的变量符号是显著的,虽然有些变量不显著。“学费”和“是否是省内大学”的变量不显著,但是其他条件不变,学生愿意选择交通成本少的大学。在重点大学中,“21 1工程”大学对于考生格外具有吸引力。

注:1.由于篇幅限制,我们仅列出了排名前50的学校及其得分;也列出了控制变量系数的估计,括号中的数字是标准差。2.由于模型的性质,吸引力之间有差距才有意义,并且我们不能估计出所有学校的吸引力;我们把浙江万里大学的系数标准化为O,因此估计的吸引力系数中有负数。

前面也提到,不同的大学招生专业不同,专业的吸引力也影响学校的吸引力。从表5-1中可以看到,浙江省本省的一些大学排名很靠前,这是因为这些学校是分批次招生的,他们在不同批次录取不同的专业。因此,这里的吸引力是这些学校的招生专业在第一批次学生眼里的吸引力,并不是这些学校的综合吸引力。很显然的,当学校的排名靠后时,考生对学校吸引力看法的一致性会降低;另一方面,排名位于中间的学校之间的吸引力接近,使得吸引力的区分度降低。由于录取的性质,学校吸引力的差距只反映了平均意义上的差距,只是吸引力的点估计,即使列出吸引力的方差也并不能很好地说明吸引力排名的差异情况。

我们可以从学校吸引力的后验分布抽样,比较排名在前的学校吸引力大于排名在后的学校吸引力的比例,提供一个对表5-1中吸引力排名可信度的概率估计。这个比例类似于一个置信概率,如果比例是95%而不是40%,更有理由相信这个排名是可靠的。抽样结果显示,在排名第1的北京大学和排名第2的清华大学的吸引力的后验分布抽样比较中,每一次都是北京大学的吸引力大于清华大学的吸引力,因而比例是100%。和其他大学吸引力作比较时,“北京大学的吸引力更大”的比例也是100%。后验分布抽样中,排名第2的清华大学的吸引力超过排名第3的中国人民大学的次数比例是95%,超过其他大学的概率则是100%。中国人民大学的吸引力也以95%的概率超过其他对手。在文科前20名中,其后5位可以使得比例达到90%以上。但是在20名内,浙江工商大学、浙江师范学院和宁波大学的胜出概率远低于排名附近的学校。这可能是由于这些省内学校吸引力优势不明显所致。在20名以后,考生对于学校吸引力的看法也逐渐不一致,为了达到90%的比例需要进行比较的学校的排名已经迅速下降到20位以下。这意味着,吸引力排名前三位的学校显然超过其他学校,前20名的学校和其后5位之间的学校的吸引力统计上都不显著;20名之后的学校,吸引力在统计上都不显著,可以认为是在一个档次上的。

可以看到招收文科考生的学校的吸引力分布情况:北京大学、清华大学、中国人民大学、浙江大学、南开大学、南京大学、复旦大学、中山大学、厦门大学这些综合类大学的吸引力位于前列,尤其以北京大学为翘楚。在这些老牌传统名校之后,其他大学的吸引力近似,属于类似的层次。

六、总结

本文展现了如何通过高考录取结果来计算招生学校的吸引力显示偏好排名。显示偏好排名使用的数据是公开可得的,可以给家长和考生提供关于学校吸引力的精确信息。文中一些学校的显示偏好排名可能和许多人心目中的排名不一致。要指出的是,这是浙江省文科考生对于招收文科考生的学校的显示偏好排名,学校的吸引力也和学校投放在浙江省的专业有关。由于现在许多学校大量招收本省学生,投放在外地的专业指标未必有吸引力,因此可能和本省的录取偏好不一致。这里的排名只是一个地方性的排名。由于有些理科类的学校仅招收理科考生,这并不这些理科类学校的吸引力就比本文所列学校的吸引力差。

除了估计各学校在考生和家长心目中受欢迎情况,模型也可以用来帮助考生评价在填报志愿时不同填报策略的风险情况。在考后报考时,考生的分数决定了考生在所有学生中的位次。考生能否被一所学校录取,依赖志愿是分数高于该考生的人数是否多于学校的计划招生人数。根据本文估计的学校吸引力的情况,可以模拟不同分数考生对学校的评价和选择,计算出每个分数的考生可以被每个招生学校录取的概率,使用这个概率,就可以评价每个考生填报不同志愿时被录取的概率。

最后,本文再次强调,此处的显示偏好排名只是基于考生和家长的选择得出的学校吸引力的测量,并不必然就是学校质量的反映。

参考文献

[1].搜狐．盘点1987-2005中国大学排行榜[EB/OL]．http：//learning．sohu.com/20050221/n224361408．shtml，2005-02-21．

[2].Christopher Avery,Mark Glickman,Carohne Hoxby,Andrew Metrick.A Revealed Preference Ranking of American Colleges and Universities[Z].NBER working paper W10803,2004.

[3].Hal Stem.Are All Linear Paired Comparison Models Empirically Equivalent?[J]Mathematical Social Sciences,1992,(23):103-117.

[4].聂海峰．高考录取机制的博弈分析[J]．经济学，2007，6，(3)：899-916．