虚拟变量模型论文（共4篇）
虚拟变量模型论文 篇1
本文中使用的涡扇发动机模型就是按照第一种方法建立的非线性发动机模型。该模型做了如下两个简化:1) 不考虑雷诺数对部件特性的影响和燃烧延迟的影响;2) 气体流动按准一元流动处理。
发动机状态变量模型
动态系统的非线性状态和输出方程可以通过式1.1表示:
式中, f和g是状态变量, 输入变量及时间的非线性函数。对于涡轮发动机, f和g在发动机内均为平滑函数。
在某一稳态工作点有如下公式成立:
因为是稳态点, 所以x0=0。在这一点附近进行泰勒公式展开, 可以得到:
在 (x0, u0) 的邻域内, 去掉高阶无穷小。 (1.3) 式可以由一阶偏导数近似, 即:
式中, , 下标0为稳态点。同理, 可得对象输出的表达式:
式中, Δy=y-y0。令,
则 (1.4) 和 (1.5) 转化为:
式 (1.6) 是涡扇发动机状态变量模型表达式。选择发动机低压转子转速nl与高压转子转速nh作为状态变量, 选择发动机燃油消耗率Wf作为控制输入量, 输出量采用所有可能的传感器测量值, 涡扇发动机上可以使用的传感器测量参数有低压转子转速nl与高压转子转速nh, 风扇/低压压气机出口温度t22和压力p22, 压气机出口温度t3和压力p3, 低压涡轮进口温度t42, 低压涡轮出口温度t5和压力p5。将参数代入式 (1.6) 得:
当采用物理量参数建立SVM时有两个主要缺点:
1) 式 (1.7) 中的状态变量模型分量都是物理变化值, 在发动机飞行包线中各个飞行状态下, 状态变量模型的系数矩阵也随之改变, 这就使得线性化的模型需要在不同的飞行高度和马赫数下求取系数矩阵, 需要获取如此众多的状态变量系数矩阵对设计而言是很困难。
2) 利用物理量所获取的系数矩阵之间数量级相差大, 导致系数矩阵的条件数大, 对后面利用卡尔曼滤波估计是很不利的。
为了解决该缺陷, 本文采用归一化的无量纲相似参数建立状态变量模型。在某一点求取系数矩阵, 通过相似换算覆盖全包线, 为了改善矩阵的条件数, 将通过设计点进行归一化。本文采用在海平面静止条件下的设计点相似参数来做归一化处理。
参考文献
[1]闻新, 周露, 李东江, 贝超.MATLAB模糊逻辑工具箱的分析与应用[M].北京:科学出版社, 2001.
[2]范作民, 孙春林, 林兆福.发动机故障方程的建立与故障因子的引入[J].中国民航学院学报, 1994.
虚拟变量模型论文 篇2
通过对相关文献的分析,发现以往研究集中于对虚拟社区知识共享的动机性解释[2,3]。然而,除了特定领域(如社会学、行为学、信息技术)的动机外,个体行为往往还受到抽象人格特质的影响。试图从人格特质这一独特视角出发,基于创新扩散理论和社会价值取向的概念,探讨人格特质对知识共享的影响,以期为互联网社会化内容产生平台的管理者提供一些指导性的建议。
1 理论基础与研究假设
1.1 人格特质对虚拟社区知识共享的影响
知识共享是两个或两个以上个体之间的沟通过程。影响社区成员分享知识的因素有很多,从个人层面看,主要包括各种动机源(Motivation Sources)[4]和抽象的人格特质[5]。目前大多数从人格特质角度进行的知识共享研究都是基于大五模型(Big FiveeModel)的。该模型描述了最高组织层次的5方面人格特质,即经验开放性(Openness to Experience)、尽责性(Conscientiousness)、外向性(Extraversion)、亲和性(Agreeableness)和情绪稳定性(Emotional Sta-bility)。相关研究指出,高尽责性和亲和性的个体更愿意与他人分享知识,而不是低尽责性和亲和性的个体[5,6,7]。因此,采用与尽责性和亲和性相关的两个框架:创新扩散理论(Innovation Diffusion Theory)和社会价值取向(Social Value Orientation)的概念,探讨人格特质对虚拟社区知识共享的影响作用。
1.1.1 创新扩散理论
创新扩散理论研究了新观念、新技术或新事物(即创新)被个体或其他采用单位接受和传播的社会过程[8]。虽然知识共享不能完全被称为“创新”,但在目前的虚拟环境中,新内容的贡献仍是相当有限的[9]。对于大众而言,知识共享(如创建、修改百科词条)始终是一项非常规的在线活动。因此,从创新扩散理论的角度看,虚拟社区中的知识共享可视为一种创新。社区用户群体中的创新扩散分为若干阶段,从个体首次接触创新、产生兴趣,到尝试创新、观察评价,再到决定是坚持还是舍弃该创新,每个阶段的扩散速度不尽相同[8]。除了各种情境因素外,拥有某些特定人格特质的群体对创新的扩散也起到决定性作用,其中最有影响力的当属潮流领导者(Trendsetting)和意见领袖(Opinion Leader-ship)。
高潮流领导者特质的个体是创新的早期接受者,他们热爱新鲜事物,是第一个或首批获得创新体验的人[10],吸引他们的通常是创新自身的新颖性。高潮流领导者特质的个体善于沟通,愿意和别人分享自己的体验和心得,但在“影响他人”方面,并没有内在需求。事实上,如果某项创新的采纳已经大范围扩散,不再“独特”,反而会失去对这类群体的吸引力。Gunnesch等的实证研究显示,高潮流领导者特质的人群更愿意使用新型计算机技术[11]。由此推测,网络内容发布的新颖性,会促使高潮流领导者特质的社区成员与他人分享知识,而这一行为的核心驱动力就是创新本身(即活跃的知识共享)。因此,提出假设:
H1:虚拟社区成员的潮流领导者特质与知识共享呈正相关关系。
另一方面,高意见领袖特质的个体不会被创新本身所吸引,而更倾向于在自己重视的话题上,影响他人的观点和态度[8]。他们拥有较强的人际交往能力和自信心,展现出强烈的社会取向,核心特征就是在特定话题上,频繁地为他人提供信息,并发表自己的观点[12]。高意见领袖特质的个体通常见多识广,有良好的教育背景,被追随者视为可信赖的信息源,同时他们也是社区群体的主要信息来源。虚拟社区为人们提供了向广大网民传播观念和想法的环境,这种环境对意见领袖来说相当具有吸引力。高意见领袖特质的个体为实现根本目标(即就重要议题影响他人),很可能会参与社区知识共享,从而通过他们所分享的知识影响他人。因此,提出假设:
H2:虚拟社区成员的意见领袖特质与知识共享呈正相关关系。
1.1.2 社会价值取向
社会价值取向指“个体对于自己和他人结果分配的特定偏好”[13],通常被视为一种稳定的人格特质。具有亲社会(Prosocial)或利他(Altruistic)价值取向的个体会尽量将自己和他人的利益都最大化,个人主义(Individualistic)的个体则只关心个人利益的最大化,不考虑他人利益。Galletta等的实验研究表明,亲社会的价值取向会促进面对面(Face-to-Face)团队中的知识共享行为,个人主义则不会[14]。在虚拟社区中,用户内在的义务感(Sense of Obligation)和利他情感(Feeling of Altruism)是知识共享的主导诱因[15]。由此推测,亲社会的价值取向会促使不同组织单位的成员在虚拟环境中相互交流知识,哪怕对方是目前不认识、未来也不一定会去主动结识的陌生人[16]。因此,提出假设:
H3:虚拟社区成员的亲社会价值取向与知识共享呈正相关关系。
1.2 内在动机的调节作用
动机是人类行为的决定因素,具体可分为外在和内在两种[17]。外在动机从外部激发行为,个体的动力源泉不是来自任务本身,而是执行任务后获得的奖励,如表扬、奖金或荣誉。绝大多数研究都发现,外在动机对知识共享没有显著影响[4,18],即外在动机对知识共享行为的预测力远远不及内在动机。
内在动机是存在于个体内部的、任务自身所带来的动机(如愉悦性)。许多员工分享知识都是出于挑战自我、提高自信、展现自己对组织的价值等内在动机[4]。越来越多的学者认为,内在动机是一个多维的变量,其中以任务愉悦性(Task Enjoyment)最为重要[2]。个体对沟通媒介的评价显著影响着任务愉悦性,如Daft和Lengel指出,沟通媒介(如电话、Email)的丰富性(Richness)决定了该媒介在不同情境中的有效性[19]。个体差异则在一定程度上影响了人们对某种通讯设备的使用偏好[20]。例如,拥有高度自我监控(Self-Monitoring)能力,即对社会和人际沟通线索较为敏感的个体,通常更偏爱包含非语言信息的沟通模式(如视频聊天),而不是缺乏这类信息的交流方式(如文本聊天)。虚拟社区中的知识共享是一种特殊的沟通形式,因此,社区成员的内在动机主要体现为知识分享过程中的愉悦性和趣味性。个体的内在动机不尽相同[21],有的喜欢体验助人为乐的喜悦,有的则希望尽量做到客观,从而避免这些感受。由此推测,内在动机会对人格特质与知识共享之间的关联起到增强或削弱的作用。故提出假设:
H4:内在动机对潮流领导者特质与知识共享之间的关联起到调节作用。
H5:内在动机对意见领袖特质与知识共享之间的关联起到调节作用。
H6:内在动机对亲社会价值取向与知识共享之间的关联起到调节作用。
2 研究设计
2.1 样本选择和数据收集
选取知识共享社区维基百科为调研对象。维基百科由来自全球各地的志愿者合作编辑而成,在成立数年内就成为广大网络用户的信息资源中心。数据收集在2014年2月至3月进行。匿名的在线调研邀请主要以站内信和Email的形式,随机发放给国内外著名社交网站用户。由于维基百科的活跃贡献者在一般公众中所占比例较低(相较于每月3.5亿的读者,只有约100万的用户参与词条编辑[9]),研究选择了若干与维基百科相关的公共邮件列表(Public Mail-ing List),邀请活跃的维基作者参与调研。问卷采用Survey Gizmo(http://www.surveygizmo.com/)和问卷星(http://www.sojump.com/)进行管理。剔除无效记录后,共获得由142位读者和162位作者组成的数据样本(N=304)。其中女性有164位,男性140位;平均年龄为28.78岁(SD=10.11);样本的总体教育程度较高,1/2以上(187位)拥有大学本科及以上学历。
2.2 变量测量
知识共享采用2种方式测量:①通过一个二分类问题(你如何使用维基百科?a.我只阅读词条,b.有时我会添加新词条会修改已有词条),确定参与者的身份是读者(编码为0)还是作者(编码为1)。②询问参与者在最近一个月内创建或修改词条的数量,并通过一个有序分类变量(1表示“不超过5条”,2表示“6-10条”,3表示“11-20条”,4表示“21-30条”,5表示“31-50条”,6表示“51-70条”,7表示“71-100条”,8表示“超过100条”),测出知识共享的程度。潮流领导者特质采用Batinic等开发的简化TDS-K量表[10],共9个测度项(如“我喜欢尝试新鲜事物”)。意见领袖特质来自Gnambs和Batinic研究中所用的量表[22],共9个测度项(如“我很容易影响周围的人”)。亲社会价值取向采用Van等提出的社会取向测量工具[13]。该工具为包含了9个选择情景的分解囚徒博弈(Decomposed Prisoner Game),要求参与者从3个不同的选项中,决定分配给自己和假想对手的分数,每个选项都代表了一种典型的社会价值取向。如果参与者选择了不少于6个的亲社会选项,则认为其拥有亲社会的价值取向(编码为1),反之编码为0。内在动机的5个测度项则来自Choi等的研究[23]。潜变量的所有题项均采用5级Likert量表计分(1=非常不同意,3=中立,5=非常同意)。
2.3 分析方法
涉及潜变量(潮流领导者特质、意见领袖特质和内在动机)、二分类变量(亲社会价值取向和作者身份)和有序分类变量(修订次数),因此,首先采用验证性因子分析(CFA),对由潜变量构成的测度模型进行信度和效度检验;然后采用潜在回归(Latent Re-gression)分析和简单斜率(Simple Slope)分析,验证所提出的6个假设。其中,对于作者身份,采用潜在逻辑回归;对于修订次数,采用潜在有序回归。
假设检验具体分为两步:①通过对数似然差异检验(Log-Likelihood Difference Test),分别分析不含交叉项和含有交叉项的回归模型,根据主效应和交互效应的显著性,判断假设是否成立。②针对显著的交互效应,采用Aiken和West提出的简单斜率分析[24],取调节变量的条件值(Conditional Value)为均值加/减标准差,计算简单斜率,绘制交互效应图,并采用t检验,分析简单斜率的显著性,相关公式为:
其中,b1和b3分别为自变量和自变量*调节变量的回归系数,Z为调节变量的条件值,seb1和seb3分别为b1和b3的方差,covb13为b1和b3的协方差,该t统计量的自由度(df)为N-p-1,N为样本量,p为自变量个数。
数据处理和分析软件为SPSS 18和LISREL 8.70。
3 实证研究结果
3.1 测度模型检验
测度模型包括3个潜变量,表1给出了各变量的均值、标准差及信效度检验的指标。结果表明,潮流领导者特质(TDS)、意见领袖特质(OLS)、内在动机(IM)的!系数(Cronbach’s alpha)和综合信度(CR)均大于0.7,表明测度模型具有良好的信度。在信度通过的基础上,除TDS2、TDS7和OLS3外,其余各题项的标准因子载荷均高于可接受门槛,平均萃取变差(AVE)均大于0.5,因此聚合效度良好。相关系数矩阵对角线上的系数值(即AVE平方根)均大于该变量与其他变量的相关系数,表明区分效度良好。此外,测度模型的拟合度也较令人满意(χ2(df)=3.82,RMSEA=0.067[0.05,0.08],GFI=0.90,AGFI=0.85,CFI=0.94,NFI=0.92,NNFI=0.93)。因此,测度模型的质量非常理想。
注:TDS为潮流领导者特质,OLS为意见领袖特质,IM为内在动机;*最终数目(原始数目),M为均值,SD为标准差;对角线上的粗体数值为AVE平方根。
3.2 假设检验
首先,针对作者身份,采用潜在逻辑回归进行分析。三个主效应(H1-H3)的分析结果见表2的回归1,从中可见,潮流领导者特质(OR=1.43,p<0.05)和亲社会价值取向(OR=3.19,p<0.001)对作者身份有显著的预测作用,且后者预测力更强;意见领袖特质与作者身份也有显著关联,但与假设相反,这种关联是负向的(OR=0.79,p<0.05),即该特质更多地体现在读者身上。因此,H1和H3通过验证,H2则得到负向支持。
在回归1的基础上,将人格特质与内在动机的交叉项纳入模型(见表2的回归2),通过分析交互效应来检验H4-H6。结果表明,潮流领导者特质对知识共享的影响被内在动机显著正向调节(OR=1.58,p<0.05),亲社会价值取向对知识共享的影响被内在动机显著负向调节(OR=0.82,p<0.05),意见领袖特质对知识共享的影响不受内在动机调节(OR=0.87,ns)。因此,H4和H6得到了支持,H5未通过验证。
注:AUS为作者身份,NOR为修订次数;TDS为潮流领导者特质,OLS为意见领袖特质,PVO为亲社会价值取向,IM为内在动机;OR为优势比,B为偏回归系数,SE为标准误差;ACI为赤池信息量,BIC为贝叶斯信息量;*p<0.05,**p<0.01,***p<0.001,ns为不显著。
为了解调节效应的具体模式,采用简单斜率分析,进一步对H4和H6进行探索。图1为简单斜率的交互效应图。H4的分析结果显示,当内在动机较强时,潮流领导者特质与知识共享显著正相关(b=0.85,t=4.07,p<0.001);当动机较弱时,潮流领导者特质则无法预测知识共享行为(b=-0.07,t=-0.37,p=0.36>0.05)。H6的分析结果显示,不论内在动机是强还是弱,亲社会价值取向都与知识共享显著正相关(强动机:b=0.89,t=2.49,p<0.01;弱动机:b=1.29,t=3.55,p<0.001),但这种关联会随着动机的增强而减弱,显著性也会降低。
针对修订次数,采用潜在有序回归进行分析(见表2的回归3和回归4)。与前文发现相一致,潮流领导者特质(OR=1.55,p<0.001)和亲社会价值取向(OR=2.77,p<0.001)与知识共享显著正相关,意见领袖特质与知识共享显著负相关(OR=0.83,p<0.05);内在动机对潮流领导者与知识共享的关联有促进效果(OR=1.77,p<0.05),对亲社会价值取向与知识共享的关联有抑制效果(OR=0.94,p<0.05),简单斜率分析的结果也与前文一致(交互效应图和t检验结果略)。
4 结论与讨论
从大五人格中的尽责性和亲和性出发,基于创新扩散理论和社会价值取向的概念,提出了一个以内在动机为调节变量的人格特质对虚拟社区知识共享的影响模型,并通过实证数据对相关假设进行了验证,得出了以下三个结论:
1)亲社会价值取向是虚拟社区知识贡献者最突出的特征,潮流领导者特质对知识共享也有显著的预测作用。因此,对于知识共享社区的开发团队而言,应特别关注拥有高度亲社会价值取向和潮流领导者特质的用户,向他们强调社区的独特性和网络内容创作的创新性,为他们创造积极的体验,以促进社区中的知识共享。
2)意见领袖特质对虚拟社区知识共享有显著的负向影响。也就是说,低意见领袖特质的社区成员更愿意分享与他人分享知识,高意见领袖特质的个体则更有可能是知识的接受者,愿意使用或应用社区所提供的知识的人。因此,对于寻求用户反馈(如产品评价)的组织而言,应尽量吸引高意见领袖特质的用户,因为他们更愿意接受和在自己的社交圈内传播组织提供的信息资讯。
3)随着内在动机的增强,潮流领导者特质对知识共享的预测力会显著提高,亲社会价值取向对知识共享的预测力则会得到一定抑制。因此,当社区成员共享知识的内在动机较强烈时(如对社区评价较高),建议管理者多关注高潮流领导者特质的用户;反之,当动机不明显时,应多关注拥有亲社会价值取向的用户,以提高知识共享的有效性。
对培养质量评价模型变量的研究 篇3
职业教育的质量在不断提升,也越来越受到全社会的重视。但是,对培养的质量的评价,因评价者的目的、角度、方法、时机各有不同,所以使得质量的评价有所差异。企业、学生对人才培养质量的评价可能与学校的自我评价内容与方式会有很大的差别,如很多企业对学校的规模、图书等因素并不关心;毕业生认为,能让我找到满意工作才是好的培养质量……。那么,采用什么变量以及评价方式对改进培养质量是有效的?
评价变量应既评价“教书”质量、又能评价“育人”质量的,能够覆盖培养过程、培养效果的评价;以外部顾客身份为评价主体提供客观的评价;符合行业特点的评价。
2模型理论假设
为能够准确地构建模型,第一,明确教育服务的顾客。职业学校的产品是教育服务,学生既是顾客又是服务的载体,用人单位是职业教育的最终消费者。将质量评价者设定在毕业生和用人单位这两个外部的终端顾客上。所以,构建的评价模型既包含了职业教育的形成性评价(毕业生的评价)也包含了终结性评价(用人单位及毕业生评价)。
第二,以公路行业的中等职业教育为研究对象,是指为培养从事公路桥梁施工与养护、市政工程施工、筑路机械操作与维护等相关岗位技师、技术工人而提供的职业教育。行业的工作特点有工程机械更新较快,对操作技能要求较高;工作地点偏僻交通不便,业余生活较枯燥;施工养护工作以团队形式为主等;在设置模型变量时应予以重点考虑。
第三,评价模型的使用目的不仅用于评价职业教育的质量水平,更重要的作用在于为改进职业教育质量提供依据。
3建立变量体系并构建模型
因培养质量中涉及到许多需要评价的变量(例如职业素养)不能准确、直接地测量,我们使用与这些变量有因果关系的能够直接测量的二级观测变量(如学生责任心培养、学生自我学习能力培养、学生的团队合作能力培养、吃苦耐劳精神培养等)去间接测量它们。
3.1质量评价中的影响因素及变量体系
模型构建依然遵循前期建模的理论思路,以顾客期望、感受质量、感受价值、满意等几方面出发构建潜变量、观测变量,研究过程主要由问卷调查获得数据、模型拟合、模型参数估计、模型解释、验证几个过程组成。潜变量:学校形象、职业技能、职业知识、职业素养、评价质量,对应的观测变量共16个,模型的路径图如图1。
3.2模型假设
模型变量假设
“学校形象X1”对顾客在购买、消费教育服务之前,强烈影响顾客的预期。
“学校形象X1”与“培养质量Y”存在正向相关关系。
“培养过程X2”的观测变量有:
教学设施(X21);是指教学设施硬件环境
实训实践(X22):是指实训设施、实训场地、实训方法等方面;
教师能力(X23):是指教师授课、教学组织、实训指导等综合能力;
课程设置(X24):是指专业可设置是否合理;
学校管理(X25):是指学校与学生有关的管理方面;
课余活动(X26):是指学生团队意识、管理能力、人际交流等方面的培养。
“培养过程X2”与“培养质量Y”存在正向相关关系;与“培养效果X3”存在正向相关关系。
潜变量“培养效果X3”体现毕业生心中职业教育应达到的效果。
工资收入(X31):对工作的薪资满意程度;
专业就业(X32):工作是否与专业吻合;
职业发展(X33):对个人职业前景的判断;
就业难度(X34):是否较容易地找到工作。
“培养效果”与“培养质量”存在正向相关关系。
潜变量“培养质量Y”在学生对预期、过程、结果评价之后所形成的类似于“满意”的评价信息。总体质量(Y11)测量总体评价;与同类型的职业教育比较(Y12);与理想的质量水平比较(Y13)
企业版模型变量假设
“学校形象”同毕业生版模型一样,以获取顾客的预期为目的。企业对行业内的职业教育学校会有一定的了解,如在公路行业内的地位或者在本地区公路行业职业教育中的地位。
“学校形象”与“培养质量”存在正相关关系。
潜变量“职业技能”共三个观测变量,主要获取企业对学校在技能方面的培养质量感受。因职业技能的岗位特点非常鲜明,为使答题人能清晰理解题意,我们在问卷设计时将这三个变量分专业提问。(浙江公路技师学院为公路行业培养的人才专业方向大致分为筑路养护类和筑路机电类)
设备操作(X21):是指水准仪、经纬仪或压路机、摊铺机等典型设备的熟练操作;
工具使用(X22):是指机械维修工具或制图绘图软件或制备试验件工具等使用;
任务作业(X23):是指独立完成任务的能力。
“职业技能”与“培养质量”存在正相关关系。
“职业知识”意在通过企业对学生职业知识的结构及掌握情况的感知来获取评价信息。同“职业技能”潜变量一样,问卷问题也按专业分类。
筑路养护(X31):是指公路施工、养护等工作必须掌握的职业知识;
术语标准(X32):是指与专业相关的行业术语及技术标准等知识;
安全规程(X 3 3):是指岗位安全操作的基本要求。公路施工行业中,安全生产始终是占有非常重要的地位,
“职业知识”与“培养质量”存在正相关关系;与职业技能存在正相关关系。
“职业素养”的观测变量有责任心X41、团队合作X42、吃苦耐劳X43、自学能力X44、劳动纪律X45共五个。公路系统的中等职业教育,许多专业是为培养从事公路桥梁施工与养护、市政工程施工、筑路机械操作与维护等相关岗位技师、技术工人而提供的职业教育。公路的施工养护等工作的特点有工程机械更新较快,希望能具备一定的操作技能和自我学习能力;工作地点偏僻交通不便,业余生活较枯燥;施工养护工作以团队形式为主等。
责任心(X41):是指学校对学生的责任心方面的培养;
团队合作(X42):是指学校对学生的团队合作意识方面培养;
吃苦耐劳(X43):是指学校对学生的吃苦耐劳方面的培养;
自学能力(X44):是指学校对学生的自学能力方面培养;
劳动纪律(X45):是指学校对学生的劳动纪律方面培养;
“职业素养”与“职业知识”、“职业技能”、“培养质量”均存在正相关关系。
潜变量“培养质量Y”是企业对培养的质量预期(学校形象)、质量感知(技能、知识等)进行综合比较之后所形成的类似于“满意”的评价信息。
3.3模型表示
培养质量评价结构方程模型包含:测量方程模型(潜变量与观测变量的关系)和结构方程模型(潜变量之间关系)。
4模型拟合与参数估计
部分拟合指标如下RMSEA=0.05 NFI=0.72 IFI=0.95TLI=0.95 CFI=0.95 Chi-square=120.45 Degrees of freedom=107 Probability level=0.18指标中NFI值较低(仍在可以接受的范围内),其他指标均表现很好。可以得到模型假设成立的拟合结论。路径系数及载荷系数见表1,模型的方程表示如下:
5模型解释
1)知名度与行业地位均与学校形象(X1)呈正相关且相关系数较高,符合模型假设。
2)职业技能(X2)与其观测变量相关性由高到低为“任务作业”“工具使用”“设备操作”,载荷系数均大于0.6。企业更加重视完成任务的综合能力,符合逻辑。但设备操作排在最后,与我们假设有出入(问题不严重,可以接受)。
3)职业知识(X3)中“安全规程”系数较高,反应了企业对安全的重视。“术语标准”得分较低。过低的分数可能与样本的大小有关。
4)职业素养X4得分由高到低为“责任心”“团队合作”“吃苦耐劳”“劳动纪律”“自学能力”。其中“自学能力”系数值较低(<0.5)是可以理解的,因毕业生的学历等因素,企业很少会将使用新工艺、新技术、新设备的压力施加在中职毕业生身上。有些毕业生已经承担了一些管理职能,所以“责任心”“团队合作”的分数较高。几个观测变量的得分及次序符合假设。
5)因同在公路行业内,企业对学校的知名度以及学校在行业中的地位了解得比较多,所以培养质量(Y)与学校形象的相关性较高是可以理解的。
6)职业技能(X2)、职业素养(X4)均与评价质量(Y)呈正相关关系,符合模型假设。职业技能的路径系数较高,说明企业对操作技能的重视,也符合职业教育的特点;职业素养的形成与学生的人生观、价值观、道德品质等因素密切相关,是长期形成的。职业素养的路径系数微高于“学校形象”合乎逻辑。
6结论
对毕业生及企业不同的模型设计两种调查问卷,两个模型经多次修正后拟合指标良好,模型的理论假设及变量得到验证。构建的模型克服了质量评价的主观随意性,模型中的变量较全面表达职业教育服务顾客的评价意见,是更为准确地反映评价要素与评价目标的评价模型。实证分析结果表明,该模型误差小、客观性强,是科学合理的。
在研究中发现,有些问题虽然没有影响研究的结果,但仍是需要解决的。我们将其列出以作为进一步研究的方向。
1)扩大模型的适用范围,公路行业的许多学校培养的专业已延展到汽车、管理、物流等。应将评价模型适度的覆盖这些专业,使得对学校的评价结论更加完整,变量应对专业的覆盖要求有响应。
2)评价模型应覆盖职业教育的所有顾客,在校生的意见虽然不能作为完整的培养质量评价结论,但是对教学阶段的评价是有非常重要的意义的;学生毕业后,有继续深造的,有在非公路行业就业的,有自主创业的,他们作为顾客有权利评价培养质量,学校也应该获取这部分学生对培养质量的评价。
随着我国职业教育改革的不断深化,社会和学校的人才观、教育观、质量观、评价观等随之发生改变,更重要的是顾客的需求的改变。这些变化要求教学质量评价要素、标准不断地变化。因此,培养质量评价变量不是一成不变的,应随着评价主体(学生)和环境(社会和学校)的变化而变化。因此,研究教学质量评价变量及模型的变迁、有效性、可信度等方面是教学质量评价将来需解决的重要问题。
摘要：采用结构方程模型方法构建了以顾客为评价主体的“公路系统应用型人才培养质量评价模型”,模型由毕业生版和企业版组成,本文对模型中的变量体系进行了深入的分析研究,使得模型中的变量体系凸显了行业的职业特点,适用于公路系统的职业教育的培养质量评价。
关键词：培养质量,评价模型,变量体系,结构方程
参考文献
[1]赵富强.基于PLS路径模型的顾客满意度测评研究[D].天津大学,2010.
[2]宁禄乔,刘金兰.Stone—Geisser检验在顾客满意度中的应用[J].天津大学学报:社会科学版,2008(3):238-242.
[3]唐启义,唐洁.偏最小二乘回归分析在均匀设计试验建模分析中的应用.数理统计与管理,2005.
[4]钟嘉呜,李钉芳.粗糙集与层次分析法集成的综合评价模型.武汉大学学报:工学版,2008.
[5]包含丽.基于顾客满意度的成人高等高等教育教学质量评价模型研究.温州大学学报:自然科学版,2007.
[6]李香华.构建科学的课堂教学质量评估体系[J].中国大学教学,2000(2):47-48.
虚拟变量模型论文 篇4
随着4G网络规模的扩大, 运营商对网络规划设计的精细化程度要求越来越高。4G网络精细化的建设离不开精确规划, 仿真是评估规划合理性的重要手段。常用的COST-231HATA模型以及SPM模型使用频段最高为2G, 不适用LTE2GHz以上的仿真, 且高度依赖传播模型矫正结果。而对于一个庞大的网络, 场景种类繁多, 很难一一进行传播模型的矫正, 对规划的精确评估影响很大。
射线传播模型 (Cross Wave) 是一个高级的通用传播模型, 由Orange Labs实验室开发, 支持目前所有的无线传输技术, 支持200MHz~5GHz范围的频段。作为高级的传播模型, 射线传播模型主要模拟3种传播现象:垂直衍射, 水平面的导向传播及山脉区域的反射传播, 对模型矫正的依赖程度相对较低。
目前, 射线传播模型在无线通信领域的应用较少, 对其各个参数的设置影响认识有一定的争议, 需要通过仿真结果对比来了解不同参数发挥的作用, 以指导规划仿真。
2 射线传播模型 (Cr oss Wav e) 介绍
射线传播模型是Atoll仿真软件中一个可选的高级传播模型, 由Orange Labs实验室开发, 由Forsk公司发布和支持, 是Atoll的一个可选功能。
射线传播模型是高级的通用传播模型, 支持所有无线技术, 如GSM、UMTS、CDMA2000、WIMAX、LTE等;支持从200MHz~5GHz范围内的频段;支持所有的小区类型, 从微蜂窝小区、迷你蜂窝小区到宏蜂窝小区等;支持任何类型的传播环境, 如密集城区、城区、郊区、乡村等。利用CW (continuous waves连续波) 测量数据, 射线传播模型可以进行任何传播环境的自动模型校正[1]。
作为高级的传播模型, 射线传播模型主要模拟3种传播现象, 垂直衍射, 水平面的导向传播及山脉区域的反射传播。
3 射线传播 (Cr oss Wav e) 模型地图设置以及参数设置仿真
射线传播模型能对信号进行客观现实的模拟, 包括建筑物垂直面的衍射, 街道水平面的导向传播及山脉区域的反射。不同于以往统计性的模型, 射线传播模型模拟更高级的信号传输[2]。统计性模型只能考虑2D (垂直面) 的衍射效果, 而射线传播模型考虑除了2D之外, 还寻找3D方向上所有的信号传输效果, 包括在街道水平方向的导向信号传播。3D信号模拟射线传播模型的决定性优势在微蜂窝环境, 特别是摩天大楼和CDB环境中, 建筑物顶部的衍射信号效果已经不是最重要的, 而建筑物周围 (例如街道) 的信号传播才是最重要的, 这时射线传播模型能带来精确的信号模拟效果。
影响Atoll仿真结果的地图包括Height (DTM) 地图、Clutter Class地图、3D Building Vector地图, 射线传播模型效果的准确性跟各种地图的可用性有很大关系, 地图在Atoll中的可用性越多, 射线传播模型模拟的效果越精确, 其中Height (DTM) 地图在仿真中是必须使用的[3]。
乡村环境下, 建议最低的地图配置要求包括DTM地图和Clutter Class地图。在密集城区, 建议所有的地图都可用, 特别是3D建筑物矢量地图, 为微蜂窝环境带来非常精确的效果。
射线传播模型无法直接使用导入的3D地图进行仿真计算, 所需地图导入到Atoll后, 还需生成Morphology、Facet、Graph 3个index (函数) 供射线传播模型计算使用。
Morphologies index是由DTM地图和Clutter Classes地图生成的。在射线传播模型中勾选这2个地图后, 就可以生成Morphology index文件了。
Facet Index是由DTM地图生成的, 用来模拟山脉的反射影响。生成的Facet index栅格文件, 包含每个像素上可见的Facets。Facets信息可以模拟宏蜂窝小区的反射现象, 因此, 在生成Facet Index前需先导入DTM地图。
Graphs是由3D Building矢量地图生成的, 用于模拟道路 (地图上的街道) 。Graphs信息可以让模型考虑在迷你和微蜂窝小区环境中的 (水平) 导向传播, 用于寻找收发端之间的所有传播路径。
4 仿真与路测数据对比
选取一个FDD-LTE制式基站做仿真对比, 频段为2.1GHz, 天线挂高40m, 具体工程参数如表1所示, 站点所在位置如图1所示。
站点位于某市中心12层楼顶, 挂高40m。仿真区域选择小区主瓣方向65°范围内路测区域。仿真区域地处市中心, 其中部分区域处于开阔地带, 如图2所示。主要信号为直射信号和水面反射信号;部分区域建筑不密集, 主要信号为绕射和反射信号。
仿真时仅导入Height地图, 并使用默认Cross Wave参数, 仿真结果与路测结果对比如表2所示。
在此种参数配置下仿真结果比路测结果好29.29d B, 因此, 仿真结果不能直接使用。
5 结语
通过以上调整参数的尝试, 依次对剩余参数进行修改对比仿真, 可以看到在没有模型矫正的情况下, 以Cross Wave为模型的仿真结果与真实路测情况的差别较大, 而该模型大部分可调参数对结果的影响都较小, 为提高仿真中调整参数的效率, 建议初始参数设置如表3所示, 具体参数设置建议应根据实际情况进行调整, 以适应特定场景以及频段。
摘要：通过场景、射线传播模型参数的不同设置, 对比仿真结果差异, 分析总结参数对射线传播模型的影响, 得出各主要参数对射线传播模型的影响程度, 并研究相关参数在各场景下的设置建议。积极探讨射线传播模型相关参数对仿真结果的影响, 指导射线传播模型在以后网络建设中的使用, 根据运营商现有LTE网络情况, 提出射线传播模型仿真参数设置建议。
关键词：LTE,无线传播模型,射线传播模型 (CrossWave)
参考文献
[1]Jiancheng Liu, Mobile Telecommunication Technology and Networ Optimization[M].Beijing, Posts&Telecom Press, 2009.
[2]吴志忠.移动通信无线电波传播[M].北京:人民邮电出版社, 2002.