本科生毕业论文问卷指标有效性评估研究 摘要：实证类毕业论文问卷指标的有效性是考察毕业论文可行性的一项重要标准。关于问卷指标的考量可分为内部标注与外部标准，只有当两者都能够比较好的与问卷指标相契合时才能精确的测量变量从而实现测量的目的。 关键词：变量 指标 维度 一、问卷指标鉴定的内在标准 实证类论文的调查问卷设计始终是本科学生毕业论文写作的一项难题。一方面，对于本科同学而言在本科期间没有经过很系统的论文写作训练，论文写作能力在各方面还不是很成熟，也没有系统的写过科研论文，毕业论文是第一次写，对于相关的计量经济学能力等还十分不成熟，另一方面随着全是毕业论文难度的提升，整个毕业论文的写作开始要求实证化的内容，而系统性的能够帮助同学最后写出论文的问卷几乎是同学从未基础过的，在这种情况下作为指导老师就应该系统的指导学生如何完成毕业论文的调查问卷工作。虽然在现有的要求下，毕业论文的问卷不是毕业论文归档资料中一定要完成的部分，但是这一部分的工作内容本身确实整个论文的基石，没有一份好的毕业论文归档资料，就无法很好的实现后期毕业论文的写作，而毕业论文问卷指标是否成功，核心问题是看指标的分值能否对研究对象进行一个合理的排序。 论文问卷指标设计的最终目标是可以对研究对象的相关变量根据研究对象进行排序。在现阶段，标准误是一个很好的排序方式，用标准误进行排序的优点一方面在于能够很好的说明指标的离散程度，另一方面也能够指导具体研究个体在整体中所处的地位，如何测量个体的指标？一般而言论文的模型来源于其中的假设，假设对应于其中相关的变量，变量分为自变量与应变量，一个变量可以用多个指标对其进行表征，而一个指标通常又包含着多个维度，所以对于包涵多个维度的复合指标，需要检查其相关性，也就是说该维度的确与该指标是相关的，能反映出指标的相关情况，否则就应该剔除该维度，因此对于问卷调查而言，维度的选择是一个非常重要的因素，一方面应该选择尽量多的维度，在最初阶段，维度越多越便于调查，另一方面后期也要注意维度的筛选，这一相关性的检验标准主要是看能否把所研究的指标在对象上进行合理的区分，以新能源汽车购买为例，可以选择将购买意愿作为变量，那么购买意愿可以包涵的维度包括时间，例如在几年内准备购买，也包括金钱，例如准备画多少钱进行购买，值得注意的是购买时间和购买的花费是两个比较不相关的维度，但是这两个维度之间又会有一定的联系，因为一般来说如果购买意愿比较强烈，那么一般愿意在短期内花较高的金额进行购买，而购买意愿如果不那么强烈，可能准备购买花的时间也会比较长，所准备的预算也会相应的比较低。 二、问卷指标鉴定的外在标准 问卷指标的外部检验要求检视该指标是否能很好的反映出问卷的特性。从检验时间上看问卷的外部检验主要来自于问卷完成后，通过从新确定维度来衡量问卷所实施的样本分类能够反映出与该变量相关的其他维度，例如购买新能源汽车的购买意愿可以用金钱和时间进行衡量，从而反映出新能源车的购买意愿，那么是否也可以从每年在车辆上的投资来表征出，就是说越是有购买意愿的，每年投资的越是巨大，或者也可以从观看新能源车视频网站的时间来进行衡量，越是对新能源汽车感兴趣越是有购买新能源汽车的意向，也就是说如果一个指标能够比较好的反映变量情况，那么对于与变量相关的其他维度，应该是与其一致的，在这个例子中对新能源汽车购买意愿的指标比较低，反映在外在鉴定指标上可能就是相应的浏览新能源汽车网站的时间会比较短。 但是，当外在鉴定与所检验的指标不一致时，并不能轻易的就认为指标没有设计好。此时即可能是指标本身的维度没有选定好，也可能是鉴定的维度没有选定好，此时的问题酒精发生在哪方面是无法确定的，当出现这一问题时首先应该反思的是指标本身的维度有没有选定好，如果指标的选择不具有相关项，很可能使最终的结果产生偏移，还有一种可能的结果是这个指标是正确的，但是检验内容本身出现了问题，此时就该检视变量与鉴定标准之间的相关性，所以说鉴定标准本身实际应该包含在问卷之中，但是鉴定标准并不是用来构建指标的，而是用来实施检验的。 三、复合性指标的应用探索 要完善指标的测量性，一个比较可靠的思路是建立复合型的指标体系。所谓复合型的指标体系是指对同一个变量采用不同的测量方式进行测量，从而实现对变量在不同角度的观察。以企业新能源产品发展水平为例，既可以产出、技术投资、利润回报率、市场排名这些经济情况作为其衡量因素，也可以以具体产品的能耗、节能水平、污染物排放情况作为指标进行衡量，前者侧重的企业的经济指标，后者侧重的是企业产品与技术指标，这两指标的区别在于所侧重的方向有区别，但是如果同时使用这两个指标或者引入更多的指标，就能比较全面的了解企业新能源产业的发展情况。 [1] 宋怡欣（1983—），男，上海人，上海电机学院商学院副教授，华东政法大学金融法博士，中国法学会会员，上海法学会会员，主要从事金融法研究。 本文来源：https://www.wddqw.com/doc/ef15538ad938376baf1ffc4ffe4733687e21fced.html