我国大学排名变化的统计与回归分析
当找出大学排名的位序变化之后，本文运用了SPSS16.0 软件对引起变化的原因进行了查找。具体操作如下：首先以我国大学的排名变化为因变量，以各排名榜中的一级指标为自变量，构建起多元回归模型。然后依据回归模型中自变量的回归系数求出每个自变量的变化引起的因变量的变化，从而分析出引起大学排名波动的关键指标。
对THE 大学排行榜中大学排名与单项指标得分的统计结果，进行多元线性回归分析，首先可以获知我国综合类高校排名与各单项指标排名之间的相关性（见表8）。在表8 中，教学指标排名、研究、论文引用、国际化程度指标排名均与高校总排名呈现正相关，相关系数分别为-0.837、-0.86、-0.488、-0.136、-0.514。其中，教学质量、科研指数与大学排名位序呈高度相关，国际化程度和论文引用与大学排名呈中度相关，产业收入与大学排名弱相关。其次可以得出回归方程模型：
Y=502.951+（-3.275）×1+（-2.203）×2+（-1.275）×3+（0.779）×4+（-0.675）×5
表8 THE 综合大学排名与各项指标排名的相关性
通过解读可以看出这个模型是显著的。F（5，90）=2.315689238，表中的F 值显著大于2.315689238，可以解释各个解释变量对因变量有显著影响，且Sig值小于0.05，表明这个回归方程是有用的。在五项变量指标中，研究（β=-0.446，t（90）=-6.424，ρ＜0.01），教学（β=-0.461，t（90）=-6.326，ρ＜0.01）论文引用（β=-0.202，t（90）=-3.765，ρ＜0.01），国际化程度（β=-0.079，t（90）=-1.589，ρ＜0.05），产业收入（β=0.871，t（90）=4.471，ρ＜0.01）。ρ 均小于0.05，说明自变量对因变量具有显著影响。β 数值可以展现自变量对因变量影响程度的大小，可以判断教学质量、研究水平、论文引用的影响比较大，这三个指标得分越高，排名越靠前，其次是国际化程度，最后产业收入对排名的影响是最小的。这一分析结论与前面是一致的。
对QS大学排行榜大学排名与单项指标得分的统计结果，进行多元线性回归分析，首先获知我国综合类高校排名与各单项指标排名之间的相关性（见表9）。在表9 中，学术领域的同行评价、全球雇主评价、教师学生比例、单位教职的论文引用数、国际教师比例、国际学生比例指标得分与大学排名呈正相关，相关系数分别为-0.923、-0.797、-0.482、-0.386、-0.476、-0.457。其中学术领域的同行评价、全球雇主评价与大学排名位序呈高度相关，教师学生比例、单位教职的论文引用数、国际教师比例、国际学生比例与大学排名呈中度相关。其次可得回归方程：
Y=564.111+（-4.015）×1+（0.735）×2+（-1.255）×3+（-1.632）×4+（-0.125）×5+（-0.03）×6
表9 QS 综合大学排名与各项指标排名的相关性
通过解读可以看出这个模型是显著的。F（6，85）=2.207228978，表中的F 值显著大于2.207228978，可以解释各个解释变量对因变量有显著影响，且Sig值小于0.05，表明这个回归方程是有用的。在五项变量指标中，学术领域的同行评价（β=-0.908，t（85）=-14.778，ρ＜0.01），全球雇主评价（β=0.165，t（85）=2.867，ρ＜0.01），教师学生比例（β=-0.249，t（85）=-8.109，ρ＜0.01），单位教职的论文引用数（β=-0.299，t（85）=-9.231，ρ＜0.01），国际教师比例（β=-0.035，t（85）=-0.577，ρ＞0.05），国际学生比例（β=-0.001，t（85）=-0.11，ρ＞0.05）。学术领域的同行评价、全球雇主评价、教师学生比例、单位教职的论文引用数ρ 均小于0.05，说明自变量对因变量具有显著影响，是显著的预测变量。国际教师比例、国际学生比例ρ 均大于0.05 是不显著的预测变量。通过比对β，可以看出学术领域的同行评价对大学排名位序影响最大，其次是教师学生比例、单位教职的论文引用数对大学排名位序变化也产生了重要的影响，其余三个因素的影响都相对较小。
对ARWU 大学排行榜大学排名与单项指标得分的统计结果，进行多元线性回归分析，首先获知我国综合类高校排名与各单项指标排名之间的相关性（见表10），可以看出，PCP（师均学术表现）、PUB（SCIE 和SSCI 刊物收录的论文数）、N&S（在Nature 和Science 杂志上发表的论文数）、HICI（各学科领域被引用率最高的教师数）、Alumni（获诺贝尔奖和菲尔兹奖的校友数）指标得分与大学排名呈现正相关，相关系数分别为-0.571、-0.63、-0.725、-0.596、-0.264。其中PCP、PUB、N&S、HICI、Alumni 与大学排名呈显著相关，说明PCP、PUB、N&S、HICI、Alumni 得分越高，大学排名数字越小，即位序越靠前。自变量AWARD 与因变量之间的相关系数是- 0.109，说明他们之间的线性关系不显著。其次可以得出回归方程模型：
Y=8.425+（-0.50）×1+（-0.51）×2+（-0.72）×3+（-0.51）×4+（-0.53）×5+（-0.017）×6
表10 ARWU 综合大学排名与各项指标排名的相关性
通过解读可以看出这个模型是显著的。F（6，137）=2.165383818，表中的F 值显著大于2.165383818，可以解释各个解释变量对因变量有显著影响。6 个自变量中，与因变量回归系数达到显著的有5 个，分别是PCP（β=-0.151，t=-3.46，ρ＜0.01）、PUB（β=-0.486，t=-13.909，ρ＜0.01）、N&S（β=-0.331，t=-8.056，ρ＜0.01）、HICI（β=-0.362，t=-8.684，ρ＜0.01）、AWARD（β=-0.139，t=-4.454，ρ＜0.01）。通过比对β，可以看出PUB 对大学排名位序影响最大，其次是N&S、HICI 对大学排名位序变化也产生了重要的影响，PCP、AWARD 影响都相对较小。