论文部分内容阅读
摘 要：基于沈阳市高校硕士研究生的问卷调查数据，从导师、教学管理、学术研究、基础设施和发展前景五个层面建立二元Logistic回归分析模型，确定学术水平、师资结构、社会实践、校园网络建设以及实习机会是当前沈阳市高校硕士研究生教育满意度的五个主要影响因素，并提出健全导师遴选制度、增加高校教师福利待遇、提供社会实践基地、完善校园网软硬件设施、探索校企合作等政策建议。
关键词：硕士研究生 教育满意度 影响因素
岁末年初，一场突如其来的新冠疫情席卷神州大地。为缓解874万高校应届毕业生就业压力，教育部日前發布《关于应对新冠肺炎疫情做好2020届全国普通高等学校毕业生就业创业工作》的通知，要求适当延长毕业生择业时间，并扩大硕士研究生招生规模，主要向国家战略和民生领域急需的临床医学、公共卫生与预防医学、集成电路、人工智能等专业倾斜[1]。2003年非典、2008年金融危机、2017年在职研究生纳入统招以及新冠疫情下研究生再度扩招，报考人数由2015年的165万人上升至2020年的341万人，年均增长达35.2万人次，这无疑会对研究生教育满意度产生巨大影响。如何切实保障和提高硕士研究生教育质量，培养高尖端复合型人才，已成为社会各界关注的焦点。
一、文献综述
研究生满意度是反映、监测和评估研究生教育质量的一个重要指标，评价研究生教育满意度不仅反映了学生学习的主观体验效果，也反映出学生群体对高等教育质量的感知[2]。
国内学者对研究生教育满意度的相关研究颇多。周文辉[3]等人从研究生培养构成部分切入，采用李克特五级量表，将研究生的满意度分为非常满意、满意、一般、不满意、非常不满意，对课程教学、科研训练、指导教师、管理与服务等五个方面展开研究;马永红[4]等人以过程管理为指导，从导师指导、实践教学、毕业成果应用、就业状况、总体满意度等多个维度衡量专业学位研究生教育质量;刘文[5]借鉴美国的顾客满意度指数模型建立全日制硕士专业学位教育学生满意度指数模型结构图，对学生预期、学生感知质量、学生感知价值等方面进行满意度研究;柳咏心[6]认为要推进研究生教育改革与发展、推进导师负责制、加强实践教育环节、突出重点解决实际问题。
学术界在此项研究中已取得多项研究成果，但对地市级等区域性研究相对较少。以沈阳市高校硕士研究生教育满意度为出发点，通过问卷调查的数据分析，探究影响教育满意度的主要因素，并以此为依托，提出改善高校硕士研究生教育满意度的对策建议。
二、构建理论模型
根据对教育满意度的理解以及现有的资料，确定所需要查阅的文献范围，结合学校图书馆和中国知网开始检索，筛选并初步确定本次研究所需要的5个一级影响指标和20个二级具体测量指标。
对沈阳地区高校进行抽样问卷调研，从在校硕士生的视角审视高校硕士研究生教育满意度现状[7]。对前文初步筛选的20个二级指标，结合相关领域的教育工作者指导意见进行再次修改，最后将问卷的回收结果进行信度检验和效度分析。
本次研究采用数理统计的方法，利用SPSS21.0软件对问卷回收的有效数据进行二元logistic回归分析，研究影响沈阳市高校硕士研究生教育满意度的主要影响因素，根据研究结论提出改善研究生教育满意度的具体措施。
（一）数据来源
以沈阳地区高校硕士研究生为调查对象（东北大学、辽宁大学、中国医科大学、沈阳农业大学、沈阳大学、沈阳工业大学、沈阳建筑大学、沈阳化工大学、沈阳理工大学、中国刑警学院），通过问卷网发放调查问卷161份，经收回后统计分析：有效问卷147份，有效率约为91.30%，此次调查真实有效。
（二）确定变量
1.自变量。对调查问卷回收分析，按照影响因素的来源，将自变量X分为五组，分别为导师、教学管理、学术研究、基础设施以及发展前景。其中，导师包括职业道德、学术水平、科研项目、论文指导、生活关心程度以及费用报销六项内容;教学管理包括师资结构、教学水平、教材选择、课程设置四项内容;学术研究包括论坛讲座会议、出国交流学习、社会实践三项内容;基础设施包括校园网络建设、教学设备、图书馆资源、生活配套设施四项内容;发展前景包括攻读博士学位、实习机会、就业情况三项内容。
2.因变量。根据调查问卷的自评结果，以沈阳市高校硕士研究生教育满意度作为研究对象的因变量Y，将满意程度选项归类为二分变量：记作满意=1，不满意=0。
（三）建立二元Logistic回归模型
二元逻辑回归主要用来解释当因变量是二元分类时各自变量对因变量的影响情况，其基本原理是用一组数据来拟合Logistic回归模型。由于因变量：沈阳市高校硕士研究生教育满意度为二分变量，且变量之间大多呈非线性关系，因此采用二元logistic回归模型来分析教育是否满意。建立Logistic回归模型如下：
其中，p为因变量，只有0和1两个值，p=1表示受访者满意，p=0表示受访者不满意;αi为自变量，βi是回归方程中各自变量（即αi）的偏回归系数，β0为常数项。
通过对变量的多重共线性进行检验，测试指标的容忍度均大于1，VIF小于10，自变量的特征值均非0，条件指数在1-25之间，自变量不存在共线性，可以建立Logistic回归模型，进行回归分析[8]。
三、教育满意度影响因素实证分析
（一）作出假设
根据问卷调查情况，结合参考文献，提出相关研究假设，具体有：
1.导师：假设编号C1，职业道德高尚的导师，研究生教育满意度高;假设编号C2，学术水平高的导师，研究生教育满意度高;假设编号C3，学术水平高的导师，研究生教育满意度高;假设编号C4，对论文指导精细的导师，研究生教育满意度高;假设编号C5，对学生生活关心的导师，研究生教育满意度高;假设编号C6，费用报销多的导师，研究生教育满意度高。 2.教学管理：假设编号C7，师资结构合理，研究生教育满意度高;假设编号C8，教学水平高，研究生教育满意度高;假设编号C9，教材选择合适，研究生教育满意度高;假设编号C10，课程设置合理，研究生教育满意度高。
3.学术研究：假设编号C11，经常举办论坛、讲座、会议，研究生教育满意度高;假设编号C12，出国交流学习机会多，研究生教育满意度高;假设编号C13，社会实践多，研究生教育满意度高。
4.基础设施：假设编号C14，校园网络建设好，研究生教育满意度高;假设编号C15，教学设备好，研究生教育满意度高;假设编号C16，图书馆资源配置好，研究生教育满意度高;假设编号C17，生活配套设施齐全，研究生教育满意度高。
5.发展前景：假设编号C18，攻读博士学位资源好，研究生教育满意度高;假设编号C19实习机会多，研究生教育满意度高;假设编号C20，就业情况好，研究生教育满意度高。
（二）变量赋值
1.自变量赋值与解释。赋值：职业道德（Q6）、学术水平（Q7）、科研项目（Q8）、论文指导（Q9）、生活关心程度（Q10）、费用报销（Q11）、师资结构（Q12）、教学水平（Q13）、教材选择（Q14）课程设置（Q15）、论坛讲座会议（Q16）、出国交流学习（Q17）、社会实践（Q18）、校园网络建设（Q19）、教学设备（Q20）、图书馆资源（Q21）、生活配套设施（Q22）、攻读博士学位（Q23）、实习机会（Q24）、就业情况（Q25） 解释：非常不满意=1，不满意=2，一般=3，满意=4，非常满意=5
2.应变量赋值与解释。赋值：教育满意度 解释：不满意=0，满意=1
（三）二元Logistic回归模型分析
从导师、教学管理、学术研究、基础设施以及发展前景五个层面分别建立二元Logistic回归模型。利用SPSS21.0软件对硕士研究生教育满意度中各自变量和因变量的关系进行分析，B值是回归系数和截距（常数项），可以是正数也可以是负数，当回归系数出现负值时呈现负相关状态;S.E.表示标准误;Wals表示卡方值，主要用卡方值对B值进行检验，考察B是否等于0;df表示样本中自变量个数;sig.表示p值;Exp（B）表示定义比数比，其取值范围是0至正无穷，非负数[9]。
1.导师logistic模型影响分析。建立导师logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著。且Cox& Snell R2为0.323，Nagelkerke R2为0.493，自变量可以较好地解释因变量。如表1所示。
由表1可知，在导师影响因素中，职业道德（Q6）的Sig.=0.886，科研項目（Q8）的Sig.=0.264，论文指导（Q9）的Sig.=0.530，生活关心程度（Q10）的Sig.=0.558，费用报销（Q11）的Sig.=0.124，均未能通过显著性检验，不符合原有假设，故排除;
学术水平（Q7）的回归系数为2.008，wals值为6.796，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此导师的学术水平越高，研究生教育满意度越高，符合原有假设C2，成立;
2.教学管理logistic模型影响分析。建立教学管理logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.348，Nagelkerke R2为0.531，自变量可以较好解释因变量。如表2所示。
由表2可知，在教学管理影响因素中，教学水平（Q13）的Sig.=0.062，教材选择（Q14）的Sig.=0.682，课程设置（Q15）的Sig.=0.124，均未能通过显著性检验，不符合原有假设，故排除;
师资结构（Q12）的回归系数为1.293，wals值为7.092，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此师资结构越合理，研究生教育满意度越高，符合原有假设C7，成立;
3.学术研究logistic模型影响分析。建立学术logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.344，Nagelkerke R2为0.525，自变量可以较好解释因变量。如表3所示。
由表3可知，在学术研究影响因素中，论坛讲座会议（Q16）的Sig.=0.828，出国交流学习（Q17）的Sig.=0.446，均未能通过显著性检验，不符合原有假设，故排除;
社会实践（Q18）的回归系数为2.079，wals值为11.867，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此社会实践越多，研究生教育满意度越高，符合原有假设C13，成立;
4.基础设施logistic模型影响分析。建立基础设施logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.280，Nagelkerke R2为0.428，自变量可以较好解释因变量。如表4所示。
由表4可知，在基础设施影响因素中，教学设备（Q20）的Sig.=0.143，图书馆资源（Q21）的Sig.=0.705，生活配套设施（Q22）的Sig.=0.984，均未能通过显著性检验，不符合原有假设，故排除;
校园网络建设（Q19）的回归系数为1.221，wals值为9.093，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且回归系数为正值，因此校园网络建设越好，研究生教育满意度越高，符合原有假设C14，成立; 5.发展前景logistic模型影响分析。建立发展前景logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.358，Nagelkerke R2为0.546，自变量可以较好地解释因变量。如表5所示。
由表5可知，在发展前景影响因素中，生活配套设施（Q23）的Sig.=0.353，就业情况（Q25）的Sig.=0.057，均大于未能通过显著性检验，不符合原有假设，故排除;
实习机会（Q24）的回归系数为2.331，wals值为11.453，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此，实习机会越多，研究生教育满意度越高，符合原有假设C19，成立;
（四）研究成果
通过前文五组自变量的Logistic回归分析，研究假设C2、C7、C13、C14、C19通过了检验，即学术水平、师资结构、社会实践、校园网络建设以及实习机会是当前沈阳市高校硕士研究生教育满意度的五个主要影响因素;其余十五个研究假设经验证均不成立。
四、改善研究生教育满意度的建议
（一）保证导师学术水平，优化师资队伍结构
健全导师遴选制度，严格控制导师学术水平标准，要求导师教育与科研相结合，吸收具有创新与科研能力的人进入导师队伍。完善导师评价体系，针对学术水平、科研项目、论文专利成果等方面建立考核机制，将导师科研能力与导师薪资、带学生数量捆绑，以此激励研究生导师提高其学术水平。同时要适当增加高校教师福利待遇，尤其针对高端人才，合理安排其经济待遇，减少高端人才流失导致学科建设中断的情况。各高校建立合理的学术梯队，加强各学科专业建设，培养学生的同时注重内部人才培养，从而提高整体师资力量。
（二）提供社会实践机会，加强校园网络建设
各院校應充分重视，拒绝流于形式的实践活动。针对不同专业的研究生提供相对应的社会实践基地，使学生有目的、有组织的参加社会实践。保持社会实践与理论教育的一致性，提高专业能力，检验所学知识，为其步入社会积累经验。学校可探索校企合作、产学研相结合的方式，择优推荐应届毕业研究生到各企业、科研院所实习。同时，对于应届毕业研究生给予相对宽松的时间去自己选择企业实习。鉴于目前疫情影响，学生实习机会更加稀少，政府可提供相关政策的支持，如对于提供实习机会的企业给予减税政策等。与此同时，应加强校园网络建设。加大资金投入，完善校园网软硬件设施，为学生提供良好的网络环境。有针对性的进行网络工程建设，加强物联网建设，推行智慧校园、信息化建设等。
参考文献：
[1]中国研究生招生信息网.https：//yz.chsi.com.cn/
[2]文静.大学生学习满意度的提升路径及优化方略[J].国家教育行政学院学报，2019（08）：58-65.
[3]周文辉，黄欢，牛晶晶，刘俊起.2019年我国研究生满意度调查[J].学位与研究生教育，2019（07）：5-12.
[4]马永红，刘润泽，于苗苗.专业学位研究生教育质量指数研究[J].研究生教育研究，2019（05）：9-15+37.
[5]刘文.全日制硕士专业学位教育学生满意度研究[D].湘潭大学，2011.
[6]柳咏心，康俊明.研究生教育满意度的实证研究[J].华中农业大学学报（社会科学版），2012（04）：108-112.
[7]韩晓峰，周文辉，王铭.研究生满意度理论基础与指标构建[J].研究生教育研究，2013（06）：40-44.
[8]曹连英，王蕾，张博，徐文科.半变系数模型的几乎无偏岭估计探讨[J].统计与决策，2018，34（17）：25-28.
[9]刘亚，李华，郑冰，赵文欣.特征选择与Logistic回归相结合的担保圈风险识别方法[J].小型微型计算机系统，2019，40（08）：1781-1787.
（顾明华、王佳瑶、李新波，沈阳化工大学经济与管理学院）
关键词：硕士研究生 教育满意度 影响因素
岁末年初，一场突如其来的新冠疫情席卷神州大地。为缓解874万高校应届毕业生就业压力，教育部日前發布《关于应对新冠肺炎疫情做好2020届全国普通高等学校毕业生就业创业工作》的通知，要求适当延长毕业生择业时间，并扩大硕士研究生招生规模，主要向国家战略和民生领域急需的临床医学、公共卫生与预防医学、集成电路、人工智能等专业倾斜[1]。2003年非典、2008年金融危机、2017年在职研究生纳入统招以及新冠疫情下研究生再度扩招，报考人数由2015年的165万人上升至2020年的341万人，年均增长达35.2万人次，这无疑会对研究生教育满意度产生巨大影响。如何切实保障和提高硕士研究生教育质量，培养高尖端复合型人才，已成为社会各界关注的焦点。
一、文献综述
研究生满意度是反映、监测和评估研究生教育质量的一个重要指标，评价研究生教育满意度不仅反映了学生学习的主观体验效果，也反映出学生群体对高等教育质量的感知[2]。
国内学者对研究生教育满意度的相关研究颇多。周文辉[3]等人从研究生培养构成部分切入，采用李克特五级量表，将研究生的满意度分为非常满意、满意、一般、不满意、非常不满意，对课程教学、科研训练、指导教师、管理与服务等五个方面展开研究;马永红[4]等人以过程管理为指导，从导师指导、实践教学、毕业成果应用、就业状况、总体满意度等多个维度衡量专业学位研究生教育质量;刘文[5]借鉴美国的顾客满意度指数模型建立全日制硕士专业学位教育学生满意度指数模型结构图，对学生预期、学生感知质量、学生感知价值等方面进行满意度研究;柳咏心[6]认为要推进研究生教育改革与发展、推进导师负责制、加强实践教育环节、突出重点解决实际问题。
学术界在此项研究中已取得多项研究成果，但对地市级等区域性研究相对较少。以沈阳市高校硕士研究生教育满意度为出发点，通过问卷调查的数据分析，探究影响教育满意度的主要因素，并以此为依托，提出改善高校硕士研究生教育满意度的对策建议。
二、构建理论模型
根据对教育满意度的理解以及现有的资料，确定所需要查阅的文献范围，结合学校图书馆和中国知网开始检索，筛选并初步确定本次研究所需要的5个一级影响指标和20个二级具体测量指标。
对沈阳地区高校进行抽样问卷调研，从在校硕士生的视角审视高校硕士研究生教育满意度现状[7]。对前文初步筛选的20个二级指标，结合相关领域的教育工作者指导意见进行再次修改，最后将问卷的回收结果进行信度检验和效度分析。
本次研究采用数理统计的方法，利用SPSS21.0软件对问卷回收的有效数据进行二元logistic回归分析，研究影响沈阳市高校硕士研究生教育满意度的主要影响因素，根据研究结论提出改善研究生教育满意度的具体措施。
（一）数据来源
以沈阳地区高校硕士研究生为调查对象（东北大学、辽宁大学、中国医科大学、沈阳农业大学、沈阳大学、沈阳工业大学、沈阳建筑大学、沈阳化工大学、沈阳理工大学、中国刑警学院），通过问卷网发放调查问卷161份，经收回后统计分析：有效问卷147份，有效率约为91.30%，此次调查真实有效。
（二）确定变量
1.自变量。对调查问卷回收分析，按照影响因素的来源，将自变量X分为五组，分别为导师、教学管理、学术研究、基础设施以及发展前景。其中，导师包括职业道德、学术水平、科研项目、论文指导、生活关心程度以及费用报销六项内容;教学管理包括师资结构、教学水平、教材选择、课程设置四项内容;学术研究包括论坛讲座会议、出国交流学习、社会实践三项内容;基础设施包括校园网络建设、教学设备、图书馆资源、生活配套设施四项内容;发展前景包括攻读博士学位、实习机会、就业情况三项内容。
2.因变量。根据调查问卷的自评结果，以沈阳市高校硕士研究生教育满意度作为研究对象的因变量Y，将满意程度选项归类为二分变量：记作满意=1，不满意=0。
（三）建立二元Logistic回归模型
二元逻辑回归主要用来解释当因变量是二元分类时各自变量对因变量的影响情况，其基本原理是用一组数据来拟合Logistic回归模型。由于因变量：沈阳市高校硕士研究生教育满意度为二分变量，且变量之间大多呈非线性关系，因此采用二元logistic回归模型来分析教育是否满意。建立Logistic回归模型如下：
其中，p为因变量，只有0和1两个值，p=1表示受访者满意，p=0表示受访者不满意;αi为自变量，βi是回归方程中各自变量（即αi）的偏回归系数，β0为常数项。
通过对变量的多重共线性进行检验，测试指标的容忍度均大于1，VIF小于10，自变量的特征值均非0，条件指数在1-25之间，自变量不存在共线性，可以建立Logistic回归模型，进行回归分析[8]。
三、教育满意度影响因素实证分析
（一）作出假设
根据问卷调查情况，结合参考文献，提出相关研究假设，具体有：
1.导师：假设编号C1，职业道德高尚的导师，研究生教育满意度高;假设编号C2，学术水平高的导师，研究生教育满意度高;假设编号C3，学术水平高的导师，研究生教育满意度高;假设编号C4，对论文指导精细的导师，研究生教育满意度高;假设编号C5，对学生生活关心的导师，研究生教育满意度高;假设编号C6，费用报销多的导师，研究生教育满意度高。 2.教学管理：假设编号C7，师资结构合理，研究生教育满意度高;假设编号C8，教学水平高，研究生教育满意度高;假设编号C9，教材选择合适，研究生教育满意度高;假设编号C10，课程设置合理，研究生教育满意度高。
3.学术研究：假设编号C11，经常举办论坛、讲座、会议，研究生教育满意度高;假设编号C12，出国交流学习机会多，研究生教育满意度高;假设编号C13，社会实践多，研究生教育满意度高。
4.基础设施：假设编号C14，校园网络建设好，研究生教育满意度高;假设编号C15，教学设备好，研究生教育满意度高;假设编号C16，图书馆资源配置好，研究生教育满意度高;假设编号C17，生活配套设施齐全，研究生教育满意度高。
5.发展前景：假设编号C18，攻读博士学位资源好，研究生教育满意度高;假设编号C19实习机会多，研究生教育满意度高;假设编号C20，就业情况好，研究生教育满意度高。
（二）变量赋值
1.自变量赋值与解释。赋值：职业道德（Q6）、学术水平（Q7）、科研项目（Q8）、论文指导（Q9）、生活关心程度（Q10）、费用报销（Q11）、师资结构（Q12）、教学水平（Q13）、教材选择（Q14）课程设置（Q15）、论坛讲座会议（Q16）、出国交流学习（Q17）、社会实践（Q18）、校园网络建设（Q19）、教学设备（Q20）、图书馆资源（Q21）、生活配套设施（Q22）、攻读博士学位（Q23）、实习机会（Q24）、就业情况（Q25） 解释：非常不满意=1，不满意=2，一般=3，满意=4，非常满意=5
2.应变量赋值与解释。赋值：教育满意度 解释：不满意=0，满意=1
（三）二元Logistic回归模型分析
从导师、教学管理、学术研究、基础设施以及发展前景五个层面分别建立二元Logistic回归模型。利用SPSS21.0软件对硕士研究生教育满意度中各自变量和因变量的关系进行分析，B值是回归系数和截距（常数项），可以是正数也可以是负数，当回归系数出现负值时呈现负相关状态;S.E.表示标准误;Wals表示卡方值，主要用卡方值对B值进行检验，考察B是否等于0;df表示样本中自变量个数;sig.表示p值;Exp（B）表示定义比数比，其取值范围是0至正无穷，非负数[9]。
1.导师logistic模型影响分析。建立导师logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著。且Cox& Snell R2为0.323，Nagelkerke R2为0.493，自变量可以较好地解释因变量。如表1所示。
由表1可知，在导师影响因素中，职业道德（Q6）的Sig.=0.886，科研項目（Q8）的Sig.=0.264，论文指导（Q9）的Sig.=0.530，生活关心程度（Q10）的Sig.=0.558，费用报销（Q11）的Sig.=0.124，均未能通过显著性检验，不符合原有假设，故排除;
学术水平（Q7）的回归系数为2.008，wals值为6.796，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此导师的学术水平越高，研究生教育满意度越高，符合原有假设C2，成立;
2.教学管理logistic模型影响分析。建立教学管理logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.348，Nagelkerke R2为0.531，自变量可以较好解释因变量。如表2所示。
由表2可知，在教学管理影响因素中，教学水平（Q13）的Sig.=0.062，教材选择（Q14）的Sig.=0.682，课程设置（Q15）的Sig.=0.124，均未能通过显著性检验，不符合原有假设，故排除;
师资结构（Q12）的回归系数为1.293，wals值为7.092，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此师资结构越合理，研究生教育满意度越高，符合原有假设C7，成立;
3.学术研究logistic模型影响分析。建立学术logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.344，Nagelkerke R2为0.525，自变量可以较好解释因变量。如表3所示。
由表3可知，在学术研究影响因素中，论坛讲座会议（Q16）的Sig.=0.828，出国交流学习（Q17）的Sig.=0.446，均未能通过显著性检验，不符合原有假设，故排除;
社会实践（Q18）的回归系数为2.079，wals值为11.867，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此社会实践越多，研究生教育满意度越高，符合原有假设C13，成立;
4.基础设施logistic模型影响分析。建立基础设施logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.280，Nagelkerke R2为0.428，自变量可以较好解释因变量。如表4所示。
由表4可知，在基础设施影响因素中，教学设备（Q20）的Sig.=0.143，图书馆资源（Q21）的Sig.=0.705，生活配套设施（Q22）的Sig.=0.984，均未能通过显著性检验，不符合原有假设，故排除;
校园网络建设（Q19）的回归系数为1.221，wals值为9.093，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且回归系数为正值，因此校园网络建设越好，研究生教育满意度越高，符合原有假设C14，成立; 5.发展前景logistic模型影响分析。建立发展前景logistic模型，在sig.=0.001的水平上显著，说明回归模型系数整体显著，Cox& Snell R2为0.358，Nagelkerke R2为0.546，自变量可以较好地解释因变量。如表5所示。
由表5可知，在发展前景影响因素中，生活配套设施（Q23）的Sig.=0.353，就业情况（Q25）的Sig.=0.057，均大于未能通过显著性检验，不符合原有假设，故排除;
实习机会（Q24）的回归系数为2.331，wals值为11.453，在Sig.=0.001的水平上通过显著性检验，是对教育满意度影响最大的变量，且其回归系数为正值，因此，实习机会越多，研究生教育满意度越高，符合原有假设C19，成立;
（四）研究成果
通过前文五组自变量的Logistic回归分析，研究假设C2、C7、C13、C14、C19通过了检验，即学术水平、师资结构、社会实践、校园网络建设以及实习机会是当前沈阳市高校硕士研究生教育满意度的五个主要影响因素;其余十五个研究假设经验证均不成立。
四、改善研究生教育满意度的建议
（一）保证导师学术水平，优化师资队伍结构
健全导师遴选制度，严格控制导师学术水平标准，要求导师教育与科研相结合，吸收具有创新与科研能力的人进入导师队伍。完善导师评价体系，针对学术水平、科研项目、论文专利成果等方面建立考核机制，将导师科研能力与导师薪资、带学生数量捆绑，以此激励研究生导师提高其学术水平。同时要适当增加高校教师福利待遇，尤其针对高端人才，合理安排其经济待遇，减少高端人才流失导致学科建设中断的情况。各高校建立合理的学术梯队，加强各学科专业建设，培养学生的同时注重内部人才培养，从而提高整体师资力量。
（二）提供社会实践机会，加强校园网络建设
各院校應充分重视，拒绝流于形式的实践活动。针对不同专业的研究生提供相对应的社会实践基地，使学生有目的、有组织的参加社会实践。保持社会实践与理论教育的一致性，提高专业能力，检验所学知识，为其步入社会积累经验。学校可探索校企合作、产学研相结合的方式，择优推荐应届毕业研究生到各企业、科研院所实习。同时，对于应届毕业研究生给予相对宽松的时间去自己选择企业实习。鉴于目前疫情影响，学生实习机会更加稀少，政府可提供相关政策的支持，如对于提供实习机会的企业给予减税政策等。与此同时，应加强校园网络建设。加大资金投入，完善校园网软硬件设施，为学生提供良好的网络环境。有针对性的进行网络工程建设，加强物联网建设，推行智慧校园、信息化建设等。
参考文献：
[1]中国研究生招生信息网.https：//yz.chsi.com.cn/
[2]文静.大学生学习满意度的提升路径及优化方略[J].国家教育行政学院学报，2019（08）：58-65.
[3]周文辉，黄欢，牛晶晶，刘俊起.2019年我国研究生满意度调查[J].学位与研究生教育，2019（07）：5-12.
[4]马永红，刘润泽，于苗苗.专业学位研究生教育质量指数研究[J].研究生教育研究，2019（05）：9-15+37.
[5]刘文.全日制硕士专业学位教育学生满意度研究[D].湘潭大学，2011.
[6]柳咏心，康俊明.研究生教育满意度的实证研究[J].华中农业大学学报（社会科学版），2012（04）：108-112.
[7]韩晓峰，周文辉，王铭.研究生满意度理论基础与指标构建[J].研究生教育研究，2013（06）：40-44.
[8]曹连英，王蕾，张博，徐文科.半变系数模型的几乎无偏岭估计探讨[J].统计与决策，2018，34（17）：25-28.
[9]刘亚，李华，郑冰，赵文欣.特征选择与Logistic回归相结合的担保圈风险识别方法[J].小型微型计算机系统，2019，40（08）：1781-1787.
（顾明华、王佳瑶、李新波，沈阳化工大学经济与管理学院）