摘要：在過去的几十年里，经济的繁荣和技术的快速发展，促进了高等教育的爆炸式增长。高等教育的质量评价体系对于高校的健康快速发展尤为重要教育。本文建立了高等教育健康评价模型等教育可持续性评价模型，并对高等教育进行评价。
　　关键词：高等教育，主成分分析，模糊综合
　　中图分类号：G642 文献标识码：A
　　1 研究背景
　　高等教育呈现在普及和大众化的趋势下，它也在向多元化的方向发展为了满足经济增长带来的高等教育需求。然而，随着高等教育的迅速发展和高等教育的转型结构多元化，高等教育质量已成为人们普遍关注的问题在西方社会和学术界，它被列为三大中心当前世界高等教育改革面临的主要问题。
　　2 研究方法
　　本次研究着力于开发并验证一个或一套模型，评估任何国家高等教育体系的健康;在这一部分，小组选择了10个有效的指标来源于收集的世界各地高等教育数据，并进行分类本文主要从三个方面进行了论述，分别是教育的沉积、现状和发展前景高等教育。对于每一种类型的指标，研究小组将通过缩减维数主成分分析，并建立评价类模型，通过指标降维后来解决问题。
　　3 研究模型建立
　　3.1数据收集
　　在收集各国的高等教育数据后，本文最终选择10个指标代表了全国的教育体系。这些包括论文的数量，学位的价值（QS排名），教育指数学生人数，占国家教育投资的比例，人数学校董事会，高等教育的平均学费，学生就业率（学生前景）、受教育机会（入学率）和公平（性别比例）。在同时，这十项指标又分为三类：存款率民族高等教育，民族高等教育的地位和发展国家高等教育的展望[1]。
　　国家高等教育的现状是基于四个指标的：学校数量，目前在校生占国家教育投资的比例，为学校董事会的数量和高等教育的平均学费。教育是基础上。如果教育质量能得到保证，那么受教育的人越多越好。此外，教育需要经济支持这直接影响到高等教育的发展。因此，比例经济对教育的投资和平均学费的提高教育是所有国家主要需要考虑的经济因素。此外，学校董事会的数量与学校的数量有关高等学校。具体来说，前者反映了后者。
　　3.2 模型建立
　　在以上解释之后，研究小组将分为3个指标类别，其中10个指标，并以每个国家为样本，按年份进行数据分析。在多变量统计分析中，各个维度的指标数据是不同的它们之间的数据存在数量级的差异，或者说测量的差异单元如果直接使用原始数据，会因顺序不同而造成量值和测量单位误差非常大或根本无法比较，所以研究小组需要标准化数据处理，即无量纲处理为消除上述数据之间不同维度的影响，确保主成分分析。研究小组将数据归一化，并转换原始数据的线性化方法[2]。
　　3.3 主成分分析的主成分提取过程：
　　PCA用于降维主要包括两个步骤。第一步是旋转坐标轴;第二步是删除一些特性，并且剩余的特征可以作为原始数据的近似。本质上主成分分析可以认为数据是线性的变换的欧氏空间，原始数据来自于标准正交基“一组老说”变成了“另一组说”下一组正交的标准因此在新正交基上发挥了降维作用基础上，直接去掉后面几个维度的坐标值。研究小组可以并根据特征值的大小判断主成分指标。如果主分量的本征根大于1，则可以选择为的主要组件。
　　3.4主成分分析计算评分过程：
　　主成分的综合得分通过乘以得到各分量的得分与主分量的贡献率进行比较旋转。具体表达式如下：
　　根据递归公式，研究小组可以得到这五个的预测值在未来五年内的结果：
　　结语
　　政府应该增加政府在教育上的支出。奖励优秀论文创造和建设教育设施。以激发创造性的水平学生在高等教育中提高论文水平，不同层次的论文应该分组奖励。增加受教育群体数量，建立专业职业。
　　参考文献
　　[1]薛新龙，黄海军. 人均GDP一万美元时期的高等教育体系研究——以美日韩智四国为例[J]. 清华大学教育研究，2021，42（1）：97-105.
　　[2]蒋凯，王涛利. 高等教育治理体系与治理能力现代化的关键问题和推进路径[J]. 厦门大学学报（哲学社会科学版），2021（1）：105-114.