部分线性Logistic模型在大学生挂科率预测中的应用

大学生挂科是当前高校管理面临的主要问题,找出挂科的原因并预防已经成为当前探讨的主要热点之一。考虑部分线性Logistic回归模型分析学生挂科的影响因素,并利用Sieve方法推断非线性函数,通过极大似然方法获得模型参数。将该模型应用到大学生学习状态的数据中,发现第二课堂成绩设定在一定范围内能有效降低挂科概率。同时基于该模型分类判别,绘制ROC曲线以及约登指数曲线,选择合理的分类阈值,将学生分成两类(挂科与不挂科),有利于学校及学生自身采取相应的措施来防止学生挂科。

基于Logistic回归判别法对大学生挂科的预测

随着大学生考试挂科现象日益凸显,如何防预大学生挂科已成为高校教育面临的热点问题.文章将Logistic回归分析与判别分析相结合,对大学生挂科的预测问题进行研究.具体实例表明,运用Logistic回归判别法能很好地对大学生考试是否挂科进行预测,从而有利于学校及学生自身采取相应的措施来防止挂科的发生.

大学生挂科影响因素探究--基于计量经济学视角

大学生挂科现象已成为许多高校在推进学风建设中不可忽视的问题。本文以某高校的部分2020级学生数据为例,以是否挂科为因变量,选取高考成绩、上学期绩点、早自习出勤率、课堂出勤率、宿舍平均绩点、是否班委、参加助学联盟次数这7个因素为自变量进行研究,运用二项Logistic回归分析进行模型构建。研究表明,高考成绩、上学期绩点、课堂出勤率对大学生是否挂科具有显著影响,而早自习出勤率、宿舍平均绩点、是否班委、参加助学联盟次数对是否挂科没有显著影响。

基于广义线性模型的大学生挂科影响因素分析

大学生挂科情况是学生在校学习情况的集中体现,本文通过统计建模确定了一些对大学生挂科门数具有显著影响的因素,给出了一些提高大学生在校学习情况的意见。统计建模中鉴于泊松回归模型存在过离散现象,采用了负二项回归模型。