郑州考研辅导班

影响考研成功率的因素分析

——以郑州航空工业管理学院为例

郑州航空工业管理学院胡群、秦博、王雪

目录

摘要……………………………………………………………………………………2

一、问题的提出………………………………………………………………………2

二、相关研究综述……………………………………………………………………3

三、我校考研成功率的概况…………………………………………………………3

（一）我校考生成绩总体情况……………………………………………………4

（二）所报与所学专业一致性的探究……………………………………………4

（三）专业型硕士…………………………………………………………………5

（四）考研辅导班对整体录取结果的分析………………………………………5

四、考研率影响因素的描述性分析…………………………………………………5

（一）政治、英语成绩与考研结果的分析………………………………………5

（二）平时成绩与录取结果………………………………………………………6

（三）总复习时间、每天学习时间与录取结果的分析…………………………7

（四）固定教室与录取结果………………………………………………………8

五、模型的构建………………………………………………………………………8

（一）数据来源及变量的选择与测量……………………………………………8

（二）研究假设……………………………………………………………………9

（三）实证模型设计………………………………………………………………10

六、实证分析与结论…………………………………………………………………10

（一）多元线性回归模型分析……………………………………………………11

（二）二项logitic模型分析………………………………………………………12

七、启示及建议………………………………………………………………………14

参考文献……………………………………………………………………………16

附录…………………………………………………………………………………17

1

摘要：近年来随着高校本科生招收人数上涨，就业难已成为社会的一大难题。

一方面高校毕业生就业竞争日益激烈，而另一方面社会对毕业生的要求也越来越

高。面对如此残酷的局面，众多的高校本科毕业生选择了考研。随着全国高等教

育研究生招生规模的不断扩大，各高校对于本校的考研率也越来越重视--考研成

功率的高低直接关乎学校的生源问题，同时，越来越多的人也把考研成功率作为

评价一个学校教学质量的主要指标。如何才能提高本校的考研成功率，针对这个

问题，本研究项目对郑州航空工业管理学院2011年考研情况进行了问卷调查，运

用多元线性回归和二项Logistic两个数量模型实证分析了影响考研成功率的因素。

结果表明：“复习期间每天学习时间”在两个模型中都呈现正相关，“是否报有考

研辅导班”在两个模型中都呈现负相关，“考研复习总时间”在两个模型中都无

显著影响，“平时成绩”对“考研总成绩”无影响，但对“录取结果”起到积极

的影响作用，“拥有固定自习室”对“考研总成绩”有正向影响，但对“录取结

果”并无明显影响。

本文的创新之处：我们不仅利用考研的政治成绩、英语成绩、复习总时间、

每天复习时间等一些常规变量进行探究；同时，结合一般本科院校教学资源紧张

的特点，将有无固定备考自习室也纳入其中进行分析；随着考研辅导班的大量涌

现，其影响作用也不可忽视；平时成绩的高低与考研成功率到底有无必然联系，

也成为了我们关注的焦点，我们力争从多方面、更广泛角度探究考研成功率的影

响因素，通过构建模型，最终得出更为符合实际情况的结论。

关键词：考研成功率；多元线性回归；二项Logistic

一、问题的提出

从1999年开始，我国对本科生实施扩招政策，教育部统计数据表明，2000～

2010年全国高校毕业人数从107万已增至635万人。面对不容乐观的就业形势，

毕业后何去何从是每位高校毕业生必须慎重考虑的问题。与此同时，随着社会主

义现代化建设事业的迅速发展,改革的不断深化,社会对高层次专门人才的需

求也日益增加,在高素质高人才的社会需求与严峻的就业压力双重因素的驱动

下，考研成为了众多高校毕业生理想的选择之一，尤其是2007年末、2008年初的

金融危机爆发以后，这种现象就更为普遍。历年的考研人数统计数据表明，自1997

年至2011年的15年里，中国大学生的考研人数由最初的24.2万增至151.2万，增

长速度高达625%。同时，国家也大幅度扩大研究生的办学层次与规模，统计数据

显示，2011年全国招收硕士研究生49.5万人，比上年增加3万人，涨幅达6.45%，

考研受到了高校以及社会上广大群体的热力追捧，而应届本科毕业生在考研大军

2

中所占比例更是有目共睹。

众所周知，在校大学生有充足的备考时间、较好的学习生活条件、优越的考

研备考氛围为研究生考试做准备，但我们却不得不面对这样一个事实，可以说大

部分高校的考研成功率与之并不平衡，提升考研成功率仍旧是各大高校争相讨论

和亟待解决的问题。虽然各大研招机构扩大了硕士研究生的招生人数，报录比也

由1997年的4.7:1扩招到了2011年的3:1，但是考研成功率却并未呈现出明显变

化。因此，探究考研成功率低的原因，调查和分析影响考研成功率的因素，提出

有效的解决方案具有重大意义。

二、国内外研究综述

国内一些知名学者对考研成功率的影响因素提出了很多的不同方面的观点。

朱璟、邓鹏等（2006）认为,惟有准确、完整、系统地掌握高等数学基础知识,

灵活运用解题方法,注重综合分析问题和解决实际问题能力的培养,才能在考研

中取得良好的效果。王艳洁（2009）提出加强对学生的教育和管理,采用数学分

层次教学法和开设选修课等措施对提高考研率有一定的积极作用。隋邦平（2010）

认为英语是美术专业考研者的瓶颈，文化理论与外语基础是美术专业考研学生挥

之不去的魔咒。随教授认为打好基础，强化训练，深入研究，明确目标，有的放

矢，在各个环节上都好充分的准备，并且科学合理地安排协调时间，发挥自己的

聪明才智，就一定能取得最终的胜利。曹满和黄联国（2011）从辅导员在新建本

科院校学生考研工作中可以充分发挥角色优势方面出发,得出学生考研意识、学

习方法、心理疏导及信息服务等多方面因素对考研起引导作用。曾智华（2011）

针对研究生入学英语考试中英译汉成绩偏低的问题，通过实例阐述了考研英语中

常用的五种实用翻译技巧，说明了在翻译考研英语的被动语态句时，应灵活地采

用多种翻译技巧，才能使译文通顺流畅，更加符合汉语表达习惯。

综上所述，现有文献通过对考研现状的调查，探讨了影响考研率的因素，但

存在以下不足之处：一是仅通过简单的描述性统计方法来分析考研成功率的影响

因素，这样的分析不够精确，并且不能确定其对考研成功率影响的大小；二是没

有对考研成功率的影响因素进行分类分析或仅从主客观两个方面进行分析。

基于上述思考，本研究在调查问卷的基础上，对影响因素进行定性分析后，

进一步运用多元线性回归模型和二项Logistic模型对各因素的影响程度及方向进

行实证分析，并考察其对考研成功率的影响。

三、考研成功率的概况

本文采用问卷调查的方式，以郑州航空工业管理学院2011届部分考研学生

作为调查对象，对考研情况进行了调查和分析。

3

（一）考生成绩总体情况

调研结果显示，2011届参加研究生考试共135人，53人录取，占所调查全

体考生的39.3%，其中400分以上有4人，350分-400分有36人，300分-350

分共12人，300分以下的仅有一人；82人未被录取，占所调查的全体考生60.7%，

350分-400分共10人，300分-350分的有39人，300分以下的有33人（如表1

所示）。

表1成绩分布和录取结果的列联表分析1

成绩

录取结果

未录取录取

人数横向比例人数横向比例

300分以下3397.06%12.94%

300分—350分3976.47%1223.53%

350分—400分1021.74%3678.26%

400分及以上004100%

Total

82

60.74%

5339.26%

由表1中分析的情况可知，在成绩分组中,录取和未录取的比例都不相同，并

且出现了较大的差异，在400分及以上的成绩组中未被录取的比例为0，而录取的

比例高达100%；在350分—400分的成绩组中，未被录取的比例为21.74%，而被录

取的成绩为78.26%；300分-350分的成绩组中，未被录取的比例为76.47%，而被

录取的比例仅为23.53%；相对而言，对于300分以下的分组中，未被录取的比例

都在97%以上，这些都说明，成绩的高低对于考研录取结果具有很重要的影响作

用。

（二）报考专业与所学专业一致性的探究

伴随着考研大军的逐步壮大，另外一个现象也尤为引起了我们的关注：越来

越多的学生在研究生的报考阶段并未选择自己本科阶段所学专业，而转为自己所

更为喜欢或者社会上更为热门的专业。因此，我组对所调查的135人也进行了此

项研究。本科阶段所学专业与研究生报考专业相同的共计100人，不同的有35

人，比例高达25.93%。根据问卷调查的情况，我们可以看出财会类、语言类以

及经济类等众多专业的考生所报与所学专业基本一致，并未有过多的变化；而数

理类等较少专业的考生选择了报考其他专业。（如表2所示）。

由表2的结果可以看出，一方面，纵向比例显示：无论是未被录取还是被录

取的学生，其所报与所学专业相同的比例更大，分别为81.71%与62.26%；而所

1列联表分析又称为交叉分组下的频数分析,主要分析多个变量不同取值下的分布,掌握多变

量的联合分布特征,进而分析变量之间的相互影响和关系。

4

报与所学专业不同的比例则较低，仅占18.29%和37.74%。这说明，虽然跨考在

当下受到热捧，但更多的学生在报考时还是选择了与自己所学相同的专业。另一

方面，横向比例显示：所报与所学专业不同的35人中，有20人成功考取研究生

学位，占到57.14%。这说明，跨考对于考研成功率并不是绝对性的障碍。

表2所报与所学专业是否一致的列联表分析

报考专业与所学专业

录取结果

未录取录取

人数纵向比例横向比例人数纵向比例横向比例

相同6781.71%67%3362.26%33%

不同1518.29%42.86%2037.74%57.14%

（三）专业型硕士

伴随着2010年1月教育部对研究生结构进行了调整，在2009年总硕士研究

生人数不变的基础上，2010年国家减少学术型硕士3.8万名，增加专业型硕士

3.8万名，并且计划往后几年继续减少学术型硕士名额用以增加全日制专业型硕

士。教育部计划往后几年逐渐达到全日制专业型和全日制学术型硕士比例为7：

3。因此越来越多的人选择了专业型硕士研究生，在我们所调查的53名被录取的

考生中，有13人为专业型硕士，所占比例达到24.53%。

（四）考研辅导班对整体录取结果的分析

随着就业压力的不断加大和研究生就业平台的相对宽广，更多的毕业生选择

了考研，一些人也由此看到了商机，越来越多的考研辅导机构遍布了各大高校。

但是考研辅导班的成效究竟如何，值得深入的探究和分析。因此，我组对此也进

行了相关的分析。分析结果显示，所调查的135人中，55人未报考研辅导班，

其余的80人均报有考研辅导班。在考取研究生的53人中，报考研辅导班的人数

共计27人（包括单科与全程），所占比例近50%，说明考研辅导班对于考研是否

成功并无决定性的影响。

四、影响考研率因素的描述性分析

影响考研成功率的因素众多，只有选择出与考研成功率关系密切的变量，才

能构建出科学合理的模型。首先对这些变量和考研成功率之间的关系进行描述性

分析。

（一）政治、英语成绩与考研结果的分析

图1、图2是考研政治、英语成绩与录取结果的三维簇状柱形图，可以明显

看出，被录取的考生中政治、英语成绩的中位数均高于其他考生，即可以得出结

5

论：政治、英语成绩的高低直接关乎录取结果。

0

10

20

30

40

50

50分以下50-65分65-80分80分以上

录取

未录取

图1考研政治成绩与录取结果的三维簇状柱形图

0

10

20

30

40

55分以下55-65分65-80分80分以上

录取

未录取

图2考研英语成绩与录取结果的三维簇状柱形图

（二）平时成绩与录取结果

图3所示为平时成绩与录取结果的频数分布直方图，可以明显看出，被录取

的考生的平时成绩主要集中于75-85分及85分以上，并且两个区间的人数基本相

当；而未被录取的学生的平时成绩则主要集中在75-85分这一区间。由此可见，

平时成绩的高低并不能决定考研最终的成败。

6

0

10

20

30

40

50

65分以下65-75分75-85分85分以上

录取

未录取

图3平时成绩与录取结果的频数分布直方图

（三）总复习时间、每天学习时间与录取结果的分析

图4是考研总复习时间、每天复习时间与录取结果的箱线图，可以明显看出，

被录取的考生中的总复习时间、每天复习时间的中位数均高于其他考生，分析图

表可知，总复习时间、每天学习时间越长，总体的的成绩越好，录取结果相应的

也越理想。即可以得出结论：总复习时间、每天复习时间的长短与录取结果有直

接的关系。

9.0

7.5

6.0

4.5

3.0

12.0

10.5

9.0

7.5

6.0

准备时间m,0准备时间m,1

学习时间h,0学习时间h,1

准备时间、学习时间

组块变量:y

图4考研总复习时间、每天学习时间与录取结果的箱线图

7

（四）固定教室与录取结果

作为一般的本科院校且新校区正在建设，学校内教学资源相对紧张，考研自

习室较少，而众多考生又都希望拥有固定的学习备考地点，以期望有良好的学习

氛围和备考条件。为探究固定自习室的有无与考研结果有无必然联系和直接影

响，现对我们所调查的135个样本做此项研究，数据显示：135人中有101人有

固定自习室，占其总体的74.81%；被录取的53人中有45人有固定自习室，其

比例高达84.91%；未被录取的82人中有56人有固定自习室，占其总体的68.29%，

相对较低。由此可见，拥有固定自习室对考研的结果有显著的影响。

五、模型的构建

（一）数据来源及变量的选择与测量

本文的数据选自2011年5月“郑州航空工业管理学院2011届毕业生考研情

况调查”的数据。该调查采用抽样调查方式，调查对象为2011届本科毕业生，

调查范围为我校部分院系及专业。该调查共发放问卷200份，回收156份问卷，

其中有效问卷135份。

1．因变量的选择与测量

本文将考研情况调查过程中的“考研总成绩”（Y）和“录取结果”（L）

两个变量作为因变量来描述我校考研情况的好坏。Y通过被调查者对“您考研的

总分成绩”这个选择题的回答来完成，我们将其总分成绩划分为4个分数段，分

别为：300分及以下、300-350分、350-400分以及400分以上，并根据其组中

值进行数据录入。L通过被调查者对“您的研究生录取学校及专业”这个填空题

的回答来完成，将逻辑上没有回答和回答“未被录取”的记为0，填写相应学校

及专业的记为1。可知，L是一个二元选择变量。

2．自变量的选择与测量

在“考研总成绩”模型中，选取“考研复习总时间”、“考研复习期间每天

学习时间”、“是否报有考研辅导班”、“有无固定考研自习室”以及“平时成绩”

五个变量来测量影响考研总成绩的因素，并将其分别记为：“Time1”、“Time2”、

“Tutorial”、“Classroom”、“Marks”。对考研复习总时间的调查，问卷设计了

四个区间段：3个月及以内、4—6个月、7—8个月、9个月及以上。对考研期间

每天复习时间的调查，问卷共设有五个区间段：6小时以下、6-8小时、8-10小

时、10-12小时以及12小时以上。对是否报有考研辅导班的调查，问卷设计了

五个选项：“全程报班”、“政治单科”、“英语单科”、“数学单科”以及“没有报

班”，在兼顾测量的准确性和精简性的情况下，本文将五个选项合并为两种选择：

“报班”及“没有报班”。如果被调查者选择了“没有报班”这个选项，则Tutorial

8

=0，否则Tutorial=1。“有无固定考研自习室”是二元选择变量，如果被调查者

选择了“没有固定自习室”这个选项，则Classroom=0，否则Classroom=1。对

平时成绩的调查，问卷共设有四个选择项：65分以下、65-75分、75-85分以及

85分以上。

在“录取结果”模型中，将“考研总成绩”、“考研复习总时间”、“考研复习

期间每天学习时间”、“是否报有考研辅导班”、“有无固定考研自习室”以及“平

时成绩”六个变量来测量影响录取结果的因素，其设定与“考研总成绩”模型中

一致。

（二）研究假设

由前述可知，本研究用两个变量测量学生的考研情况：一是“考研总成绩”，

总分数越高，说明考试结果越好。二是考研的“录取结果”，若被录取，则说明

考研结果好。

考研成功率低已然是不争的事实，而对于二本类院校的考生而言，考研难度

则更为突出。一方面，本科阶段就读学校可能并无硕士点，考生无法获得“直升

本校研究生较为容易”这一优势，并且保送及推免名额少之又少；另一方面，学

生所报考的学校排名越靠前或报考的专业越热门，专业课考试难度加大，会降低

考研成绩，同时报考的人数会越多，导致录取分数越高，从而降低考研成功率。

对于影响考研总成绩的因素中，考研复习总时间越长，每天学习时间越长，

拥有固定考研自习室，考研总成绩越高，而是否参加考研辅导班、平时成绩的高

低都对最终的考研总成绩并无直接影。因此，本研究预期“考研复习总时间”、

“每天学习时间”、“拥有固定考研自习室”在我校考生考研总成绩中占有重要的

地位，“是否报有考研辅导班”、“平时成绩”在我校考生考研总成绩中并不占有

重要的地位。故在对变量进行赋值的基础上，有假设1、假设2：

假设1：“考研总成绩”模型中，“考研复习总时间”、“每天学习时间”、“拥

有固定考研自习室”有正向影响。

假设2：“考研总成绩”模型中，“是否报有考研辅导班”、“平时成绩”无影

响。

本研究认为，录取结果与考研总成绩并非等同关系，“考研复习总时间”、“每

天学习时间”、“拥有固定考研自习室”、“是否报有考研辅导班”、“平时成绩”对

二者的影响并不一定完全相同，故有假设3及假设4：

假设3：在“录取结果”模型中，“每天学习时间”、“拥有固定考研自习室”

有正向影响。

假设4：在“录取结果”模型中，“考研复习总时间”、“是否报有考研辅导

班”、“平时成绩”无影响。

9

（三）实证模型设计

在具体模型设计方面，本文分别选用多元线性回归模型与二元选择模型中的

Logistic模型研究影响我校毕业生考研率的的因素。

本研究着重关注“考研复习总时间”、“考研复习期间每天学习时间”、“是否

报有考研辅导班”、“有无固定考研自习室”以及“平时成绩”等因素对考研成

功率的影响。但是，一方面，由于变量间可能存在多重共线性，在模型的构建中，

会造成模型设定不准确，甚至出现严重的偏差；另一方面，交互影响变量很多，

在分析时极不方便。因此，为了解决此问题，同时又可以消除多重共线性因素对

模型的影响。我们采用“逐步回归”的分析方法，将存在高度共线性的变量从模

型中剔除，进而得出科学合理的模型。

1．模型设计Ⅰ：多元线性回归模型

012345YXXXXX

（1）

上式（1）中，Y表示被解释变量“考研总成绩”，

0



表示截距项，u表示

随机扰动项，1X、2X、3X、4X、5X

分别表示“考研复习总时间”、“考研复

习期间每天学习时间”、“是否报有考研辅导班”、“有无固定考研自习室”以及

“平时成绩”，即“Time1”、“Time2”、“Tutorial”、“Classroom”、“Marks”。

、

、、、

分别表示对应变量的回归系数。

2．模型设计Ⅱ：二项Logistic回归模型

012345LXXXXX（2）

上式（2）中，



2

2

1

111



















ProbY

P

LLnLn

ProbYP

，

2

Y表示被解释变量

“录取结果”，由于它是一个二分类变量，本文选取二元选择模型中的Logistic

模型分析考研“录取结果”中“录取”和“未被录取”的概率之比，P为“录

取”的概率，1P为“未被录取”的概率，将比数

1

P

P

称为机会比率，机会比

率的对数L称为对数单位。回归系数的意义是：解释变量每变动一个单位，对数

单位L的平均变化量，然而我们研究的目的不是对数单位L，而是概率P。

0



代

表截距项，u代表随机干扰项，1X、2X、3X、4X、5X分别代表变量“Time1”、

“Time2”、“Tutorial”、“Classroom”、“Marks”。



、、、、



分别代表1X、

2X、3X、4X、5X的回归系数。回归系数的意义是：解释变量每变动一个单位，

对因变量的影响作用我们可以从回归系数的符号上来判断：如果回归系数为正，

表明解释变量越大，2Y取1的概率越大；反之，如果回归系数为负，表明相应

的概率越小。

六、实证分析与结论

10

利用2011年毕业生考研情况调查的数据资料,选择运用SPSS116.0和

Minitab16分别对多元线性模型、二元Logistic模型进行参数估计。本文构建模型

的主要目的是找出影响因变量的因素有哪些，而不是为了预测，所以我们首先采

用变量了“全部引入法”。其次在在筛选变量时采用“逐步回归法”。

（一）多元线性回归模型分析

1.模型估计与检验

多元线性回归模型主要针对假设1以及假设2，探究“考研总成绩”这一模

型中各变量的影响作用。

为验证各变量之间的共线性问题，我们采用“逐步回归法”中“前向逐步回

归”进行探究和分析，结果见表3。

表3回归系数及显著性检验

步骤123

常量46.51-70.80-57.23

2X

回归系数374653

t值1.692.062.35

P值0.0930.0410.020

4X

回归系数165162

t值1.921.90

P值0.0570.060

3X

回归系数-124

t值-1.63

P值0.060

根据表三可知，逐步回归的第一步中，自变量2X与因变量的回归系数的P

值为0.093，小于显著性水平



=0.10，所以我们认为该回归系数显著不为零，则

进行下一步回归。同样道理，第二步以及第三步回归模型中各变量回归系数所对

应的P值也都小于显著性水平



=0.10，故认为所有的回归系数均显著不为零。

因此，我们可以写出最终的回归方程：

234-57.2353124+162YXXX

2.结论

由模型得出的回归方程可知，“考研总成绩”Y与“复习期间每天学习时间”

2X及“有无固定自习室”4X呈正相关，与“是否报有考研辅导班”3X呈负相

关，而“考研复习总时间”1X与“平时成绩”5X并未进入模型，说明“考研复

习总时间”1X与“平时成绩”5X对“考研总成绩”Y并无显著影响。

11

根据模型的回归结果，同时参考我组之前做出的假设，我们可以得出结论：

假设1中“复习期间每天学习时间”以及“有无固定自习室”对“考研总成绩”

有正向影响得到验证，同时，假设2中“平时成绩”对“考研总成绩”无影响也

得到了验证，而假设1中“考研复习总时间”对“考研总成绩”的影响估计有误，

实际上并无影响，假设2中“是否报有考研辅导班”对“考研总成绩”的影响则

并不是我们实现所预料的无影响，而是呈现了负相关。

针对假设1中“考研复习总时间”对“考研总成绩”的影响估计有误，我们

通过与周围老师及同学的沟通认为：考研复习总时间过长会导致考生疲惫心理的

加重，压力过大，学习效率下降，因而影响最终的考研总成绩；但考研复习总时

间若过短，知识无法完全了解及掌握，知识框架无法构建完整，会导致学习根基

不稳定，学生会有怯考的心理，从而严重影响考研总成绩。因此，考研复习总时

间因人而异，考生应根据自己的学习能力及状态进行调整，合理安排时间，才能

使最终的考研总成绩尽如人意。

针对假设2中“是否报有考研辅导班”对“考研总成绩”的影响与我们的预

想有较大差别，我们走访部分学生了解到：一方面，从时间上来讲，众多考研辅

导机构课程安排较为密集，学生无法当堂吸收全部知识及内容，导致了时间的流

失及内容的浪费，另一方面，从内容上来讲，众多考研辅导机构的课程安排与考

生自己的规划有所冲突，使得很多学生的学习效率有所下降。因此，是否应该参

加考研辅导班，考生应当结合自身情况深思熟虑之后再做决定。

由此可见，提高考研成功率，每天的复习时间以及拥有固定考研自习室至关

重要，而复习总时间及是否报考研辅导班则因人而异，无需当做必备的因素。

（二）二项logitic模型分析

1.模型估计与检验

所谓Logistic模型，或者说Logistic回归模型，主要用于两分类的响应变

量即因变量拟合一个回归方程，可概率的取值在0-1之间，回归方程的因变量取

值可是在实数集中，直接做会出现0-1范围之外的不可能结果。

我们利用二项logitic模型主要针对假设3以及假设4，探究“录取结果”

这一模型中各变量的影响作用。利用Minitab软件运行结果得到二元Logistic模

型中的参数估计结果和参数的显著性检验结果。

如表4和表5所示，可知二元Logistic模型为：

12345

17.100.0980.471.320.53+0.15LXXXXX

依据表4的结果，分析回归系数是否通过检验：第一个和第四个回归系数P

值大于5%，表明显著为零，可以删除这两个变量。模型的拟合优度检验结果见

表5。三种方法的P值均大于0.1，不能拒绝实际值与预测值一致的假设，说明

模型具有较好的拟合优度。

12

表4二元Logistic模型参数估计与检验结果（1）

自变量系数标准差z值P值优势比下限上限

常量-17.104.20-4.070.000———

1

X0.0980.120.790.4291.100.871.41

2

X0.470.143.250.0011.591.202.11

3

X-1.310.44-2.970.0030.270.110.64

4

X0.530.531.010.3101.710.614.79

5

X0.150.053.090.0021.171.061.29

表5模型的拟合优度检验（1）

方法卡方自由度P

Pearson87.2793690.107

偏差80.0528690.168

Hosmer-Lemeshow4.919180.768

将

1

X与

4

X剔除后，再次利用Minitab软件运行结果得到二元Logistic模型

中的参数估计结果和参数的显著性检验结果。（如表6所示）

表6二元Logistic模型参数估计与检验结果（2）

自变量系数标准差z值P值优势比下限上限

常量-17.744.21-4.220.000———

2

X0.520.143.850.0001.681.292.19

3

X-1.330.44-3.020.0030.260.110.63

5

X0.170.053.460.0011.181.081.30

依据表6的结果，所有变量的P值均小于5%，表明各回归系数显著不为零，

无需删除变量。且模型拟合优度也通过检验，模型得到优化。

表7模型的拟合优度检验（2）

方法卡方自由度P

Pearson39.0354200.107

偏差26．9896200.136

Hosmer-Lemeshow11.433170.121

模型的拟合优度检验结果见表7。三种方法的P值均大于0.1，不能拒绝实

13

际值与预测值一致的假设，说明模型具有较好的拟合优度。可以得出最终的二元

Logistic模型：

235

17.740.531.32+0.17LXXX

2.结论

由模型的检验结果可知，将

1

X和

4

X两个变量剔除，保留

2

X、

3

X以及

5

X三

个变量，则可认为，对于“录取结果”而言，“考研复习总时间”和“拥有固定

自习室”基本没有影响，“考研复习期间每天学习时间”以及“平时成绩”对其

有正向影响作用。而“是否报有考研辅导班”与其负相关。

根据模型的回归结果，同时参考之前的假设，我们可以得出结论：假设3中

“复习期间每天学习时间”对“录取结果”有正向影响得到验证，同时，假设4

中“考研复习总时间”对“录取结果”无影响也得到了验证，而假设3中“是否

拥有固定自习室”对“录取结果”的影响估计有误，实际上并无影响，假设4

中“是否报有考研辅导班”对“录取结果”的影响则并不是我们实现所预料的无

影响，而是呈现了负相关，“平时成绩”对“录取结果”的影响则并不是我们实

现所预料的无影响，而是呈现了正相关。

针对假设3中“是否拥有固定自习室”对“录取结果”的影响估计有误，我

组认为：众多考生对考研自习室有一些惧怕心理，认为固定的考研自习室气氛凝

重，压力很大，从而转为了流动的自习室进行备考。但是仁者见仁智者见智，适

合自己的才是最有效的，并且在“录取结果”中，成绩并不是全部的影响因素，

所以，对自习室的看法也就不见相同。

针对假设4中“是否报有考研辅导班”对“录取结果”的影响则并不是我们

实现所预料的无影响，而是呈现了负相关这一现象，根据“考研总成绩”模型的

分析结果可以看出，考研辅导班对最终的成绩因人而异，而考研的总成绩又恰恰

是录取时的重要考量因素之一。因此，此结论应与“考研总成绩”模型的分析结

果相同。

针对假设4中“平时成绩”对“录取结果”的影响则并不是我们实现所预料

的无影响，而是呈现了正相关这一现象，经分析认为：录取结果不仅包括考研的

最终笔试成绩，也包含一定比例的复试成绩，各院校的复试则着重在专业课和英

语的考核上，而专业课与英语水平的高低往往通过平时成绩反映出来。因此，平

时成绩在最终的录取结果上有很显著的正向影响。

七、启示及建议

综合以上分析可以看出：“复习期间每天学习时间”在两个模型中都呈现正

相关，“是否报有考研辅导班”在两个模型中都呈现负相关，“考研复习总时间”

在两个模型中都无显著影响，“平时成绩”对“考研总成绩”无影响，但对“录

14

取结果”起到积极的影响作用，“拥有固定自习室”对“考研总成绩”有正向影

响，但对“录取结果”并无明显影响。针对以上结论，这里给出几点关于提高考

研成功率的建议：

1.合理安排复习时间

通过分析可知，考研复习总时间不宜过长也不宜过短，合理调整自己的复习

步骤，制定适宜自己的复习计划，按部就班最重要。而每天的学习时间也要控制

在合理范围内，过长容易疲倦，导致压力过大，若是过短又会产生松懈的心理，

总之，适合自己的才是最棒的，愿各位研友谨记。

2.稳定的备考氛围是良性催化剂

无论有无固定自习室的影响作用如何，不可否认的是有一个稳定的备考环

境、舒适的备考氛围，在考研路上的积极作用只多不少。不用每天辗转于教学楼

去寻找教室，有一个属于自己的、稳定的备考空间是很必要的。不乏有些同学会

对考研自习室有恐惧心理，认为自习室的气氛过于紧张，但仁者见仁智者见智，

把自己的心态调整到最佳位置，在考研路上也会大大加分。

3.是否参加辅导班因人而异

从模型的分析结果已经可以看出，辅导班的作用并非我们之前所预想的情

况。很多同学都是抱着人云亦云的态度参加的考研辅导班，认为别人都报班，我

若不报肯定会有损失，殊不知辅导班并未人人合适。要结合自己的情况，理性的

做出判断。

4.平时成绩不可忽视

虽然平时成绩并不能决定最终的考研结果，但平时成绩至少可以表明一个人

的学习态度，而这一点也越来越受到广大学校的关注和认同。并且，考研不比高

考，只要笔试成绩高就可以高枕无忧，复试成绩也在录取结果中占有一定的比例，

虽不大，但不容忽视。学校无法完全了解一个同学大学四年的所有经历和过往，

因而，他更愿意通过一些更为直观的东西洞察这一切，平时成绩作为参照当之无

愧。所以，不论毕业后的方向是考研还是工作，扎实自己的文化知识基础，打牢

知识根基，是很必要的。

5.态度决定一切

虽然我们的调查并未将此项因素作为研究对象，但从其他各因素中我们也可

略知一二。过分的紧张会让自己疲惫不堪，不战而败，过分的放松会让我们怠慢

松懈，所以如何调整好自己的心态，决定了事情的基本走向。相信广大研友一定

有此能力，将自己的各项指标调节到最佳状态，从而在最终的战场上大获全胜。

此项研究由于组员能力水平及调查范围有限，论文中若有不妥之处还望海

涵，谨以此论文献给众多研友，希望大家在考研路上更为坚定的实现梦想。

15

参考文献及书目：

1.中国考研网（）

2.曹满,黄联国.辅导员对新建地方本科院校学生考研的引导作用[J].泉州师

范学院资源与环境科学学院，2011（3）。

3.王艳洁.学生考研数学的现状分析及对策探讨[J].中国林业教育,2009（27）.

4.朱璟,邓鹏.立足考研看高等数学的学习[J].高等数学研究,2006（9）。

5.《SPSS统计分析从入门到精通》.人民邮电出版社

6.《MINITAB统计分析教程》.电子工业出版社

16

附录

问卷调查原始数据

政治

英语

准备

时间m

学习时

间h

有无固定

自习室

平时成绩

有无

报班

总分y

1

42.5

5

257.572.531117012750

372.55

472.55

572.5507.51108012750

672.55

757.55

857.55

957.55

1057.56

1157.55

1257.5507.5918013250

1357.5507.5606513250

1457.5607.5708013250

1557.5507.5918512750

16..5918502750

1757.5507.5908013750

1857.5607.5718003750

1972.56

2072.5607.5918513750

2142.5507.5918013750

2272.56

2372.5607.5707003750

2472.572.57.51118013250

2572.572.551218503250

2642.572.551107013250

2772.572.57.5718513250

2872.572.55906513250

2972.572.55718013250

17

3042.56

3157.572.591118013250

3257.572.55917013250

3357.572.57.5708513250

3457.56

3557.5607.5917003250

3657.5607.51118003250

3772.56

3872.55

3972.5507.5718012750

4042.56

4172.5507.5918512750

4257.5607.5718012750

4372.572.53608002750

4442.55

4542.55

4642.56

4742.56

4857.572.53607002750

4957.55

5057.5507.5718012750

5157.55

5257.55

5372.55

5442.572.55718012750

5557.5507.5718012750

5657.56

5757.5607.5918003250

5857.55

5957.5507.57180132.50

6057.5607.5708003250

6157.56

6257.5507.5718003250

6357.56

18

6457．56

6557.5607.5918013250

6657.55

6757.55

6857.5607.5917013250

6957.5607.5918003250

7057.55

7157.5507.5718013250

7257.55

7372.55

7472.55

7572.5607.5718502750

7657.55

7757.5607.5918012750

7857.56

7957.55

8057.55

8157.56

8257.56

8372.572.59918503751

8472.5607.5918503751

8572.56

8672.572.55908503251

8772.572.55718003751

8857.572.57.5718003751

8972.572.57.5718003751

9072.572.57.5918003751

9157.572.59908004251

9272.56

9357.5607.5918003251

9457.5607.51118013751

9572.572.59918014251

9672.572.57.5918013251

9772.572.55918013751

19

9872.572.53608003751

9972.5607.51118003751

10072.56

10172.56

10272.56

10342.55

10472.56

10557.5607.51118003251

10657.5607.51118003751

10757.5607.51218013751

10872.5607.51118003751

10972.5607.51218014251

11072.5607.51118013251

11157.572.57.5918003751

11272.572.59918003751

11372.572.57.5708503751

11472.56

11557.5607.5918503251

11657.5507.51118513751

11772.572.591118514251

11872.56

11972.572.591118513751

12072.56

12172.56

12272.56

12372.56

12472.55

12572.5607.5918513751

12657.5607.5918513251

12772.56

12881

12957.572.591118513751

13072.587.531118513751

13157.56

20

13272.572.57.5918513251

13357.56

13472.5507.51117013251

13557.56