论文部分内容阅读
[摘 要] 本文运用结构方程模型的分析方法构建了我国高等教育信息化评估模型。研究高等教育信息化评估中各个变量之间的关系，实证分析取得了较好的结果。通过拟合出来的因子负荷来分配指标的权重，获得客观统计指标数据特征。并对2008年调研的全国10个省区高等教育信息化发展水平进行综合评价，探寻高等教育信息化发展的影响因素及特点，为我国高等教育信息化战略发展决策提供客观信息依据。
[关键词] 高等教育信息化； 结构方程模型； 信息化水平； 教育信息化
[中图分类号] G40-058.1[文献标识码] A
[作者简介] 周平红（1979—），女，湖北阳新人。博士研究生，主要从事与教育信息化发展战略规划相关的评价及标准研究。E-mail: [email protected]。
一、引 言
教育信息化是我国国家信息化发展战略框架的重要组成部分。近十年来我国高等教育信息化取得了快速的发展，相对于基础教育、职业教育等领域而言，处于“性能提高”的阶段，如何有效评估高校信息化水平对于高校更合理地配置和优化信息化资源、提高投资效益具有较强的导向作用和现实意义。高等教育信息化发展水平的评价是高等教育信息化政策制定和高等教育信息化发展战略研究过程中的一个基础问题。高校教育信息化评价涉及的因素较多、内容复杂，高校信息化评价体系的设计，既要符合《国家中长期教育改革和发展规划纲要（2010—2020年）》的要求，又要准确地评测和科学反映高校信息化建设与发展状况及水平。目前高校信息化评价研究主要集中在两个方面：（1）高校教育信息化评价指标体系设计，如文献[1][2][3]；（2）测度方法研究，如文献。[4][5][6]具体表现为数据收集、小范围现状调研和一些评价方法和模型的探索层面上。另外，高等教育信息化水平是一个抽象概念，无法直接测量，需要采用一系列相关指标进行替代解释，研究所选取的相关指标如何反映及多大程度上反映高等教育信息化水平这一抽象概念可采用结构方程模型建模技术进行分析，目前国内将结构方程模型应用于高校信息化水平评估的研究较少。
本文从当前的研究现状出发，基于2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”对国内300多所高校信息化建设与应用水平调研的数据，运用结构方程模型分析法，建立我国高等教育信息化水平的评估模型；并采用极大似然法（Maximum Likelihood）对模型进行验证，获得影响我国高校教育信息化水平的因素及这些因素的权重大小，从宏观上把握高等教育信息化发展现状及特征，将有利于推动教育信息化测评理论和实践的发展，并为我国教育信息化发展决策提供客观信息依据及基于数据驱动的决策支持。
二、结构方程模型方法
（一）方法概述
结构方程模型（Structural Equation Modeling，简称SEM）是一个包括一组自变量和一个或更多因变量的定量模型。它是一种实证分析模型方法，通过寻找变量间内在的结构关系验证某种结构关系或模型的假设是否合理、模型是否正确，并且如果模型存在问题，可以指出如何加以修改。[7]相对于传统的统计方法，SEM是一种可以将测量（Measurement）与分析（Analysis）整合为一的计量研究技术，它可以同时估计模型中的测量指标、潜在变量，不仅可以估计测量过程中指标变量的测量误差，也可以评估测量的信度与效度。[8]
一般的结构方程模型有两个模型，即测量模型和结构模型（也称为潜在变量模型）。
方程（1）为结构模型，表示潜在变量之间的关系。式中η、ξ分别表示内生潜变量向量和外生潜变量向量，B、Γ分别为η和ξ的结构系数阵，ζ为潜在变量模型的误差向量。方程（2）和方程（3）为测量模型，表示潜在变量与观测变量之间的关系。y、X分别为内生观测变量向量和外生观测变量向量，Λy、ΛX分别表示y对η的和X对ξ的回归系数矩阵即负荷矩阵。
（二）结构方程建模流程
结构方程模型的主要建模流程包括：（1）模型设定（Model Specification），即首先根据一定的理论或假设设定理论模型，形成一个关于一组变量之间相互关系的模型，用路径图等工具建立具体的因果模型；（2）模型识别（Model Identification），即决定模型是否能够估计出参数。如果模型无法识别，则无法得到各个自由参数的唯一估计值；（3）模型估计（Model Estimation），结构方程模型最常用的估计方法是最大似然法和偏最小二乘法；（4）模型评价（Model Evaluation），在已有的证据与理论范围内，考察所提出的模型拟合样本数据的程度；（5）模型修正（Model Modification），如果拟合不好，需要对模型进行中的参数进行修改，通过参数的再设定提高模型的拟合程度，重复上述步骤直到获得可以接受的模型拟合度。
三、我国高等教育信息化
评估的结构方程模型
（一）高等教育信息化评估的结构模型
1997年在国家信息化工作会议上明确指出，信息化的内涵就是以信息技术广泛应用为主导，信息资源为核心，信息网络为载体，信息产业为支撑，信息化人才为依托，法规、政策、标准、安全为保障的综合体系。该定义提出国家信息化的六要素为：信息资源、国家信息网络、信息技术应用、信息技术与产业、信息化人才、信息化政策法规和标准。根据六要素模型，教育信息化主要涉及六个方面的要素：（1）信息网络基础设施建设；（2）教育信息资源建设；（3）信息资源的利用与信息技术的应用；（4）信息化人才的培养与培训；（5）教育信息产业；（6）信息化政策、法规和标准建设。在参照国家信息化体系的六要素模型，结合中国高等教育学会《中国高校信息化指标体系研究》的研究成果和已有的中国高校信息化指标体系，同时借鉴中外有关评价指标的基础上，2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”项目组提出了一套比较详细的我国高等教育信息化调研评价指标体系，并依据该指标体系对我国300多所高校教育信息化建设与应用水平进行了问卷调查。本文在该指标体系的基础上，根据实际获取的调研数据选取我国高等教育信息化建设与应用的五个维度（即基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系）的调研指标，构建我国高等教育信息化评估结构模型。
在该假设模型中，ξ1为外因潜在变量，代表高等教育信息化水平，η1至η5为内生潜在变量，分别代表基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系五个维度。同时提出以下假设：
H1：基础设施建设水平是衡量高等教育信息化水平的显著因素，即高校基础设施建设水平越高，则其整体教育信息化水平越高。
H2：资源建设水平是衡量高等教育信息化水平的显著因素，即高校资源建设水平越高，则其整体教育信息化水平越高。
H3：教学科研应用水平是衡量高等教育信息化水平的显著因素，即高校教学科研等应用水平越高，则其整体教育信息化水平越高。
H4：教育管理信息化水平是衡量高等教育信息化水平的显著因素，即高校教育管理信息化水平越高，则其整体教育信息化水平越高。
H5：信息化保障体系是衡量高等教育信息化水平的显著因素，即高校信息化保障体系水平越高，则其整体教育信息化水平越高。
（二）高等教育信息化评估指标体系变量表
在结构方程模型中潜变量是指不能准确、直接测量的变量，需要通过一些外显指标去间接测量。该模型中信息化建设的五个维度由相应的外显指标测量。依据评价指标的简约性、可操作性、导向性原则，在已有评价指标体系的基础上，同时结合当前我国教育事业统计指标中关于高等教育信息化的统计指标，最终形成我国高等教育信息化评估指标体系变量表，如表1所示。
在该评价指标体系变量表中，基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系五个维度为潜变量，具体的测量指标为显变量。基础设施建设水平的测量指标为Y1、Y2、Y3、Y4、Y5、Y6等6个指标，资源建设水平的测量指标为Y7、Y8、Y9等3个指标，教学科研应用的测量指标为Y10、Y11、Y12、Y13等4个指标，教育管理信息化的测量指标为Y14、Y15、Y16等3个指标，信息化保障体系的测量指标为Y17、Y18、Y19等3个指标。
四、实证分析
（一）数据来源与处理
本研究数据来自2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”的全国调研，调研范围为我国东部、中部、西部共10个省份的300多所高校（包括高等职业技术学院），有效样本量为337。数据处理采用SPSS15.0及结构方程模型建模软件Lisrel. 8.7。
此外，对样本中的缺失数据采用多重插补法（Multiple Imputation）进行插补，多重插补建立在贝叶斯理论基础之上，基于EM算法（最大期望算法）来实现对缺失数据的处理。该方法弥补了单一插补法（如均值插补法）的缺陷，通过模拟缺失数据的分布，较好地保持变量之间的关系。
（二）模型估计
笔者采用Lisrel 8.7版软件作为建立结构方程模型的工具，建立高等教育信息化水平的高阶因子分析模型，并选用极大似然法（Maximum Likelihood，ML）对模型进行估计，得到模型标准化路径系数如图3所示。
（三）信度和效度检验
信度分析的主要目的是检验所使用的测量工具在测量相关变量时是否具有稳定性和一致性。效度分析的主要目的是检验所使用的测量工具能够解释测量相关变量的有效程度，主要包括内容效度和构念效度两种，构念效度又分为会聚效度和区分效度。本文采用目前学术界普遍采用的个项—总量的Cronbach’s a系数进行信度检验，该值可由SPSS统计分析软件计算获得，利用验证性因素分析结果来检查各测项的会聚效度。研究所得到的五个维度下变量的信度系数Cronbach’s a值及验证性因子分析（Confirmatory Factor Analysis，CFA）结果如表2所示。
表2中的数据分析结果表明，除了资源建设水平的Cronbach’s a系数均在0.5左右外，其他四个维度的Cronbach’s a系数均在0.6以上，表明本研究的变量具有较好的信度。
从观察变量的标准化因子负荷值可知，所有显变量在潜变量上的因子载荷都比较显著（t值大于1.96），[9]载荷的t值从6.50到9.33，表明测量工具具有良好的收敛效度。[10]
（四）模型检验结果
1. 模型整体适配度检验
本研究整体模型适配度检验统计量值如表3所示。
模型拟合结果显示，整体模型适配度指标都达到了适配标准。整体而言，本研究提出的假设模型与实际观察数据的拟合情况良好，可用以检验本文提出的理论假设。
2. 模型分析
在高校信息化水平评估中信息化应用（0.91）是影响高校信息化水平的首要因素；其次是信息化保障体系（0.90）、资源建设（0.80）、教育管理信息化（0.78）、基础设施建设水平（0.62）。且五个维度变量与信息化水平的路径系数均达显著性水平（t值>1.96），表明该五个维度是衡量高校信息化水平的显著因素。从五个维度的标准化系数可知，要提高高等教育信息化水平关键是提高我国高校信息化应用水平。其次是要有充分的信息化保障体系，特别是信息化人员保障和信息化资金保障。再次是资源建设和管理信息化建设，而基础设施建设因子载荷最低，说明当前影响教育信息化水平的因素重点不在硬件建设，而在于信息化应用水平的提升。
综上所述，结构方程模型的较好拟合和模型假设的检验结论都说明“我国高等教育信息化评估模型”基本上反映了当前教育信息化建设的现状和需求。
3. 模型应用
根据高等教育信息化结构方程模型的高阶因子分析所得因子负荷大小（如图3所示），对维度和指标进行权重分配，将五个维度的负荷相加，每一个维度的负荷除以该值即为该维度的权重，[11][12]即权重Wi计算公式为：
Wi=γi/Σγi（γi为第i个指标或因子的标准化载荷）
通过计算得到基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系的因子负荷分别为0.62、0.80、0.91、0.78、0.90，它们的和为4.01，计算基础设施建设因子的权重为0.62/4.01=0.15，依次类推可以计算出另外四个维度的相对权重分别为0.20、0.23、0.19、0.22。同理，可以计算各维度下指标的权重。
依据计算出来的权重进一步采用简单线性加权法获得各因子的得分及各省的综合水平得分，根据因子得分值的高低进行排序，从而对我国高等教育信息化水平进行综合评价，表6中显示了对2008年全国10个省市高校信息化建设与应用水平的综合评价结果。
根据潜变量得分，计算欧式距离，采用组间平均连锁距离的层次聚类方法，用SPSS15.0软件进行聚类分析，将我国10个省份的高校信息化发展状况划分为三类：第一类包括北京市，多项得分遥遥领先于其他省份；第二类包括上海、湖北和广东；第三类包括湖南、吉林、陕西、甘肃、内蒙古、云南省。
五、结 论
根据国家信息化评价体系选取教育信息化建设的五个维度建构我国高等教育信息化评价体系，经过结构方程模型的验证符合要求，可以作为一个有效的工具来分析我国省域高等教育信息化发展状况。基于高等教育信息化评价指标体系构造的综合评价模型，对我国十个省、市、自治区300多所高校2008年的信息化发展状况进行的横向比较。研究发现，高等教育信息化应用和保障体系是对高等教育信息化水平影响最大的两个因素，提升高校信息化应用水平和保障体系是提高整体信息化水平的关键，当前我国高校的信息化基础设施建设和资源建设已初具规模，信息化应用的深入和信息化经费、信息化人员的持续投入成为当前信息化发展的关键。
根据10个省份高校信息化发展五个维度得分和综合水平得分情况及聚类结果，发现高校信息化发展存在以下特点：（1）北京市的高等教育信息化发展水平远远高于其他省（市、区），在基础设施建设、信息化应用、管理信息化、信息化保障等各方面处于领先地位；（2）中部地区的湖北省高等教育信息化发展迅速，其资源建设、应用和管理水平超过了经济发展较好的广东省；（3）西部地区的高等教育信息化水平低于东部和中部地区，特别是甘肃、内蒙古和云南省（自治区）在基础设施建设、资源建设、应用、管理和信息化投入等各方面亟待提高。聚类分析的结果进一步验证当前我国教育信息化发展中的问题，即教育信息化发展区域间的不平衡和教育信息化发展内部结构的不均衡。经济不发达地区信息化发展水平仍较低，但经济发展水平并不是唯一决定教育信息化发展水平，教育信息化的发展并不是基础设施越先进、经费投入越多越好，而是教育信息化整体结构的协调发展决定了其发展水平，当基础设施水平到达一定程度时应调整投资结构，注重从量的投入到质的提升。
最后，本研究只选取了教育信息化建设的五个维度进行分析，而信息化人才培养这个重要维度由于没有相关数据而未能纳入分析，后续研究中将弥补这一缺陷。同时为弥补部分样本数据可能失真的不足，在后续的研究中还可在客观统计建模分析的基础上，结合主观评价法如德尔菲法、模糊层次分析法来确定指标的权重，以有效提高评价结果的准确性。
[参考文献]
[1] 蒲善荣，刘建泉.高校信息化三级指标评价体系设计及测度研究[J].四川师范大学（自然科学版），2010，33（6）：849~854.
[2] 韩靖，邓尚民，刘文云．高校信息化测度指标体系建立与权重的计算研究[J]．情报杂志，2007，26（1）:133~135．
[3] 孔繁世.教育信息化综合评估考核指标体系构建研究[J].郑州大学学报（哲学版），2003，（2）.
[4] 杨同伟.基于AHP和灰色关联分析的高校信息化水平综合评价方法[J].中国高等教育评估，2006，（3）：46~48.
[5] 李普聪，钟元生.基于WGCA与DEA的高校教育信息化投资效益评价[J].现代教育技术，2009，（5）：76~79.
[6] 王有远，艾小伟.基于灰色理论的教育信息化综合评价及系统实现[J].开放教育研究，2008，（3）:85~88.
[7] 何晓群.多元统计方法[M].北京：中国人民大学出版社，2004.287.
[8] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社，2010.
[9] 侯杰泰等.结构方程模型及其应用[M].北京：教育科学出版社，2010.
[10] James Y.L.Thong, Chee-Sing Yap, K.S. Raman. Top Management Support, External Expertise and Information Systems Implementation in Small Businesses[J].Information Systems Research, 1996，7（2）:248~267.
[11] 田飞.用结构方程模型建构指标体系[J].安徽大学学报（哲学社会科学版），2007，31（6）:92~95.
[12] M. Punniyamoorthy, P. Mathiyalagan, P. Parthiban. A Strategic Model Using Structural Equation Modeling and Fuzzy Logic in Supplier Selection[J].Expert Systems with Applications, 2011，（38）：458~474.
[关键词] 高等教育信息化； 结构方程模型； 信息化水平； 教育信息化
[中图分类号] G40-058.1[文献标识码] A
[作者简介] 周平红（1979—），女，湖北阳新人。博士研究生，主要从事与教育信息化发展战略规划相关的评价及标准研究。E-mail: [email protected]。
一、引 言
教育信息化是我国国家信息化发展战略框架的重要组成部分。近十年来我国高等教育信息化取得了快速的发展，相对于基础教育、职业教育等领域而言，处于“性能提高”的阶段，如何有效评估高校信息化水平对于高校更合理地配置和优化信息化资源、提高投资效益具有较强的导向作用和现实意义。高等教育信息化发展水平的评价是高等教育信息化政策制定和高等教育信息化发展战略研究过程中的一个基础问题。高校教育信息化评价涉及的因素较多、内容复杂，高校信息化评价体系的设计，既要符合《国家中长期教育改革和发展规划纲要（2010—2020年）》的要求，又要准确地评测和科学反映高校信息化建设与发展状况及水平。目前高校信息化评价研究主要集中在两个方面：（1）高校教育信息化评价指标体系设计，如文献[1][2][3]；（2）测度方法研究，如文献。[4][5][6]具体表现为数据收集、小范围现状调研和一些评价方法和模型的探索层面上。另外，高等教育信息化水平是一个抽象概念，无法直接测量，需要采用一系列相关指标进行替代解释，研究所选取的相关指标如何反映及多大程度上反映高等教育信息化水平这一抽象概念可采用结构方程模型建模技术进行分析，目前国内将结构方程模型应用于高校信息化水平评估的研究较少。
本文从当前的研究现状出发，基于2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”对国内300多所高校信息化建设与应用水平调研的数据，运用结构方程模型分析法，建立我国高等教育信息化水平的评估模型；并采用极大似然法（Maximum Likelihood）对模型进行验证，获得影响我国高校教育信息化水平的因素及这些因素的权重大小，从宏观上把握高等教育信息化发展现状及特征，将有利于推动教育信息化测评理论和实践的发展，并为我国教育信息化发展决策提供客观信息依据及基于数据驱动的决策支持。
二、结构方程模型方法
（一）方法概述
结构方程模型（Structural Equation Modeling，简称SEM）是一个包括一组自变量和一个或更多因变量的定量模型。它是一种实证分析模型方法，通过寻找变量间内在的结构关系验证某种结构关系或模型的假设是否合理、模型是否正确，并且如果模型存在问题，可以指出如何加以修改。[7]相对于传统的统计方法，SEM是一种可以将测量（Measurement）与分析（Analysis）整合为一的计量研究技术，它可以同时估计模型中的测量指标、潜在变量，不仅可以估计测量过程中指标变量的测量误差，也可以评估测量的信度与效度。[8]
一般的结构方程模型有两个模型，即测量模型和结构模型（也称为潜在变量模型）。
方程（1）为结构模型，表示潜在变量之间的关系。式中η、ξ分别表示内生潜变量向量和外生潜变量向量，B、Γ分别为η和ξ的结构系数阵，ζ为潜在变量模型的误差向量。方程（2）和方程（3）为测量模型，表示潜在变量与观测变量之间的关系。y、X分别为内生观测变量向量和外生观测变量向量，Λy、ΛX分别表示y对η的和X对ξ的回归系数矩阵即负荷矩阵。
（二）结构方程建模流程
结构方程模型的主要建模流程包括：（1）模型设定（Model Specification），即首先根据一定的理论或假设设定理论模型，形成一个关于一组变量之间相互关系的模型，用路径图等工具建立具体的因果模型；（2）模型识别（Model Identification），即决定模型是否能够估计出参数。如果模型无法识别，则无法得到各个自由参数的唯一估计值；（3）模型估计（Model Estimation），结构方程模型最常用的估计方法是最大似然法和偏最小二乘法；（4）模型评价（Model Evaluation），在已有的证据与理论范围内，考察所提出的模型拟合样本数据的程度；（5）模型修正（Model Modification），如果拟合不好，需要对模型进行中的参数进行修改，通过参数的再设定提高模型的拟合程度，重复上述步骤直到获得可以接受的模型拟合度。
三、我国高等教育信息化
评估的结构方程模型
（一）高等教育信息化评估的结构模型
1997年在国家信息化工作会议上明确指出，信息化的内涵就是以信息技术广泛应用为主导，信息资源为核心，信息网络为载体，信息产业为支撑，信息化人才为依托，法规、政策、标准、安全为保障的综合体系。该定义提出国家信息化的六要素为：信息资源、国家信息网络、信息技术应用、信息技术与产业、信息化人才、信息化政策法规和标准。根据六要素模型，教育信息化主要涉及六个方面的要素：（1）信息网络基础设施建设；（2）教育信息资源建设；（3）信息资源的利用与信息技术的应用；（4）信息化人才的培养与培训；（5）教育信息产业；（6）信息化政策、法规和标准建设。在参照国家信息化体系的六要素模型，结合中国高等教育学会《中国高校信息化指标体系研究》的研究成果和已有的中国高校信息化指标体系，同时借鉴中外有关评价指标的基础上，2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”项目组提出了一套比较详细的我国高等教育信息化调研评价指标体系，并依据该指标体系对我国300多所高校教育信息化建设与应用水平进行了问卷调查。本文在该指标体系的基础上，根据实际获取的调研数据选取我国高等教育信息化建设与应用的五个维度（即基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系）的调研指标，构建我国高等教育信息化评估结构模型。
在该假设模型中，ξ1为外因潜在变量，代表高等教育信息化水平，η1至η5为内生潜在变量，分别代表基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系五个维度。同时提出以下假设：
H1：基础设施建设水平是衡量高等教育信息化水平的显著因素，即高校基础设施建设水平越高，则其整体教育信息化水平越高。
H2：资源建设水平是衡量高等教育信息化水平的显著因素，即高校资源建设水平越高，则其整体教育信息化水平越高。
H3：教学科研应用水平是衡量高等教育信息化水平的显著因素，即高校教学科研等应用水平越高，则其整体教育信息化水平越高。
H4：教育管理信息化水平是衡量高等教育信息化水平的显著因素，即高校教育管理信息化水平越高，则其整体教育信息化水平越高。
H5：信息化保障体系是衡量高等教育信息化水平的显著因素，即高校信息化保障体系水平越高，则其整体教育信息化水平越高。
（二）高等教育信息化评估指标体系变量表
在结构方程模型中潜变量是指不能准确、直接测量的变量，需要通过一些外显指标去间接测量。该模型中信息化建设的五个维度由相应的外显指标测量。依据评价指标的简约性、可操作性、导向性原则，在已有评价指标体系的基础上，同时结合当前我国教育事业统计指标中关于高等教育信息化的统计指标，最终形成我国高等教育信息化评估指标体系变量表，如表1所示。
在该评价指标体系变量表中，基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系五个维度为潜变量，具体的测量指标为显变量。基础设施建设水平的测量指标为Y1、Y2、Y3、Y4、Y5、Y6等6个指标，资源建设水平的测量指标为Y7、Y8、Y9等3个指标，教学科研应用的测量指标为Y10、Y11、Y12、Y13等4个指标，教育管理信息化的测量指标为Y14、Y15、Y16等3个指标，信息化保障体系的测量指标为Y17、Y18、Y19等3个指标。
四、实证分析
（一）数据来源与处理
本研究数据来自2008年教育部教育改革和发展战略与政策研究重大课题“教育信息化建设与应用研究”的全国调研，调研范围为我国东部、中部、西部共10个省份的300多所高校（包括高等职业技术学院），有效样本量为337。数据处理采用SPSS15.0及结构方程模型建模软件Lisrel. 8.7。
此外，对样本中的缺失数据采用多重插补法（Multiple Imputation）进行插补，多重插补建立在贝叶斯理论基础之上，基于EM算法（最大期望算法）来实现对缺失数据的处理。该方法弥补了单一插补法（如均值插补法）的缺陷，通过模拟缺失数据的分布，较好地保持变量之间的关系。
（二）模型估计
笔者采用Lisrel 8.7版软件作为建立结构方程模型的工具，建立高等教育信息化水平的高阶因子分析模型，并选用极大似然法（Maximum Likelihood，ML）对模型进行估计，得到模型标准化路径系数如图3所示。
（三）信度和效度检验
信度分析的主要目的是检验所使用的测量工具在测量相关变量时是否具有稳定性和一致性。效度分析的主要目的是检验所使用的测量工具能够解释测量相关变量的有效程度，主要包括内容效度和构念效度两种，构念效度又分为会聚效度和区分效度。本文采用目前学术界普遍采用的个项—总量的Cronbach’s a系数进行信度检验，该值可由SPSS统计分析软件计算获得，利用验证性因素分析结果来检查各测项的会聚效度。研究所得到的五个维度下变量的信度系数Cronbach’s a值及验证性因子分析（Confirmatory Factor Analysis，CFA）结果如表2所示。
表2中的数据分析结果表明，除了资源建设水平的Cronbach’s a系数均在0.5左右外，其他四个维度的Cronbach’s a系数均在0.6以上，表明本研究的变量具有较好的信度。
从观察变量的标准化因子负荷值可知，所有显变量在潜变量上的因子载荷都比较显著（t值大于1.96），[9]载荷的t值从6.50到9.33，表明测量工具具有良好的收敛效度。[10]
（四）模型检验结果
1. 模型整体适配度检验
本研究整体模型适配度检验统计量值如表3所示。
模型拟合结果显示，整体模型适配度指标都达到了适配标准。整体而言，本研究提出的假设模型与实际观察数据的拟合情况良好，可用以检验本文提出的理论假设。
2. 模型分析
在高校信息化水平评估中信息化应用（0.91）是影响高校信息化水平的首要因素；其次是信息化保障体系（0.90）、资源建设（0.80）、教育管理信息化（0.78）、基础设施建设水平（0.62）。且五个维度变量与信息化水平的路径系数均达显著性水平（t值>1.96），表明该五个维度是衡量高校信息化水平的显著因素。从五个维度的标准化系数可知，要提高高等教育信息化水平关键是提高我国高校信息化应用水平。其次是要有充分的信息化保障体系，特别是信息化人员保障和信息化资金保障。再次是资源建设和管理信息化建设，而基础设施建设因子载荷最低，说明当前影响教育信息化水平的因素重点不在硬件建设，而在于信息化应用水平的提升。
综上所述，结构方程模型的较好拟合和模型假设的检验结论都说明“我国高等教育信息化评估模型”基本上反映了当前教育信息化建设的现状和需求。
3. 模型应用
根据高等教育信息化结构方程模型的高阶因子分析所得因子负荷大小（如图3所示），对维度和指标进行权重分配，将五个维度的负荷相加，每一个维度的负荷除以该值即为该维度的权重，[11][12]即权重Wi计算公式为：
Wi=γi/Σγi（γi为第i个指标或因子的标准化载荷）
通过计算得到基础设施建设、资源建设、教学科研应用、教育管理信息化、信息化保障体系的因子负荷分别为0.62、0.80、0.91、0.78、0.90，它们的和为4.01，计算基础设施建设因子的权重为0.62/4.01=0.15，依次类推可以计算出另外四个维度的相对权重分别为0.20、0.23、0.19、0.22。同理，可以计算各维度下指标的权重。
依据计算出来的权重进一步采用简单线性加权法获得各因子的得分及各省的综合水平得分，根据因子得分值的高低进行排序，从而对我国高等教育信息化水平进行综合评价，表6中显示了对2008年全国10个省市高校信息化建设与应用水平的综合评价结果。
根据潜变量得分，计算欧式距离，采用组间平均连锁距离的层次聚类方法，用SPSS15.0软件进行聚类分析，将我国10个省份的高校信息化发展状况划分为三类：第一类包括北京市，多项得分遥遥领先于其他省份；第二类包括上海、湖北和广东；第三类包括湖南、吉林、陕西、甘肃、内蒙古、云南省。
五、结 论
根据国家信息化评价体系选取教育信息化建设的五个维度建构我国高等教育信息化评价体系，经过结构方程模型的验证符合要求，可以作为一个有效的工具来分析我国省域高等教育信息化发展状况。基于高等教育信息化评价指标体系构造的综合评价模型，对我国十个省、市、自治区300多所高校2008年的信息化发展状况进行的横向比较。研究发现，高等教育信息化应用和保障体系是对高等教育信息化水平影响最大的两个因素，提升高校信息化应用水平和保障体系是提高整体信息化水平的关键，当前我国高校的信息化基础设施建设和资源建设已初具规模，信息化应用的深入和信息化经费、信息化人员的持续投入成为当前信息化发展的关键。
根据10个省份高校信息化发展五个维度得分和综合水平得分情况及聚类结果，发现高校信息化发展存在以下特点：（1）北京市的高等教育信息化发展水平远远高于其他省（市、区），在基础设施建设、信息化应用、管理信息化、信息化保障等各方面处于领先地位；（2）中部地区的湖北省高等教育信息化发展迅速，其资源建设、应用和管理水平超过了经济发展较好的广东省；（3）西部地区的高等教育信息化水平低于东部和中部地区，特别是甘肃、内蒙古和云南省（自治区）在基础设施建设、资源建设、应用、管理和信息化投入等各方面亟待提高。聚类分析的结果进一步验证当前我国教育信息化发展中的问题，即教育信息化发展区域间的不平衡和教育信息化发展内部结构的不均衡。经济不发达地区信息化发展水平仍较低，但经济发展水平并不是唯一决定教育信息化发展水平，教育信息化的发展并不是基础设施越先进、经费投入越多越好，而是教育信息化整体结构的协调发展决定了其发展水平，当基础设施水平到达一定程度时应调整投资结构，注重从量的投入到质的提升。
最后，本研究只选取了教育信息化建设的五个维度进行分析，而信息化人才培养这个重要维度由于没有相关数据而未能纳入分析，后续研究中将弥补这一缺陷。同时为弥补部分样本数据可能失真的不足，在后续的研究中还可在客观统计建模分析的基础上，结合主观评价法如德尔菲法、模糊层次分析法来确定指标的权重，以有效提高评价结果的准确性。
[参考文献]
[1] 蒲善荣，刘建泉.高校信息化三级指标评价体系设计及测度研究[J].四川师范大学（自然科学版），2010，33（6）：849~854.
[2] 韩靖，邓尚民，刘文云．高校信息化测度指标体系建立与权重的计算研究[J]．情报杂志，2007，26（1）:133~135．
[3] 孔繁世.教育信息化综合评估考核指标体系构建研究[J].郑州大学学报（哲学版），2003，（2）.
[4] 杨同伟.基于AHP和灰色关联分析的高校信息化水平综合评价方法[J].中国高等教育评估，2006，（3）：46~48.
[5] 李普聪，钟元生.基于WGCA与DEA的高校教育信息化投资效益评价[J].现代教育技术，2009，（5）：76~79.
[6] 王有远，艾小伟.基于灰色理论的教育信息化综合评价及系统实现[J].开放教育研究，2008，（3）:85~88.
[7] 何晓群.多元统计方法[M].北京：中国人民大学出版社，2004.287.
[8] 吴明隆.结构方程模型——AMOS的操作与应用[M].重庆：重庆大学出版社，2010.
[9] 侯杰泰等.结构方程模型及其应用[M].北京：教育科学出版社，2010.
[10] James Y.L.Thong, Chee-Sing Yap, K.S. Raman. Top Management Support, External Expertise and Information Systems Implementation in Small Businesses[J].Information Systems Research, 1996，7（2）:248~267.
[11] 田飞.用结构方程模型建构指标体系[J].安徽大学学报（哲学社会科学版），2007，31（6）:92~95.
[12] M. Punniyamoorthy, P. Mathiyalagan, P. Parthiban. A Strategic Model Using Structural Equation Modeling and Fuzzy Logic in Supplier Selection[J].Expert Systems with Applications, 2011，（38）：458~474.