基于知识结构高职院校教师生存特征比较

《基于知识结构高职院校教师生存特征比较》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于知识结构高职院校教师生存特征比较　　收稿日期：2013-02-07作者简介：何霞，广州番禺职业技术学院工商管理系副教授。（广州/511483）*本文系广东省教育科学“十二五”规划2011年度研究项目“广东省高职院校教师流失现状调查与激励体系构建研究”（项目批准号2011TJK168）、广州番禺职业技术学院重点项目“高职院校教师流失现状分析及激励体系构建研究”（项目批准号C-G-3）及暨南大学教学改革研究项目“基于创新人才培养的创业教育生态系统本土化构建探究”的阶段性成果。摘要：高职院校教师知识结构的生存特征研究为保障教师队伍建

2、设的持续稳定发展提供了新视角。借助广东省某高职院校2007～2012年人事档案数据及生存分析方法，对高职教师的离职率和留任时间进行了实证研究。结果显示，高职教师留任时间普遍较短，留任时间的均值和中值分别只有3.05年和2年，且存在明显的负时间依存性；Kaplan-Meier估计显示，知识结构对高职院校教师的留任时间具有显著影响。文章进一步采用Cox比例风险模型，在控制了性别、年龄、岗位选择等因素后发现，知识结构对高职教师留任时间的影响依然显著，分析结果具有稳健性。14关键词：高职教师流失；知识结构；生存分析；Cox比例风险模型一、

3、研究问题拥有一支素质高且稳定的教师队伍对高职院校的生存与发展而言，具有举足轻重的作用。然而，高职院校目前普遍存在教师离职率高、留任时间短等问题，让我们不得不反思究竟是何种原因导致了教师的严重流失。国内外众多学者从经济待遇、管理体制、考核标准、职业发展等诸多方面对这一问题展开透彻分析，并在激励措施的制定和实施上进行了一系列有益探索。[1]然而，高职院校教师的生存特征往往表现出持续期短、不稳定且具有负时间依存性（negativedurationdependence，即随着留任时间的增长，教师的离职风险下降）的特点，单纯依靠静态的激励研

4、究并不一定能解决现实问题。因此，在设计和制定教师激励措施的同时，应结合高职教师留任时间的生存特征差异，细致分析教师从在职转向离职的动态变化过程。14本文尝试采用生存分析方法[2]，深入探讨知识结构对高职教师生存过程的影响，为降低高职教师离职率、延长教师留任时间提供实证依据。对高职教师这一特殊群体而言，知识结构的重要性不言而喻。知识结构既是促进教师专业化发展、提高教育教学质量的重要条件，也是高职教师区别于其他社会群体的关键特征。依据经典人力资本理论，拥有丰富经验、较高学历和能力的教师更期望得到与之相对应的岗位和薪酬。[3]教师的知识

5、水平越高，职业迁移的意愿和能力就越强，而受教育程度和职称则是体现高职院校教师知识结构的主要特征①。因此，本文以受教育程度和职称作为高职院校教师知识结构的“代理变量”，将难以衡量的“知识结构”转化为两个易测变量，以便更准确地预测教师留任时间及制定教师激励制度。具体而言，本文的研究工作将基于统计学的生存分析方法，从以下两个方面展开：第一，基于知识结构，对高职教师离职率和留任时间的分布特征加以描述；第二，应用生存分析的Cox比例风险模型，估计各研究因素对高职教师留任时间的影响。二、研究方法和数据处理（一）研究方法以往对教师流失问题的研究

6、要么采用最小二乘法拟合回归模型来预测事件发展变化的因果关系，要么采用Logistic回归来预测结局事件是否发生。这些传统方法都是基于截面数据的静态分析，无法反映教师离职或留任状况随时间而改变的规律，也不能对观测期内不同时间截面上的变量取值变化给予正确的描述和解释，从而造成信息的损失，甚至引起系统估计的偏差。生存分析方法通过为预测变量设置相应的示性函数，对分布复杂的时间数据进行生存函数估计，不仅解决了传统方法的限制，揭示出传统方法无法得到的生存特征，而且也精确地反映了预测事件发展变化的动态过程。14本文将采用生存分析的寿命表法（Li

7、feTables）计算不同知识结构的高职教师在各时点上生存函数的估计值（留任率），从时间维度上反映高职教师总体的生存状况；采用Kaplan-Meier法比较不同知识结构教师的留任时间差别；采用CoxRegression模型分析在控制其他因素的情况下知识结构对高职教师生存状况的影响。·高职教育·基于知识结构的高职院校教师生存特征比较（二）数据处理定义高职院校教师留任时间为教师从进入该校到辞职离开（中间没有间隔）所经历的时间。为方便后续的数据分析和处理，本研究以“年”为单位，对高职教师的留任时间进行记录。教师离职称之为“失败事件”（f

8、ailureevent）。关于数据处理有两点需要说明：（1）数据删失（censor）问题。数据删失是生存分析中非常普遍但须加以控制的现象。主要有两种类型：左删失（leftcensoring）和右删失（right14censoring）。前者是指事件