神經(jīng)網(wǎng)絡(luò)研究方法應(yīng)用于社會(huì)科學(xué)實(shí)證研究,社會(huì)學(xué)理論論文

神經(jīng)網(wǎng)絡(luò)研究方法應(yīng)用于社會(huì)科學(xué)實(shí)證研究,社會(huì)學(xué)理論論文在社會(huì)學(xué)定量研究中經(jīng)常碰到多個(gè)自變量與因變量之間復(fù)雜關(guān)系的分析。通常使用的方式方法是多元回歸分析或途徑分析。但是，多元回歸分析或途徑分析模型都是基于線(xiàn)性關(guān)系假設(shè)建構(gòu)的。而現(xiàn)實(shí)生活中變量之間往往是非線(xiàn)性關(guān)系，因而線(xiàn)性分析難于真實(shí)反響變量之間的關(guān)系，甚至?xí)⒕哂泻軓?qiáng)非線(xiàn)性關(guān)系的變量視為無(wú)關(guān)，且在多元回歸分析或途徑分析中由于多重共線(xiàn)性的原因難以納入更多的變量。在多變量之間因果關(guān)系的分析中怎樣在方式方法上有所突破是社會(huì)學(xué)定量研究中面臨的一項(xiàng)難題。本研究嘗試計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)分析的方式方法，以畢業(yè)生的成就性水平為輸出變量，以諸多影響因素為輸入變量，通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型對(duì)大學(xué)畢業(yè)生的成就性水平及其影響因素的關(guān)系構(gòu)造進(jìn)行計(jì)算機(jī)模擬，希望能夠?qū)τ绊憘€(gè)人社會(huì)地位實(shí)現(xiàn)的復(fù)雜、多變量之間的關(guān)系做出更有效的解釋。自1943年McCulloch和Pitts根據(jù)生物神經(jīng)元的一些基本生理特征提出簡(jiǎn)單的人工神經(jīng)元數(shù)學(xué)模型與構(gòu)造方式方法至今，神經(jīng)網(wǎng)絡(luò)分析方式方法得到了很大的發(fā)展。90年代以來(lái)，隨著本身局限性的問(wèn)題得到解決，神經(jīng)網(wǎng)絡(luò)研究方式方法在自然科學(xué)領(lǐng)域、工程技術(shù)、醫(yī)學(xué)、商業(yè)、心理學(xué)等諸多領(lǐng)域中已經(jīng)得到了廣泛的應(yīng)用，解決了很多傳統(tǒng)科學(xué)技術(shù)解決不了的難題。它為人類(lèi)認(rèn)識(shí)世界、開(kāi)拓未知領(lǐng)域、提高當(dāng)代科學(xué)技術(shù)研究水平起到了很好的促進(jìn)作用。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，最近幾年在經(jīng)濟(jì)管理領(lǐng)域有了較多的應(yīng)用。沈國(guó)琪等構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)失業(yè)狀況進(jìn)行預(yù)測(cè),并與多元回歸預(yù)測(cè)模型的預(yù)測(cè)結(jié)論進(jìn)行比擬,結(jié)果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)性能高于多元回歸預(yù)測(cè)模型。金代志等構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的顧客價(jià)值辨別模型并進(jìn)行了仿真實(shí)驗(yàn)，證明構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型合適對(duì)企業(yè)的顧客價(jià)值進(jìn)行辨別。陳敏等利用重構(gòu)相空間的嵌入維數(shù)建構(gòu)了算法與設(shè)計(jì)相對(duì)簡(jiǎn)單的將混沌理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)模型。秦迎林等針對(duì)當(dāng)下第三方物流企業(yè)資源整合風(fēng)險(xiǎn)預(yù)警定量方式方法的匱乏，討論了一種基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型。并通過(guò)對(duì)樣本的訓(xùn)練驗(yàn)證了所建立的BP神經(jīng)網(wǎng)絡(luò)模型在物流資源整合風(fēng)險(xiǎn)預(yù)警中具有較高的實(shí)用價(jià)值。神經(jīng)網(wǎng)絡(luò)分析的應(yīng)用范圍極為廣泛，如D.Lowe和M.Tipping將前向神經(jīng)網(wǎng)絡(luò)分析方式方法運(yùn)用于地質(zhì)學(xué)，充分顯示出了神經(jīng)網(wǎng)絡(luò)分析在處理高維數(shù)據(jù)中的優(yōu)勢(shì)。W.Z.Lu等人將粒子群優(yōu)化模型引入了對(duì)香港污染級(jí)別及趨勢(shì)的預(yù)測(cè)，顯示出這種新的神經(jīng)網(wǎng)絡(luò)分析模型在分析實(shí)際空氣污染問(wèn)題時(shí)的可行性和有效性。HokkySitungkir試圖運(yùn)用神經(jīng)網(wǎng)絡(luò)方式方法彌合社會(huì)學(xué)的二元對(duì)立問(wèn)題。M.Girvan等人提出了一種新的計(jì)算網(wǎng)絡(luò)構(gòu)造的方式方法，利用邊中介性計(jì)算社區(qū)網(wǎng)絡(luò)構(gòu)造，他們十分關(guān)注由網(wǎng)絡(luò)節(jié)點(diǎn)嚴(yán)密結(jié)合成群體而群體之間松懈聯(lián)絡(luò)的社區(qū)。通過(guò)與傳統(tǒng)方式方法的比擬，驗(yàn)證了這種方式方法構(gòu)建的計(jì)算機(jī)圖具有很強(qiáng)的敏感性和可靠性。在我們國(guó)家，固然在經(jīng)濟(jì)管理領(lǐng)域神經(jīng)網(wǎng)絡(luò)的應(yīng)用已經(jīng)獲得了不少成就，但在其它人文與社會(huì)科學(xué)領(lǐng)域中，神經(jīng)網(wǎng)絡(luò)研究方式方法的成功應(yīng)用仍然屬空白。在社會(huì)學(xué)實(shí)證研究中，由于社會(huì)統(tǒng)計(jì)方式方法的限制，某些情況下變量之間的相關(guān)性并不能得到很好的解釋?zhuān)蚨鴮⑸窠?jīng)網(wǎng)絡(luò)研究方式方法應(yīng)用于社會(huì)科學(xué)實(shí)證研究，在方式方法的創(chuàng)新上是一個(gè)有益的嘗試。二、數(shù)據(jù)來(lái)源與變量的選取1.數(shù)據(jù)來(lái)源本研究所使用的數(shù)據(jù)來(lái)源于哈爾濱工業(yè)大學(xué)2004年至2005年期間進(jìn)行的畢業(yè)生狀況調(diào)查的數(shù)據(jù)。本研究截取1977年恢復(fù)高考以后的20屆畢業(yè)生為研究對(duì)象，入學(xué)年限跨度為1977年到1996年。由于分析牽涉的變量較多，而且要求分析的個(gè)案在任何變量上都不能有缺失值，因而知足本研究的個(gè)案數(shù)為501個(gè)。由于1977年至1996年是我們國(guó)家從計(jì)劃經(jīng)濟(jì)向市場(chǎng)經(jīng)濟(jì)轉(zhuǎn)型的變遷時(shí)期，而在這一時(shí)期哈爾濱工業(yè)大學(xué)是一個(gè)在我們國(guó)家名列前茅的理工科大學(xué)。因而本文的研究結(jié)論只對(duì)于國(guó)家重點(diǎn)的理工科大學(xué)畢業(yè)生具有參考價(jià)值。2.大學(xué)畢業(yè)生成就性水平指標(biāo)體系的建構(gòu)〔1〕指標(biāo)的選擇及賦值。成就性水平是指?jìng)€(gè)人在社會(huì)體系中所擁有的地位、勢(shì)力、財(cái)富或聲望的總和。本文中成就性水平的指標(biāo)由下述變量構(gòu)成：社會(huì)地位指數(shù)、收入在單位中的相對(duì)水平、當(dāng)前住房的使用面積、2004年總收入、崗位在單位中的重要性、獲獎(jiǎng)指數(shù)六個(gè)變量構(gòu)成?！?〕基于主成份分析的指標(biāo)合并。由于上述表示個(gè)人成就性水平的指標(biāo)不僅多，而且包括了不同測(cè)度層次的變量。本文應(yīng)用主成份分析的方式方法對(duì)上述指標(biāo)降維處理。主成份分析需要變量之間具有較強(qiáng)的相關(guān)關(guān)系，因而需要對(duì)變量能否合適于作主成份分析進(jìn)行檢驗(yàn)。采用KMO方式方法進(jìn)行檢驗(yàn)的結(jié)果是KMO值為0.724，顯著性水平為0，這講明變量之間有較強(qiáng)相關(guān)，合適做主成份分析。在主成份分析中根據(jù)變量的數(shù)量提取主成份的個(gè)數(shù)，即提取6個(gè)主成份。這6個(gè)主成份特征值及方差奉獻(xiàn)率的分布見(jiàn)表1。以每個(gè)主成份的方差奉獻(xiàn)率為權(quán)數(shù)，計(jì)算主成份得分的加權(quán)平均值，這樣能夠?qū)⒉煌瑴y(cè)量水平，不同單位的變量綜合成為一個(gè)主成份得分，該主成份得分稱(chēng)為成就性水平得分，分?jǐn)?shù)的大小能夠反響個(gè)體成就性水平的高低，其計(jì)算公式為：成就性水平=F10.356+F20.17+F30.149+F40.126+F50.112+F60.087【表1】3.影響因素的變量選擇本研究根據(jù)經(jīng)歷體驗(yàn)判定從先賦因素和致獲因素兩方面共選擇了對(duì)畢業(yè)生的成就性水平可能產(chǎn)生影響的22個(gè)變量，外加時(shí)間變量。時(shí)間變量為：本科入學(xué)至調(diào)查時(shí)的年限；先賦因素為：讀本科時(shí)家庭經(jīng)濟(jì)狀況〔當(dāng)時(shí)的社會(huì)平均水平〕、父親的職務(wù)級(jí)別、父親的職稱(chēng)、父親的政治相貌、父親的文化程度、母親的職務(wù)級(jí)別、母親的職稱(chēng)、母親的政治相貌、母親的文化程度、上大學(xué)前主要寓居地區(qū)類(lèi)型；致獲因素為：最后學(xué)歷、政治相貌、高考成績(jī)與重點(diǎn)分?jǐn)?shù)線(xiàn)的差、本科時(shí)的學(xué)習(xí)成績(jī)?cè)诎嗉?jí)的排名、本科時(shí)學(xué)習(xí)刻苦程度、本科時(shí)擔(dān)任學(xué)生的級(jí)別、本科時(shí)擔(dān)任學(xué)生的時(shí)間長(zhǎng)度、本科時(shí)獲得獎(jiǎng)勵(lì)的級(jí)別、本科時(shí)所在班級(jí)獲得獎(jiǎng)勵(lì)的級(jí)別、本科時(shí)參加課外活動(dòng)情況、讀本科時(shí)的人際交往情況、讀本科時(shí)的人際關(guān)系情況。由于人際交往和人際關(guān)系的測(cè)量比擬困難，本研究采用讀本科時(shí)您愿意和寢室的多少人交往作為人際交往的指標(biāo)，讀本科時(shí)您寢室有多少人愿意和您交往作為人際關(guān)系的指標(biāo)。三、BP神經(jīng)網(wǎng)絡(luò)分析的原理1.BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造BP〔BackPropagation〕神經(jīng)網(wǎng)絡(luò)模型是模擬人的大腦建構(gòu)的仿真模型，由神經(jīng)元和神經(jīng)元的連接構(gòu)成神經(jīng)網(wǎng)絡(luò)。每個(gè)神經(jīng)元都能夠接受來(lái)自其它神經(jīng)元的輸入，并計(jì)算出輸出，這些輸出可以以成為其它神經(jīng)元的輸入。一般具有輸入層、隱含層、輸出層三個(gè)部分,網(wǎng)絡(luò)構(gòu)造如此圖1所示。輸入層的每一個(gè)神經(jīng)元都對(duì)應(yīng)著一個(gè)輸入變量xi，這些變量的值也稱(chēng)為網(wǎng)絡(luò)輸入。隱含層中可能包含一層可以能包含多層神經(jīng)元。輸出層因應(yīng)用目的不同能夠有多個(gè)輸出神經(jīng)元，可以以只要一個(gè)輸出神經(jīng)元。圖中的w、v是權(quán)值。每個(gè)神經(jīng)元在接受輸入信息時(shí)將輸入數(shù)據(jù)與權(quán)值相乘以后進(jìn)行計(jì)算，然后向下一層神經(jīng)元輸出?！緢D1】本研究中，輸入層神經(jīng)元的個(gè)數(shù)與影響因素變量數(shù)一樣，共為23個(gè)。輸出層神經(jīng)元個(gè)數(shù)與因變量數(shù)一樣，本研究只要一個(gè)因變量，因而輸出神經(jīng)元為1個(gè)。隱含層包含的層數(shù)和神經(jīng)元個(gè)數(shù)由研究者來(lái)確定。由于隱含層層數(shù)和隱含層神經(jīng)元個(gè)數(shù)的不同將會(huì)影響到神經(jīng)網(wǎng)絡(luò)模型擬合優(yōu)度。因而為得到最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型必須首先確定隱含層的層數(shù)和隱含層神經(jīng)元個(gè)數(shù)。根據(jù)經(jīng)歷體驗(yàn)，初步設(shè)定第一層隱含層的神經(jīng)元個(gè)數(shù)為輸入層神經(jīng)元個(gè)數(shù)的二分之一，第二層隱含層的神經(jīng)元個(gè)數(shù)能夠?yàn)榈谝粚拥亩种?，以此?lèi)推。每次訓(xùn)練以后軟件能夠提供擬合優(yōu)度和每個(gè)神經(jīng)元對(duì)輸出結(jié)果的奉獻(xiàn)率。假如存在奉獻(xiàn)率十分小的神經(jīng)元，就減少神經(jīng)元的個(gè)數(shù)。隱含層層數(shù)和隱含層神經(jīng)元個(gè)數(shù)確定的方式方法是在設(shè)定同樣的迭代次數(shù)〔本研究中的迭代次數(shù)為50000次〕的情況下選擇擬合優(yōu)度最好的模型。本研究采用Qnet神經(jīng)網(wǎng)絡(luò)分析軟件，經(jīng)太多次訓(xùn)練不斷調(diào)整，最終確定的神經(jīng)網(wǎng)絡(luò)模型為：輸入層包含23個(gè)神經(jīng)元，第一隱含層包含12個(gè)神經(jīng)元，第二隱含層包含6個(gè)神經(jīng)元，輸出層為1個(gè)神經(jīng)元。網(wǎng)絡(luò)構(gòu)造如此圖2所示?！緢D2】2.BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練經(jīng)過(guò)使用神經(jīng)網(wǎng)絡(luò)來(lái)分析因變量與自變量之間關(guān)系時(shí)，將因變量的觀(guān)測(cè)值視為網(wǎng)絡(luò)的期望輸出，也稱(chēng)為目的變量。自變量的觀(guān)測(cè)值即是網(wǎng)絡(luò)輸入。神經(jīng)網(wǎng)絡(luò)模型根據(jù)網(wǎng)絡(luò)輸入計(jì)算出的結(jié)果稱(chēng)為網(wǎng)絡(luò)輸出。網(wǎng)絡(luò)輸出與期望輸出的差即為誤差。神經(jīng)網(wǎng)絡(luò)模型根據(jù)誤差反向傳播算法來(lái)消除誤差。在正向傳播階段,輸入層神經(jīng)元將輸入數(shù)據(jù)計(jì)算后傳遞給隱含層神經(jīng)元，隱含層神經(jīng)元接收到這些數(shù)據(jù)后經(jīng)過(guò)計(jì)算再傳遞給輸出層神經(jīng)元，每一層神經(jīng)元的狀態(tài)只影響到下一層神經(jīng)元的狀態(tài)。輸出層會(huì)將網(wǎng)絡(luò)輸出結(jié)果與因變量的觀(guān)察值進(jìn)行比擬。當(dāng)差值超過(guò)誤差允許范圍時(shí),進(jìn)入誤差反向傳播階段,誤差信號(hào)按原來(lái)的連接通路返回,同時(shí)對(duì)各層之間的連接權(quán)值進(jìn)行調(diào)整,直到系統(tǒng)誤差能夠接受為止,此后權(quán)值不再改變。這個(gè)經(jīng)過(guò)也稱(chēng)為神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練經(jīng)過(guò)。在這里我們要十分講明神經(jīng)網(wǎng)絡(luò)模型的擬合優(yōu)度問(wèn)題，由于初始化時(shí)網(wǎng)絡(luò)的權(quán)值是系統(tǒng)隨機(jī)賦予的。所以，即便用同一個(gè)網(wǎng)絡(luò)構(gòu)造，同一組數(shù)據(jù)訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)是不唯一的。但差異不會(huì)太大。為了更好的斷定神經(jīng)網(wǎng)絡(luò)模型的擬合優(yōu)度，應(yīng)進(jìn)行屢次重復(fù)訓(xùn)練。本研究進(jìn)行了33次重復(fù)訓(xùn)練，擬合優(yōu)度最好時(shí)為0.82，最差的也到達(dá)0.71。33次訓(xùn)練的平均擬合優(yōu)度為0.76。四、神經(jīng)網(wǎng)絡(luò)分析結(jié)果神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)束以后，系統(tǒng)會(huì)給出每個(gè)輸入神經(jīng)元對(duì)輸出變量的奉獻(xiàn)率。系統(tǒng)將全部輸入變量對(duì)輸出變量的奉獻(xiàn)率視為100%。通過(guò)比擬每個(gè)輸入神經(jīng)元對(duì)輸出的奉獻(xiàn)率來(lái)確定輸入變量對(duì)輸出變量影響作用的大小。本研究中有23個(gè)輸入變量，平均每個(gè)輸入變量對(duì)輸出變量的奉獻(xiàn)率為4.35%。假如某個(gè)輸入變量的奉獻(xiàn)率大于該值就能夠以為該輸入變量對(duì)輸出變量有較大影響。由于輸入神經(jīng)元對(duì)網(wǎng)絡(luò)輸出的奉獻(xiàn)率遭到每次訓(xùn)練時(shí)輸入神經(jīng)元權(quán)值的初始賦值影響，每次訓(xùn)練得到的奉獻(xiàn)率并不一樣。為了更好的斷定每個(gè)影響因素變量對(duì)成就性水平影響程度的大小，用每個(gè)輸入神經(jīng)元在33次訓(xùn)練中的平均奉獻(xiàn)率作為其對(duì)輸出變量影響的指標(biāo)。為清楚明晰展現(xiàn)不同影響因素對(duì)大學(xué)畢業(yè)生成就性水平的作用，利用23個(gè)影響因變量的平均奉獻(xiàn)率繪制了圖3?！緢D3】從圖3中能夠看出，引入模型中的影響因素作用能夠分為四個(gè)層次。處于第1個(gè)層次的是前三個(gè)變量，它們對(duì)輸出變量的奉獻(xiàn)率明顯大于其它變量，這三個(gè)變量的作用依次遞減，差異也很大。處于第2個(gè)層次的變量是第4到第10的變量，它們對(duì)輸出變量的奉獻(xiàn)率固然依次遞減但互相差異不大。處于第3個(gè)層次的變量是第11到第19的變量，這些變量的作用幾乎處在一個(gè)水平線(xiàn)上。處在第4個(gè)層次上的變量是第20到第23的變量，它們對(duì)成就性水平的影響很微弱。于是我們得到如下結(jié)果：1.家庭經(jīng)濟(jì)狀況對(duì)大學(xué)畢業(yè)生成就性水平具有重要影響。。神經(jīng)網(wǎng)絡(luò)分析結(jié)果表示清楚，在所有的影響因素變量中讀本科時(shí)家庭經(jīng)濟(jì)狀況高高的居于第一位。它對(duì)輸出變量的奉獻(xiàn)率為9.11%，大約是第二個(gè)層次變量的2倍。這與我們一般的理解與感受是相悖的結(jié)論，也是一個(gè)令人沮喪的結(jié)論。一般的以為，經(jīng)過(guò)十幾年的寒窗苦讀考入了重點(diǎn)大學(xué)的學(xué)生們有能力把握自個(gè)的前途和命運(yùn)，家庭的影響應(yīng)該漸漸地淡去?？煞治鼋Y(jié)果卻告訴我們家庭經(jīng)濟(jì)狀況卻如影隨形地伴隨著他們，甚至影響著大學(xué)生畢業(yè)十幾年、幾十年后的成就性水平。那么，讀本科時(shí)家庭經(jīng)濟(jì)狀況是怎樣影響成就性水平的呢？采用方差分析的方式方法分析家庭經(jīng)濟(jì)狀況與畢業(yè)生成就水平的關(guān)系，結(jié)果如此圖4所示。從圖中能夠看出讀本科時(shí)家庭經(jīng)濟(jì)狀況與成就性水平的關(guān)系并非是線(xiàn)性的。多重比擬的方差分析表示清楚，家庭比擬富有的畢業(yè)生成就性水平與其它四個(gè)類(lèi)別的畢業(yè)生有顯著差異。顯著性水平為0.01。由于填答非常富有的只要兩個(gè)個(gè)案，該類(lèi)別的情況不具有推論價(jià)值。總的看來(lái)，比擬富有家庭的畢業(yè)生獲得了相比照較高的成就性水平。令人比擬欣慰的是，家庭經(jīng)濟(jì)狀況一般、比擬貧困和非常貧困的畢業(yè)生成就性水平?jīng)]有顯著差異。尤其是家庭非常貧困的畢業(yè)生成就性水平還略高于平均值。講明貧困并沒(méi)有成為畢業(yè)生獲取成就的抑制因素。2.入職的前十五年對(duì)畢業(yè)生成就性水平具有決定性的作用。。對(duì)成就性水平影響作用排在第二位的變量是本科入學(xué)年限。這個(gè)變量表示清楚的是工作時(shí)間對(duì)成就性水平的累積作用。將入學(xué)年減掉4年即可換算成工作年限?？紤]到工作年限對(duì)成就性水平的作用需要一定的累積時(shí)間，本文中將1977、1978、1979年入學(xué)的畢業(yè)生工作年限作為一個(gè)時(shí)間段，其后每五年為一個(gè)時(shí)間段。并將工作時(shí)間段與畢業(yè)生的成就性水平進(jìn)行方差分析，結(jié)果圖5所示。方差分析的F值為16.9，顯著性水平為0.000.講明不同工作年限的畢業(yè)生成就性水平有顯著差異?？偟目磥?lái)是工作時(shí)間越長(zhǎng)，對(duì)成就性水平的積累作用越強(qiáng)。但其成就性水平也不是隨著工作年限的增加而線(xiàn)性增長(zhǎng)。畢業(yè)以后的前15年成就性水平增長(zhǎng)較快，其后雖有增加，但增加的已相對(duì)較緩慢。也就是講，大學(xué)畢業(yè)生入職的前15年對(duì)于其一生所能實(shí)現(xiàn)的最高的社會(huì)地位具有決定性的作用。3.母親對(duì)子女成才的作用遠(yuǎn)遠(yuǎn)大于父親由于布勞與鄧肯的模型中只納入了父親的變量，而沒(méi)有納入母親的變量。因而，我們國(guó)家學(xué)者的研究也大都以父親代表家庭的社會(huì)地位來(lái)研究其對(duì)子代社會(huì)地位獲得的影響。為此，我們十分關(guān)注了母親對(duì)子女社會(huì)地位獲得的影響問(wèn)題。本研究利用神經(jīng)網(wǎng)絡(luò)分析的優(yōu)勢(shì)，將父親與母親的變量同時(shí)納入模型來(lái)分析家庭社會(huì)地位對(duì)子代的影響，同時(shí)比擬父親和母親各自作用的大小。研究中對(duì)于畢業(yè)生的父母都選擇了文化程度、職務(wù)級(jí)別、職稱(chēng)和政治相貌四個(gè)變量進(jìn)入模型。分析結(jié)果發(fā)現(xiàn)父親、母親的四個(gè)對(duì)應(yīng)變量，母親都排在父親的前面。四個(gè)變量對(duì)成就性水平的總奉獻(xiàn)率母親也大大的超過(guò)父親。如表2所示。這意味著母親對(duì)子女成才的影響明顯大于父親。4.先賦性因素對(duì)畢業(yè)生成就性水平的影響大于致獲性因素在作用最大的前三個(gè)影響因素中，入學(xué)年限是時(shí)間變量，既不屬于先賦性因素，也不屬于致獲因素，另外兩個(gè)變量讀本科時(shí)家庭經(jīng)濟(jì)狀況和母親的職稱(chēng)均為先賦因素。在作用較大的第二層次的影響因素中，有三個(gè)變量為先賦因素，四個(gè)變量為致獲因素、。對(duì)畢業(yè)生成就性水平影響作用排在前十位的變量中由5個(gè)先賦因素，4個(gè)致獲因素組成。這兩類(lèi)因素對(duì)成就性水平奉獻(xiàn)率的比擬見(jiàn)表3}。先賦因素對(duì)成就性水平的總奉獻(xiàn)率為29.37%，致獲因素對(duì)成就性水平的總奉獻(xiàn)率為18.86%。這講明，先賦因素對(duì)大學(xué)畢業(yè)生成就性水平的影響要大于致獲因素。可以以理解為在大學(xué)畢業(yè)生這一群體的階層內(nèi)分化中，先賦因素的作用要大于致獲因素。5.學(xué)業(yè)性因素對(duì)畢業(yè)生的成就性水平的影響大于非學(xué)業(yè)性因素神經(jīng)網(wǎng)絡(luò)分析結(jié)果表示清楚，畢業(yè)生的高考成績(jī)與重點(diǎn)分?jǐn)?shù)線(xiàn)之差、學(xué)習(xí)成績(jī)?cè)诎嗉?jí)的名次和學(xué)習(xí)刻苦程度這三個(gè)學(xué)業(yè)性因素的變量對(duì)畢業(yè)生成就性水平的奉獻(xiàn)率都處在影響較大的第二個(gè)層次上。而擔(dān)任學(xué)生的時(shí)間、參加課外活動(dòng)的情況、人際關(guān)系情況、擔(dān)任學(xué)生的級(jí)別等非學(xué)業(yè)性因素的奉獻(xiàn)率都處在第三個(gè)層次上。這講明，學(xué)生在讀本科期間的學(xué)業(yè)性因素對(duì)將來(lái)成就性水平的影響要大于非學(xué)業(yè)性因素。6.優(yōu)秀班級(jí)的學(xué)生獲得了較好的成就性水平在神經(jīng)網(wǎng)絡(luò)分析模型中，班級(jí)獲獎(jiǎng)情況是排在第六位的影響因素。其對(duì)畢業(yè)生成就性水平的奉獻(xiàn)率為4.75%，僅次于學(xué)習(xí)成績(jī)。沒(méi)有獲過(guò)獎(jiǎng)的班級(jí)一般為普通的班級(jí)，而獲得省部級(jí)及以上獎(jiǎng)勵(lì)的班級(jí)往往是優(yōu)秀班級(jí)。統(tǒng)計(jì)分析表示清楚，普通班級(jí)和較好的班級(jí)的學(xué)生成就性水平?jīng)]有顯著差異，而優(yōu)秀班級(jí)的學(xué)生畢業(yè)以后的成就性水平明顯高于普通班級(jí)的學(xué)生?？梢?jiàn)班風(fēng)對(duì)學(xué)生的影響還是很大的。這個(gè)結(jié)論也提示了大學(xué)管理要重視班風(fēng)的建設(shè)。7.大學(xué)畢業(yè)生社會(huì)地位獲取的經(jīng)過(guò)中出現(xiàn)了去政治化傾向。本研究中將父母及畢業(yè)生的政治相貌作為影響因素引入模型，但這三個(gè)變量對(duì)成就性水平的奉獻(xiàn)率都很低。父母的政治相貌排在倒數(shù)第一、第二，畢業(yè)生本人的政治相貌排在倒數(shù)第四。它們對(duì)畢業(yè)生成就性水平的影響都很微弱。這個(gè)結(jié)果有些出人意料。被調(diào)查的學(xué)生都畢業(yè)在80或90年代，當(dāng)時(shí)的政治身份在就業(yè)、提升等方面都起著重要的作用。因而，筆者假設(shè)這幾個(gè)變量都應(yīng)該對(duì)畢業(yè)生成就性水平產(chǎn)生較大影響。但分析結(jié)果表示清楚政治身份對(duì)個(gè)人成才的影響已經(jīng)很小。改革開(kāi)放的社會(huì)環(huán)境淡化了政治身份的作用。大學(xué)畢業(yè)生獲取社會(huì)地位的經(jīng)過(guò)中出現(xiàn)了去政治化傾向。五、神經(jīng)網(wǎng)絡(luò)分析與相關(guān)分析的比擬為分析神經(jīng)網(wǎng)絡(luò)分析方式方法的優(yōu)勢(shì)與缺乏，將神經(jīng)網(wǎng)絡(luò)分析結(jié)果與相關(guān)分析方式方法進(jìn)行比擬。表4的第4列給出了成就性水平與影響因素的相關(guān)系數(shù)。由于成就性水平是一個(gè)尺度變量，假如影響因素變量也是尺度變量，就采用線(xiàn)性相關(guān)分析，如本科入學(xué)年限、高考成績(jī)與重點(diǎn)分?jǐn)?shù)線(xiàn)之差兩個(gè)變量與成就性水平的相關(guān)分析的結(jié)果是給出皮爾遜相關(guān)系數(shù)。其它的影響因素變量都是有序類(lèi)別變量，它們與成就性水平的相關(guān)分析的結(jié)果是給出相關(guān)比率，即Eta值。從表4中能夠看出，神經(jīng)網(wǎng)絡(luò)分析的結(jié)果與一般相關(guān)分析的結(jié)果不太一致。比方表中排在第三位到第十位的變量都是在神經(jīng)網(wǎng)絡(luò)分析中對(duì)畢業(yè)生的成就性水平影響較大的變量，但相關(guān)分析的結(jié)果是他們與因變量不存在顯著相關(guān)。相關(guān)分析中與成就性水平到達(dá)0.01顯著性水平的幾個(gè)變量，如擔(dān)任學(xué)生的時(shí)間、父親的職務(wù)級(jí)別、參加課外活動(dòng)的情況、最后學(xué)歷在神經(jīng)網(wǎng)絡(luò)分析中對(duì)因變量的奉獻(xiàn)并不大。原因是神經(jīng)網(wǎng)絡(luò)分析注重的是神經(jīng)網(wǎng)絡(luò)輸出與期望輸出到達(dá)最終的擬合優(yōu)度時(shí)，輸入變量的奉獻(xiàn)率。而線(xiàn)性相關(guān)分析表示清楚的是當(dāng)影響因素變量發(fā)生變化時(shí)因變量能否也發(fā)生變化。假如兩個(gè)變量是非線(xiàn)性的關(guān)系，線(xiàn)性相關(guān)會(huì)存在過(guò)度簡(jiǎn)化的問(wèn)題，無(wú)法具體表現(xiàn)出出兩個(gè)變量的復(fù)雜關(guān)系，甚至?xí)演^強(qiáng)的非線(xiàn)性相關(guān)視為不相關(guān)。在社會(huì)學(xué)研究中變量之間存在線(xiàn)性相關(guān)的情況是比擬少的，線(xiàn)性相關(guān)分析不能很好地描繪敘述兩個(gè)變量之間的復(fù)雜的相關(guān)關(guān)系。相關(guān)比率Eta表現(xiàn)的是當(dāng)影響因素取不同值時(shí)成就性水平的平均值能否有差異。由于比擬的僅僅僅是平均值，仍然存在過(guò)度簡(jiǎn)化的問(wèn)題。對(duì)于不同的個(gè)案，影響因素變量取一樣值時(shí)對(duì)成就性水平的影響可能是不同的。如家庭比擬富有可能給子女提供了更好的向上流動(dòng)的條件而使子女獲得了較好的成就性水平，可以能使子女坐享其成缺乏上進(jìn)心成為紈绔子弟。不管是線(xiàn)性相關(guān)分析還是相關(guān)比率分析都不能表現(xiàn)這種復(fù)雜的影響作用。相比之下，神經(jīng)網(wǎng)絡(luò)分析則表現(xiàn)出了明顯的優(yōu)越性。這就是神經(jīng)網(wǎng)絡(luò)分析與相關(guān)分析結(jié)果不一致的原因。六、神經(jīng)網(wǎng)絡(luò)分析與多元回歸分析的比擬就本研究的變量來(lái)看，用多元回歸分析也是比擬合適的方式方法。對(duì)變量進(jìn)行標(biāo)準(zhǔn)化處理以后，自變量均已轉(zhuǎn)化為尺度變量。為比擬神經(jīng)網(wǎng)絡(luò)分析與多元回歸分析的差異，以畢業(yè)生的成就性水平為因變量，以23個(gè)影響因素為自變量，采用逐步剔出的方式方法引入回歸模型，進(jìn)行多元回歸分析結(jié)果如下：從表5、表6、表7中能夠看出，分析經(jīng)過(guò)中剔除了17個(gè)對(duì)因變量影響不顯著的自變量，最后的模型中只保存了6個(gè)自變量。這6個(gè)自變量中還有1個(gè)達(dá)不到0.05的顯著性水平。多元線(xiàn)性回歸分析要求自變量與因變量之間是線(xiàn)性相關(guān)，同樣存在過(guò)度簡(jiǎn)化的問(wèn)題。對(duì)于自變量與因變量之間存在的較強(qiáng)的非線(xiàn)性關(guān)系，多元線(xiàn)性回歸分析無(wú)能為力。假如因變量的影響因素諸多，而且這些影響因素與因變量之間的關(guān)系能否線(xiàn)性很難確定，采用多元線(xiàn)性回歸的方式方法難于準(zhǔn)確描繪敘述變量之間的關(guān)系。在