财经院校大学生时间管理倾向与学业成绩的相关性分析

Analysis on the Correlation between Time Management Disposition and Academic Performance of Financial College Students

摘要: 目的：调查财经院校大学生时间管理倾向和学业成绩的状况，探索财经院校大学生时间管理倾向与学业成绩的相关性及影响因素。方法：2022年3月，使用自制的时间管理与学业成绩的调查表对646名地方财经院校本科生进行问卷调查。使用SPSS 23.0对调查表数据整理分析。采用统计数据特征分析、差异性分析中的独立样本t检验和F检验、Pearson相关性分析和多元逐步回归分析等方法进行分析。结果：性别、年级和学科统计数据特征分析均衡，性别、年级和学科与学业成绩呈显著正相关(P < 0.01)。时间分配对学业成绩多元逐步回归分析结果(R² = 0.051，调整后R² = 0.043，F检验6.852，P < 0.01)，时间规划对学业成绩多元逐步回归分析结果(R² = 0.113，调整后R² = 0.104，F检验11.66，P < 0.01)，不良习惯对学业成绩多元逐步回归分析结果(R² = 0.048，调整后R² = 0.045，F检验16.32，P < 0.01)。结论：地方财经院校大学生迫切希望学校开展与时间管理相关的指导。时间分配、时间规划和不良习惯与学业成绩存在相关性。加强地方财经院校大学生时间管理的培养可以改善学习的效果。

Abstract: Objective: To investigate the time management disposition and academic performance of financial college students, and explore the correlation and influencing factors between time management disposition and academic performance of financial college students. Methods: In March 2022, 646 undergraduates from local finance and economics colleges were investigated with a self-designed questionnaire on time management and academic performance. SPSS 23.0 was used to collate and analyze the questionnaire data. Statistical data characteristic analysis, independent sample t-test and F-test of difference analysis, Pearson correlation analysis and multiple stepwise regression analysis were used for analysis. Results: The statistical data characteristics of gender, grade and discipline were balanced, and there was a significant positive correlation between gender, grade and discipline and academic performance (P < 0.01). Multiple stepwise regression analysis results of time allocation on academic performance (R² = 0.051, adjusted R² = 0.043, F test 6.852, P < 0.01), multiple stepwise regression analysis results of time planning on academic performance (R² = 0.113, adjusted R² = 0.104, F test 11.66, P < 0.01), multiple stepwise regression analysis results of bad habits on academic performance (R² = 0.048, adjusted R² = 0.045, F test 16.32, P < 0.01). Conclusion: Local finance and economics college students are eager to develop relevant guidance on time management. Time allocation, time planning and bad habits are correlated with academic performance. Strengthening the training of time management in local financial colleges can improve the learning effect.

1. 引言

时间管理倾向(Time Management Disposition, TMD)是个体在运用时间中表现出来的一种心理行为特征，可反映出个体的时间管理能力 [1] [2] 。时间管理倾向是一种具有动力性的人格特征，它由时间价值感、时间监控观和时间效能感构成。善于管理时间者的生活质量是高的 [2] 。Britton [3] 与Wessman [4] 等人认为，时间管理倾向体现了个体的人格特征。当人们对自己的时间管理不佳，不能很好的利用时间的时候，就不能很好的体验到生命的价值和意义 [5] 。来生信念与生命意义感之间的关系及时间管理倾向在其间可能起到的中介作用 [6] 。

时间管理倾向不强，还伴随着较少的学业压力，较少的违纪、旷课、迟到行为 [7] [8] ，研究验证大学生平均成绩将由时间管理实践预测 [9] 。促进大学生的动力性和跨情境性特质影响学生对学业目标及学习投入的规划，可以很好预测大学生学业成绩 [10] [11] ，时间管理倾向和学业成绩关系的证实虽然多见于中学生 [12] ，学习成绩作为大学生核心竞争力，证实了时间管理倾向对大学生学习成绩的影响 [13] ，公正世界信念可部分通过影响大学生的时间管理进而影响其学习成绩 [14] ，在以大学生为研究对象的调查中发现时间管理倾向与生命意义感之间存在较为显著的正相关关系 [15] ，高校应开展以时间管理教育为主的学业生涯规划教育 [16] 。

综上所述，大学生时间管理倾向与学业成绩的相关性研究较多，但是细化时间管理的方式研究较少。本研究把时间管理分成时间分配、时间规划和不良习惯等三方面，结合学业成绩进行相关性研究，了解财经类大学生的时间管理倾向水平，探讨时间管理倾向与学业成绩之间的相关性，为提高财经类大学生学业成绩的培养干预工作提供理论依据和证据支持。

2. 对象与方法

本研究以财经院校大学生为调查对象，发放问卷，收集数据，并进行数据筛选和数据处理，使用数据特征分析、差异性分析中的独立样本t检验和F检验、Pearson相关性分析和多元逐步回归分析等方法进行分析，建立模型并求解，对统计结果进行分析并提出建议。

2.1. 对象

以财经院校大学生为调查对象，采用问卷星平台进行问卷网上发放，力求做到样本随机，真实可靠，以线上推广和线下走访的形式不断扩充样本规模，确保采集数据的真实性及可靠性，共收集问卷713份。剔除不可靠问卷以后获得有效问卷646分。

收集问卷年级分布为大一年级有162份，大二年级有170份，大三年级有158份，大四年级有156份，填写问卷的本科生中男生310人(48.0%)，略少于女生336人(52.0%)，并以理工类(26.98%)居多，文法类，管理类和经济类的本科生都约占24%。

2.2. 调查表设计

设计时间管理倾向与学业成绩的调查表包括特征信息基础表、时间分配与学习成绩相关性表、课外活动经历与学习成绩的相关性表、时间规划与学习成绩的相关性表和不良习惯与学习成绩的相关性表。

特征信息基础表包括年级、性别、专业所属学科和成绩绩点等信息组成。时间分配与学习成绩相关性表包括上课时长、睡眠时长、运动时长、游戏时长、娱乐视频时长等。课外活动经历与学习成绩的相关性表包括兼职经历和社会活动参与经历等。时间规划与学习成绩的相关性表包括制定时间计划、时间规划执行效果、课前预习、课后复习、自习频率、上课状态、假期学习频率等。不良习惯与学习成绩的相关性表包括做事拖延和习惯熬夜等。量表的数据化处理，根据选项的程度弱强分别评定为1~5分。

2.3. 建立模型

特征分析：对调查对象的基本信息进行描述性统计，从而了解样本数据的构成。

差异性分析：对调查对象的学习成绩进行描述性统计，从而了解学习成绩的波动大小、整体变化水平和集中趋势等。运用SPSS 23.0进行t检验，研究不同性别的学生的学习成绩是否存在显著差异。运用SPSS 23.0进行F检验，研究不同年级、不同专业的学生的学习成绩是否存在显著差异。

相关性分析：依据分类结果，使用Pearson相关系数，通过SPSS 23.0分别研究时间分配、课外活动经历、时间规划、不良习惯与学习成绩的相关性。

回归分析：对相关关系的因素进行回归分析，由于每个因素含有多个变量，所以，我们通过SPSS 23.0建立多元回归线性模型，研究每个变量与学习成绩之间的相关程度。建立多元回归模型。

$y_i={\beta }_0+{\beta }_1{x}_{i1}+{\beta }_2{x}_{i2}+\cdots +{\beta }_p{x}_{ip}+{\epsilon }_i$

2.4. 统计处理

利用SPSS 23.0进行数据特征分析、差异性分析中的独立样本t检验和F检验、Pearson相关性分析和多元逐步回归分析等方法进行分析。

3. 模型求解与分析

3.1. 统计特征分析

对调查对象的年级、专业和学科类别分别进行描述统计分析，从而体现调查群体的基本特征。在被调查的646位本科生中，男性和女性的人数分别为310和336人，所占的比例分别为48%和52%。调查对象为大二年级的人数最多为170人，占全部调查对象的比例为26.3%；而大四年级的人数最少为156人，占全部调查对象的比例为24.1%。调查对象所学专业为理工类的人数最多为175人，占全部调查对象的比例为27.1%；而专业为文法类的人数最少为155人，占全部调查对象的比例为24%。结果如表1所示。

Table 1. List of distribution of statistical characteristics of survey objects

表1. 调查对象统计特征分布一览表

3.2. 差异性分析

对调查对象的学习成绩进行描述性统计分析，调查对象学习成绩的均值为3.184，标准差为0.916，说明调查对象总体学习成绩一般。结果如表2所示。

Table 2. Descriptive statistical analysis of academic performance

表2. 学习成绩的描述统计分析

对学习成绩的差异性进行分析。探讨不同性别学生的学习成绩是否存在差异，因为性别为独立的2分类，所以我们采用t检验分析的方法来进行检验分析，由其可以看出，t检验的P值为小于5%的显著性水平，所以认为男性和女性学生的学习成绩存在显著差异。女生的学习成绩显著高于男生的学习成绩。结果如表3所示。

探讨不同年级学生的学习成绩是否存在差异，因为年级为多个分类，所以我们采用F检验来进行检验分析，由其可以看出，F检验的P值为小于5%的显著水平，因此认为不同年级学生的学习成绩存在显著差异。结果如表4所示。

Table 3. Analysis of gender differences in academic performance

表3. 学习成绩的性别差异性分析表

Table 4. Analysis of grade differences in academic performance

表4. 学习成绩的年级差异性分析表

探讨不同专业学生的学习成绩是否存在差异，对不同专业学生学习成绩的差异性进行检验分析，由其可以看出，F检验的P值小于5%的显著水平，因此认为不同专业学生的学习成绩存在显著差异。结果如表5所示。

Table 5. Analysis of major differences in academic performance

表5. 学习成绩的专业差异性分析表

3.3. 相关性分析

研究时间管理与学习成绩相关性，设计时间管理倾向与学业成绩的调查表包括特征信息基础表、时间分配与学习成绩相关性表、课外活动经历与学习成绩的相关性表、时间规划与学习成绩的相关性表和不良习惯与学习成绩的相关性表。然后，我们通过分别分析这四类与时间管理的相关性来反映时间管理与学习成绩相关性。

3.3.1. 时间分配与学习成绩的相关性分析

问卷中设置了衡量时间分配的五个问题，分别从上课时长、睡眠时长、运动时长、游戏时长、娱乐视频时长衡量时间的分配情况。为了分析出时间分配和学习成绩的关系，对其进行Pearson相关分析，得到相关分析矩阵如表6所示。

Table 6. Correlation analysis matrix between time allocation and academic performance

表6. 时间分配与学习成绩的相关分析矩阵

由其可以得出每天上课时长、每天睡眠时长和每天运动时长与学习成绩之间呈正相关关系，其中上课时长与学习成绩的相关性较强；每天打游戏时长和每天看娱乐视频时长与学习成绩之间呈负相关关系，其中打游戏时间与学习成绩之间的关系较强。

3.3.2. 课外活动经历与学习成绩的相关性分析

问卷中设置了衡量课外活动经历的两个问题，分别是兼职经历和社会活动参与经历。为了分析出课外活动经历和学习成绩的关系，对其进行Pearson相关分析，得出相关分析矩阵如表7所示。

Table 7. Correlation analysis matrix between extracurricular activity experience and academic performance

表7. 课外活动经历与学习成绩的相关分析矩阵

由其可以得出表明兼职经历和学习成绩与社会活动经历和学习成绩之间不存在显著的相关关系。

3.3.3. 时间规划与学习成绩的相关性分析

问卷中设置了衡量时间规划的七个问题，分别包含制定时间计划、时间规划执行效果、课前预习、课后复习、自习频率、上课状态、假期学习频率7个方面的时间规划。为了分析出时间规划和学习成绩的关系，对其进行Pearson相关分析，得出相关分析矩阵如表8所示。

Table 8. Correlation analysis matrix between time planning and academic performance

表8. 时间规划与学习成绩的相关分析矩阵

由其得出制定时间计划、时间规划执行效果、课前预习频率、课后复习效率、自习频率、上课状态、寒暑假学习效率和学习成绩之间呈正相关关系。

3.3.4. 不良习惯与学习成绩的相关性分析

问卷中设置了衡量不良习惯的两个问题，分别包含做事拖延、习惯熬夜两方面，为了分析出不良习惯和学习成绩的关系，对其进行Pearson相关分析，得出相关分析矩阵如表9所示。

Table 9. Correlation analysis matrix between bad habits and academic performance

表9. 不良习惯与学习成绩的相关分析矩阵

由其得出做事拖延和学习成绩与习惯熬夜和学习成绩之间都呈负相关关系。

3.4. 回归分析

3.4.1. 回归模型

回归模型分析主要是衡量自变量对因变量的影响程度，是正向影响还是负向影响、影响大小。基于上一小节，我们对和学习成绩有显著相关关系的几个因素进行回归分析。我们将时间分配、时间规划和不良习惯这三类进行回归分析。都以学习成绩为因变量，其他因素为自变量。

建立多元回归模型如下：

$y_i={\beta }_0+{\beta }_1{x}_{i1}+{\beta }_2{x}_{i2}+\cdots +{\beta }_p{x}_{ip}+{\epsilon }_i$

3.4.2. 时间分配对学习成绩影响回归模型

研究出时间分配对学习成绩影响作用的大小，以上课时长、睡眠时长、运动时长、打游戏时长、看娱乐视频时长为自变量。以学习成绩为因变量，通过多元线性回归模型，模型拟合和检验的结果如表10所示。

Table 10. Estimate results and test of multiple linear regression model of time allocation on learning achievement

表10. 时间分配对学习成绩多元线性回归模型估计结果与检验

由上表得到回归方程为：

$y=2.687+0.107x_1+0.059x_2+0.146x_3-0.14x_4+0.024x_5$

上课时长与运动时长对学习成绩具有显著正向影响，平均每天学习时长与运动时长越长，学习成绩越好；打游戏时长对学习成绩具有显著负向影响，平均每天打游戏时长越长，学习成绩越差。

3.4.3. 时间规划对学习成绩影响回归模型

研究出时间规划对学习成绩影响作用的大小，以制定时间计划、时间规划执行效果、课前预习频率、课后复习频率、自习频率、上课状态、假期学习频率为自变量，以学习成绩为因变量，通过建立多元线性回归模型，模型拟合和检验的结果如表11所示。

Table 11. Estimation results and test of multiple linear regression model of time allocation on learning achievement

表11. 时间分配对学习成绩多元线性回归模型估计结果与检验

由上表得到回归方程为：

$y=1.389+0.173x_1+0.147x_2-0.017x_3+0.07x_4+0.077x_5+0.296x_6+0.036x_7$

由其得出制定时间计划、时间规划执行效果和上课状态都对学习成绩具有显著正向影响。制定时间计划频率越高，学习成绩越好；时间规划执行效果越好，学习成绩越好；上课状态越好，学习成绩越好。

3.4.4. 不良习惯对学习成绩影响回归模型

研究出不良习惯对学习成绩影响作用的大小，以做事拖延、习惯熬夜为自变量，以学习成绩为因变量，建立多元线性回归模型，模型拟合和检验的结果如表12所示。

Table 12. Results and tests of the multiple linear regression model of bad habits on learning performance

表12. 不良习惯对学习成绩多元线性回归模型估计结果与检验

由上表得到回归方程为：

$y=4.031-0.185x_1-0.134x_2$

由其得出做事拖延和习惯熬夜对学习成绩具有显著负向影响，做事拖延越严重，学习成绩越差；熬夜频率越高，学习成绩越差。

4. 结论及建议

通过对对调查对象的性别、年级、专业和学科类别分别进行描述统计特征分析，从而体现调查群体的基本特征比较均衡。学生对时间管理的需求强烈，希望学校开展有关时间管理的培训指导，希望学校能增加更多的途径让学生系统地学习和应用时间管理的科学方法。可以通过开设时间管理教育课程或讲座的方式，普及时间管理知识，让更多的同学了解到时间管理的重要性与意义。

根据差异性分析，女生的学习成绩显著高于男生。可以针对男生应该增强耐心、细心、专心程度与自制力的训练。不同年级学生的学习成绩存在显著差异，可以针对基础课、专业基础课和专业课的特征调整个性化教学方式。

根据相关性分析和回归分析，时间分配、时间规划和不良习惯与学习成绩存在相关关系。对于想提高成绩的大学生，建议保证睡眠，加强运动，减少看娱乐视频的时间；不要沉迷于游戏，制订合理的时间计划并加强计划的执行，课前需要预习，课后及时整理复习，上课时要集中注意力，加强自习的频率。

本研究发现，财经院校大学生时间管理倾向与学业成绩成正向关系，财经院校大学生时间管理水平呈中等偏上的水平，大多数财经院校大学生具有时间管理能力。分级分类的对财经院校大学生的行为进行监督，通过课外的讲座和活动等方式，提升财经院校大学生的学习兴趣和专注度的投入，从而达到进一步提升财经院校大学生的时间管理能力。

基金项目

云南省教育厅科学研究基金项目“基于信息熵和马尔可夫链的完全学分制挂牌选课效果度量的方法”(项目编号：2023J0650)。