STEM 学位结果的预测因素与社会人口学差异：基于层级逻辑回归的英国纵向研究

社会人口学在 STEM 学位结果中的差异影响了英国未来劳动力的多样性，尤其是对于创新和增长领域至关重要的领域。尽管机构层面的纵向分析在理解学位授予差距方面至关重要，但在英国语境中，详细的多变量和层级分析仍有限。本研究通过对 STEM 科目使用带随机截距的多变量二元逻辑模型，分析了 2014 年至 2022 年九年数据中一等级学位结果的预测因素。我们发现 prior 学术成就、种族、性别、社会经济地位、残疾、年龄和课程时长是获得一等级学位的显著预测因素，并计算平均边际效应，以提供这些群体间概率差异的洞察。关键发现表明，黑人学生获得一等级学位的可能性显著低于白人学生，平均概率低 16 个百分点；而修读四年制学位的学生相对于三年制学位的学生，获得一等级学位的平均概率高出 24 个百分点。尽管男性学生获得的一等级学位比例更高，但我们的多变量层级模型显示女性学生的机会更高，这凸显了在量化授予差距时模型选择的重要性。自 2016 年起，一等级结果的基线机会显著上升，2021 年达到峰值，表明新冠疫情期间可能出现了等级膨胀。社会人口学变量与毕业年份之间的相互作用效应表明，种族、残疾和社会经济地位的授予差距保持稳定，但女性学生的优势正在逐渐下降。