芬兰理工学院为何拒绝顶尖申请人

当顶级申请人被拒绝时，他们将在以后几年重新申请，即使是指定的申请人也有动机在下一年申请更优先的课程。因此，进入高等教育的队伍很长，毕业年龄也很高。因此，对这一机制的改进可能同时解决芬兰高等教育中迄今为止主要从公共经济学的角度来看的多个问题。3芬兰高等教育入学。芬兰高等教育由理工学院和大学提供，学生通常在前者获得学士学位，而后者获得硕士学位。高等教育对绝大多数学生是免费的，学生福利相对慷慨。不同教育程度的个人之间存在着巨大的终身收入差异，除税收和转移支付外（Koerselman&Uusitalo，2014）。所有高等教育申请都是向国家信息交换所提出的。理工学院的录取决定通常由票据交换所自己集中做出，而大学的录取决定通常不是。在本文中，我分析了2011年理工学院申请人的集中分配，其中50894名理工学院申请人申请了440个项目的16655个席位，分为8个领域。申请人根据课程特定的录取分数录取，该分数主要基于申请人的入学考试平均分数以及入学考试成绩。分配给不同入学考试科目的权重通常在每个领域内共享，入学考试也倾向于共享。对于第一个列出的选择以及相关劳动力市场经验等因素，我们会给予额外的分数。

在确定入学分数时，不同入学分数组成部分的相对权重见表1。申请程序将于3月份开始，届时申请人最多可以按优先顺序排列四个课程。入学考试大多在五月或六月举行。尽管申请者在申请前收到了入学考试成绩的良好指示，并且虽然他们可能知道前几年的入学分数削减，但他们必须了解表1：不同入学分数组成部分的相对重要性。有效权重入学考试GPA 0.28入学考试0.43课程列出的前0.05残差0.23注：该表显示了录取分数方差分量的标准平方根。请注意，组件平均值的比较不具有信息性。例如，平均值为正，但申请人之间方差为零的分数分量不会影响优先级排序。只有在选择了申请地点和参加哪些入学考试后，入学考试成绩才会有所提高，这给他们的申请增加了很大程度的不确定性。入学考试评分后，申请人将通过一个中央运行的计划分配到计划中，该计划提出延期录取算法，每个申请人要么被录取到一个计划中，要么根本不被分配。指定的申请者要么接受，要么拒绝。第二轮福利由项目自己发放，以弥补第一轮的拒绝。第二轮考试将于9月秋季学期开始时结束。由于有条件的提交申请和实现的入学分数，提出延期录取的计划的使用非常显著。它创造了计划的最佳稳定分配，即稳定分配，最大限度地提高了被录取申请人的质量，而不是申请人的福利。

鉴于文献中申请人优先于计划福利，因此，首先自然要问的问题是，是否有一个以上的稳定分配取决于申请和分数，以及是否因此有不同的稳定分配将福利从计划重新分配给申请人。如果两项任务之间的差异很大，那么选择哪项任务可能与政治有关。每年只有大约三分之一的理工学院申请人被录取。然而，这并不是第三个录取分数最高的申请人，甚至不是第三个录取分数最高的申请人。表2显示了申请者在2011年主要申请轮结束时完全未分配的项目中排名前三、中三和后三的比例。当根据其课程特定的高考平均绩点将申请人分为三组时，排名前三的申请人中有54%的人仍然没有分配到任何地方。即使按实际录取分数计算，排名前三的申请人中仍有34%未分配名额。虽然没有严格遵循，但录取分数的低选择性强烈表明，有大量未分配的申请者，这些计划将在实际分配期间录取。顶级申请人没有被分配到这些课程的一个原因是，除了被拒绝的课程外，他们没有申请其他课程。表3显示了申请层面的描述性统计数据，即申请人和课程的唯一组合。在50894份申请中，一个程序列在第一位，40532年列在第二位，30443年列在第三位，19048年列在第四位。因此，只有19048名申请人申请了最多四个项目。

平均值表2：按平均优先级排序，未分配到任何课程的申请人比例。申请人优先权tercile Group priority Criteria最高第三名中等第三名最低第三名Matriculation考试0.54 0.69 0.80入学分数0.34 0.76 0.95注：该表显示了申请人被申请的每个项目拒绝的比例。申请人根据其所申请项目的平均排名分为三组。即使在平均排名前三位的申请者中，仍有大量的人没有得到分配。表3：单个程序应用程序的统计数据。提交名单中的课程排名第1名第2名第3名第4名申请人数50894 40532 30443 19048参加入学考试的比例为0.59 0.48 0.45 0.43录取比例为0.27 0.04 0.03 0.03申请的课程数量为2.77。即使申请人申请了不止一个项目，第二、第三和第四个项目的入学机会也相对较低，第一个项目被分配到某个项目的概率为27%，而排名较低的项目被分配到该项目的概率仅为3%至4%。这在一定程度上是由于第一个列出的课程获得了额外的分数，但也可能与申请人的战略选择有关。表3第二行显示，在申请人首先列出课程的申请中，有59%的申请人也参加了该课程的有效入学考试。对于排名较低的项目，这一比例较低，因此，这些数据表明，参加入学考试对申请人来说代价高昂，申请人将精力集中在第一个项目的考试上。

此外，申请人可能会避免申请其他课程，因为如果没有额外的福利，他们可能无法获得这些课程的入学资格，而这些福利本可以更好地用于他们的第一份列出的申请。一些顶尖申请人被某些课程拒绝可能是不可避免的，但重要的是为什么他们没有被分配到不同的课程。一种可能性是，申请人不申请任何其他课程，因为他们发现所有其他课程都不可接受。在这种情况下，拒绝顶尖申请人几乎是申请人偏好的必然结果，而且政策可能不会轻易改变。另一种可能性是，排名靠前的申请人确实发现其他课程可以接受，但并不适用于他们，例如，因为他们认为自己对于未列在第一位的课程的入学概率较低。我试图回答的第二个问题是，选择性差是否是申请人偏好的必然结果，或者是否存在未分配的顶级申请人，可以证明他们可以找到其他项目，而不是申请可接受的项目。一些排名靠前的申请人在第一次选择中被拒，他们确实申请了不止一个项目，但也被其他项目拒绝。这可能是因为他们只适用于非常有选择性的项目，但例如，也因为他们在应用于他们没有首先列出的项目时处于不利地位。为第一个列出的选择授予的额外分数有效地迫使课程拒绝其他得分较高的申请人，而支持得分较低的申请人，他们首先列出了课程。入学考试的使用还迫使项目优先考虑成绩不佳的申请人，而不是那些没有参加考试的申请人。这两个因素都可能会减少高考和入学考试所要测试的技能的选择。

第三个问题是，被拒绝的申请超过一个项目的顶尖申请人是否仅仅因为没有获得第一选择的加分而被其他项目拒绝，以及他们是否因为没有参加入学考试而被拒绝。4数据和方法我使用的数据涵盖了2011年、2012年和2013年秋季申请轮次期间通过集中清算机制向芬兰理工学院提出的所有申请。这些数据还包含有关大学申请的信息，即使录取决定通常是以分散的方式为大学项目做出的。对于理工学院，数据包含按规定优先顺序申请的课程、入学考试成绩、入学考试成绩和综合申请成绩。分配算法的最终状态也可用，表明哪些申请人在哪里分配了座位，哪些分配的座位被申请人接受。我在分析中评估2011年的任务，利用2012年和2013年重新申请的信息创建2011年的反事实任务。我将分析局限于申请普通高中学位的主要理工学院申请人群体，因此排除了在完成职业课程后入学的申请人。遗憾的是，算法使用的程序标识符和配额信息不可用。因此，我使用理工学院名称和课程名称的组合作为课程标识的代理，并使用每个课程同时提供的人数作为课程配额的代理。我可以通过对入学分数应用一个提出延迟接受算法的标准程序来复制大约98%的申请决定。

实际申请决定与重复申请决定之间的细微差异不仅可以通过不准确的课程标识来解释，还可以通过申请人未能完成入学分数中未包含的第二次入学标准来解释，例如未能提高其在所申请理工学院的教学语言能力。我使用复制的作业作为基准来比较反事实作业，但所有描述性统计都基于实际作业。我回答的第一个问题是，是否有一个以上的稳定且合法的分配取决于提交的申请和入学分数。为此，我将提出延迟接受算法的申请人应用于经验申请和录取分数，并将得到的申请人最优稳定分配与项目最优稳定分配进行比较。由于课程和申请人的最优稳定分配形成了稳定分配集的极值，当两者重合时，只有一个稳定分配与提交的申请和实现的录取分数一致。第二，即使在实际的派遣标准方面，每年仍有许多顶尖的申请人未被录用。是否有这些申请人认为可以接受的项目，如果不是因为他们没有申请，他们会被录取？是否有申请人确实申请了其他课程，但因其第一选择获得额外分数或未参加入学考试而被拒绝？我不仅在我分析的2011年申请轮中观察到了申请人，而且在2012年和2013年的申请轮中也观察到了申请人，当时许多2011年的申请人重新进入了申请系统。

假设申请人在2012年和2013年可以接受的计划在2011年也可以接受，条件是申请人在2011年申请的计划被拒绝，我使用数据的面板结构在2011年创建反事实申请，在2011年提交的申请表的末尾，加上2011年未申请的项目的2012年申请表，以及2011年或2012年未申请的项目的2013年申请表。Ifurthermore创建两组反事实的录取分数。首先，我会机械地删除第一个列出的选项所获得的额外分数。第二，我还将每个领域内的首次入学考试对该领域内申请人没有有效入学考试成绩的所有申请有效。例如，一名申请人在2011年、2012年和2013年申请了一个工程项目，但仅在2012年和2013年参加了一次工程入学考试，因此，2012年的考试结果将与她2011年的工程入学分数挂钩。使用经验和反事实申请以及经验和反事实录取分数的所有组合，我重新应用延迟录取算法创建五个反事实分配，然后根据不同分配的申请人数量与实际分配进行比较。如果重新分配的申请人数很大，可以认为招生系统的设计对分配有很大影响。

为了确定反事实作业是否与申请人质量的变化相关，我通过一个衡量标准来评估质量，该衡量标准不受入学分数本身的反事实变化的直接影响，并且对于申请人和课程的所有组合都是已知的：在申请人群体中，专业入学GPA排名。申请人将精力集中在（非常）少量申请上的动机可能有助于他们表明完成申请的特定课程的动机。我使用指定申请人提交的课程排名和指定申请人参加相关入学考试的情况来估计一系列线性概率模型，以预测他们是否会接受指定的座位，以及他们是否会在2012年或2013年重新进入申请系统以申请不同的课程。由于不同技能水平的申请人之间以及不同选择的课程之间的预测和结果可能会有系统的不同，因此我控制了一个经过申请特殊调整的入学分数，我从中减去了第一个列出的课程和入学考试结果的分数。我还控制其最低分数录取申请人的课程具体分数。由于研究领域之间的入学标准不同，我进一步将这两个变量与研究领域之间的所有相互作用作为控制因素。5结果我首先将申请人建议而非计划建议延迟接受算法应用于经验应用和优先顺序。我发现，没有一个申请人被分配到与计划提议任务不同的申请人提议任务下的不同计划。

因此，以提交申请为条件，只有一种分配申请人的方法，即对实际申请和录取分数具有稳定的条件，即不会违反申请人对其申请的课程的优先权。这一发现与早期文献一致，此处未显示的模拟表明，在高等教育招生中，两种极端现象之间的巨大差异极不可能发生。每个项目的申请人数都很小，许多顶尖的申请者都没有分配到任何地方。这可能是申请者无法接受的课程以外的课程的必然结果。许多被拒绝的申请者在以后的几年中都会再次申请，而且并不总是申请相同的项目。这表明申请人也可以接受这些其他计划，至少有条件拒绝最初申请的计划。表4显示了如果我们在2011年处理2012年和2013年对这些其他项目的申请，任务是如何变化的。从表的前两行可以看出，这将申请的课程平均数量从2.77增加到3.72，并导致10%的申请人收到不同的分配结果。因此，指定申请人的平均专业入学GPA提高了1.45个百分点。由于只有大约三分之一的申请者被分配到任何地方，10%的申请者的不同分配结果并非毫无根据。分配申请人的实际GPA排名分布如图1的第一个面板所示，其中分配申请人按照其分配到的项目的特定领域GPA排名被分为100个BIN。