谁会做验证性因素分析啊 急

验证性因素分析

验证性因素分析是20世纪60年代后从探索性因素分析发展而来的[12]。它可以通过协方差结构模型(Covariance Structure Modeling,CSM)或称结构方程模型(Structure Equation Modeling,SEM)实现。对于数据的计算和模型的验证，现已编有多种计算机软件，其中著名的一种是K.G.Joreskog和D.Sorbom编制的LISREL。

在验证性因素分析方法出现之前，对评价中心的构想效度的验证，更多的是用多质多法。对于多质多法的批评意见，主要是认为这种方法以包含测量误差的可观测变量间的相关为基础，来对潜在的结构进行解释，而实际上测量误差每次是不一致的，从而会影响到相关系数，进而影响对潜在结构解释的准确性。

验证性因素分析方法则可以解决这个问题，它对误差和相关的变量进行控制，进而得出一个更加令人满意的结果。因而，它很快被公认为一种适宜且通用的评估MTMM数据的方法[12]。在这种方法中，同一特质不同测评方法所决定的因素代表测评的构想效度，而同一测评方法不同测评特质所代表的因素则表明了测评方法的效应。每一个可观测变量均由特质因素、方法因素和测量误差三部分组成。其最大优点在于能对因素的负荷进行固定，并对提出的不同假设模型进行检验。

每一种自由负荷的大小反映了问题的所在。如果在能力因素上的自由负荷小且不显著，而在方法因素上的自由负荷大且显著，那么，这种结果就是支持测评方法导向的。反过来，不同测评方法中的同一种能力的因素负荷的值大而且是显著的，那么，就可以认为不同测评方法之间能力的一致性可以得到确认。通过检测这些不同的假设模型，就可以得出评价中心的评分到底是指向测评维度的还是测评方法的。

验证性因素分析及其在心理与教育研究中的应用

在心理与教育研究中，方法的突破往往是研究取得新进展的一个重要方面。正如班特勒(Bentler，1990)指出：“研究的突破往往在研究方法的变革上。”而心理与教育研究非常复杂，它具有多层面、多指标的特性，常涉及许多变量(包括控制变量、依变量等)，如何对多变量的问题进行研究，一直是人们努力的方向，也取得不少突破性的进展。如兴起于六、七十年代，目前已在社会科学领域里得到广泛的应用，并被称为近年来统计学三大进展之一的协方差结构模型方法(covarian structure models，CSM)。①

通常协方差结构模型分析由两部分组成，一部分是在心理与教育测量中经常使用的验证性因子模型(验证性因素分析)，也可称之为测量模型；另一部分是在经济计量学中使用的结构方程模型。②③顾海根先生已在《上海教育科研》详细介绍了结构方程模型及其在研究中的应用，因而本文拟对验证性因子分析方法及其在心理与教育研究中的应用作一定的说明。

一、探索性因素分析与验证性因素分析

最早提出因素分析想法的是高尔顿，他奠定了因素分析的基础。其后，斯皮尔曼在研究“一般智力”(general intelligence)中首次采用了因素分析的数学模型方法，使得因素分析的方法得以真正成为现实。我们知道，因素分析是将多个实测变量转换为少数几个综合指标(或称潜变量)，④它反映了一种降维的思想。我们在研究中往往需要对反映事物的多个变量进行观测，收集数据，变量庞大无疑为科学研究提供了丰富的信息，但在一定程度上增加了问题分析的复杂性，由于各变量存在一定相关关系，因而可以通过降维将相关性高的变量聚在一起，因素分析的思想由此而来。

最初在因素分析时常采用探索性因素分析方法，如SPSS软件包中的因素分析(Factor analysis)，MINITAB软件包中的因素分析，SYSTAT软件包中的因素分析。随着近年来EQS、LISREL、CALIS等软件的开发，使得验证性因素分析成为可能。下面对两种方法分别予以介绍。

(一)探索性因素分析

探索性因素分析详细描述了公共因素的数量和观察变量的分析情况，但没有详细说明这些变量间关系的结构。同时必须有前提假设：

1.所有的公共因素都相关(或都不相关)。

2.所有的公共因素都直接影响所有的观察变量。

3.唯一性因素间无相关。

4.所有的观察变量只有一种唯一性因素影响。

5.所有的公共因素和所有唯一性因素无相关。

但在实际中这些前提条件是很难满足的，由于这些假设是先定的，因而研究者无法修正或改进某个模型参数，只能听任计算机自行处理，研究者的主动性也难以体现。这样的模型也常称之为GIGO模型(garbage in/Garbage out，垃圾进，垃圾出)。

(二)验证性因素分析

验证性因素分析克服了探索性因素分析的约束，研究者可根据理论或实践研究需要对条件及参数加以控制，如：

1.哪些公共因素是相关的。

2.哪个观察变量受哪个公共因素影响。

3.哪个观察变量受哪个唯一性因素影响。

4.哪些唯一性因素是相关的。

[{1}]

图1表明，研究者假定公共因素E2与E3无相关，而观察变量X4既受公共因素E1的影响，又受公共因素E2影响，且误差S6与S7相关(而这在探索性因素分析中是不能如此假定的)。这说明在验证性因素分析中研究者更主动，更能根据自己的理论提出模型。

二、在探索性因素分析基础上采用验证性因素分析

近二十年来研究者逐渐采用验证性因素分析方法，现已成为心理和测量的最有力的统计分析方法。美国计算机信息库1995年初提供的资料表明，自70年代至1994年底，美国等其它主要英语国家在154种有关期刊上共发表461篇报告，其中176篇是报告CFA在心理与教育测量中的应用。

80年代末，安德森(Anderson)建议，在理论建立与发展过程中，通过探索性分析建立模型，再用验让性分析来检验模型。例如，在一个样本中先用探索性因素分析找出变量可能的因素结构，再在另一个样本中采用验证性因素分析去验证，这种程序称为交叉证实(Cross-validation)，这样可以保证量表所测特质的确定性、稳定性和可靠性。交叉证实方法的前提是研究人员对因素结构，观测变量与因素之间潜在关系均是未知的或不很清楚，因而先用探索性方法，得到计算机可能的因素结构结果后，再用第二个样本进行验证。但当研究者根据理论及经验已有一定的因素结构维度及观测变量的关系时，则可以直接运用验证性因素方法。

三、验证性因素分析的拟合优度

在对一个CFA模型作取舍时除了理论上可解释程度之外，还有一个重要指标，即拟合优度，它是指根据数据得出的模型的参数值与理论模型的参数值之间的吻合程度。在验证性因素分析中，对于一个模型，存在模型的真正总体协方差、估计总体协方差、样本协方差和估计协方差。因而，对于一个特定模型来说，存在四类差异——整体差异、近似差异、估计差异和样本差异。整体差异是指模型的真正总体协方差与模型的估计总体协方差之间的差异；近似差异是指模型的真正总体协方差和模型的总体协方差之间的差异；估计差异是指模型的总体协方差和模型的估计协方差之间的差异；样本差异是指模型的样本协方差和模型的估计协方差之间的差异。而拟合度是检验模型估计协方差矩阵和样本协方差的相似程度的指标。

X2/df是直接检验样本协方差矩阵和估计的协方差矩阵间的相似程度的统计量。X2/df的理论期望值为1，X2/df越接近1，说明样本协方差矩阵和估计的协方差矩阵的相似程度越大，模型的拟合度越好。在实际研究中，当X2/df＜5时，可以认为模型的拟合度比较好。但是，X2对样本容量大小非常敏感，因而研究者试图找到一些不随样本容量的大小而变化或者变化小的拟合度指标。如，朱里斯考克等人(Joreskog，Sorbom，1989)提出的GFI和AGFI(调整拟合优度)。⑤还有研究者提出把假设的理论模型和虚无模型相比较，如班特勒(1990)提出的竞争参数(CFI)，玻纳特等人(Bonett，1980)提出的NNFI，波龙(Bollen，1989)提出IFI(差别指数)，都属于这种拟合度指标。⑥⑦下面我们举一则研究实例。⑧

为了解儿童责任心的维度构成，研究者首先采用探索性因素分析，结果如表1：

[{2}]

结果表明，6个因素的特征值接近于1(通常取特征值在0.90以上)。因而初步假定儿童责任心由6个因素构成。在探索性因素分析基础上，研究者再用另一样本进行验证性因素分析，结果如表2：

表2中，六因素模型的各种拟合度指数的值都要优于四、五因素模型的拟合度指数。验证性因子分析的结果表明了六因素模型是最适宜的备选模型。

由此，我们可以看出验证性因素分析在心理与教育研究中的应用价值，在心理与教育研究中我们不仅可以运用初步的探索性因素分析方法，而且还可以采用更为深入的验证性因素分析方法。在探索性因素分析基础上再采用验证性因素分析方法进行研究已成为国外教育研究的一个新的趋势与热点。

注释：

①协方差结构模型的名称很多，也称作协方差结构分析(the analysis of covariance structures)，结构方程模型分析(structure equation model)，矩阵结构模型(the moments structure models)及线性结构关系模型(the linear structural relation model)。通常协方差模型也称为LISREL模型，LISREL也是一种软件，由Joreskog和Sorbon开发。

②J.Scottlong:Covariance structure models——An introduction to lSREL.Sage publications，Inc.

③Anderson J.C.，Gerbin D.W.(1998).Structrual equation modeling in practice:A review and recommended two-step approach.Psychological Bulletin，103:411-423.

④潜变量指难以或无法实际测得的变量。

⑤Joreskog Karl G.and Sorbon Dag(1989).LISREL7 User's Reference Guide.Scientific Software.

⑥Bentler，P.M.(1990).Comparative fit indexes in structural models.Psychological Bulletin，107

⑦Bollen，K.A.(1990).Structural equations with latent variabels.NY:John Wiley&Sons.

⑧作者：姜勇、陈琴《中班幼儿责任心影响因素的协方差结构模型分析》，《心理发展与教育》，1997年2期。

希望对你有所帮助，祝你成功！

SIM卡是（Subscriber Identity Module 客户识别模块）的缩写，也称为智能卡、用户身份识别卡

gsm是网络制式，移动和联通的2G网络都是gsm

2个不同的概念

背景

本科THU EE专业，GPA 90.x，后继续只上了一年研究生，由于各方面原因，主动肄业。之后的08-09学年完成申请。期间(08.8-08.12)在石油大学物探实验室跟一个老师做实习(其实就是打点杂编程序),算是仅有的一点专业相关的研究经历。

英文考试成绩 IBT 104(Speaking 22),GRE 600/800/5.0

我想我主要的优势就是基础课的成绩不错（数学/物理/科学计算等）和以前的计算机功底。

申请结果：

10个Geophysics Ph.D Program

Offer(in Chronological order):

Austin-JSG（2.18）, CSM-CWP（2.27）, OU-Prof Marfurt（3.10）, Utah(Prof Jerry.Chuster(3.7)->Prof. Zhdanov), Stanford-SEP(Accepted)(3.13)

Rej:

TAMU(2.14), MIT(3.23), U Calgary(5.1)

Withdrawl:

U Houston(Withdraw after AD), UT Dallas

申请过程及各学校的印象

我的GT之前都已经搞定，T的口语稍有欠缺，不过自觉问题不大，英语考试方面算是省心。九月多开始做实习，一边看程序一边看书补理论（群众的眼睛是雪亮的，强烈推荐Yilmaz的那本《地震信号分析》，内容全面，深入浅出，不愧是SEG的Best Seller)，剩下的时间就泡在论坛上读帖子，我的选校（与其说是“选校"，不如说是"选老板"，因为圈子实在太小，有名气的导师大家心里基本都有数)主要依靠论坛上的信息。因为本身能申的program就不多，后来我回顾分析了一下，申请的个数大概6个就可以了；我当时心里很没底气，一口气申了10个（关于这些学校的介绍论坛上有很详细的帖子,我就不画蛇添足了）。

11月份开始整材料(PS,RL,etc)和填写网申表格、送分，以应付SU的12.15的Deadline. 大部分的Deadline分布在1月初——2月底，当然如果你不要Financial Aid的话就可以很迟提交（不过研究生里几乎没有自费的）。网申完了之后马上开始寄送材料(UPS,DHL)。陶瓷基本没有，那时候自己也才刚算入门，套起来估计很吃力，而且弄材料也不是个轻松的事情，没时间发信骚扰教授。

我觉得我开始的时间有点晚，最后稍显仓促。像SU的申请材料就是几乎踩着Deadline到的，而Austin有两个Deadline,12.1的是Fellowship Consideration 的，我当时无法达成，只好赶第二个Deadline(1.1),这次就只有拿老师的RA的机会了。PS，RL这些东西如果提前一点准备，日程就会更从容一些。另外还要考虑像UPS等快递的递送时间（正常情况下3~4个工作日，但是也有不正常的，像我寄CSM的信封在海关被扣留，之后有碰上收件方过圣诞假期，第一次投递失败，最后送达已经是三个星期以后）。所以申请跟做工程设计一样，多留出裕量肯定会有帮助。不管是寄材料还是送分，我建议大家不要贪图节省这方面的费用，快100$的申请费都交了，也不在乎多交这一两百块钱。如果用信封平邮的话，需要2周到一月不等，而且要确认对方收信很不方便，加上邮政的服务质量确实不敢恭维。送分方面有很多学校的材料一开始是统一寄往研院的，收齐之后再发往各系送审。如果不提供正式的ETS出具的送分报告，材料很可能在研院被耽误,出现这样的情况就得不偿失了。最后要提醒的是一定要确认对方收到了ETS的送分，发现问题马上要求resend。ETS这厮收20$的钱居然用普通平信送分，掉信是相当有可能的，我的UT Dallas申请基本就因此而报废。

至于CV/PS/RL，我觉得都没什么过人之处。写出真情实感就好了；总言之这些材料别吹得太过，不然电话一聊露馅了就会非常严重，美国人很看重Credibility. RL的话我也没能耐找牛推，两个清华的本科时候老师和实习时的指导老师(副教授)。没有院士的推荐问题不大。

寄完了已经是1月初了，还得继续看书继续自学。期间捱过一个难熬的春节，一个多月没有updates.后来也试着发了几封tc信，完全没有效果；但是这里面也有后来给我发offer的，所以tc没被理不代表以后收拒信。

下面分学校描述一下申请经过:

TAMU：最早的回复就是从德州农机传来的，日期我记得非常清楚--2月14号。早上刚打开Gmail就看到了它的邮件，里面没有哪怕一个客套的单词，"xxx, your application was denied by the admission committee”。我的心情本来就很惨淡，禁不住哀怨了一句: Valentine Day你就不能给点儿好消息...。PS上我写的是想去Dr. Ikle的Automatic Seismic Process方向，后来并没有去了解据我的具体原因是什么。不过从网上的信息看它今年是有招中国学生的。所以我个人估计可能他们并不喜欢外专业背景的。TAMU的石油工程很好（2nd）。

MIT：3月初大部分的学校都有信儿的时候，我问小米情况被告知依然在审，当时我就猜想被放wl上了。过了几天我发信问了里面的一个去年过去的科大学生。他非常nice的告诉了我当时的真实情况。ERL(Earth Resource Lab)的大部分录取都发给了美国国内的本科生，给中国人的唯一一位是南大的研究生，如果他决定去了我的希望就很渺茫。果不其然23号收到了Email Rej。作为与诺森罗普公司一道为美国军方研制全世界最先端战略轰炸机B-2的机构，MIT不愧于"世界第一理工名校"的称号。在本专业方面，它是SEP founder Jon Claerbout博士的母校；而且存在与1960年代的GAG培养出了第一代勘探地震学大师，当然关于MIT的传奇远不止这些。其平价般75$申请费绝对有理由令无数人为这一次人生完整的经历前仆后继。

U Calgary: U Calgary的CREWES很有名气，不过原Director Robert已经转去了U Houston。这个项目是非常不欢迎转专业申请者的，加上最贵的申请费(130CAN = 106USD)，从个人角度我觉得补申这所并不明智。在提交材料之后约2月10号，小米给我来信说由于我的学位是BE而非BS,根据规定我只能申请Faculty of Engineering。我看到这个理由的时候真有点不太习惯，原以为这种学究式的规定只在国内会遇到。。。于是发信去Argue了一下，重申我只对CREWES有兴趣，并不有意于他们的工学院，暂时驳回了她的提议。孰料一星期后又发信给我说材料不全，收到了成绩单但没找到Diploma，于是我又发信过去打了几个回合嘴仗，她终于最后回复说找到了。这之后两个月什么消息都没有，直到国际劳动节那天，一封拒信静静地躺在我租的信箱里。CREWES的确是招中国学生的，不过应该是很不喜欢非科班的。据我所知加拿大还有UA的一个Semsic Group，不过并不了解。

U Houston: UH的总体声誉一般。但其石油相关专业的声誉是远超过其综合排名的。比如勘探地震学一书的作者Sheriff就是休大的教授，上面提到的CREWES的Director也被挖到了休大。我当时收到AD的时候因为已经确认了会有Austin的offer，所以没有进一步争取奖学金。

UT Dallas:

由于前面提到的送分延迟，一直到3月中才到系里，后来小米还通知我再提交推荐人填写的Recommendation Form，(因为它网站上没提，所以我只送了老师的推荐信，大家如果要申请的话，记得提前找系里的小米要这张表）。那时已经比较晚了，我就withdrawl了，所以没有机会进一步确认录取的机会。不过George MeMechan也是一个很牛的老板。

UT Austin: 这是我收到的第一个offer，也是最后一个decline的。2.18号收到Dr. Sergey Fomel的来信，说我的背景不错，希望我去他的Group(Computational Geophysics)做RA。Sergey是俄国人，当年也是从SEP毕业，能力很强，本人编程也很厉害，同CSM的Paul Sava一起算是学术界的两位新星。而且我后来跟Austin的学生打听，他自己已经tenure仍然很勤奋，不过对学生非常nice、并不push，而且funding充足。所在的Jackson School of Geoscience也可称的上全美数一数二的地学院，不论是规模(那位叫Jackson的石油大亨去世之后一共捐献了超过200Million的钱物给学院）、水平还是与石油工业界的联系都是名列前茅。Austin的石工第一，地物稍弱第九(不过这是大地物的排名，在勘探领域则不止如此，另比如Caltech是排第二的天然地震牛校，可是没有勘探方向），就像Sergey在信中跟我谈及的一样，在Austin，由于庞大的科系规模，学生有机会跳出自身研究的小方向，广泛地涉猎石油领域的各个方面，加上其良好的业界声誉和毗邻能源中心休斯顿的地理优势，学生以后的就业前景非常乐观。而且导师们都普遍支持学生暑假去公司实习以帮助其吸收后备人才，因为很多研究项目都仰仗这些石油公司资助。

应该说Austin的offer正式收到之后，我就判定这次的申请已经成功了。这帮助我以一种非常轻松的心态等待最后Stanford的消息，最后的权衡也就是在这两个offer之间。

CSM:CSM是科罗拉多矿业学院(Colorado School of Mines)的简称。同样是综合100左右的工科小学校，但在勘探工业界确实老牌强校，一般大家的认识是把MIT-CSM-Stanford排成第一梯队，可见其水平之高。旗下的CWP(Center for Wave Phenomenon)汇集了六位非常强的Faculty，我个人认为单从研究力量来说，CSM其实更胜MIT/SU一筹。它的Deadline是1.15，我前面发了封陶瓷信没有回音。不过在2.17号的时候，CWP的Green Professor Dave Hale给我写了封Email，说对我的背景很感兴趣，要打电话聊一聊。接到这个面试心里还是很激动的，Dave 也是SEP 的Jon早期的弟子，而且转战工业界十几年做到了Landmark的首席科学家，后来CSM用Green Professor的头衔(在能源领域Green Professorship是一个很有分量的声誉，Jon在SU的头衔亦是Green Prof）将他召回CWP，难得的是他虽然功成名就，却依然非常活跃，很多Coding的工作仍会躬亲示范。他早期为Seismic Unix和SEPLib等著名软件包写过很多代码，后来回到Mines，由于偏好Java，自己又写了一套Mines Java Toolkit，给CWP里很多学生提供软件平台。无论是从指导学生还是以后个人人脉，Dave都是一个非常理想的导师。很有效率地，早上收的EMail，当天晚上就通了电话。我想人家也知道我专业方面没学多少，肯定不会问很多这方面的问题，并没有特别的准备。如我所料，谈话在非常友好和轻松的气氛下进行，基本上都没谈多少跟Geophysics相关的，问了一些Behavior Question，印象很深的是"如果你今年没有申到哪怕一个项目，你怎么办?"，还有比如“怎么想到要转这一行的”。后来就更发散了，问我哪里学的American Accent，我说我就是看《Friends》那个 Show，反反复复的看，就这么学会了，引得双方都哈哈大笑。后来我试图把话题引回专业相关的，就谈到我后来用到的SU的一段地震波正演边界吸收的代码，那一段正是出自Dave Hale之手，是最初的旁轴近似方法的一个改进型。可我还没展开pmp的功夫发表一通"滔滔江水"，他老人家大手一挥，“我不给SU写code好多年”，早不记得以前做的这个算法了。他言语中所流露出那种Passion令人印象深刻，他谈及自己写的那些代码说：“I love coding, and I want my work to be public--that's one of the reasons I returned to acadmia." 同其他Engineering领域类似，在石油方面读研究生的绝大多数是国际学生，美国人可能十分之一都不到。但是但凡美国人愿意读Ph.D的话，最后都能取得很高的成就，我想这就是美国人的境界吧，他们做研究的动机要单纯的多。

大概十天之后，收到了Email录取，Dave还非常善意的提醒我先WP的中国学生多多了解情况。Dave自己本科是学物理的，是个狂热的编程爱好者，而且现在做的已经与以前的成名作DMO之类的地震处理技术相距甚远，主要是利用图像处理/视觉/计算几何等手段解决地物/石工领域的相关问题(由于他的经验丰富，具体课题非常的多和发散)。我想这就是他为什么喜欢招有EECS背景的学生的原因吧。后来我主要考虑到Colorado的干燥气候和比较高的海拔(1600m左右),(我这几年在北京已经被它的气候折磨得够呛了，实在很难接受Denver附近居然比北京还干...)，以及研究方向(我其实是想跳出以前比较熟悉的视觉/图形这个领域才要转出来，结果却因为这些经历被老师选上，实在是有一点ironic的味道),两周之后还是决定decline了。不过总的来说，CWP非常推荐申请。

OU: OU stands for Oklahoma University. Oklahoma是美国中西部的一个石油中心，它的ConocoPhillips School of Geology and Geophysics还是很有影响力的（我记得版上的fenixchow同学当时(2008年底)跟我讲说，他才硕士一年级,就已经拿到了好几个暑期实习的offer，相当之爽啊)。Kurt Marfurt也是在工业界摸爬滚打快20年，尤其在地震属性方面造诣颇深。很不错。

Utah: Utah针对的就是Jerry执掌的UTAM,他三月多发信告诉我他今年要转到KAUST（对，就是沙特那个非常非常有钱的国王科技大学，给研究生的待遇是管住管电脑，一年还给3万刀的零花钱）问我有没有兴趣。第一眼看到这封邮件我真是心里很矛盾，"身不能至，心向往之"。阿拉伯世界是可以取四个lp的啊,虽然我不认为以后自己有这样的机会，但即便只是想一想这世上有这么个地方，也会觉得生活变得美好了一些不是。可惜如果没有猪肉吃，我人生一半的乐趣就失去了--__--。也许回族的同学申请更加合适一些。

Stanford-SEP

Stanford最出名的自然是EECS专业，作为硅谷引擎，其学校自身也深受信息学科影响。很巧的是，Stanford的两个实验室SEP和SWP的Director都是EE出身的。SWP的Jerry Harris更是一口气念到了Caltech的EE博士，对此Prof. Harris是如此解释的："我从前研究的是电磁波，现在则变成了地震波"。我在1月底的时候收到了SEP老板的面试通知(用Skype Video conference)。于是通过里面的中国学生大致了解了一下面试形式，他们很nice的告诉我Biondo主要考察的是申请人简历里写的经历，并特别提醒我注意英文表达的流畅。这种方式对我来说相当幸运，因为我的知识面很有限，如果面试是对方出题给我做的话，很容易就会引向我不知道的领域。所以我之前特别做了演练，准备了足足能连续不间断讲半个小时以上的腹稿，寄望于能在有限的面试时间内把话题主动权控制在自己这边。2.18日早晨，对方一共3人（主要提问题的还是Biondo)同我进行了40分钟的谈话，事前的准备起到了很好的效果，过程基本按照我所预想的进行。我只记得当时自己不停地说，对方都是插着我讲话的间隙提问题，如此一来他们自然没有太多自由提问的空间。最后谈话在我一个自嘲的笑话中愉快结束，感觉还不错。因为要等面试另外一位Candidate，我又等了快三个星期，3月十几号的时候，系里的Email就来了，计划成功。当然通常来说，我并不认为面试者滔滔不绝能给面试官留下好印象，这样做只是我个人依据自身条件的限制选择的策略。

最后关于选择Offer，我后来就是在Austin和Stanford之间徘徊。导师的因素其实两者差不多，都是SEP的Alumni；不过我了解到SEP的Ph.D很难念，这些年很少有小于6.5年能毕业的,这一点我有点信心不足。后来我征询了很多人的意见，尤其是在那边的中国学生和前辈；石大的老师也跟我讲说，你以后如果要回国的话，毫无疑问Stanford的名头会响亮很多。我一琢磨也确实是这个道理，虚名这个东西说有用也还挺有用，在国内那帮领导的认知里，估计除了牛剑和HYSPM，其他所有的学校都是"国外某大学"。最后我一咬牙还是决定去SEP，硬着头皮奔着30岁的老博士就去了。

总结我面试的体会，我觉得不管对方问的问题偏重什么，面试的一个核心目的是考察面试者的英文表达。准确、顺畅的英文表达绝对是面试取得良好成效的重要条件，建议大家平时多多练习英文口语，口音当然以美式为主；面试时则积极准备，多做Rehearsal。Btw,我发现人大每周五的英语角氛围很好，如果有平时没有机会练或是张不开嘴的同学，去那里练一练应该是很不错的。

---