高等教育科学咨询第23期(总第797期)·150·纵观当代中国社会，民众的心理健康始终是一个难以避开的问题。近期，中国科学院心理研究所和社会科学文献出版社共同发布了《中国国民心理健康发展报告（2019~2020）》，本次调查结果中显示，18至34岁青年是成人中最焦虑的群体，无业、失业、退休人员的抑郁水平最高，其次便是学生群体。其中，大学生中有18.5%有抑郁倾向，4.2%有抑郁高风险倾向，8.4%有焦虑倾向。在互联网时代，数据是进行科学分析和价值挖掘的基础。大数据时代下高校能否采取恰当的心理健康教育方式是能否缓解甚至解决青年学生群体心理健康问题的关键。本文的调查及研究对象主要是针对高校青年学生群体，关于路径创新的分析也以各高校采取的普遍教育方式为基础。随着时代的发展，如何利用有限数据进行高校心理健康教育方法的无限创新，是教育教学前沿的教学工作者们一定要探讨的新课题。一、大数据的合理运用是创新的关键随着大数据的普及，网络调查问卷成为新时代青年学生发现问题、开展调查和获取分析资料的重要途径。收集数据后对数据的合理处理及运用是形成“收集数据—分析处理—方式改良—收集数据”这一良性循环的关键所在。（一）大数据时代使调查参与度得到基本保障1.心理问题与影响因素相关性研究（回归分析）首先，在常规的心理健康教育以及心理疏导过程中，确定心理病症往往依赖问答的形式，结果单一且主观性较强。在大数据时代下，统计学的知识可以帮助我们分析不同心理问题及其形成原因的关联性，利用数据进行回归分析，也能发现某种心理问题不同变量之间的依存关系。2.多个影响因素对心理问题的影响程度（广义线性模型）通过广义线性模型以及其他的一般线性模型，可以探讨各影响因素对心理问题影响效应的大小以及影响效应有无统计学意义。通过数据分析观察各因素对心理问题的影响程度，有利于我们确定心理疏导的方向，对症下药。其中，各个因素对心理问题的影响程度是不同的，通过广义线性模型进行分析，在所收集的数据中选取两个变量，分别为“是否在意别人的看法”和“是否害怕在大众面前表现自己”，建立Logistic广义回归模型。Coefficients:EstimateStd.ErrorzvaluePr（>|z|）（Intercept）-0.031221.14308-0.0270.978x1-0.845120.55318-1.5280.127x20.661050.417251.5840.113由此得到初步的Logistic广义回归模型即我们由此可以确定这些因素对心理健康问题的影响程度。3.心理问题归类（判别分析）判别分析是多变量统计...
