高考大数据：京津沪鲁粤苏豫冀八省高考难度量化分析

蓝色雨

又是一年高考季，对于莘莘学子来说，考一个好大学，自己的能力和努力固然重要，家长给孩子提供的学区房更加重要，成功的一半来自个人，一半来自父母创造的环境，目前看来后者的决定性越来越大，这也是为什么寒门再难出贵子。
除了学区房，另外一个决定性因素也被常常提起，那就是各省高考的难度，我们都知道北京，天津，上海是高考天堂，河南山东是高考地狱，但是没有一个直观的，量化的指标，网上很多数据也是不准确的，今天这篇文章，我们就来好好算算，到底各省的高考难度是怎么样的。
先选定分析目标：北京，天津，上海，河北，河南，江苏，广东，山东；三个天堂，五个地狱，相对比较有代表性。
首先我们选择分母，用哪个变量作为基数：人口数，还是高考报名人数 ？


直观来看，用高考报名人数做分母是最合适的，但是我们用总人口一校验，发现比例很不稳定，这里面有很多问题，包括各省人口年龄段分布，中考高考分流情况，高考复读情况，等等，尤其是河南的125W 高考报名人数，明显异常，很难解释。
如果不用高考人数，那就再往前反推，小学生数量是不是比较合适？


我们看一下上图，小学毕业生（6年级）和小学生总量（1-6年级）的比在0.14-0.17之间，是比较稳定的，说明数据是可信的（网上的很多数据都是有问题的，不要轻信）；我们再看初中毕业生和小学毕业生的比例，这个值就差点意思了，但是仔细分析一下，还是可以解释的，北京上海户籍管理很严格，很多人可以在北京上海读小学，但是读初中就困难了，没法参加高考，只能回原户籍地；天津，江苏，广东户籍制度还好，但是外来人口多，也存在初中生回原户籍地的问题；河北，河南，山东属于自产自销型的，人口流动性不大，所以初中毕业生和小学毕业生比较接近。总体来说，这组数据可信度是比较高的，由于小学存在回户籍地的问题，有一些干扰，初中毕业生，基本就是高考人数的基数了，所以我们用初中毕业生作为分母。
有了分母，我们再找分子，一本录取分数线，录取人数，这些指标，感觉都不好比较高考难易程度；高考难易的本质是什么？ 如果把各省的高考成绩排名归一化，例如都到1-10000名这个区间，同样的学校，需要多少名次？例如北京市500名，河北省1000名，这个就很直观。
排名归一化是很简单的，关键是选那些高校来做参照物？原则：
1） 不能是上面几个省的省内高校，省内名额分配会影响排位。
2） 要有一定的梯度，从重点大学，到211，到一般院校。
按照这个原则，我选了几个高校，并把它们在各省的排名列出来：


这个工作花了点时间，湖北湖南的高校多一点，主要是考虑距离全国各地都不远，不会有地域倾向性。
好了，见证奇迹的时刻到了，我们用各个高校的各省名次，除以各省初中毕业生，就是各省的高考难易程度。
原始数据：


图表化一下，看的更加清楚：


是不是很震撼？ 没错，和你的直觉估计也是一致的；直观来看，上海北京第一梯队，天津稍微差了半个身位，但是天津的重点大学录取率和北京上海是持平的；江苏可以排到第四，教育强省不是浪得虚名，比后面几个有趋势上的明显优势；最后一个果然是河南，指标非常难看，心疼河南的小朋友，当然河北也好不到哪儿去，难兄难弟。
文章到这儿基本就可以结束了，大家应该看得很清楚了，如果非要准确的排个名次，也可以，我们把各个高校的排序改为排名，从1-8，然后平均一下：


最终的排名如下：
北京，上海，天津，江苏，山东，广东，河北，河南。
恭喜伟大的首都，喜提冠军，为了孩子，你是不是要考虑考虑换个城市？