大学录取分数排行榜（2019 版）完全是基于中国各高校在过去 10 年（2008-2017）间，在各省本科第一批录取的文理科分数及人数 的指标数据，通过统计分析后转换编辑完成的。该排名具有以下特点 （1）采取数据映射的方法解决了各省录取分数的可比性问题；（2） 避免了其他大学评价体系指标选择的主观性；（3）既能反映各大学录 取分数的位次关系，又能反映各大学录取分数的真实差距大小；（4）指数的灵敏度高，录取分数的一点点变化都能在其中表现出来。
影响名次的因素除了录取分数外，还与名次临近的高校录取的 “大小年”现象有关，以及与新增参与排名的高校有关。由于采集 2018 年数据的工作量极大，目前未完全获取 2018 年的数据，因此本 排行榜未使用 2018 年的数据。但根据过去 7 次发布的排行榜数据来看，这种情况影响很小。基于十年数据的分析结果相对是一个比较稳 定的状态。
根据大学录取分数这十年总排名，文科录取分数第一名是清华大学(分数线,专业设置)；理科录取分第一名是清华大学；文理综合排名第一名也是清华大学。
注：
1、暂不列入排名的院校是由于其在2008--2017年之间，参与第一批录取的年数少于4年或者招生的区域少于6个地区或者是某个大学的单列院（部）。目前有156个院校暂不列入总排名，详见后面的说明部分。
2、总指数为0的院校，在我们的数据库里，均是只有一年参加本科第一批（文理科）录取的记录。指数为0仅表明该校当年参加文理科第一批录取的平均分是最低的，不反映其他批次的录取情况。
排名过程中的主要发现及提醒
1、大学录取分数的高低与学校类别强烈关联。在所有类别的院校中，财经、语言与综合 类院校更受社会与考生的追捧。
财经、语言和综合类院校分列受社会与考生追捧的前3位。
农业、林业和师范类院校受冷落。
2、大学录取分数的高低与学校所在地高度关联。地处直辖市与沿海地区的院校更受社会及考生的追捧。
北京、上海、浙江、天津与江苏的高校分列前5位。 青海、贵州、江西、新疆与海南的高校分列后5位。
提醒读者：根据最近10年（2008--2017）我国高校第一批录取的分数推出的中国大学录取分数排行榜，直接反映的是高校录取分数的高低，并不一定完全反映高校综合实力的强弱。
由于采集2018年数据的工作量极大，目前未完全获取2018年的数据，因此本排行榜未使用2018年的数据。但根据过去7次发布的排行榜数据来看，这种情况影响很小。 因为基于十年数据的分析结果相对是一个比较稳定的状态。
有关说明
1、原始数据来源
阳光高考http://gaokao.chsi.com.cn/ 各省、直辖市与自治区招生机构及高校招生网站 第一批高校录取的平均分。新浪教育、中国教育在线数据用于交叉验证。
2、数据资料收集后，我们首先进行了认真地观察，发现分数特别低或者特别高的情况时 就到相应的高校的网站或第三方网站进行查询核对与校正；还与有关高校招生办电话联 系，确认了数据源里的错误，并纠正；在我们的数据库中，最近几年有几十个高校更名 （2019年版的排行榜中又有多所高校更名），我们一一核查，分别进行了更换和数据的 合并。今年，我们又对收集的数据进行三重核对，补充和完善了基础数据库。
3、在人工核对的基础上，我们把第一批高校录取分数（10年，31个省、直辖市自治区。 上海、浙江缺失2017年数据）数据进行合成转换。 然后按高校分文理科使用SPSS软件 对数据进行探测，根据箱图的显示，发现异常值或极端值。通过对异常值的核对发现其 中的原始数据的错误并进行校正。
4、由于中国独立招生录取的地区比较多，考试科目和计分方法不尽相同，参加录取的高 校在不同的地区不同的年份也不尽相同。因此原始分数的可比性差。为了解决可比性的 问题，在排名之前我们将原始录取的平均分映射到[0，1]之间。依据人们阅读理解的习 惯，我们把2012年版的大学录取分数总排名中使用的映射公式进行了变换，根据变换后 的计算结果可以理解为值越大，对应的录取分数越高；反之亦然。2019年的排名方法与 2013版、2014版、2015版、2016版、2017版及2018版的排名方法基本相同。
5、招生单元是指某省（市、自治区）某年文（理）科各大学招生的分数集。 文科指数是指以多个文科招生单元为单位计算出来的值的加权平均数。 理科指数是指以多个理科招生单元为单位计算出来的值的加权平均数。 总指数是文科指数与理科指数的加权平均数。
6、本次排名是以2008-2017年的各高校在全国31个省、直辖市与自治区第一批录取的文 理科平均分和文理科录取的人数为依据计算再汇总的。由于考虑了高校文理科录取人数 的比例，所以即使一个学校的文科指数与理科指数都高于另外一所高校，也有可能总指 数低于那所高校。
7、考虑到高校招生分数的偶然性以及招生区域的全国性情况，在过去的10年中，招生年 限少于4年或者招生区域少于6个地区的高校暂不列入排名表。但作为一同参与分析的结 果附在排名表的后面供读者查看比较。港澳台地区在大陆招生的高校没有计入排名的主 要原因就是不符合上述两个条件。大学的单列院（部）的招生也没有计入排名；各高校 提前批录取的分数没有计算在内。
8、表中出现的符号“#NULL！”，表示在我们的数据库中该高校在2008--2017年间在第 一批录取中没有招生录取（的记录）。表中的校名“北京师大-港浸大联院”的全称为 “北京师范大学(分数线,专业设置)-香港浸会大学联合国际学院”。
9、用于分析的原始资料有9.7159万行，将近98万个数据或字符项。使用的数据核查与 异常检测软件是IBM SPSS Modeler 18.1（临时许可证）。使用的数据预处理与分析软 件是 IBM SPSS Statistics 25（临时许可证） 。
10、数据收集 高校第一批录取分数由苏金彦与邝春伟负责收集核对，第二、三批录取 分数由郭晋芳、康芸、唐敏庭与詹伟负责收集，邝春伟核对。 2012年及2013年的数据 由邝春伟收集，苏金彦核对。2014年的数据由苏金彦、邝春伟、樊炜娣、李军、董典与 冯文婷负责收集，邝春伟核对。高校的网址由樊炜娣、李军、董典与冯文婷负责收集， 苏金彦核对。2015年的数据由王越、于佳鑫、邝宇音收集。2014年及2015年的增补数 据，由樊炜娣、李军和王越收集。参加2014年及2015年数据二次核对的人员有樊炜娣 李军、董典、李茹、王越、于佳鑫、冯文婷、王彦珂、徐琢瑶、向中菊、曹曙、齐家惠 2016年及2017年的数据由华东师大马院全体2017级本科生负责采集以及社会发展学院 2015级本科生翁婷婷负责采集。
11、负责2016年与2017年数据采集、核对与转换的是陈思远、陈玉娇、付冰倩、徐露、 李茹和邝宇音。负责学校更名事项的是李茹。
12、参加2014年、2015年、2016与2017年的数据最终核对的人员有邝春伟、苏金彦 13。 数据转换、合成与异常值检测处理由邝春伟与苏金彦负责完成。
14、参与2013年版的排名指标选择及总指数计算方法讨论的有： 邝春伟、付娟、郭晋芳 李晓静、彭彩虹、杨子与詹伟（排列不分先后）。
15、参与2014年版的排名条件的界定及总指数计算程序复核讨论的有： 邝春伟、苏金彦 邝颖颖（排列不分先后）。
16、 参与2014、2015年版检测与核对高校名称变更的是王慧冬、傅冰燕、樊炜娣、李军、 董典与冯文婷。负责其在数据库更改与合并的是邝春伟。
17、 2014年，我们在推出中文版的同时，推出了英文版。负责英文版翻译的是傅冰燕与 王慧冬。由于军事院校没有发布其校名的官方英文翻译，考虑到版权问题，我们在英文 版中统一使用其汉语拼音来表示，特此说明。根据外国留学生建议，2015年我们推出了 多国语言版，分别为中文、英文、法文、德文和葡萄牙文版。2019年我们将继续推出多 国语言版。
18、 研究设计与数据分析：邝春伟
19、经纶文化传媒股份有限公司是本次排行榜源数据的合作者。
