京公网安备 11010802034615号
经营许可证编号:京B2-20210330
看一个地区的高考录取难度,通常会看其录取率,也就是当年高考录取人数/当年高考报考人数。
2018年中国各省录取率倒数前三的是这3个:
但大家都是80%以上,又不太能衡量一个地区的高考难度。
我们再看一下2018年中国各省 本科录取率 的倒数前三,一般来说这个比较能说明问题:
可以看到第一的河南将第二的甘肃远远甩开!
再看一下 一本录取率 的倒数前三:
再挖一下 985 和 211 的录取率,发现都是河南垫底
以上可以得出,河南是当之无愧的高考地狱模式之首。
僧多粥少是河南高考录取率低的原因
2018年高考报名人数最多的前三是
河南有接近100万人报考,整整比第二的广东多出23万人。
报考人数这么多,而河南的高校数量却没那么多。
2018年河南共有153所大学,包括71所本科院校和82所大专院校,这个数量在全国排在第四。
不仅如此,河南省内的重点大学还特别少,一所985大学都木有,仅有一所211就是郑州大学。
可能有人会问,那不考河南省内大学,考省外的不就好了?
你要知道,考入省外学校,可比考自己省内的学校难太多了!
我们国家的高校在每个省的招生人数都是提前计划好的,以清华大学为例,2017年清华在河南的招生人数是198人,而当年河南的高考报名人数是82.6万人,也就是说每个河南考生考上清华的概率是198/82.6万=0.024%,这个概率在全国31个省份中位列倒数第8。
而17年清华在北京的招生人数是296人,当年报考人数是6.06万人,人均概率高达0.488%,位居31个省市第1位。
北京考生的概率足足是河南考生的20.3倍!
我们再来看看其他省份,比如广东省首屈一指的高校中山大学,2017年中大在广东的招生人数是3202人,河南招生人数仅是212人。
广东考生考上中大的概率是0.439%,而河南考生考上中大的概率排在31个省的倒数第二,仅有0.026%,广东考生的概率是河南考生的16.8倍。
综上所述,本省学校不多且好学校极少,外省学校又特别难考,你说河南是不是高考录取率最低的省份,简直是炼狱模式的每年大考!
那么哪些省市是高考的easy模式呢?
毫无疑问是北京、上海、天津了,其中又以北京为首!
北京2017年仅有6万人报名参加高考,人数位居31个省的倒数第六,而北京的高校数量是92所,位居31个省的14名,但北京的211高校高达26所,位居31个省第1名,985高校8所,又是31个省第1名。
上海的话有211高校10所,31个省第3,985高校4所,31个省第2;
天津的211有3所,985有2所,虽然不多但胜在考生少,2017年仅有5万8千人,比北京还少。
不仅如此,北京、上海、天津考其他省的高校还容易!
以中山大学为例,2017年中大在北京的招生人数是296人,除以当年高考报考人数得出人均概率是0.074%,位居31个省第5名,天津第4名,上海第6名。
以清华大学为例,北京考生人均概率第一,上海第二,天津第三。
这也是北京户口那么值钱的原因之一,生在北京,子女的高考甚至人生轨迹瞬间切换到easy模式。
文末挖数根据2018年各省的本科以及211高校的录取率,将各省的高考难度可视化成这张图:
以上都是小编个人的见解和简单分析,不代表任何公众立场。高考录取率孰高孰低,都只是一个宏观数据,回归到个人,还是得看自己的实力和临场发挥。2019年高考即将拉开大幕,预祝天下所有的高考学子,有志者事竟成,考取自己理想的分数,考取自己梦寐的大学,开启人生全新美好的大学篇章!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23