大学生就业问题终稿.docx
- 文档编号:29904461
- 上传时间:2023-08-03
- 格式:DOCX
- 页数:47
- 大小:73.83KB
大学生就业问题终稿.docx
《大学生就业问题终稿.docx》由会员分享,可在线阅读,更多相关《大学生就业问题终稿.docx(47页珍藏版)》请在冰豆网上搜索。
大学生就业问题终稿
2011重庆邮电大学数学建模竞赛
承诺书
我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C中选择一项填写):
B
我们的参赛报名号为(如果赛区设置报名号的话):
所属学院(请填写完整的全名):
经济管理学院
参赛队员(打印并签名):
1.陈恋
2.陈霞
3.王国庆
日期:
2011年7月9日
评阅编号(教师评阅时填写):
大学生就业问题
摘要
大学生就业对个人、高等教育、社会等会产生很大的影响,而本文研究的就是大学生就业的定量评估问题。
首先,通过主成分分析法得出大学生起薪影响的主要因素,并运用回归模型预测出大学生的平均月薪;然后利用聚类判别综合评价法分析出影响就业的因素,给出合理的建议期望月薪;最后通过定量对比分析模型,用参加与未参加就业指导课的本科生和硕士生进行对比,得出合理的结论。
第一,运用主成分分析法得出主要影响大学毕业生起薪点的因素,然后根据回归预测模型,结合2011年的专科生、本科生、研究生比例预测出最终的平均起薪。
国内生产总值、当年毕业生总需求量、当年毕业生人数、理科/文科的就业率、实习人数比例、起薪七个指标都是影响大学毕业生起薪点的因素,运用SPSS算出相关系数矩阵,分析得主要影响因素为:
当年毕业生总需求量、当年毕业生人数;运用MATLAB得出三组人员的回归函数,再通过加权平均,即可得出最后2011年大学生平均起薪为2469元。
第二,为了定量分析就业指导课程、期望月薪及求职失败次数等对大学生就业产生的影响,本文结合快速聚类与分析评判方法形成聚类评判分析模型,将90个样本归为五大等级(详见表7),由表3和表4得出接受就业指导程度越深、期望月薪与自身实力越符合(偏低)、求职失败次数越少,就业情况越好;反之,则就业情况越差;结合考虑每位同学的能力差距,“起薪”可以作为能力的量化指标,而对于是否应该调整该学生现有的期望月薪,可以以“期望月薪/起薪”作为评判指标,分别在各等级进行分析评判。
当“期望月薪/起薪”处于与之间时,不进行期望月薪的修改;而当期望月薪小于或大于时,就根据具体数值给予适当的调整标准(详见表8),最终得出90名大学生的建议期望月薪(详见表9)。
第三,采用定量对比分析模型分析是否有必要在研究生中开设就业指导课程。
首先,进行数据的分离,即将表2划分为表10和表11,结合表3进行横向的对比分析;其次,经过相关系数的分析,主要采用“期望月薪/起薪”、“求职失败次数”两项指标的平均值对研究生是否应参加就业培训进行评判;最后,得出参加就业指导有助于学生增强对自身月薪的正确评估能力以及减少求职的失败次数。
研究生虽然学历高,自身能力较强,但实际薪金要求也高,在与本科生的角逐中,难免会失去自身的一些优势。
所以,为了更好的解决研究生的就业问题,本文建议为研究生开设就业指导课程。
综上所述,本文运用的模型、算法对于大学生就业问题的分析、预测、评价及建议是合理的,效果是显著的。
关键字:
大学生就业回归预测聚类判别综合评价定量对比分析
一、问题重述
大学毕业生就业问题不仅关系到每个学生的前途,还直接影响到我国高等教育的发展,更是关系到我国社会人力资源和经济发展状况。
近几年数据显示,高校毕业生初次就业率与年底就业率比较可观,但由于毕业人数多,总量压力非常大。
根据调查,学生对学校就业指导很迷茫,最关心找工作的事,在这种形式下,开设就业指导课程,引导学生转变就业观念,提升职场竞争力和主动适应社会的能力,是非常及时和必要的。
第一,收集数据,结合影响大学生起薪点的有关因素,建立模型预测2011年大学平均起薪。
第二,在给出的数据基础上,构建综合评价模型,定量分析就业指导、期望月薪及求职次数等对大学生就业产生的影响,根据不同学生之间的能力差距,适当降低期望月薪有助于学生更好的就业,结合综合评价模型给出题中90名大学生的建议期望月薪。
第三,结合所给数据,建立定量对比分析模型判别是否有必要在硕士研究生中开设就业指导课程。
二、模型的基本假设
1、假设文中所引用数据均真实可靠。
2、预测变量服从正态分布,并且变量之间没有显著性差异。
3、假设未来两年内没有突发事件或重大事件对大学生就业产生影响。
4、假设模型准备中所用的因素是影响大学生就业的主要因素,其他因素可忽略不计。
三、主要变量符号说明
当年社会对大学生的总需求量
当年毕业生总人数
y大学生起薪点
大学生平均起薪
标准化后的值
样本值
样本数列的最小值
样本数列的最大值
标准化后的值a权重值
样本值
样本数列的最大值
样本的平均值
相关系数
样本数值
样本个数
四、问题分析
本题研究的是大学生就业问题。
大学生就业对我国高等教育的发展、社会人力资源以及经济发展状况具有重要影响,因此,面对人力资源市场发展的新形势,开展针对有关高校毕业生就业问题的深入研究,是摆在我国理论界和实践部门面前一项重要而艰巨的任务。
对于问题一:
根据资料显示,我国大学生毕业人数在逐年递增,而就业率却不可观,大学生就业存在很大压力,对此,大学毕业生工作起薪也受到影响,实际月薪往往达不到期望值,根据所给数据,结合影响大学毕业生起薪点的有关因素,可用多因素预测先分别对专科、本科、硕士的起薪进行预测,建立回归预测模型,最后通过求平均得出2011年大学生平均起薪。
对于问题二:
影响大学生就业的因素有很多,题中已经具体化对90个本科生就业的因素,因素影响程度不同,通过运用聚类判别综合评价模型,定量分析出就业指导课程、期望月薪、求职失败次数对本科生就业的影响。
结合模型分别对90个本科给出的建议期望月薪。
对于问题三:
从的题中表二和表三来看,硕士研究生没有参加就业指导课,本科生有一部分参加就业指导课,通过定量对比分析模型,在是否参加就业指导课对本科生和研究生的影响力,从而决定研究生是否参加就业指导课。
五、模型的建立与求解
模型一:
回归预测模型
模型的准备
本文要求研究大学生起薪的影响因素并作出2011年大学生起薪预测。
首先,一方面,就国内生产总值、社会毕业生总需求量、毕业生人数,这三个宏观因素来研究考察它们对于大学生起薪的影响;另一方面,则把理科/文科(就业率)、211院校就业率/全国就业率以及实习人数比例作为影响大学生起薪的微观因素,考察理科/文科(就业率)主要是体现专业的就业变化对于起薪是否存在影响,而考察211院校就业率/全国就业率主要是体现学校的不同是否也会造成起薪的差异,考察实习人数的比例则是希望通过观察这项数据与起薪的关系,判断工作经验对于大学生起薪的影响。
总的来说,是一个由定性到定量的过程,从而得出具体的数据,便于判断分析。
其次,分别收集了专科、本科、硕士的相关数据(附录一),通过SPSS处理数据,得出相关系数矩阵,从而分析影响大学生起薪的主要成分,分别为毕业生总需求量、毕业生总人数。
最后,采用多元线性回归预测模型,分别建立出专科、本科、硕士的起薪预测函数,通过三个学历的人数比例对起薪进行加权平均得出总的平均起薪。
模型的建立与求解
1、原始数据的收集(附录1)
2、相关系数(附录1)
相关系数表示了两个变量之间的相关程度,相关系数越大表明两者的密切程度越大,由附录一可知:
当年毕业生总需求量和当年毕业生人数为影响大学生起薪点的主要因子。
3、回归预测
通过多因素的分析,定量出来大学生毕业总人数和社会对人才需求量对起薪起着最重要的影响。
用
表示毕业生总需求量,
表示毕业总人数,y表示起薪点,我们分成三部分来预测,分别是专科,本科,硕士。
专科组:
通过Matlab求解(解答见附录2)回归估计的函数:
------
(1)
本科组:
通过Matlab求解(解答见附录2)回归估计的结果:
------
(2)
硕士组:
通过Matlab求解(解答见附录2)回归估计的结果:
------(3)
模型的检验
对于多元线性回归模型的检验,用多重可决系数RSquare以及修正的多重可决系数AdjustedRSquare来判定回归函数对于总体的拟合优度,它们都是介于0和1之间的数,它们的越接近1,模型对于数据的拟合程度就越越好。
由Matlab分别求解(解答见附录2)出专科组的可决系数RSquare=,本科组的可决系数RSquare=,硕士组的可决系数RSquare=。
这三组的可决系数RSquare都大于,说明模型对数据的相关程度非常高。
模型的预测
建立线性回归模型的一个目的就是实现统计预测功能。
现在利用该回归模型,根据专科、本科、硕士的毕业总人数和需要量这个因素分别对它们的起薪进行预测。
表1起薪预测值
(万人)
(万人)
Y(元)
专科
1837
本科
2516
硕士
3971
2011年预测就业专科、本科、研究生的人数分别为:
、、,
利用公式
,故求得其权重分别为:
、、。
=
=
(元)
即2011年大学生平均起薪为2469元。
模型结果分析
由回归模型预测专科、本科以及硕士的回归估计函数,再通过加权平均得出总的平均起薪2469元非常接近本科生的起薪。
由于我国大学生实际分部情况以本科为主,专科其次,硕士最少,而工资的总体水平随着学历增高而增长,排除特殊情况,所以运用回归模型预测总体的起薪是合理的。
模型二:
聚类判别综合评价模型
5.2.1模型的准备
本问要求构建综合评价模型,定量分析就业指导课程、期望月薪及求职次数等对于大学生就业产生的影响。
另外,考虑不同学生之间的能力差距,适当降低期望月薪可以帮助学生更好地就业,结合综合评价模型给出以上90名大学生的建议期望月薪。
本文通过标准化后的数据,用SPSS进行快速聚类,得出5个等级,分别为“好、较好、中、较差、差”,再在各个等级区间产生三个随机数,构成20个已知等级数列,通过SPSS判别分析方法,用这已知的20个数列判定题中所给的90个学生所属的等级,即可得到90个学生的各自所属类别。
根据观察这90个学生的就业所属类别,得出就业指导课程、期望月薪及求职次数等对于大学生就业产生的影响。
另外,为了考虑学生的能力差距,本文将“起薪”与“起薪比(期望/实际)”作为考察指标,结合上述分类,综合得出每类学生的合理期望薪金水平。
5.2.2模型的建立与求解
1、将原始数据标准化
标准化公式:
表2标准化后本科生调查统计表
序号
就业指导课程
期望月薪
求职次数
1
2
0
3
4
5
6
7
0
8
1
9
10
11
0
12
13
14
0
15
16
17
18
19
20
0
21
22
23
24
25
26
27
28
29
30
0
31
32
0
33
34
35
36
37
0
38
39
40
41
42
0
43
44
0
45
46
47
48
49
50
51
52
53
54
55
56
0
57
58
0
59
60
61
62
63
64
65
66
67
68
69
70
0
71
72
73
74
75
76
77
78
79
0
80
81
82
83
0
84
0
85
86
87
88
89
0
90
2、按标准化的数据进行快速聚类分析
通过SPSS的聚类分析结果分成5类:
表3等级划分
Cluster
1
2
3
4
5
VAR00002
0
0
1
0
VAR00003
0
VAR00004
0
1
VAR00002:
是否参加就业指导课程VAR00003:
期望月薪
VAR00004:
求职失败次数
综合考量,等级评级如下:
表4等级评价
等级
等级
1
中
2
好
3
较好
4
差
5
较差
3、产生随机序列
为了更方便、准确的判定出90个学生分别属于那种就业情况,本文在各等级区间均衡产生20个随机序列为:
随机序列公式:
N=RAND()/10+M
表5随机序列
序号
就业指导课程
期望月薪
求职次数
等级
1
0
1
2
0
1
3
0
1
4
0
1
5
1
0
2
6
1
0
2
7
1
0
2
8
1
0
2
9
0
0
3
10
0
0
3
11
0
0
3
12
0
0
3
13
1
4
14
1
4
15
1
4
16
1
4
17
0
1
5
18
0
1
5
19
0
1
5
20
0
1
5
4、序列属类判别
将这20个随机序列加入到经过标准化后的原90个序列中,形成110个序列,通过SPSS的判别分析,判定属类结果如下:
表6属类结果
序号
就业指导课程
期望月薪
求职次数
排名
1
0
1
2
0
1
3
0
1
4
0
1
5
1
0
2
6
1
0
2
7
1
0
2
8
1
0
2
9
0
0
3
10
0
0
3
11
0
0
3
12
0
0
3
13
1
4
14
1
4
15
1
4
16
1
4
17
0
1
5
18
0
1
5
19
0
1
5
20
0
1
5
21
0
1
22
1
0
4
23
0
3
24
1
4
25
1
4
26
0
3
27
1
0
4
28
0
1
5
29
1
4
30
0
5
31
1
0
5
32
0
1
33
1
4
34
1
0
4
35
1
5
36
1
4
37
0
3
38
1
4
39
1
2
40
1
0
5
41
1
5
42
1
5
43
1
4
44
0
3
45
0
1
46
1
4
47
1
4
48
0
1
49
0
1
50
0
0
1
51
1
2
52
0
0
3
53
1
2
54
0
1
55
0
3
56
0
1
57
1
0
4
58
1
4
59
0
1
60
1
5
61
0
1
62
0
0
3
63
1
5
64
0
0
1
65
0
5
66
1
4
67
1
4
68
0
1
69
0
3
70
1
5
71
0
3
72
0
1
73
0
3
74
1
2
75
0
1
76
0
0
1
77
1
5
78
0
0
3
79
0
5
80
0
1
81
0
5
82
1
2
83
0
1
84
1
2
85
0
5
86
0
1
87
0
3
88
1
2
89
0
3
90
1
0
2
91
0
1
92
0
1
93
1
4
94
0
3
95
0
3
96
1
5
97
0
3
98
1
2
99
0
0
3
100
0
3
101
0
3
102
0
3
103
1
0
2
104
0
0
1
105
0
1
106
0
3
107
1
2
108
0
1
109
0
0
1
110
1
5
将数据归类整理,各类别的个案数如下:
表7各类数据统计
好
(2)
较好(3)
中
(1)
较差(5)
差(4)
1931335462646870788387
36172432
35424951535867697475777980818286
11225282930343639414448525556606366717284858889
810111520212240434550575961657690
24579131416182326273738464773
5、影响分析
通过数据的标准化和判别分析,并结合表3与表4,我们看出就业指导、期望月薪、求职失败次数对大学生就业的影响如下:
对于自身能力较差(起薪低)的学生,即使参加就业指导,期望月薪也不高时,他的求职失败次数仍然很多,所以,就业情况是最糟糕的;对于自身能力强(起薪高)的学生,经过就业指导后,即使期望月薪偏高,但求职失败次数很少,所以,就业情况是最好的;对于能力中等(起薪一般)的学生,经过就业指导或者期望起薪偏低时,求职失败次数较少,所以,就业情况一般;反之,较差。
综上所述:
总体来说,接受就业指导程度越深、期望月薪与自身实力越符合(偏低)、求职失败次数越少,就业情况越好;反之,则就业情况越差。
6、结合综合评价给出每位学生的建议期望月薪
结合考虑每位同学的能力差距,起薪可以作为能力的量化指标;而对于是否应该调整该学生现有的期望月薪,本文以“期望月薪/起薪”作为评判指标,分别在各等级“好、较好、中、较差、差”进行分析评判。
当“期望月薪/起薪”处于与之间时,不进行期望月薪的修改;而当期望月薪小于或大于时,本文将根据具体数值给予适当的建议型修改,以便达到更好的就业效果。
根据不同建议前薪金比调整期望月薪,以求得与实际能力相符合:
表8调整标准
建议前薪金比
变动月薪
以下
300
—
-100
以上
-300
利用EXCEL筛选,建议期望月薪结果如下:
表9建议期望月薪
序号
起薪
期望月薪
求职失败次数
是否参加就业指导
建议前薪金比(期望/实际)
等级
建议月薪
建议后薪金比(期望/实际)
1
2500
2500
5
否
1
2500
2
1500
1300
1
是
4
1500
3
1100
1500
3
否
3
1200
4
2000
1600
2
是
4
1900
5
1400
1100
2
是
4
1400
6
1500
1700
3
否
3
1500
7
1100
1300
1
是
4
1100
8
1000
1000
6
否
5
1000
9
1400
1200
4
是
4
1400
10
1100
1100
3
否
5
1100
11
1700
2000
1
是
5
1800
12
1800
2500
5
否
1
2100
13
1400
1000
2
是
4
1300
14
1500
1400
1
是
4
1500
15
2200
2500
4
是
5
2300
16
1600
1500
3
是
4
1600
17
1300
1600
3
否
3
1300
18
1000
1200
3
是
4
1000
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 大学生 就业问题