大学生就业问题终稿.doc

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0.95与1.05之间时，不进行期望月薪的修改；而当期望月薪小于0.95或大于1.05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5.1 模型一：回归预测模型5.1.1 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。5.1.2 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）5.1.3 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R Square以及修正的多重可决系数Adjusted R Square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R Square=0.9907，本科组的可决系数R Square=0.89578,硕士组的可决系数R Square=0.9987。这三组的可决系数R Square都大于0.8，说明模型对数据的相关程度非常高。5.1.4 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148.5321.711837本科391.5301.112516硕士86.745.739712011年预测就业专科、本科、研究生的人数分别为：128.5、290.7、45.1，利用公式，故求得其权重分别为：0.28、0.63、0.98。=2469.4122469（元）即2011年大学生平均起薪为2469元。5.1.5 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。5.2 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10.00 0.7391 0.821.00 0.2174 030.00 0.3043 0.441.00 0.3478 0.251.00 0.1304 0.260.00 0.3913 0.471.00 0.2174 080.00 0.0870 191.00 0.1739 0.6100.00 0.1304 0.4111.00 0.5217 0120.00 0.7391 0.8131.00 0.0870 0.2141.00 0.2609 0151.00 0.7391 0.6161.00 0.3043 0.4170.00 0.3478 0.4181.00 0.1739 0.4191.00 0.8696 0.2201.00 0.4348 0211.00 0.7826 0.6221.00 0.4348 0.6231.00 0.1739 0.4240.00 0.3913 0.2250.00 0.6957 0.2261.00 0.3478 0.6271.00 0.3478 0.4280.00 0.6957 0.6290.00 0.6522 0.2300.00 0.6522 0311.00 0.8261 0.4320.00 0.4348 0331.00 0.8261 0.2340.00 0.6087 0.6350.00 0.4348 0.2360.00 0.5652 0.4371.00 0.3043 0381.00 0.0000 0.6390.00 0.5217 0.4401.00 0.7391 0.4410.00 0.8696 0.4420.00 0.3043 0431.00 0.5217 0.4440.00 0.6087 0450.00 0.0870 0.4461.00 0.2174 0.6471.00 0.1304 0.6480.00 0.8261 0.2490.00 0.3478 0.4501.00 0.4348 0.6510.00 0.1739 0.4520.00 0.6522 0.2530.00 0.2174 0.6541.00 0.7391 0.2550.00 0.5652 0.6560.00 0.8696 0571.00 0.4348 0.4580.00 0.2609 0590.00 0.1739 0.6600.00 0.8261 0.4610.00 0.0870 0.6621.00 0.8261 0.2630.00 0.6087 0.2641.00 0.9565 0.2650.00 0.1304 0.4660.00 0.5217 0.2670.00 0.2609 0.2681.00 1.0000 0.2690.00 0.1739 0.2701.00 0.9130 0710.00 0.6957 0.6720.00 0.9130 0.2731.00 0.0435 0.6740.00 0.2609 0.6750.00 0.3478 0.2761.00 0.7826 0.4770.00 0.4348 0.4781.00 0.9565 0.2790.00 0.3478 0800.00 0.2609 0.4810.00 0.2609 0.2820.00 0.1739 0.4831.00 0.9565 0840.00 0.6957 0850.00 0.4783 0.4860.00 0.2174 0.2871.00 0.8696 0.2880.00 0.6522 0.2890.00 0.5217 0901.00 0.4783 0.42、 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Cluster12345VAR0000201.000010VAR000030.70.9600.2600.09VAR000040.60.00000.61VAR00002：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100.6800.41200.6900.51300.7000.61400.7100.71510.86002610.96002710.95002810.87002900.250031000.260031100.270031200.280031310.0000.441410.0010.541510.0020.641610.0030.741700.070151800.080151900.090152000.100154、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100.6800.41200.6900.51300.7000.61400.7100.71510.86002610.96002710.95002810.87002900.250031000.260031100.270031200.280031310.0000.441410.0010.541510.0020.641610.0030.741700.070151800.080151900.090152000.100152100.7390.812210.217042300.3040.432410.3480.242510.1300.242600.3910.432710.217042800.087152910.1740.643000.1300.453110.522053200.7390.813310.0870.243410.261043510.7390.653610.3040.443700.3480.433810.1740.443910.8700.224010.435054110.7830.654210.4350.654310.1740.444400.3910.234500.6960.214610.3480.644710.3480.444800.6960.614900.6520.215000.652015110.8260.425200.435035310.8260.225400.6090.615500.4350.235600.5650.415710.304045810.0000.645900.5220.416010.7390.456100.8700.416200.304036310.5220.456400.609016500.0870.456610.2170.646710.1300.646800.8260.216900.3480.437010.4350.657100.1740.437200.6520.217300.2170.637410.7390.227500.5650.617600.870017710.4350.457800.261037900.1740.658000.8260.418100.0870.658210.8260.228300.6090.218410.9570.228500.1300.458600.5220.218700.2610.238811.0000.228900.1740.239010.913029100.6960.619200.9130.219310.0430.649400.2610.639500.3480.239610.7830.459700.4350.439810.9570.229900.3480310000.2610.4310100.2610.2310200.1740.4310310.9570210400.6960110500.4780.4110600.2170.2310710.8700.2210800.6520.2110900.5220111010.4780.45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）19 31 33 54 62 64 68 70 78 83 873 6 17 24 3235 42 49 51 53 58 67 69 74 75 77 79 80 81 82 861 12 25 28 29 30 34 36 39 41 44 48 52 55 56 60 63 66 71 72 84 85 88 898 10 11 15 20 21 22 40 43 45 50 57 59 61 65 76 902 4 5 7 9 13 14 16 18 23 26 27 37 38 46 47 735、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0.95与1.05之间时，不进行期望月薪的修改；而当期望月薪小于0.95或大于1.05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0.80以下3000.80-0.902000.90-0.951000.95-1.0501.051.10-1001.10-1.20-2001.20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)1250025005否1.000 125001.000 2150013001是0.867 415001.000 3110015003否1.364 312001.091 4200016002是0.800 419000.950 5140011002是0.786 414001.000 6150017003否1.133 315001.000 7110013001是1.182 411001.000 8100010006否1.000 510001.000 9140012004是0.857 414001.000 10110011003否1.000 511001.000 11170020001是1.176 518001.059 12180025005否1.389 121001.1670.714 413000.9290.933 415001.0001.136 523001.045 16160015003是0.938 416001.0001.231 313001.0001.200 410001.000 19260028002是1.077 227001.038 20140018001是1.286 515001.071 21280026004是0.929 527000.964 22210018004是0.857 520000.952 23130012003是0.923 413001.000 24150017002否1.133 315001.000 25220024002否1.091 123001.045 26190016004是0.842 418000.947 27170016003是0.941 417001.000 28260024004否0.923 125000.962 29210023002否1.095 122001.048 30200023001否1.150 122001.100 31280027003是0.964 227000.964 32150018001否1.200 315001.000 33250027002是1.080 226001.040 34250022004否0.880 123000.920 35170018002否1.059 317001.000 36210021003否1.000 121001.000 37110015001是1.364 412001.091 3811008004是0.727 411001.000 39200020003否1.000 120001.000 40250025003是1.000 525001.000 41280028003否1.000 128001.000 42120015001否1.250 312001.000 43210020003是0.952 520000.952 44190022001否1.158 120001.053 45100010003否1.000 510001.000 46160013004是0.813 415000.938 47130011004是0.846 413001.000 48250027002否1.080 126001.040 49160016003否1.000 316001.000 50200018004是0.900 519000.950 51130012003否0.923 313001.000 52220023002否1.045 123001.045 53150013004否0.867 315001.000 54230025002是1.087 224001.043 55230021004否0.913 122000.957 56240028001否1.167 126001.083 57190018003是0.947 519001.000 58110014001否1.273 311001.000 59140012004否0.857 514001.000 60280027003否0.964 127000.964 61130010004否0.769 513001.000 62260027002是1.038 227001.038 63200022002否1.100 120001.000 64290030002是1.034 230001.034 65110011003否1.000 511001.000 66180020002否1.111 118001.000 67120014002否1.167 312001.000 68290031002是1.069 230001.034 69100012002否1.200 310001.000 70250029001是1.160 227001.080 71260024004否0.923 125000.962 72270029002否1.074 128001.037 7311009004是0.818 411001.000 74170014004否0.824 316000.941 75150016002否1.067 315001.000 76260026003是1.000 526001.000 77180018003否1.000 318001.000 78280030002是1.071 229001.036 79130016001否1.231 313001.000 80150014003否0.933 315001.000 81120014002否1.167 312001.000 82120012003否1.000 312001.000 83270030001是1.111 228001.037 84210024001否1.143 122001.048 85200019003否0.950 119000.950 86120013002否1.083 312001.000 87270028002是1.037 228001.037 88220023002否1.045 123001.045 89170020001否1.176 118001.059 90200019003是0.950 519000.950 5.3 模型三:定量对比分析模型5.3.1 模型的准备：本问要求建立模型定量分析是否有必要在硕士研究生中开设就业指导课程。首先，本文将本科生（表2）“是否参加过就业指导”该项指标“是”与“否”的同学区分开来成为表10和表11，结合研究生（表3 ）进行横向的定量对比分析。其次，本文主要采用“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，其中“期望月薪/起薪”这项指标的高低较好的表示出了学生对于自己职业的规划能力以及对自己实力的评估能力，而“求职失败次数”可以侧面揭示出学生是否具有良好的面试技巧，自身就业素质是否良好，而这些都是由就业指导可以影响的。为了更有力的说明这两项指标对就业指导存在影响，本文在处理数据时，先求出了“期望月薪/起薪”，结合“求职失败次数”以及“是否参加过就业指导”，对三者进行标准化，再利用SPSS进行三者的相关性分析，即相关系数。最后，利用以上所说的“期望月薪/起薪”、“求职失败次数”两项指标的平均值，在表3、表10与表11之间对比，得出结论。5.3.2模型的建立与求解1、数据的划分本科生参加过就业指导的人(表11)、本科生未参加过就业指导的人（表10）表10 未参加就业指导本科生序号起薪期望月薪求职失败次数是否参加就业指导1250025005否3110015003否6150017003否8100010006否10110011003否1218002500524150017002否25220024002否28260024004否29210023002否30200023001否32150018001否34250022004否35170018002否36210021003否39200020003否41280028003否42120015001否44190022001否45100010003否48250027002否49160016003否51130012003否52220023002否53150013004否55230021004否56240028001否58110014001否59140012004否60280027003否61130010004否63200022002否65110011003否66180020002否67120014002否69100012002否71260024004否72270029002否74170014004否75150016002否77180018003否79130016001否80150014003否81120014002否821200