关于影响大学毕业生就业因素的综合评价分析.doc

关于影响大学毕业生就业因素的综合评价分析摘要本文首先利用灰度预测GM(1.1)和多元线性回归的方法，对于2011年大学生平均起薪做出了预测。再借助于模糊综合评价对90名大学生的就业做出了综合评价。然后根据综合评价的类别合理建议了大学生的期望起薪。最后建立多元线性回归模型，定量分析了是否有必要在硕士研究生中开设就业指导课程。在问题一中，通过收集数据，确定了影响起薪的四个因素为：毕业生总人数、全国职工平均工资、国民总收入、GDP。并且这四个影响因素是单调增长的，由此，本文采用了灰色预测GM(1.1)对四个影响因素的未来几年的数据进行了预测。在考虑到起薪和四个影响因素基本呈线性关系，建立了线性回归模型，利用此模型，可以得到2011年专科、本科、研究生毕业生平均起薪分别为：1830.4，2676.8，4125在问题二中，首先利用二元非线性拟合模型建立了能力和起薪、是否参加培训这三个因素的函数，计算出每人的能力值。然后建立了模糊综合评价模型来评价大学生就业的好坏，由所给90名大学生的数据，分别求出三种影响就业因素(差异率“(实际起薪-期望起薪)/实际起薪”、失败次数、能力值)的隶属度，建立单因子模糊评判矩阵，结合评价指标的权系数向量，求出反映90个大学生的就业的模糊综合评判矩阵，并进行归一化处理。然后再考虑到合理降低期望起薪可以更好的就业，通过综合模糊评价模型给出了90名本科大学生毕业生的建议期望起薪分别为（以1-10号学生为例）：12499213003828416005110061240784087839120010883在问题三中，根据起薪差异值(实际起薪-期望起薪)、失败次数、是否参加培训三者之间的关系图和本科生的数据，建立了起薪差异值与其他两因素之间的多元线性回归模型。然后验证了该回归模型适用于研究生。最后通过模型预测出30名研究生培训后的起薪差异值。经过分析可知，参加培训后的研究生起薪差异值明显减少，故有必要在硕士研究生中开设就业指导课程。最后，结合实际情况给出了关于开设就业指导课程切实可行的建议与意见，并对模型做出了综合评价。关键字 毕业生起薪 灰色预测 多元线性回归 模糊综合评价1、 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的一件大事。人力资源和社会保障部部长尹蔚民3月8日在北京表示，近几年数据显示高校毕业生初次就业率在7075之间，年底就业率基本上能够达到90以上。今年高校毕业生有660万人，总量的压力非常大。在对学生的调查中了解到：学生对学校的就业指导保持一种迷茫的态度。大部分学生承认，目前他们最关心找工作的事。在这种新的形势下，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。此题的题目中用列表的方式分类给出了2007-2010年大学毕业生起薪分布情况,如下表1：表1 2007-2010年大学毕业生起薪表专科本科硕士2010年1662233135902009年1546203331922008年1380176127252007年144318253200另外，题目还具体给出了某高校90个本科生、30个研究生的起薪、期望月薪、求职失败次数和是否参加就业指导的实际统计情况，便于后文的具体分析。在第一题中，进一步收集数据，结合影响大学毕业生起薪点的有关因素(如当年毕业生总数、国家生产总值等等)，建立模型预测2011年大学生平均起薪。在表2的基础上(也可补充数据)，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。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，请结合你的综合评价模型给出以上90名大学生的建议期望月薪。结合表2和表3(详见正文)，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。表2 2009年本科生调查统计略表序号起薪期望月薪求职失败次数是否参加就业指导1250025005否90200019003是表3 2009年硕士研究生调查统计略表序号起薪期望月薪求职失败次数是否参加就业指导1370042000否30280031002否2、 问题分析大学生毕业生的起薪问题一个劳动力市场定价的问题。企业愿意聘用大学毕业生并支付合理的酬劳，产品市场的竞争决定薪酬水平，而从大学毕业生则往往从感性的给出期望的薪酬。在劳动力市场的信息流动不完全充分的情况下，导致的企业制定的薪酬，与大学毕业生期望薪酬的不对等性。这对毕业生和企业本身都是极为不利的，尤其是对大学毕业生的单个个体1。大学毕业生就有必要在就业及自身定位等问题上得到相应的指导，知道如何正确的看待劳动力市场现在的行情，如何清楚的给自己定位，将会在很大程度上避免寻找的盲目性，以及态度的过分的乐观或是妄自菲薄，为寻找更适合的工作扫除障碍2。对问题一，问题要求预测2011年大学生平均起薪，对于此问题应首先探究影响大学毕业生起薪的相关因素，根据一些文献资料3和对数据的分析，确定影响大学生毕业起薪的四个因素分别为毕业生总人数、全国职工平均工资、国民总收入、GDP。然后通过分析发现各个影响因素呈一定的线性关系，故建立多元线性回归方程进行预测。其过程为:根据查找的数据，用最小二乘法得到回归方程，然后做出残差图，剔除异常点，最后得到合理的模型。在预测时，需要知道2011年四个因素的相应数据，根据观察发现每个因素均与以前的数据呈单调递增关系可以采用灰色预测GM(1.1)分别预测出2011年毕业生总人数、全国职工平均工资、国民总收入、GDP。最后将预测出来的数据代入多元线性回归，即可得2011年大学生平均起薪。对问题二，问题要求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，并结合综合评价模型给出90名大学生的建议期望月薪。由于起薪情况在本题中是一个模糊概念，在本题的讨论过程中，可以考虑利用模糊理论进行对毕业生获得起薪的评价。模糊综合评价就是由给出的评价标准和实测值，经过模糊变换，对待评价对象给出总的评价的一种方法。建模时需要找出可能影响薪金水平的各主要因素，确定评价因子集、评价集、隶属函数，然后通过计算各因素的权重和隶属度，得到综合隶属度，确定薪金水平的级别。最后再通过已经建立好的模糊综合评价模型，对于属于(好)级别的同学期望起薪不做处理，对于不属于(好)级别的同学，以10为步长，逐级降低其期望起薪，直到他的模糊综合模型刚好达到(好)的标准为止。对第三问,问题要求建立模型定量分析对于研究生是否应该开设就业指导课程。定量分析的模型有许多种，诸如主成分分析，灰色关联度等。对于此种影响因素较少的问题，可以初步根据所作各个因素之间的折线图，假设其是一种线性的关系，可以用“多元线性回归”的方法求出函数的关系式。这里重要的问题是判断该模型是否适合于研究生。由于已得出多元线性回归方程，可以将表3中两个因素(失败次数、是否参加培训)代入方程，即得起薪差异值（实际起薪-期望起薪），再与实际差异值相比较判断模型的合理性。若与实际相差较大，则该模型不可以使用，必须更换模型；若与实际相差较小，则证明该模型可用。最后将参加培训后的数据代入回归方程，可以得到相应起薪差异值，并与未参加培训的差异值相比较，即可定量分析出是否有必要在硕士研究生中开设就业指导课程。3、 模型假设1. 经济人假设：本题为经济学范围内的问题，我们首先假设此题符合经济学中的第一条基本假设，题目中所有涉及的企业及大学毕业生在给出薪酬/选择工作等经济活动中均为理性的，不存在与题设无关的非常规因素干扰双方的自由选择；2. 信息完全假设：在本题中，我们假设劳资双方对信息的感知能力和信息量是充足的，双方都能够正确的获取信息并辨析信息的真伪性，做出自愿的选择；3. 能力无限假设：我们假设劳资双方在寻找的过程中有足够的能力和耐心继续找准，双方在不断交涉的过程中可能改变自己的薪金/期望薪金的数量，在不能达成一致时，双方可立即转向下一合作者；能够达成一致是，双方可立即签订用工协议；4. 影响因素假设：假设题目中所给定的期望月薪、求职失败次数、是否参加就业指导之间相互不影响；5. 突发情况假设：假设2011年全年经济比较平稳，没有对大学生毕业起薪影响比较大的事情发生。4、 主要符号说明表4 模型的符号说明符号符号说明毕业生薪金相关变量1：毕业生总人数(万人)相关变量2：全国职工平均工资(元/年)相关变量3：国民总收入(亿元)相关变量4：国内生产总值(亿元)A差异率=(实际起薪-期望薪金)/实际起薪B能力值C找工作中的失败次数总评中第i种因素所占的权重实际起薪 是否参加培训，取（1，0）注：其余符号为方便辨认，在列示中显示。5、 模型建立与求解412问题一：线性回归研究的是一个依变量与一个自变量之间的回归问题，但是，在许多实际问题中，影响依变量的自变量往往不止一个，而是多个，比如毕业生的起薪这一变量同时受到自身能力、国家经济水平、居民平均收入等多个变量的影响，因此需要进行一个依变量与多个自变量间的回归分析，即多元回归分析，而其中最为简单、常用并且具有基础性质的是多元线性回归分析，许多非线性回归和多项式回归都可以化为多元线性回归来解决，因而多元线性回归分析有着广泛的应用。研究多元线性回归分析的思想、方法和原理与直线回归分析基本相同，但是其中要涉及到一些新的概念以及进行更细致的分析，特别是在计算上要比直线回归分析复杂得多。5.1.1灰色预测灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型，因此，灰色预测的数据是通过生成数据的GM(1,1)模型所得到的预测值的逆处理结果。在本题中，我们首先用灰色预测对相关的四个变量进行趋势预测，得到符合精度要求的预测数据。5.1.1.1单个变量趋势预测设依变量与自变量、共有n组实际观测数据：表5变量设置表 变量序号12 实际数据如下图（2009年以后的预测数据见附录11）：表6近年平均起薪、毕业生总人数、国职工平均工资、国民总收入、GDP 明细表年份平均起薪(元)毕业生总人数(万人)全国职工平均工资元/年国民总收入(亿元)GDP (亿元)1991373.0 61.4 2340.0 21826.2 21781.5 1992412.0 60.4 2711.0 26937.3 26923.5 1993475.0 57.1 3371.0 35260.0 35333.9 1994515.0 63.7 4538.0 48108.5 48197.9 1995628.0 80.5 5553.0 59810.5 60793.7 1996805.0 83.9 5980.0 70142.5 71176.6 1997927.0 82.9 6444.0 78060.8 78973.0 1998988.0 83.0 7446.0 83024.3 84402.3 19991132.0 84.8 8319.0 88479.2 89677.1 20001445.0 95.0 9333.0 98000.5 99214.6 20011793.0 103.6 10834.0 108068.2 109655.2 20022046.0 133.7 12373.0 119095.7 120332.7 20031551.0 187.7 13969.0 135174.0 135822.8 20041680.0 239.1 15920.0 159586.7 159878.3 20051588.0 306.8 18200.0 184088.6 183217.4 20061542.0 377.5 20856.0 213131.7 211923.5 20071825.0 447.8 24721.0 259258.9 257305.6 20081761.0 511.9 28898.0 302853.4 300670.0 1.根据历年毕业生数预测未来发展趋势2.根据历年GDP数据预测未来发展趋势图1历年毕业生人数预测曲线图图2历年GDP预测曲线图3.根据历年国民总收入数据预测未来发展趋势4.根据历年城镇职工平均工资预测未来发展趋势图3历年国民总收入预测曲线图图4历年城镇职工平均工资预测曲线图利用GM(1.1)对其中的每个变量进行预测，带入表中的n个数据(程序详见附录1至4)，可得的预测趋势图为：5.1.1.2变量精度检验1.在用GM(1.1)预测变量发展时，需检验模型精度，其等级划分如下表：表7灰色模型精度检验对照表灰色模型精度检验对照表等级相对误差q方差比C小误差概率 一级0.010.95二级0.050.500.80三级0.10.650.200.800.60用matlab检验构建模型的精度(程序见附录5)，结果如下： 图5历年毕业生人数预测精度检验结果图 图6历年历年GDP预测精度检验结果图 图7历年国民总收入预测精度检验结果图 图8历年城镇职工平均工资预测精度检验结果图与表7对照可得：表8各变量精度表变量精度相对误差四级，方差比一级，小误差概率一级相对误差二级，方差比一级，小误差概率一级相对误差二级，方差比一级，小误差概率一级相对误差二级，方差比一级，小误差概率一级由表可知，有三个变量预测精度满足要求，可以继续进行多元线性分析。仅有第一组变量精度较低2.数据优化不符合要求，需要进行数据优化，根据公式：可将优化为，具体数据如下表：表9优化处理后的值表年份总人数的常用对数(万人)年份总人数的常用对数(万人)19914.117 20004.554 19924.101 20014.641 19934.045 20024.896 19944.154 20035.235 19954.388 20045.477 19964.430 20055.726 19974.418 20065.934 19984.419 20076.104 19994.440 20086.238 重新做灰色预测，得到结果如下图：可知此时相对误差一级，方差比一级，小误差概率一级。所有数据都符合精度要求。图9优化后历年毕业生人数预测精度检验结果图5.1.2多元线性回归分析多元线性回归分析的基本任务包括：依据单个变量得出单个变量的一元线性回归方程，预测根据依变量与多个自变量的实际观测值建立依变量对多个自变量的多元线性回归方程；检验、分析各个自变量对依自变量的综合线性影响的显著性；检验、分析各个自变量对依变量的单纯线性影响的显著性，选择仅对依变量有显著线性影响的自变量，建立最优多元线性回归方程；评定各个自变量对依变量影响的相对重要性以及测定最优多元线性回归方程的偏离度等。5.1.2.1多元线性回归的数学模型 假定依变量y与自变量x1、x2、x4间存在线性关系，其数学模型为： (j=1,2,n)式中，x1、x2、x3、x4为可以观测的一般变量(或为可以观测的随机变量)；y为可以观测的随机变量，随x1、x2、x3、x4而变，受试验误差影响；为相互独立且都服从的随机变量。我们可以根据实际观测值对以及方差作出估计。1.建立多元线性回归方程 设对的四元线性回归方程为：其中的为的最小二乘估计值。、令Q为关于的m+1元函数。根据微分学中多元函数求极值的方法，若使Q达到最小，则应有Q关于的偏微分方程为零经整理得： 由方程组中的第一个方程可得，即 其中：并将分别代入方程组中的后m个方程，经整理可得到关于偏回归系数的正规方程组为：解正规方程组即可得偏回归系数的解，而于是得到四元线性回归方程若将代入上式，则得上式也为y对的元线性回归方程。对于正规方程组，记， ， 则正规方程组可用矩阵形式表示为其中A为正规方程组的系数矩阵、b为偏回归系数矩阵(列向量)、B为常数项矩阵(列向量)。设系数矩阵A的逆矩阵为C矩阵，即，其中C矩阵的元素(i，j=1、2、m)称为高斯乘数，是多元线性回归分析中显著性检验所需要的。对于矩阵方程求解，有：关于偏回归系数的解可表示为：(i=1、2、m)而 5.1.2.2.模型的求解用matlab求解多元线性回归的数学模型（程序见附录6），可以得到如下的相关系数和残插图。回归系数回归系数估计值回归系数置信区间249.3077-82.7938,581.40910.32790.1257,0.5301-6.5865-16.9219,3.7489-0.0869-0.5191,0.34540.0728-0.3516,0.4973R2= 0. 9522 F= 64.8111 p=00.0001 s2 =19688.7356对结果进行残差分许得到如图：图10优化后历年毕业生人数预测精度检验结果图由图可知，没有异常点，根据多元线性回归模型得到的模型是有效的。所以求的的多元线性回归方程为：5.1.2.3.模型的检验：F检验：； 故决绝，认为该模型线性是显著的。5.1.3. 2011年大学生平均起薪的计算根据灰色预测得到的数据代入多元线性回归方程中，可得到2011和2012年大学生平均起薪专科本科硕士2011年1830.42676.841252012年2006.130784724.8问题二：起薪情况在本题中是一个模糊概念，在本题的讨论过程中，可以考虑利用模糊理论进行对毕业生获得起薪的评价。模糊综合评价就是由给出的评价标准和实测值，经过模糊变换，对待评价对象给出总的评价的一种方法5。建模时需要找出可能影响薪金水平的各主要因素，确定评价因子集、评价集、隶属函数，然后通过计算各因素的权重和隶属度，得到综合隶属度，确定薪金水平的级别。模糊综合评价是由给出的评价标准和实测值,经过模糊变换,对待评价对象给出总的评价的一种方法。应用模糊理论处理问题，评价结果比较合理、更加接近客观实际。下面建立模糊综合评价模型来解决本题中的起薪综合评价问题。5.2.1.能力函数利用起薪和是否参加培训的关系建立了能力函数如下：5.2.2建立模糊评判矩阵记模糊评判矩阵为，其中表示第i个毕业生的处于第j级起薪程度的隶属度，隶属度是通过对隶属函数的计算来确定的，隶属函数一般采用“降半梯形”的函数。在模型中共涉及差异率(实际-期望)/实际)、个人能力值、失败次数三个评价指标，我们首先将标准将差异率等指标变量分成5级。各变量的分级表如下：表10各变量分级表(好)(较好)(一般)(较差)(差)A(差异率)0.150.0750-0.075-0.15B(能力值)8580757065C(失败次数)12345以期望-实际差异率()为例，即期望-实际差异率应有对应于5个级别的隶属函数。以期望-实际差异率的实际值的为自变量x,对第j级别的隶属度为(薪金标准见附录8)1.A（差异率）的隶属度函数为： 2.能力隶属度函数在本题中，区别不同人之间的能力差距，我们设定变量B，表示能力值。同理B(能力值)的隶属度为：3. C(败次数)的隶属度函数为：将不同毕业生的实际起薪代入前面确定的隶属函数中，就可以计算其隶属度，进而建立每个人的单因子模糊评价矩阵(程序见附录7)。5.2.3确定评价指标的权系数向量1. 对于差异率和能力值的指标，他们值相对于就业好坏标准的超标相差越大,对就业的贡献越大,从而权重越大6：2. 对于失败次数的指标，因为于失败次数与其它因素性质相反,实测失败次数大,说明就业不好。所以差异率的权重赋值取Ci/ Si的倒数，即其中， 、表示差异率、能力值和失败次数的权重； 表示依次三种因素实测值；Si 为第i 种权重因素的五个级别浓度标准限值的均值。为了进行模糊复合运算，还必须对各因子权重进行归一化处理,即:根据各同学三种不同因素的实际属性Ci 和平均属性Si ，得到了因素权重分配集X 的归一处理化结果(程序见附录8),如下表：表11：三种因素权重的的归一化结果学生编号学生编号10.47370.508650.017646460.614350.369220.01643120.587790.393920.018289470.609170.371980.01884930.281320.676340.042336480.423150.557510.01934140.603760.381780.014464490.514940.46210.02295350.638550.344740.016713500.545020.438370.01660860.432950.539060.027985510.576710.400510.02278170.407050.561750.031193520.458420.521340.02024280.546120.425860.028014530.599990.380260.01974190.598130.383280.018582540.415820.565060.019124100.540710.432240.027056550.535540.447730.016732110.382440.592280.025287560.37040.607730.021874120.23450.732110.033384570.521180.460680.018148130.677420.307660.014916580.353770.608160.038069140.547980.431960.020055590.610390.369540.020071150.387870.591370.020767600.483320.501050.015624160.541070.439380.019553610.663810.318090.018093170.374220.59210.033679620.434390.548910.016697180.399080.567860.033062630.431740.545350.02291190.410410.572190.017405640.425360.559270.015372200.318460.650030.031514650.540710.432240.027056210.494260.491760.013973660.43370.54160.024697220.56630.418440.015257670.42540.542260.032338230.563990.414980.021028680.403230.580810.015965240.432950.539060.027985690.412070.551640.036288250.42910.549560.021338700.360410.620060.019532260.583940.400290.015769710.516580.467760.015651270.534210.446720.019072720.418690.563130.018184280.516580.467760.015651730.634470.34630.01923290.43040.54750.022103740.615080.367440.017479300.398990.576780.02423750.477110.497090.025806310.47240.513030.014578760.458380.525640.015989320.386820.582920.030261770.505230.473190.021578330.412170.569880.017952780.405570.578010.016424340.546710.438090.015198790.374220.59210.033679350.472370.503670.02396800.560490.417820.021691360.491260.4890.019742810.42540.542260.032338370.270690.690950.038367820.535380.438470.026148380.683820.299550.016634830.384440.597980.017575390.495840.483830.020326840.3990.577680.023322400.462460.521130.016416850.526920.454010.019073410.461280.522430.016291860.4820.488850.029153420.365540.598750.035707870.43110.552660.016243430.508910.473810.017276880.458420.521340.020242440.398070.57670.025231890.394170.578320.027511450.546120.425860.028014900.515020.467280.0177035.2.4求模糊综合评判矩阵B7利用矩阵的模糊乘法得到模糊综合评判矩阵B ：经过归一化处理后得：同理可以得出90个学生有关数据经归一化处理后所得的模糊综合评判矩阵D1D90(程序见附件9)，见下表：表12：学生总评的归一化处理结果分级表学生编号(好)(较好)(一般)(较差)(差)(较好)10.0964940.459570.4279900.015943(好)20.55519000.372080.07273(差)3000.05890900.94109(好)40.441570.279220.2792200(好)50.474850.01242800.256360.25636(差)6000.0281620.429370.54247(差)70.0526070000.94739(一般)8000.5618700.43813(好)90.44097000.282570.27646(一般)10000.5557400.44426(一般)110.01796300.368680.341690.27167(较差)12000.0480590.7210.23094(好)130.518040.01140600.235280.23528(较好)140.0177430.48480.0471840.382160.068121(较好)150.00654020.4297400.281860.28186(较好)1600.450350.183940.365710(差)17000.05381900.94618(差)18000.05501900.94498(好)190.543220.0165240.0506330.389630(较差)200.030551000.605910.36354(较好)210.491760.4942600.0139730(好)220.439330.324630.22420.0118360(较好)230.0744010.393390.0146680.228090.28945(差)2400.02816200.429370.54247(一般)2500.13770.336630.262840.26284(好)260.523720.103140.3590.0141420(较好)2700.374190.312910.312910(较好)280.429570.5536600.0167740(一般)2900.0154530.382760.30090.3009(一般)300.01777500.423110.266430.29269(好)310.351910.324040.3240400(差)320.038798000.213850.74735(好)330.521690.0887970.0122060.377310(好)340.546710.4380900.0151980(较差)3500.0233490.246870.490830.23895(一般)36000.876530.123470(差)370.0526070000.94739(好)380.68382000.0166340.29955(一般)39000.57720.42280(好)400.482260.0897660.4279700(好)410.525110.0112570.4636400(差)420.0562790000.94372(较好)4300.604230.3957700(较差)440.0187900.255290.429480.29644(一般)45000.5618700.43813(好)460.5100200.183470.306520(好)470.46567000.249970.28435(较好)480.0970210.506460.0121120.38440(一般)49000.358140.320480.32139(较好)500.32990.357390.301290.0114140(较好)510.0963860.521120.02058600.36191(一般)5200.186620.43280.380570(好)530.52307000.145420.33151(较好)540.18020.3316700.244070.24407(较好)550.210530.42280.353470.0132090(较好)560.0170820.474590.146190.0728860.28925(较好)5700.530810.4691900(差)580.0589090000.94109(好)590.61039000.0200710.36954(好)600.341390.329310.3293100(好)610.66381000.0180930.31809(好)620.382680.011640.302840.302840(一般)6300.0160020.38090.301550.30155(好)640.392370.0107850.298420.298420(一般)65000.5557400.44426(较差)6600.0235480.0465290.51640.41352(差)6700.04841500.139740.81185(好)680.512480.0140860.117650.355790(差)6900.061722000.93828(好)700.501070.07838600.12930.29125(较好)710.429570.5536600.0167740(好)720.411940.223260.0585220.306280(好)730.63447000.019230.3463(好)740.50099000.299290.19972(差)7500.0222460.137930.41130.42852(好)760.5341800.4658200(一般)77000.516370.483630(好)780.52230.0148410.0963860.366480(差)790.0538190000.94618(较好)8000.467680.0445020.139180.34864(差)8100.04841500.139740.81185(一般)82000.5497600.45024(好)830.43749000.281260.28126(一般)840.01749100.433260.250.29925(较好)8500.392020.337770.270210(差)8600.02915300.4820.48885(好)870.386180.011350.301240.301240(一般)8800.186620.43280.380570(较差)890.027511000.578320.39417(较好)9000.52430.475700(较好)注：类别中的-级分别表示总评标准中的、类5.2.5给出起薪期指导根据我们的现有的判断标准，我们对上述样本的的数据做如下处理(程序见附件10)，对非类，且起薪低于预期的人：期望值一次减10，循环到评价为为止；对非类，且于高于预期的人：期望值每次加10。循环到评价为为止；对于已经是类的期望，不做处理。得到的指导期望薪金表入下：表13：样本中大学毕业生的建议期望薪金表学生序号指导期望学生序号指导期望学生序号指导期望学生序号指导期望12499241240471100702900213002519404826997123993828261600491383722900416002714955017997390051100282399511199741400612402918405220127513127840301739531300762600878331270054249977158391200321239552099783000108833327005621287910391114393422005716958012951215763515125883981940131000361883591200829831412953782860270083300015249938800611000841839161395391783622700851795171039402500631740861012187404128006430008728001928004293965883882012201128431895661540891439212599441639679409017952218004578368310023119946130069740问题三：5.3.1模型建立我们首先做出差异值(实际起薪-期望起薪)和失败次数对于是否参加培训的关系图初步判断培训与否对于其他两个变量的关系图11 差异值(实际起薪-期望起薪)和是否参加培训的关系图图12 失败次数对于是否参加培训的关系图从图可以看出，差异值(实际起薪-期望起薪)，失败次数与是否参加培训有一定的相关性，故我们建立多元线性回归的模型求研究生是否应该参加就业培训8。用问题一中的方法建立多元线性回归方程，用matlab可以得到如下的相关系数和残插图。表14多元线性回归方程相关系数表回归系数回归系数估计值回归系数置信区间-387.7945-519.3162 -244.2728112.15508.9264 21.5383110.159464.9827 155.3360R2= 0. 3562 F= 24.0767 p=00.0001 s2 =33911