大学生就业问题分析

1、课程设计大学生就业分析何剑波赫尔佐格201130760112学院名称科学学院专业课信息与计算科学1班提交日期2014年6月评估分数_ _ _ _ _ _ _ _ _ _ _由_ _ _ _ _ _ _ _ _ _ _审核内容1.摘要12.问题分析13.模型2的建立与求解3.1模型2的建立3.2模型3的解决方案4.模型12的评估和推广4.1模型12的评估4.2模型12的扩展5.参考文献126.附录13大学生就业分析1.摘要根据人力资源和社会保障部发布的数据，2009年中国将有2400万劳动者需要安排就业，其中700多万大学毕业生需要解决就业问题。数据显示，2009年高校毕业生规模达到611万人，

2、比2008年增加52万人；预计这一数字将在2011年达到758万的峰值。与此同时，国际金融危机的影响进一步显现，可以预见，大学生的就业压力在未来很长一段时间内不会减弱。如何帮助大学生走出就业困境，将成为政府和社会长期而艰巨的任务。不仅有社会原因，也有大学生自身的原因。如何解决大学生就业问题不仅关系到大学生的切身利益，也关系到社会的和谐稳定，这需要政府、企业、高校和大学生的共同努力。本文从大学生自身、企业和社会三个方面进行分析和探讨，从而总结出解决大学生就业问题的相关结论和可行方法。随着就业压力的日益增大，大学毕业生的就业难问题越来越受到人们的关注。许多大学生无法成功就业，因为期望的基本工资与实

3、际情况相差很大，所以大学生的起薪是求职成功的第一门槛。关键词：非零均值起薪预测生成多元线性回归灰色系统GM (1，1) Excel线性相关SPSS matlab2.问题分析考虑到多个变量对实际起薪的影响，我们决定采用多元线性回归模型来处理建议的起薪。然后对给定数据进行相关分析。最后，在解决问题之后，将表2中的数据代入经验回归平面方程，然后通过一个周期获得90组建议的期望起薪。本文将多元线性回归分析模型和灰色系统GM (1，1)耦合预测大学生起薪，使不同模型之间的耦合分析不仅能反映事物的变化趋势，而且能揭示事物之间的相互关系。你可以完全预测2014年的起薪。然后，利用EXCEL对2010-201

4、3年的大学生问卷进行分析，基于多元线性回归模型，研究就业指导课程、期望月工资和求职次数对月工资的影响，发现月工资与上述三个因素具有很强的线性相关性，并得到了建议期望月工资的回归模型。利用该模型，可以合理地计算出建议的期望月薪。得出的结论是，起薪在什么范围内受到大学生的青睐。3.模型的建立与求解3.1模型的建立首先，多元线性回归分析多元回归分析是指描述和测量预测对象Y和多个解释变量之间的相关性。预测模型为：Y=0 1X1 pXp 其中0为常数，i为Y对Xi的回归系数，为随机波动，表示除Xi外的非主要因素或偶然因素的综合作用，对Y无决定性影响。上述公式隐含Y随Xi线性变化的假设。为了使上述公式成立

5、，有必要进一步假设：(1) Xi没有测量误差，它是确定的和非随机的。重复观测时R值的变化是由随机干扰引起的。 是一个具有零均值和有限常数方差的随机变量。考虑到假设检验的需要，进一步假设它服从零均值正态分布。(4) Xi和Xj(i不等于J)是独立的2011年1380176127252010144318253200表二国内生产总值(1亿元)毕业生总数(万)2013年3979836312012年3353536112011年3006705592010246619495求解灰色模型需要调用的子程序累加器程序函数a=雷佳(x)%无标题5此处是此功能的摘要%详细解释在此n=尺寸(x，2)；a(1)=x(1)

6、；对于i=2:na(I)=x(I)a(I-1)；目标目标寻找z的程序函数 a =丘兹(x)%UNTITLED8此功能概述如下%详细解释在此n=尺寸(x，2)；a(1)=x(1)；对于i=2:na(I)=0.5 *(x(I)x(I-1)；目标格式长g目标寻找相关因子e的子程序函数e=丘(x，y) %UNTITLED9此功能概述如下%详细解释在此I=尺寸(x，2)；j=尺寸(y，2)；B=-x(2:i)，1(I-1，1)；y=y(2:j)；e=inv(B * B)*(B * Y)；目标求解预测值的程序函数daan=邱杰(G1，东)%无标题11此功能概述如下%详细解释在此n=尺寸(G1，2)；对于i

7、=2:n 1G1(I)=(G1(1)-(e(2)/e(1)* exp(-e(1)*.(I-1)(e(2)/e(1)；目标格式长g达恩(1)=G1(1)；对于i=2:n 1达恩(I)=G1(I)-G1(I-1)；目标目标(1)解决过程让我们用观察值的总和来设置一个时间序列，其中。进行累加以生成列=1 246619 4951 300670 5591 335353 611 397983 631；也就是说。Y=1443可从表1中获得1494.515461662年.用matlab程序求解清除；clcg=246619 300670 335353 397983；r=495 559 611 631；y=144

8、3；1494.5；1546年；1662年x=1(4，1)，G，Rb=inv(X*X)*(X*Y)寻求=12000.5795795795850.00214964234567905-0.752420889264613 .因此，可以获得回归方程3360Y=1280.0431 0.0021X1 -0.7524 X2 (2)解决过程2)国内生产总值:原始序列是从表1的处理数据中获得的:一次累加后的顺序如下:根据矩阵值计算:然后就可以得到了产生的模拟序列：使用下面的matlab程序预测2011年的国内生产总值清除；clcg=246619 300670 335353 397983；G1=雷佳(G)；z=丘兹

9、(G1)；e=球(z，G)；达恩=邱杰(G1，东)；:分别计算绝对残差和相对残差进行残差检验相对误差计算公式：序列号实际数据()模拟数据()剩余误差()相对误差()201024661924661900201130067029609245782012335353341560-620720133979833940123971平均相对误差：精度为二阶采用以下matlab编程完成均方误差比c的求解n=尺寸(x，2)；i=1:ne(I)=x(I)-t(I)；目标x1=平均值(x)；e1=平均值(e)；i=1:nx2(i)=(x(i)-x1)2；e2(i)=(e(i)-e1)2；目标S1=sqrt(总和(

10、x2)/n)；S2=sqrt(总和(E2)/n)；c=S2/S1；j=0；然后，均方差的比率为1级。小错误概率测试：小概率误差检验是第一级。方差为C=0.078，误差水平为1级。(2)解决毕业生数量的过程:原始序列是从附表1的处理数据中获得的:一次累加后的顺序如下:根据矩阵值计算:然后就可以得到了产生的模拟序列：使用下面的matlab程序来预测2011年大学毕业生的数量清除；clcr=495 559 611 631；R1=雷佳(右)；zr=丘兹(R1)；er=球(zr，R)；达恩=邱杰(R1，呃)；:分别计算绝对残差和相对残差进行残差检验相对误差计算公式：序列号实际数据()模拟数据()剩余误差

11、()相对误差()201049549500201155956560.01072012611599120.01962013631675-440.0697平均相对误差：精度为二阶小错误概率测试：小概率误差检验是第一级。误差C=0.13，误差等级为1级。2013年的平均起薪可以通过将上面预测的国内生产总值和大学毕业生人数代入等式(3)来计算，如下表所示：专家本科课程掌握实际价值模拟值实际价值模拟值实际价值模拟值2007年1443143818251812320031862008年1495149219291915319631482009年1546156320332086319233102010166216

12、4823312292359035182011年/1749/2538/3781结果分析：从上图可以看出，2010-2013年的预测工资值与实际值比较接近，因此2014年的预测工资值具有很好的参考价值。4.模型的评估和推广4.1模型评估本课题主要采用灰色系统和多元线性回归建立数学模型。在数据处理中，首先剔除异常点，然后对2008年的数据进行处理和使用。然后，根据表1，预测相应的国内生产总值和大学毕业生人数，然后通过线性回归进行求解。在问题2)中，我们首先分析表2中给出的数据，将是否参加就业培训视为0/1，然后分析各影响因素的关联度，然后建立一个线性方程，得到关联系数后求解出建议的期望月薪。问题3)主要运用SPSS和matlab软件进行数据分析，最终得出大学生应该进行就业培训的结论。该模型原理简单，精度高。Matlab等软件功能强大，数据处理效率高。模型建立时，只选择主要影响因素进行起薪预测和建议，便于数据处理，实际应用中可以考虑更多的影响因素。整个建立的模型相对准确和客观。该模型根据近年来大学生的起薪值进行线性回归判断。虽然有些偏差是不可避免的，但预期的效果是很好的，这对大学生的就业选择有一定的参考价值。4.2模型的扩展本课题所使用的模型不仅可以用来预测大学生的起薪，还可以用来预测人口。灰色模型