畢業(yè)論文---對影響大學畢業(yè)生就業(yè)因素的研究

1、<p>　　對影響大學畢業(yè)生就業(yè)因素的研究</p><p><b>　　摘 要</b></p><p>　　本文針對大學畢業(yè)生就業(yè)問題，從歷年畢業(yè)生人數(shù)、國家生產(chǎn)總值以及物價指數(shù)等方面來研究它們對大學畢業(yè)生月起薪的影響，并預測了2011年大學畢業(yè)生的月起薪，建立了一套綜合評價模型以及定量分析了研究生參與就業(yè)指導課的必要與否。</p><p

2、>　　對于問題一，首先根據(jù)各影響因素與起薪的散點圖初步建立多元非線性回歸模型。運用D-W檢驗和通徑分析分別進行隨機誤差的自相關(guān)性診斷和各因素之間以及與起薪的相關(guān)性分析，發(fā)現(xiàn)GDP和物價指數(shù)對起薪表現(xiàn)為正效應(yīng)，但GDP貢獻較大，而畢業(yè)生總?cè)藬?shù)對起薪表現(xiàn)為負效應(yīng)，但貢獻不大。各因素可以通過彼此而影響起薪，故其內(nèi)部存在一定的直接關(guān)系。基于此，對模型進行優(yōu)化，引進各因素交互項，剔除異常點，從而得到更加合理的模型。再一次進行D-W檢驗得到，

3、說明隨機誤差無自相關(guān)性。最后根據(jù)新模型對2011年大學畢業(yè)生的平均起薪進行預測，得到預測值為2313.7元。</p><p>　　對于問題二，提出就業(yè)質(zhì)量指標來衡量各因素對高校畢業(yè)生就業(yè)產(chǎn)生的影響。首先根據(jù)影響就業(yè)質(zhì)量的因素建立層次分析結(jié)構(gòu)，通過判斷矩陣的運算得到畢業(yè)生就業(yè)質(zhì)量影響因素權(quán)重總排序，據(jù)此對高校畢業(yè)生提高就業(yè)質(zhì)量提出合理化建議。對該模型繼續(xù)改進，定義期望月薪波動范圍的比例系數(shù)，利用期望月薪的合理化方程

4、給出90名畢業(yè)生建議的期望月薪部分如下表：</p><p>　　對于問題三，建立灰色相關(guān)體系分析參加就業(yè)指導與否對就業(yè)質(zhì)量的影響，以及畢業(yè)生起薪、期望月薪、求職失敗次數(shù)和是否參加就業(yè)指導的內(nèi)在聯(lián)系。對各種因素進行無量綱化后，運用相關(guān)度的計算，得到是否參加就業(yè)指導引起各因素的差異，如下表：</p><p>　　上述數(shù)據(jù)表明，參加就業(yè)指導可以減輕求職失敗次數(shù)對就業(yè)質(zhì)量和期望月薪的影響，說明經(jīng)過

5、就業(yè)指導后學生制定目標更切實際。綜上，有必要在研究生中開設(shè)就業(yè)指導課程。</p><p>　　關(guān)鍵詞：多元非線性回歸 通徑分析 D-W檢驗 層次分析 灰色相關(guān)體系分析</p><p><b>　　問題重述與分析</b></p><p>　　當前，我國大學畢業(yè)生就業(yè)形勢日趨嚴峻，因此，開設(shè)就業(yè)指導課程，引導學生轉(zhuǎn)變就業(yè)觀念，提升職場競爭力和主動適

6、應(yīng)社會的能力，是非常必要和及時的?，F(xiàn)就影響大學畢業(yè)生就業(yè)后的起薪進行研究，已給出07-10年全國大學畢業(yè)生的平均起薪表和針對某高校是否開設(shè)就業(yè)指導課的學生就業(yè)調(diào)查數(shù)據(jù)表。</p><p>　　對于問題一，要求進一步收集資料，并結(jié)合當年畢業(yè)生總數(shù)、國家生產(chǎn)總值等影響大學生起薪點的有關(guān)因素，建立一個預測模型來預測2011年大學生平均起薪。首先要收集前幾年大學畢業(yè)生的平均起薪數(shù)據(jù)、當年的國家生產(chǎn)總值、物價指數(shù)及畢業(yè)生總

7、人數(shù)數(shù)據(jù)整理在附錄一中，對各因素與起薪的關(guān)系進行初步分析，然后建立多元回歸模型對2011年大學生平均起薪進行預測?？紤]到我們的數(shù)據(jù)是一個時間序列，因此需要進行殘差診斷。此外，還需要對各因素對起薪的影響程度及相互之間的相關(guān)性進行分析，對起薪影響不大的因素可以不考慮，從而對模型進行修正。</p><p>　　對于問題二，要求建立綜合評價模型，定量分析就業(yè)指導課程、期望月薪及求職次數(shù)等對于大學生就業(yè)產(chǎn)生的影響。大學生就

8、業(yè)質(zhì)量可以衡量各種因素對大學生就業(yè)的影響。影響大學生就業(yè)質(zhì)量的主要因素是就業(yè)環(huán)境、就業(yè)期望、個體狀況、可以運用AHP法，對影響大學生就業(yè)質(zhì)量的影響因素進行定量分析，得到就業(yè)質(zhì)量影響因素的相對重要性排序，通過改進和提高這些影響因素可以為提高大學生就質(zhì)量、人才培養(yǎng)質(zhì)量和明確大學生在校期間的努力方向提供參考。對于一個初入職場的大學生而言，制定一個合理的期望月薪是走進求職道路的至關(guān)重要的一步?？紤]到合理的期望月薪與求職次數(shù)，是否參加就業(yè)指導，個

9、人能力有關(guān)，運用層次分析，我們可以得到期望月薪的合理值。</p><p>　　對于問題三，需要通過本科與研究生畢業(yè)生起薪、期望月薪及是否參加就業(yè)指導表格數(shù)據(jù)分析，建立模型分析就業(yè)指導對研究生畢業(yè)生是否有意義。由于研究生與本科生就業(yè)能力存在差異，將研究生的起薪與期望月薪通過均值轉(zhuǎn)換成與本科生相當?shù)乃健⒀芯可碌臄?shù)據(jù)與本科生組成一個灰色體系，進行研究。就業(yè)前參加指導可以讓畢業(yè)生更好地了解自己的職業(yè)屬性，從而減少求

10、職次數(shù)，也可以在一定程度上提高起薪。構(gòu)建綜合評價模型，根據(jù)灰色關(guān)聯(lián)分析法，求得關(guān)聯(lián)度，通過參加與不參加的數(shù)據(jù)對比，得出結(jié)論。</p><p><b>　　模型假設(shè)</b></p><p>　　假設(shè)對時間相互獨立，且服從均值為零的正態(tài)分布;</p><p>　　假設(shè)對2011年預測時，2011年無巨大的金融事件發(fā)生（如金融危機等）;</p&

11、gt;<p>　　假設(shè)論文中所收集數(shù)據(jù)均可靠， 可以用來回歸分析;</p><p>　　假設(shè)層次分析法中出現(xiàn)的重要尺度的衡量相對準確.</p><p><b>　　符號說明</b></p><p><b>　　問題一</b></p><p><b>　　多元非線性回歸模型&l

12、t;/b></p><p>　　記第年全國大學畢業(yè)生的平均起薪為，畢業(yè)生總?cè)藬?shù)為萬人，國家生產(chǎn)總值GDP億元，物價指數(shù)，根據(jù)附錄一中的1991-2010年大學畢業(yè)生起薪及其影響因素數(shù)據(jù)表繪制平均起薪對各因素的散點圖如下：</p><p>　　從圖中可以看出，隨著畢業(yè)生人數(shù)的增加，畢業(yè)生起薪增加，而且兩者有較強的二次關(guān)系，物價指數(shù)和起薪的關(guān)系也類似，而GDP與起薪有很強的線性關(guān)系。因此

13、建立多元非線性回歸模型：</p><p><b>　　(4.1.1)</b></p><p>　　模型中，隨機誤差表示除了畢業(yè)生人數(shù)，GDP和物價指數(shù)這三個因素對起薪的影響，還包括了其他因素的作用。首先假設(shè)對時間相互獨立，且服從均值為零的正態(tài)分布。</p><p>　　根據(jù)附表一中的數(shù)據(jù)，利用統(tǒng)計工具箱求解得到的回歸系數(shù)估計值及其置信區(qū)間（置信

14、水平），檢驗統(tǒng)計量的結(jié)果如下表：</p><p>　　表4.1 多元非線性回歸結(jié)果表</p><p>　　則得到第年全國大學畢業(yè)生的平均起薪估計值為</p><p><b>　　(4.1.2)</b></p><p>　　4.2 自相關(guān)性的D-W檢驗</p><p>　　從上述模型的計算結(jié)果發(fā)現(xiàn)擬

15、合度很高（），應(yīng)該很令人滿意了，但是并沒有考慮到所用的數(shù)據(jù)是一個時間序列。實際上，在對時間序列數(shù)據(jù)做回歸分析時，模型的隨機誤差項有可能存在相關(guān)性，違背模型關(guān)于對時間相互獨立的基本假設(shè)。若在上述模型中，GDP、畢業(yè)生總?cè)藬?shù)和物價指數(shù)之外的因素（比如政策等因素）對畢業(yè)生起薪的影響包含在隨機誤差中，并且它的影響成為的主要部分，則由于政策等因素的連續(xù)性，它們對起薪的影響也有時間上的延續(xù)，即隨機誤差會出現(xiàn)自相關(guān)性。</p><

16、p>　　D-W檢驗[11]是一種常用的定量診斷自相關(guān)現(xiàn)象的統(tǒng)計方法。定義殘差，作為隨機誤差的估計值，則殘差計算DW統(tǒng)計量為</p><p><b>　　(4.2.1)</b></p><p><b>　　當較大時，</b></p><p><b>　　(4.2.2)</b></p>

17、<p><b>　　定義，于是有</b></p><p><b>　　(4.2.3)</b></p><p>　　由于，所以，并且若在0附近，則DW在2附近，的自相關(guān)性很弱（或不存在自相關(guān)）；若在±1附近，則DW接近0或4，的自相關(guān)性很強。</p><p>　　要根據(jù)DW的具體數(shù)值確定是否存在自相關(guān)，

18、應(yīng)該在給定的檢驗水平下，依照樣本容量和回歸變量數(shù)目，差D-W分布表，得到檢驗的臨界值和，然后由下圖中DW所在的區(qū)間來決定。</p><p>　　對上述模型求殘差得到結(jié)果如下表</p><p>　　表4.2 大學畢業(yè)生起薪的殘差</p><p>　　根據(jù)式（4.2.1）計算出，對于顯著性水平（回歸變量包括常數(shù)項的數(shù)目），查D-W分布表，得到檢驗的臨界值，而，不能確定。

19、但DW在2附近，的自相關(guān)性很弱，故可以忽略。因此無需將自相關(guān)系數(shù)的估計值代入做變換，仍可用原模型。</p><p>　　4.3 各因素相關(guān)性分析——通徑分析</p><p>　　4.3.1 理論依據(jù)[7]</p><p>　　通徑分析不僅能測定各變數(shù)（自變數(shù)和依變數(shù)）間的相互作用，并可將這種作用分為直接作用和間接作用。依通徑系數(shù)定義：直接通徑系數(shù)記為（意義為），間接

20、通徑系數(shù)為（意義為），通徑系數(shù)的標準化正規(guī)方程組為：</p><p><b>　　(4.3.1)</b></p><p>　　對題目附錄中所給的各個因素逐步回歸確定在該系統(tǒng)內(nèi)的相關(guān)因子：</p><p><b>　　(4.3.2)</b></p><p>　　將起薪和影響它的因素的相關(guān)數(shù)據(jù)代入上述方

21、程組，并可解得各因素對起薪的通徑系數(shù)。由通徑系數(shù)來分析各因素對起薪的影響程度以及各影響因子之間的相關(guān)性。</p><p>　　4.3.2 實際應(yīng)用</p><p>　　對月起薪和GDP、畢業(yè)生人數(shù)及物價指數(shù)做通徑分析，得到因變量和自變量的相關(guān)性如表4.3所示：</p><p>　　表4.3 月起薪與各影響因子之間的相關(guān)性分析表</p><p>

22、;　　根據(jù)上表得到通徑系數(shù)的標準化正規(guī)方程組為</p><p><b>　　(4.3.3)</b></p><p>　　應(yīng)用MATLAB求解上述方程組得</p><p><b>　　(4.3.4)</b></p><p>　　再根據(jù)間接通徑系數(shù)可以計算出各影響因素對起薪的間接通徑系數(shù)如下表：<

23、/p><p>　　表4.4 月起薪與各影響因子之間的間接通徑系數(shù)表</p><p>　　從表4.3看出，畢業(yè)生總?cè)藬?shù)、GDP和物價指數(shù)與月起薪都有很強的相關(guān)性，并且從表4.4中看出，畢業(yè)生總?cè)藬?shù)每增加一個標準單位可以使月起薪減低0.9124（）單位長度，而通過GDP和物價指數(shù)卻使起薪都增加，分別增加了1.5703（）和0.1575（）個單位長度，但GDP貢獻較大。GDP每增長一個標準單位，月起

24、薪增加1.6004（）個標準單位，通過畢業(yè)生總?cè)藬?shù)卻使起薪減少了0.8952個單位長度（），通過物價指數(shù)增加了0.1766（）個單位長度。物價指數(shù)每增加一個單位長度，月起薪增加0.2223（）個單位長度，通過畢業(yè)生總?cè)藬?shù)減少了0.6463（）個單位長度，通過GDP卻增加了1.2715（）個單位長度。</p><p>　　綜上所述，畢業(yè)生總?cè)藬?shù)的增加對月底薪呈負效應(yīng)，但作用很小，而通過GDP和物價指數(shù)則是正效應(yīng)，但

25、GDP的貢獻較大，每增長一個單位都能使起薪增加一倍以上。</p><p>　　4.4 對模型的進一步優(yōu)化</p><p>　　通過上述分析可知，各個影響因子可以互相通過彼此而影響起薪，因此它們內(nèi)部存在一定的直接聯(lián)系，因而將4.1中的模型優(yōu)化如下：</p><p><b>　　(4.4.1)</b></p><p>　　由

26、于在原模型中發(fā)現(xiàn)2002年時殘差特別大，與其他數(shù)據(jù)不是一個數(shù)群，為一個異常點，故舍去。同樣用MATLAB求解得到的回歸系數(shù)估計值及其置信區(qū)間（置信水平），檢驗統(tǒng)計量的結(jié)果如下表：</p><p>　　表4.5 模型優(yōu)化后回歸結(jié)果表</p><p>　　因此得到改進后的平均起薪參數(shù)估計為</p><p><b>　　(4.4.2)</b><

27、/p><p>　　用D-W檢驗得到，對于顯著性水平（回歸變量包括常數(shù)項的數(shù)目），查D-W分布表，得到檢驗的臨界值。由于DW非常接近2，根據(jù)圖4.4并可得知無自相關(guān)性。</p><p>　　4.5 預測2011年大學畢業(yè)生的平均起薪</p><p>　　根據(jù)題目中已有2011年大學畢業(yè)生總數(shù)660萬人以及今年的預測GDP增長率為9.8%[9]，即435791.39億元，物

28、價指數(shù)預測平均增長率為4.2%[10]，即2.496337，代入式（4.4.2）得到最后2011年的大學畢業(yè)生平均起薪的預測值為2313.7元。</p><p>　　在國內(nèi)，GDP增長相對穩(wěn)定，即使該因素對畢業(yè)生起薪的影響較顯著，但是畢業(yè)生增長過快，對就業(yè)造成了較大的壓力。經(jīng)過對回歸函數(shù)分析后，當增長率穩(wěn)定后，由于畢業(yè)生不斷上升，有小幅下降的趨勢。</p><p><b>　　4

29、.6 靈敏度分析</b></p><p>　　由于GDP值和物價指數(shù)均為預測值，問了分析結(jié)果的可靠性，需要對平均起薪進行靈敏度分析。先分析平均起薪對GDP的靈敏度，假定物價指數(shù)值為預測值2.496337，繪制平均起薪隨GDP的波動圖如圖4.5所示：</p><p>　　對于在中國這樣一個大環(huán)境下，GDP的增長率波動不會太大，最近幾年的GDP增長率保持在9%-10%，根據(jù)波動圖可

30、得，GDP增長率變化1%，畢業(yè)生起薪變化在50元左右，這個值是可以接受的，也即GDP增長率的變化對該模型預測結(jié)果影響較小。</p><p>　　假定GDP的預測值即為實際值435791.39億元，繪制平均起薪隨物價指數(shù)的波動圖如圖4.6所示：</p><p>　　CPI指數(shù)直接影響國民的消費，從而反映到薪水上，這相對于GDP因素，可變性較大。但是在經(jīng)濟穩(wěn)定運行時，不會出現(xiàn)太大的跳動，1%的

31、波動引起起薪點變化值在100左右，雖然較GDP不穩(wěn)定，但是也在接受范圍內(nèi)。在沒有重大經(jīng)濟波折時，也能較準確的進行預測。</p><p><b>　　問題二</b></p><p>　　5.1 綜合評價模型的建立</p><p>　　影響大學生就業(yè)質(zhì)量的主要因素[8]有就業(yè)環(huán)境、就業(yè)期望、個體狀況，而就業(yè)環(huán)境包括就業(yè)政策、經(jīng)濟環(huán)境和行業(yè)等，就業(yè)期

32、望包括職業(yè)發(fā)展、期望月薪和社會保障等，以及個體狀況又包括就業(yè)指導、求職能力和實踐能力等。層次分析法適用于把定性問題定量化，因此在本模型中建立層次分析模型具有一定的合理性，也有利于分析解決問題。</p><p>　　首先，根據(jù)對各個影響因素的分析，建立層次分析結(jié)構(gòu)如下圖：</p><p>　　其次，根據(jù)層次分析法權(quán)重含義表，對任意兩個影響因素建立兩兩判斷矩陣如表5.1，5.2，5.3，5.4

33、所示：</p><p>　　表 5.1 判斷矩陣 O-C</p><p>　　表5.2 判斷矩陣C1-A 表5.3 判斷矩陣C2-A </p><p>　　表5.4 判斷矩陣C3-A</p><p>　　因此最終排序向量計算式：</p><p><b>　　(5

34、.1.1)</b></p><p><b>　　(5.1.2)</b></p><p><b>　　(5.1.3)</b></p><p>　　由上表和計算式可以得到下列畢業(yè)生就業(yè)質(zhì)量總排序表：</p><p>　　表5.5 畢業(yè)生就業(yè)質(zhì)量總排序</p><p>

35、　　從準則層的排序向量可以觀測到個人狀況在就業(yè)質(zhì)量中占有主導地位，即使在良好的就業(yè)環(huán)境下，有一個良好的就業(yè)期望，個人狀況還是決定因素。這個結(jié)論提醒畢業(yè)生，提高自己的素質(zhì)，才能在職場中立于不敗之地。個人素質(zhì)是提高就業(yè)質(zhì)量的本質(zhì)因素，但也不可忽略就業(yè)環(huán)境的影響，就這特征向量而言，該因素也占有了25%的比例。職場高手競爭中，個人素質(zhì)失去了決定作用，這個因子體現(xiàn)出了它的作用。相對而言，就業(yè)期望影響較小，可以理解，它作為一種心理因素，也在無形中有

36、一定的影響。</p><p>　　5.2 制定期望月薪</p><p>　　制定合理的期望月薪可以幫助畢業(yè)生找到合適自己的工作，既能發(fā)揮自己的特長，又不至于浪費自己的能力，因此，期望月薪的合理取值具有重要的意義。根據(jù)綜合評價模型，不難得出，期望月薪、就業(yè)指導及求職次數(shù)對就業(yè)質(zhì)量相對重要度，但是這個模糊的量化不能給出列表中90名畢業(yè)生的建議期望月薪。</p><p>

37、　　因此，定義期望月薪合理值波動系數(shù)期望月薪波動范圍的比例系數(shù)，即期望月薪波動范圍的比例系數(shù)。由此提出期望月薪的合理化方程：</p><p><b>　　(5.2.1)</b></p><p>　　結(jié)合題目所給的信息，提出影響期望月薪合理值波動系數(shù)的三個因素，求職次數(shù)、就業(yè)指導、個人能力，運用層次分析法可以得到這三個因素對的影響權(quán)重。</p><p

38、>　　首先，建立層次分析結(jié)構(gòu)：</p><p>　　其次，根據(jù)層次分析法權(quán)重含義表，對任意兩個影響因素建立兩兩判斷矩陣如表5.6所示：</p><p>　　表 5.6 -B判斷矩陣</p><p>　　需要進一步得到的量化值，定義：</p><p>　　實際所得薪水和個人的努力緊密相關(guān)，也是對個人能力的最好反映，因此在這個環(huán)境下給出合

39、理的建議，運用畢業(yè)生起薪衡量個人的能力在一定程度上是有意義的。為了消除單位對運算造成的影響，可以運用一下標準化方程，對個人起薪進行標準化：</p><p><b>　　(5.2.2)</b></p><p>　　畢業(yè)生起薪標準化后，得到 。用相同的方法可以對求職失敗次數(shù)N進行標準化。</p><p>　　運用權(quán)重分配公式計算：</p>

40、;<p><b>　　(5.2.3)</b></p><p>　　結(jié)合公式（5.2.2），得到各變量標準化及-值表：</p><p>　　表5.7 影響因子標準化及-值一覽表（部分）</p><p>　　為了比較和分析合理化前后期望月薪的變化，我們用MATLAB做對比圖如下：</p><p>　　通過觀測合

41、理化期望月薪與畢業(yè)生起薪點的對比圖，對于同一序號點，兩點波動不大，即期望值在實際值附近，這說明期望值達到了比較精確的程度。在誤差不大的同時，大多數(shù)點出現(xiàn)期望值略高的現(xiàn)象，在一定程度上也可提高就業(yè)質(zhì)量。</p><p><b>　　問題三</b></p><p>　　考慮到畢業(yè)生起薪、期望月薪、求職次數(shù)以及是否參加過就業(yè)指導各個因素都有可能影響畢業(yè)生的就業(yè)質(zhì)量，但是其關(guān)

42、系并不明確，因而引入灰色關(guān)聯(lián)度[12]，對各因素進行研究。</p><p>　　假設(shè)為母序列，為子序列（比較序列），則定義與在第點的關(guān)聯(lián)系數(shù)為：</p><p><b>　　(6.1.1)</b></p><p><b>　　其中： </b></p><p>　　為分辨系數(shù)，通常取0.5.</

43、p><p><b>　　與的關(guān)聯(lián)度為：</b></p><p>　　從上述的模型觀測出影響畢業(yè)生就業(yè)質(zhì)量的最重要的因素是合理化期望起薪，所以將其作為母序列，求職失敗次數(shù)，是否參加就業(yè)指導，期望月薪以及起薪作為子系列。</p><p>　　由于各個指標的量綱不同，指標的數(shù)量級相差很大，為了用這些數(shù)據(jù)進行綜合評價，對原數(shù)據(jù)進行如下處理：</p&g

44、t;<p><b>　　(6.1.2)</b></p><p>　　關(guān)聯(lián)度可以表示兩個指標在同一點的關(guān)聯(lián)值，而目標需要的是各個指標的權(quán)重，綜合各個關(guān)聯(lián)度，計算得到各指標的權(quán)重，并對其歸一化。計算式如下：</p><p><b>　　(6.1.3)</b></p><p><b>　　(6.1.4)&

45、lt;/b></p><p>　　首先，根據(jù)是否參加就業(yè)指導，將本科生分成兩類。一類未參加就業(yè)指導，另一類參加就業(yè)指導。考慮到碩士畢業(yè)生比本科畢業(yè)生普遍就業(yè)能力強，我們在通過本科生的數(shù)據(jù)來分析碩士畢業(yè)生是否需要參加就業(yè)指導時，引入一個變換：</p><p>　　假設(shè) 是描述碩士畢業(yè)生屬性的一組向量，對應(yīng)本科畢業(yè)生屬性向量，變換后的屬性向量為</p><p>&

46、lt;b>　　(6.1.5)</b></p><p>　　將所有的數(shù)據(jù)分成三類：本科生參加就業(yè)指導數(shù)據(jù)、本科生不參加就業(yè)指導數(shù)據(jù)、研究生變換后的單獨數(shù)據(jù)。帶入處理后的數(shù)據(jù)，得到各個因素對就業(yè)質(zhì)量影響權(quán)重表：</p><p>　　表6.1 參加就業(yè)指導的本科畢業(yè)生：</p><p>　　表6.2 不參加就業(yè)指導的本科畢業(yè)生：</p>&

47、lt;p>　　表6.3 不參加就業(yè)指導的研究生：</p><p>　　表6.1和表6.2對比，參加就業(yè)指導的畢業(yè)生求職失敗次數(shù)有所下降，且就業(yè)指導對就業(yè)質(zhì)量的影響加大，表中數(shù)據(jù)期望月薪對就業(yè)質(zhì)量的影響減小，說明參加就業(yè)指導使得本科生定期望月薪更合理。起薪對就業(yè)質(zhì)量的影響也有所下降，間接說明個人能力在職場競爭中影響減小，在就業(yè)壓力大的中國來言，具有十分重要的現(xiàn)實意義。因此，就業(yè)指導對其就業(yè)質(zhì)量的提高是有益處的

48、。我們在處理數(shù)據(jù)時，已經(jīng)將描述研究生屬性的向量通過本科生數(shù)據(jù)進行變換，描述研究生的數(shù)據(jù)一定程度上有了本科生的屬性，定性可以判斷參加就業(yè)指導對研究生有益處。</p><p>　　表6.1與表6.3對比，首先，研究生的數(shù)據(jù)進行變換后和本科生進行對比是合理的。表6.1與表6.2對比參數(shù)變化規(guī)律與上述一致，因此就業(yè)指導對研究生來說也有意義。</p><p>　　綜上所述，通過定量影響權(quán)重的變化比較

49、，得出結(jié)論，有必要在研究生中開展就業(yè)指導課程。</p><p><b>　　模型評價</b></p><p><b>　　7.1 模型的優(yōu)點</b></p><p>　　對于模型一，我們進行自相關(guān)檢驗以及進行了通徑分析，對模型進行了改進，優(yōu)化后的模型引入了交互相關(guān)因子，增加了模型了可靠性，鑒于對其靈敏度分析，模型也較穩(wěn)定，

50、對2011的預測增加了說服力。</p><p>　　對于模型二，運用層次分析法，對影響因素模糊處理，將很難衡量的因子量化，得到量化的指標，可以對畢業(yè)生的就業(yè)給出較準確的建議。</p><p>　　對于模型三，運用灰色關(guān)聯(lián)體系，對影響因素進行模糊化，最后得到兩組對比值，相互比較分析得出準確的決策。</p><p><b>　　7.2 模型的缺點</b&

51、gt;</p><p>　　對于模型一，影響畢業(yè)生起薪的因素作散點圖觀測，并不很是很好的線性關(guān)系，或者是二次關(guān)系，在模型的建立過程中運用線性和二次進行組合擬合，會帶來一定的誤差，對結(jié)果的預報產(chǎn)生影響。</p><p>　　對于模型二，建立判斷矩陣時，描述相互重要度比值時，是根據(jù)經(jīng)驗取得，而不是專家或者來自較權(quán)威的機構(gòu)，這會對結(jié)果造成不可測量的誤差。</p><p>

52、　　對于模型三，雖然對因素影響模糊化后可以得到量化的指標來衡量各個因素對就業(yè)質(zhì)量的影響，但是對于灰色體系，因素內(nèi)在的聯(lián)系本來就是未知的，這也會對結(jié)果預測造成不可測量的誤差。</p><p><b>　　參考文獻</b></p><p>　　路萬忠，我國大學畢業(yè)生一次性就業(yè)與起薪研究，青年就業(yè)，2008，90-93。</p><p>　　孫立成，

53、李群，大學生就業(yè)對經(jīng)濟增長的影響及統(tǒng)計預測分析，科技人才，2011，24（1）：90-93。</p><p>　　中國歷年CPI(居民消費價格指數(shù)增長率)數(shù)據(jù)[2011年元月20日更新] </p><p>　　1929年-2010年中國歷年GDP和美國歷年GDP、日本歷年GDP比較， </p><p>　　孫運達，孫從法，王信遠，《中華稻蝗為害影響水稻產(chǎn)量構(gòu)成因素的

54、通徑分析》，植物保護 1994，3：29-30。</p><p>　　黃煒 ，方玖勝，《基于層次分析法大學生就業(yè)質(zhì)量影響因素評價研究》，湖南文理學院學報 ，2010，22 (2)</p><p>　　姜啟源，謝金星，葉俊，數(shù)學模型，北京：高等教育出版社，2003.8，294-325。</p><p>　　鄔學軍，周凱，宋軍全，數(shù)學建模競賽輔導教程，杭州：浙江大學出版

55、社，2009.8,58-61。</p><p><b>　　附 錄</b></p><p>　　附錄一：1991-2010年大學畢業(yè)生起薪及其影響因素數(shù)據(jù)表</p><p>　　附表一 1991-2010年大學畢業(yè)生起薪及其影響因素數(shù)據(jù)表</p><p>　　附錄二：影響因子標準化及-值一覽表</p>&l

56、t;p>　　附表二 影響因子標準化及-值一覽表</p><p>　　附錄三：MATLAB計算代碼</p><p>　　%未改進模型,計算回歸參數(shù)及其相關(guān)參數(shù)</p><p>　　x1 = [61.4 60.4 57.1 63.7 80.5 83.9 82.9 82.98 84.76 94.98 103.63 133.73 187.75 239.21 306.8

57、 413.74 495.25 559.61 611.24 631]'; %畢業(yè)生總?cè)藬?shù)</p><p>　　x2 = x1.^2;</p><p>　　x3 = [21618 26638 34634 46759 58478 67885 74463 84402.28 89677.05 99214.55 109655.17 120332.69 135822.76 159878.34 1

58、84937.4 216314.4 265810.3 314045.4 340506.9 397983]'; %國家生產(chǎn)總值</p><p>　　x4 = [1.0 1.064000 1.220408 1.514526 1.773510 1.920712 1.974492 1.958696 1.931274 1.938999 1.952572 1.936951 1.960195 2.036642 2.073

59、302 2.104402 2.205413 2.335532 2.319183 2.395717]'; %物價指數(shù)</p><p>　　x5 = x4.^2;</p><p>　　Y = [373 412 475 515 628 805 927 988 1132 1445 1793 2046 1551 1680 1588 1982 2156 1955 2257 2528]'

60、; %平均起薪</p><p>　　X = [ones(20, 1) x1 x2 x3 x4 x5];</p><p>　　[b, bint, r, rint, stats] = regress(Y, X)</p><p>　　%畫未改進模型各自變量散點圖</p><p>　　plot(x1, Y, '*')</p>

61、;<p>　　plot(x3, Y, '*')</p><p>　　plot(x4, Y, '*')</p><p>　　%畫未改進模型殘差圖</p><p>　　figure(1);</p><p>　　rcoplot(r, rint); %畫殘差圖</p><p>　　

62、%改進模型，計算回歸參數(shù)及其相關(guān)參數(shù)</p><p>　　x1 = [61.4 60.4 57.1 63.7 80.5 83.9 82.9 82.98 84.76 94.98 103.63 187.75 239.21 306.8 413.74 495.25 559.61 611.24 631]'; %畢業(yè)生總?cè)藬?shù)</p><p>　　x2 = x1.^2;</p>&

63、lt;p>　　x3 = [21618 26638 34634 46759 58478 67885 74463 84402.28 89677.05 99214.55 109655.17 135822.76 159878.34 184937.4 216314.4 265810.3 314045.4 340506.9 397983]'; %國家生產(chǎn)總值</p><p>　　x4 = [1.0 1.0640

64、00 1.220408 1.514526 1.773510 1.920712 1.974492 1.958696 1.931274 1.938999 1.952572 1.960195 2.036642 2.073302 2.104402 2.205413 2.335532 2.319183 2.395717]'; %物價指數(shù)</p><p>　　x5 = x4.^2;</p><p&

65、gt;　　x6 = x1.*x3;</p><p>　　x7 = x1.*x4;</p><p>　　x8 = x3.*x4;</p><p>　　X = [ones(19, 1) x1 x2 x3 x4 x5, x6, x7, x8];</p><p>　　Y = [373 412 475 515 628 805 927 988 1132

66、1445 1793 1551 1680 1588 1982 2156 1955 2257 2528]'; %平均起薪</p><p>　　[b, bint, r, rint, stats] = regress(Y, X)</p><p>　　%計算各個判斷矩陣的參數(shù)</p><p>　　A = [1 1/5 1/3; 5 1 1/3; 3 3 1];<

67、/p><p>　　[V, D] = max(eig(A))</p><p>　　[V, D] = eig(A)</p><p>　　A = [1 5 3; 1/5 1 1; 1/3 1 1];</p><p>　　[V, D] = max(eig(A))</p><p>　　[V, D] = eig(A)</p>

68、;<p>　　A = [1 1/5 1/3; 5 1 3; 3 1/3 1];</p><p>　　[V, D] = max(eig(A))</p><p>　　[V, D] = eig(A)</p><p>　　A = [1 2/3 3/2; 3/2 1 7/3; 2/3 3/7 1];</p><p>　　[V, D] =