陳 藝

（山東科技大學，山東 青島 266590）

就業(yè)可以說是每個學生都需要面對的問題。做好就業(yè)工作，是踐行“三個代表”重要思想、科學發(fā)展觀，增強黨的執(zhí)政能力的具體途徑，也是公共服務方向的重點內容。目前，就業(yè)市場的供需關系不穩(wěn)定，為了促進就業(yè)人員與就業(yè)需求相匹配，需要充分了解就業(yè)需求情況，為人才就業(yè)提供更好的建議。

1 就業(yè)難度模型的建立

根據Thomas[1]，Jolliffe[2]的研究和國家質檢總局的規(guī)定可知，就業(yè)難度由兩部分組成：第一部分，本專業(yè)就業(yè)期望人群DP與就業(yè)需求NP的比值；第二部分，本專業(yè)對學歷要求的難度。為衡量各專業(yè)的就業(yè)難度，本文根據各學歷層次劃定了權重WP，學歷越高，權重越大，在數(shù)值上體現(xiàn)的難度越大。權重如表1所示。

表1 各數(shù)值權重

為統(tǒng)一量綱，建立了衡量各專業(yè)的就業(yè)難度DiffP：

式中，n為學歷層次的數(shù)目。就業(yè)期望和學歷需求被整合在一起。針對專業(yè)類別過于分散的問題，本文對2017年的數(shù)據進行了集中分析，整合同類行業(yè)進行相關分析，并對各大類別的人才進行需求分析。經過分析得出各類數(shù)據的分析結果，即人才需求總量W。

對職稱數(shù)據進行分析發(fā)現(xiàn)，每年的職位和候選人都集中在年初，并在年底逐漸減少[3]。因此，對2017年的典型數(shù)據進行分析，如圖1所示。

圖1 2017年人才需求與就業(yè)意愿

對同年某專業(yè)類別的數(shù)據，對離散數(shù)據進行回歸分析。線性回歸方程利用數(shù)理統(tǒng)計中的回歸分析來確定兩個或多個變量之間的相互依賴關系。線性回歸是第一種回歸分析方法，在實際中得到了廣泛的應用。

根據自變量的個數(shù)，可分為一維線性回歸分析方程和多元線性回歸分析方程，給出了不同專業(yè)類別的人才需求與不同專業(yè)的就業(yè)期望數(shù)和學歷要求之間的關系。整合不同類型的數(shù)據，可以得到總的人才需求量W。上述步驟綜合了就業(yè)意向數(shù)和學歷要求數(shù)，因此，只需要統(tǒng)計日歷要求和專業(yè)意愿數(shù)，即可估算總的人才需求量：

2 就業(yè)難度模型求解

根據上述分析，計算出相應結果，以求解就業(yè)難度模型，如表2所示。

表2 離散數(shù)據回歸分析計算結果

續(xù)表2

圖2 2017年職業(yè)需求量和難度

根據統(tǒng)計結果可知，金融證券類、電子科技類、醫(yī)療護理類的就業(yè)難度大于其他行業(yè)。

3 就業(yè)需求預測模型的建立

對就業(yè)需求預測過程中，根據B市往年數(shù)據發(fā)現(xiàn)，每年的就業(yè)情況并沒有非常明顯的規(guī)律可循，即無法用一般的線性和非線性來表示。每個城市對于人才的需求量有相當?shù)牟淮_定性，比如宏觀調控、世界經濟形勢的變化、應屆畢業(yè)生數(shù)量等，在數(shù)學上叫作一定的模糊性，所以，可以用模糊數(shù)學的原理來對此問題進行預測，運用灰色預測模型來解決此類問題。

灰色預測是對具有不確定性的系統(tǒng)進行預測的一種方法?；疑碚撌腔叶戎翟谝欢〞r間和范圍內隨機變化的灰度過程，灰色預測就是利用灰色理論，對過去和現(xiàn)在的未知信息進行定量分析計算，預測出未來某時間段內的情況。GM（1,1）[4]是灰色理論預測系統(tǒng)中應用最普遍的單變量數(shù)列預測模型，運用GM（1,1）的原始數(shù)列進行運算，形成有規(guī)律的預測數(shù)列，建立微分方程，得到模型計算式。模型精度的確定通過與實測值的比較算出殘差，對模型進行不斷修正，以提高精確度。本預測不止一個變量，因此，建立灰色微分方程模型，記為GM (n,N)，其中，n為微分方程的階數(shù)，N為變量數(shù)。本文運用的是GM（1，N）模型[5-6]。由于描述數(shù)據為離散數(shù)據，因此，用灰色模型建立模型，設：

上式是m個因素的n個狀態(tài)值。為了增強因素的規(guī)律性，對于進行一次累加：

其灰色模型群為：

定義：

代入上式得到預測值為Xi(1)(n+1)…之后，進行外推預測。殘差分析是一種分析模型假設的方法。利用殘差的信息分析數(shù)據的干擾，從而進行殘差檢驗和修正。殘差就是實際值和預測值的差。δ表示回歸方程。殘差δ遵循正態(tài)分布N(μ,σ2)，σ為殘差的均值。δ*是標準化殘差，即殘差和殘差均值之差除以殘差的標準差。δ*服從標準正態(tài)分布N(0，1)。顯然，有多少對數(shù)據，就有多少個殘差。灰色模型預測出的結果中誤差比較大而且不能滿足實際需要時，可通過殘差系列來修正模型來減小所產生的誤差。記0階殘差為：

原始數(shù)據的均值、方差為：

計算后檢驗誤差檢驗比值c和小誤差概率P分別為：

依據綜上兩項指標，可從表3中查找預測精度檢驗等級。

表3 預測精度檢驗等級

4 就業(yè)需求預測模型的求解

利用Matlab將就業(yè)數(shù)據導入到程序中，得到相關結果：

可以看出，2015年9月2018年8月3個周期的就業(yè)需求分別為435 207，314 797和299 832?？梢?，B城市的人才正在流失，必須通過預測就業(yè)需求來預測人才需求。

首先，根據灰色模型，采用GM(1,1)模型，初始化原始序列，初始化序列：435 207，314 797，299 832；原始序列1-AGO序列：435 207，75 004，1 049 836；1-AGO生成的直接序列：592 606，899 920；展開系數(shù)和灰色作用量的計算a=0=343 655；模擬值的計算：435 207，314 736，299 777；計算出的殘差=6 702。2018年9月—2021年8月就業(yè)人數(shù)分別為285 529人、271 958人和259 032人。

其次，利用GM（1,2）模型，根據人才需求和就業(yè)狀況進行數(shù)據替換，原序列的初始序列：62450，46713，44337；原序列1-AGO序列：62450，109163，153500；1-AGO立即序列生成序列：85807，131332；展開系數(shù)和灰色作用量計算a=0，b=51191；模擬值計算：62450，46703，44328；殘差=192。

5 模型評價綜述

利用灰色模型預測的方法簡單，但不能很好地控制離散變量的預測精度，一般只用于小樣本數(shù)據。當數(shù)據量較大且離散度較大時，其灰度值較大，預測精度較差。

在當前的就業(yè)形勢下，無論是就業(yè)困難與否，大學生都應具有良好的心態(tài)。具體如下：

（1）分析就業(yè)形勢，把握就業(yè)機會。當代大學生應當認真分析思考市場結構，理性分析就業(yè)熱度，全面考量自身情況與市場的契合度，把握就業(yè)機會。

（2）提高個人素質，增強就業(yè)競爭優(yōu)勢。當代社會市場更加看中個人的綜合素質，在日常生活學習中，要善于思考聯(lián)系，把所學的知識與實際情況相結合。不但要注重專業(yè)知識的學習、基礎技能的學習，也要關注時事政治，對其他學科知識有適當?shù)牧私狻?/p>

（3）找準自己的定位。不要妄自菲薄，也不要驕傲自大，要有自信，但也要清楚與他人的差距。善于運用自己的優(yōu)勢，在激烈的市場競爭中堅定地向目標前進。