大学生就业问题分析

课程设计

大学生就业问题分析

何剑波

201130760112

学院名称 专业班级 提交日期

理学院

信息与计算科学一班 2014年 06月

评阅分数 ____________ 评阅人 ____________

目 录

1、摘要............................................................. 1 2、问题分析......................................................... 1 3、模型的建立与求解................................................. 2

3.1模型的建立................................................... 2 3.2模型的求解................................................... 3 4、模型的评价与推广................................................ 12

4.1模型的评价.................................................. 12 4.2模型的推广.................................................. 12 5、参考文献........................................................ 12 6、附录............................................................ 13

大学生就业问题分析

1、摘要

据人力资源和社会保障部公布的数据，2009年我国将有2400万劳动力需要安排就业，其中将有超过700万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,比2008年增长52万；而据预测,2011年这一数字将达到峰值758万。与此同时,国际金融危机的影响进一步显现,可以预见,在未来相当长时期内大学生就业压力不会减弱。如何帮助大学生走出就业难的困境将成为政府与社会长期而艰臣的任务。

大学生就业难不仅有社会原因，也有大学生自身的原因。如何解决大学生就业难的问题不仅关系到大学生的切身利益，更关系到社会的和谐稳定，需要政府、企业、高校和大学生共同的努力。本文从大学生自身，企业和社会三个大方面方面进行了分析和论述，从而总结出相关的结论及解决大学生就业难题的可行方法。

随着就业压力的日益增加，大学毕业生就业难问题逐渐受到人们重视。很多大学生因为期待底薪值和实际情况相差较大而无法成功就业，因此大学生起薪高低是求职成功与否的第一道门槛。

关键字：起薪预测 非零均值生成 多元线性回归 灰色系统GM（1，1）EXCEL 线性相关性 SPSS matlab

2、问题分析

我们在考虑多个变量影响实际起薪的情况下决定采用多元线性回归模型处理建议起薪问题。的然后对已给出数据进行相关性分析。最后在求解出错误！未找到引用源。后把表2中的数据代入经验回归平面方程，再利用一个循环一次性得到90组建议期望起薪。

1

本文将多元线性回归分析模型和灰色系统GM（1，1）耦合应用于大学生起薪问题预测中，这样将不同模型之间耦合分析不但能反映事物的变化趋势，而且能揭露事物之间的相互联系。便能完整的对2014年起薪进行预测。然后我们通过EXCEL对2010至2013年本科生调查表的分析，基于多元线性回归模型研究了就业指导课程、期望月薪及求职次数对月薪的影响，发现月薪与以上三点因素均有有较强的线性相关性，得出了建议期望月薪的回归模型。利用此模型可以对建议期望月薪进行合理计算。得出大概处于什么范围的起薪值比较受大学生的青睐。

3、模型的建立与求解

3.1模型的建立 一、 多元线性回归分析

多元回归分析指在描述和测定预测对象Y与多个解释变错误！未找到引用源。间的相关关系，预测模型为：

Y=β0+β1X1+…βpXp+ε ①

其中的β0为常数项,βi为Y对Xi的回归系数,ε是随机波动的,它表示除Xi之外的非主要因素或偶然因素的综合作用效果,它对Y不起决定性影响，上式本身隐含了Y随Xi而线性变化的假定。要使上式成立，还需进一步假定：

⑴ Xi没有测量误差，它是确定的、非随机的。 ⑵ r在重复观测时的变动是随机干扰引起的。

⑶ε为随机变量，有零均值和有限的常数方差，考虑到假设检验的需要还进一部假定它服从均值为零的正态分布。

⑷ Xi和Xj(i不等于j)彼此独立，不存在线形相关，于是有： Y=β0+β1X1+…βpXp ②

2

3.2模型的求解

2010-2013年大学毕业生起薪表 表一

2013年 2012年 2011年 2010年 表二

2013年 2012年 2011年 2010年 GDP（亿元） 397983 335353 300670 246619 毕业生总数（万人） 631 611 559 495 专科 1662 1546 1380 1443 本科 2331 2033 1761 1825 硕士 3590 3192 2725 3200

3

求解灰色模型需要调用的子程序

累加程序 function [a] = leijia( x ) %UNTITLED5 Summary of this function goes here % Detailed explanation goes here n=size(x,2); a(1)=x(1); for i=2:n a(i)=x(i)+a(i-1); end end 求Z的程序 function [ a ] = qiuz(x) %UNTITLED8 Summary of this function goes here % Detailed explanation goes here n=size(x,2); a(1)=x(1); for i=2:n a(i)=0.5*(x(i)+x(i-1)); end format long g end 求相关因素e的子程序 function [e] = qiue(x,y) %ÊäÈëÁ½¸öÐòÁУ¬ÇóÏà¹ØϵÊý %UNTITLED9 Summary of this function goes here 4

% Detailed explanation goes here i=size(x,2); j=size(y,2); B=[-x(2:i)',ones(i-1,1)]; Y=[y(2:j)']; e=inv(B'*B)*(B'*Y); end 求解预测值的程序 function [daan] = qiujie(G1,e) %UNTITLED11 Summary of this function goes here % Detailed explanation goes here n=size(G1,2); for i=2:n+1 G1(i)=(G1(1)-(e(2)/e(1)))*exp(-e(1)*... (i-1))+(e(2)/e(1)); end format long g daan(1)=G1(1); for i=2:n+1 daan(i)=G1(i)-G1(i-1); end end

（1）错误！未找到引用源。的求解过程 设时间序列X(0)(k){x(0)(1),x(0)(2),……x(0)n(，共有)}x(0)(k)0,k1,2,……,N。

5

n个观察值，其中

对X(0)做一次累加生成列

X(1) = 1 246619 495

1 300670 559 1 335353 61 1 397983 631；即

X(k)X(0)(i)X(1)(k1)X(0)(k)；

(1)i1k由表一可得Y = 1443 1494.5 1546 1662。

利用一下matlab程序求解错误！未找到引用源。 clear; clc; G=[246619 300670 335353 397983]; R=[495 559 611 631]; Y=[1443;1494.5;1546;1662] X=[ones(4,1),G',R'] b=inv(X'*X)*(X'*Y) 6

求得 错误！未找到引用源。= 1280.04315820383

0.00214964234567905 -0.752420889264613。 因此可得回归方程:

Y=1280.0431+ 0.0021X1+ -0.7524 X2 ③ （2）GDP的求解过程

①：由表1经过处理后的数据得原始序列

X1(0){246619,300670,335353,397983}

②：作一次累加后得序列为

X1(1)(k){ 246619 , 547289 , 882642 , 1280625 }

0.1428556881③：由矩阵X的值计算得 1(a1,u1T) 5629240214.82^uuX1(k1)X1(0)(1)1eak1246619+1681500e0.1428556881k1681500a1a1 1928119e0.1428556881k1681500 ^(1)其中k0,1,2,……n ④：进而可求得

0.1428556881k0.1428556881(k1)X1(k1)X1(k1)X1(k)1928119ee^(0)^(1)^(1)

其中k=1,2,4

由此得模拟序列：

X1(k){x1(1),x1(2),……x1(n)}{246619,296092,341560,394012} 利用以下matlab程序预测2011年GDP

clear; ^(0)^(0)^(0)^(0) 7

clc; G=[246619 300670 335353 397983]; G1=leijia(G); z=qiuz(G1); e=qiue(z,G); daan=qiujie(G1,e);

⑤：通过分别计算绝对残差与相对残差，进行残差检验 相对误差计算公式：

(

(0)(1)(0)(2),(0)) x(0)(1)x(0)(2)x(n)(0)(n)序号 实际数据(0)模拟数据^(0)残差（相对误差 （） （x(n)） （x1(n)） ˆ(0)(k)） e(k)x(0)(k)x2010 2011 2012 2013

14平均相对误差：k0.0109290.01 精度为二级

4k1246619 300670 335353 397983 246619 296092 341560 394012 0 4578 -6207 3971 0 0.01522 0.01851 0.00998

8

采下列matlab编程完成均方差比值C的解答

n=size(x,2); for i=1:n; e(i)=x(i)-t(i); end x1=mean(x); e1=mean(e); for i=1:n; x2(i)=(x(i)-x1)^2; e2(i)=(e(i)-e1)^2; end S1=sqrt(sum(x2)/n); S2=sqrt(sum(e2)/n); C=S2/S1; j=0; 则CS20.0780.35，均方差比值为一级。 S1小误差概率检验：

pP((k))10.95，小概率误差检验是一级。 方差C=0.078,误差等级为一级。

（2）毕业人数的求解过程

①：由附表1经过处理后的数据得原始序列

9

X2(0){495, 559, 611, 631} ②：作一次累加后得序列为

X2(1)(k){ 495 1054 1665 2296 }

23650.0594198 ③：由矩阵B的值计算得 2(a2,u)  9 1518.839045172^T2uuX(k1)X(0)(1)eak795+8731.8e0.05941982365k8731.8 aa 9526.8e0.05941982365k8731.8^(1)其中k0,1,2,……n

④：进而可求得

0.05941982365k0.05941982365(k1)X(k1)X(k1)X(k)9526.8ee^(0)^(1)^(1)

其中k=1,2,4

由此得模拟序列：

X2(0)(k){x2(0)(1),x2(0)(2),……x2(0)(n)}{495,565,599,675}

利用以下matlab程序预测2011年大学生毕业人数

clear; clc; R=[495 559 611 631]; R1=leijia(R); zr=qiuz(R1); er=qiue(zr,R); daanr=qiujie(R1,er);

⑤：通过分别计算绝对残差与相对残差，进行残差检验 相对误差计算公式：

((0)(1)(0)(2)x(1)x(2)(0),(0)(0)(n)x(n)(0))

10

序号 实际数据（x(0)(n)） 模拟数据（残差（相对误差 （）

0 0.0107 0.0196 0.0697

x1^(0)(0)(0)ˆe(k)x(k)x(k)(n)） ） 2010 2011 2012 2013 495 559 611 631 495 565 599 675 0 6 12 -44 14平均相对误差：k0.0250 精度为二级

4k1小误差概率检验：

pP((k))10.95，小概率误差检验是一级。 误差C=0.13,误差等级是一级。

将以上预测出的2013年GDP和大学生毕业人数带入③式便可计算出2013年平均起薪，如下表：

2007年 2008年 2009年 2010年 2011年

结果分析：由上图可知2010-2013年的工资预测值与实际值相接近，故2014年预测值有很好的参考价值。

11

专科 实际值 模拟值 本科 实际值 模拟值 硕士 实际值 模拟值 1443 1495 1546 1662 / 1438 1492 1563 1648 1749 1825 1929 2033 2331 / 1812 1915 2086 2292 2538 3200 3196 3192 3590 / 3186 3148 3310 3518 3781

4、模型的评价与推广

4.1模型的评价

本题主要应用灰色系统和多元线性回归进行数学建模。在数据的处理上首先剔除异常点把2008年数据处理后使用然后按照表1预测出相应的GDP和大学生毕业人数再按照线性回归进行求解。在问题2）中，我们首先对表2所给出数据进行分析并把是否参加就业培训按照0/1处理，然后分析各个影响因素的关联度，再出关联度系数后建立线性方程并求解建议期望月薪。问题3）主要利用SPSS和matlab软件进行数据分析，并最终得出应该对大学生生进行就业培训的结论。

本题模型原理简单，处理结果精度高。Matlab等软件的功能强大，在数据处理方面效率高。模型建立时对起薪的预测和建议只选取了主要的影响因素便于数据处理，在实际应用中可以多考虑一些影响因素。

整个建立的模型是比较准确客观的，模型根据近几年大学生的起薪值进行线性回归判断，虽然其中避免不了会产生一定的偏差，但是还是比较好的实现了预期的效果，对大学生在就业选择方面具有一定的参考价值。

4.2模型的推广

本题所应用的模型不仅可以用在大学生起薪的预测上还可应用在人口预测问题中。灰色模型对预测类问题应用广泛，多元线性回归对处理多变量问题误差小。

5、参考文献

[1] 房少梅 .数学建模理论、方法及应用. 科学出版社.

[2] 刘卫国. MATLAB程序设计与应用（第二版）.刘卫国. 高等教育出版社. [3] 吕玉华，江莉，基于多元线性回归模型的大学生起薪预测，科学技术与工程， 第13期，2009年7月。

[4] 赵静等，数学建模与数学实验，北京：高等教育出版社，2009。

12

6、附录

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 起薪 2500 1500 1100 2000 1400 1500 1100 1000 1400 1100 1700 1800 1400 1500 2200 1600 1300 1000 2600 1400 2800 2100 1300 期望月薪 2500 1300 1500 1600 1100 1700 1300 1000 1200 1100 2000 2500 1000 1400 2500 1500 1600 1200 2800 1800 2600 1800 1200 建议期望月薪 2568.8 1230.7 1482 1595.9 1150.2 1660.3 1230.7 1329.5 1434.8 1125.5 1854.7 2568.8 1061.1 1319.9 2593.5 1604.5 1571.1 1337.1 2665.5 1676.4 2682.7 1969.6 1337.1 13

24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

1500 2200 1900 1700 2600 2100 2000 2800 1500 2500 2500 1700 2100 1100 1100 2000 2500 2800 1200 2100 1900 1000 1600 1300 2500 1600 2000 1300 2200 1700 2400 1600 1600 2400 2300 2300 2700 1800 2700 2200 1800 2100 1500 800 2000 2500 2800 1500 2000 2200 1000 1300 1100 2700 1600 1800 1200 2300 14

1562.5 2186.5 1791.3 1693.6 2381.9 2097.4 1999.6 2674.1 1553.9 2576.3 2203.7 1651.7 2016.8 1409 1078.2 1927.7 2495.8 2640.8 1286.5 2050.1 1910.5 1036.3 1523.9 1345.7 2453.9 1571.1 1969.6 1214.6 2097.4

53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81

1500 2300 2300 2400 1900 1100 1400 2800 1300 2600 2000 2900 1100 1800 1200 2900 1000 2500 2600 2700 1100 1700 1500 2600 1800 2800 1300 1500 1200 1300 2500 2100 2800 1800 1400 1200 2700 1000 2700 2200 3000 1100 2000 1400 3100 1200 2900 2400 2900 900 1400 1600 2600 1800 3000 1600 1400 1400 15

1401.5 2398.1 2114.5 2445.3 1871.9 1197.4 1312.3 2551.6 1134.1 2576.3 2008.2 2843.7 1125.5 1829.9 1295.1 2932.9 1116.9 2656.9 2381.9 2632.2 1167.4 1490.6 1473.4 2584.9 1749.4 2843.7 1375.7 1392.9 1295.1

82 83 84 85 86 87 88 89 90 1200 2700 2100 2000 1200 2700 2200 1700 2000 1200 3000 2400 1900 1300 2800 2300 2000 1900 1214.6 2746 2088.8 1838.5 1206 2665.5 2097.4 1732.2 1961

16