基于多元統計分析的高校畢業生就業狀況監測應用

朱春楠，范 軍，鄒云龍

（1．東北師范大學 思想政治教育研究中心，吉林 長春130024；2．東北師范大學 馬克思主義學院，吉林 長春130024）

基于多元統計分析的高校畢業生就業狀況監測應用

朱春楠1，范 軍2，鄒云龍1

（1．東北師范大學 思想政治教育研究中心，吉林 長春130024；2．東北師范大學 馬克思主義學院，吉林 長春130024）

高校畢業生就業狀況監測體系是一項復雜的系統工程。本文在記實量化基礎上，采用多元統計方法中的主成分分析、聚類分析、相關分析和因子分析等方法，即定量分析與定性評價相結合的方法，對高校畢業生就業狀況監測進行了研究。旨在構建一種科學、有效的高校畢業生就業狀況監測方法，提高高校畢業生就業狀況監測的科學性與實效性。

高校畢業生就業狀況；監測；多元統計分析

高校畢業生就業狀況監測是一項復雜的系統工程，其科學性與準確性是至關重要的問題，直接關系到高校、政府、社會、家長等多方面能否掌握高校畢業生就業狀況并作出科學決策。監測過程中正確選擇與使用數據統計和分析方法，是確保監測結果的科學性和準確性的關鍵。

一、問題的提出

“高校畢業生就業狀況監測”是對高校畢業生就業進行全面、動態、定量、定期和多次測定。我們認為，高校畢業生就業狀況監測需監測不同時間、不同區域、不同類型、不同專業、不同學歷、不同性別等多維動態的高校畢業生狀況數據。要堅持全面性、獨立性、可評性、可測性的原則［1］。對于如此多維、復雜的就業狀況數據，僅用單一的某種統計方法已經無法實現科學統計與分析，更無從談起對發展趨勢的預測和危機的預警。只有綜合運用多種統計方法，即采取多元統計分析模式，才能確保監測結果的權威性和全面性。基于多元統計分析的高校畢業生就業狀況監測是綜合運用幾種統計分析方法，對高校畢業生就業狀況數量維度和質量維度數據的監測。

多元統計分析方法是定量分析事物間復雜關系的一種綜合統計分析，是數理統計學中迅速發展起來的一個分支，它具體涉及主成分分析、聚類分析、相關分析、因子分析等多種分析方法。主成分分析法是利用降維的思想，通過適當的數學變換，把多指標問題轉化為較少的綜合指標（即主成分）問題。綜合指標是原來多個指標的線性組合，通過線性轉換的手法將一組可能具有相關性的變量觀測轉化之后得到一組相互無關的變量值，且盡可能地反映原來指標信息（85%以上）［2］。聚類分析是直接比較各事物之間的性質，將性質相近的歸為一類，將性質差別較大的歸入不同類的一種多元統計分析方法［3］。相關分析是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法［4］。因子分析是用少數幾個因子F1，F2，…，Fm去描述許多變量之間的關系。被描述的變量x1，x2，…，xp是可以觀測的隨機變量，即顯在變量。因子分析是通過變量的相關矩陣，找出能夠控制所有變量的少數幾個隨機變量去描述多個變量之間的相關關系［5］。

多元統計分析方法能夠監測高校畢業生就業狀況復雜問題，具體表現在兩個方面：一是海量的就業狀況數量維度數據需要通過多元統計分析，挖掘數量間的關系，探究高校畢業生就業狀況的變化規律。就業狀況數量維度指標主要體現在就業率，具體包括總體就業率、專業就業率、初次就業率、年底就業率等多個維度；二是模糊的就業狀況質量維度數據需要借助多元統計分析，實現模糊數據的標準化，最終完成就業狀況的定量分析。就業狀況質量維度指標主要體現在畢業生對就業分布指標、滿意度指標、創業指標等多個維度。因此，這些就業狀況數量維度和質量維度的描述要實現量化分析，就必須借助主成分分析、聚類分析、相關分析、因子分析等多種統計分析方法，通過多元統計分析，才能實現對就業狀況數量和質量指標的科學表征和準確統計，從而得出準確、權威的高校畢業生就業狀況監測結果。

二、多元統計分析在高校畢業生就業狀況監測中的應用

（一）數據采集

高校畢業生就業狀況監測包括指標的區域、指標的范圍、指標的類型三個方面。在本研究中，選取高校畢業生就業狀況監測中一個點位進行分析，具體應用多元統計分析方法，監測東北師范大學2011屆數學與統計學院本科畢業生就業狀況質量維度中就業過程滿意度。在監測指標的區域方面，東北師范大學為部級即教育部直屬高校；在監測指標的范圍方面，東北師范大學根據學科門類劃分為師范院校，2011屆數學與統計學院畢業生，涉及學歷層次為本科生，涉及專業包括數學與應用數學專業（師范專業）和統計學專業（非師范專業），涉及畢業生性別包括男生和女生；在監測指標的類型方面，監測畢業生就業過程滿意度，其主要反映高校畢業生在搜索就業信息、投遞簡歷、筆試、面試、簽訂就業協議等就業環節中的滿意程度，主要包括求職成本、求職時間、求職渠道、需求情況和就業指導等五個方面。因此，我們選取監測東北師范大學2011屆數學與統計學院本科畢業生就業狀況質量維度中就業過程滿意度具有可行性。

首先進行監測數據樣本的采集，在2011屆數學與統計學院本科畢業生中，隨機選取30名，編號為XS01至XS30，匯總這些畢業生的就業過程滿意度數據（見表1）。

（二）主成分分析提取監測指標主要信息

我們綜合運用主成分分析、聚類分析、相關分析、因子分析的方法對抽取的樣本數據進行分析研究。首先，主成分分析可以將多變量簡化為較少綜合變量，對數據進行降維，降維后的變量是原來變量的線性組合，反映原變量的絕大多數信息，使信息的損失較小。也就是說主成分分析可以把原來多個指標減少到一個或幾個綜合指標，并且這些少量的綜合指標能夠反映原來多個指標所反映的絕大部分信息。指標的減少有利于進行下一步的計算、分析和評價。下面，我們通過使用DPS軟件對上述數據進行分析。DPS軟件可用來對高維大容量的數據進行多種統計分析及運算，使我們根據其輸出結果對分析對象產生結論。

表2 主成分特征值和貢獻率

表2是經過主成分分析計算出來的各個主成分的特征值和貢獻率。方差貢獻率的大小反映了各個主成分的重要程度，即方差貢獻率大的說明該成分可以解釋較多的原始變量數據。在統計學中普遍認為，主成分的累積貢獻率達到85%以上即可，用少數幾個主成分代表原來多個指標的絕大部分信息。由表2可見，前兩個主成分的累積貢獻率達到了88．12%，超過了85%，所以只選取前兩個主成分即可保留原始指標的絕大部分信息，具有一定的代表性。

表3 各主成分載荷

由表3可見，第一主成分與每個原始指標都存在正相關，其是一個綜合指標；第二主成分與“求職成本”有相對較大的正相關，與“求職時間”的關系相對較小，而與“求職渠道”、“需求情況”和“就業指導”存在一定的負相關。因此，我們認為根據第一主成分可以評價“畢業生就業過程滿意度”整體滿意程度的高低，根據第二主成分可以評價畢業生對“求職成本”的滿意程度。

表4 畢業生就業過程滿意度主成分、綜合因子得分與排名

續表4

表4呈現的是各主成分與綜合因子的得分，反映了畢業生就業過程滿意程度，得分越高滿意程度越高；同時反映了綜合因子排名與第一主成分排名是一致的，而與第二主成分的排序相差較大。根據綜合因子得分的高低，可以判斷“畢業生就業過程滿意度”整體滿意程度高低。我們分析，畢業生XS01對就業過程整體滿意程度最高，XS28、XS30次之，而畢業生XS16對就業過程整體滿意程度最低；根據第二主成分得分我們分析，畢業生XS04對“求職成本”滿意程度最高，畢業生XS05次之，而畢業生XS10對“求職成本”滿意程度最低。

（三）聚類分析分類監測指標

我們在主成分分析的基礎上采用聚類分析對數據做進一步挖掘。聚類分析是將樣本中的各項指標之間的“性質”進行直接比較，將性質較為相近的歸為一類，性質差別較大的歸為不同類。通過上述分析我們知道，第一主成分的貢獻率沒有超過85%，如果僅僅按照第一主成分得分來進行聚類分析，會因為信息量不夠多，而存在一定片面性。因此，對前兩個主成分得分進行系統聚類分析，采取較為廣泛使用的歐式距離、離差平方和聚類法，具體結果如圖1所示。

圖1 聚類譜系

根據聚類圖，并結合表4綜合因子得分，可將隨機抽取的30位畢業生對“就業過程滿意度”分成4個等級，即畢業生XS01、XS28、XS30對“就業過程滿意度”屬于很高等級；畢業生XS02、XS04、XS05、XS13、XS14、XS17、XS18、XS19、XS20、XS21、XS25、XS26、XS29對“就業過程滿意度”屬于較高等級；畢業生XS03、XS06、XS08、XS09、XS10、XS23、XS27對“就業過程滿意度”屬于一般等級；畢業生XS07、XS11、XS12、XS15、XS16、XS22、XS24對“就業過程滿意度”屬于較差等級。每一類等級均包含了足夠的樣本，表明我們的分類具有一定的代表性。

（四）相關分析檢驗監測指標關聯性

接下來我們采用相關分析法探索數據變量間的相關性，見表5。

表5 相關系數矩陣

在表5中，r表示變量間的相關系數，從表中可以看到：在第二列，即求職成本（X（1））與其他四個因素X（2），…，X（5）的相關性數據，其中求職成本與求職時間存在較高的相關性（相關系數為0．8374），與求職渠道、需求情況、就業指導存在一般的正相關。因此，我們有理由初步認為求職成本和求職時間相結合綜合表達了一定的信息，即畢業生在就業過程中，求職成本和求職時間二者是緊密相連。說明畢業生花費求職時間多，也將帶來求職成本的增加；反之畢業生花費求職時間少，也將帶來求職成本的減少。而畢業生求職渠道、需求情況、就業指導綜合在一起表達了另外一部分信息，即畢業生在就業過程中，其求職渠道與需求情況和高校對畢業生的就業指導存在較大相互影響關系。

（五）因子分析驗證相關分析結論，總結監測結果

接下來，通過因子分析法進一步找到之前我們初步斷定的變量之間的關聯性。由于因子分析和主成分分析一樣需要先求出各個變量的特征值及方差貢獻率（見表6），根據方差累計貢獻率超過85%的原則，我們選取前兩個因子。表7是經過計算處理后的因子結構矩陣，從表7中我們可以看出：對于X（1）和X（2），由于因子2相對于因子1大，故在這兩個因素中因子2發揮的作用占主導地位；而對于其他三個因素，因子1相對于因子2大，則因子1起主導作用。這里，我們可以給因子1定義為“主觀因子”，給因子2定義為“客觀因子”。“主觀因子”表達畢業生在就業過程中的主觀滿意度；“客觀因子”表達畢業生在就業過程中的客觀滿意度。

表6 因子方差貢獻率

表7 因子結構矩陣

下面我們專門針對變量進行R型聚類來驗證由上述因子分析得到的結論。由圖2可以看出，系統建議我們所有的五個因素可分為兩大類，即求職成本和求職時間歸為一類，也就是求職成本與求職時間相關程度較高；求職渠道、需求情況、就業指導歸為另一類，也就是求職渠道、需求情況、就業指導這三類相關程度較高。這與我們通過因子分析得到的結論相一致，并進一步說明了我們定義的“主觀因子”和“客觀因子”具有代表性。也就是“主觀因子”表達畢業生在就業過程中的主觀滿意度，主要反映在畢業生受主觀影響的求職成本和求職時間上；“客觀因子”表達畢業生在就業過程中的客觀滿意度，主要反映在畢業生受客觀影響的求職渠道、需求情況和就業指導上。因此，以上分析綜合解釋了原始數據的主要信息。

圖2 R型聚類譜系

三、結 語

多元統計方法善于對多個因素同時進行分析，不易遺漏主要信息，便于控制干擾因素對結果造成的影響。因此，將多元統計分析應用于高校畢業生就業狀況監測體系研究，有利于解決高校畢業生就業狀況監測所涉及指標眾多、類型復雜等諸多問題。本研究選取高校畢業生就業狀況監測體系中一個點位即就業質量監測指標中的畢業生就業過程滿意度進行分析，是一個例證研究。該例證研究聯合應用了主成分分析、聚類分析、相關分析、因子分析等多元統計方法，其評價結果基本一致，說明研究是科學、合理、準確的。因此，通過本研究表明，應用多元統計分析可以進一步監測高校畢業生就業狀況的其他維度指標，進而確保高校畢業生就業狀況監測權威、全面。

［1］劉海濱，徐文．高校畢業生就業狀況監測指標體系分析與建構［J］．東北師大學報：哲學社會科學版，2011（2）：170．

［2］薛冬梅，孫王杰．多元統計方法在遼寧省工業主要行業經濟效益評價中的應用［J］．吉林化工學院學報，2007（6）：80．

［3］Richard A Johnson，Dean W Wichern．實用多元統計分析［M］．陸璇，譯．北京：清華大學出版社，2001：48．

［4］王成營．應用多元統計方法分析學生知識結構［J］．孝感學院學報，2009：41．

［5］徐小萬，羅少波，雷建軍，李穎，王恒明．多變量統計方法及其在農作物環境脅迫研究中的應用［J］．中國農學通報，2009（25）：268．

Based on Multivariate Statistical Analysis to Monitor the Employment Situation of College Graduates in the Application

ZHU Chun－nan1，FAN jun2，ZOU Yun－long1
（1．Ideological and Political Education Research Center，Northeast Normal University，Changchun 130024，China；2．Institute of Marxism，Northeast Normal University，Changchun 130024，China）

Employment of college graduates condition monitoring system is complex system engineering．In this paper，which is based on quantitative，using cluster analysis，correlation analysis and factor analysis and other methods which are involved in multivariate statistical methods principal component analysis．In other words，it is the method combining quantitative analysis and qualitative evaluation，studying the employment situation for college graduates monitoring．It aims to build a scientific and effective method of monitoring the employment situation of college graduates，improving the scientific and timeliness of employment situation of college graduates．

Employment of college graduates condition；Monitor；Multivariate statistical analysis

G64

A

1001－6201（2012）01－0165－06

2011－10－20

教育部哲學社會科學研究重大課題攻關項目（09JZD0034－2）；吉林省教育廳“十一五”社會科學研究項目（202209235）。

朱春楠（1971－），女，吉林長春人，東北師范大學思想政治教育研究中心講師，東北師范大學馬克思主義學院博士研究生；范軍（1948－），男，吉林榆樹人，東北師范大學馬克思主義學院教授，博士生導師；鄒云龍（1973－），男，吉林梅河口人，東北師范大學思想政治教育研究中心副教授，東北師范大學馬克思主義學院博士研究生。

［責任編輯：何宏儉］