高校畢業生就業預警變點統計方法研究*

謝 菲，付 宇（南京航空航天大學民航學院，江蘇南京，210016）

高校畢業生就業預警變點統計方法研究*

謝 菲，付 宇
（南京航空航天大學民航學院，江蘇南京，210016）

以教育部畢業生就業預警區域劃分為指導，采用多元線性回歸模型變點的統計方法，對高校畢業生一次就業率變點識別的關鍵問題進行了分析，結合某高校實際數據對本方法進行了檢驗和論證，定量明確了大學生就業相關影響因素。

就業預警；變點識別；多元回歸

0 引言

隨著人才市場競爭在國內日益激烈，高校畢業生就業壓力與日俱增。畢業與就業之間的雙重矛盾突出，就業預警機制的亟待建設，已經成為高校畢業生就業問題研究的重要議題。受全球金融危機、大學擴招、專業設置、結構性人力資源失衡等因素的影響，全國的就業形勢目前變得異常嚴峻。國內對就業預警系統的研究還處于起步階段，對高校就業預警線的劃定和就業指標體系構成的探討主要集中于定性分析，忽略了對其定量的探討研究，缺乏實證基礎。因此，文中基于多元線性回歸變點分析方法，結合預警理論與技術，以某部屬高校2006-2012就業白皮書相關調查數據為例，識別并做出回歸系數變點存在與否的判決，探討高校畢業生就業預警系統的建立。

1 回歸變點問題

在回歸方程中，保持總體回歸規律不變，相應的回歸系數起突變之點就是回歸變點。為易于理解，假設在一元線性回歸變點模型中，X是自變量，Y是因變量，取n次觀測值：。設當時，）服從線性回歸模型，即；而當時，則服從線性回歸這里ei為模型中的隨機誤差。如果或

，

則在m點處該回歸方程系數不等，即稱m為回歸變點。

2 線性回歸變點模型

2.1變點模型建立

假設y(t)為回歸系統在某連續時間段0≤t≤1內輸入p個變量后的輸出函數，其回歸系數在t=t0發生變化：

將模型（1）中的回歸系數用如下向量表示：

實際系統中往往是N個離散變量：

構造y(t)從而將離散模型連續化為（1）式，約束條件為（3）式。

2.2變點的估計

用帶約束條件的加權最小二乘法，可估計單變點情形的多元線性回歸模型變點。

2.2.1目標函數

引入分塊矩陣和向量：

并記

（7）及（8）將（6）表示為：

2.2.2估計步驟

根據估計分析，多元回歸變點離散模型中變點和回歸系數的估計步驟如下：

在新形勢背景下的電力市場的營銷模式中，發電企業與大用戶之間的直接交易，是一種重要的市場營銷模式，且這種模式運行起來較靈活。在與大用戶的直接交易中，通過對電力資源進行合理配置，以此來實現市場營銷模式的豐富內涵。隨著市場經濟的不斷發展，大用戶直接交易也逐漸由管制模式向市場模式轉型，最后實現了電力市場的營銷模式，大用戶直接交易是推動我國電力市場改革的關鍵步驟，不僅為電力用戶提供了大量的電力資源，而且有效推動了電力企業的發展，進而平衡了需求與導向之間的電力交易關系。現階段，針對我國電力大用戶與發電企業之間的相互需求，電力公司應建立一個交易平臺，使電力資源得到合理配置，避免電力信息出現不平衡的現象。

2.3變點有無的檢驗

當樣本N較大時，本模型中變點存在與否的檢驗近似采用均值變點檢驗法：當時，對原假設否定（即存在變點）。說明如下：

（1）其中S是在無變點存在的假設下回歸系數加權最小二乘估計的目標函數的最小值，即

（4）設定顯著水平α，計算C值進行判定。式中p為自變量個數。

3 模型應用

3.1數據來源

本文以大學生一次就業率為因變量（樣本高校指標）Y，城鎮登記失業率（高校所在省份的指標）X1、當年畢業生人數（樣本高校指標）X2、畢業生平均薪資水平（樣本高校指標）X3、工作去向滿意度（樣本問卷調查）X4、求職環境滿意度（樣本問卷調查）X5為自變量建立線性回歸變點方程。

（1）大學生一次就業率反映大學畢業生截止每年8月31日的簽約情況，在大學生失業率難以統計的情況下，一次就業率Y（單位：%）在一定程度上反映了大學生就業形勢的嚴峻程度，并且比年終就業率更能反映實際的就業態勢。本文以大學生一次就業率作為因變量。

（2）求職困難度用以衡量大學畢業生求職的困難，當大學生求職困難度達到一定程度的時候可以認為大學生就業形勢惡化。求職困難度影響因素包括客觀因素和主觀因素。客觀因素方面，采用城鎮登記失業率X1（單位：%）和當年畢業生人數X2（單位：人數）兩個指標衡量。主觀因素方面，使用大學畢業生獲得的平均薪資水平X3（單位：人民幣元/月）來側面反映社會對大學生的認可程度。

（3）就業滿意度是評價大學生就業形勢的必要輔助指標。工作滿意度是大學生對已簽約單位的滿意程度X4（單位：%）；求職環境滿意度是大學生對我國就業政策、市場導向、高校就業服務等環境因素的滿意程度X5（單位：%）；工作去向滿意度、求職環境滿意度均以畢業生問卷調查方式得到。

3.2變點搜索結果

表1　變點搜索檢驗結果

3.3SPSS結果分析

經過源數據變點搜索，一次就業率的變點發生位置在2008年度，但需要從統計角度進行驗證分析在眾多變量中是由哪些變量引起一次就業率的變化。SPSS的統計結果如表2-表4所示：

表2　變量進入/退出模型情況

表2是擬合過程中變量進入/退出模型的情況記錄，模型1表示變量全部引入方程；模型2剔除了變量“工作去向滿意度”，模型3 剔除了變量“工作去向滿意度和城鎮登記失業率”，原因是這兩個變量的F值概率均大于0.1。以下模型含義均相同。

表3　擬合模型的情況

表3 中： R是模型相關系數，取值范圍是0-1，表示因變量變化由自變量引起的比重。R2越接近1，表明模型擬合度越好，反之自變量與因變量之間無關聯。一般分析時以R2的調整值為準。本表格說明隨著變量的剔除調整值在增大，由于剔除了“城鎮登記失業率”后，判定系數略微減小，說明“城鎮登記失業率”對一次就業率還是有影響的。

D.W（Durbin-Watson）檢驗：d-w=2時，殘差序列不存在自相關。殘差序列不存在自相關，可以認為回歸方程基本概括了因變量的變化；否則，認為可能一些與因變量相關的因素沒有引入回歸方程或回歸模型不合適或滯后性周期性的影響。在包括“求職環境滿意度， 平均薪酬水平， 畢業生總人數”的模型3 中d-w=1.983，說明 剔除了“工作滿意度和城鎮登記失業率”后回歸方程不存在自相關。

表4　擬合模型的方差分析表

F=平均的回歸平方和/平均的殘差平方和， F值越大表明自變量對因變量的解釋能力越強。從表4中可以看出，剔除了“工作去向滿意度和城鎮登記失業率”后，模型3的顯著性水平達到0.000，表明其回歸模型有意義。逐步剔除無效變量的過程中，F值變大，說明只包含“求職環境滿意度、平均薪酬水平、畢業生總人數”的模型擬合度最好。

綜上所述，在影響一次就業率的因素中，“求職環境滿意度、平均薪酬水平、畢業生總人數”對其影響最大，“城鎮登記失業率”其次，“工作去向滿意度”影響可以忽略。因此，可以從對大學生就業相關影響因素相關性更強的“求職環境滿意度、平均薪酬水平、畢業生總人數”進行監測，在信息分析的基礎上預報就業形勢變化，并根據警戒線發布警情，以利于政府管理者調控大學生就業形勢，高等學校積極準備應對預案，畢業生個人調整就業預期、提升個人素質。

4 總結

高校就業問題是一個復雜的系統工程，本文以就業率及其影響因素指標為例，建立多元線性回歸變點模型，詳細論述指標參數量變辨識中多元線性回歸變點的估計、檢驗，以統計定量分析方式明確高校畢業生相關就業影響因素。定量的就業預警機制可以在事件發生前的一段時間就對即將發生的事情進行迅速監測和預期，比起定性的判斷更易掌握，而且實效性更強。針對就業預警信號的發出，相關部門可以盡快發現、分析、判斷就業形勢并做出及時反應，以盡可能地提高畢業生的就業率，減小就業壓力對社會造成的沖擊，為早發現問題、調整政策提供依據。

［1］ 倪榮臻.大學生職業生涯教育有效途徑探索［J］.河南社會科學，2009（6）：210—212.

［2］ 謝愛國，任志濤，蹤程.大學生就業預警系統及其指標體系研究［J］.現代教育管理，2009（2）：111—113.

［3］ 鄒治，陳萬明.關于構建高校畢業生就業預警系統理論模型的探討［J］.高教探索，2010（2）：117—122.

Analysis of statistical method of early warning change-point of university graduates employment

Xie Fei，Fu Yu
（College of Civil Aviation， Nanjing University of Aeronautics and Astronautics，Nanjing，210016）

Guided by the ministry of education graduates employment early-warning zoning， using the statistical method of multiple linear regression model change-point，the key issues of change-point identification of first time employment status of college graduates were analyzed.This model was tested and demonstrated in combination with the actual data of one university，and quantitatively clarified the related influencing factors of the university student employment.

Employment early warning；Change-point identification；Multiple regression

G640

A

本文系2013年教育部人文社會科學研究項目立項課題“社會主義核心價值觀在高校的內化與實踐研究——基于輔導員視角”（13JDSZ3023），2013年度江蘇省高校哲學社會科學研究項目立項課題“大學生就業能力演化及動力機制研究” （2013SJDFDY062），江蘇省教育科學“十二五”規劃2013年度課題“大學生就業能力演化與提升路徑研究” 的成果之一。

謝菲（1980-），女，江蘇南京人，博士研究生，講師，研究方向：高等教育。