羅金煥,姚 珧,楊明秋,高全歸
(1.玉溪師范學院 物理與電子工程學院,云南 玉溪 653100;2.玉溪師范學院 學生處,云南 玉溪 653100)
對畢業生就業去向有一個整體的了解是指導畢業生高質量就業的前提,對大學生就業率進行預測不僅可以幫助高校和教育部門了解大學生就業趨勢,還能為就業指導老師提供指導方向以此促成畢業生高質量就業.
大學生就業率的預測有很多種方法,如專家系統預測[1,2]、多元回歸分析預測[3]和灰色系統理論預測[4]方法.灰色系統理論主要研究“部分已知,部分未知”的對象[5],非常適合就業預測.本文將2014-2022 年云南省某地方高校畢業生的就業去向劃分為“已就業”“升學和入伍”“編制內就業”和“編外就業”4 類,運用灰色系統理論中的GM(1,1)模型預測該校2023 年的就業情況.并探討出一種誤差修正的方法,給出預測誤差.
如果有一個有序的序列可寫為[6]
該序列中的每一項都是非負項,則可以對該序列進行運算,運算后得到
通過上述運算可以得到新的序列,即一次累加序列為
方程(3)中的序列S(1)(k) 呈現出的變化趨勢可以近似的用微分方程表示出來.可將該微分方程寫為[6]
方程中的a,b為模型參數,這兩個參數可以由以下計算得出.[4]取
其中,
利用(6)式和方程(1)(3),就可計算出參數a和b.利用參數a和b就可以求解微分方程(4).方程(4)離散形式的解可寫為[6]
考慮初始條件S(1)(0)=S(0)(1),上式可改寫為[6,7]
考慮到對序列預測時,本方法認為前t0-1 個數據點是已知的,從第t0個數據點才需要進行預測.根據誤差構建新的誤差序列
采用類似方程(2)的運算,得到新的序列
建立與方程(4)相似的微分方程,對其求解,得到誤差方程的解,表示為
將該方程的解轉化到原始誤差序列,可得誤差修正項可表示為:
綜合方程(8)和(13)可得到較為精確的修正預測結果.
統計2014-2022 年云南省某地方高校畢業生就業數據,為了準確區分就業類型,本研究中統計的就業人數不包含自由職業者,本文將類別為:出國工作、地方基層就業、國家基層就業、科研助理、其他錄用形式、簽就業協議形式就業、簽勞動合同形式就業、簽約、研究生、應征義務兵、自主創業、地方特崗教師、國家特崗教師、西部計劃、三支一扶、第二學士學位、參加公招考試錄用、選調生、專升本人數加總后界定為就業總人數;將類別為:研究生、第二學士學位、應征義務兵、專升本人數加總后界定為升學和入伍總人數;將類別為:地方基層就業、國家基層就業、地方特崗教師、國家特崗教師、西部計劃、三支一扶、參加公招考試錄用、選調生人數加總后界定為編制內就業總人數;將類別為:出國工作、科研助理、其他錄用形式、簽就業協議形式就業、簽勞動合同形式就業、簽約、自主創業人數加總后界定為編制外就業總人數.利用已有數據,可計算出2014-2022 年的就業率(就業人數與畢業人數的比值),各年就業率見表1.
表1 2014-2022 年云南省某地方高校整體就業率
表1 中給出了云南省某地方高校2014-2022 年的整體就業率,為了進行模型預測誤差的修正,在實際計算中,首先以2014-2016 年(3 年)的就業率為已知序列預測,模型預測出的2017 年就業率為70.99%,該校2017 年的實際就業率為73.77%.模型預測結果與當年的實際就業率的差就是模型預測的誤差,由此可得到2017 年的模型預測誤差.以此類推,可得到2017-2022 年的模型預測誤差序列.以此序列為基礎,根據本文1.2 節的方法可計算2023 年的模型預測誤差.
本文模型的預測結果見圖1.圖中,黑色數據點為實際就業率,淺黑色數據點為模型預測結果,圖中給出了2023 年就業率的預測誤差.
圖1 云南省某地方高校2023 年整體就業率預測
在此需特別說明2018 年的就業率比2017 年大幅度上升,模型預測數據與真實數據存在較大偏差,其原因是2018 年人力資源社會保障部印發了一些就業政策,其中在《關于做好2018 年全國高校畢業生就業創業工作的通知》中指出要把高校就業放在首要位置,鼓勵畢業生到基層和艱苦地方工作,鼓勵中小企業和民營企業聘用高校畢業生等,這些政策擴大了市場人才需求,使2018 年大學生就業率大幅度上升.圖1 中的實際就業率體現了政策在實際就業中的指導作用,而模型預測無法體現就業政策的影響,這導致2018 年的就業率的預測誤差較大,2019-2021 年的預測誤差明顯減小.同時也表明模型預測具有時間積累效應,而就業政策能起到立竿見影的效果.模型預測結果表明,2023 年云南省某地方高校的畢業生就業率預計為(81.4±3.1)%.
表2 統計了2014-2022 年云南省某地方高校畢業生升學和入伍的比例.采用與整體就業率預測的相同方法,可以預測2023 年入伍和升學人數所占的比例.預測結果由圖2 給出,圖中黑色數據點表示2014-2022 云南省某地方高校畢業生實際的升學和入伍比例,淺黑色數據點表示的是模型的預測結果.模型的預測結果表明,云南省該高校2023 年入伍和升學人數占畢業生的比例預計為(9.95±0.80)%.同時,由圖可見,模型預測結果逐漸趨于穩定,這一結果也表明,將升學和入伍作為一個整體進行預測是合理的.
圖2 升學入伍就業率預測
表2 升學和入伍占畢業生比例
表3 統計了2014-2022 年云南省某地方高校畢業生編制內的就業率.利用模型可分別預測2023 年的編制就業率和預測誤差.
表3 編制內就業率
預測結果由圖3 給出,圖中黑色數據點表示2014-2022 云南省某地方高校畢業生編制內就業率,淺黑色數據點表示的是模型的預測結果.模型的預測結果表明,該校2023 年畢業生編制內的就業率預計為(4.6±3.7)%.這一預測結果的誤差較大,其主要原因是2020 年時,由于疫情帶來的就業壓力,云南省組織了規模較大的“613”事業單位專項招聘,使得2020 年的編制內就業率明顯增加.模型預測中無法考慮這一因素,因而,預測誤差較大.這一結果與實際情況相符,預測結果是合理的.
圖3 畢業生編內就業率預測
表4 統計了2014-2022 年云南省某地方高校畢業生的編外就業率.利用模型可分別預測2023 年的編外就業率和預測誤差.圖4 中黑色數據點表示2014-2022 云南省某地方高校畢業生編外就業率,淺黑色數據點表示的是模型的預測結果.由圖4 看,該高校2023 年編外就業率預計為(69.3±3.6)%.
圖4 編外就業率預測
表4 編外就業率
本文基于灰色系統模型GM(1,1)開展了云南省某地方高校畢業生就業去向的預測,考慮到灰色系統模型預測的不準確性,本文提出了一種基于灰色系統預測誤差修正的方法.利用灰色系統模型,并考慮誤差修正,計算結果表明,云南省某地方高校2023 年整體就業率預計為(81.4±3.1)%,其中升學和入伍的人數占比預計為(9.95±0.80)%,編制內就業率預計為(4.6±3.7)%,編外就業率預計為(69.3±3.6)%.
灰色系統模型完全根據過去幾年的就業數據預測未來的就業情況,無法考慮就業政策,社會環境等方面對就業的影響.因而,灰色系統模型的預測會存在誤差,但本文考慮了預測誤差的修正,能夠提高預測精度.