基于主成分分析法的大学生就业质量评价

汪岳林

基于主成分分析法的大学生就业质量评价

汪岳林

摘要:当前大学生就业质量下降的问题受到社会和高校管理者的关注。本文从工作满意度、职业发展前景、人职匹配度、薪金水平、单位性质和工作地区流向六个就业质量评价指标对安徽省2011—2013 年大学毕业生就业质量情况进行了抽样调查， 利用主成分分析法分组比较分析了不同学科间、各年度间毕业生就业质量的差异及变化趋势。

关键词:大学毕业生；就业质量评价；主成分分析

大学生们在大学期间都接受了高素质的教育，很容易找到一份工作，但是要想找到适合自己的、薪资待遇比较满意的工作却很难。现在的大学生在找工作的时候会考虑到很多因素，每一个因素的考虑都会减少大学生选择工作的机会。迄今为止，针对大学生就业质量的研究主要集中在对于其评价指标的研究，其中常用的研究方法为主成分分析法。

1主成分分析法概述

作为一种数学领域的变换方法，主成分分析法凭借线性变换将一组既定的相关变量转变成为一组不相关的变量，新得到的变量以方差递减为依据按顺序进行排列[1]。在这个过程中始终保持不变的是总方差，这样能够让第一变量的方差保持最大化，我们将之称作第一主成分，方差第二大的我们称之为第二变量，第二变量和第一变量之间没有关系，我们将第二变量称作为第二主成分。这样我们就会得到第i个主成分[2]。

其中Li为p维正交化向量(Li×Li=1)，Zi彼此间不存在关系，同时以方差为依据从大至小进行排列，那么Zi就被称为X的第I个主成分。我们将Σ设定为半正定对称矩阵，将特征值λi(根据由大至小进行排列)和它对应的特征向量，就能够证明，λi所对应的正交化特征向量，则第I个主成分Zi对应的系数向量Li，我们将Zi的方差贡献率设定成λi/∑λj,一般我们要求其所提取的主成分数量k满足∑λk/∑λj>0.85[3]。

2综合评价思路

第一步：首先应该将变量标准化，获得标准化数据阵Y，这样做的目的在于消除不同变量的量纲影响。

第二步：以标准化数据阵Y为基础，对6个原始指标的相关系数矩阵进行计算。

第六步：通过主成分分析法对毕业生就业质量的评价进行分析，从而获得毕业生各项指标的等级水平。

3结果分析

笔者凭借软件SPSS对769组2011—2013年的安徽省毕业生就业样本数据进行主成分分析，进而获得每个主成分的贡献率和累积贡献率,如表1所示，根据表格中的数据我们将使用前3个主成分来评价被调查的毕业生的就业质量。同时这3个主成分将每个主成分方差的贡献率的权重作为对应指标的线性组合，这样就能够得到被调查毕业生的就业质量的整体评分，同时我们根据所得到的情况再进行聚类分析，然后就能够得到每位被调查的毕业生的就业质量的等级水平。

表1　主成分的贡献率

y1=0.369x1+0.399x2+0.410x3+0.415x4+0.435x5+0.418x

y2=0.675x1+0.096x2+0.390x3-0.384x4-0.278x5-0.400x

y3=0.470x1-0.790x2-0.153x3+0.044x4+0.095x5+0.347x

我们根据第一主成分关于指标的线性组合表达式可以看出所选取的6个指标同就业质量之间的关系都为正相关的关系[5]。可是所选取的六个指标对大学生的就业选择的影响程度是不同的，也就是说其在大学生心目中的重要程度是不一样的。从高至低依次为：工作满意度，职业发展前景，人职匹配度，薪金水平，单位性质，工作地区流向。同时，我们还将抽样毕业生按照不同学科及不同年份进行分组比较，并讨论不同分组间就业质量的差异性。

3.1　学科不同毕业生的就业质量差异性分析

大学中的学科主要有人文类学科、经管类学科、理工类学科以及医学类学科这四种。笔者根据学生就业质量的不同把这几种学科分成一级、二级和三级来统计，通过对交叉表的应用来研究不同分组的学生在就业质量上存在统计差异与否，表2显示的是卡方检验的结果。 我们看到卡方检验的P值>0.05，因此当笔者将置信度设定为95%的时候，就能够确定不同学科的毕业生综合就业质量并没有很明显的不同。

表2　不同学科就业质量比较

3.2　毕业时间不同的大学毕业生就业质量分析

笔者将2011—2013年这三年的毕业生按照毕业时间进行分组，进行就业质量比较，可以看到2011—2013年期间的就业生综合质量为I级的毕业生越来越少，同时综合就业质量显示III级的毕业生越来越多。由交叉分析表我们能够看到卡方检验的P值<0.05，如表3不同毕业时间就业质量比较表，我们能够认为不同毕业时间的学生就业质量具有明显的差异。

表3　不同毕业时间就业质量比较

通过计算我们发现2011—2013年的大学毕业生就业质量的平均等级由从2011年的1.889下降至2012年的2.044 、2013年的2.143。因此，2011年毕业生就业质量就处于I级和II级之间的临界点，但是2012年和2013年已经超过了II 级，逐年下降。

4结语

本文在对数据进行分析后主要得到以下三点结论：

4.1　大学毕业生在择业的时候变得越来越理性

我们凭借主观性、客观性指标的比较，能够发现，现在的大学毕业生在对自身就业质量进行判断的时候，对于主观性的指标考虑的更多，对于客观性的指标却不是很重视。这些研究结果表明现在毕业生变得更加理性和成熟，对自己的未来能够有个比较清晰的认识，追求的是高层次的成就感和自我价值的实现。

4.2　安徽省这三年之间的大学毕业生就业质量不会因为学科的不同而有比较明显的差异性

这是因为我国越来越重视大学生的教育，教育市场发展较快，高校的专业的设置能够良好的对接市场需求。目前安徽省各个高校都能够同社会紧密的联系，其教学的改革也加强了不同学科之间的优势互补，将不同类别学科的毕业生就业的替代弹性不断提升，进而导致各学科之间的就业质量不会有明显的差异性。这也表明劳动力市场对大学毕业生的需求实际上是由毕业生的综合素质所决定的，并不是专业类型，也就是用人单位对毕业生专业对口的要求并不是很严格，其更重视的是毕业生在学校的时候凭借别的学习途径所培养的综合能力。因此当高中毕业生在填报志愿的时候，会区分社会各界所提及的“冷门”和“热门”专业，在总体方面来看大学生在就业的时候并不存在很明显的差异性，其中的差异性是由学生在学校就读时候对于本人综合素质进行培养所决定的。

4.3　最近这3年以来安徽省大学毕业生就业质量平均等级表现出来的是逐年下降的态势

但是虽然研究结果显示如此并不表示安徽省大学生的教育质量在降低。之所以会得出这样的结果，是因为当今社会的发展日益变快，这也就致使社会对人才的需求在不断的变化，已经不再是像以前简单的要求几个方面，而是要求求职的大学毕业生拥有综合素质和综合能力，能够应对工作中出现的很多问题。同时，我国出台的很多政策都是促使这种现象的原因，其中最为重要的原因就是整个高等教育正在从精英教育转变为大众化的教育，这样的一种改变就对大学生们提出了更高的要求，需要大学生们在就业方面能够实现从 “骄子”向“劳动者”的身份转换。在这个方面看来，本文的研究所得到的结果，大学生就业质量的变化从表面上看来是下降了，实际上是高等教育转变的一种体现，变得日趋合理和现实。

作为一种对指标进行分析的方法，主成分分析法是一种多指标分析方法已经被很多学者用来进行综合评价。因为其具备很多的优点：能够将评价指标之间的相关性消除，同时还能够保证在指标相对比较多的时候能够将很多信息保留下来。现在的大学生在找工作的时候会考虑到很多因素，每一个因素的考虑都会减少大学生选择工作的机会。迄今为止，针对大学生就业质量的研究主要针对的是对于其评价指标的研究，很少有研究重视实证性的评价，在评价方面采用的最多的是主成分分析法。

[参考文献]

[1]潘安娥，杨青.基于主成分分析的武汉市经济社会发展综合评价研究[J].中国软科学, 2005(07).118-121.

[2]代锋，吴克明.社会资本对大学生就业质量的利弊影响探析[J].教育科学, 2009(03).62-66.

[3]柯羽.高校毕业生就业质量评价指标体系的构建[J].中国高教研究, 2007(07).82-84.

[4]焦晓松，杨茜等.基于主成分分析的自主创新能力综合评价研究[J].商业研究, 2007(07).46-47.

[5]柯羽.大学毕业生就业质量现状调查及趋势分析[J].黑龙江高教研究, 2010(07).106-108.

责任编辑：李应青

收稿日期：2014-12-20

基金项目：滁州学院科研项目(2014GH26)

作者简介：汪岳林，滁州学院机械学院讲师，硕士，研究方向：思想政治教育(安徽 滁州 239000)。

中图分类号:G647

文献标识码：A

文章编号：1673-1794(2015)02-0105-04