滁州学院毕业生的就业质量评价分析——以数学与金融学院为例

刘 洋，胡贝贝，蒋 李

滁州学院毕业生的就业质量评价分析
——以数学与金融学院为例

刘 洋，胡贝贝，蒋 李

当前大学生就业质量下降的问题广受学术界和管理层的关注。本文从主客观两个方面设计了6 个具有典型性、代表性的就业质量评价指标，对滁州学院数学与金融学院2013-2015届的大学毕业生生就业质量状况进行了抽样调查，并利用主成分分析法分组比较分析了各学科间、各年度间毕业生就业质量的差异及变化趋势，从实证分析角度对大学生就业质量作理性评价。

主成分分析；spss软件；就业质量评价；指标数据标准化

从1999年起,各高校积极响应国家号召在各地区实行扩招政策，十八年的飞速发展使得我国的高等教育开始由“部分教育”进入“普遍教育”阶段。高校短时间大量扩招，导致部分高校教学硬件和软件跟不上，导致教学质量不同程度的下降，导致毕业生就业质量下降。

为了解决这一难题，我们运用spss软件，通过主成分分析法对滁州学院数学与金融学院2013-2015届的大学毕业生就业质量进行研究，在指标体系的创建中借鉴了海内外学者的先进理念。首先对选取的大学毕业生就业质量进行一个随机的抽样。其次运用软件对数据建立一个观测样本矩阵，然后进行数据标准化以待后面使用。最后利用spss对数据进行PCA分析，可以得到我们想要的结果，根据输出结果的贡献率累积，除去影响较低的因子，保留影响较高的因子，建立特征方程的主要成分，设立大学生就业质量评价的数学模型，探讨就业质量是否存在显著差异。就《主成分分析在大学生就业质量评价中的应用》的结果对即将毕业的大学生给予就业方面更加理性的意见以及建议。

1 大学生就业质量评价指标的选取

根据国内外学术论文关于大学生就业质量评价的研究，依循了可比性、一致性、数据的可获得性等原则后，又根据客观性和主观性，将薪水水平、就业地区分类以及就业单位性质划为3个客观性指标，将专业对口情况、职位满意度以及个人发展前景划为3个主观性指标。

1.1 客观性指标

1.1.1 薪水水平

工资是指依照法律法规，行业行情或者雇主雇员之间商定的雇主以货币形态支付雇员的劳动佣金。薪水是我们正常工作生活的保障。我们将大学毕业生就业第一年的月平均工资分为2000元及以下、2001元—2500元、2501元—3000元、3000元以上共计4个部分，分别以1、2、3、4区分统计。

1.1.2 就业地区分类

由于不同的就业地点，大学毕业生的可能得到工资待遇和机遇也就有所差别，通常情况下越繁华的城市，薪资越高，找到好工作的机遇越大。在一线、二线城市，大学毕业生也能有更多更好的就业选择以及更高薪水的可能。所以，工作地点同样是体现就业质量的关键指标。通常情况下我们把中国都市区分为一线、二线、三线及四线城市。将一线、二线、三线以及四线城市分别以1、2、3、4区分统计。

1.1.3 就业单位性质

由于各个单位的性质不同，工作的环境和工资的待遇也会有所不同，因此大学生的就业单位对就业质量有较大影响，工作单位同样是就业质量评价中的考虑因素。我们将就业单位划分为企业、事业单位、国家行政机关、其他等4类以体现就业单位性质这一指标，分别以1、2、3、4区分统计。

1.2 主观性指标

1.2.1 专业对口情况

依据心理学原理和科学分析方法，主要是对“人员分析”和“职业分析”这两个方面分别进行测试和评价，接着再对二者的一致性进行分析和匹配。我们将专业对口情况划分为对口、一般、不对口3个区间进行衡量，分别以1、2、3区分统计。

1.2.2 职位满意度

是指大学毕业生对自己现有工作职位的一个自我评价，就职的工作是否达到本身预期的要求，是对大学生就业质量水平判定的一项主要指标。我们用满意、一般、不满意3个区间来进行评估，以1、2、3区分统计。

1.2.3 发展前景

是工作者对自己从事的工作发展状况的一个未来期望，职业发展就是雇佣者促进员工获取现下及未来工作所需的技能、知识的一种计划。所以一个用人单位是否愿意培养就职人员的工作技能与专业水平对员工未来的发展有很大的帮助。因此，在这里我们将职业发展前景作为一个考虑因素，将其分为良好、一般、不好3个区间进行评估。以1、2、3区分统计。

2 指标量化及数据处理

根据就业质量的特性以及参考文献来看，创建的评价指标依次为：薪水水平、就业地区分类、就业单位性质、专业对口情况、就业满意度以及发展前景。

此次调查以安徽省滁州市滁州学院数学与金融学院信息与计算科学方向的2009级、2010级以及2011级本科大学毕业生作为此次数据调查的研究对象。采取随机抽取数据调查问卷的形式，分别就以上6个因素对大学毕业生就业质量问题进行一个抽样调查。

此次调查是通过查阅滁州学院数学与金融学院内2013届、2014届、2015届的毕业生就业情况资料、短信询问等方式进行的一个原始资料的收集。包含应收2013届毕业生问卷70份、收集问卷63份、有效问卷47份，应收2014届毕业生问卷55份、收集问卷52份、有效问卷31份，应收2015届毕业生问卷150份、收集问卷139份、有效问卷113份。共计应收问卷275份、收集问卷254份、有效问卷191份，收集达到92.36%，可以使用的达到75.20%。

2.1 各指标相关系数矩阵

运行spss软件，选择“分析”→“降维”→“因子分析”，把对话框中的6个数据指标导入到待分析变量框，选择“描述”→“统计量”→“原始分析结果”以及“相关矩阵”→“系数”后运行，得到表1结果。

表1 相关系数矩阵

3.2 特征方程及主成分确定

打开“抽取”→“方法”中“主成分分析”→“分析”选择“相关性矩阵”→“输出”选择“未旋转因子解”→“抽取”选择“基于特征值”后运行，得到表2结果。

表2 总方差解释

通常情况下选择特征值比1大的且累计贡献率超过75%的因子作为主成分，表2总方差解释能够看出，前4个指标的贡献率合计达已经有75.522%，如果舍去后面2个指标，丢失的贡献率仅有24.478%。

由此可见，保留下的4个指标大致上囊括了所有指标拥有的信息。通过调查数据可以得知，各个指标重要程度分别为：

薪水水平>就业单位性质>就业地区分类>就业满意度>专业对口情况>发展前景由表3成分矩阵可以得知：就业地区分类与就业单位性质在第1个因子上有相对较高的载荷，因此两个评价指标有一定的相关性，薪水水平与专业对口情况在第4个因子上有相对较高的载荷，因此两个评价指标具有一定的相关性，其他2个指标则分别在第2、第3个因子上有较高载荷。

表3 成分矩阵

表4 成分得分系数矩阵

根据表4成分得分系数矩阵可以得出以下主成分因子得分的函数：

F1=-0.516f1+0.381f2+0.522f3-0.127f4-0.073f5+0.039f6

F2=-0.088f1-0.496f2+0.200f3-0.284f4+0.317f5+0.673f6

F3=0.043f1+0.255f2+0.091f3+0.765f4+0.485f5+0.261f6

F4=0.137f1+0.033f2+0.172f3-0.344f4+0.756f5-0.510f6

F=0.311F1+0.233F2+0.230F3+0.226F4

其中，f1、f2、f3、f4、f5、f6分别表示为薪水水平、就业单位性质、就业地区分类、就业满意度、专业对口情况、发展前景。

4 结论与建议

基于滁州学院数学与金融学院2013-2015届大学生就业质量状况的抽样调查和给出的大学生就业质量评价指标，利用spss软件结合主成分分析，对抽样毕业生进行研究，得出如下结论：

第一，在研究的6个指标中，占据比例相对较大的依然是薪水水平，比例最小的是发展前景。说明毕业生在寻找工作中，对于薪水的期望还是很高，对于发展前景要求较低，关注点过于狭隘，忘记结合自身情况考虑职业的长远发展。

第二，薪水水平和专业对口情况在同一个因子上有较高的载荷，说明这两个指标的相关系数比较高；就业地区分类和就业单位性质在同一个因子上有较高的载荷，因此这两个指标的相关系数较高。相关系数过高在另一方面则指出了变量之间互相干扰程度较强。

[1] 亓彦伟. 大众化阶段高等教育质量问题研究[D]. 武汉: 华中科技大学,2006.

[2] 李倩. 大学毕业生就业促进机制的研究[D]. 郑州: 郑州大学，2011.

[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(7):82-84.

[4] 王晓晶. 大学毕业生就业质量评价指标体系及影响因素研究[D]. 石家庄: 河北师范大学,2015.

[5] 杨泰. “大学生就业难”问题分析与对策研究[D]. 东北师范大学,2005.

[6] 蔡明浩. 大学生择业意向的影响因素研究——基于对长沙市境内四所大学的调查[D]. 长沙:湖南师范大学，2006.

[7] 李小胜,陈珍珍. 如何正确应用spss软件做主成分分析[J]. 统计研究,2010(8):105-108.

责任编辑：刘海涛

G647

A

1673-1794(2017)02-0078-03

刘洋，胡贝贝，滁州学院数学与金融学院讲师;蒋李，滁州学院数学与金融学院(安徽 滁州 239000)。

安徽省教育厅教学研究项目(2016jyxm0729)；安徽省大学生创新创业训练项目(201610377012)；滁州学院大学生创新创业训练项目(2016CXXL015);数学建模省级视频公开课(2012gkk041);安徽省级教学团队(2014jxtd040)

2016-07-18