一种基于Logit模型的高职学生就业指导测试评估方法

张佳

（无锡开放大学，江苏 无锡 214011）

高职院校毕业生就业需要学校进行全面的职业和学业指导，帮助他们制定个人的专业学习与发展的规划，制定终身发展的职业规划。目前，已有专家对高职学生职业指导和规划的专家系统做了一些研究，但相对完善的职业指导和规划模型上比较单一，多局限于职业生涯规划知识的相关问题的咨询，影响因素分析不足、模型分析不完善。因此，需要一种考虑多元素影响的高职院校学生就业指导测试评估模型，并基于模型进行一定的科学性分析，以帮助高职学生了解自身特性，更好地实现自我发展规划。

本文分析毕业生是否能够顺利就业、是否能够高质量就业、是否能够获得较大的职业发展的几率，属于“二元型响应”类现象。

一、Logit模型在建模方面的应用

Logit模型，英文全称Logit model，也可理解为“评定模型”或“分类评定模型”，又称为Logistic regression，译为“逻辑回归”，是离散选择法模型之一，属于多重变量分析范畴，是社会学、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。

在评估毕业生是否能够顺利就业、是否能够高质量就业、是否能够获得较大的职业发展等问题时，其中一个重要因素是毕业生自身的职业能力和职业发展能力。但从计量经济学的角度讲，其影响因素的取值却只有两种状态：是与否。这在计量经济学中称为“二元型响应”现象,即随机变量Yi∈[0,1](“1”表示“是”,“0”表示“否”）。对0 -1的模型设定形式，通常可选择(逻辑)生长曲线形式,即为Logit模型。Logit模型逻辑分布（Logistic distribution）公式：

式（2）有两个重要特征:一是随着i→∞时pi趋向于于K,K为pi的饱和值;反之,一是随着i→-∞时pi趋向于0;若K=1,这两个特征是满足一般经济现象变化的特点。

为了使式（2）能够进行估计,并且消除pi与Zi以及pi与βj非线性关系,若记pi为事件发生的概率,当 K=1时,可以整理得到:

ln()既是X的线性函数,也是βj的线性函数。比率通常称为“机会比率”,即所研究的事件“发生”与“没发生”的概率之比。Logit模型是解决“二元型响应”类现象的模型之一。

二、基于logit模型的高职学生就业评估模型

在职业评测模块中，用Agent来定义各个子模块的需求和实现，它能够根据自身所携带的信息自主地完成预定义的操作。在职业评测模块的每个Agent中，我们需要知道哪些因素是对学生职业的评测有影响作用，从而可以根据这些因素，制订相应的评测试题。下面就学业评估模块中的评估指标进行实证分析。

影响学生学业和职业能力的因素很多，有宏观，也有微观。本文主要从大学生专业学习的微观因素出发，从个人特点和专业要求入手，选取相关重要指标研究大学生学业能力对职业评测的影响。如附表1所示。

（1）学生个性特点与专业学习要求。选取变量X1为个性特点与专业要求是否吻合（X1=1吻合，X1=0不吻合或不太吻合）。如研究型性格特点：严禁缜密、勤学好问，善于观察分析、逻辑推理，喜欢以理性思考的方式探究事物。适合学习的专业：数学、物理、化学、生物等理工科专业。如社会型性格特点：热情友善、偏爱与人打交道。社会型性格的人最大特征是活力。适合学习的专业：法学、社会学、政治学等偏文科的专业。

（2）是否有浓厚的专业学习兴趣。只有对自己所学专业具有浓厚的兴趣，才能学好学精。选取变量X2为专业学习兴趣（X2=1兴趣很浓，X2=0兴趣不浓或没有兴趣）。

（3）已有相关能力或基础X3。如机械专业学习需要有力学基础、机械画图对于有美术基础的同学会较好等。一个专业学习基础很重要，同样，一门课程的学习也要有先续课程的基础。

（4）每学期专业课学习成绩X4。专业课平均成绩优秀、良好X4=1，成绩中等及以下X4=0。

（5）实践能力X5。为社会培养高素质、技能型人才，是高职院校的目标，运用知识分析解决实际问题的能力很重用。

（6）以上是专业学习能力指标。职业倾向和目标、学习计划、学习习惯、学习成绩趋势、专业技能竞赛获奖、英语学习水平、参加专业实践等8个指标是成长性指标。

（7）学习态度与状况（每天平均自习时间小时）X16是改善型指标。

针对研究对象共发放300份问卷,回收有效问卷216份,问卷覆盖电子信息、计算机、电气技术、机械设计、国际贸易、市场营销等10个专业，各专业随机抽样调查50名学生。调查时间为2016年入学后2个月,发放调查问卷,搜集学生专业学习和职业目标方面的数据，以及影响其职业能力发展相关因素的数据。

三、基于Logit模型的实例分析

（一）变量对专业学习效果和职业能力比率作用的假设

所选取的变量根据经验和理论分析得到的假设结果，可以直观得到专业学习效果和职业能力比率的预期作用方向。这些结果是否科学、显著，通过模型估计与检验、数据的搜集，可以得到客观结论,为高职学生职业指导和规划提供科学的建议。

（二）变量对专业学习效果和职业能力比率作用的实例分析

我们依靠Eviews软件，结合统计调查数据，对模型结果进行预估，如附表2。

附表1 变量标识与评估指标对应关系

附表2 Logit模型估计结果和能力比率的变化表

（1）从统计检验结果来看，所有变量对职业能力比率有明显影响；在所选取的变量中，对职业能力比率有显著性影响的有：个性特点与专业要求是否吻合，是否有相关的能力和基础，英语是否过了四级等。

（2）从回归系数的符号来看，学习成绩是否优秀，学习过程中是否经常预习和复习，上课是否经常打瞌睡，与假设的预期作用是相反的。学习成绩是否优秀与职业能力比率成负相关，这说明“读死书、死读书”并不一定能提高职业能力。

（3）回归系数对职业能力的变化，我们以比率变化分析，当其他因素无变化时，是有影响的。主要分为以下两方面：一方面是学习因素，通过英语四级和自习时间对增加职业能力比率是明显的，特别是通过英语四级学生的职业能力。另一方面是学生本身能力对职业能力比率影响大。有实践能力的学生职业能力是1.145倍，已有相关能力或基础毕业生职业能力比率是3.482倍，这直接说明了学校和社会需要加强学生的职业培训和动手能力培养的重要性。

职业评测模块是个性化职业指导及规划平台的核心模块，本文基于Logit模型考虑了高职学校学生就业评估的测试模型和分析。基于这种多元素精确数学模型进行自身定位和评判，学生可以更全面了解自己，以实现对自身的职业规划和梦想实现。这种多元素复合数学建模方法和实现方法，在教育领域具有重要的应用价值。

[1]段治川，绪论.数据导入关系型数据库内的探讨[J].电脑知识与技术（学术交流），2011,7（3X）：1971-1972.

[2]程君青,唐伟.基于web的高职学生个人专业发展规划系统的设计[J].中国教育信息化（高教职教）,2010（2）：38-41.