基于灰色模型的就业需求分析与预测研究

陈 艺

（山东科技大学，山东 青岛 266590）

就业可以说是每个学生都需要面对的问题。做好就业工作，是践行“三个代表”重要思想、科学发展观，增强党的执政能力的具体途径，也是公共服务方向的重点内容。目前，就业市场的供需关系不稳定，为了促进就业人员与就业需求相匹配，需要充分了解就业需求情况，为人才就业提供更好的建议。

1 就业难度模型的建立

根据Thomas[1]，Jolliffe[2]的研究和国家质检总局的规定可知，就业难度由两部分组成：第一部分，本专业就业期望人群DP与就业需求NP的比值；第二部分，本专业对学历要求的难度。为衡量各专业的就业难度，本文根据各学历层次划定了权重WP，学历越高，权重越大，在数值上体现的难度越大。权重如表1所示。

表1 各数值权重

为统一量纲，建立了衡量各专业的就业难度DiffP：

式中，n为学历层次的数目。就业期望和学历需求被整合在一起。针对专业类别过于分散的问题，本文对2017年的数据进行了集中分析，整合同类行业进行相关分析，并对各大类别的人才进行需求分析。经过分析得出各类数据的分析结果，即人才需求总量W。

对职称数据进行分析发现，每年的职位和候选人都集中在年初，并在年底逐渐减少[3]。因此，对2017年的典型数据进行分析，如图1所示。

图1 2017年人才需求与就业意愿

对同年某专业类别的数据，对离散数据进行回归分析。线性回归方程利用数理统计中的回归分析来确定两个或多个变量之间的相互依赖关系。线性回归是第一种回归分析方法，在实际中得到了广泛的应用。

根据自变量的个数，可分为一维线性回归分析方程和多元线性回归分析方程，给出了不同专业类别的人才需求与不同专业的就业期望数和学历要求之间的关系。整合不同类型的数据，可以得到总的人才需求量W。上述步骤综合了就业意向数和学历要求数，因此，只需要统计日历要求和专业意愿数，即可估算总的人才需求量：

2 就业难度模型求解

根据上述分析，计算出相应结果，以求解就业难度模型，如表2所示。

表2 离散数据回归分析计算结果

续表2

图2 2017年职业需求量和难度

根据统计结果可知，金融证券类、电子科技类、医疗护理类的就业难度大于其他行业。

3 就业需求预测模型的建立

对就业需求预测过程中，根据B市往年数据发现，每年的就业情况并没有非常明显的规律可循，即无法用一般的线性和非线性来表示。每个城市对于人才的需求量有相当的不确定性，比如宏观调控、世界经济形势的变化、应届毕业生数量等，在数学上叫作一定的模糊性，所以，可以用模糊数学的原理来对此问题进行预测，运用灰色预测模型来解决此类问题。

灰色预测是对具有不确定性的系统进行预测的一种方法。灰色理论是灰度值在一定时间和范围内随机变化的灰度过程，灰色预测就是利用灰色理论，对过去和现在的未知信息进行定量分析计算，预测出未来某时间段内的情况。GM（1,1）[4]是灰色理论预测系统中应用最普遍的单变量数列预测模型，运用GM（1,1）的原始数列进行运算，形成有规律的预测数列，建立微分方程，得到模型计算式。模型精度的确定通过与实测值的比较算出残差，对模型进行不断修正，以提高精确度。本预测不止一个变量，因此，建立灰色微分方程模型，记为GM (n,N)，其中，n为微分方程的阶数，N为变量数。本文运用的是GM（1，N）模型[5-6]。由于描述数据为离散数据，因此，用灰色模型建立模型，设：

上式是m个因素的n个状态值。为了增强因素的规律性，对于进行一次累加：

其灰色模型群为：

定义：

代入上式得到预测值为Xi(1)(n+1)…之后，进行外推预测。残差分析是一种分析模型假设的方法。利用残差的信息分析数据的干扰，从而进行残差检验和修正。残差就是实际值和预测值的差。δ表示回归方程。残差δ遵循正态分布N(μ,σ2)，σ为残差的均值。δ*是标准化残差，即残差和残差均值之差除以残差的标准差。δ*服从标准正态分布N(0，1)。显然，有多少对数据，就有多少个残差。灰色模型预测出的结果中误差比较大而且不能满足实际需要时，可通过残差系列来修正模型来减小所产生的误差。记0阶残差为：

原始数据的均值、方差为：

计算后检验误差检验比值c和小误差概率P分别为：

依据综上两项指标，可从表3中查找预测精度检验等级。

表3 预测精度检验等级

4 就业需求预测模型的求解

利用Matlab将就业数据导入到程序中，得到相关结果：

可以看出，2015年9月2018年8月3个周期的就业需求分别为435 207，314 797和299 832。可见，B城市的人才正在流失，必须通过预测就业需求来预测人才需求。

首先，根据灰色模型，采用GM(1,1)模型，初始化原始序列，初始化序列：435 207，314 797，299 832；原始序列1-AGO序列：435 207，75 004，1 049 836；1-AGO生成的直接序列：592 606，899 920；展开系数和灰色作用量的计算a=0=343 655；模拟值的计算：435 207，314 736，299 777；计算出的残差=6 702。2018年9月—2021年8月就业人数分别为285 529人、271 958人和259 032人。

其次，利用GM（1,2）模型，根据人才需求和就业状况进行数据替换，原序列的初始序列：62450，46713，44337；原序列1-AGO序列：62450，109163，153500；1-AGO立即序列生成序列：85807，131332；展开系数和灰色作用量计算a=0，b=51191；模拟值计算：62450，46703，44328；残差=192。

5 模型评价综述

利用灰色模型预测的方法简单，但不能很好地控制离散变量的预测精度，一般只用于小样本数据。当数据量较大且离散度较大时，其灰度值较大，预测精度较差。

在当前的就业形势下，无论是就业困难与否，大学生都应具有良好的心态。具体如下：

（1）分析就业形势，把握就业机会。当代大学生应当认真分析思考市场结构，理性分析就业热度，全面考量自身情况与市场的契合度，把握就业机会。

（2）提高个人素质，增强就业竞争优势。当代社会市场更加看中个人的综合素质，在日常生活学习中，要善于思考联系，把所学的知识与实际情况相结合。不但要注重专业知识的学习、基础技能的学习，也要关注时事政治，对其他学科知识有适当的了解。

（3）找准自己的定位。不要妄自菲薄，也不要骄傲自大，要有自信，但也要清楚与他人的差距。善于运用自己的优势，在激烈的市场竞争中坚定地向目标前进。