基于灰色模型的浙江省建筑类高职就业预测

舒怀珠

摘 要：研究灰色理论在高职就业预测中的应用，分析灰色预测模型的适用性。根据历史数据分别构建浙江省建筑类高职毕业生总就业人数、规划设计单位就业人数、监理单位就业人数、机关事业单位就業人数、业主单位就业人数、施工单位就业人数的GM（1，l）灰色预测模型，并预测未来5年相应的各项数据。灰色建模前，对原始数据序列进行2阶弱化处理和一次累加生成运算。分析表明：对于少信息的就业预测而言，灰色模型预测的精度较高;浙江省建筑类高职毕业生就业存在比较严重的结构性矛盾，预测结果有较高的参考价值。

关键词：高职;灰色;就业;模型;预测

[中图分类号]  G717   [文献标识码]A

1 前言

浙江省建筑类专业高职毕业生的数量较大， 就业问题变得日益突出，因此，建立准确有效的模型，科学预测不同就业方向的人数和就业趋势，掌握建筑类高职人才未来供求状况显得十分重要。高职就业的准确预测是一个新的研究方向，存在较大难度，一方面是浙江省建筑类高职毕业生就业历史统计数据比较笼统，没有根据就业方向进行分类统计，另外一个方面是建筑类高职毕业生就业受经济和社会不确定性因素影响较大。目前已有关于建筑类毕业生就业预测方法有的模型所需的参数值不容易确定，增加了预测难度，或者方法需要数据量大，数据不易收集，或者预测方法单一，没可比性[1-5]。

根据就业系统的灰色特性，以2008-2017年浙江省建筑类高职毕业生就业人数为研究对象，运用灰色建模思想构建浙江省建筑类高职就业总人数，以及规划设计单位、施工单位、监理单位、机关事业单位、业主单位等5大就业方向各自就业人数的灰色预测GM（1，1）模型，并预测2018-2022年此6项就业数据，探究预测模型的适用性。根据预测结果分析未来5年就业趋势，可以为教育主管部门、职业院校、毕业生制定就业对策提供参考依据。

2 浙江省建筑类高职毕业生就业灰色预测模型构建

2.1 就业灰色模型数据处理

查阅相关文献，缺失年份的数据通过研究，采取一定规则进行估算，得到2008-2017年度浙江省建筑类高职毕业生总就业人数（Y总）、规划设计单位就业人数（Y1）、监理单位就业人数（Y2）、机关事业单位就业人数（Y3）、业主单位就业人数（Y4）、施工单位就业人数（Y5）相关数据[6-8]（见表1）。

2.3 灰色模型分析

（1）计算结果可看出，构建的Y总、Y1、Y2、Y3、Y4和Y5等6个灰色模型发展系数-a分别为：0.0034，0.0465，0.0067，0.0732，-0.0201，-0.0044，均小于0.3，说明本模型适用于中长期预测[9]。所以采用本模型进行2018-2022年五年中期预测是可行的。

（2）灰色模型的精度检验一般常用相对误差α检验[9]，分析α数据，发现经过2阶弱化处理后，Y总、Y1、Y2、Y5预测模型的预测相对误差均小于1%，达到一级精度要求， Y3和Y4灰色预测模型的相对误差超过1%，但小于5%，达到二级精度指标要求，而且这两项数据在总数当中占比小于0.4%，对预测精度没有实质性影响，说明各项数据采取2阶弱化后再构建相应灰色模型，其预测数据有较高可信度。建模之前根据定性分析结论对原始数据序列施以缓冲算子收到了较好的效果。

2.4 灰色预测结果分析

从灰色模型预测数据来看， 浙江省建筑类高职就业存在以下趋势：

（1）浙江省建筑类高职就业总人数还在逐年增加，但是增加幅度不大，这符合目前招生人数比较稳定，没大幅增加录取人数的实际;数据还表明毕业生到施工单位就业人数最多，但绝对人数逐年下降，比例也在下降，基本维持在70%左右，下降幅度不大。其最大原因是每年专升本的人数在大幅度增加所致。

（2）毕业生到规划设计单位、监理单位、机关事业单位和业主单位等四个方向的就业人数占比很小，在5个就业方向当中占比约为1.5%左右。究其原因是高职毕业生从事这4个方向的工作，其综合能力还达不到相关单位要求，到这些单位就业存在较大困难，就业人数维持在较低水平。

3 结论

（1）将灰色理论所建立的灰色预测模型应用于浙江省建筑类高职就业预测，可以克服现有一些预测方法依赖大量基础数据的缺陷，灰色预测模型所需信息较少，计算简便，预测值与实际误差较小，预测精度较高，很适合于历史数据较少的就业各指标的预测。

（2）尽管对各数据序列构造2阶弱化算子进行弱化处理，更好地消除了数据偏差，模型都达到二级以上精度，但是高阶弱化是否对原始数据的内在规律有所改变是下一步需要深入研究的课题。

（3）灰色预测数据表明，浙江省建筑类高职毕业生就业存在比较严重的结构性矛盾，建筑类高职毕业生到有关设计、监理、机关事业和业主等单位就业人数极少，而且施工单位就业人数也在逐年递减。该预测结果对浙江省教育管理部门、高职院校和高职毕业生制定就业对策有一定的实际参考价值。

参考文献

[1]POU LICOS P.Indus t rial and s pat ial int erdependency in modeling ：an emp loy men t f orecast ing model f or the count ries in the S an Francis co Bay Region[ J] .The An nal s of Regi on al Sci ence， 1985 ， 19（2）：17 -28 .

[2]BA RRY R.Applicabili ty of the transf er function approach to fo recast ing emp loy men t levels in small region s[ J] .TheA nnal s of Regi onal S cien ce， 1987 ， 21（1）：34 -43 .

[3]聂永红.判定树归纳分类法在毕业生就业预测中的应用[ J] .广西科学院学报， 2003 ， 19（2）：72 -76 .

[4]姚波.陕西省第三产业就业弹性测算与预测[ J] .统计观察， 2006 ， 11（2）：88 -89.

[5]程昌品.朴素贝叶斯分类算法在毕业生就业预测方面的研究[ J] .广东教育学院学报， 2007 ， 27（5）：79 -82 .

[6]浙江省高校毕业生职业发展状况及人才培养质量调查报告[EB/OL]. https：//www.tech.net.cn.2019-08-20.

[7]浙江教育事业发展统计公报[EB/OL]. http：//jyt.zj.gov.cn.2018-04-03.

[8]浙江省高校毕业生就业管理系统[EB/OL]. http：//www.ejobmart.cn.2019-08-20.

[9]刘思峰，谢乃明.灰色系统理论及其应用[M].北京：科学出版社，2008.