大学生就业问题分析

课程设计大学生就业问题分析何剑波201130760112学院名称理学院专业班级信息与计算科学一班提交日期2014年06月评阅分数____________评阅人____________目录1、摘要.............................................................12、问题分析.........................................................13、模型的建立与求解.................................................23.1模型的建立...................................................23.2模型的求解...................................................34、模型的评价与推广................................................124.1模型的评价..................................................124.2模型的推广..................................................125、参考文献........................................................126、附录............................................................131大学生就业问题分析1、摘要据人力资源和社会保障部公布的数据，2009年我国将有2400万劳动力需要安排就业，其中将有超过700万大学毕业生需要解决就业问题。数据显示,2009年高校毕业生规模达到611万,比2008年增长52万；而据预测,2011年这一数字将达到峰值758万。与此同时,国际金融危机的影响进一步显现,可以预见,在未来相当长时期内大学生就业压力不会减弱。如何帮助大学生走出就业难的困境将成为政府与社会长期而艰臣的任务。大学生就业难不仅有社会原因，也有大学生自身的原因。如何解决大学生就业难的问题不仅关系到大学生的切身利益，更关系到社会的和谐稳定，需要政府、企业、高校和大学生共同的努力。本文从大学生自身，企业和社会三个大方面方面进行了分析和论述，从而总结出相关的结论及解决大学生就业难题的可行方法。随着就业压力的日益增加，大学毕业生就业难问题逐渐受到人们重视。很多大学生因为期待底薪值和实际情况相差较大而无法成功就业，因此大学生起薪高低是求职成功与否的第一道门槛。关键字：起薪预测非零均值生成多元线性回归灰色系统GM（1，1）EXCEL线性相关性SPSSmatlab2、问题分析我们在考虑多个变量影响实际起薪的情况下决定采用多元线性回归模型处理建议起薪问题。的然后对已给出数据进行相关性分析。最后在求解出错误!未找到引用源。后把表2中的数据代入经验回归平面方程，再利用一个循环一次性得到90组建议期望起薪。2本文将多元线性回归分析模型和灰色系统GM（1，1）耦合应用于大学生起薪问题预测中，这样将不同模型之间耦合分析不但能反映事物的变化趋势，而且能揭露事物之间的相互联系。便能完整的对2014年起薪进行预测。然后我们通过EXCEL对2010至2013年本科生调查表的分析，基于多元线性回归模型研究了就业指导课程、期望月薪及求职次数对月薪的影响，发现月薪与以上三点因素均有有较强的线性相关性，得出了建议期望月薪的回归模型。利用此模型可以对建议期望月薪进行合理计算。得出大概处于什么范围的起薪值比较受大学生的青睐。3、模型的建立与求解3.1模型的建立一、多元线性回归分析多元回归分析指在描述和测定预测对象Y与多个解释变错误!未找到引用源。间的相关关系，预测模型为：Y=β0+β1X1+…βpXp+ε①其中的β0为常数项,βi为Y对Xi的回归系数,ε是随机波动的,它表示除Xi之外的非主要因素或偶然因素的综合作用效果,它对Y不起决定性影响，上式本身隐含了Y随Xi而线性变化的假定。要使上式成立，还需进一步假定：⑴Xi没有测量误差，它是确定的、非随机的。⑵r在重复观测时的变动是随机干扰引起的。⑶ε为随机变量，有零均值和有限的常数方差，考虑到假设检验的需要还进一部假定它服从均值为零的正态分布。⑷Xi和Xj(i不等于j)彼此独立，不存在线形相关，于是有：Y=β0+β1X1+…βpXp②33.2模型的求解2010-2013年大学毕业生起薪表表一专科本科硕士2013年1662233135902012年1546203331922011年1380176127252010年144318253200表二GDP（亿元）毕业生总数（万人）2013年3979836312012年3353536112011年3006705592010年2466194954求解灰色模型需要调用的子程序累加程序function[a]=leijia(x)%UNTITLED5Summaryofthisfunctiongoeshere%Detailedexplanationgoesheren=size(x,2);a(1)=x(1);fori=2:na(i)=x(i)+a(i-1);endend求Z的程序function[a]=qiuz(x)%UNTITLED8Summaryofthisfunctiongoeshere%Detailedexplanationgoesheren=size(x,2);a(1)=x(1);fori=2:na(i)=0.5*(x(i)+x(i-1));endformatlonggend求相关因素e的子程序function[e]=qiue(x,y)%ÊäÈëÁ½¸öÐòÁУ¬ÇóÏà¹ØϵÊý%UNTITLED9Summaryofthisfunctiongoeshere5%Detailedexplanationgoesherei=size(x,2);j=size(y,2);B=[-x(2:i)',ones(i-1,1)];Y=[y(2:j)'];e=inv(B'*B)*(B'*Y);end求解预测值的程序function[daan]=qiujie(G1,e)%UNTITLED11Summaryofthisfunctiongoeshere%Detailedexplanationgoesheren=size(G1,2);fori=2:n+1G1(i)=(G1(1)-(e(2)/e(1)))*exp(-e(1)*...(i-1))+(e(2)/e(1));endformatlonggdaan(1)=G1(1);fori=2:n+1daan(i)=G1(i)-G1(i-1);endend（1）错误!未找到引用源。的求解过程设时间序列(0)(0)(0)(0)(){(1),(2),()}Xkxxxn……，共有n个观察值，其中(0)()0,1,2,xkk……,N。6对(0)X做一次累加生成列(1)X=124661949513006705591335353611397983631；即(1)(0)(1)(0)1()()(1)()kiXkXiXkXk；由表一可得Y=14431494.515461662。利用一下matlab程序求解错误!未找到引用源。clear;clc;G=[246619300670335353397983];R=[495559611631];Y=[1443;1494.5;1546;1662]X=[ones(4,1),G',R']b=inv(X'*X)*(X'*Y)7求得错误!未找到引用源。=1280.043158203830.00214964234567905-0.752420889264613。因此可得回归方程:Y=1280.0431+0.0021X1+-0.7524X2③（2）GDP的求解过程①：由表1经过处理后的数据得原始序列(0)1{246619,300670,335353,397983}X②：作一次累加后得序列为(1)1(){246619,547289,882642,1280625}Xk③：由矩阵X的值计算得^1110.1428556881(,)240214.825629Tau(1)(0)0.14285568811111110.1428556881(1)(1)246619+1681500168150019281191681500akkkuuXkXeeaae^0,1,2,kn其中……④：进而可求得(0)(1)(1)0.14285568810.1428556881(1)111(1)(1)()1928119kkXkXkXkee^^^4其中k=1,2,由此得模拟序列：(0)(0)(0)(0)^^^^1111(){(1),(2),()}{246619,296092,341560,394012}Xkxxxn……利用以下matlab程序预测2011年GDPclear;8clc;G=[246619300670335353397983];G1=leijia(G);z=qiuz(G1);e=qiue(z,G);daan=qiujie(G1,e);⑤：通过分别计算绝对残差与相对残差，进行残差检验相对误差计算公式：(0)(0)(0)(0)(0)(0)(1)(2)()(,)(1)(2)()nxxxn序号实际数据（(0)()xn）模拟数据（(0)^1()xn）残差（(0)(0)ˆ()()()ekxkxk）相对误差（）201024661924661900201130067029609245780.015222012335353341560-62070.01851201339798339401239710.00998平均相对误差：4110.0109290.014kk精度为二级9采下列matlab编程完成均方差比值C的解答n=size(x,2);fori=1:n;e(i)=x(i)-t(i);endx1=mean(x);e1=mean(e);fori=1:n;x2(i)=(x(i)-x1)^2;e2(i)=(e(i)-e1)^2;endS1=sqrt(sum(x2)/n);S2=sqrt(sum(e2)/n);C=S2/S1;j=0;则210.0780.35SCS，均方差比值为一级。小误差概率检验：(())10.95pPk，小概率误差检验是一级。方差C=0.078,误差等级为一级。（2）毕业人数的求解过程①：由附表1经过处理后的数据得原始序列10(0)2{495,559,611,631}X②：作一次累加后得序列为(1)2(){495105416652296}Xk③：由矩阵B的值计算得^2220.05941982365(,)518.83904519172Tau(1)(0)0.059419823650.05941982365(1)(1)795+8731.88731.89526.88731.8akkkuuXkXeeaae^0,1,2,kn其中……④：进而可求得(0)(1)(1)0.059419823650.05941982365(1)(1)(1)()9526.8kkXkXkXkee^^^4其中k=1,2,由此得模拟序列：(0)(0)(0)(0)2222(){(1),(2),()}{495,565,599,675}Xkxxxn……利用以下matlab程序预测2011年大学生毕业人数clear;clc;R=[495559611631];R1=leijia(R);zr=qiuz(R1);er=qiue(zr,R);daanr=qiujie(R1,er);⑤：通过分