统计法论文：基于集值统计法高校毕业生就业质量评价指标权重构建.docVIP

统计法论文：基于集值统计法高校毕业生就业质量评价指标权重的构建 [摘要]　高校毕业生就业质量评价涉及到比毕业生、用人单位、高校及教育主管部门三个不同层次采集数据,指标数量多,精确获取评分值难。集值统计法综合运用了定量和定性方法确定毕业生就业质量指标的权重,能够有效地避免评价过程中的主观因素,相对准确地反映了评价对象客观情况,取得满意的评价结果,具有可操作性和实用性。　　 [关键词]　毕业生;就业质量;评价指标;权重 随着我国高等教育已由“精英教育”转变为“大众化教育”,大学生就业问题特别是就业的质量问题越来越受到广泛的社会关注。为了能对高校毕业生就业质量有一个真实、客观的了解和认识,笔者在参考国际劳工组织编制的衡量“体面劳动”的主要指标和国内研究人员构建的就业质量评价指标基础上,结合一些社会测评机构、人力资源部门及教育主管部门等专家的意见,构建了一套高校毕业生就业质量评价指标体系[1-3],并就指标体系权重这个核心问题,提出采用集值统计法来确定权重系数,结果表明该方法具有可操作性和实用性,可为复杂系统评价问题提供参考。 一、集值统计法基本原理 集值统计法首先假设每位评价者对某项评价指标给分为一区间,将这些区间叠加在一起则形成覆盖在评估值轴上的一个分布,然后,根据指标分布的离散程度判断评价者对指标的评价把握程度。分布形状越“尖瘦”,说明评价者对指标的把握程度越大;分布形状越“扁平”,说明评价者对指标的把握程度越小。最后,用分布的离散度来度量评价指标的可靠程度,并进行规一化处理,得到评价指标的可靠程度权,作为评价指标的权重[4]。 采用集值统计法确定评价指标体系的权重,既可以处理确定量的指标,也可以处理难以准确计算,只能得到一个区间估计,甚至只能定性分析得到一个大致范围的指标,且运用操作简便,信息易于采集,适用性强。 二、集值统计法计算 方法假设n个评价者中第k个评价者,对A项指标的给分区间为[u1(k),u2(k)],构造样本落影函数: 1.当指标可以准确定量计算时,对所有的K有: U1(k) =U2(k)=e,e为常数,即X(u)除U=e点等于1外,其他点都为0。说明评价者对指标取值完全有把握。 2.当指标难以准确计算时,若几个估值区间的分布比较集中,即X(u)的形状比较“尖瘦”,则说明评价者对指标的评价把握程度较高;若几个估值区间的分布比较分散,即X(u)的形状比较“扁平”,则说明评价者对指标的评价把握程度较低。大,表示X(u)越“扁平”,评价者对指标的把握程度越小,指标评价值的可靠程度也就越低;δ越小,表示X(u)越“尖瘦”,评价者对指标的把握程度越高,评价值的可靠程度也就越高。 令: 作为第i项指标评价值可靠程度的一种度量,Bi越大,则指标评价值可靠程度越高。对Bi进行归一化处理,得到Wi=Bi/ΣBi,Wi反映了指标取值的可靠程度,称为可靠程度权。 三、毕业生就业质量评价指标权重的确定 评价毕业生就业质量比较复杂,它涉及到从毕业生、用人单位、高校及教育主管部门三个不同层次采集数据,他们所处的角度不同,从而对就业质量的各项指标的重要性程度认识不同,为此,在专家选择上,首先,根据一级指标分别从三个层面选择有关专家或从事相应的工作具有丰富经验的人,对高校毕业生就业质量20项二级指标各自独立地提出自己认为最合适的权重向量(打分),实际分别收集到184份、64份和45份反馈调查表。然后,对每项指标进行分值转换和构建指标分布,假设“重要”赋值区间设为[90,100],“较重要”设为[75,90],“一般”设为[60,75],“不重要”设为[0,60],绘制指标的分值分布X(u),并计算X(u)分布的离散度δ值和指标的可靠程度权。 例如,二级指标“专业水平”,收集到64位专家的打分,选择重要的有34位,较为重要的有22位,一般的有8位,不重要的0位。由公式: 计算得出离散度δ专业水平=106.07。同理,可计算出其他各项指标的δ值和B值。然后,将Bi(i=1,2,…,20)值进行归一化处理得出指标的可靠程度权Wi,详细数值见附表: 确定评价指标体系权重的方法有多种,如常用的层次分析法[5]、模糊统计方法[6]。但是,针对毕业生就业质量评价指标体系来说,其本身指标较多,运用层次分析法,结构比较复杂,判断矩阵中各元素标准以确定的数值表示,实际运用时难以把握,每项指标间要进行两两比较,数量极大,可操作性不强;模糊统计方法主要采用最大最小法则进行模糊关系运算,确定适宜的隶属度,最后得出权重向量,运用的法则比较粗糙,丢失信息过多,有效性较差。集值统计法综合运用了定量和定性分析方法确定毕业生就业质量评价指标的权重,能够有效地避免评价过程中的主观性,相对准确地反映了评价对象的客观情况。 [参考文献] [1]李金林.构建高校就业质量科学评价体