数学建模毕业生就业问题..docVIP

数学建模毕业生就业问题 摘要 本文讨论了在新的就业形势下大学生的就业问题。 首先，通过对影响就业的因素的分析，建立线性回归模型，利用逐步回归分析求解模型，我们得出了影响大学生就业的主要因素是专业前景和政治面貌。其中，专业前景占的比重要大一些。 通过对不同专业就业情况的讨论，在进一步假设的基础上选取样本数据，分别计算各专业的就业率、初始薪金均值及目前薪金均值，在作图比较的分析下给出客观评价。 问题三：给出某一专业毕业生的就业策略。我们选定“计算机”专业毕业生作为研究对象，再次利用逐步回归模型，探究在该专业毕业生就业情况中起主要作用的因素，以此为依据就初始学历、专业是否对口等方面提出针对性策略建议。 问题四：结合实际探讨毕业生就业情况与地区经济发展水平间的关系。在明确研究背景的基础上，我们选取了八个不同城市作为研究对象，分别计算该地大学毕业生就业率，得出地区经济发展现状与就业率呈正相关的结论。 问题五：对我校毕业生就业提出指导性建议。在本题研究成果的基础上，结合我校实际，分析了就业压力、自身期望、企业需求等方面的现存问题，从就业观、薪金要求、专业对口等几个方面给出就业指导建议。 关键词：虚拟变量；回归分析；逐步回归模型；相关性系数 一、问题提出 随着我国大学教育逐步向大众化方向转变，招生数量连年增多，导致大学毕业生就业情况逐步严峻。2007年全国普通高校毕业生将达到495万，比2006年增加82万请你根据数据， （1）影响毕业生就业的主要因素是什么，并对相关因素进行排序； （2）评价不同专业的毕业生就业情况； （3）给出某一专业的毕业生的就业策略； （4）请你结合其他信息对毕业生就业与区域经济发展水平之间的关系作出评价； （5）写一篇对生就业具有实际指导意义的短文。i=1,2,3…,20） Yi：就业情况虚拟变量 (i=1,2,3…,20) Coefficients：相关性系数 R2 ：判定系数 F：显著性检验 P-value：F统计量对应的概率值 RMSE：剩余标准差 1.3 建立模型 第一步：抽取样本 考虑到数据总量庞大，从中抽取部分数据作为样本。为了使模型能够反映出就业与未就业情况之间的对比，我们从已经就业的学生中选取了20位，再从未就业的学生中选取了10位，用他们的数据来建立回归方程。 第二步：引入虚拟变量 在回归分析模型中，解释变量均为定性变量的模型称为方差分析模型（analysis-of-variance models）(ANOVA)，本题即为此状。现建立人工变量，将定性变量“定量化”，具体赋值情况如下： X1：性别虚拟变量，设 X2：专业虚拟变量， X3：政治面貌虚拟变量，设 X4：毕业生条件虚拟变量，设 X5：学历虚拟变量，设 X6：专业前景虚拟变量，设 X7：专业是否对口虚拟变量，设 X8：课程是否适合社会虚拟变量，设 X9：毕业时间虚拟变量，设 Y：就业状况，设 经过上述量化过程，样本数据排列为下面的矩阵形式： 1 0 0 0 0 1 1 0 1 1 1 0 0 0 1 1 1 1 0 1 1 0 0 1 1 1 1 1 1 1 0 0 0 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 0 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 0 0 1 0 1 0 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 0 1 0 1 0 0 0 1 1 1 1 0 1 0 1 0 1 1 1 0 0 0 1 1 0 1 1 1 0 1 0 1 1 1 0 0 0 1 1 0 1 1 1 0 0 0 0 1 1 0 0 1 0 0 0 1 1 1 1 0 1 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 1 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 1 0 0 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 0 1 0 0 1 1 0 1 1 1 0 0 第三步：建立多元线性回归模型 本题需要研究各个因素与大学毕业生就业率之间的关系，故建立多元线性回归的一般模型： Y = b0 + b1X1 + b2X2 + … + b9X9 + ε, 其中，b0 ，b1 ，b2 ，… ，b9 是未知数参数，b0 为回归模型的常数，ε为随机误差。假定 ε ～ N（ 0 , δ2）, 即 E(Y)= b0 + b1X1 + b2X2 + … + b9X9 . 第四步：引入逐步回归模型 进一步的，本题要求