基于logistic模型电子信息类大学生就业影响因素模型.docxVIP

基于logistic模型的电子信息类大学生就业影响因素研究摘要：当今社会大学生就业难和高端技术人才短缺的矛盾日渐突出，本文从实证的角度，通过调查某校2014届大学毕业生的情况，运用logistics模型，了解影响电子信息类大学生高质量就业的因素，并给出高校在人才培养的建议。关键词：Logistic模型；电子信息类大学生；就业；调查分析一、问题的提出随着迈入改革元年，大学生就业问题日益突出，高校毕业生的人力资源质量与用人单位的要求有着差距，造成了就业市场上用人单位对高端人才求贤若渴，但是高校毕业生求职无门的现象，造成了人力资源的极大浪费。麦肯锡一份《应对中国隐现的人才短缺》报告指出，中国工程类人才总数比只有6000万人口的英国还少。在每年大量的工程类大学毕业生中，“一些人只懂过时的理论，缺乏实际操作能力”。中国庞大的大学毕业生群体中，极少有人具备从事服务业的必备技能。“实践经验和英语口语水平的欠缺，使他们中只有不到10%能够满足跨国公司的要求。”《国家中长期教育改革和发展规划纲要》与《国家教育事业发展十二五规划》中提出，“把促进人的全面发展、适应社会需要作为衡量教育质量的根本标准”，依据联合国教科文组织1998年《教育:财富蕴藏其中》的报告，“全面发展”即“学会认知、学会生存、学会做事和学会与他人共处”。如何提高毕业生的教育质量，帮助毕业生顺利就业，为国家发展输送高质量的专业人才成为高等教育界研究的热点问题。在经济新常态下，全国经济增速放缓，影响就业岗位的供应。另一方面，在“互联网+”的大潮下，国家信息化和工业化加速融合，国家的经济发展需要高校向社会提供大量的高质量的电子信息类人才作为智力支撑。把握就业市场对大学生就业能力需求的脉搏，全面提升大学生的人力资本，对大学生就业具有重要意义。现有的研究多从宏观上分析影响毕业生就业率的原因，而关于电子信息类毕业生的能力素质的实证研究不多。本文从微观角度探寻电子信息类大学生就业影响影响因素。二、数据、变量和方法1、模型介绍Logistic回归是一种广泛应用在社会研究领域的回归分析方法，它主要是通过将事件的出现某种结果的概率与不出现的概率纸币取对数，进而分析不同元素对结果的影响。本文选取二分类的logistic模型开始回归（binary logistic regressiopn）。本文的被解释变量为毕业生是否为高质量就业，其中高质量就业赋值为1，其他为0。高质量就业是指毕业生在世界500强、中国500强、国资委下属单位、上市公司、军工单位或毕业生月薪高于7000的毕业生。毕业生高质量就业，意味着他们的可雇佣性受到就业市场认可，在职业发展初级具有一定的优势。本文根据毕业生就业能力素质和毕业生高质量就业指标进行回归分析，判断影响电子信息行业毕业生高质量就业的影响因素。2、变量的选取和数据调查目前，人才市场普遍存在大学生就业难和用人单位招聘难的结构性矛盾。造成这矛盾的深层次原因是大学生可雇佣性技能的缺失与不足，导致人才的能力和工作岗位的要求不相匹配。解决大学生就业和我国人才瓶颈的现实问题等问题的关键环节在于提高大学生的可雇佣性技能。如何培养学生的可雇佣性技能，提高毕业生的就业能力与水平，是毕业生高质量就业保证。我们构建了毕业生可雇佣性素质能力模型。具体如图本文从影响大学生就业的微观因素出发，选取大学生的24类可雇佣性能力作为素质能力模型的自变量：书面表达能力（X1）、能有效地运用数学思维和基本数学工具（X2）、能实现有效的自我激励（X3）、能有效地开拓并管理自己的人际关系网络（X4）、能有效地阅读并理解各种书面信息（X5）、能有效地与他人进行团队合作（X6）、能有效地与他人协商和谈判以达成目标（X7）、能有效地调节和控制自己的情绪（X8）、能有效地劝解或说服他人（X9）、能准确地理解并分析问题（X10）、能快速有效地做出决策（X11）、能掌握并熟练应用基本的计算机技能（X12）、能迅速有效地应对各种突发情况（X13）、能进行系统地规划和组织（X14）、能在高压力下工作（X15）、能合理有效地分配和利用时间（X16）、能独立自主地工作（X17）、能将计划转化为有效的行动（X18）、能积极主动地完成各项任务（X19）、能准确地进行自我评估（X20）、能主动有效地学习新知识或新技术（X21）、能产生新思想、新观点、新方法（X22）、责任感（X23）能够具有上进心（X24）。其中每项就业能力指标根据李克特五分法，设为“非常强”，“很强”，“一般”，“较弱”，“很弱”等五个级别，分别赋予5至1分。各项素质能力均为离散分布。则可雇佣性综合素质模型为：Y=β1X1+β2 X2+β3X3+β4X4+β5X5+β6 X6+β7 X7+β8X8+β9 X9+β10X10+β11 X11+β12X12+β13X13+β