江苏省民办高职院校就业状况探究

《江苏省民办高职院校就业状况探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏省民办高职院校就业状况探究　　摘要：本文尝试用灰色模型对相对数进行分解运算，并与传统的回归预测方法进行比较。一方面对高职学生的就业率进行预测，另一方面对灰色模型在相对数进行分解预算的准确性进行评价。Abstract：Thispaperattemptstododecompositionoperationforrelativenumberbygraymodel，andcomparewithconventionalregressionpredictionmethod，ononehand，topredicttheemploymentrateofvoca

2、tionalstudents，ontheotherhandtoevaluatetheaccuracyofthedecomposedbudgettotherelativenumberbygraymodel.关键词：灰色系统；模型；就业率；预测Keywords：graysystem；model；employmentrate；forecast中图分类号：G717文献标识码：A文章编号：1006-4311（2014）09-0290-020引言6随着教育体制改革的不断深入，我国高等教育也逐步向适应社会主义市场经济体制的办学模式转型，办学规模不断扩大，体系结构

3、日趋完善。其中高等职业教育发展尤为迅速，已经占据我国高等教育的“半壁江山”。高职院校毕业生就业直接关系到高职院校的生存和持续、健康发展，它既是高职院校办学方向的重要依据，也是衡量学校办学水平、人才培养质量的重要指标，科学地预测学生的就业趋势，了解社会对高职人才未来需求状况，对于调整人才培养计划和方案，更紧密地满足社会各领域的实际需求，具有极其重大的意义。但影响学生就业的因素众多，既受到政府政策、专业、性别等确定性因素的影响，又受到一些经济、社会等不确定因素的影响，用GM模型的灰色预测方法能较好地解决这个问题。并且不需要过多的样本数据，可以弥补历史统

4、计数据较少的不足。另外，灰色预测方法还可以避免由于个人经验、知识、偏好等造成的人为主观臆断。本文以南京钟山职业技术学院学生就业率的数据为例，运用灰色模型对学生就业趋势进行预测。1运用灰色系统预测灰色预测是基于微分方程的预测方法。其建模的思想是将时间序列转化为动态方程，首先对原始数据进行累加转换成灰色生成数，消除原始数据的波动性、突变性和随机性，使之更能反映系统的内在规律，然后根据灰色生成数，建立灰色生成数列预测的微分方程及其响应函数，进行灰色生成数的预测，最后进行还原，获得真实的预测值。1.1根据原始数据序列x（0）计算生成累加序列x（1）6截止到

5、2013年钟山职业技术学院在校生规模达到2361人，招生人数呈现不断上涨的趋势，就业水平也稳定在一个比较高的水平。由于学生初次就业与社会都有一个磨合期，变动情况较大，不稳定的因素较多，所以调查的难度也较大，本文学生就业率的统计以学生的就业协议为准。j研究对象的历史数据设为：x（0）={x（0）（1），x（0）（2），x（0）（3）…x（0）（n）}，一般情况下，对于给定的原始数据列不能直接用于建模，因为这些数据多为随机的、无规律的，为了减弱原始数据序列的波动性和随机性，需对原始序列进行数据处理，即通过累加生成方式将原始数据列转化为规律性较强的递增数

6、列：x（1）={x（1）（1），x（1）（2），x（1）（3）…x（1）（n）}，其中x（1）k=■x（0）（t）k=1…n。对于非负的数据列，累加的次数越多，则随机性弱化越明显，规律性越增强，这样就较容易用指数去逼近。经过这样的数据处理能达到两个目的：①弱化了原始数据列的随机性，而找到了其变化的规律性；②为建立动态模型提供了中间信息。考虑到就业率指标作为相对数，对其累加没有实际意义，我们首先对就业人数进行灰色模型预测，并将其预测的效果和回归模型比较，若其效果优于回归预测的效果，我们进一步以该模型为依据，预测毕业学生人数，进而得到就业率的预测值，若

7、回归预测效果优于该预测模型，我们以回归模型对就业率进行预测。61.2对x（1）进行光滑性检验由ρ（k）=■得ρ（2）=1.9258，ρ（3）=1.0771，ρ（4）=0.4614，ρ（5）=0.3451，ρ（6）=0.2254，ρ（7）=0.1756，ρ（8）=0.1496，当k>5时，ρ3时σ（1）（k）∈[1，1.5]，满足准指数规律，故可对x（1）建立GM模型。1.4建立矩阵B和yB=-■x■（2）+x■（1）1-■x■（3）+x■（2）1-■x■（4）+x■（3）1-■x■（5）+x■（4）1-■x■（6）+x■（5）1-■x■（7）+x■

8、（6）1-■x■（8）+x■（7）1=-1774.51-4069.51-6761.51-9414.51-12017.51-