论文部分内容阅读
摘 要：研究深圳市的人才吸引力水平问题，通过各行各业、不同年龄段的人才对就业城市选择影响因素的探究，基于大量的实验统计数据，采用大数据分析、层次分析法等多重方法相结合，建立基于熵权法的多指标综合评价模型，利用Matlab软件实现模型指标量化求解，并完成模型的进一步验证和解释。针对人才类别，深入分析和比较深圳市与其他同类城市在人才吸引力上的优势与不足，给出有效提升人才吸引力的可行方案。
关键词：人才吸引力水平;层次分析法;熵权法;SWOT分析法
中图分类号：F224 文献标志码：A 文章编号：1673-291X（2019）24-0126-02
一、研究的意义与背景
在世界各国和全国各地都加大争夺人才的大背景下，一个城市要保证其竞争活力和创新力，必须与时俱进，但不能盲目地调整相关人才吸引政策。吸引人才的最关键的是，符合人才的理想，满足人才的需求和愿望。按照人才需求的重要程度可分为发展前景、收入和环境等几大方面。人才放弃一个城市而涌入另一个城市的原因，多半是因为利益大于他们的迁移成本，才促使他们做出这样的决策。深圳也将在此大背景下将加大营商环境改革力度作为一项重要指标，以吸引更多优秀的高新企业和优秀人才。
二、多指标综合的人才吸引力模型
采用层次分析法建立一个多指标综合的人才吸引力模型，构造判别矩阵并采用熵权法为保留主因素设置不同的权重，对结果分别进行预测，并将结果进行比较与分析。
城市人才吸引力的关键要素，大体上分为发展前景、消费水平、环境因素三类。同时，各影响因素还包含了各自的子影响因素。基于层次分析法和熵权法而建立的多指标综合的人才吸引力评价模型，具有主观和客观相结合的特点，模型可靠性有了进一步的提升。模型采用的各个指标在下表中列出。
经计算而得到的各个判别矩阵的CR值，且判别矩阵均通过一致性检验。采用熵权法，经Matlab运算而得各个指标所占权重。结果分析表明，一是一共15项指标，给予每项指标2分，满分为30分。所得总分得分=每项权重×每项所得分值。二是每一项得分都可用相同方法进行计算，最后再求和，从而得出深圳市的得分为27.9853。
通过分析发现，加大营商环境改革力度若干措施对人才影响有积极作用，同时应该强调的是，政府政策的颁布对城市吸引人才吸引力的提升应呈现S型曲线的增长模式，在实际中应对这种情况下的增长率进行充分考虑。
三、分类对比人才对就业城市的需求分析
通过对大数据的分析，针对不同的人才类别设置不同的关住点，并以这些关注点为前提，比较深圳市与厦门、杭州、广州、苏州等城市的优劣势，采用多指标综合的人才吸引力模型，将因素与分析指标类比，在得出有利数据的基础上，通过SWOT分析法为深圳市人才引进政策提出更进一步的措施。
人才划分为信息类人才、电子商务类人才、金融类人才、党政类人才和教育类人才五大类，每类人才根据主要从人均GDP、政府政策、经济增长率、第三产业占比等4个指标进行分析，对其采用第二项模型类似但指标因素不同的方法进行打分，采用（0—35分）制度，根据熵权法得到的权值进行计算，计算的结果用柱状图展现（如下图所示）。
信息产业类人才吸引评价分析结果
由上图可知，深圳在信息产业类人才的吸引方面略超于广州和杭州，远超与厦门和苏州。为了更加有效地引进此类人才，政府可以加强信息类相关产业的发展，促进产业集群，以更好地使协同产业发挥作用，带动信息类产业。而根据此方法对剩下四类人才进行分析，分别得出以下结论。
1.深圳电子商务类人才方面的引进能力略低于杭州，略高于广州和苏州，杭州是电子商品等发展的发源地，深圳可以多引进杭州此类人才引进的相关措施，并加以改进，以引进更多的电子商务类人才。
2.深圳金融业人才引进优势低于广州，高于杭州、苏州、厦门，金融业属于第三产业，通过对近年来深圳市地区金融产业的分析，发现深圳市的金融体量大，有着一定的发展潜力，为了更好地吸引人才，可以增加住宅、福利等方面的补贴。
3.深圳党政人才吸引能力略高于杭州、广州，较高于苏州、厦门。党政人才更关注政府政策以及人文环境，深圳市可以通过加大福利，与人文环境的建设，培养更加和谐的民俗民风，来吸引更多的从政人员，为深圳更好地制定发展战略。
4.深圳教育类人才吸引水平与广州相当，教育人才更加关注一个城市的科学教育能力以及国民教育水平，深圳市可以通过加大对国民教育产业的投入，以及相关从业人员的优质待遇来引进更多的教育类人才，进一步提高城市居民的整体素质。
四、模型评价与改进
1.模型的优点。一是基于大量实验数据的分析，模型结果可信度较高;二是运用散点分析、数据拟合、相关度分析与Matlab电运算相结合的方法，模型结果准确度相对较高;三是运用层次分析法构建多指标综合的人才吸引力评价模型，并引入熵权法来确定客观权重。
2.模型的缺点。通过层析分析法，构建多指标综合的人才吸引力评价模型，有一定的主观性，采用熵权法来降低。在误差允许的范围内，为保证建立模型的函数解析式通俗易懂，并为了简化计算，我们忽略了相关性不强的自变量与因变量之间的关系，以及自变量之间可能存在的关系等，这就使得本模型的建立与实际情况有所偏差。
参考文献：
[1] 深圳市2017年统计年鉴[K].2017.
[2] 深圳市2016年统计年鉴[K].2016.
[3] 李藝雯.《2016中国海归就业调查报告》发布[J].国际人才交流，2016，（9）：49-51.
关键词：人才吸引力水平;层次分析法;熵权法;SWOT分析法
中图分类号：F224 文献标志码：A 文章编号：1673-291X（2019）24-0126-02
一、研究的意义与背景
在世界各国和全国各地都加大争夺人才的大背景下，一个城市要保证其竞争活力和创新力，必须与时俱进，但不能盲目地调整相关人才吸引政策。吸引人才的最关键的是，符合人才的理想，满足人才的需求和愿望。按照人才需求的重要程度可分为发展前景、收入和环境等几大方面。人才放弃一个城市而涌入另一个城市的原因，多半是因为利益大于他们的迁移成本，才促使他们做出这样的决策。深圳也将在此大背景下将加大营商环境改革力度作为一项重要指标，以吸引更多优秀的高新企业和优秀人才。
二、多指标综合的人才吸引力模型
采用层次分析法建立一个多指标综合的人才吸引力模型，构造判别矩阵并采用熵权法为保留主因素设置不同的权重，对结果分别进行预测，并将结果进行比较与分析。
城市人才吸引力的关键要素，大体上分为发展前景、消费水平、环境因素三类。同时，各影响因素还包含了各自的子影响因素。基于层次分析法和熵权法而建立的多指标综合的人才吸引力评价模型，具有主观和客观相结合的特点，模型可靠性有了进一步的提升。模型采用的各个指标在下表中列出。
经计算而得到的各个判别矩阵的CR值，且判别矩阵均通过一致性检验。采用熵权法，经Matlab运算而得各个指标所占权重。结果分析表明，一是一共15项指标，给予每项指标2分，满分为30分。所得总分得分=每项权重×每项所得分值。二是每一项得分都可用相同方法进行计算，最后再求和，从而得出深圳市的得分为27.9853。
通过分析发现，加大营商环境改革力度若干措施对人才影响有积极作用，同时应该强调的是，政府政策的颁布对城市吸引人才吸引力的提升应呈现S型曲线的增长模式，在实际中应对这种情况下的增长率进行充分考虑。
三、分类对比人才对就业城市的需求分析
通过对大数据的分析，针对不同的人才类别设置不同的关住点，并以这些关注点为前提，比较深圳市与厦门、杭州、广州、苏州等城市的优劣势，采用多指标综合的人才吸引力模型，将因素与分析指标类比，在得出有利数据的基础上，通过SWOT分析法为深圳市人才引进政策提出更进一步的措施。
人才划分为信息类人才、电子商务类人才、金融类人才、党政类人才和教育类人才五大类，每类人才根据主要从人均GDP、政府政策、经济增长率、第三产业占比等4个指标进行分析，对其采用第二项模型类似但指标因素不同的方法进行打分，采用（0—35分）制度，根据熵权法得到的权值进行计算，计算的结果用柱状图展现（如下图所示）。
信息产业类人才吸引评价分析结果
由上图可知，深圳在信息产业类人才的吸引方面略超于广州和杭州，远超与厦门和苏州。为了更加有效地引进此类人才，政府可以加强信息类相关产业的发展，促进产业集群，以更好地使协同产业发挥作用，带动信息类产业。而根据此方法对剩下四类人才进行分析，分别得出以下结论。
1.深圳电子商务类人才方面的引进能力略低于杭州，略高于广州和苏州，杭州是电子商品等发展的发源地，深圳可以多引进杭州此类人才引进的相关措施，并加以改进，以引进更多的电子商务类人才。
2.深圳金融业人才引进优势低于广州，高于杭州、苏州、厦门，金融业属于第三产业，通过对近年来深圳市地区金融产业的分析，发现深圳市的金融体量大，有着一定的发展潜力，为了更好地吸引人才，可以增加住宅、福利等方面的补贴。
3.深圳党政人才吸引能力略高于杭州、广州，较高于苏州、厦门。党政人才更关注政府政策以及人文环境，深圳市可以通过加大福利，与人文环境的建设，培养更加和谐的民俗民风，来吸引更多的从政人员，为深圳更好地制定发展战略。
4.深圳教育类人才吸引水平与广州相当，教育人才更加关注一个城市的科学教育能力以及国民教育水平，深圳市可以通过加大对国民教育产业的投入，以及相关从业人员的优质待遇来引进更多的教育类人才，进一步提高城市居民的整体素质。
四、模型评价与改进
1.模型的优点。一是基于大量实验数据的分析，模型结果可信度较高;二是运用散点分析、数据拟合、相关度分析与Matlab电运算相结合的方法，模型结果准确度相对较高;三是运用层次分析法构建多指标综合的人才吸引力评价模型，并引入熵权法来确定客观权重。
2.模型的缺点。通过层析分析法，构建多指标综合的人才吸引力评价模型，有一定的主观性，采用熵权法来降低。在误差允许的范围内，为保证建立模型的函数解析式通俗易懂，并为了简化计算，我们忽略了相关性不强的自变量与因变量之间的关系，以及自变量之间可能存在的关系等，这就使得本模型的建立与实际情况有所偏差。
参考文献：
[1] 深圳市2017年统计年鉴[K].2017.
[2] 深圳市2016年统计年鉴[K].2016.
[3] 李藝雯.《2016中国海归就业调查报告》发布[J].国际人才交流，2016，（9）：49-51.