论文部分内容阅读
摘 要：就業人员中从事高新科技研究的人数偏少，与就业市场对高新技术的专业人才的需求之间产生矛盾。本文针对深圳市就业市场需求进行研究，通过模糊评价法对期望教育背景进行量化处理，并利用因子分析法的降维思想，分析得出综合指标与就业需求、期望职业及期望教育背景都成正相关。且与就业需求和期望职业的相关性较大。基于此，对深圳市的人才培养战略提出可行性建议。
关键词：模糊评价法;因子分析法;市场需求
引言
在当前的就业市场背景下，从宏观角度分析市场的产业结构，和从微观角度透析企业的就业情况， 人才资源是就业市场中重要的生产要素之一[1]，经济大环境下的变革带动了其在产业结构和数量上的变动，因此可以初步得出人才需求是就业市场的主要需求之一。达沃斯世界经济论坛评估未来就业市场对人才需求有10个方面的技术要求，包括创造力、人事管理能力、谈判技能等[2]，提出了一种基于多职业能力的人才要求。近年来人力资源市场从整体的供求关系上来看，就业市场仍比较严峻，新形势下的人才需求矛盾主要是求职者的所学专业以及学历与新型就业市场的供不应求[3]。阮红伟在2005年针对就业问题提出了弹性系数方法的概念[4]，肖祥辉运用弹性系数的方法，总结出西安的服务业的就业容量[5]大于农业、工业两个行业。国外的Hollis.B.Chenery经济学者通过配第-克拉克定理证明出，就业需求与产业有关[6]。在众多的评价分析方法中，对于就业市场的研究对象而言，专家大都倾向于定性-定量相结合的方法[7]进行分析评价。综上所述，本次对深圳市的就业市场与人才需求的研究中，从就业需求、期望职业、期望教育背景三个方面将进行研究分析，通过将模糊综合评价和因子分析，定性并最终定量构建深圳市的就业市场需求模型。
1 数据预处理
1.1 平均占比法归纳数据
对于就业需求指标，首先得出每个月各类行业需求在总需求中的占比，进而将2015年到2018年各行业需求占比的平均值代表就业需求指标。利用同样的方法得到职业期望指标。
1.2 模糊评价法量化指标
对于期望教育背景指标，利用模糊评价法[8]将其量化，并对其进行数据分析。
（1）确定因素集和评判集
针对深圳市2011年至2012年就业市场需求数据集，分别建立因素集和评判集：
其中，u～u6 分别代表2013～2018年、v1=学士学位以上，v2=学士学位，v3=学士学位以下。
（2）构造综合评判矩阵及权重
计算因素集的每一因素在评判集中对应各因素所占的比重，并以矩阵的形式表示评判矩阵.
2 市场需求因子分析评价
因子分析法[9]是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。对于深圳市就业市场需求问题的分析，从3个方面：就业需求、期望职业、期望教育背景进行建模分析，分别用 来表示。
（1）原始变量标准化处理
为了消除量纲的影响，在进行因子分析之前首先要对原始数据进行标准化处理，其标准化的数学模型
（2）选取预处理后的三个指标的相关数据，然后利用因子分析法进行研究。基于以上相关性分析，构建的新的指标体系
（3）计算特征向量和特征值
利用样本数据得出因子载荷矩阵。根据之前标准化处理之后的数据，得出协方差矩阵R
其中，r表示指标j与k之间的相关系数。
（4）然后，利用标准特征方程 求出矩阵R的特征向量和特征值，并提取出方差累计贡献率大于85%的公共因子。
（5）计算各因子得分以及综合得分
因子得分就是将公共因子表示为原指标的线性组合，也可以看做是各个指标值的加权总和。计算出因子综合得分，即：
对深圳市工作需求、期望职业、期望学历三个指标进行得分系数计算
设就业需求为x1，期望职业x2，期望教育背景为x3。根据成分得分系数矩阵，分别计算各成分得：
综合上述各得分，通过各成分的系数，利用总方差表中的初始特征值求得总指标为：
通过上式分析得出，综合指标与就业需求、期望职业及期望教育背景都成正相关，并且与就业需求和期望职业的相关性较大。将各职业的就业需求、期望职业及期望教育背景三个指标数据代入公式10，以此绘制49个指标的折线图。
计算机软件、销售管理、市场/市场营销、销售、计算机硬件五类职业的需求量最高，美容及个人护理、一般商品/链条/零售、安全/客房/其他、毕业生、其他五类职业的需求量最低。
3 结论
以本科生的专业水平为界，综合本科生学历以上、本科生和本科生以下三类情况，通过模糊综合评价得出一个综合评分，并将其作为就业市场中对人才的期望教育背景x3的量化，结合就业需求x1、期望职业x2，得到就业市场需求中这三个方面的函数相关关系为：F=0.48x1+0.46x2+0.33x3，将深圳市49类职业的三个指标数据分别代入就业市场需求模型中，得到计算机软件、销售管理、市场/市场营销、销售、计算机硬件五类职业的需求量最高，美容及个人护理、一般商品/链条/零售、安全/客房/其他、毕业生、其他五类职业的需求量最低。综合分析建立的就业市场需求模型，针于当前的人才需求模式，有就业需求的人应该增强对计算机软件、销售管理、市场/市场营销、销售、计算机硬件五个方面知识的学习。
参考文献：
[1]李付俊，孟续铎.我国产业转型升级下的高校毕业生就业——研究回顾与展望[J].人口与经济，2014（06）：91-101.
[2]曹珊. 全球化背景下美国高等教育人才培养与劳动力市场互动关系研究[D].南京师范大学，2014.
[3]肖鹏燕. 我国高校人才培养和劳动力市场需求的非均衡研究[D].首都经济贸易大学，2011.
[4]阮红伟. 青岛市未来三年劳动力供给与需求形势预测及趋势分析[D].中国海洋大学，2005.
[5]肖祥辉. 西安市服务业就业容量研究[D].陕西师范大学，2006.
[6]Hollis B C，欧阳峣，盛小芳.大型发展中国家工业化经验[J].湖南商学院学报，2015，22（04）：12-17.
[7]夏星. 大学生就业市场优化研究[D].武汉理工大学，2009.
[8]Yue W， Wang Y P. A new fuzzy multi-objective higher order moment portfolio selection model for diversified portfolios[J]. Physica A： Statistical Mechanics and its Applications，2017，465.
[9]HIURA M， HIRAYAMA T， MATSUOKA T， et al. OPTIMUM DESIGNING OF SMALL-SIZED TOROIDAL CVT BASED ON FACTOR ANALYSIS FOR POWER LOSS[J]. The Proceedings of the JSME international conference on motion and power transmissions，2017，2017（0）.
关键词：模糊评价法;因子分析法;市场需求
引言
在当前的就业市场背景下，从宏观角度分析市场的产业结构，和从微观角度透析企业的就业情况， 人才资源是就业市场中重要的生产要素之一[1]，经济大环境下的变革带动了其在产业结构和数量上的变动，因此可以初步得出人才需求是就业市场的主要需求之一。达沃斯世界经济论坛评估未来就业市场对人才需求有10个方面的技术要求，包括创造力、人事管理能力、谈判技能等[2]，提出了一种基于多职业能力的人才要求。近年来人力资源市场从整体的供求关系上来看，就业市场仍比较严峻，新形势下的人才需求矛盾主要是求职者的所学专业以及学历与新型就业市场的供不应求[3]。阮红伟在2005年针对就业问题提出了弹性系数方法的概念[4]，肖祥辉运用弹性系数的方法，总结出西安的服务业的就业容量[5]大于农业、工业两个行业。国外的Hollis.B.Chenery经济学者通过配第-克拉克定理证明出，就业需求与产业有关[6]。在众多的评价分析方法中，对于就业市场的研究对象而言，专家大都倾向于定性-定量相结合的方法[7]进行分析评价。综上所述，本次对深圳市的就业市场与人才需求的研究中，从就业需求、期望职业、期望教育背景三个方面将进行研究分析，通过将模糊综合评价和因子分析，定性并最终定量构建深圳市的就业市场需求模型。
1 数据预处理
1.1 平均占比法归纳数据
对于就业需求指标，首先得出每个月各类行业需求在总需求中的占比，进而将2015年到2018年各行业需求占比的平均值代表就业需求指标。利用同样的方法得到职业期望指标。
1.2 模糊评价法量化指标
对于期望教育背景指标，利用模糊评价法[8]将其量化，并对其进行数据分析。
（1）确定因素集和评判集
针对深圳市2011年至2012年就业市场需求数据集，分别建立因素集和评判集：
其中，u～u6 分别代表2013～2018年、v1=学士学位以上，v2=学士学位，v3=学士学位以下。
（2）构造综合评判矩阵及权重
计算因素集的每一因素在评判集中对应各因素所占的比重，并以矩阵的形式表示评判矩阵.
2 市场需求因子分析评价
因子分析法[9]是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。对于深圳市就业市场需求问题的分析，从3个方面：就业需求、期望职业、期望教育背景进行建模分析，分别用 来表示。
（1）原始变量标准化处理
为了消除量纲的影响，在进行因子分析之前首先要对原始数据进行标准化处理，其标准化的数学模型
（2）选取预处理后的三个指标的相关数据，然后利用因子分析法进行研究。基于以上相关性分析，构建的新的指标体系
（3）计算特征向量和特征值
利用样本数据得出因子载荷矩阵。根据之前标准化处理之后的数据，得出协方差矩阵R
其中，r表示指标j与k之间的相关系数。
（4）然后，利用标准特征方程 求出矩阵R的特征向量和特征值，并提取出方差累计贡献率大于85%的公共因子。
（5）计算各因子得分以及综合得分
因子得分就是将公共因子表示为原指标的线性组合，也可以看做是各个指标值的加权总和。计算出因子综合得分，即：
对深圳市工作需求、期望职业、期望学历三个指标进行得分系数计算
设就业需求为x1，期望职业x2，期望教育背景为x3。根据成分得分系数矩阵，分别计算各成分得：
综合上述各得分，通过各成分的系数，利用总方差表中的初始特征值求得总指标为：
通过上式分析得出，综合指标与就业需求、期望职业及期望教育背景都成正相关，并且与就业需求和期望职业的相关性较大。将各职业的就业需求、期望职业及期望教育背景三个指标数据代入公式10，以此绘制49个指标的折线图。
计算机软件、销售管理、市场/市场营销、销售、计算机硬件五类职业的需求量最高，美容及个人护理、一般商品/链条/零售、安全/客房/其他、毕业生、其他五类职业的需求量最低。
3 结论
以本科生的专业水平为界，综合本科生学历以上、本科生和本科生以下三类情况，通过模糊综合评价得出一个综合评分，并将其作为就业市场中对人才的期望教育背景x3的量化，结合就业需求x1、期望职业x2，得到就业市场需求中这三个方面的函数相关关系为：F=0.48x1+0.46x2+0.33x3，将深圳市49类职业的三个指标数据分别代入就业市场需求模型中，得到计算机软件、销售管理、市场/市场营销、销售、计算机硬件五类职业的需求量最高，美容及个人护理、一般商品/链条/零售、安全/客房/其他、毕业生、其他五类职业的需求量最低。综合分析建立的就业市场需求模型，针于当前的人才需求模式，有就业需求的人应该增强对计算机软件、销售管理、市场/市场营销、销售、计算机硬件五个方面知识的学习。
参考文献：
[1]李付俊，孟续铎.我国产业转型升级下的高校毕业生就业——研究回顾与展望[J].人口与经济，2014（06）：91-101.
[2]曹珊. 全球化背景下美国高等教育人才培养与劳动力市场互动关系研究[D].南京师范大学，2014.
[3]肖鹏燕. 我国高校人才培养和劳动力市场需求的非均衡研究[D].首都经济贸易大学，2011.
[4]阮红伟. 青岛市未来三年劳动力供给与需求形势预测及趋势分析[D].中国海洋大学，2005.
[5]肖祥辉. 西安市服务业就业容量研究[D].陕西师范大学，2006.
[6]Hollis B C，欧阳峣，盛小芳.大型发展中国家工业化经验[J].湖南商学院学报，2015，22（04）：12-17.
[7]夏星. 大学生就业市场优化研究[D].武汉理工大学，2009.
[8]Yue W， Wang Y P. A new fuzzy multi-objective higher order moment portfolio selection model for diversified portfolios[J]. Physica A： Statistical Mechanics and its Applications，2017，465.
[9]HIURA M， HIRAYAMA T， MATSUOKA T， et al. OPTIMUM DESIGNING OF SMALL-SIZED TOROIDAL CVT BASED ON FACTOR ANALYSIS FOR POWER LOSS[J]. The Proceedings of the JSME international conference on motion and power transmissions，2017，2017（0）.