论文部分内容阅读
摘 要：在大学教育由精英教育变成大众教育的今天，大学毕业生的就业形势和就业压力日趋严重。在这样的就业形势下，大学毕业生就业满意度问题开始逐渐凸显。当前，我国大学毕业生的就业满意度处于较低水平。提高大学毕业生的就业满意度是解决就业问题的深层次需要，具有十分重要的现实意义。本文在评价指标体系构建的基础上，通过模糊综合评价对大学生的就业满意度进行评价。旨在找出影响大学生就业满意度的主要因素，为高校及有关就业机构的就业工作提供参考。
关键词：大学生;就业满意度;模糊综合评价
1.评价指标体系及评价模型构建
1.1评价指标体系的构建
在阅读大量书籍和相关文献的基础上，遵循指标设计的原则，结合大学生就业的特点，筛选各项可行指标，构建大学生就业满意度的评价指标体系（表1-1），力求对大学生就业满意度进行全面、科学、合理的分析。
1.2评价模型的构建
1.2.1大学生就业满意度评价因素集
本文的研究对象是大学生就业满意度，影响大学生就业满意度的指标可以分为三个层次，第一层是大学生就业总体满意度，大学生就业总体满意度不能直接测量，要通过下一层指标反映出来，即第二层次的6个指标。
U=（U1，U2，U3，U4，U5，U6）=（工作环境，发展空间，单位地域，岗位职位，劳动报酬，地位声望）
第二层次指标也不能直接测量，需通过第三层次指标反映出来，第三层次的指标可直接转化为调查问卷收集数据。
U1=（工作条件，人际关系，领导风格，单位文化氛围）
U2=（单位发展前景，个人发展空间）
U3=（工作地区区间位置，工作地区发达程度，工作地区收入水平，工作地区社会风气）
U4=（成功机会，学习机会，挑战性，兴趣爱好）
U5=（劳动报酬数量，劳动报酬公平性，劳动报酬合理性）
U6=（单位知名度，单位规模，单位级别）
评价等级采用5级评价法即非常不满意、不太满意、一般、比较满意和非常满意5个等级，用V=（V1，V2，V3，V4，V5）=（非常不满意，不太满意，一般，比较满意，非常满意）。
1.2.2建立测评指标权重集
在大学生就业满意度评价指标体系中，各个指标的重要程度是不一样的，用数字大小来表示评价指标的权重。项目层各指标在大学生就业总体满意度用权重W=（W1，W2，W3，W4，W5，W6）表示，即W1表示工作环境总体满意度的权重，W2表示发展空间总体满意度中的权重，其它类推。项目层指标权重和W1+W2+W3+W4+W5+W6=1。因子层指标是围绕项目层指标开展，因子层各指标的在项目层相对应指标中的权重为Wi=（Wi1，Wi2，Wi3，Win），其中i=1，2，3，4，5，6，n 为项目层指标分解成的因子层指标个数。W11表示工作条件在工作环境这个指标中所占的权重，W12表示人际关系在工作条件这个指标中所占的权重，W13，W14，分别代表领导风格度和单位文化氛围在工作环境中的权重且W11+W12+W13+W14=1，其它指标层依此类推。
1.2.3单因素模糊综合评价矩阵的确定
以工作环境为例，根据调研的数据，共有107人对工作环境进行了评价，对该指标评价非常不满意的是0人，6人不太满意，30人一般，48人比较满意，23人非常满意，则该指标对于非常不满意的隶属度为0，对不太满意的隶属度为0.056，对一般的隶属度为0.28
同时也可以选取第二层的其它的指标进行类似计算，得到隶属度向量，以此类推可得到其它第二层指标的模糊综合评价矩阵。
1.2.4一级模糊综合评价
一级模糊综合评价是对项目层各个指标Ui各个因子进行评价，根据确定的权重和模糊综合评价矩阵计算一级模糊综合评价向量：Bi=WiRi，（i=1，2，3，4，5，6）项目层各指标的满意度模糊综合评价分值为：
Zi=Bi×（i=1，2，3，4，5，6）
其中Wi为各个项目层指标的权重集，Ri是每个项目层指标对应的模糊综合评价矩阵。这样将得到大學生对就业的工作环境、发展空间、单位地域、岗位职位、劳动报酬、地位声望这几个指标的满意度。
2 实证研究
2.1因子分析
本文采用随机抽样的方式，共发放调研问卷150份，收回140份，其中有效问卷107份，有效率为76.4%，符合因子分析对样本数量的基本要求。采用KMO和巴特利球形检验样来进行检验。KMO值位于0和1之间，越接近1，表示变量间相关性越强，越适合做因子分析。（见表2-1）
然后运用方差极大法（Varimax）正交旋转，对这些选项进行因子分析。如表2-2所示。
从总方差分解表（表2-2）可以看出，第一个因子即单位地域对原数据方差解释的贡献率为15.459%，第二个因子岗位职位的方差贡献率为13.770%，提取的6个主成分的累积总方差解释率为71.694%，也就是说这6个因子提供了原始数据的大部分信息，可见，我们提取的因子是有效的。
2.2模糊综合评价研究
2.2.1模糊综合评价矩阵的确定
根据前边确定模糊综合评价矩阵的方法，计算出第二层次各个指标模糊综合评价矩阵，用R1，R2，R3，R4，R5，R6分别代表工作环境、发展空间、单位地域、岗位职位、劳动报酬、地位声望这六个指标的模糊综合评价矩阵。
2.2.2因子分析确定权重
本文运用主成分分析法来提取公因子，根据经过方差最大正交化旋转后的载荷系数，对每一个因子的指标负载系数进行归一化处理，得到各因子层在项目层指标中的权重，进行整理，见表2-4：
3 结论
从大学生就业满意度模糊综合评价结果我们可以看出，大学生对就业的满意度综合评价值为3.331，综合评价介于一般和比较满意之间，并且综合评价结果更接近一般，这一模糊综合评价结果表明大学生对就业在一定程度上比较满意。
从我们对项目层指标的模糊综合评价得分我们知道，Z1>Z2>Z6>Z3>Z4>Z5（工作环境>发展空间>岗位职位>单位地域>地位声望>劳动报酬），其中对工作环境的满意程度评价得分最高，综合评价得分为4.07分，对劳动报酬满意度得分最低，为2.53。
参考文献
[1]王琦.实用模糊数学[M].北京：科学技术文献出版社，1992年
[2]宋晓秋.模糊数学原理与方法[M].徐州：中国矿业大学出版社，2004年
[3]王莲芬，许树柏.层次分析法引论[M].北京：中国人民大学出版社，1990年
[4]李健宁.结构方程模型导论[M].合肥：安徽大学出版社，2004年
关键词：大学生;就业满意度;模糊综合评价
1.评价指标体系及评价模型构建
1.1评价指标体系的构建
在阅读大量书籍和相关文献的基础上，遵循指标设计的原则，结合大学生就业的特点，筛选各项可行指标，构建大学生就业满意度的评价指标体系（表1-1），力求对大学生就业满意度进行全面、科学、合理的分析。
1.2评价模型的构建
1.2.1大学生就业满意度评价因素集
本文的研究对象是大学生就业满意度，影响大学生就业满意度的指标可以分为三个层次，第一层是大学生就业总体满意度，大学生就业总体满意度不能直接测量，要通过下一层指标反映出来，即第二层次的6个指标。
U=（U1，U2，U3，U4，U5，U6）=（工作环境，发展空间，单位地域，岗位职位，劳动报酬，地位声望）
第二层次指标也不能直接测量，需通过第三层次指标反映出来，第三层次的指标可直接转化为调查问卷收集数据。
U1=（工作条件，人际关系，领导风格，单位文化氛围）
U2=（单位发展前景，个人发展空间）
U3=（工作地区区间位置，工作地区发达程度，工作地区收入水平，工作地区社会风气）
U4=（成功机会，学习机会，挑战性，兴趣爱好）
U5=（劳动报酬数量，劳动报酬公平性，劳动报酬合理性）
U6=（单位知名度，单位规模，单位级别）
评价等级采用5级评价法即非常不满意、不太满意、一般、比较满意和非常满意5个等级，用V=（V1，V2，V3，V4，V5）=（非常不满意，不太满意，一般，比较满意，非常满意）。
1.2.2建立测评指标权重集
在大学生就业满意度评价指标体系中，各个指标的重要程度是不一样的，用数字大小来表示评价指标的权重。项目层各指标在大学生就业总体满意度用权重W=（W1，W2，W3，W4，W5，W6）表示，即W1表示工作环境总体满意度的权重，W2表示发展空间总体满意度中的权重，其它类推。项目层指标权重和W1+W2+W3+W4+W5+W6=1。因子层指标是围绕项目层指标开展，因子层各指标的在项目层相对应指标中的权重为Wi=（Wi1，Wi2，Wi3，Win），其中i=1，2，3，4，5，6，n 为项目层指标分解成的因子层指标个数。W11表示工作条件在工作环境这个指标中所占的权重，W12表示人际关系在工作条件这个指标中所占的权重，W13，W14，分别代表领导风格度和单位文化氛围在工作环境中的权重且W11+W12+W13+W14=1，其它指标层依此类推。
1.2.3单因素模糊综合评价矩阵的确定
以工作环境为例，根据调研的数据，共有107人对工作环境进行了评价，对该指标评价非常不满意的是0人，6人不太满意，30人一般，48人比较满意，23人非常满意，则该指标对于非常不满意的隶属度为0，对不太满意的隶属度为0.056，对一般的隶属度为0.28
同时也可以选取第二层的其它的指标进行类似计算，得到隶属度向量，以此类推可得到其它第二层指标的模糊综合评价矩阵。
1.2.4一级模糊综合评价
一级模糊综合评价是对项目层各个指标Ui各个因子进行评价，根据确定的权重和模糊综合评价矩阵计算一级模糊综合评价向量：Bi=WiRi，（i=1，2，3，4，5，6）项目层各指标的满意度模糊综合评价分值为：
Zi=Bi×（i=1，2，3，4，5，6）
其中Wi为各个项目层指标的权重集，Ri是每个项目层指标对应的模糊综合评价矩阵。这样将得到大學生对就业的工作环境、发展空间、单位地域、岗位职位、劳动报酬、地位声望这几个指标的满意度。
2 实证研究
2.1因子分析
本文采用随机抽样的方式，共发放调研问卷150份，收回140份，其中有效问卷107份，有效率为76.4%，符合因子分析对样本数量的基本要求。采用KMO和巴特利球形检验样来进行检验。KMO值位于0和1之间，越接近1，表示变量间相关性越强，越适合做因子分析。（见表2-1）
然后运用方差极大法（Varimax）正交旋转，对这些选项进行因子分析。如表2-2所示。
从总方差分解表（表2-2）可以看出，第一个因子即单位地域对原数据方差解释的贡献率为15.459%，第二个因子岗位职位的方差贡献率为13.770%，提取的6个主成分的累积总方差解释率为71.694%，也就是说这6个因子提供了原始数据的大部分信息，可见，我们提取的因子是有效的。
2.2模糊综合评价研究
2.2.1模糊综合评价矩阵的确定
根据前边确定模糊综合评价矩阵的方法，计算出第二层次各个指标模糊综合评价矩阵，用R1，R2，R3，R4，R5，R6分别代表工作环境、发展空间、单位地域、岗位职位、劳动报酬、地位声望这六个指标的模糊综合评价矩阵。
2.2.2因子分析确定权重
本文运用主成分分析法来提取公因子，根据经过方差最大正交化旋转后的载荷系数，对每一个因子的指标负载系数进行归一化处理，得到各因子层在项目层指标中的权重，进行整理，见表2-4：
3 结论
从大学生就业满意度模糊综合评价结果我们可以看出，大学生对就业的满意度综合评价值为3.331，综合评价介于一般和比较满意之间，并且综合评价结果更接近一般，这一模糊综合评价结果表明大学生对就业在一定程度上比较满意。
从我们对项目层指标的模糊综合评价得分我们知道，Z1>Z2>Z6>Z3>Z4>Z5（工作环境>发展空间>岗位职位>单位地域>地位声望>劳动报酬），其中对工作环境的满意程度评价得分最高，综合评价得分为4.07分，对劳动报酬满意度得分最低，为2.53。
参考文献
[1]王琦.实用模糊数学[M].北京：科学技术文献出版社，1992年
[2]宋晓秋.模糊数学原理与方法[M].徐州：中国矿业大学出版社，2004年
[3]王莲芬，许树柏.层次分析法引论[M].北京：中国人民大学出版社，1990年
[4]李健宁.结构方程模型导论[M].合肥：安徽大学出版社，2004年