江苏省民办高职院校就业状况研究——基于灰色模型和回归模型的比较分析

郑媛媛ZHENG Yuan-yuan

（钟山职业技术学院，南京 210049）

（Zhongshan Vocationa1 Co11ege，Nanjing 210049，China）

0 引言

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)

截止到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。

表1 钟山学院2006-2013年学生就业率统计

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列：x(1)={x(1)(1)，x(1)(2)，x(1)(3)…x(1)(n)}，其中 x(1)k=。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。

表2 以就业人数作为原始数据序列x(0)计算生成累加序列x(1)

1.2 对x(1)进行光滑性检验

1.3 检验x(1)是否具备准指数规律

1.4 建立矩阵B和y

1.5 计算（BTB）-1

1.6 根据灰色系统理论，对于一次累加生成序列x(k)，有微分方程

式中参数a，u用最小二乘法求得：

1.7 把a，u带入时间响应方程

由于x(1)(1)=904，故时间响应方程为

表3

1.9 精度检验与预测

2 回归分析

下面采用传统的回归方法对学生的就业人数及就业率进行预测分析。本例中假设毕业人数为X，就业学生数为Y。

表4

首先先对毕业人数和就业人数的相关性进行检验：

说明毕业人数和就业人数二者之间存在高度的线性相关性，下面给二者匹配回归模型。通过EXCEL的回归功能，通过运算可得表5数据。

由此我们可建立毕业人数和就业人数的回归模型Y=-27.124+0.99X，同时根据EXCEL的回归功能我们可得各个时期的就业人数的预测值（表6）。

表5

表6

通过上述运算，虽然两种方法的残差均值都是0.14，但回归预测残差标准差只有20.93，远远小于灰色模型残差标准差389。回归模型属于比较传统的预测方法，但在高职学生毕业人数预测中这种方法更有优势。鉴于此，我们对学生毕业率的预测在此基础上展开。根据调查，2014年毕业生人数约为2346人，依据回归方程Y=-27.124+0.99X，将2346代入可知，2014年就业人数为2295人，由此可得2014年的就业率为97.83%。

3 结论

通过上述分析我们发现，灰色预测模型虽然在很多方面得到了广泛的运用，本例虽然在一开始也做了匹配条件的检验，但通过与线性回归模型精确度的比较，传统的回归预测方法更试用于就业学生人数的预测，连续多年的就业率也说明高职院校的就业率的数值在97%-99%之间，处于一个非常高的就业水平。但该数据的准确性、稳定性以及数据统计的口径是值得商榷的。

[1]李少鹏，吴嘉晟.灰色系统模型及其经济问题应用[J].数学的实践与认识，2008(1).

[2]张侨,蔡道成.基于灰色系统模型的海南中部国际旅游需求预测.科技和产业，2010(10).

[3]邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002.

[4]栗方忠.统计学原理[M].东北财经大学出版社，2014.