层次分析法在高校毕业生就业质量评价指标体系中的应用研究

蒋黎妮+郑世林

摘 要 通过调查问卷与专家讨论，主要采用层次分析法构建高校毕业生就业质量评价指标体系，重点介绍评价标准、评价指标及计算方法，通过MATLAB软件计算其指标权重，从而得到较为全面、客观、独立、可测性强的就业质量监测评价结果。

关键词 就业质量；层次分析法；MATLAB

中图分类号：G647 文献标识码：B

文章编号：1671-489X（2015）20-0070-04

《国务院办公厅关于做好2013年全国普通高等学校毕业生就业工作的通知》的出台，代表历经10余年高校毕业生就业状况监测体系研究的发展，国家再次为完善高校毕业生就业反馈机制和监测体系做出新举措。因此，如果能建立系统、权威的毕业生就业状况监控与评价体系，通过对毕业生就业数据进行分析与挖掘，学校和教育部门便可对高校毕业生就业状况得到较为全面、客观、独立、可测性高和可比性强的质量监控与评价结果。笔者拟在借鉴现有研究成果的基础上，以相关文献为依据，通过调查问卷和专家座谈等方式，尝试构建该指标体系，使其通过对毕业生就业情况的跟踪调查，从用人单位的人才需求与毕业生的就业需求多方面出发，更全面、有针对性地开展就业指导，进行教育教学改革，全面提高毕业生的职业和就业竞争力。

1 高校毕业生就业状况评价监测指标及内涵

课题组通过调查问卷与专家讨论，结合多年来从事高校毕业生就业工作的实际经验，选择了就业率、就业结构、供需情况及满意度这四个主要的一级指标来作为评价高校毕业生就业状况的主要因素。

1）就业率。分别从“一次性就业率”和“年终就业率”两方面进行评价，使得就业率阶段性指标更趋于长期化和全面化，更能反映毕业生就业的整体状况，从另一方面对该量化指标进行质的修正。毕业生就业率=已就业人数/参加就业的毕业生人数，其中就业包括签订三方就业协议书、参军、专升本、灵活就业等。

2）就业结构。就业结构包括就业性质、就业地域和自主创业率等指标，其差异性可有效反映毕业生就业质量的状况。其中就业性质主要包含对国内外和地方知名企业、事业单位及私营企业的分布情况，前两项的占比情况从某种程度可以反映毕业生的就业竞争力，同时也可以根据本院校及同类院校的具体情况来收集该指标的数据情况。如对于课题组所在重庆电力高等专科学校来说，统计就业性质的占比情况应着重于国内两大核电、两大电网、五大发电集团及相关电力行业的国内知名企业；就业地域主要根据不同地区的经济发展水平来划分，不可否认，经济发达地区的就业岗位的竞争力要相对激烈，对大学生的就业竞争力也要求更高，因此，统计经济发达地区的就业情况占比也更能反映出毕业生的就业质量。

自主创业率虽然在高等院校的占比率较少，人数不会很多，但该指标能够反映出部分具有较高综合素质的就业人群的情况。同时，教育部近年来对高校创业教育的重视力度，也充分反映出该指标的设立对毕业生就业质量的评价具有一定导向性。此外，自主创业率指标的确定也可以根据高校近几年来毕业生创业数量的变化情况，对该指标的比率通过乘以相应系数进行调整。如若近三年自主创业率持续增加，该指标等级为优秀（A），系数为1.5；若近三年持平，等级为合格（C），系数为1；若近三年有所下降，指标为不合格（D），系数为0.8；若介于A与C之间，等级为良好（B），系数为1.2。

3）供需情况。供需情况包括总供需比、高层次企业的供需比与专业需求相关度三个方面。首先，毕业生总供需比主要反映的是当年该高校毕业生就业人数与用人单位到该校投放的需求数量的比率情况，从整体能反映该校毕业生在市场环境下的竞争力，是否受到更多的企业的青睐。而仅仅关注这一个指标是片面的，还需要考察在该校投放用人指标的企业的层次，而国内外和地方知名企业的需求比率刚好可以反映这一结果，层次越高的企业到校投放的用人指标越多，越能反映该校的就业质量高，毕业生的就业竞争力大。再次，还应该考量专业需求相关度这一指标，该指标与就业对口率有一定相关度，因为只有专业需求相关度高这一“因”，才有就业对口率高这一“果”，用人单位的专业需求与毕业生所学专业的相关度越高，从侧面也能反映出用人单位对该校毕业生在专业上的认可度高，毕业生质量高。另外，鉴于高校毕业生的初次就业岗位是以基层技术工作人员为主要定位目标，因此在这一大类中笔者未考虑岗位需求层次这一要素。

4）满意度。满意度主要反映的是社会认可度，从广义上应从用人单位、毕业生及社会其他机构几方面来进行评估。考虑到操作性与收集数据的准确性，笔者重点采集毕业生这一主体来进行评价，分别包含专业对口率、薪资满意度及职业发展满意度三个子指标。在已就业的毕业生人群中，与毕业生所学专业相关的就业比率越高，越能反映该校毕业生的就业质量高，社会认可度高。薪资满意度主要针对毕业生进行采集，在采集时间节点上应有相应的考究，一般来说毕业生应该在毕业2～3年之后才能完成实习期，薪资水平真正反映出他们的正常收入，因此应该有多次的采集结果才能准确反映出该指标的正确比率。职业发展满意度与工作环境满意度主要是以毕业生为本位进行数据采集，从质的方面对毕业生的就业质量进行评估。

2 指标权数的确定及综合定性分析

课题组通过运用层次分析法（Analytic Hierarchy Process，简称AHP），对评价毕业生就业质量的指标进行定量分析，从而得出高校毕业生就业状况各个监测指标的权重。

层次分析法步骤：将决策问题按照总目标、子目标、评价准则以及备投方案顺序分解为不同层次，使用求解判断矩阵特征向量法，求每一层次的各元素对上一层次某元素的优先权重，最后再采用加权求和的方法递阶归并各备择方案对总目标的最终权重，最终权重最大者即为最优方案。层次分析法比较适合于具有分层交错评价指标的目标系统。其用法是构造判断矩阵，求出其最大特征值及其所对应的特征向量，归一化后，即为某一层次指标对于上一层次某相关指标的相对重要性权值。endprint

确定毕业生就业质量结果的评估指标表 通过专家意见与小组讨论，课题组选择了主要的四个一级指标和11个二级指标来参与毕业生就业质量效果的运算，为此对指标进行编号，如表1所示。

建立层次结构 根据层次分析法的方法，将运算过程中的最终结果目标层（A）设置为第一层，准则层（B）为第二层，指标层（C）为第三层。

构造判断矩阵

1）课题组采用专家访谈法和专家问卷调查形式，同时参考部分文献，利用1～9的离散尺度对各个指标的相对中性进行判断，取判断值的平均值后构造一个判断矩阵B。矩阵B表示相对于就业质量（A）而言，Ci和Cj的相对重要性。每一层的N个监测指标需要建立一个n*n的成对的判断矩阵，如表2所示。通常bij=k（k=1，2，…，9），那么bji=1/k。

其次，各元素bij分别表示横坐标指标Ci与纵坐标指标Cj的进行相对两两比较，其重要程度的结果用1～9或其倒数来表示，如表3所示。

2）基于以上模型构造原理，在专家讨论和调查问卷的综合分析基础上，首先将各因素两两比较，建立如表4所示毕业生就业质量结果的评估指标判断矩阵。

其次，通过MATLAB软件来求得相应判断矩阵的最大特征值和一致性检验指标值，求解方法为：在MATLAB软件中输入[V，D]=eig（A），即可求出特征向量值ω0和λmax。

【例】完整的代码为：

clc；clear；

% [V，D] = eig（A）

A = [ 1 2 5 3；

1/2 1 3 2

1/5 1/3 1 1/2

1/3 1/2 2 1]；

[V，D] = eig（A）

得出结果：

0.8287 0.4829

0.4667 0.2720

ω0=0.1513，λmax=4.0145。

将特征向量归一化后为：ω0=0.0881 0.2694 0.1570。

即为各指标的权重集。

计算权重以后，要进行一致性检验来确定结果是否良好。其中，一致性指标CI=（λmax-n）/（n-1）。另外，判断矩阵的一致性还具有随机性，可以用平均随机一致性指标RI来表示。RI的值与矩阵维度大小相关，查询相关文献得出的1～9阶重复计算1000次的平均随机一次性指标如表5所示。

查询到矩阵相应维度的RI指标后，计算CR作为衡量判断矩阵一致性的指标，即CR=CI/RI。一般认为，当CR<0.1时，判断矩阵的一致性是可以接受的，否则作适当修正。

如表5计算：

CI=（4.0145-4）/（4-1）=0.0483

CR=0.0483/0.90=0.0537<0.1

因此，一级指标判断矩阵B-A具有一致性。

根据以上步骤，建立并计算二级指标的相应判断矩阵和特征向量，并进行一致性检验指标值的计算，如表6～表9所示。

由此，分别可以得到毕业生就业质量评价指标体系的权重数如表10所示。

3 结论

本文主要介绍了如何建立就业质量评价指标体系及如何计算和分析指标权重的方法，根据以上分析与计算的各指标权重，进行加权求和，最终得出该院校的就业质量的评分数。对于各指标数据的采集，一是可以从高校及高校毕业生就业主管部门所统计的数据中进行获取，如B1和B2指标，这些数据有相关机构进行监督，准确度和真实性都较高；二是可以通过高校和第三方评估机构进行获取，如B3指标，这样的数据虽然主要由高校自主采集，但结合第三方机构的评估，具有较强合理和真实性；三是可以通过调查问卷辅以电子邮件、在线调查及电话访谈等方式进行获取，如B4指标。

参考论文

[1]史淑桃.高校就业态势实证研究[J].商丘师范学院学报，2008（4）.

[2]戴蓥.高校毕业生就业质量评估与实践[J].当代教育理论与实践，2012（8）.

[3]马勇霞，姜兴健.不同专业大学生就业的实证分析[J].现代教育管理，2010（3）.

[4]薛建航.基于层次分析法的家庭经济困难学生认定研究[D].西安：西安科技大学，2012.endprint