基于层次分析法的高校就业评估方法

（武汉商学院通识教育研究中心 湖北·武汉 430056）

0 引言

高校就业质量是衡量高校办学质量和人才培养目标达成度的重要指针，随着中国高教事业的蓬勃发展，高教管理和评价也日益量化、细化、规范化。2013年起，国家教育部要求全国各高校每年发布毕业生就业质量报告，这表明国家对大学生就业工作的要求，从注重提高就业率转变为更加注重全面提升就业质量。

客观、科学地评价高校毕业生的就业质量具有重要的现实意义，习近平总书记曾强调，“就业是最大的民生工程、民心工程、根基工程”；在2020年政府工作报告中，“就业”一词出现了39次，提出“六保”首先是保就业，“六稳”首先是稳就业。可见就业是个人、企业、政府、高校、社会等各个层面的共同目标，就业质量关系到个人的充分发展、企业的人力资源支持、政府的教育战略、社会的和谐稳定等诸多方面。

但是高校毕业生就业质量评价也是一个复杂的评价问题。就业质量是一个多指标、多要素的复合体系，不同地域不同类型高校的就业质量评价的评价因素和庞大的数据量对传统的技术和分析方法提出了巨大的挑战，需要更系统、更科学、更准确的就业评价新方法。

1 相关工作

陈玮从应用型本科院校教学质量评价的现状出发，探讨构建适用于应用型人才培养的教学质量评价体系。通过构建原则、评价层次，逐层分析各评价主体的功能和作用，探索应用型人才培养教学质量评价的可行方法。

张德宜根据科技文献研究、与老师和学生进行讨论后提取了20个基本评价指标作为就业质量评价的基础要素，然后向最近3年的部分高职学校毕业生就这些基础要素的评价指标重要性进行了调查，综合运用多种评价方法进行信息的分析评价，探讨了高职毕业生就业质量综合评价的方法。

颜军通过用模糊综合评价的方法进行了就业质量评价研究。在最大隶属原则基础上加权求和5个评价等级对应的百分制分值，结合学生毕业后的评价意见进行综合分析，得出他们对自己就业质量评价的综合定量结果，该方法的具有较好的推广价值。

和就业质量评价关联度较大的研究课题是毕业生的就业能力评价。孙庚等人研究了大学生能力评价的数值化方法。研究分析了毕业生能力评价体系的指标，利用相关性测试方法证明体系中各个指标之间存在强弱不同的相关关系，然后利用主成分分析方法将各指标按照不同能力类别进行划分，汇总得出5类能力指标。评价结果与就业质量的比对表明，该毕业生能力评价方法结果与学生能力评价结果高度一致。

大数据技术为高校毕业生就业评价问题提供了一种新的工具。本文的主要目的是基于大学毕业生的问卷数据，提出一种基于层次分析法的可靠的就业质量评价方法。基于学校实际由专家选择的变量和权重的主干框架和大数据基础的层次分析法(AnalyticHierarchyProcess，简称AHP)方法在各领域基于大数据进行信息分析和评价任务中常用的一种定性和定量结合的统筹学方法。本研究的目的是评价层次分析法对大学毕业生就业质量的评价能力。为此，本文开发了利用问卷数据获取毕业生就业质量评价的AHP分析方法，并运用数据驱动分析变量进行了验证。以武汉商学院10所学院2019届1432名毕业生就业数据和毕业生问卷调查数据为研究对象。

2 基于AHP方法的就业质量评价

层次分析法是一种可以方便地应用于数据挖掘问题的半定量方法，由美国Saaty教授于上世纪70年代初期提出。AHP方法利用可量化、标准化的权重方法分析复杂的决策问题，已被广泛应用于技术、经济和社会政治领域中各种问题决策。层次分析法将一个复杂的非结构化问题分解为若干层次，然后通过计算两两比较矩阵对每个影响因素分配相对权重，并收集专家意见来解决问题。

在层次分析法中，通过两两相对比较的方法使用权重来进行决策。在这种方法中，判断过程是结构化的，因此所有的信息都被考虑进去。与数据挖掘问题相关的所有类型的信息都可以包含在这个过程中。结构化数据源自专家的知识和经验，通过比较矩阵的特征向量计算得到各因素的权重。

本文以层次分析法为基础，建立了定量与定性相结合、可操作性强的高校毕业生就业质量评价模型。就业质量的AHP模型具体过程如下叙述。

2.1 建立层次结构模型

AHP方法的第一步是层次结构模型的构建，将问题包含的因素进行分层、分析，厘清相关因素的关联性和影响程度，根据评价主体的综合性和多元化原则，构建对毕业生就业质量这个目标构成影响路径的指标架构。

通过往年就业调查报告和专家意见，武汉商学院2019年本科生毕业生就业质量报告问卷调查了大学生就业质量多方面评价因素，主要包括初次就业率及毕业去向（包含毕业生就业率、就业去向、升学情况、自主创业情况等）、就业质量相关因素（包含就业满意度、职业期待吻合度、就业待遇和保障、毕业生就业感受等）、毕业生就业过程及影响因素（包括求职渠道、就业成功关键因素、求职困难、就业帮扶措施等）、毕业生与用人单位及学校就业工作的互动因素（包括用人单位对毕业生多项能力的评价及职业发展的反馈、毕业生对学校的评价及就业措施反馈、近3年毕业生就业情况发展趋势、近3年用人单位情况发展分析等）。

2.2 构造判断矩阵，量化评价指标

合理准确的判断矩阵是量化评价的基础。高校毕业生就业质量评价影响因素的层次结构模型构建完成后，要对每个影响因素对上级因素的影响程度进行衡量，利用成对比较的方法构造成1-9级重要性的成对比较矩阵。对n个质量评价影响因素，成对比较矩阵是个n行n列的矩阵，其中的元素aij是描述第i个元素相对于第j个元素的相对权重值。权重取值为1、3、5、7、9分别表示元素i和元素j相比对上一层次因素影响力的大小为相同、略微更重要、更重要、重要得多、压倒性更重要。如果该元素的重要性介于上述权重取值之间，即取值为2n，你=1，2，3，4，则表示重要性介于2n-1和2n+1之间。

高校就业质量评估任务的一个关键步骤是将任务建模为一个可量化的问题，根据专家意见和学校2019年就业问卷数据，本次建模选取就业满意度、专业相关度、职业期待吻合度、薪资满意度和职业发展前景5个影响毕业生就业质量的核心指标。因素量化的过程是从调查材料的原材料中抽取关键信息，建立一个合理、准确的判断矩阵。构建判断矩阵的目的是比较各因素在同一层次上的相对重要性，并以定性的方式表达重要性。为了对高校毕业生就业质量评价的各个因素赋予合理的权重，我们告诉专家统计分析的目的、评价的因素和评价的目标。然后，专家对各因素的重要性进行独立评分。根据专家的评分组织构建出一个合理的判断矩阵。计算判断矩阵中每一行测量值的几何平均值，得到各因素的初始权重。最后的权重是初始权重的归一化结果。

2.3 一致性检验

从理论上而言，如果上述判断矩阵A是完全一致的，则应该满足如下取值条件：aij＞0，aij=1，aij=1/aji。当 i=j时候，aij=1。并且有aij*ajk=aik。

但实际上构造成对比较矩阵要满足上述大量约束条件是很难完全满足的，因此我们允许矩阵存在一定程度的不完善。一致性检验是衡量成对比较矩阵一致性程度的指标。具体方法是分别计算一致性指标CI和一致性比例CR，其中CI=（max-n）/(n-1)，CR=CI/RI，max为矩阵最大特征值，n为矩阵阶数，RI为平均随机一致性指标，RI值源自随机构造成对比较矩阵的充分大子样的最大特征值的平均值，1-10阶的RI值分别为（0，0，0.58，0.90，1.12，1.24，1.32，1.41，1.45，1.49）。如果计算获得CR＞0.1，我们则认为判断矩阵一致性不满足基本要求，需要重新调整判断矩阵的赋值。如果计算获得CR＜0.1，我们就认为判断矩阵的构建基本合理，满足AHP建模及进一步应用的要求。

根据问卷调查结果和专家意见，采用层次分析法计算工作满意度、专业相关度、期望满意度、薪资满意度及职业前景5个就业质量评价核心指标的权重关系，确定各指标权重分别为30%、10%、15%、30%、15%及15%。通过AHP建模和计算，湖北商学院2019届毕业生的上述5个指标100分满分评价结果分别为87.45、80、87.45、73.45、95.13，综合评价结果为83.65分，高于大多数同类型高校，就业质量较高。

验证是开展质量评价和确定预测能力的基本步骤。本研究采用曲线下面积(AUC)法进行验证。这种方法通过创建特定的比率曲线来工作，该曲线解释了每个确定的质量等级中已知质量的百分比，并显示为累积频率图。在速率曲线中，y轴为观测质量的累积百分比，x轴为面积的累积百分比。速率曲线下的总面积可以定性地评价质量评价的预测精度，面积越大，预测精度越高。本研究将经专家验证的质量数据(194名毕业生)与质量评价数据进行比较，得到了质量曲线，并计算了曲线下面积。曲线下面积为0.8137，质量评价分区图总体成功率为81.37%。成功率曲线在0.8以上，是研究区质量评价映射的合理模型。

3 结论

层次分析法是一种专家判断方法，其优点是能够检验专家给出的评价的一致性。由于决策过程中参数的两两相对比较没有不一致性，因此该方法适用于高校毕业生就业质量问题，具有较高的准确性。本研究考虑了5个因素，即工作满意度、专业相关性、期望满意度、薪酬满意度和职业前景。这5个因素的选择是基于研究问题的数据可用性和就业质量的相关性。然而，在数据可用性的基础上，可以考虑更多的因素，以供进一步研究。结果表明，预测的就业质量水平与以往的经验数据吻合良好。本研究的评估结果可作为政策制定者、大学管理者和学生及家长的良好信息来源。

大数据挖掘技术为高校毕业生质量评价提供了跨学科的解决方案，相关研究成果有待相关领域的实践验证。数据挖掘不仅为目前的就业报告提供实用的解释，而且为未来的就业评估实践提供技术指导。更多的定量和定性相结合的方法正在提高各学科和各高校的研究生质量评价。本文是近年来对数据挖掘技术在就业评估中的一次尝试，将为提高高校管理水平和高等教育水平带来更多的研究和应用。