鄭媛媛ZHENG Yuan-yuan

（鐘山職業(yè)技術學院，南京 210049）

（Zhongshan Vocationa1 Co11ege，Nanjing 210049，China）

0 引言

隨著教育體制改革的不斷深入，我國高等教育也逐步向適應社會主義市場經濟體制的辦學模式轉型，辦學規(guī)模不斷擴大，體系結構日趨完善。其中高等職業(yè)教育發(fā)展尤為迅速，已經占據(jù)我國高等教育的“半壁江山”。高職院校畢業(yè)生就業(yè)直接關系到高職院校的生存和持續(xù)、健康發(fā)展，它既是高職院校辦學方向的重要依據(jù)，也是衡量學校辦學水平、人才培養(yǎng)質量的重要指標，科學地預測學生的就業(yè)趨勢，了解社會對高職人才未來需求狀況，對于調整人才培養(yǎng)計劃和方案，更緊密地滿足社會各領域的實際需求，具有極其重大的意義。但影響學生就業(yè)的因素眾多，既受到政府政策、專業(yè)、性別等確定性因素的影響，又受到一些經濟、社會等不確定因素的影響，用GM模型的灰色預測方法能較好地解決這個問題。并且不需要過多的樣本數(shù)據(jù)，可以彌補歷史統(tǒng)計數(shù)據(jù)較少的不足。另外，灰色預測方法還可以避免由于個人經驗、知識、偏好等造成的人為主觀臆斷。本文以南京鐘山職業(yè)技術學院學生就業(yè)率的數(shù)據(jù)為例，運用灰色模型對學生就業(yè)趨勢進行預測。

1 運用灰色系統(tǒng)預測

灰色預測是基于微分方程的預測方法。其建模的思想是將時間序列轉化為動態(tài)方程，首先對原始數(shù)據(jù)進行累加轉換成灰色生成數(shù)，消除原始數(shù)據(jù)的波動性、突變性和隨機性，使之更能反映系統(tǒng)的內在規(guī)律，然后根據(jù)灰色生成數(shù)，建立灰色生成數(shù)列預測的微分方程及其響應函數(shù)，進行灰色生成數(shù)的預測，最后進行還原，獲得真實的預測值。

1.1 根據(jù)原始數(shù)據(jù)序列x(0)計算生成累加序列x(1)

截止到2013年鐘山職業(yè)技術學院在校生規(guī)模達到2361人，招生人數(shù)呈現(xiàn)不斷上漲的趨勢，就業(yè)水平也穩(wěn)定在一個比較高的水平。由于學生初次就業(yè)與社會都有一個磨合期，變動情況較大，不穩(wěn)定的因素較多，所以調查的難度也較大，本文學生就業(yè)率的統(tǒng)計以學生的就業(yè)協(xié)議為準。

表1 鐘山學院2006-2013年學生就業(yè)率統(tǒng)計

j研究對象的歷史數(shù)據(jù)設為：x(0)={x(0)(1)，x(0)(2)，x(0)(3)…x(0)(n)}，一般情況下，對于給定的原始數(shù)據(jù)列不能直接用于建模，因為這些數(shù)據(jù)多為隨機的、無規(guī)律的，為了減弱原始數(shù)據(jù)序列的波動性和隨機性，需對原始序列進行數(shù)據(jù)處理，即通過累加生成方式將原始數(shù)據(jù)列轉化為規(guī)律性較強的遞增數(shù)列：x(1)={x(1)(1)，x(1)(2)，x(1)(3)…x(1)(n)}，其中 x(1)k=。對于非負的數(shù)據(jù)列，累加的次數(shù)越多，則隨機性弱化越明顯，規(guī)律性越增強，這樣就較容易用指數(shù)去逼近。經過這樣的數(shù)據(jù)處理能達到兩個目的：①弱化了原始數(shù)據(jù)列的隨機性，而找到了其變化的規(guī)律性；②為建立動態(tài)模型提供了中間信息?？紤]到就業(yè)率指標作為相對數(shù)，對其累加沒有實際意義，我們首先對就業(yè)人數(shù)進行灰色模型預測，并將其預測的效果和回歸模型比較，若其效果優(yōu)于回歸預測的效果，我們進一步以該模型為依據(jù)，預測畢業(yè)學生人數(shù)，進而得到就業(yè)率的預測值，若回歸預測效果優(yōu)于該預測模型，我們以回歸模型對就業(yè)率進行預測。

表2 以就業(yè)人數(shù)作為原始數(shù)據(jù)序列x(0)計算生成累加序列x(1)

1.2 對x(1)進行光滑性檢驗

1.3 檢驗x(1)是否具備準指數(shù)規(guī)律

1.4 建立矩陣B和y

1.5 計算（BTB）-1

1.6 根據(jù)灰色系統(tǒng)理論，對于一次累加生成序列x(k)，有微分方程

式中參數(shù)a，u用最小二乘法求得：

1.7 把a，u帶入時間響應方程

由于x(1)(1)=904，故時間響應方程為

表3

1.9 精度檢驗與預測

2 回歸分析

下面采用傳統(tǒng)的回歸方法對學生的就業(yè)人數(shù)及就業(yè)率進行預測分析。本例中假設畢業(yè)人數(shù)為X，就業(yè)學生數(shù)為Y。

表4

首先先對畢業(yè)人數(shù)和就業(yè)人數(shù)的相關性進行檢驗：

說明畢業(yè)人數(shù)和就業(yè)人數(shù)二者之間存在高度的線性相關性，下面給二者匹配回歸模型。通過EXCEL的回歸功能，通過運算可得表5數(shù)據(jù)。

由此我們可建立畢業(yè)人數(shù)和就業(yè)人數(shù)的回歸模型Y=-27.124+0.99X，同時根據(jù)EXCEL的回歸功能我們可得各個時期的就業(yè)人數(shù)的預測值（表6）。

表5

表6

通過上述運算，雖然兩種方法的殘差均值都是0.14，但回歸預測殘差標準差只有20.93，遠遠小于灰色模型殘差標準差389?；貧w模型屬于比較傳統(tǒng)的預測方法，但在高職學生畢業(yè)人數(shù)預測中這種方法更有優(yōu)勢。鑒于此，我們對學生畢業(yè)率的預測在此基礎上展開。根據(jù)調查，2014年畢業(yè)生人數(shù)約為2346人，依據(jù)回歸方程Y=-27.124+0.99X，將2346代入可知，2014年就業(yè)人數(shù)為2295人，由此可得2014年的就業(yè)率為97.83%。

3 結論

通過上述分析我們發(fā)現(xiàn)，灰色預測模型雖然在很多方面得到了廣泛的運用，本例雖然在一開始也做了匹配條件的檢驗，但通過與線性回歸模型精確度的比較，傳統(tǒng)的回歸預測方法更試用于就業(yè)學生人數(shù)的預測，連續(xù)多年的就業(yè)率也說明高職院校的就業(yè)率的數(shù)值在97%-99%之間，處于一個非常高的就業(yè)水平。但該數(shù)據(jù)的準確性、穩(wěn)定性以及數(shù)據(jù)統(tǒng)計的口徑是值得商榷的。

[1]李少鵬，吳嘉晟.灰色系統(tǒng)模型及其經濟問題應用[J].數(shù)學的實踐與認識，2008(1).

[2]張僑,蔡道成.基于灰色系統(tǒng)模型的海南中部國際旅游需求預測.科技和產業(yè)，2010(10).

[3]鄧聚龍.灰預測與灰決策[M].武漢:華中科技大學出版社,2002.

[4]栗方忠.統(tǒng)計學原理[M].東北財經大學出版社，2014.