周潤娟，蔡金平，胡長新(安徽工程大學電氣工程學院，安徽蕪湖241000)

基于AHP的大學生就業(yè)信心指數(shù)組合預(yù)測*

周潤娟，蔡金平，胡長新
(安徽工程大學電氣工程學院，安徽蕪湖241000)

大學生就業(yè)信心指數(shù)預(yù)測結(jié)果的準確性關(guān)系到就業(yè)政策的制定與實施的效果.提出綜合利用各單模型預(yù)測信息的組合預(yù)測思路，采用層次分析法確定單模型的權(quán)重值，構(gòu)建組合預(yù)測模型.結(jié)果顯示，組合預(yù)測模型在擬合期的表現(xiàn)與神經(jīng)網(wǎng)絡(luò)模型接近，優(yōu)于其他兩種模型;在預(yù)測期遠超過其他模型的預(yù)測效果.組合預(yù)測模型的擬合性能和泛化性能優(yōu)越，預(yù)測信息可作為高校制定相關(guān)政策時的重要參考依據(jù).

摘要:大學生就業(yè);信心指數(shù);組合預(yù)測;層次分析法

準確掌握大學生就業(yè)信心情況，有助于及時把握大學生思想動態(tài)，為高校制定人才培養(yǎng)方案和應(yīng)對就業(yè)問題，提供科學依據(jù)，具有較強的現(xiàn)實意義［1，2］.據(jù)人力資源和社會保障部最新統(tǒng)計資料顯示，2014年高校畢業(yè)生的就業(yè)規(guī)模將達到727萬，比2013年增加28萬人，再創(chuàng)歷史新高.運用科學方法及時預(yù)測出大學生的就業(yè)信心，對高校學生工作的開展尤為重要［3］.

嚴春紅等借鑒經(jīng)濟領(lǐng)域中的消費信心指數(shù)，編制了浙江省高職院校的調(diào)查問卷，測度出大學生的就業(yè)信心指數(shù)，結(jié)果顯示浙江省高職生的整體就業(yè)信心指數(shù)偏低［4］.楊光軍等采用問卷調(diào)查方式研究了山東省德州市3所高校的就業(yè)信心指數(shù)，并用灰色模型法構(gòu)建了基于時間序列的就業(yè)信心指數(shù)預(yù)測模型，可為高校制定長遠計劃提供參考依據(jù)［5］.然而在文獻［5］中，所構(gòu)建的灰色模型僅對已有數(shù)據(jù)進行了擬合，缺少對模型的檢驗環(huán)節(jié)，模型的預(yù)測性能尚未得出.根據(jù)金菊良等的研究成果顯示［6］，灰色模型法對具有趨勢性的時間序列預(yù)測性能較好，但對周期性數(shù)據(jù)泛化能力較差，不如自回歸法和神經(jīng)網(wǎng)絡(luò)法.

此處提出綜合灰色模型法的趨勢性預(yù)測性能和自回歸法、神經(jīng)網(wǎng)絡(luò)法的周期性預(yù)測性能，利用層次分析法(AHP)求解3種預(yù)測模型的權(quán)重，構(gòu)建出基于AHP的大學生就業(yè)信息指數(shù)組合預(yù)測模型(Combination Forecasting based on AHPmethod，CF-AHP).

1　CF-AHP模型構(gòu)建

CF-AHP模型主要思路是組合多個模型的預(yù)測性能，提高單模型的適用性.選用具有代表的自回歸法(TAR)、神經(jīng)網(wǎng)絡(luò)法(BP)和灰色模型法(GM)，分別運行預(yù)測模型，根據(jù)層次分析法(AHP)計算出單模型的權(quán)重值，組合得到組合預(yù)測模型結(jié)果.因此，CF-AHP模型的構(gòu)建共包括如下6個步驟.

步驟1:數(shù)據(jù)預(yù)處理.首先，需要對原始數(shù)據(jù)(X1，X2，…，Xn)進行無量綱化，消除量綱效應(yīng).

其次，根據(jù)待預(yù)測時間序列的數(shù)據(jù)分布特征，確定模型輸入值、輸出值的個數(shù)，構(gòu)建樣本對(Xn－k，…，Xn－1，Xn)，其中Xn為待預(yù)測年份的輸出值，Xn－k，…，Xn－1，表示用前k年數(shù)據(jù)預(yù)測第n年的數(shù)據(jù).模型構(gòu)建過程，一般可應(yīng)用數(shù)理統(tǒng)計中的自相關(guān)法，確定k值，考慮到大學生就業(yè)信心指數(shù)數(shù)據(jù)的小樣本特點，實際使用中，k值可直接取2～4.

步驟2:自回歸模型預(yù)測.自回歸模型(TAR)能有效地描述具有周期性、跳躍性、相依性等復(fù)雜現(xiàn)象的非線性動態(tài)系統(tǒng)，非常適合處理具有周期性的系統(tǒng)預(yù)測問題.其基本思想:在觀測時序{X(i)}的取值范圍內(nèi)引入L－1個門限值(r(j)，j=1，2，…，L－1)，將該范圍分成L個區(qū)間，并根據(jù)延遲步數(shù)k將{X(i)}按{X(ik)}值的大小分配到不同的門限區(qū)間內(nèi)，再對不同區(qū)間內(nèi)的X(i)采用不同的AR模型來描述，這些AR模型的總和完成了對時序{X(i)}整個非線性動態(tài)系統(tǒng)的描述.模型應(yīng)用時需確定延遲步數(shù)k、門限個數(shù)L，及各個AR模型的系數(shù)，可用最小二乘法或遺傳算法等優(yōu)化算法求解.限于篇幅，此處不再展開，可參考文獻［6］.

步驟3:神經(jīng)網(wǎng)絡(luò)模型預(yù)測.BP神經(jīng)網(wǎng)絡(luò)是用BP算法訓練的一種多層前饋型非線性映射網(wǎng)絡(luò)，網(wǎng)絡(luò)中各神經(jīng)元接受前一級的輸入，并輸出到下一級，網(wǎng)絡(luò)中沒有反饋聯(lián)接［7］.BP神經(jīng)網(wǎng)絡(luò)通常可以分為不同的層(級)，第j層的輸入僅與第j-1層的輸出聯(lián)接.BP算法是目前應(yīng)用最為廣泛且較成功的一種算法，在各行各業(yè)都有著廣泛的應(yīng)用，適合預(yù)測樣本中含有最大、最小值的插值式預(yù)測，對趨勢性數(shù)據(jù)的外延性能較差.BP神經(jīng)網(wǎng)絡(luò)在應(yīng)用時，需確定隱層節(jié)點個數(shù)，各層之間的連接系數(shù)可通過BP網(wǎng)絡(luò)算法求解.

步驟4:灰色系統(tǒng)模型預(yù)測.灰色系統(tǒng)預(yù)測模型來源于鄧聚龍等提出的灰色系統(tǒng)，即用微分方程描述事物發(fā)展的連續(xù)過程，實現(xiàn)預(yù)測未來發(fā)展的目的，因此適合于預(yù)測具有趨勢性特征的時間序列數(shù)據(jù).楊光軍等基于大學生就業(yè)信心指數(shù)數(shù)據(jù)，建立了GM預(yù)測模型，模型運行結(jié)果顯示，灰色系統(tǒng)模型可準確描述就業(yè)信心指數(shù)序列.與步驟2、3類似，對灰色系統(tǒng)模型預(yù)測更具體的內(nèi)容可參考文獻［5］.

步驟5:AHP法計算單模型權(quán)重.AHP算法是一種定性與定量相結(jié)合的決策分析方法，通過將復(fù)雜問題分解為若干層次和若干因素，可采用專家打分法，構(gòu)建出層次結(jié)構(gòu)［8］，如圖1所示.CF-AHP模型構(gòu)建中，首先對TAR、BP、GM模型進行兩兩比較，在1－9標度中根據(jù)打分結(jié)果得到兩兩比較的判斷矩陣，進而按照方根法求解各模型權(quán)重和一致性比例CR，若CR＜1.0，表示據(jù)此判斷矩陣計算出的權(quán)重值較為可靠，否則需重新打分確定判斷矩陣，直到獲得可靠的CR為止.

圖1　層次分析法的結(jié)構(gòu)

步驟6:組合模型預(yù)測.假設(shè)對同一就業(yè)信心指數(shù)有m個預(yù)測模型分別進行預(yù)測，記實際觀測值為yd(t)，第i個預(yù)測模型的預(yù)測值為y(i，t)，第i個預(yù)測模型的權(quán)重為w(i).其中，時刻t=1～n，n為樣本容量;模型序號.則組合預(yù)測模型的預(yù)測值為

組合預(yù)測模型的預(yù)測誤差絕對值為

根據(jù)組合模型預(yù)測結(jié)果，可與擬合期的TAR，BP，GM模型預(yù)測結(jié)果進行比較，分析組合3種單模型的CF-AHP模型的擬合性能.然后，用沒有參加擬合計算的數(shù)據(jù)樣本，分別檢驗4種模型的預(yù)測性能，得出更為可靠的大學生就業(yè)信心指數(shù)預(yù)測結(jié)果，進而科學指導高校政策制定實踐.

2　實例應(yīng)用

2.1數(shù)據(jù)來源

為便于比較，以文獻［5］中采集的山東省德州市3所高校的就業(yè)信心指數(shù)數(shù)據(jù)為例，驗證CF-AHP模型的性能，預(yù)測大學生就業(yè)信心的變化趨勢.文獻［5］的就業(yè)信心指數(shù)位于0～200之間，數(shù)值越小表示越?jīng)]信心，越大表示越有信心，數(shù)值100為“消極”與“積極”的臨界值.圖2顯示2000-2012年大學生就業(yè)信心指數(shù)與經(jīng)濟景氣指數(shù)的關(guān)系.

由圖2可知，就業(yè)信息指數(shù)與經(jīng)濟景氣指數(shù)的變化方向不一致，經(jīng)濟景氣指數(shù)高的時候，就業(yè)信心指數(shù)相反處于低位，呈負相關(guān)關(guān)系，相關(guān)系數(shù)R=－0.254，且就業(yè)信息指數(shù)的波動性明顯高于經(jīng)濟景氣指數(shù)的，說明僅用經(jīng)濟景氣指數(shù)預(yù)測就業(yè)信心指數(shù)遠遠不夠，可從就業(yè)信心指數(shù)的周期性出發(fā)加以預(yù)測.

圖2　大學生就業(yè)信心指數(shù)與經(jīng)濟景氣指數(shù)的關(guān)系

2.2單模型預(yù)測

2.2.1 TAR模型預(yù)測

由于樣本數(shù)據(jù)較少，模型的延遲步數(shù)k=2，TAR模型的門限個數(shù)L=1.根據(jù)最小二乘法計算結(jié)果，門限閾值為106.60，整理得到預(yù)測模型如下:

模型擬合期預(yù)測結(jié)果如表1中第Y_TAR列所示，擬合期誤差絕對值和為92.75.分別用2009、2010年數(shù)據(jù)預(yù)測2011，2010、2011年數(shù)據(jù)預(yù)測2012年，對就業(yè)信心指數(shù)進行檢驗.預(yù)測結(jié)果顯示，2011年實測數(shù)據(jù)為122，預(yù)測結(jié)果為111;2012年實測數(shù)據(jù)為132，預(yù)測結(jié)果為131.4，說明所建立的TAR模型在擬合期和檢驗期都有很好的預(yù)測性能，可作為組合預(yù)測模型的輸入模型.

2.2.2 BP模型預(yù)測

BP模型網(wǎng)絡(luò)結(jié)構(gòu)中，輸入層節(jié)點個數(shù)為2，隱層節(jié)點個數(shù)取3，輸出層節(jié)點個數(shù)為1，將2000-2010年數(shù)據(jù)輸入BP網(wǎng)絡(luò)中，2011，2012年數(shù)據(jù)用作檢驗.預(yù)測結(jié)果如表1中第Y_BP列所示，擬合期誤差絕對值和為34.93.2011，2012年的檢驗結(jié)果顯示，2011年實測數(shù)據(jù)為122，預(yù)測結(jié)果為129;2012年實測數(shù)據(jù)為132，預(yù)測結(jié)果為139.3，說明所建立的BP模型在擬合期和檢驗期也有較好的預(yù)測性能，可作為組合預(yù)測模型的輸入模型.相對于TAR模型，BP模型在擬合期的表現(xiàn)更加優(yōu)秀，但檢驗期的表現(xiàn)不如TAR模型，這與BP模型的擬合性能較強，泛化能力較弱有關(guān).

表1　CF-AHP組合模型法預(yù)測結(jié)果誤差分析

2.2.3灰色系統(tǒng)模型預(yù)測

表1中第Y_GM列出了文獻［5］中灰色系統(tǒng)模型的預(yù)測結(jié)果，GM模型在擬合期、檢驗期的誤差絕對值和均大于相應(yīng)的TAR，BP模型，說明GM模型在應(yīng)對具有周期波動性的大學生就業(yè)信心指數(shù)預(yù)測中，表現(xiàn)不佳，與灰色系統(tǒng)模型適用于描述趨勢性特征有關(guān).

2.3模型權(quán)重計算

采用專家打分法，對TAR，BP，GM模型的性能進行兩兩比較，得到1－9標度的判斷矩陣:

應(yīng)用方根法計算出3種模型的權(quán)重值W={0.258，0.637，0.105}，為了檢驗權(quán)重值的可靠性，進一步計算判斷矩陣的一致性.根據(jù)權(quán)重值W，計算得最大特征λmax=3.04，判斷矩陣的一致性系數(shù)C.I.=(λmax－n)/ (n－1)=(3.04－3)/(3－1)=0.019 3，其中n=3為判斷矩陣的階數(shù).為消除矩陣階數(shù)對一致性系數(shù)的影響，還需考慮判斷矩陣階數(shù)對應(yīng)的平均隨機一致性系數(shù)R.I.(n)，取n=3，查AHP法計算表［8］可得R.I.(3)= 0.58，因此求出一致性比例C.R.=C.I./R.I.=0.0193/0.58=0.033＜0.1，說明判斷矩陣具有較好的一致性，據(jù)此求解出的權(quán)重值是可靠的.

2.4 CF-AHP組合預(yù)測

將3種模型(i=1，2，3)的擬合期輸出值y(i，t)和權(quán)重值w(i)代入式(2)中，得到組合預(yù)測模型的擬合期輸出值，列入表1中第Y_AHP列.CF-AHP模型的擬合期誤差絕對值和47.84劣于BP模型的34.93，但優(yōu)于TAR和GM模型的92.75和101.2.說明組合3種模型后的CF-AHP具有與BP模型接近的優(yōu)秀擬合性能.

將3種模型的檢驗期(t=2011，2012)輸出值和權(quán)重值代入式(2)中，求出CF-AHP模型的檢驗期預(yù)測值，其誤差絕對值和僅為3.94，遠小于GM模型的21.2和BP模型的14.37，也優(yōu)于TAR模型的11.61，顯示出較強的泛化預(yù)測能力.

組合模型與單模型預(yù)測結(jié)果比較如圖3所示(其中2000－2010年為擬合期，2011、2012為檢驗期).進一步說明，綜合多種單模型的預(yù)測信息后，CF-AHP模型具有更加強大的適用性，尤其適合于預(yù)測大學生信心指數(shù)，或類似的時間序列預(yù)測問題.

圖3　組合模型與單個模型預(yù)測結(jié)果比較

2.5預(yù)測結(jié)果討論

從圖3的CF-AHP模型預(yù)測結(jié)果可知，雖然近年就業(yè)壓力較大，但學生對就業(yè)的信心仍較高，且呈逐年上升趨勢.這與國家層面對大學生就業(yè)問題的重視和制定的各種鼓勵自主創(chuàng)業(yè)政策的實施，具有很大的關(guān)系.高校在面對當前的就業(yè)形勢下，準確地獲取大學生就業(yè)信心指數(shù)及其變化趨勢，可及時調(diào)整學生工作重心，確保大學生對就業(yè)問題的信心.從圖3可知，德州市的3所高校根據(jù)大學生就業(yè)信心指數(shù)，及時調(diào)整、制定了學生工作計劃，將就業(yè)信心教育提升到大學生思想政治教育的層次上，同時多次舉辦各種職業(yè)規(guī)劃和實踐活動，解讀國家和各級地方政府的就業(yè)政策，將大學生的就業(yè)信心指數(shù)穩(wěn)定在了上升趨勢中.

3　結(jié)論

單個預(yù)測模型在大學生就業(yè)信心指數(shù)預(yù)測中，表現(xiàn)不同，BP模型具有較強的擬合能力，TAR模型具有較強的泛化能力，GM模型在就業(yè)信心指數(shù)預(yù)測中表現(xiàn)一般.

CF-AHP組合預(yù)測模型，綜合利用了單個預(yù)測模型的預(yù)測信息，極大地提升了模型的預(yù)測性能.CF-AHP在擬合期的表現(xiàn)與BP模型接近，而在預(yù)測期則獲得了遠小于其他3種模型的預(yù)測誤差，顯示出強大的泛化預(yù)測能力.

大學生就業(yè)信心指數(shù)的預(yù)測結(jié)果，可作為高校制定學生工作計劃的依據(jù).根據(jù)預(yù)測結(jié)果，及時調(diào)整工作方向，可進一步地穩(wěn)定大學生的就業(yè)信心.

［1］易忠，張明平.西部大學生就業(yè)模式研究［J］.重慶工商大學學報:自然科學版，2013，30(6):29-31

［2］裴菁.上海市大學生就業(yè)區(qū)域流向的實證研究［J］.上海理工大學學報:社會科學版，2014(1):90-95

［3］周紅霞.大學生就業(yè)信心狀況調(diào)查與對策分析［J］.東北師大學報:哲學社會科學版，2011(3):214-217

［4］嚴春紅.大學生就業(yè)信心指數(shù)的設(shè)計與分析［D］.金華:浙江師范大學，2007

［5］楊光軍.灰色神經(jīng)網(wǎng)絡(luò)在大學生就業(yè)信心指數(shù)預(yù)測中的應(yīng)用［J］.計算機系統(tǒng)應(yīng)用，2013，22(8):190-193

［6］金菊良，丁晶，魏一鳴.基于遺傳算法的門限自回歸模型在淺層地下水位預(yù)測中的應(yīng)用［J］.水利學報，1999(6):51-55

［7］劉希梅，孫少華，么慧慧，等.基于三角模糊層次分析法的教學質(zhì)量評價研究［J］.重慶工商大學學報:自然科學版，2013，30(8):45-49

［8］汪應(yīng)洛.系統(tǒng)工程［M］.北京:機械工業(yè)出版社，2008

Abstract:employment of college students;confidence index;combination forecasting;AHP

Combination forecasting of the employment confidence index of college student by AHP method

ZHOU Runjuan，CAI Jinping，HU Changxin
(College of Electrical Engineering，Anhui Polytechnic University，Wuhu 241000，China)

Employment Confidence Index of college student(ECI)can be used as a reference to assist the university administrators to formulate work plans and cope with the current employment situation.So，the most accurate forecasting results are needed，which is directly related to the effect of policy formulation and implementation.In order to solve this problem，the advantages and disadvantages of the model of threshold autoregression(TAR)，back propagation(BP)and Graymodelwas analyzed.According to analysis result，we proposal a Combined Forecastmodel based on the Analytic Hierarchy Process(CF-AHP)，in which AHP is used to determinate the weight of each single model.The forecast results show that the performance of CF-AHP has a good behavior to other threemodels，which can be used as an important reference for the university development of relevant policies.

TP391

A

1672－058X(2015)09－0076－05

10.16055/j.issn.1672－058X.2015.0009.019

2015－03－08;

2015－04－20.

教育部人文社會科學研究專項任務(wù)項目(12JDSZ3041);安徽高校省級科學研究項目(2011SK637);安徽工程大學青年科研基金項目(2013YQ38)

周潤娟(1984-)，女，安徽太湖人，碩士，助教，從事大學生就業(yè)與環(huán)境意識教育研究.