摘 要:在新冠肺炎疫情影響下,如何提高高職畢業(yè)生就業(yè)過程滿意度,幫助高職畢業(yè)生順利就業(yè)是當(dāng)前高職院校必須解決好的問題之一。本文運用主成分分析法、聚類分析法和因子分析法,對高職畢業(yè)生就業(yè)過程的調(diào)查數(shù)據(jù)進(jìn)行研究,目的在于對高職畢業(yè)生的就業(yè)過程進(jìn)行科學(xué)、客觀、合理地監(jiān)測,以期有針對性地開展就業(yè)跟蹤和指導(dǎo)工作。
關(guān)鍵詞:主成分分析;聚類分析;因子分析法;就業(yè)
本文索引:黃立強.后疫情時代高職畢業(yè)生就業(yè)過程滿意度研究[J].中國商論,2021(14):-192.
中圖分類號:F240 ?文獻(xiàn)標(biāo)識碼:A ? ?文章編號:2096-0298(2021)07(b)--04
2020年5月22日,國務(wù)院總理李克強在政府工作報告中前所未有地39次提到“就業(yè)”兩個字,由此可見,在新冠肺炎疫情影響下如何穩(wěn)就業(yè)、保民生已經(jīng)成為當(dāng)下熱議的話題之一。
因此,如何提高高職畢業(yè)生就業(yè)過程滿意度,幫助其順利就業(yè),將要吃飯的口變成創(chuàng)造巨大財富的手,實現(xiàn)人才資源充分合理地分配是各高職院校當(dāng)前必須解決好的問題之一。根據(jù)高校畢業(yè)生就業(yè)狀況監(jiān)測要堅持全面性、獨立性、可評性、可測性的原則[1],本文運用主成分分析方法、聚類分析方法和因子分析法對求職成本、求職時間、求職渠道、需求情況和就業(yè)指導(dǎo)[2]這五個維度進(jìn)行就業(yè)過程滿意度的監(jiān)測,以期有針對性地開展就業(yè)幫扶工作。
1 主成分分析的基本思想
主成分分析的核心思想是降維,通過降維的方式將多個復(fù)雜的相關(guān)性變量轉(zhuǎn)化為少數(shù)幾個關(guān)鍵的不相關(guān)的變量,并在轉(zhuǎn)換過程中盡量保留原來變量更多的信息,轉(zhuǎn)換后的少數(shù)幾個關(guān)鍵的不相關(guān)的變量我們稱之為主成分,每一個主成分都是原始變量的線性組合。
2 聚類分析的基本思想
聚類分析是一種建立分類的多元統(tǒng)計分析方法,它能夠?qū)颖局懈黜椫笜?biāo)“性質(zhì)”較為相近的歸為一類,“性質(zhì)”差別較大的歸為不同類,從而產(chǎn)生多個分類結(jié)果。類內(nèi)部樣本的性質(zhì)具有相似性,不同類間樣本的性質(zhì)具有較大差異性。
3 因子分析的基本思想
因子分析的基本思想是根據(jù)相關(guān)性的大小把變量分組,使得同組內(nèi)的變量相關(guān)性較高,而不同組內(nèi)的變量相關(guān)性較低[3]。
4 實證分析
4.1 數(shù)據(jù)的來源
因我院會計系2017級會計專業(yè)的學(xué)生已經(jīng)畢業(yè)并進(jìn)入就業(yè)跟蹤調(diào)查階段,故以此作為調(diào)查對象。本次數(shù)據(jù)的收集采用隨機抽樣的方式進(jìn)行,發(fā)放問卷70份,收回問卷65份,有效問卷61份,以序號來代替每一位學(xué)生。
4.2 運用主成分分析方法提取畢業(yè)生就業(yè)過程滿意度的主要信息
將61位同學(xué)對就業(yè)過程滿意度的打分情況看作一個原始數(shù)據(jù)矩陣,利用SPSS軟件將原始數(shù)據(jù)矩陣進(jìn)行標(biāo)準(zhǔn)化,并計算相關(guān)系數(shù)矩陣的特征根,具體情況如表1所示。
在統(tǒng)計學(xué)中普遍認(rèn)為,主成分的累積貢獻(xiàn)率達(dá)到80%以上即可用少數(shù)幾個主成分代表原來多個指標(biāo)的絕大部分信息。因此,我們提取前3個主成分變量來代替原來5個變量,前3個主成分的載荷矩陣如表2所示。
從表2可以看出,求職成本、需求情況、就業(yè)指導(dǎo)在第一主成分上有較大的載荷,并且與第一主成分存在正相關(guān)關(guān)系,因此,第一主成分主要是求職成本、需求情況、就業(yè)指導(dǎo)的綜合反映,可作為求職成本、需求情況、就業(yè)指導(dǎo)滿意度的綜合評價。求職時間在第二主成分上有較大的載荷,因此將第二主成分作為求職時間滿意度的評價。求職渠道在第三主成分上有較大的載荷,因此將第三主成分作為求職渠道滿意度的評價?,F(xiàn)按照如下公式計算第一、二、三主成分得分。
由此可得第一、二、三主成分得分,以各主成分的方差貢獻(xiàn)率為權(quán)重,計算每一位學(xué)生就業(yè)過程滿意度的綜合得分,即,第一、二、三主成分得分及綜合得分、排名如表3所示:
4.3 結(jié)果分析
從第一、二、三主成分的得分情況來看,我們將被調(diào)查對象大致劃分為三類:
第一類:求職成本、需求情況、就業(yè)指導(dǎo)滿意度高而求職時間滿意度低。這類學(xué)生存在的問題是長時間求職而未能就業(yè)或者經(jīng)過長時間求職后才實現(xiàn)了就業(yè)。經(jīng)過了解,這類學(xué)生的就業(yè)競爭力相對較弱,自身的條件達(dá)不到企業(yè)的需求,即使學(xué)校給予了大量的就業(yè)指導(dǎo),市場也存在一定的需求,但因自身競爭優(yōu)勢不強,導(dǎo)致求職時間過長。因此,這類學(xué)生要找準(zhǔn)定位,降低就業(yè)期望值,同時還要不斷提高自身的綜合素質(zhì),才能夠較好地實現(xiàn)就業(yè)。
第二類:求職時間滿意度高而求職成本、需求情況、就業(yè)指導(dǎo)滿意度低。這類學(xué)生雖然短時間內(nèi)成功就業(yè),但付出了較大的成本。經(jīng)了解,這類學(xué)生有些選擇了自主創(chuàng)業(yè),有些選擇了做外賣騎手,之所以做出這樣的選擇是因為受新冠病毒疫情影響,我國各行各業(yè)的經(jīng)濟都受到了巨大的影響,導(dǎo)致崗位需求量相對減少,同時,學(xué)校的就業(yè)指導(dǎo)也達(dá)不到他們預(yù)期的期望。因此,對這類學(xué)生要加強引導(dǎo),持續(xù)提供就業(yè)創(chuàng)業(yè)服務(wù),使得這類學(xué)生能夠抓住李克強總理在十三屆全國人大三次會議記者會上提到的地攤經(jīng)濟機遇,在新業(yè)態(tài)下創(chuàng)得起業(yè),守得住業(yè),從而創(chuàng)造更多的就業(yè)機會。
第三類:求職渠道滿意度高而求職時間滿意度低。這類學(xué)生因選擇面寬,而導(dǎo)致在眾多選擇中猶豫不決。經(jīng)了解,這類學(xué)生就業(yè)競爭力相對較好,選擇的機會相對多,面對就業(yè)機會總喜歡多方對比,挑三揀四,導(dǎo)致求職時間過長。因此,對這類學(xué)生要加強指導(dǎo),使他們認(rèn)清當(dāng)前的就業(yè)形勢,不能盲目自信而錯失了就業(yè)機會。
從綜合得分的情況來看,24號學(xué)生排名第一,28號學(xué)生排名第二,說明這兩個學(xué)生對就業(yè)過程整體滿意度高。4號、12號學(xué)生排名最后,說明這兩個學(xué)生對就業(yè)過程整體滿意度一般。
5 運用聚類分析法對學(xué)生就業(yè)過程滿意度進(jìn)行分析
我們將主成分綜合得分進(jìn)行系統(tǒng)聚類分析,采用最廣泛使用的歐式距離,離差平方和聚類法,根據(jù)聚類譜系圖并結(jié)合綜合得分情況,可將61位同學(xué)的綜合得分分成三個等級,即24號學(xué)生對就業(yè)過程整體滿意度高。26號學(xué)生、31號學(xué)生、27號學(xué)生、18號學(xué)生、39號學(xué)生、57號學(xué)生、23號學(xué)生、56號學(xué)生、1號學(xué)生、16號學(xué)生、36號學(xué)生、29號學(xué)生、5號學(xué)生、13號學(xué)生、55號學(xué)生、45號學(xué)生、52號學(xué)生、42號學(xué)生、49號學(xué)生、10號學(xué)生、34號學(xué)生、3號學(xué)生、53號學(xué)生、2號學(xué)生、7號學(xué)生、8號學(xué)生、47號學(xué)生、22號學(xué)生、25號學(xué)生、21號學(xué)生、17號學(xué)生、14號學(xué)生、30號學(xué)生、32號學(xué)生、19號學(xué)生、20號學(xué)生、41號學(xué)生、9號學(xué)生、28號學(xué)生對就業(yè)過程整體滿意度較高。11號學(xué)生、51號學(xué)生、59號學(xué)生、15號學(xué)生、35號學(xué)生、61號學(xué)生、54號學(xué)生、38號學(xué)生、43號學(xué)生、50號學(xué)生、33號學(xué)生、37號學(xué)生、46號學(xué)生、58號學(xué)生、6號學(xué)生、48號學(xué)生、40號學(xué)生、60號學(xué)生、44號學(xué)生、4號學(xué)生、12號學(xué)生對就業(yè)過程整體滿意度一般。
6 因子分析
就業(yè)過程滿意度共有五個維度,現(xiàn)對收集的數(shù)據(jù)進(jìn)行KMO和Bartlett球形檢驗,由于KMO等于0.667,大于0.5,而Sig等于0.000,小于0.0001,因此,樣本數(shù)據(jù)適合做因子分析。具體見表4。
現(xiàn)采取主成分分析法從原始數(shù)據(jù)中提取公因子累積方差貢獻(xiàn)率達(dá)到84.955%,說明提取的3個公因子能夠解釋五個原始變量的84.955%,因此可以用這3個主成分來替代原來5個維度對就業(yè)過程整體滿意度進(jìn)行衡量。然后采用最大方差旋轉(zhuǎn)法對因子進(jìn)行旋轉(zhuǎn)建立公共因子載荷矩陣,旋轉(zhuǎn)在4次迭代后收斂。具體見表5。
從表5我們可以看出,公因子1在求職成本、需求情況、就業(yè)指導(dǎo)上具有較高的載荷量,反映了求職成本、需求情況、就業(yè)指導(dǎo)的相關(guān)信息。
公因子2在求職渠道上具有較高的載荷量,反映了求職渠道的相關(guān)信息。
公因子3在求職時間上具有較高的載荷量,反映了求職時間的相關(guān)信息。
由此可見,我們可以將就業(yè)過程滿意度的五個維度分為三大類,即求職成本、需求情況、就業(yè)指導(dǎo)歸為一類,求職渠道歸為一類,求職時間歸為一類。
7 結(jié)語
本文通過對高職學(xué)生就業(yè)過程滿意度的調(diào)查數(shù)據(jù)進(jìn)行主成分分析、聚類分析和因子分析,并對高職學(xué)生就業(yè)過程滿意度進(jìn)行了分類研究,為高職院校的就業(yè)指導(dǎo)工作提供了參考依據(jù)。但是本研究中收集的樣本量相對較少,該模型是否具有普遍適用性還需要進(jìn)一步研究。
參考文獻(xiàn)
劉海濱,徐文.高校畢業(yè)生就業(yè)狀況監(jiān)測指標(biāo)體系分析與建構(gòu)[J].東北師大學(xué)報(哲學(xué)社會科學(xué)版),2011(02):170.
朱春楠,范軍,鄒云龍.基于多元統(tǒng)計分析的高校畢業(yè)生就業(yè)狀況監(jiān)測應(yīng)用[J].東北師大學(xué)報(哲學(xué)社會科學(xué)版),2012(01):165-170.
武松,潘發(fā)明.SPSS統(tǒng)計分析大全[M].北京:清華大學(xué)出版社,2014.
江麟.高校學(xué)工干部勝任力實證研究[J].吉首:吉首大學(xué)學(xué)報(社會科學(xué)版),2016(06):172-177.
Research on the Satisfaction of Vocational Graduates' Employment Process
in the Post-epidemic Era
Guangxi International Business Vocational College
HUANG Liqiang
Abstract: Under the influence of the COVID-19 epidemic, how to improve the satisfaction of higher vocational graduates in the employment process and help higher vocational graduates successfully find employment is one of the problems that higher vocational colleges must solve. This paper uses principal component analysis, cluster analysis and factor analysis to study the survey data of the employment process of higher vocational graduates. The purpose is to scientifically, objectively and reasonably monitor the employment process of higher vocational graduates, so as to carry out targeted employment tracking and guidance.
Keywords: principal component analysis; cluster analysis; factor analysis; employment