曹奇

(常州紡織服裝職業(yè)技術(shù)學(xué)院 江蘇常州 213164)

1 引言

根據(jù)教育部的統(tǒng)計(jì)，2022屆我國普通高校畢業(yè)生規(guī)模首次突破千萬，達(dá)到了1076萬人，加之中小企業(yè)困難增多，吸納能力下降，同時(shí)近兩年來受多重因素影響，畢業(yè)生擇業(yè)時(shí)更加求穩(wěn)求優(yōu)，不就業(yè)、緩就業(yè)、慢就業(yè)的現(xiàn)象尤為突出。國際外部環(huán)境更趨復(fù)雜多變，國內(nèi)新冠疫情多點(diǎn)爆發(fā)，防控工作更是難度增加，經(jīng)濟(jì)社會(huì)的發(fā)展面臨著極為繁重的任務(wù)，李克強(qiáng)總理多次強(qiáng)調(diào)就業(yè)不僅是民生問題，也是發(fā)展問題[1]，教育部在2022年實(shí)施高校畢業(yè)生就業(yè)創(chuàng)業(yè)促進(jìn)行動(dòng)[2]，推動(dòng)就業(yè)創(chuàng)業(yè)工作提質(zhì)增效。

百度指數(shù)是根據(jù)網(wǎng)絡(luò)用戶對關(guān)鍵詞的關(guān)注情況和不斷變化程度，以海量搜索開發(fā)出的網(wǎng)絡(luò)信息平臺(tái)，通過科學(xué)分析各個(gè)關(guān)鍵詞在百度網(wǎng)頁搜索中搜索頻次的加權(quán)，具有多種數(shù)據(jù)種類、高效處理速度的特征，綜合搜索指數(shù)，根據(jù)數(shù)據(jù)來源分為PC端指數(shù)和移動(dòng)端指數(shù)。在經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、心理學(xué)、教育學(xué)領(lǐng)域，學(xué)者主要對百度搜索的大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘、趨勢預(yù)測、輿情監(jiān)測研究[3]。

目前，在就業(yè)領(lǐng)域中互聯(lián)網(wǎng)指數(shù)運(yùn)用研究相對較少：彭賡等(2013)利用谷歌指數(shù)建立了三個(gè)回歸模型預(yù)測失業(yè)率[4]，張應(yīng)劍等(2017)基于網(wǎng)絡(luò)搜索數(shù)據(jù)構(gòu)造的指數(shù)模型對陜西互聯(lián)網(wǎng)企業(yè)進(jìn)行了統(tǒng)計(jì)監(jiān)測和趨勢預(yù)判[5]，肖周燕(2021)通過百度指數(shù)對城市群未來城際人口遷移態(tài)勢進(jìn)行了研判[6]。

高校就業(yè)態(tài)勢百度指數(shù)除了含有長時(shí)間跨度的趨勢成分，由于受到年度政策調(diào)整、國家經(jīng)濟(jì)變化、搜索模糊錯(cuò)誤等影響，還包括整年期、半年期等季節(jié)性波動(dòng)成分。利用百度指數(shù)大數(shù)據(jù)平臺(tái)，搜索關(guān)鍵詞“高校大學(xué)生”和“找工作”采集2010年12月27日—2021年8月23日共10年8個(gè)月的綜合指數(shù)(移動(dòng)端+PC端)數(shù)據(jù)，基于小波分析算法對就業(yè)態(tài)勢指數(shù)的周期振蕩成分進(jìn)行識(shí)別分析，解析近10年來我國高校大學(xué)生群體時(shí)頻域上的求職特征，并根據(jù)識(shí)別結(jié)果對高校就業(yè)工作部門提供政策建議，從而促進(jìn)高校畢業(yè)生高質(zhì)量就業(yè)。

2 小波分析方法

小波分析(Wave analysis)是由Morle在20世紀(jì)80年代初提出的一種具有時(shí)頻多分辨率功能的方法[7]，主要適用于信號(hào)降噪濾波、多維時(shí)間尺度特征識(shí)別，在地學(xué)領(lǐng)域、氣象領(lǐng)域廣泛應(yīng)用[8]。對于就業(yè)態(tài)勢數(shù)據(jù)這種非平穩(wěn)時(shí)間序列分析建模，需要時(shí)段信息與頻段信息相對應(yīng)，僅從時(shí)域或頻域單個(gè)分析很難解決問題，小波分析能夠有效對就業(yè)態(tài)勢數(shù)據(jù)進(jìn)行降噪濾波、分形維數(shù)與信號(hào)系數(shù)的計(jì)算和多維時(shí)間尺度振蕩成分識(shí)別分析。

2.1 小波函數(shù)

小波分析通過小波簇函數(shù)系來無限接近時(shí)間序列，所以小波函數(shù)能起到關(guān)鍵作用，其特征是波動(dòng)振蕩性能快速接近到零的一種函數(shù)，用符號(hào)ψ(t)∈L2(R)表示基小波函數(shù)，公式為：

ψ(t)經(jīng)壓縮尺度與移動(dòng)時(shí)間軸處理組成相應(yīng)簇函數(shù)系為：

式(2)中：ψa,b(t)表示子小波或基小波；a為反映周期長度的尺度因子；b為平移因子。

在對就業(yè)態(tài)勢數(shù)據(jù)進(jìn)行分析時(shí)，由于不同的基小波函數(shù)處理結(jié)果往往不太一致，需要根據(jù)處理對象不同合理選用基小波函數(shù)，可以用比較不同基小波函數(shù)處理的結(jié)果與給定數(shù)據(jù)的精準(zhǔn)度來評判其適用性。

2.2 小波變換

若ψa,b(t)是由式(2)給出的基小波函數(shù)，根據(jù)能量有限信號(hào)f(t)∈L2(R)，其連續(xù)小波變換(Continue WaveletTransform CWT，)為：

式(3)和式(4)即為小波分析方法基本原理?？梢哉{(diào)節(jié)伸縮尺度a和平移參數(shù)b得到坐標(biāo)時(shí)間序列的低頻或者高頻信息，通過觀察頻域信息可對時(shí)間序列的不同時(shí)間尺度和空間局部特征進(jìn)行分析研究。在通過小波分析方法處理時(shí)間序列時(shí)，最常使用小波變換方程中的小波系數(shù)來分析其序列的時(shí)域與頻域變化特征。

2.3 小波方差

小波方差為小波系數(shù)的平方值在平移參數(shù)b上積分，公式為：

式(5)中：小波方差在時(shí)間尺度a域中的分布狀況叫做小波方差圖。由式(5)可知，小波方差圖表示信號(hào)波動(dòng)的能量隨時(shí)間尺度a的變化情況，故可通過不同時(shí)間尺度擾動(dòng)的強(qiáng)弱情況來識(shí)別提取信號(hào)中的主周期。

2.4 周期振蕩成分識(shí)別

選取適用的基小波函數(shù)是運(yùn)用小波分析理論來識(shí)別就業(yè)態(tài)勢時(shí)間序列周期振蕩成分的前提，常用的基小波函數(shù)有墨西哥帽(Mexican Hat)、Haar、Morlet及Meyer基小波等。通過Morlet基小波函數(shù)來識(shí)別就業(yè)態(tài)勢數(shù)據(jù)的多時(shí)間尺度周期振蕩成分，公式為：

式(6)中：kψ是常數(shù)，用于確定基小波的高斯波包寬度，為使Morlet小波被適用，kψ應(yīng)大于等于6。當(dāng)kψ增加時(shí)，高斯波包寬度增加，小波系數(shù)時(shí)間分辨率下降，為得到最優(yōu)時(shí)間分辨率，應(yīng)取允許最小值6。

3 周期振蕩成分識(shí)別流程

圖1為小波分析方法應(yīng)用于識(shí)別就業(yè)態(tài)勢數(shù)據(jù)時(shí)間序列周期振蕩成分流程。首先利用多項(xiàng)式函數(shù)擬合對就業(yè)態(tài)勢數(shù)據(jù)分量進(jìn)行周期振蕩成分提取；由于就業(yè)態(tài)勢數(shù)據(jù)時(shí)間序列長度有限，在其序列兩端也許存在“邊際效應(yīng)”，可通過算法延展兩端時(shí)間序列來去除或減弱開始與結(jié)束端處的“邊際效應(yīng)”；開始小波變換處理，消去兩端延展多余的小波變換系數(shù)，僅留存原就業(yè)態(tài)勢數(shù)據(jù)時(shí)間域中的小波系數(shù)進(jìn)行后續(xù)步驟分析；選擇Morle基小波函數(shù)計(jì)算其復(fù)小波系數(shù)實(shí)部值；進(jìn)行小波時(shí)間尺度的判斷，如果顯示的等值線圖不能正常識(shí)別主周期振蕩成分則需要重新計(jì)算小波系數(shù)；在選擇合適的小波時(shí)間尺度后，繪制就業(yè)態(tài)勢時(shí)間分量周期項(xiàng)成分小波系數(shù)實(shí)部等值曲線圖與小波方差圖，用來識(shí)別和分析就業(yè)態(tài)勢數(shù)據(jù)時(shí)間序列在長時(shí)間跨度內(nèi)的周期振蕩成分。

圖1 小波分析方法識(shí)別周期振蕩成分流程

4 就業(yè)態(tài)勢數(shù)據(jù)周期振蕩成分識(shí)別與分析

4.1 趨勢成分提取

高校就業(yè)態(tài)勢指數(shù)屬于非平穩(wěn)時(shí)間序列[9]，這些指數(shù)序列中可能含有因季節(jié)變化導(dǎo)致的周期性趨勢。其處理流程一般是根據(jù)原始序列的大致趨勢用多項(xiàng)式函數(shù)(階數(shù)N＜5)擬合，保證曲線光滑。因高校就業(yè)態(tài)勢指數(shù)有明顯的趨向性，離散程度不是很高，采用4階函數(shù)進(jìn)行大致擬合y=6 ×10-9x4-0.0011x3+67.419x2-2 ×106x+2 ×106決定系數(shù)R2=0.5274，說明擬合效果良好。圖2為2010—2021年就業(yè)態(tài)勢時(shí)間序列全景分布。從趨勢成分可以看出：求職高峰在每年的3、4月和7月，分別為春季和大學(xué)生畢業(yè)季；2010—2018年就業(yè)態(tài)勢總體保持平穩(wěn)，受2018年貿(mào)易摩擦影響，2018—2020年就業(yè)態(tài)勢序列振蕩較為異常，存在綜合搜索指數(shù)春節(jié)前開始增高的現(xiàn)象，這也說明高校應(yīng)加強(qiáng)學(xué)生先就業(yè)后擇業(yè)的就業(yè)觀，開拓就業(yè)門路，在2020年之后的時(shí)間段內(nèi)謹(jǐn)防學(xué)生出現(xiàn)不就業(yè)、慢就業(yè)、頻繁跳槽現(xiàn)象，保證就業(yè)穩(wěn)定。

圖2 2010—2021年就業(yè)態(tài)勢時(shí)間序列全景分布(點(diǎn)線為趨勢項(xiàng)成分)

4.2 小波分析處理

從圖2就業(yè)態(tài)勢原始坐標(biāo)時(shí)間序列可見，除了趨勢成分外，還具有明顯的振蕩行為。通過Morlet基小波對就業(yè)態(tài)勢序列周期項(xiàng)成分進(jìn)行小波變換來更加細(xì)致地分析就業(yè)態(tài)勢特征的時(shí)間尺度和周期性特征。圖3為就業(yè)態(tài)勢時(shí)間分量周期項(xiàng)成分Morlet小波系數(shù)實(shí)部等值線，小波系數(shù)實(shí)部值代表了不同時(shí)間尺度的變化周期在時(shí)間域上的能量密度分布情況，時(shí)間尺度上周期振蕩強(qiáng)度與相應(yīng)的系數(shù)實(shí)部值呈正相關(guān)；等值線中黑實(shí)線表示小波系數(shù)實(shí)部值為正，表示上升偏移，紅實(shí)線表示小波系數(shù)實(shí)部值為負(fù)，代表下沉偏移。

圖3 就業(yè)態(tài)勢時(shí)間分量周期項(xiàng)成分小波系數(shù)實(shí)部等值曲線

小波方差圖能夠顯示就業(yè)態(tài)勢分量的波動(dòng)能量強(qiáng)度隨尺度days的變化狀況，可用來確定就業(yè)態(tài)勢在長時(shí)間受到季節(jié)性、政策、國民經(jīng)濟(jì)、模糊搜索、搜索失誤、惡意搜索影響變化中存在的主周期，圖4為2010—2021年就業(yè)態(tài)勢周期項(xiàng)成分小波方差曲線。

圖4 周期項(xiàng)成分小波方差曲線

4.3 周期振蕩分析

從圖3可知，2010—2021年就業(yè)態(tài)勢在整個(gè)時(shí)間演變過程中存在多時(shí)間尺度周期振蕩特征，并且具有明顯的年際變化，其存在明顯的主周期，存在全域性的90～140d的小尺度的周期變化規(guī)律，其主周期振蕩頻率主要受到3～4個(gè)月周期尺度的影響。

圖4小波方差圖中存在至少3個(gè)較為顯著的峰值，按峰值的大小可以對應(yīng)為第一、第二、第三等主周期，最大峰值的時(shí)間尺度對應(yīng)最強(qiáng)周期振蕩，并且這些主周期的波動(dòng)控制著整個(gè)就業(yè)態(tài)勢在2010年12月27日—2021年8月23日時(shí)間域內(nèi)的周期變化特征。從圖中峰值情況分析就業(yè)態(tài)勢分量的主要振蕩周期為14d、143d、249d、74d，可利用這些數(shù)據(jù)建立三角函數(shù)擬合模型，結(jié)合趨勢項(xiàng)模型可對2021年之后的就業(yè)態(tài)勢變形規(guī)律進(jìn)行預(yù)測預(yù)報(bào)。

5 結(jié)語

以“高校大學(xué)生”和“找工作”為關(guān)鍵詞，利用百度搜索平臺(tái)構(gòu)造高校就業(yè)態(tài)勢需求指數(shù)，及時(shí)有效地反映了2010—2021年大學(xué)生就業(yè)的周期性特點(diǎn)及市場供需變化趨勢；通過多項(xiàng)式擬合模型實(shí)現(xiàn)了對高校就業(yè)態(tài)勢的趨勢成分提取，分析發(fā)現(xiàn)：2010—2021年就業(yè)態(tài)勢平穩(wěn)，2018年以來存在就業(yè)態(tài)勢劇烈振蕩現(xiàn)象。

基于小波分析方法對就業(yè)態(tài)勢數(shù)據(jù)進(jìn)行周期振蕩成分提取分析，探析近10年來我國高校大學(xué)生群體時(shí)頻域上的求職特征，探析藏匿于時(shí)間序列中的14d、143d、249d、74d的多周期變化，并且明顯存在季節(jié)性變化，定性評估出就業(yè)態(tài)勢指數(shù)的發(fā)展趨勢。