袁子薇, 孫 偉

(1.浙江旅游職業(yè)學(xué)院,浙江 杭州 310000;2.韓國又松大學(xué),韓國 34606;3.山東濟南齊魯工業(yè)大學(xué),山東 濟南 250000)

0 引 言

1 指標設(shè)計

企業(yè)發(fā)展中,人力資源管理活動的目標即挖掘利用人力資本積累獲得發(fā)展。員工個人發(fā)展中,支持其職業(yè)發(fā)展行為的內(nèi)在要素也即私人層面的知識與信息,因而需要依賴于有效的知識生產(chǎn)模型。傳統(tǒng)上,基于大學(xué)教育等學(xué)校教育模式分析知識生產(chǎn),則引入了產(chǎn)業(yè)活動對知識生產(chǎn)的支持和引導(dǎo),又增加政府參與等因素,構(gòu)成知識生產(chǎn)動力機制的三螺旋模型。與此同時,另一類知識生產(chǎn)動力機制分析的三螺旋模型則基于大學(xué)、產(chǎn)業(yè)和公眾等三方參與,公眾參與能夠保障社會效益而避免知識經(jīng)濟化與自然環(huán)境惡化等問題和不足。兩類模型同化構(gòu)成四螺旋模型,也即大學(xué)-產(chǎn)業(yè)-政府-公眾共同參與的知識生產(chǎn)動力機制,相關(guān)領(lǐng)域亦有一定先行研究進行分析。許禮剛等(2021)介紹了四螺旋理論,基于此分析多元主體驅(qū)動下創(chuàng)新教育模式,認為社會公眾加入監(jiān)督方參與的四螺旋結(jié)構(gòu)動力機理與協(xié)同機制能夠支持全方位創(chuàng)新教育體系的發(fā)展。

四螺旋理論中,不同維度參與知識生產(chǎn)與利用環(huán)節(jié)的參與多樣,其大體可分為主體參與、成果產(chǎn)出等兩方面因素,從而形成利益相關(guān)方參與知識生產(chǎn)和利用的必要基礎(chǔ)。本文為分析和討論旅游業(yè)從業(yè)人員職業(yè)發(fā)展情況的預(yù)測分析,相應(yīng)構(gòu)建指標體系以探討四螺旋理論中不同主體的不同參與對知識生產(chǎn)和利用、及其具體表現(xiàn)的職業(yè)發(fā)展情況預(yù)測能力?；诖?區(qū)分變量,整理這一指標體系如表1:

表1 指標選取

2 數(shù)據(jù)獲取

2.1 問卷編制

問卷調(diào)查內(nèi)容包括自變量與因變量兩部分內(nèi)容。其中,自變量為被訪者既往2至4年的自我評價內(nèi)容,其題干描述為“您對3年前自身X評價如何?”,因變量為被訪者當前職業(yè)發(fā)展狀況評價。問卷題項使用七級李克特等距量表,其內(nèi)容及其賦值如表2:

表2 問卷題項

2.2 問卷發(fā)放與回收

調(diào)查問卷使用線下環(huán)節(jié)紙質(zhì)問卷發(fā)放,發(fā)放對象為旅游業(yè)從業(yè)人員。經(jīng)線下調(diào)查人員的問卷發(fā)放、回收后,收集整理問卷內(nèi)容,共獲得194份問卷,剔除污損、空白和未完成問卷,保留183份有效問卷。這一問卷有效率為94.3%,能夠支持調(diào)查問卷數(shù)據(jù)的有效分析。

2.3 問卷質(zhì)量檢測

為驗證調(diào)查問卷數(shù)據(jù)的有效性,相應(yīng)進行信度檢驗與效度檢驗。

其中,信度檢驗結(jié)果如表3:

表3 信度分析

其結(jié)果表現(xiàn)優(yōu)秀,信度檢驗通過。

效度檢驗結(jié)果如表4:

表4 效度檢驗

其結(jié)果表現(xiàn)優(yōu)秀,效度檢驗通過。

3 數(shù)據(jù)分析

基于上述數(shù)據(jù)進行分析,模型使用Stata16.0進行數(shù)據(jù)預(yù)測。

3.1 線性回歸

首先,模型采用線性回歸分析,建立各自變量與因變量間的關(guān)聯(lián)性,從而形成自變量對因變量的預(yù)測能力。這一分析結(jié)果如表5:

表5 線性回歸結(jié)果

如表5所示,線性回歸分析結(jié)果所形成模型的解釋能力較強,各自變量均對因變量有顯著積極影響,且結(jié)果在99%置信空間下顯著。對比各類指標的影響情況,則產(chǎn)業(yè)側(cè)指標的影響更為顯著,其次為大學(xué)與政府影響,公眾類指標的影響則呈現(xiàn)顯著分化特點,其中社會監(jiān)督制衡能力的評價對現(xiàn)有職業(yè)發(fā)展的積極影響顯著較強,而社會效益成果所帶來影響則顯著較弱。

基于這一線性回歸分析結(jié)果,將各自變量用于預(yù)測因變量,對比預(yù)測值與真實值差異性,其結(jié)果如圖1:

圖1 線性回歸預(yù)測結(jié)果對比

如圖1所示,線性回歸分析預(yù)測結(jié)果的波動幅度較大,結(jié)果偏差則相對較小,預(yù)測值與真實值無顯著偏移。

這一結(jié)果有效驗證了線性回歸分析用于旅游業(yè)從業(yè)人員職業(yè)發(fā)展前景的預(yù)測能力,且依賴于有限指標的基礎(chǔ)分析方法,因而有著較高推廣利用價值。

3.2 決策樹分析

繼而,構(gòu)建決策樹分析模型。訓(xùn)練集與測試集數(shù)據(jù)切分為0.7,不進行數(shù)據(jù)洗牌和交叉驗證,特征劃分點選擇標準為最優(yōu)劃分,樹的最大深度10。其分析形成各指標重要性評價結(jié)果如表6:

表6 決策樹指標重要性分析

如表6所示,基于原有數(shù)據(jù)進行決策樹模型分析的結(jié)果顯示,對因變量產(chǎn)生影響最顯著的指標為社會監(jiān)督制衡能力評價,這一結(jié)果亦符合線性回歸分析的結(jié)果。政府引導(dǎo)行業(yè)發(fā)展評價等指標對因變量的影響亦顯著較強,此后企業(yè)研發(fā)與創(chuàng)新產(chǎn)出等指標的重要性則顯著低于前述指標,影響相對較弱。大學(xué)環(huán)境中的知識產(chǎn)出對因變量影響最弱,說明旅游業(yè)從業(yè)人員的職業(yè)發(fā)展對學(xué)校教育的依賴性較弱。

基于這一分析結(jié)果,對比預(yù)測值與真實值差異性,其結(jié)果如圖2:

圖2 決策樹預(yù)測結(jié)果對比

如圖2所示,基于決策樹的預(yù)測結(jié)果與真實值偏差相對有限,數(shù)據(jù)波動幅度較線性回歸等分析結(jié)果相對較低。對于這一預(yù)測結(jié)果的誤差情況進行整理,其結(jié)果如表7:

表7 決策樹分析結(jié)果的誤差分析

如表7所示,模型R方表現(xiàn)較好,誤差總體規(guī)模相對可控。

3.3 xgboost回歸

最后,進行xgboost回歸。訓(xùn)練集與測試集數(shù)據(jù)切分為0.7,不進行數(shù)據(jù)洗牌和交叉驗證,學(xué)習(xí)率0.1,樹的最大深度10。其分析形成各指標重要性評價結(jié)果如表8:

表8 xgboost回歸指標重要性分析

如表8所示,xgboost回歸所形成指標重要性分布情況大體與決策樹分析結(jié)果相似,以社會監(jiān)督制衡能力評價與政府引導(dǎo)行業(yè)發(fā)展評價為重要性最高的兩類變量,而以大學(xué)教育成績評價為重要性最低的一類指標。但其他指標分布中,則xgboost回歸與決策樹分析模型的分析結(jié)果有一定差異性,表現(xiàn)為既往學(xué)術(shù)成果產(chǎn)出評價等指標的重要性相對上升,且多數(shù)指標的重要性相對下降。

基于這一分析結(jié)果,對比預(yù)測值與真實值差異性,其結(jié)果如圖3:

圖3 xgboost回歸預(yù)測結(jié)果對比

如圖3所示,xgboost回歸的預(yù)測結(jié)果亦與真實值較為接近。對于這一預(yù)測結(jié)果的誤差情況進行整理,其結(jié)果如表9:

表9 xgboost回歸分析結(jié)果的誤差分析

如表9所示,模型R2較決策樹模型分析結(jié)果表現(xiàn)較好,預(yù)測值與實際值的差值整體較小,但絕對誤差上升,說明數(shù)據(jù)偏差具有整體方向性,較決策樹分析結(jié)果有著整體偏差。根據(jù)指標影響與預(yù)測結(jié)果散點圖材料分析,則其表現(xiàn)為數(shù)據(jù)預(yù)測結(jié)果整體偏低。

4 結(jié) 語

基于調(diào)查問卷數(shù)據(jù)分析了旅游業(yè)從業(yè)人員職業(yè)發(fā)展前景的預(yù)測模型,模型分析結(jié)果顯示決策樹模型能夠較好的應(yīng)用于這一模型分析,基于有限自變量指標預(yù)測因變量,xgboost回歸盡管有著較低的均方誤差,但預(yù)測結(jié)果整體偏低,因而誤差較大而實踐應(yīng)用價值相對較弱。實證分析結(jié)果亦反映出,社會監(jiān)督制衡能力評價與政府引導(dǎo)行業(yè)發(fā)展評價等指標能夠較好預(yù)測三年后被訪者職業(yè)發(fā)展情況。