文摘

在教育领域,需要一个评价指标的制定计划。评价指标的建立有助于正确地预测毕业生的就业质量。这些有价值的指标帮助教育行政部门制定人才培养标准。多准则决策是一个决策工具,可用于评价指标的制定。这研究工作提出了一个有效的评价模型来评估研究生的就业质量。模型使用10个评价指标,被认为是标准的就业质量。提出利用熵值法和模糊综合评价方法评价。就业质量评价指标和就业质量之间的相关性计算。层次分析模型用于解决就业质量评价指标权重的就业质量评价系数。根据特征值的14就业指标,专家方法用于分数分配给每个指标的样本数据。 Thus, the indicator scores of the sample corresponding to the item are obtained. Through the evaluation of the employment quality of a certain university, the evaluation results are consistent with the actual employment quality of graduates. The employment quality evaluation model of college graduates established in this paper provides effective means and applications.

1。介绍

就业是一个重要的问题在现代社会生活。就业是国民经济发展的基础,国家稳定的基础,对个人生存和发展的基本条件在市场经济条件下(1,2]。市场经济条件下,如果工人们想获得一定的劳动报酬,并能够自己生存和发展,他们必须通过出售劳动力获得它。就业质量的概念最初是在1990年代,介绍,它仍然是一个新兴的研究领域3]。森古普塔说,很难定义和衡量就业质量的4]。事实上,目前还没有共识就业质量的内涵。crimmin等人认为,就业质量的评价指标应考虑更多的人的价值实现的要求,分析了指数基于马斯洛的需要层次理论(5]。根据需求理论,员工认为自己需要时使用;就业的过程中,工人是一个满足自己需要的过程,和就业质量的满意度直接相关的需求。Arranz et al。6]相信机会雇佣个人获得自由,平等,安全,有尊严的生产性工作体面的工作。工作质量一词被欧盟委员会(European Commission)提出。工作质量的内涵全面分析有偿就业的特点。Monfort涉嫌et al。7]提出高质量就业的概念,这意味着在工作的过程中,就业的主题不仅得到报酬,还能劳动收入以外的东西,比如挑战和满意度。Opaas et al。8)通过三个维度定义就业的质量,包括劳动环境、个人就业的生产效率,通过就业对经济生活的贡献程度。

总的来说,国内外更加注重研究,但研究主要侧重于理论分析的维度9,10]。当前的就业质量体系尚不完善,以及评价结果通常是单侧的,忽略了过程的因素导致就业质量的评价。当前的研究主要集中在建设综合评价体系,很难反映的特殊性不同类型的高校的培养目标。因此,指标体系的建设应该包括总体评价指标,反映高校的共性和不同类型的高校的独特的特点11,12]。

多准则决策分析(MCDA)是一种有效的工具,可用于决策过程。决策是复杂的难题,含糊不清(13,14]。MCDA是一种强大的工具,选择一个最好的选择。MCDA本身是一种行动研究(或),适用于各种data-bearing定性或定量因素(13]。MCDA打算选择最好的选择中选择了考虑不同的标准。的工具帮助决策者关注逻辑是什么,重要的是,和容易跟随14]。不消说,决策是涉及在世俗和洞察力的活动。因此,MCDA已广泛应用在各种领域,如工程、社会科学和医学。(15]。此外,在当前大数据的时代,多准则决策是合适用于业务分析(BA) (16]。

该方法利用MCDA将熵和模糊综合评估。在研究工作中,10个评价指标的评价密切相关的就业质量。结果,研究表明,一个有效的评价方法,总结研究的结果。层次分析模型基于就业质量评价指标之间的相关性和就业质量。就业质量评价指标权重的就业质量评价系数是解决方便计算。本文的后续研究工作有助于政府、大学、雇主和大学生评估和衡量大学毕业生的就业质量和提供帮助。

全球化的持续十年,就业质量的正确评价是需要不断变化的公共政策和学术出席。这个方法提供了一种有效的方法为一般决策和评估尤其是就业质量。此外,没有努力,解决决策问题的模型可以增强参与供应链管理(17]。

本文的剩余分为5部分。就业质量是覆盖部分的评价2。逐步entropy-based评估讨论部分3。提出了模糊综合评价4。部分5结论和未来的工作。

2。高校就业质量评价

毕业生的真实数据的基础上,我们检查协会的就业质量和代表性指标(主要是工作满意度、满意度与发展前景,和社会价值满意度)。然后我们进行了回归分析,并基于考虑熵权的模糊综合评价。因此,指数因子之间的关联度和就业质量。给出模型的细节如下:

海蒂等人研究了满意度对就业质量的影响并进行了实证分析。研究计划设想是否满意可以预测就业质量通过调查就业质量的研究现状和满足在其他国家(18]。Beatson衡量就业质量的反映了经济合同、劳动/返回的内容关系,心理契约反映了雇主/雇员关系。范et al。19)利用回归分析来研究影响毕业生的就业竞争力和工作收入的因素。结论表明,大学生的学术水平和学术地位的主要因素。马林(20.)认为,力量、专业水平和影响高校(排名)影响毕业生的就业竞争力。此外,就业政策和系统的社会环境也在一定程度上影响就业的质量。图1显示选择的大学毕业生就业评价指标的结果。

通过文献研究收集的研究现状,专家法确定特定的就业质量评价指标的基础上,收集大量的文档。接下来,根据就业指导中心的老师和专家的水平的学院和大学,观点进行了分析和评价。就业质量指标是根据标准选择建议在文献[21,22]。本文遵循的原则macro-micro集成、简单性、通用性和可比性选择指标选择10个代表性指标,就业质量的评价密切相关。的因素包括工作或专业相关性、工作满意度、工作适应期间,工资收入,母校整体满意度,工作工资满意度、工作发展前景满意度、咨询工作满意度,所需的专业程度对社会的需求,和满意的就业援助政策除了其他措施(23- - - - - -25]。

3所示。就业评估基于逐步回归分析

多元线性回归模型 ,最小二乘估计方法可以用来估计模型的古典假设下的参数。参数估计量 。经典的假设是“没有完全多重共线性。“然而,在现实经济问题的分析,是不可能完全解释变量间线性无关。如果有一个解释变量之间的线性相关 ,必须有 ,所以不存在,参数的最小二乘估计量并不是独一无二的。这意味着最小二乘估计方法是无效的,并且模型有多重共线性26,27]。逐步回归分析不仅可以测试多重共线性,也是一种有效的方法来解决多重共线性问题。下面的循序渐进的方法进行分析。

步骤1。根据经济学的法律和相关的主观经验分析,选择相关的独立变量和设置 。

步骤2。使用每个独立变量建立回归模型的解释变量中y回归模型。

步骤3。步骤1。进行参数估计和测试。模型的残差平方和最小的测试模型被选中作为首选的模型,或者最大的回归方程拟合优度选为首选的模型。

步骤4。添加其他解释变量一个接一个的首选模式,再进行线性回归。新添加的解释提高回归方程的拟合优度(28- - - - - -30.]。可能是一些参数的回归方程可能更高。然而,一些参数的值的回归方程是显著影响。在模型中(31日,32),步骤提出了多重共线性的影响和存在。的步骤如下:
进行最小二乘估计是张上面的模型,分别。拟合优度的t检验统计数据和每个模型的参数。带来一个步骤2,模型建立和获得如下: 在多重共线性分析,如果模型中的系数值,甚至签署的新变量变化显著,这样的结果是不能接受的,很有可能存在多重共线性。因此,不能引入新变量模型(33,34]。图2显示了标准p p回归标准化残差的情节。
与多重共线性模型或无关紧要的多重共线性的模型,该模型选择与最重要的改进,并进行下一步。然后,统计建立如下: 时剩余平方和模型包括变量和显著性水平。
如果 ,然后添加一个新的变量,新变量不能被添加,否则。步骤是重复,直到一个满意的模型建立。在多重共线性分析,如果模型中的系数值,甚至签署的新变量变化显著,这样的结果是不能接受的,很有可能存在多重共线性。因此,没有新的变量引入模型。

4所示。模糊综合评价模型基于熵权的方法和比较方案

就业是一个非常重要的问题在现代社会生活。就业是国民经济的基础和国家稳定。它被认为是生存和发展的基本条件在市场经济条件下的个人。目前,大学毕业生的就业质量评价方法相对简单。没有整体规划和重新评估基于标准的相关原则。缺乏科学示范统计分析方法和调查时间节点(35,36]。本研究采用定性分析和定量分析的结合,系统地分析了影响大学毕业生就业质量的相关因素。从就业质量的内涵、指标体系设计,以便确保专家评估。该方法依赖于大样本的实证结论的大学毕业生。这项研究很重要,因为两个定性和定量研究方法被使用。这项研究更全面、深入和科学。此外,该方法适用于了解大学毕业生的就业质量的本质。结果的研究都是基于真实的数据收集从大学和大学生37]。

简而言之,本文通过比较和对比了方案模糊综合评价和比较方案模型基于熵权的方法。显然该模型和系统地解决模糊的、难以量化的问题程度的影响。

4.1。价格指数测定系统

拟议的研究遵循的原则macro-micro集成、简单性、通用性和可比性选择指标。有10个代表性指标密切相关的就业质量的评价。关键指标包括工作和专业的相关性,对就业状况的满意度,工作适应期间,工资收入,母校整体满意度,工作工资满意度、工作发展前景满意度、就业咨询、和社会需求度,满意就业援助政策,和其他措施。

4.2。建立一套评价任务完成的点

macro-micro集成的原则,简单性、通用性和可比性的选择指标。上一节中提到的,共有10代表指标。评价的指标密切相关的就业质量。为了更好地说明任务的完成度一点,评价因素的影响程度分为五个层次,即评价集。这五个层次分别表明任务完成很好(4 - 5)、好(3 ~ 4)、一般(2 ~ 3),(1 ~ 2),差和很差(0 ~ 1)表达~ E。表1显示的分类评价的就业质量评价。

4.3。建立隶属函数为评价因素

为了减少主观因素的影响,当分配成员值由专家评分等方法,升序和降序半梯形分布函数采用的隶属函数评价因素。以任务完成时间为例,首先,一个五级隶属函数是根据五级标准的等待时间指标。在评价因素,较小的价值评价指标的完成时间被认为是最好的。最初,作为第一个计划,reduced-half梯形分布隶属函数的建立完成。后,升半梯形分布隶属函数单元距离收入,地区平均水平定价,分别建立了和任务完成率。同样,升序和降序semitrapezoidal分布的隶属度函数的建立评价因素的第二方案。

通过评价因素隶属函数,成员任务完成时间的子集。这是按照附录中的数据进行,即模糊评价矩阵。

4.4。建立一组体重的评价因素

所确定的因素,如收入、单位距离区域平均定价、任务完成率、任务完成时间对任务完成的影响不同。因此,应该分配给每个指标不同的权重。重量是根据每个因素的原则决定有很大的影响对任务的完成和大重量的原则。图3结果描述了高校就业质量指标的相关性。

关联度最高的每个索引和参考序列之间的就业质量达到0.778,最低的关联度为0.428,和其他指标的关联度仍在0.5和0.8之间。

相关指标的结果如表所示2,一个指数反映了计算比例的项的索引值。

熵权的的 th指数计算如下:

全面的重量指标给出如下:

计算重量是0.127,0.233,0.362,和0.278,分别。数学上,体重的每个评价因素集表示如下:

4.5。模糊综合评价

的重量评价因素和评价结果相结合, 。获得一级模糊评价矩阵的方案一和方案二给出如下:

根据 ,复合操作和标准化的模糊矩阵计算得到模糊综合评价向量的任务的完成点

模糊综合评价向量是得分,获得的分数的两个方案如下:

选项的得分是2.143分,说明任务完成选项一个是平均或贫穷,而选择两个的分数是3.61分。这表明选择两个的任务已基本完成进而表明,完成情况较好。在多重共线性分析,如果模型中的系数值或标志的新变量变化显著,那么结果将是不可接受的。此外,多重共线性的概率会很高。这意味着一个新的变量不能被引入到模型中。因此推断,第二个选择是更适合用作比第一种选择策略。这是因为相对更完成相关任务。根据模糊评价结果的大学生的就业质量水平,本文使用定量方法。类似地,使用指数权重加权平均计算的分数值首先大学生的就业质量水平。然后获得相应的模糊综合评价结果。 The verification process is based on the data collected via a questionnaire. All the factors are represented by variables in the questionnaire. The mean value of the total variable is calculated by the statistical software to accurately verify the mentioned evaluation results.

5。结论和未来的工作

市场经济条件下,如果员工想要获得一定的劳动报酬,这是应该支付。能够自己生存和发展,员工必须得到应有的工资通过出售他们的劳动。就业质量的概念最初出现在1990年代,它仍然是一个新兴的研究领域。反馈的建设为大学毕业生就业质量评价体系在许多方面是有利的。它有助于有关全面、客观地把握大学毕业生的就业能力水平。此外,它是有用的调查毕业生的实际经济和社会发展的需求,根据他们的天赋。文献对大学毕业生的就业质量评价是进行彻底的研究和分析。系统进行了问卷调查来收集数据与就业能力有关。组合方法是包括熵权方法我就业示例数据。首先,数据量化,然后归一化有效利用率。 Following that, the correlation analysis model is performed on the index sequence to obtain the correlation degree between the index factor and the employment quality. The impact of each indicator is then determined on the “employment quality.” Next, the analytic hierarchy model is used to obtain the weight of each indicator factor. The expert method is used to score the original index factors of the original data, thereby dividing the grade. Employment quality evaluation is a diversified and complex system. Some difficult problems and unavoidable factors have been encountered in the research process. In short, shortcomings are still there, which need to be improved by investigating further research in the domain. The model is ready to be enhanced for the decision-making process in other fields. We are determined to present various versions of the model to simplify decision making in project management and risk management.

数据可用性

数据用于支持这项研究的结果都包含在这篇文章。

的利益冲突

作者宣称没有利益冲突。