后疫情影響下高校畢業(yè)生就業(yè)和招聘趨勢(shì)研判
——用層次分析法和數(shù)據(jù)擬合分析

文/胡子鵬 何眉佳 陳健 謝駿峰

新冠肺炎疫情發(fā)生以來(lái)，黨中央、國(guó)務(wù)院高度重視和關(guān)心高校畢業(yè)生就業(yè)。習(xí)近平總書記作出了一系列重要指示，要求多措并舉做好高校畢業(yè)生就業(yè)工作。李克強(qiáng)總理也多次專題部署[1]。疫情防控期間，很多學(xué)校和企業(yè)積極聯(lián)動(dòng)，開(kāi)展線上云投遞云招聘，采用直播、視頻面試等多種模式，努力促進(jìn)高校畢業(yè)生就業(yè)。

一、社會(huì)層面對(duì)專業(yè)與綜合類高校學(xué)生擇業(yè)的影響

以問(wèn)卷形式，對(duì)1000名目標(biāo)大學(xué)生抽樣調(diào)查，通過(guò)建模工具進(jìn)行分析。

利用社會(huì)上專業(yè)校招網(wǎng)站平臺(tái)，將調(diào)查人群定位在985、211院校20屆、21屆應(yīng)屆畢業(yè)生，分別為西南交通大學(xué)、北京交通大學(xué)、中南大學(xué)等技術(shù)類院校與浙江大學(xué)、四川大學(xué)、武漢大學(xué)等綜合類院校，兩類院校按1∶1比例投放問(wèn)卷，投放1000份，收回有效問(wèn)卷200余份。設(shè)立13個(gè)問(wèn)題從9個(gè)維度調(diào)查疫情影響后高校畢業(yè)生就業(yè)選擇。

（一）基于層次分析法研究分析大學(xué)生擇業(yè)數(shù)學(xué)模型

層次分析法是對(duì)一些較為復(fù)雜問(wèn)題做出決策的簡(jiǎn)易方法，尤其適合難以完全定量分析的問(wèn)題。本研究應(yīng)用層次分析法，據(jù)問(wèn)卷調(diào)查結(jié)果，得出影響大學(xué)生工作選擇的6個(gè)主要因素，針對(duì)可供選擇的3個(gè)疫情影響結(jié)果，建立層次結(jié)構(gòu)模型。得出影響大學(xué)生擇業(yè)選擇的主要因素層次結(jié)構(gòu)模型共有三層。第一層為目標(biāo)層，用符號(hào)z表示最終的選擇目標(biāo)；第二層為準(zhǔn)則層，分別用符號(hào)Y，Y1，Y2…，Y表示工作地點(diǎn)、發(fā)布的崗位、經(jīng)濟(jì)收入、面試形式、晉升機(jī)會(huì)、行業(yè)前景、擇業(yè)選擇（企業(yè)性質(zhì)與是否就業(yè)）6個(gè)判斷準(zhǔn)則；第三層為方案措施層，分別用符號(hào)X1，X2，X3…，表示疫情影響的三個(gè)結(jié)果。

表1 比較尺度aij的取值

利用SattyT．L．提出的1～9標(biāo)度法，如表1所示的定量化尺度。

根據(jù)調(diào)查問(wèn)卷的分析，建立準(zhǔn)則層對(duì)目標(biāo)層的成對(duì)比較判斷矩陣為：

方案措施層對(duì)準(zhǔn)則層的成對(duì)比較判斷矩陣設(shè)為：

利用python計(jì)算矩陣A的最大特征值與對(duì)應(yīng)的特征向量，將此向量歸一化后做一致性檢驗(yàn)，一次性檢驗(yàn)可以得到一致性比例CR。CR的計(jì)算公式為CI÷RI。

此處省略計(jì)算過(guò)程，因?yàn)镃R＜0.1，所以，總排序權(quán)重向量符合一致性要求。

（二）大學(xué)生擇業(yè)數(shù)學(xué)模型的結(jié)果分析

結(jié)果表明：準(zhǔn)則組合權(quán)向量分別為[0.3781324，0.2596388，0.36224372]，是[疫情對(duì)我找工作沒(méi)影響，疫情對(duì)我找工作是正作用(我疫情后考慮的更少)，疫情對(duì)我找工作是副作用(疫情后我考慮的更多)]對(duì)應(yīng)的權(quán)重系數(shù)，預(yù)計(jì)比例為25.96%的人受到疫情影響后找工作的顧慮更少，有36.22%的人受到情影響后找工作顧慮的更多。由此可以看出，對(duì)于一些985、211院校，疫情對(duì)他們擇業(yè)造成的影響不大，那些思想堅(jiān)定的人疫情后也不會(huì)改變擇業(yè)選擇，而應(yīng)該把目光看到那些思想容易產(chǎn)生變動(dòng)的學(xué)生，疫情對(duì)他們的思想以及擇業(yè)會(huì)產(chǎn)生影響。

二、基于軌道、基建類公司歷年招聘數(shù)據(jù)分析疫情對(duì)企業(yè)招聘的影響

（一）數(shù)學(xué)擬合分析預(yù)測(cè)疫情后招聘情況

通過(guò)收集軌道、基建類公司2019年到2020年5月的招聘數(shù)據(jù)，將得到的數(shù)據(jù)進(jìn)行數(shù)據(jù)脫敏整理成單位時(shí)間的單位量，利用回歸分析建模數(shù)據(jù)做一個(gè)簡(jiǎn)單的趨向預(yù)測(cè)。其基本思路和步驟如下：

對(duì)于給定時(shí)間序列X以及歷史招聘人數(shù)y，求得參數(shù)矩陣W，使得擬合值與真實(shí)值y的差值最小，滿足這一條件的W是對(duì)歷史信息的一個(gè)概括以及對(duì)未來(lái)的一個(gè)假定，對(duì)任意一個(gè)未來(lái)時(shí)間序列Xf，XfW，就是對(duì)未來(lái)應(yīng)聘人數(shù)的趨勢(shì)預(yù)測(cè)值。

為了求解W，采用最小二乘法，考慮到優(yōu)化目標(biāo)是使得擬合值XW與真實(shí)際值y的差值最小，亦即最小化，對(duì)其關(guān)于變量W微分，微分的目的是找到優(yōu)化目標(biāo)關(guān)于W的極值點(diǎn)，亦即導(dǎo)數(shù)為0的位置。所以把問(wèn)題轉(zhuǎn)化為了求W使得2XT(XW-y)=0，亦即XTXW=XTy。若方程非奇異，則有對(duì)應(yīng)的唯一解W=(XTX)-1XTy。

所以，只要把歷史應(yīng)聘數(shù)據(jù)分組提出(本科組，985組，研究生組)作為y，并把時(shí)間序列抽象為對(duì)應(yīng)的遞增數(shù)組[1，2，…，63]作為X，求得一元線性回歸的參數(shù)矩陣W，比以其為基礎(chǔ)，劃分對(duì)應(yīng)的未來(lái)時(shí)間序列為對(duì)應(yīng)遞增數(shù)組[64，…，84]作為Xf，即可求得未來(lái)的應(yīng)聘人數(shù)變化趨勢(shì)XfW。

（二）通過(guò)數(shù)據(jù)擬合預(yù)測(cè)招聘的整體趨勢(shì)

收集2019年全年招聘數(shù)據(jù)，并將數(shù)據(jù)整合，可以用2019年招聘數(shù)據(jù)結(jié)合2020年前5個(gè)月的數(shù)據(jù)進(jìn)行擬合，將預(yù)測(cè)值定在延續(xù)20個(gè)組，橫坐標(biāo)為自變量單位招聘期數(shù)，縱坐標(biāo)變量為單位招聘人數(shù)，得到預(yù)計(jì)5個(gè)余月的招聘趨勢(shì)，通過(guò)python的利用“庫(kù)”可以將數(shù)據(jù)轉(zhuǎn)化成變量，做出了三類高素質(zhì)人群的招聘趨勢(shì)圖。并另外做一組高次圖來(lái)檢測(cè)數(shù)據(jù)有效性，圖1為預(yù)測(cè)曲線。

圖1 本科生預(yù)測(cè)曲線

（三）結(jié)果分析，從四張圖中可以看出

由于疫情期間的空檔期與復(fù)工后面試及校招工作開(kāi)展的滯緩，三類人群的招聘趨勢(shì)一開(kāi)始均呈下降趨勢(shì)，隨著疫情減緩，本科生招聘與重點(diǎn)大學(xué)招聘量會(huì)逐漸上升，研究生招聘量會(huì)逐漸下降。這是由于研究生普遍尋找工作時(shí)間比本科生晚，一般集中于春招。由此可以看出，疫情期間對(duì)公司招聘是造成負(fù)面影響，但后疫情時(shí)期也影響了一部分重點(diǎn)大學(xué)的本科及研究生的想法，使得他們更傾向穩(wěn)定的工作，且在今年下半年這種影響會(huì)有一定持續(xù)性。

三、結(jié)語(yǔ)

通過(guò)層次分析得出影響的程度，利用擬合來(lái)預(yù)測(cè)影響的范圍，從中可以看出后疫情時(shí)期對(duì)大型國(guó)企招聘985、211類重點(diǎn)院校會(huì)產(chǎn)生紅利。根據(jù)擬合數(shù)據(jù)分析，下半年重點(diǎn)大學(xué)的學(xué)生面試量會(huì)先下降后稍有上升，而10月前研究生面試量會(huì)較春招下降。但是由于擬合的數(shù)據(jù)量不足，擬合的判斷過(guò)程略微粗糙，層次分析某種程度上受建模者主觀判斷影響，僅作為參考，后期還需要進(jìn)行數(shù)據(jù)及算法的優(yōu)化。這些結(jié)論可以為提高畢業(yè)生就業(yè)質(zhì)量提供參考，也為在校大學(xué)生了解企業(yè)的招聘形式，有針對(duì)性地提高擇業(yè)就業(yè)能力，從而提高企業(yè)招聘質(zhì)量。