基于BP神經網絡的我國高校畢業(yè)生就業(yè)情況預測

許紅

（湖南工商大學 湖南省長沙市 430100）

1 問題的提出

法國1997年實施《青年就業(yè)法案》，解決失業(yè)青年就業(yè)艱難的問題[1]。國內外有關高校畢業(yè)生就業(yè)的法律保障制度體系相對完整，學者對高校畢業(yè)生就業(yè)問題的探究也比較完善。I?akiIriondo（2020）評估了歐盟推行的伊拉斯研究計劃對西班牙研究生就業(yè)和薪資的影響[2]。谷家川（2020）從心理學角度考量：畢業(yè)生心理壓力是就業(yè)困難的根本原因之一[3]；孫濤、王龍淼、徐學彬（2020）分析了影響畢業(yè)生就業(yè)選擇的因素和就業(yè)的心理特點[4]。從國家發(fā)生自然災害和全球性疫情等方面分析：吳華華（2020）提出鼓勵學生利用在家時間補缺補漏、加強心理疏導等建議[5]。

畢業(yè)生就業(yè)工作中，關于就業(yè)預測研究的文獻較少。張穩(wěn)（2008）利用多項式曲線擬合等五種數(shù)學模型，從不同角度對就業(yè)數(shù)據(jù)進行統(tǒng)計分析[6]。鄒治（2012）構建高校畢業(yè)生失業(yè)預警系統(tǒng)，通過平均誤差和時點誤差的比較發(fā)現(xiàn)神經網絡更為適用于當前高校畢業(yè)生失業(yè)率的預測[7]。

2 高校畢業(yè)生就業(yè)率影響因素分析

從經濟、社會和高校三個方面研究相關因素對就業(yè)率的影響。從經濟總量看，影響因素有國內生產總值和第三產業(yè)總值；從經濟結構來看，影響因素有第三產業(yè)總值、居民消費水平和城鎮(zhèn)化率，將經濟影響因素歸類制成圖1。

我國作為世界上人口最多的國家，人口基數(shù)大且增長快，對就業(yè)市場的供需平衡有極大的影響，社會因素主要通過人口總量和就業(yè)人口數(shù)量對高校畢業(yè)生就業(yè)率產生影響，如圖2。

高校畢業(yè)學生人數(shù)每年都以60-70 萬人的速度增加，教育部發(fā)展規(guī)劃司顯示，2013年高等教育毛入學率達到34.5%[8]。由此可知，影響高校畢業(yè)生就業(yè)的主要因素是高校招生數(shù)和高校經濟投入。

3 主成分分析

影響高校畢業(yè)生就業(yè)率的因素有12 個，收集我國2005年-2019年的相關數(shù)據(jù)作為樣本數(shù)據(jù)（數(shù)據(jù)來源于國家統(tǒng)計局年度數(shù)據(jù)、中國教育經費統(tǒng)計年鑒），選取2005-2014年的數(shù)據(jù)作為訓練樣本集，2015-2019年的數(shù)據(jù)作為測試樣本集，利用SPSS 和MATLAB 進行主成分分析。畫出影響因素累計貢獻率折線圖見圖3，從圖中看出在12 個影響因素中，有兩個因素的累計貢獻率較大，可作為主成分。

表1為提取主成分的總方差匯總表。提取特征值大于1 的前兩個變量作為主成分，可解釋99.476%的總方差，方差貢獻率較高，說明主成分的提取可靠性較強，可選取前兩個因子作為主成分。

分別求出兩個主成分的成分荷載矩陣，通過成分得分系數(shù)矩陣計算每個因素在主成分上的得分。由成分得分系數(shù)矩陣寫出各主成分的表達式：

f1=0.091Z1+0.090Z2+0.089Z3+0.090Z4+0.090Z5+0.090Z6-0.051Z7+0.086Z8+0.090Z9+0.090Z10+0.088Z11+0.090Z12

f2=0.004Z1+0.010Z2+0.174Z3+0.024Z4+0.076Z5+0.085Z6+1.060Z7+0.240Z8+0.116Z9+0.103Z10-0.194Z11-0.025Z12

第一主成分可解釋為經濟因素影響較大的成分；第二主成分為社會因素影響較大的成分。高校因素對高校畢業(yè)生就業(yè)率的影響相對較小。

4 BP神經網絡實現(xiàn)

圖1：影響高校畢業(yè)生就業(yè)率的經濟因素樹狀圖

圖2：影響高校畢業(yè)生就業(yè)率的社會因素樹狀圖

圖3：各個特征累計貢獻率統(tǒng)計圖

BP 神經網絡是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧跋蛐偷娜斯ど窠浘W絡，由于調整權值時采用反向傳播(BackPropagation)學習算法，故稱為BP 網絡。BP 網絡的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。

對高校畢業(yè)生就業(yè)率相關數(shù)據(jù)進行神經網絡訓練，此時高校畢業(yè)生就業(yè)率預測模型結構如圖4所示。訓練完成后，輸出2005～2019年高校畢業(yè)生就業(yè)率預測數(shù)據(jù)，得到12 個影響因素主成分分析后的BP 神經網絡訓練就業(yè)率預測值與真實值仿真結果如圖5，從圖中看出網絡輸出就業(yè)率與實際就業(yè)率結果相差不大，說明訓練擬合效果較好。

計算得到傳統(tǒng)BP 神經網絡平均相對誤差為0.874%，而通過主成分分析后的數(shù)據(jù)進行BP 神經網絡仿真的平均誤差為0.121%，可見本文所用模型的精度更高。

圖6中左圖為傳統(tǒng)BP 神經網絡在訓練過程需要的次數(shù)，需要運行625 次才能達到期望的精度，而右圖代表的改進BP 神經網絡只需運行98 次就能達到相同的精度，因此，本文所用方法在程序運行效率上有很大的提高，具有推廣意義。

表1：主成分提取總方差匯總表

圖4：高校畢業(yè)生就業(yè)率預測模型結構圖

圖5：主成分分析后BP 訓練仿真圖

利用2018年和2019年的數(shù)據(jù)代入模型，預測2020年和2021年的高校畢業(yè)生就業(yè)率數(shù)據(jù)分別為91.586%和91.556%。

5 結論與建議

利用BP 神經網絡進行預測。從預測結果中看出我國高校畢業(yè)生就業(yè)率呈現(xiàn)穩(wěn)定趨勢，增長和下降的趨勢都很小，由于我國人口基數(shù)大增長快的特點，未來幾年內，總人口和高校畢業(yè)生數(shù)量都將呈現(xiàn)增長趨勢。

高校畢業(yè)生層面，高校畢業(yè)生需要提高自身綜合素質，提高就業(yè)競爭力，樹立正確的就業(yè)擇業(yè)觀念，結合自身專業(yè)情況、職業(yè)喜好和個人能力，規(guī)劃一條適合自己的就業(yè)道路。高校層面，高等教育是培養(yǎng)人才的關鍵階段，高校應該加強教學改革，不斷優(yōu)化專業(yè)設置和教學培養(yǎng)方案，教學內容與就業(yè)市場相結合，培養(yǎng)實踐型人才。相關政府應該完善就業(yè)制度，營造公平、公正、公開的就業(yè)氛圍，給畢業(yè)生提供良好的就業(yè)環(huán)境；同時，政府要加強畢業(yè)生就業(yè)的引導工作，為畢業(yè)生的就業(yè)和自主創(chuàng)業(yè)提供良好的制度保障和政策支持。

圖6：兩種BP 神經網絡模型訓練所需次數(shù)