基于灰色模型的浙江省建筑類高職就業預測

舒懷珠

摘 要：研究灰色理論在高職就業預測中的應用，分析灰色預測模型的適用性。根據歷史數據分別構建浙江省建筑類高職畢業生總就業人數、規劃設計單位就業人數、監理單位就業人數、機關事業單位就業人數、業主單位就業人數、施工單位就業人數的GM（1，l）灰色預測模型，并預測未來5年相應的各項數據。灰色建模前，對原始數據序列進行2階弱化處理和一次累加生成運算。分析表明：對于少信息的就業預測而言，灰色模型預測的精度較高;浙江省建筑類高職畢業生就業存在比較嚴重的結構性矛盾，預測結果有較高的參考價值。

關鍵詞：高職;灰色;就業;模型;預測

[中圖分類號] ?G717 ? [文獻標識碼]A

1 前言

浙江省建筑類專業高職畢業生的數量較大， 就業問題變得日益突出，因此，建立準確有效的模型，科學預測不同就業方向的人數和就業趨勢，掌握建筑類高職人才未來供求狀況顯得十分重要。高職就業的準確預測是一個新的研究方向，存在較大難度，一方面是浙江省建筑類高職畢業生就業歷史統計數據比較籠統，沒有根據就業方向進行分類統計，另外一個方面是建筑類高職畢業生就業受經濟和社會不確定性因素影響較大。目前已有關于建筑類畢業生就業預測方法有的模型所需的參數值不容易確定，增加了預測難度，或者方法需要數據量大，數據不易收集，或者預測方法單一，沒可比性[1-5]。

根據就業系統的灰色特性，以2008-2017年浙江省建筑類高職畢業生就業人數為研究對象，運用灰色建模思想構建浙江省建筑類高職就業總人數，以及規劃設計單位、施工單位、監理單位、機關事業單位、業主單位等5大就業方向各自就業人數的灰色預測GM（1，1）模型，并預測2018-2022年此6項就業數據，探究預測模型的適用性。根據預測結果分析未來5年就業趨勢，可以為教育主管部門、職業院校、畢業生制定就業對策提供參考依據。

2 浙江省建筑類高職畢業生就業灰色預測模型構建

2.1 就業灰色模型數據處理

查閱相關文獻，缺失年份的數據通過研究，采取一定規則進行估算，得到2008-2017年度浙江省建筑類高職畢業生總就業人數（Y總）、規劃設計單位就業人數（Y1）、監理單位就業人數（Y2）、機關事業單位就業人數（Y3）、業主單位就業人數（Y4）、施工單位就業人數（Y5）相關數據[6-8]（見表1）。

2.3 灰色模型分析

（1）計算結果可看出，構建的Y總、Y1、Y2、Y3、Y4和Y5等6個灰色模型發展系數-a分別為：0.0034，0.0465，0.0067，0.0732，-0.0201，-0.0044，均小于0.3，說明本模型適用于中長期預測[9]。所以采用本模型進行2018-2022年五年中期預測是可行的。

（2）灰色模型的精度檢驗一般常用相對誤差α檢驗[9]，分析α數據，發現經過2階弱化處理后，Y總、Y1、Y2、Y5預測模型的預測相對誤差均小于1%，達到一級精度要求， Y3和Y4灰色預測模型的相對誤差超過1%，但小于5%，達到二級精度指標要求，而且這兩項數據在總數當中占比小于0.4%，對預測精度沒有實質性影響，說明各項數據采取2階弱化后再構建相應灰色模型，其預測數據有較高可信度。建模之前根據定性分析結論對原始數據序列施以緩沖算子收到了較好的效果。

2.4 灰色預測結果分析

從灰色模型預測數據來看， 浙江省建筑類高職就業存在以下趨勢：

（1）浙江省建筑類高職就業總人數還在逐年增加，但是增加幅度不大，這符合目前招生人數比較穩定，沒大幅增加錄取人數的實際;數據還表明畢業生到施工單位就業人數最多，但絕對人數逐年下降，比例也在下降，基本維持在70%左右，下降幅度不大。其最大原因是每年專升本的人數在大幅度增加所致。

（2）畢業生到規劃設計單位、監理單位、機關事業單位和業主單位等四個方向的就業人數占比很小，在5個就業方向當中占比約為1.5%左右。究其原因是高職畢業生從事這4個方向的工作，其綜合能力還達不到相關單位要求，到這些單位就業存在較大困難，就業人數維持在較低水平。

3 結論

（1）將灰色理論所建立的灰色預測模型應用于浙江省建筑類高職就業預測，可以克服現有一些預測方法依賴大量基礎數據的缺陷，灰色預測模型所需信息較少，計算簡便，預測值與實際誤差較小，預測精度較高，很適合于歷史數據較少的就業各指標的預測。

（2）盡管對各數據序列構造2階弱化算子進行弱化處理，更好地消除了數據偏差，模型都達到二級以上精度，但是高階弱化是否對原始數據的內在規律有所改變是下一步需要深入研究的課題。

（3）灰色預測數據表明，浙江省建筑類高職畢業生就業存在比較嚴重的結構性矛盾，建筑類高職畢業生到有關設計、監理、機關事業和業主等單位就業人數極少，而且施工單位就業人數也在逐年遞減。該預測結果對浙江省教育管理部門、高職院校和高職畢業生制定就業對策有一定的實際參考價值。

參考文獻

[1]POU LICOS P.Indus t rial and s pat ial int erdependency in modeling ：an emp loy men t f orecast ing model f or the count ries in the S an Francis co Bay Region[ J] .The An nal s of Regi on al Sci ence， 1985 ， 19（2）：17 -28 .

[2]BA RRY R.Applicabili ty of the transf er function approach to fo recast ing emp loy men t levels in small region s[ J] .TheA nnal s of Regi onal S cien ce， 1987 ， 21（1）：34 -43 .

[3]聶永紅.判定樹歸納分類法在畢業生就業預測中的應用[ J] .廣西科學院學報， 2003 ， 19（2）：72 -76 .

[4]姚波.陜西省第三產業就業彈性測算與預測[ J] .統計觀察， 2006 ， 11（2）：88 -89.

[5]程昌品.樸素貝葉斯分類算法在畢業生就業預測方面的研究[ J] .廣東教育學院學報， 2007 ， 27（5）：79 -82 .

[6]浙江省高校畢業生職業發展狀況及人才培養質量調查報告[EB/OL]. https：//www.tech.net.cn.2019-08-20.

[7]浙江教育事業發展統計公報[EB/OL]. http：//jyt.zj.gov.cn.2018-04-03.

[8]浙江省高校畢業生就業管理系統[EB/OL]. http：//www.ejobmart.cn.2019-08-20.

[9]劉思峰，謝乃明.灰色系統理論及其應用[M].北京：科學出版社，2008.