大学生就业形势预测模型研究

发布时间：2022-01-01 21:46

　　大学毕业生就业率是人力资源市场平衡的决定性因素,为此本文以统计回归理论为基础,分析影响大学毕业生就业率的因素,把握不同因素对大学毕业生就业率的影响程度,为建立准确的大学毕业生就业率预测系统提供依据；再建立人工神经网络预测模型,预测大学毕业生就业率,并对其结果进行误差评价分析。最终,本文结合统计回归理论和人工神经网络模型给出一种新的大学毕业生就业率预测模型,为该问题提供了新的思路,也为高校的人才教育结构改革和毕业生去向选择提供参考。文章用统计回归理论确定各影响因素的重要程度,其核心是计算各影响因素和就业率之间的回归系数。借助多元线性回归理论,通过分析影响大学毕业生就业率的因素,使众多复杂因素可以量化比较与就业率的关联程度,从而按照关联程度排序,确定对就业率影响显著的因素。根据中国国家统计局年鉴和地方大学的数据,本文最终确定了四类因素包括总体经济形势,行业经济形势,人才培养计划以及主观努力程度作为预测模型的主要影响因素。文章建立了统计回归和人工神经网络两种预测模型对大学毕业生就业率进行预测。统计回归模型中,就业率模型输出值与实际值的平均差异为5.9%,预测误差方差为0.0013；人工神经网... 

【文章来源】：西安工业大学陕西省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

回归系数大小的柱状表示图

回归系数残差百分比的柱状示意图

征数据存放在建立好的.txt文件，数据通过接口导入后，程序自动运行，完成影响因素分类以及预测模型求解，并输出结果。以下给出数据输入的程序框图如图5.2所示。

【参考文献】：
期刊论文
[1]毕业生就业率预测及质量评估研究[J]. 张稳,恰汗·合孜尔.  计算机工程与科学. 2009(05)
[2]线性回归模型的一种有偏估计[J]. 张玮,刘禄勤.  武汉大学学报(理学版). 2006(03)
[3]线性回归模型系数岭估计的改进研究[J]. 张建军,吴晓平.  海军工程大学学报. 2005(01)
[4]大学扩招与就业问题[J]. 吴宏志.  当代青年研究. 2005(02)
[5]人工神经网络在石油分析中的应用研究（Ⅰ）——BP神经网络预测石油馏分临界性质[J]. 周山花,张晓彤,张素萍,孙兆林,李梦龙.  石油化工高等学校学报. 1998(01)

硕士论文
[1]基于BP神经网络的短期负荷预测[D]. 吕婵.华中科技大学 2007
[2]新形势下大学生就业问题研究[D]. 郭冬青.中国石油大学 2007
[3]企业新产品开发经济效益的预测、评价及相关对策研究[D]. 赵朝智.湖南大学 2006
[4]基于灰色系统理论的房地产建设用地需求量预测模型研究[D]. 桂冰.重庆大学 2006
[5]SWOT分析在新的就业形势下大学生培养模式中的引入[D]. 杨明华.西安科技大学 2006
[6]基于灰色理论与BP神经网络的电力负荷预测[D]. 李国辉.哈尔滨理工大学 2005
[7]影响国产轿车需求因素的研究[D]. 孙绍惠.哈尔滨工程大学 2003



本文编号：3562898