常婉秋 王丹 單帥杰

摘 要：就業(yè)人員中從事高新科技研究的人數(shù)偏少，與就業(yè)市場對高新技術(shù)的專業(yè)人才的需求之間產(chǎn)生矛盾。本文針對深圳市就業(yè)市場需求進行研究，通過模糊評價法對期望教育背景進行量化處理，并利用因子分析法的降維思想，分析得出綜合指標(biāo)與就業(yè)需求、期望職業(yè)及期望教育背景都成正相關(guān)。且與就業(yè)需求和期望職業(yè)的相關(guān)性較大。基于此，對深圳市的人才培養(yǎng)戰(zhàn)略提出可行性建議。

關(guān)鍵詞：模糊評價法;因子分析法;市場需求

引言

在當(dāng)前的就業(yè)市場背景下，從宏觀角度分析市場的產(chǎn)業(yè)結(jié)構(gòu)，和從微觀角度透析企業(yè)的就業(yè)情況， 人才資源是就業(yè)市場中重要的生產(chǎn)要素之一[1]，經(jīng)濟大環(huán)境下的變革帶動了其在產(chǎn)業(yè)結(jié)構(gòu)和數(shù)量上的變動，因此可以初步得出人才需求是就業(yè)市場的主要需求之一。達沃斯世界經(jīng)濟論壇評估未來就業(yè)市場對人才需求有10個方面的技術(shù)要求，包括創(chuàng)造力、人事管理能力、談判技能等[2]，提出了一種基于多職業(yè)能力的人才要求。近年來人力資源市場從整體的供求關(guān)系上來看，就業(yè)市場仍比較嚴(yán)峻，新形勢下的人才需求矛盾主要是求職者的所學(xué)專業(yè)以及學(xué)歷與新型就業(yè)市場的供不應(yīng)求[3]。阮紅偉在2005年針對就業(yè)問題提出了彈性系數(shù)方法的概念[4]，肖祥輝運用彈性系數(shù)的方法，總結(jié)出西安的服務(wù)業(yè)的就業(yè)容量[5]大于農(nóng)業(yè)、工業(yè)兩個行業(yè)。國外的Hollis.B.Chenery經(jīng)濟學(xué)者通過配第-克拉克定理證明出，就業(yè)需求與產(chǎn)業(yè)有關(guān)[6]。在眾多的評價分析方法中，對于就業(yè)市場的研究對象而言，專家大都傾向于定性-定量相結(jié)合的方法[7]進行分析評價。綜上所述，本次對深圳市的就業(yè)市場與人才需求的研究中，從就業(yè)需求、期望職業(yè)、期望教育背景三個方面將進行研究分析，通過將模糊綜合評價和因子分析，定性并最終定量構(gòu)建深圳市的就業(yè)市場需求模型。

1 數(shù)據(jù)預(yù)處理

1.1 平均占比法歸納數(shù)據(jù)

對于就業(yè)需求指標(biāo)，首先得出每個月各類行業(yè)需求在總需求中的占比，進而將2015年到2018年各行業(yè)需求占比的平均值代表就業(yè)需求指標(biāo)。利用同樣的方法得到職業(yè)期望指標(biāo)。

1.2 模糊評價法量化指標(biāo)

對于期望教育背景指標(biāo)，利用模糊評價法[8]將其量化，并對其進行數(shù)據(jù)分析。

（1）確定因素集和評判集

針對深圳市2011年至2012年就業(yè)市場需求數(shù)據(jù)集，分別建立因素集和評判集：

其中，u～u6 分別代表2013～2018年、v1=學(xué)士學(xué)位以上，v2=學(xué)士學(xué)位，v3=學(xué)士學(xué)位以下。

（2）構(gòu)造綜合評判矩陣及權(quán)重

計算因素集的每一因素在評判集中對應(yīng)各因素所占的比重，并以矩陣的形式表示評判矩陣.

2 市場需求因子分析評價

因子分析法[9]是從研究變量內(nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。對于深圳市就業(yè)市場需求問題的分析，從3個方面：就業(yè)需求、期望職業(yè)、期望教育背景進行建模分析，分別用 來表示。

（1）原始變量標(biāo)準(zhǔn)化處理

為了消除量綱的影響，在進行因子分析之前首先要對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，其標(biāo)準(zhǔn)化的數(shù)學(xué)模型

（2）選取預(yù)處理后的三個指標(biāo)的相關(guān)數(shù)據(jù)，然后利用因子分析法進行研究。基于以上相關(guān)性分析，構(gòu)建的新的指標(biāo)體系

（3）計算特征向量和特征值

利用樣本數(shù)據(jù)得出因子載荷矩陣。根據(jù)之前標(biāo)準(zhǔn)化處理之后的數(shù)據(jù)，得出協(xié)方差矩陣R

其中，r表示指標(biāo)j與k之間的相關(guān)系數(shù)。

（4）然后，利用標(biāo)準(zhǔn)特征方程? ? ? ? ? ? ? ? ? ?求出矩陣R的特征向量和特征值，并提取出方差累計貢獻率大于85%的公共因子。

（5）計算各因子得分以及綜合得分

因子得分就是將公共因子表示為原指標(biāo)的線性組合，也可以看做是各個指標(biāo)值的加權(quán)總和。計算出因子綜合得分，即：

對深圳市工作需求、期望職業(yè)、期望學(xué)歷三個指標(biāo)進行得分系數(shù)計算

設(shè)就業(yè)需求為x1，期望職業(yè)x2，期望教育背景為x3。根據(jù)成分得分系數(shù)矩陣，分別計算各成分得：

綜合上述各得分，通過各成分的系數(shù)，利用總方差表中的初始特征值求得總指標(biāo)為：

通過上式分析得出，綜合指標(biāo)與就業(yè)需求、期望職業(yè)及期望教育背景都成正相關(guān)，并且與就業(yè)需求和期望職業(yè)的相關(guān)性較大。將各職業(yè)的就業(yè)需求、期望職業(yè)及期望教育背景三個指標(biāo)數(shù)據(jù)代入公式10，以此繪制49個指標(biāo)的折線圖。

計算機軟件、銷售管理、市場/市場營銷、銷售、計算機硬件五類職業(yè)的需求量最高，美容及個人護理、一般商品/鏈條/零售、安全/客房/其他、畢業(yè)生、其他五類職業(yè)的需求量最低。

3 結(jié)論

以本科生的專業(yè)水平為界，綜合本科生學(xué)歷以上、本科生和本科生以下三類情況，通過模糊綜合評價得出一個綜合評分，并將其作為就業(yè)市場中對人才的期望教育背景x3的量化，結(jié)合就業(yè)需求x1、期望職業(yè)x2，得到就業(yè)市場需求中這三個方面的函數(shù)相關(guān)關(guān)系為：F=0.48x1+0.46x2+0.33x3，將深圳市49類職業(yè)的三個指標(biāo)數(shù)據(jù)分別代入就業(yè)市場需求模型中，得到計算機軟件、銷售管理、市場/市場營銷、銷售、計算機硬件五類職業(yè)的需求量最高，美容及個人護理、一般商品/鏈條/零售、安全/客房/其他、畢業(yè)生、其他五類職業(yè)的需求量最低。綜合分析建立的就業(yè)市場需求模型，針于當(dāng)前的人才需求模式，有就業(yè)需求的人應(yīng)該增強對計算機軟件、銷售管理、市場/市場營銷、銷售、計算機硬件五個方面知識的學(xué)習(xí)。

參考文獻：

[1]李付俊，孟續(xù)鐸.我國產(chǎn)業(yè)轉(zhuǎn)型升級下的高校畢業(yè)生就業(yè)——研究回顧與展望[J].人口與經(jīng)濟，2014（06）：91-101.

[2]曹珊. 全球化背景下美國高等教育人才培養(yǎng)與勞動力市場互動關(guān)系研究[D].南京師范大學(xué)，2014.

[3]肖鵬燕. 我國高校人才培養(yǎng)和勞動力市場需求的非均衡研究[D].首都經(jīng)濟貿(mào)易大學(xué)，2011.

[4]阮紅偉. 青島市未來三年勞動力供給與需求形勢預(yù)測及趨勢分析[D].中國海洋大學(xué)，2005.

[5]肖祥輝. 西安市服務(wù)業(yè)就業(yè)容量研究[D].陜西師范大學(xué)，2006.

[6]Hollis B C，歐陽峣，盛小芳.大型發(fā)展中國家工業(yè)化經(jīng)驗[J].湖南商學(xué)院學(xué)報，2015，22（04）：12-17.

[7]夏星. 大學(xué)生就業(yè)市場優(yōu)化研究[D].武漢理工大學(xué)，2009.

[8]Yue W， Wang Y P. A new fuzzy multi-objective higher order moment portfolio selection model for diversified portfolios[J]. Physica A： Statistical Mechanics and its Applications，2017，465.

[9]HIURA M， HIRAYAMA T， MATSUOKA T， et al. OPTIMUM DESIGNING OF SMALL-SIZED TOROIDAL CVT BASED ON FACTOR ANALYSIS FOR POWER LOSS[J]. The Proceedings of the JSME international conference on motion and power transmissions，2017，2017（0）.