后疫情時(shí)代高職畢業(yè)生就業(yè)過(guò)程滿意度研究

摘 要：在新冠肺炎疫情影響下，如何提高高職畢業(yè)生就業(yè)過(guò)程滿意度，幫助高職畢業(yè)生順利就業(yè)是當(dāng)前高職院校必須解決好的問(wèn)題之一。本文運(yùn)用主成分分析法、聚類分析法和因子分析法，對(duì)高職畢業(yè)生就業(yè)過(guò)程的調(diào)查數(shù)據(jù)進(jìn)行研究，目的在于對(duì)高職畢業(yè)生的就業(yè)過(guò)程進(jìn)行科學(xué)、客觀、合理地監(jiān)測(cè)，以期有針對(duì)性地開(kāi)展就業(yè)跟蹤和指導(dǎo)工作。

關(guān)鍵詞：主成分分析;聚類分析;因子分析法;就業(yè)

本文索引：黃立強(qiáng).后疫情時(shí)代高職畢業(yè)生就業(yè)過(guò)程滿意度研究[J].中國(guó)商論，2021（14）：-192.

中圖分類號(hào)：F240 ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：2096-0298（2021）07（b）--04

2020年5月22日，國(guó)務(wù)院總理李克強(qiáng)在政府工作報(bào)告中前所未有地39次提到“就業(yè)”兩個(gè)字，由此可見(jiàn)，在新冠肺炎疫情影響下如何穩(wěn)就業(yè)、保民生已經(jīng)成為當(dāng)下熱議的話題之一。

因此，如何提高高職畢業(yè)生就業(yè)過(guò)程滿意度，幫助其順利就業(yè)，將要吃飯的口變成創(chuàng)造巨大財(cái)富的手，實(shí)現(xiàn)人才資源充分合理地分配是各高職院校當(dāng)前必須解決好的問(wèn)題之一。根據(jù)高校畢業(yè)生就業(yè)狀況監(jiān)測(cè)要堅(jiān)持全面性、獨(dú)立性、可評(píng)性、可測(cè)性的原則[1]，本文運(yùn)用主成分分析方法、聚類分析方法和因子分析法對(duì)求職成本、求職時(shí)間、求職渠道、需求情況和就業(yè)指導(dǎo)[2]這五個(gè)維度進(jìn)行就業(yè)過(guò)程滿意度的監(jiān)測(cè)，以期有針對(duì)性地開(kāi)展就業(yè)幫扶工作。

1 主成分分析的基本思想

主成分分析的核心思想是降維，通過(guò)降維的方式將多個(gè)復(fù)雜的相關(guān)性變量轉(zhuǎn)化為少數(shù)幾個(gè)關(guān)鍵的不相關(guān)的變量，并在轉(zhuǎn)換過(guò)程中盡量保留原來(lái)變量更多的信息，轉(zhuǎn)換后的少數(shù)幾個(gè)關(guān)鍵的不相關(guān)的變量我們稱之為主成分，每一個(gè)主成分都是原始變量的線性組合。

2 聚類分析的基本思想

聚類分析是一種建立分類的多元統(tǒng)計(jì)分析方法，它能夠?qū)颖局懈黜?xiàng)指標(biāo)“性質(zhì)”較為相近的歸為一類，“性質(zhì)”差別較大的歸為不同類，從而產(chǎn)生多個(gè)分類結(jié)果。類內(nèi)部樣本的性質(zhì)具有相似性，不同類間樣本的性質(zhì)具有較大差異性。

3 因子分析的基本思想

因子分析的基本思想是根據(jù)相關(guān)性的大小把變量分組，使得同組內(nèi)的變量相關(guān)性較高，而不同組內(nèi)的變量相關(guān)性較低[3]。

4 實(shí)證分析

4.1 數(shù)據(jù)的來(lái)源

因我院會(huì)計(jì)系2017級(jí)會(huì)計(jì)專業(yè)的學(xué)生已經(jīng)畢業(yè)并進(jìn)入就業(yè)跟蹤調(diào)查階段，故以此作為調(diào)查對(duì)象。本次數(shù)據(jù)的收集采用隨機(jī)抽樣的方式進(jìn)行，發(fā)放問(wèn)卷70份，收回問(wèn)卷65份，有效問(wèn)卷61份，以序號(hào)來(lái)代替每一位學(xué)生。

4.2 運(yùn)用主成分分析方法提取畢業(yè)生就業(yè)過(guò)程滿意度的主要信息

將61位同學(xué)對(duì)就業(yè)過(guò)程滿意度的打分情況看作一個(gè)原始數(shù)據(jù)矩陣，利用SPSS軟件將原始數(shù)據(jù)矩陣進(jìn)行標(biāo)準(zhǔn)化，并計(jì)算相關(guān)系數(shù)矩陣的特征根，具體情況如表1所示。

在統(tǒng)計(jì)學(xué)中普遍認(rèn)為，主成分的累積貢獻(xiàn)率達(dá)到80%以上即可用少數(shù)幾個(gè)主成分代表原來(lái)多個(gè)指標(biāo)的絕大部分信息。因此，我們提取前3個(gè)主成分變量來(lái)代替原來(lái)5個(gè)變量，前3個(gè)主成分的載荷矩陣如表2所示。

從表2可以看出，求職成本、需求情況、就業(yè)指導(dǎo)在第一主成分上有較大的載荷，并且與第一主成分存在正相關(guān)關(guān)系，因此，第一主成分主要是求職成本、需求情況、就業(yè)指導(dǎo)的綜合反映，可作為求職成本、需求情況、就業(yè)指導(dǎo)滿意度的綜合評(píng)價(jià)。求職時(shí)間在第二主成分上有較大的載荷，因此將第二主成分作為求職時(shí)間滿意度的評(píng)價(jià)。求職渠道在第三主成分上有較大的載荷，因此將第三主成分作為求職渠道滿意度的評(píng)價(jià)?，F(xiàn)按照如下公式計(jì)算第一、二、三主成分得分。

由此可得第一、二、三主成分得分，以各主成分的方差貢獻(xiàn)率為權(quán)重，計(jì)算每一位學(xué)生就業(yè)過(guò)程滿意度的綜合得分，即，第一、二、三主成分得分及綜合得分、排名如表3所示：

4.3 結(jié)果分析

從第一、二、三主成分的得分情況來(lái)看，我們將被調(diào)查對(duì)象大致劃分為三類：

第一類：求職成本、需求情況、就業(yè)指導(dǎo)滿意度高而求職時(shí)間滿意度低。這類學(xué)生存在的問(wèn)題是長(zhǎng)時(shí)間求職而未能就業(yè)或者經(jīng)過(guò)長(zhǎng)時(shí)間求職后才實(shí)現(xiàn)了就業(yè)。經(jīng)過(guò)了解，這類學(xué)生的就業(yè)競(jìng)爭(zhēng)力相對(duì)較弱，自身的條件達(dá)不到企業(yè)的需求，即使學(xué)校給予了大量的就業(yè)指導(dǎo)，市場(chǎng)也存在一定的需求，但因自身競(jìng)爭(zhēng)優(yōu)勢(shì)不強(qiáng)，導(dǎo)致求職時(shí)間過(guò)長(zhǎng)。因此，這類學(xué)生要找準(zhǔn)定位，降低就業(yè)期望值，同時(shí)還要不斷提高自身的綜合素質(zhì)，才能夠較好地實(shí)現(xiàn)就業(yè)。

第二類：求職時(shí)間滿意度高而求職成本、需求情況、就業(yè)指導(dǎo)滿意度低。這類學(xué)生雖然短時(shí)間內(nèi)成功就業(yè)，但付出了較大的成本。經(jīng)了解，這類學(xué)生有些選擇了自主創(chuàng)業(yè)，有些選擇了做外賣騎手，之所以做出這樣的選擇是因?yàn)槭苄鹿诓《疽咔橛绊?，我?guó)各行各業(yè)的經(jīng)濟(jì)都受到了巨大的影響，導(dǎo)致崗位需求量相對(duì)減少，同時(shí)，學(xué)校的就業(yè)指導(dǎo)也達(dá)不到他們預(yù)期的期望。因此，對(duì)這類學(xué)生要加強(qiáng)引導(dǎo)，持續(xù)提供就業(yè)創(chuàng)業(yè)服務(wù)，使得這類學(xué)生能夠抓住李克強(qiáng)總理在十三屆全國(guó)人大三次會(huì)議記者會(huì)上提到的地?cái)偨?jīng)濟(jì)機(jī)遇，在新業(yè)態(tài)下創(chuàng)得起業(yè)，守得住業(yè)，從而創(chuàng)造更多的就業(yè)機(jī)會(huì)。

第三類：求職渠道滿意度高而求職時(shí)間滿意度低。這類學(xué)生因選擇面寬，而導(dǎo)致在眾多選擇中猶豫不決。經(jīng)了解，這類學(xué)生就業(yè)競(jìng)爭(zhēng)力相對(duì)較好，選擇的機(jī)會(huì)相對(duì)多，面對(duì)就業(yè)機(jī)會(huì)總喜歡多方對(duì)比，挑三揀四，導(dǎo)致求職時(shí)間過(guò)長(zhǎng)。因此，對(duì)這類學(xué)生要加強(qiáng)指導(dǎo)，使他們認(rèn)清當(dāng)前的就業(yè)形勢(shì)，不能盲目自信而錯(cuò)失了就業(yè)機(jī)會(huì)。

從綜合得分的情況來(lái)看，24號(hào)學(xué)生排名第一，28號(hào)學(xué)生排名第二，說(shuō)明這兩個(gè)學(xué)生對(duì)就業(yè)過(guò)程整體滿意度高。4號(hào)、12號(hào)學(xué)生排名最后，說(shuō)明這兩個(gè)學(xué)生對(duì)就業(yè)過(guò)程整體滿意度一般。

5 運(yùn)用聚類分析法對(duì)學(xué)生就業(yè)過(guò)程滿意度進(jìn)行分析

我們將主成分綜合得分進(jìn)行系統(tǒng)聚類分析，采用最廣泛使用的歐式距離，離差平方和聚類法，根據(jù)聚類譜系圖并結(jié)合綜合得分情況，可將61位同學(xué)的綜合得分分成三個(gè)等級(jí)，即24號(hào)學(xué)生對(duì)就業(yè)過(guò)程整體滿意度高。26號(hào)學(xué)生、31號(hào)學(xué)生、27號(hào)學(xué)生、18號(hào)學(xué)生、39號(hào)學(xué)生、57號(hào)學(xué)生、23號(hào)學(xué)生、56號(hào)學(xué)生、1號(hào)學(xué)生、16號(hào)學(xué)生、36號(hào)學(xué)生、29號(hào)學(xué)生、5號(hào)學(xué)生、13號(hào)學(xué)生、55號(hào)學(xué)生、45號(hào)學(xué)生、52號(hào)學(xué)生、42號(hào)學(xué)生、49號(hào)學(xué)生、10號(hào)學(xué)生、34號(hào)學(xué)生、3號(hào)學(xué)生、53號(hào)學(xué)生、2號(hào)學(xué)生、7號(hào)學(xué)生、8號(hào)學(xué)生、47號(hào)學(xué)生、22號(hào)學(xué)生、25號(hào)學(xué)生、21號(hào)學(xué)生、17號(hào)學(xué)生、14號(hào)學(xué)生、30號(hào)學(xué)生、32號(hào)學(xué)生、19號(hào)學(xué)生、20號(hào)學(xué)生、41號(hào)學(xué)生、9號(hào)學(xué)生、28號(hào)學(xué)生對(duì)就業(yè)過(guò)程整體滿意度較高。11號(hào)學(xué)生、51號(hào)學(xué)生、59號(hào)學(xué)生、15號(hào)學(xué)生、35號(hào)學(xué)生、61號(hào)學(xué)生、54號(hào)學(xué)生、38號(hào)學(xué)生、43號(hào)學(xué)生、50號(hào)學(xué)生、33號(hào)學(xué)生、37號(hào)學(xué)生、46號(hào)學(xué)生、58號(hào)學(xué)生、6號(hào)學(xué)生、48號(hào)學(xué)生、40號(hào)學(xué)生、60號(hào)學(xué)生、44號(hào)學(xué)生、4號(hào)學(xué)生、12號(hào)學(xué)生對(duì)就業(yè)過(guò)程整體滿意度一般。

6 因子分析

就業(yè)過(guò)程滿意度共有五個(gè)維度，現(xiàn)對(duì)收集的數(shù)據(jù)進(jìn)行KMO和Bartlett球形檢驗(yàn)，由于KMO等于0.667，大于0.5，而Sig等于0.000，小于0.0001，因此，樣本數(shù)據(jù)適合做因子分析。具體見(jiàn)表4。

現(xiàn)采取主成分分析法從原始數(shù)據(jù)中提取公因子累積方差貢獻(xiàn)率達(dá)到84.955%，說(shuō)明提取的3個(gè)公因子能夠解釋五個(gè)原始變量的84.955%，因此可以用這3個(gè)主成分來(lái)替代原來(lái)5個(gè)維度對(duì)就業(yè)過(guò)程整體滿意度進(jìn)行衡量。然后采用最大方差旋轉(zhuǎn)法對(duì)因子進(jìn)行旋轉(zhuǎn)建立公共因子載荷矩陣，旋轉(zhuǎn)在4次迭代后收斂。具體見(jiàn)表5。

從表5我們可以看出，公因子1在求職成本、需求情況、就業(yè)指導(dǎo)上具有較高的載荷量，反映了求職成本、需求情況、就業(yè)指導(dǎo)的相關(guān)信息。

公因子2在求職渠道上具有較高的載荷量，反映了求職渠道的相關(guān)信息。

公因子3在求職時(shí)間上具有較高的載荷量，反映了求職時(shí)間的相關(guān)信息。

由此可見(jiàn)，我們可以將就業(yè)過(guò)程滿意度的五個(gè)維度分為三大類，即求職成本、需求情況、就業(yè)指導(dǎo)歸為一類，求職渠道歸為一類，求職時(shí)間歸為一類。

7 結(jié)語(yǔ)

本文通過(guò)對(duì)高職學(xué)生就業(yè)過(guò)程滿意度的調(diào)查數(shù)據(jù)進(jìn)行主成分分析、聚類分析和因子分析，并對(duì)高職學(xué)生就業(yè)過(guò)程滿意度進(jìn)行了分類研究，為高職院校的就業(yè)指導(dǎo)工作提供了參考依據(jù)。但是本研究中收集的樣本量相對(duì)較少，該模型是否具有普遍適用性還需要進(jìn)一步研究。

參考文獻(xiàn)

劉海濱，徐文.高校畢業(yè)生就業(yè)狀況監(jiān)測(cè)指標(biāo)體系分析與建構(gòu)[J].東北師大學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2011（02）：170.

朱春楠，范軍，鄒云龍.基于多元統(tǒng)計(jì)分析的高校畢業(yè)生就業(yè)狀況監(jiān)測(cè)應(yīng)用[J].東北師大學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2012（01）：165-170.

武松，潘發(fā)明.SPSS統(tǒng)計(jì)分析大全[M].北京：清華大學(xué)出版社，2014.

江麟.高校學(xué)工干部勝任力實(shí)證研究[J].吉首：吉首大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016（06）：172-177.

Research on the Satisfaction of Vocational Graduates' Employment Process

in the Post-epidemic Era

Guangxi International Business Vocational College

HUANG Liqiang

Abstract： Under the influence of the COVID-19 epidemic， how to improve the satisfaction of higher vocational graduates in the employment process and help higher vocational graduates successfully find employment is one of the problems that higher vocational colleges must solve. This paper uses principal component analysis， cluster analysis and factor analysis to study the survey data of the employment process of higher vocational graduates. The purpose is to scientifically， objectively and reasonably monitor the employment process of higher vocational graduates， so as to carry out targeted employment tracking and guidance.

Keywords： principal component analysis; cluster analysis; factor analysis; employment