统计学专业毕业生就业力影响因素分析

统计学专业毕业生就业力影响因素分析

摘要

本文主要利用主成分分析的方法，运用spss软件，对统计学专业毕业生就业力的影响因素进行了分析，得到了对就业力影响最大的因素分别为选修、辅修的课程，学业生涯辅导以及参与社团经验。而最后我们发现学生的就业力低，主要是因为学生的自我评价远高于用人单位对学生的评价。

首先我们研究了就业力的内涵及其研究意义；分析了统计学专业的特点，大体上得出了影响统计学专业就业的影响因素；

其次，我们利用主成分分析的方法，对就业力的影响因素进行了分析，发现对就业力影响最大的因素分别为选修、辅修的课程，学业生涯辅导以及参与社团经验；

然后我们又根据主成分分析的方法，对统计学专业的学生的就业力进行了评价，得出学生就业力低的结论，其主要原因是学生的自我评价远高于用人单位对学生的评价；

最后，我们根据得出的结论，总结了造成了学生就业力低的原因，并给出了适当的建议。

关键词：就业力、主成分分析、spss

Ⅰ、背景知识：

随着高校扩招和社会就业竞争压力的增大，大学生就业形势日趋严峻，高校毕业生就业难的问题日益突出，而作为一名即将毕业的统计学专业的学生，我们也将面临着就业的问题，所以面对如此激烈的竞争形势，我们应该综合自己的所学，了解社会对人才的需求，充分发挥自身的优势，从容而淡定的对待未来的职场之路。

Ⅱ、问题的分析与求解：

为了更好的分析统计学专业毕业生就业的前景，我们对其就业力的影响因素进行分析。

首先，就业力是指“能获得初次就业、保持就业以及在必要时获得新就业的能力”。其本质是：“个人在经过学习过程后，能够具备获得工作、保有工作以及做好工作的能力”。简单地说，就业力就是获得及持续完成工作的能力。

对个人而言，就业力既取决于其拥有的知识、技能与态度，也取决于其使用这些个人资本的方式，以及如何在谋职时对雇主呈现这些内容。要具备充足的就业力，个人不只需要充实专业知识与技能，培养有利于就业的态度与个人特质，还需要搜集有用的职场信息以进行恰当的职业选择，并且需要多方尝试实际工作，以从工作经验中学习与成长。

⑴ 就业力影响因素的分析：

首先我们初步给出了11个就业力的影响因素，如下表所示：

表1

	1.主修课程
	2.选修、辅修课程
	3.毕业学校和主修专业
	4.通识教育
	5.参与社团经验
	6.学生干部工作经验
	7.社会实践经验
	8.游学经历
	9.资格证书
	10.学业生涯辅导
	11.就业指导课程学习

根据所给出的数据，结合主成分分析的方法，我们给出了各个因素的公因子方差，如下表所示：

表2

公因子方差
	初始	提取
1.主修课程	1.000	0.697
2.选修、辅修课程	1.000	0.684
3.毕业学校和主修专业	1.000	0.361
4.通识教育	1.000	0.544
5.参与社团经验	1.000	0.712
6.学生干部工作经验	1.000	0.710
7.社会实践经验	1.000	0.691
8.游学经历	1.000	0.569
9.资格证书	1.000	0.427
10.学业生涯辅导	1.000	0.609
11.就业指导课程学习	1.000	0.542
提取方法：主成份分析。

解释的总方差如下表所示：

表3

解释的总方差
成份	初始特征值			提取平方和载入
	合计	方差的 贡献率 %	累积方差 贡献率 %	合计	方差的贡献率 %	累积方差  贡献率%
1	5.452	49.566	49.566	5.452	49.566	49.566
2	1.093	9.935	59.500	1.093	9.935	59.500
3	0.926	8.419	67.919
4	0.793	7.207	75.126
5	0.587	5.334	80.460
6	0.537	4.882	85.342
7	0.441	4.005	.347
8	0.385	3.499	92.846
9	0.345	3.135	95.981
10	0.268	2.434	98.416
11	0.174	1.584	100.000
提取方法：主成份分析。

得到的成分矩阵如下所示：

表4

成份矩阵a
	成份
	1	2
1.主修课程	0.599	0.582
2.选修、辅修课程	0.704	0.434
3.毕业学校和主修专业	0.485	0.354
4.通识教育	0.728	0.120
5.参与社团经验	0.811	-0.234
6.学生干部工作经验	0.807	-0.243
7.社会实践经验	0.717	-0.420
8.游学经历	0.661	-0.363
9.资格证书	0.652	-0.037
10.学业生涯辅导	0.779	0.047
11.就业指导课程学习	0.736	0.003
提取方法 :主成分分析法。
a. 已提取了 2 个成份。

用spss软件对数据进行分析，可以提取两个主成分

主成分的方差贡献率

主成分的方差贡献率

所以综合评价函数

经过计算可得

分析可知，在综合评价函数中，变量的系数决定了变量对综合评价的重要程度，因此根据所获得的变量系数对变量的重要程度进行排序得到：

表5

排名	指标	系数
1	2.选修、辅修课程	0.392063
2	10.学业生涯辅导	0.3907
3	5.参与社团经验	0.378732
4	6.学生干部工作经验	0.375856
5	4.通识教育	0.372762
6	11.就业指导课程学习	0.365104
7	1.主修课程	0.354722
8	9.资格证书	0.319494
9	7.社会实践经验	0.313661
10	8.游学经历	0.291567
11	3.毕业学校和主修专业	0.275565

结论：

由上表可以看出，对就业力影响最大的因素为选修、辅修课程，学业生涯辅导以及参与社团经验，因此，同学们在大学期间应注重这方面素质的培养。

⑵ 就业力的评价模型

首先我们结合了学生和用人单位的观点，得到了就业力的构成因素，如表6所示：

表6

	1.工作态度
	2.稳定度及抗压性
	3.团队合作精神
	4.职业道德
	5.学习能力
	6.生涯规划能力
	7.求职能力
	8.创新能力
	9.领导能力
	10.表达沟通能力
	11.解决问题的能力
	12.专业知识水平
	13.计算机应用能力
	14.外语能力
	15.专业知识应用能力

以下我们分别从用人单位和学生的角度出发，利用主成分分析的方法，计算出了15种就业力的构成因素的公因子方差、解释的总方差以及成分矩阵，并依此得到了各主成分的累积方差贡献率以及评价模型，最后再进行比较，具体求解过程如下所示：

首先是从用人单位的角度出发，根据所给的数据，利用spss软件进行计算，得到公因子方差为：

表7

公因子方差
	初始	提取
1.工作态度	1.000	0.441
2.稳定度及抗压性	1.000	0.465
3.团队合作精神	1.000	0.536
4.职业道德	1.000	0.437
5.学习能力	1.000	0.387
6.生涯规划能力	1.000	0.501
7.求职能力	1.000	0.536
8.创新能力	1.000	0.502
9.领导能力	1.000	0.536
10.表达沟通能力	1.000	0.702
11.解决问题的能力	1.000	0.4
12.专业知识水平	1.000	0.624
13.计算机应用能力	1.000	0.676
14.外语能力	1.000	0.618
15.专业知识应用能力	1.000	0.616
提取方法：主成份分析。

然后得到解释的总方差为：

表8

解释的总方差
成份	初始特征值			提取平方和载入
	合计	方差的 贡献率 %	累积方差 贡献率 %	合计	方差的 贡献率 %	累积方差 贡献率 %
1	5.192	34.616	34.616	5.192	34.616	34.616
2	1.806	12.038	46.654	1.806	12.038	46.654
3	1.225	8.165	54.819	1.225	8.165	54.819
4	.997	6.5	61.4
5	.806	5.376	66.840
6	.7	5.091	71.931
7	.677	4.517	76.447
8	.605	4.033	80.480
9	.572	3.813	84.293
10	.546	3.2	87.935
11	.482	3.216	91.151
12	.388	2.586	93.737
13	.346	2.304	96.041
14	.319	2.125	98.166
15	.275	1.834	100.000
提取方法：主成份分析。

得到的成分矩阵为：

表9

成份矩阵a
	成份
	1	2	3
1.工作态度	0.235	0.516	0.346
2.稳定度及抗压性	0.429	0.513	0.134
3.团队合作精神	0.420	0.599	-0.023
4.职业道德	0.380	0.473	0.263
5.学习能力	0.572	0.141	0.202
6.生涯规划能力	0.5	0.053	0.286
7.求职能力	0.695	-0.098	0.207
8.创新能力	0.652	0.044	-0.275
9.领导能力	0.617	-0.127	-0.373
10.表达沟通能力	0.559	0.204	-0.590
11.解决问题的能力	0.607	0.231	-0.471
12.专业知识水平	0.680	-0.373	0.151
13.计算机应用能力	0.712	-0.392	0.126
14.外语能力	0.680	-0.384	0.093
15.专业知识应用能力	0.699	-0.330	0.138
提取方法 :主成分分析法。
a. 已提取了 3 个成份。

用spss软件对数据进行分析，可以提取三个主成分

主成分的方差贡献率

主成分的方差贡献率

主成分的方差贡献率

所以综合评价函数

经过计算可得

将每个指标所有单位的平均值代入综合评价函数可以得到用人单位对学生就业的评价得分为：

Y=24.067

然后我们再从学生的角度出发，进行相同的处理如下：

表10

公因子方差
	初始	提取
1.工作态度	1.000	0.691
2.稳定度及抗压性	1.000	0.6
3.团队合作精神	1.000	0.721
4.职业道德	1.000	0.613
5.学习能力	1.000	0.431
6.生涯规划能力	1.000	0.490
7.求职能力	1.000	0.484
8.创新能力	1.000	0.522
9.领导能力	1.000	0.516
10.表达沟通能力	1.000	0.462
11.解决问题的能力	1.000	0.452
12.专业知识水平	1.000	0.661
13.计算机应用能力	1.000	0.674
14.外语能力	1.000	0.7
15.专业知识应用能力	1.000	0.675
提取方法：主成份分析。

表11

解释的总方差
成份	初始特征值			提取平方和载入
	合计	方差的贡献率 %	累积方差 贡献率 %	合计	方差的贡献率 %	累积方差 贡献率 %
1	7.031	46.871	46.871	7.031	46.871	46.871
2	1.671	11.141	58.012	1.671	11.141	58.012
3	0.981	6.543	.555
4	0.870	5.801	70.356
5	0.711	4.742	75.097
6	0.603	4.022	79.120
7	0.473	3.154	82.273
8	0.421	2.809	85.082
9	0.401	2.670	87.752
10	0.367	2.449	90.201
11	0.344	2.295	92.496
12	0.321	2.139	94.636
13	0.297	1.978	96.614
14	0.263	1.752	98.365
15	0.245	1.635	100.000
提取方法：主成份分析。

得到成分矩阵如下：

表11

成份矩阵a
	成份
	1	2
1.工作态度	0.595	0.580
2.稳定度及抗压性	0.704	0.410
3.团队合作精神	0.728	0.438
4.职业道德	0.672	0.401
5.学习能力	0.632	0.177
6.生涯规划能力	0.699	0.043
7.求职能力	0.695	-0.022
8.创新能力	0.722	-0.034
9.领导能力	0.710	-0.110
10.表达沟通能力	0.679	-0.037
11.解决问题的能力	0.670	-.055
12.专业知识水平	0.720	-0.377
13.计算机应用能力	0.692	-0.441
14.外语能力	0.619	-0.513
15.专业知识应用能力	0.716	-0.403
提取方法 :主成分分析法。
a. 已提取了 2 个成份。

用spss软件对数据进行分析，可以提取两个主成分

主成分的方差贡献率

主成分的方差贡献率

所以综合评价函数

经过计算可得

将每个指标所有单位的平均值代入综合评价函数可以得到学生对自我评价的得分：

Y=39.15407

综合上述两个结果可以看出，学生的评价得分低于用人单位的评价得分，说明学生的自我评价远高于用人单位对学生的评价，从而造成了学生的就业能力低。

造成这一结果的原因，可能是：

1、学生过高估计了自己的能力，眼高手低，造成高不成低不就的局面；

2、学生在学习的过程中，没有真正看重用人单位的需求，而是一味从自身的角度出发，来发展自己的专业技能。

Ⅲ、结论：

通过上述的分析求解，我们可以得出这样的结论，在大学学习的过程中，我们应该认真上好自己的选修辅修课程，以及学业生涯辅导，而且在大学中，除了学习之外，我们还得积极参加社团活动，这样，提升了自身的能力，使我们在激烈的就业竞争面前能够占得先机，从而方便就业。

并且，我们不应该过高或过低的评价自己，应该结合用人单位的标准，给自己一个合理的评价，然后再去找适合自己的一份工作，这样就能减少高不成低不就局面的发生。

通过上述的分析，希望能够给即将毕业的学生提供有用的信息，在激烈的社会竞争中，能够从容的面对各种挑战。