大學論文_影響考研人數的因素分析范文

1、 .wd.影響考研人數的因素分析摘要隨著經濟的不斷開展，一方面社會對人才的需求日漸提高，另一方面我國的就業(yè)形勢日趨嚴峻，這樣直接導致越來越多的大學生選擇考研，考研人數總的開展趨勢是增加的，與此同時近年研究生的就業(yè)也存在也日趨嚴峻的問題，所以系統(tǒng)地研究考研人數及其影響因素是很有必要的本文的主要研究內容就是要通過運用統(tǒng)計預測與決策、數學模型及相關知識來分析影響考研人數變化的局部主要因素，通過這些分析，我們將看到統(tǒng)計預測與決策及數學模型在開展趨勢預測類問題研究中的重要作用，并最終建立合理的數學模型來預測分析考研人數開展趨勢關鍵詞：統(tǒng)計預測與決策 趨勢分析 干預分析 多元回歸Analysis ofTh

2、e Number of Postgraduate Entrance ExaminationGe PengfeiDirected by Instructor Jiang Shutao ABSTRACTWith the continuous economic development, increasing social demands for talents on the one hand, on the other hand our country's employment situation is getting worse, which led directly to more an

3、d more students are choosing articles by the examination overall development trend is the increase in the number, while employment of the graduates in recent years are becoming increasingly serious problems also exist, so systematic study of postgraduate entrance examination and its influencing fact

4、ors in the number is necessary. The main content of this article is to use statistical knowledge about mathematical model for forecasting and decision making, and to analyse the factors affecting the articles by some of the main changes in the number, and through these analyses, we will see the stat

5、istical and mathematical model for forecasting and decision in the important role of development trend in the study of such problems, and ultimately to establish a rational analysis of mathematical models to predict graduate population trends.KEYWORDS：Statistical forecasting and decision-makingTrend

6、analysisIntervention analysis Multiple regression目錄摘要I英文摘要II前言11 知識儲藏21.1 統(tǒng)計預測的根底介紹21.1.1 應用與方法21.1.2 統(tǒng)計預測的原那么和步驟21.2 應用預測分析方法概述及實施21.2.1 干預分析模型預測法21.2.2 多元線性回歸預測法32 變量的選取43 模型的建立53.1 制作曲線圖觀查曲線走勢53.1.1 確立初步模型53.1.2 別離數據，估算參數63.1.3 計算凈化序列建立擬合模型63.1.4 組建干預模型73.1.5 預測比照73.2 多元線性回歸預測模型83.2.1 模型的建立83.2.2

7、 模型的檢驗83.3 模型小結124 總結和建議13參考文獻14附錄15致謝17前言最近幾年考研人數開展總趨勢是持續(xù)增長的，為何會有這么多的學生選擇考研呢？2014年之前近20年內除了2008年以外考研報名人數增長率均大于零，2014年全國碩士研究生招生考試報名人數大約為172萬，比2013年減少4萬人；但是其中專業(yè)學位碩士報名人數68萬人，有所增長比2013年增加了9萬人?2014年全國研究生招生數據調查報告?顯示，2014年全國碩士研究生報考熱度趨緩，近20年內，考研報名人數繼2008年首次下降之后，2014年出現第二次下降全國各地考研報名人數均呈現不同程度下降趨勢，如北京、河北、湖北分別

8、下降7.6%、3.8%、1.24%隨著社會的不斷開展，越來越多的大學生不再滿足于本科學歷，同時還有就業(yè)壓力的負面影響，對于大學生考研的研究，越來越受學者們的青睞，各類研究方法層出不窮與此同時隨著大數據時代的降臨，以及電子計算機技術的迅猛開展，統(tǒng)計學的越來越被各類知名學府所重視，統(tǒng)計學被廣泛的應用在預測各類問題的開展，發(fā)現事物內部各因素之間的關系，本文主要應用了統(tǒng)計學里的統(tǒng)計預測與決策這一工具來分析影響考研人數的因素，進而抓住主要因素，構建合理預測模型，盡量相對準確的預測未來考研人數增長的趨勢雖然2014年考研大軍的增速有所減緩，但是考研人數開展的大趨勢還是增長的，本文運用所學統(tǒng)計學知識，干預分

9、析就是從定量分析的角度來評估政策干預或突發(fā)事件對經濟環(huán)境和經濟過程的具體影響，而多元回歸分析就是研究影響因變量的主要因素的一種模型，所以主要是應用了干預分析模型和多元回歸分析兩種方法排除某些干預因素研究考研人數開展趨勢及分析對考研人數增減有影響的局部主要因素，建立考研人數關于失業(yè)率，教育經費及大學生基數等等主要因素的回歸模型，相對準確的預測考研人數，并找出影響考研人數的最主要因素，最后給出相應的不成熟的針對性的建議，將對小到學校院系合理制定針對本系本科生考研的鼓勵政策，大到國家政府制定科教興國，解決大學生就業(yè)問題等的重大舉措，都有一定的參考意義，合理的人才構造是一個社會安康開展所必不可少的條件

10、，考研人數變化的背后，是各種因素影響的結果。我們研究研究生人數開展的主要影響因素，進而檢驗社會各方面采取合理措施，合理改善這些方面因素的影響，使得研究生人數變動真正成為我國人才構造合理化開展的晴雨表1 知識儲藏1.1 統(tǒng)計預測的根底介紹預測就是根據過去和現在的數據來估計未來，預測未來統(tǒng)計預測歸屬于預測方法研究范疇，即怎樣利用科學的統(tǒng)計學方法對事物的未來開展進展定量推測11.1.1 應用與方法在市場經濟條件下，預測的作用通常是經由各個企業(yè)或行業(yè)內部的行動方案和決策來實現的; 統(tǒng)計預測作用的大小主要是由預測結果所產生的效用的多少決定的統(tǒng)計預測方法可歸納分為定性預測方法和定量預測方法兩類，其中定量預

11、測法又可大致分為回歸預測法和時間序列預測法; 按預測時間長短，分為近期預測、短期預測、中期預測和長期預測2本文主要應用的方法是定量預測法，其中主要運用了多元線性回歸預測法和干預分析模型預測法1.1.2 統(tǒng)計預測的原那么和步驟原那么：連貫原那么，指事物的開展是按一定規(guī)律進展的，在其開展過程中，這種規(guī)律貫徹始終，不應受到破壞，它的未來開展與其過去和現在的開展沒有什么根本的不同; 類推原那么，指事物必須有某種構造，其升降起伏變動不是雜亂無章的，而是有章可循的,事物變動的這種構造性可用數學方法加以模擬，根據所測定的模型，類比現在，預測未來3步驟：第一步：確定預測目標，第二步：搜索審核資料，第三步：選擇

12、預測模型和方法，第四步：分析預測誤差，改良預測模型，第五步：提出預測報告1.2 應用預測分析方法概述及實施定量預測法注重于事物開展在數量方面的分析，重視對事物開展變化的程度做數量變化的描述，更多地依據歷史統(tǒng)計資料，較少受主觀因素的影響4本文主要運用干預分析模型預測法、多元線性回歸預測法1.2.1 干預分析模型預測法干預的含義：時間序列經常會受到某些特殊事件及態(tài)勢的影響，稱這類外部事件為干預研究干預分析的目的是從定量分析的角度來評估政策干預或突發(fā)事件對經濟環(huán)境和經濟過程的具體影響利用干預影響發(fā)生前的數據，建立一個單變量的時間序列模型，然后利用該模型進展外推預測，求得新的預測值，作為不受干預影響的

13、具體數值，最后用實際值減去預測值，得到的是受干預影響的具體結果，利用這些結果就可以求估干預模型的各個參數一是：利用干預影響產生前的數據，建立單變量的時間序列模型然后利用此模型進展外推預測，得到的預測值，作為不受干預影響的數值二是：將實際值減去預測值，得到受干預影響的具體結果，利用這些結果估算干預影響的參數三是：利用排除干預影響后的全部數據，識別與估計出一個單變量的時間序列模型最后：求出總的干預分析模型1.2.2 多元線性回歸預測法社會經濟現象的開展變化往往會受到多個因素的影響，因此，一般要進展多元回歸分析，我們把包括兩個或兩個以上自變量的回歸分析稱為多元回歸分析多元回歸與一元回歸類似，一般運用

14、最小二乘法估計模型參數，最后需要對模型及模型參數進展統(tǒng)計檢驗（1） 二元線性回歸模型以二元線性回歸模型為例類比使用最小二乘法的方法對參數進展估計 （2） 擬合優(yōu)度指標檢驗標準誤差：對y值與模型估計值之間的離差的一種度量其計算公式為：（3） 可決系數的計算及檢測可決系數公式：表示回歸模型不能對因變量y的變差做出任何解釋；表示回歸模型對因變量y的全部變差做出解釋（4） 置信范圍的計算置信區(qū)間的計算公式為：置信區(qū)間= 其中 是自由度為的 統(tǒng)計量數值表中的數值，是觀察值的個數，是包括因變量在內的變量的個數（5） 自相關和多重共線性問題自相關檢驗 ：多元線性回歸模型的根本假設之一就是模型的隨機干擾項相互

15、獨立即不相關，實際問題中的自相關往往是由于：變量固有慣性、模型設定偏誤、數據的“編造等原因，如果存在自相關會對參數的估計產生許多不良后果，主要運用D-W檢驗法檢驗D-W值的計算其中：多重共線性檢驗：模型中的各個自變量所提供的是各個不同因素的信息，并且回歸分析的根本假定里，假定各自變量同其他自變量之間是顯著無關的，但是，實際上兩個自變量之間可能存在相關關系，這種關系會導致建立錯誤的回歸模型以及得出使人誤解的結論為了防止這個問題，有必要對自變量之間相關與否進展檢驗5任何兩個自變量之間的相關系數為：經歷法那么認為，兩個自變量的相關系數的絕對值小于0.75或者0.5,表示這兩個自變量之間不存在多重共線

16、性問題如果某兩個自變量之間存在高度相關的關系，就有必要把模型中的其中一個自變量刪去2 變量的選取影響考研人數的定量因素有很多例如：應屆本科畢業(yè)生人數、就業(yè)情況、GDP、招生人數、教育投入、在校學習成績等等，考慮到數據的可獲性及對考研人數影響的重要性，選取影響考研人數變動的的幾個主要定量因素如下：失業(yè)率代表就業(yè)情況；普通本科生畢業(yè)數代表研究生人數的基數；教育經費代表國家對大學生考研的助力；研究生招生人數代表社會和國家對研究生的需求量3 模型的建立3.1 制作曲線圖觀查曲線走勢運用spss軟件制作考研人數隨時間變化的時間序列線性圖3-1圖 3-1由曲線走勢圖 3-1看出2008年和2014年數據走

17、勢和大體走勢明顯有差異，絕對數也驗證了這一點2008年和2014年是近20年內僅有的兩次人數下降，由于2014年后的數據缺失本文以2008年為例運用干預分析模型進展分析，建立模型預測考研人數數據見附錄3.1.1 確立初步模型根據19982007年的數據建立一個時間序列模型：其中，t為自變量，t表示時間，表示干預事件對因變量的影響，它確實定是整個模型的關鍵由于干預的影響是逐漸加強的，它的作用又是長期并且深遠的，因此，干預變量可選以下的形式：其中：對19982007年的數據建立一個時間增長模型，由圖像看出比擬接近多項式增長模型運用spss軟件對多項式增長模型做以下模型分析和檢驗表 3-1 F檢驗表

18、模型平方和Df均方FSig.1回歸13787.61726893.809139.568.000a殘差345.757749.394-總計14133.3749-表 3-2 R方檢驗表模型RR 方調整 R 方標準估計的誤差1.988a.976.9697.02807由表3-2看出R，R方，調整R方以及表 3-1的F值數值都說明該模型擬合度較好，可以通過參數的顯著性檢驗和整個回歸方程的顯著性檢驗3.1.2 別離數據，估算參數在此根底上別離出干預因素影響的具體數值，并估算干預模型的參數，用剛剛的模型進展2008到2014年考研人數的預測，然后用實際值減去預測值得到的差值，就是08年產生的干預值, 記為Zt

19、所求具體數值見下表 3-3：表 3-3 干預值表T2008200920102011201220132014Zt-35.025-48.1013-50.5756-59.348-64.9184-75.3868-101.053利用上表 3-3的數據，可以估算出干預模型:的參數與，實際上是自回歸方程: 的參數：即：3.1.3 計算凈化序列建立擬合模型凈化序列是指消除了干預影響后計算得到的序列，它是由實際的觀察序列值減去干預影響值后得到的，即：對凈化系列建立時間序列模型如下：表 3-4 F值檢驗表模型平方和Df均方FSig.1回歸198126.859299063.4301436.318.000a殘差965

20、.5851468.970總計199092.44516a. 預測變量: (常量), t, VAR00001b. 因變量: VAR00003表 3-5 R方檢驗表模型RR 方調整 R 方標準估計的誤差1.998a.995.9948.30484a. 預測變量: (常量), VAR00004, VAR00001R，R方，調整R方均比優(yōu)化前優(yōu)越說明：該模型擬合度較好，可以通過參數的顯著性檢驗和整個回歸方程的顯著性檢驗3.1.4 組建干預模型通過以上各步的參數估計，可以組建最終的干預分析模型如下：其中：3.1.5 預測比照利用干預分析模型計算出的預測值與原始數值比擬如下表：表 3-6 預測值表199819

21、99200020012002200320042005200627.14332.27139.58549.08560.77174.64390.701108.945129.37520072008200920102011201220132014132.097106.743107.578131.803145.619168.024182.819169.404進一步做比照圖3-2：圖 3-2該圖說明預測值和實際值的重合度很高，直觀的說明了干預模型取得了相當不錯的效果3.2 多元線性回歸預測模型由于統(tǒng)計年鑒只更新到2013年，故該模型的建立選取了1998年到2012年15組數據運用excl和spss軟件進展分

22、析注：假設無特殊說明，本文中的各類數據檢驗顯著性水平均為0.05數據均來自統(tǒng)計年鑒、教育網數據見附錄3.2.1 模型的建立建立以下線性回歸模型： 1用spss軟件得到如下結果回歸模型為： 23.2.2 模型的檢驗（1） 擬合優(yōu)度檢驗表 3-7 R方檢驗表模型RR 方調整 R 方標準估計的誤差1.986a.972.9619.10733a. 預測變量: (常量), 招生數, 失業(yè)率, 教育經費, 畢業(yè)生數由該表 3-7可以看出R=0.986，R方=0.972，調整R方為0.961，意味著回歸模型對y的百分之九十六以上變差做出解釋，說明該模型總體擬合較好（2） F值檢驗表 3-8 F值檢驗表模型平方

23、和df均方FSig.1回歸28810.44247202.61186.838.000a殘差829.4341082.943總計29639.87614a. 預測變量: (常量), 招生數, 失業(yè)率, 教育經費, 畢業(yè)生數b. 因變量: VAR00001上表 3-8格為F值檢驗可以看到F值為86.838，F值對應p值顯著小于0.05，說明在為0.05置信水平下顯著通過了F值檢驗小結：由以上兩個檢驗得，在0.05置信水平下模型顯著的通過了擬合優(yōu)度檢驗，模型整體能夠解釋對因變量y百分之九十六以上的變差，模型整體擬合度較好（3） 變量的顯著性t值檢驗表 3-9 系數顯著性檢驗表模型非標準化系數標準系數tSi

24、g.B標準誤差試用版1(常量)11.56816.570.698.501失業(yè)率-2.5238.011-.028-.315.759畢業(yè)生數-.011.218-.022-.049.962教育經費7.521.000-.123.459.056招生數2.964.8951.1333.310.008a. 因變量: VAR00001由上述表 3-9可以看出四個變量只有最后一個變量研究生招生人數能通過t值檢驗，但是模型整體顯著的通過了檢驗，估計存在多重共線性或者自相關（4） 自相關檢驗表 3-10 D-W檢驗表模型RR 方調整 R 方標準估計的誤差Durbin-Watson1.986a.972.9619.1073

25、31.867a. 預測變量: (常量), 招生數, 失業(yè)率, 教育經費, 畢業(yè)生數b. 因變量: VAR00001以上該表 3-10可以看出D-W值為1.867，查表得=0.49,=1.70，D-W值在-2之間故該模型不存在自相關，最大的可能是存在多重共線性（5） 多重共線性檢驗表 3-11 相關性檢驗表失業(yè)率畢業(yè)生數教育經費招生數失業(yè)率Pearson 相關性1.858*.670*.471顯著性雙側.001.006.077N15151515畢業(yè)生數Pearson 相關性.858*1.968*.483顯著性雙側.001.000.072N15151515教育經費Pearson 相關性.670*.9

26、68*1.335顯著性雙側.006.000.080N15151515招生數Pearson 相關性.471.483.3351顯著性雙側.077.072.080N15151515*. 在 0.05 水平雙側上顯著相關*. 在 .01 水平雙側上顯著相關由以上表3-11可以看出變量x3與x1，x2以及x2和x1之間有高度相關性，特別是x2和x1之間，高度相關性就會表現為多重共線性，這應該就是回歸模型沒有通過t值檢驗的主要原因由變量顯著t檢驗的表3-9可以看出研究生人數y和招生數之間的線性擬合度最好，所以應該保存變量x4，再順次參加其它變量x3、x2、x1對原始模型運用spss軟件進展修正逐步回歸，如

27、下表：表 3-12 系數顯著性檢驗表模型非標準化系數標準系數tSig.B標準 誤差試用版1(常量)6.9485.2811.316.213教育經費9.113.0008.1821.334.017招生數3.018.3571.1548.451.000a. 因變量: y該表3-12顯示兩個變量t值對于P值均明顯小于0.05，故在0.05置信水平下兩變量均顯著的通過了t值檢驗，然后觀察R檢驗表格如下：表 3-13 擬合優(yōu)度檢驗表模型匯總模型RR 方調整 R 方標準估計的誤差1.996a.992.9948.35751b. 預測變量: (常量), 招生數, 教育經費表 3-14 F值檢驗表Anovab模型平方

28、和df均方FSig.1回歸28801.701214400.850206.174.000a殘差838.1761269.848總計29639.87614a. 預測變量: (常量), 招生數, 教育經費b. 因變量: VAR00001比照表3-13和修正前表3-7的發(fā)現有了很大的改善，所以必須保存下x3，同理將其他新變量逐步添加進來進展修正逐步回歸，添加新的變量x2發(fā)現有兩項檢驗不能通過，第一是t值檢驗通不過，第二是系數為負數，即考研人數和畢業(yè)本科生人數呈負相關，不符合經濟意義檢驗，實際生活中兩者應該呈正相關關系，所以x2應該被刪除添加新變量x1其參數仍為負數，一般來說失業(yè)率增長應該會導致更多的本科

29、畢業(yè)生選擇考研，從而提高自己的素質和就業(yè)能力，兩者必將呈現正相關關系，所以x1變量也應該剔除最后通過一系列的檢驗及校正，得出以下結果 3以上分析在統(tǒng)計意義上進展了各種檢驗說明，之前選擇的四個變量中失業(yè)率和普通本科生畢業(yè)數對考研人數的影響沒有想象的那么大，數據說明刪除兩個變量后，模型的預測效果有了較為明顯的改善（6） 經濟意義檢驗由3式得x3和x4表示的變量教育經費和研究生招生人數都是影響考研人數的主要因素，另外兩個變量雖然有一定影響但是系數的正負所表示的經濟意義是錯誤的該模型的=0.996，調整=0.994，都相對較大，說明模型的擬合程度比擬高，F值也證明了這一點此外失業(yè)率和普通本科生畢業(yè)數對

30、考研人數的影響，從經濟意義上來講都應該是正相關的失業(yè)率增加更多的本科生應該會選擇考研，畢業(yè)生數是考研的基數，從統(tǒng)計概率意義上來說，畢業(yè)生數增加考研人數也應該是增加才對，但是2式中明顯的系數符號錯誤，與經濟意義不符（7） 圖表擬合檢驗用校正后的擬合模型3計算歷年考研人數的預測值并做折線圖3-3圖 3-3由該圖片看出修正后模型的重合度較高，擬合度較好，可以相對準確的預測出結果3.3 模型小結對于干預分析模型，無論從模型的擬合優(yōu)度還是F值，都可以看出干預分析模型要優(yōu)于一般的多項式模型根據前人的研究可知2008年干預因素主要有：考試生源被分流，正如股票中熱點輪換一樣，2008年原本有意愿報考研究生的很

31、大一局部都去報考了當年的公務員這一點，不妨查查當年各地公務員報考人數一看便知；很大一局部人由于種種原因選擇了工作，也許在大家看來這個情況每年都有，并非是2008年的特別情況，但是大家不能忘記很重要的一個因素就是：2008年北京奧運會帶來的很好的工作機遇，而報考2008碩士研究生考試的應屆畢業(yè)生正是奧運會舉行之時畢業(yè)的，大家想一想，又有多少人會放棄這么好的一個時機，而去選擇另外一條風險相對較大路呢？還有就是有關研究生就業(yè)難的負面報道在當時也過于頻繁并且隨處可見，這一點相信大家肯定也有所耳聞6 無獨有偶2014年考研也進展了全面改革：2014年第一次取消“不超過40歲的年齡限制；更為重要的是研究生

32、教育收費制度全面實行，研究生的培養(yǎng)取消公費，全面實行自費制度；同時也存在諸多社會因素：就業(yè)市場上研究生的競爭力不強，就業(yè)率低7對于該模型的研究由于2014年后數據的缺失，本文以08年的轉折拐點為例研究了研究生人數的走向趨勢，主要目的就是提出一種預測考研人數的一種相對更優(yōu)的方法對于多元線性分析模型，通過上述分析，能夠得出以下幾個結論：首先，考研人數的變動只與招生人數和教育經費這兩個因素有顯著的相關關系其次，失業(yè)率和普通本科生畢業(yè)數這兩個因素對考研人數變動的影響是不顯著地，或者說沒有明顯的相關關系總言之：招生人數和教育經費兩個變量，是影響考研認識的主要因素，同時還有考慮到國家政策干預的影響從經濟意

33、義上講，隨著招生人數和教育經費的增加，考研人數是呈現遞增趨勢的，教育經費是影響研究生總人數的最主要因素4 總結和建議通過上述分析可以知道，時間序列經常會受到特殊事件及政府政策變化的影響，要想較為準確的預測時間序列，首先要做的就是排除干預因素，干預分析的目的，就是從定量分析的角度來評估政策干預或者突發(fā)事件對經濟環(huán)境和經濟過程的具體影響本文比擬突出的就是2008年和2014年的兩次國家政策干預和市場就業(yè)等社會問題，兩個比擬突出的干預影響以上分析的各種統(tǒng)計性檢驗都說明了干預模型，在處理時間序列收到政策影響類問題時的優(yōu)越性，再預測時間序列數據開展趨勢方面有很好的應用效果與此同時影響考研人數開展的不僅僅

34、是突發(fā)事件和政策變化，還有很多其他與考研人數密切相關的其他重要因素，此類問題就需要多元回歸分析這一工具以上的多元模型不僅通過了各類統(tǒng)計學檢驗，更為重要的是通過了經濟意義檢驗，能夠順利的找出影響考研人數的最主要因素，并且能夠得出相應的一些有針對性的建議通過兩種模型的分析，可以發(fā)現考研人數的迅速增長在一定程度上是一直被動的，盲目的行為，如果要改變這一現狀，需要社會，國家，學校以及個人等等各方面的共同努力，引導考研大學生做出比擬理性的選擇，引導人才就業(yè)市場向著更加安康的方向開展通過以上分析及瀏覽學習其他學者研究成果，提出以下幾點建議：首先，對于政府而言要進一步完善畢業(yè)生就業(yè)政策，加大畢業(yè)生自助創(chuàng)業(yè)扶

35、植力度，改善畢業(yè)生就業(yè)環(huán)境，要從宏觀上把握、引導人才培養(yǎng)教育的總原那么和總方向，加大教育投資，繼續(xù)堅持科教興國強國戰(zhàn)略，進一步要用法律法規(guī)來維護求職者的合法權益，為社會培養(yǎng)不同層次、不同領域的高素質人才其次，就企業(yè)而言，企業(yè)應當樹立正確的用人觀念，在選才取向、用人本錢方面采取合理性、務實性的良性可持續(xù)標準，不能只注重學歷，同時適當加大培訓力度，給大學生提供更好的平臺，更多的選擇，更大的開展空間再次，高校應該加強學生的事業(yè)規(guī)劃教育，同時也要注意加強學生的實踐能力培養(yǎng)，提高學生適應社會的能力和個人綜合素質，實現教育與就業(yè)的接軌，防止學生學到知識和實際應用的脫節(jié)因材施教對適合科研的學生，適當的多一些

36、研究生方面的培養(yǎng)最后，對于大學生自身而言，要明確自身的實際情況，指定正確的職業(yè)生涯規(guī)劃，不能跟風，只有努力提升自己的綜合素質和實踐能力，才能真正解決自己的問題面對新時代、新形勢，正確的自我價值觀能夠增強大學生的自我意識水平作為大學生我們更應該根據自身的特點和社會需求，進展自我設計、角色預期，塑造自我，將個人的理想與社會的需求完美結合，規(guī)劃和把握好人生才能適應當今社會的快速開展8合理健全的人才構造是一個社會安康和諧開展必不可少的條件，考研人數開展變化的背后，是各種因素的影響的結果分析研究發(fā)現考研人數很大程度上是收到了招生人數和教育投資的影響，就業(yè)率也有局部影響，社會各方面應該采取有效措施，合理改

37、善這兩方面的影響，使得我們的人才構造更加合理安康的開展參考文獻1賈申申.大學生考研中存在的問題及對策分析J.金田.2013(03)2馬維軒.長江大學在校大學生考研及考研類型的探析J.網絡財富.2010(22)3王小清,林榮華.影響大學生考研心態(tài)的因素探析J.沈陽教育學院學報.2009(04)4周彥.淺談大學生考研熱J.商品與質量.20115王鵬宇.考研與求職:殊途同歸還是漸行漸遠J.中國大學生就業(yè).2007(21)6徐國祥.統(tǒng)計預測和決策M.上海：上海財經大學出版社.20127吳婷,賈勇宏.變遷與走向：我國研究生招生政策的文本分析J.教育探索.2011(4)8王曉艷,鄒丹杰.大學生考研的動機分析及心理調適J.內蒙古師范大學學報.2008(11)9覃嘉.金融危機對2010年考研形勢的影響分析J.長江大學學報.2010(6)10張風林.人力資本理論及其應用研究M.商務印書館.200411彭雄明,童圣.述評考研現狀_基于層次分析法J.理論視野.2010(10)12Little B.Gr