《基于MATLAB的高校大學(xué)生就業(yè)薪資期望研究》13000字（論文）

目錄緒論1.1課題的研究背景及意義隨著教育水平的不斷提升，各高校每年都在不斷的進(jìn)行擴(kuò)招，2020年國(guó)內(nèi)各高校應(yīng)屆畢業(yè)生的人數(shù)已經(jīng)高達(dá)874萬(wàn)，與2019年畢業(yè)人數(shù)進(jìn)行比較，應(yīng)屆畢業(yè)生的人數(shù)將近增加了近40萬(wàn)人，同上一年想比較增長(zhǎng)4.79%，大學(xué)生入學(xué)人數(shù)每年都在急劇上升，這直接導(dǎo)致每年的大學(xué)應(yīng)屆畢業(yè)生的人數(shù)節(jié)節(jié)攀升，學(xué)生們面臨的就業(yè)壓力越來(lái)越大、就業(yè)形勢(shì)也變得越來(lái)越緊張激烈。就業(yè)學(xué)生大多認(rèn)為薪資待遇比較低，社會(huì)上相關(guān)呼聲也不少。學(xué)生們剛剛?cè)肼殨r(shí)薪資水平不能達(dá)到預(yù)期，使得求職學(xué)生沒(méi)有了積極就業(yè)的意愿。隨著中國(guó)和美國(guó)之間關(guān)系變得緊張，由此所展開(kāi)的貿(mào)易戰(zhàn)，使得各企業(yè)在招聘時(shí)也變得更加嚴(yán)苛，就業(yè)趨勢(shì)也是變得愈加嚴(yán)峻。面對(duì)即將完成學(xué)業(yè)的高校學(xué)生來(lái)說(shuō)，在進(jìn)入社會(huì)后為了順利就業(yè)，并且可以對(duì)十多年來(lái)努力學(xué)習(xí)所掌握的知識(shí)進(jìn)行融會(huì)貫通，轉(zhuǎn)化為自己的生存技能資本。在當(dāng)前國(guó)內(nèi)就業(yè)的大環(huán)境下，大學(xué)畢業(yè)生對(duì)剛?cè)肼殨r(shí)薪酬的期望值與用人單位為剛剛畢業(yè)學(xué)生提供的實(shí)際工資之間存在較大的偏差。結(jié)果，畢業(yè)生在判斷就業(yè)薪酬時(shí)，效果往往都不是特別理想。只有當(dāng)用人單位提供的報(bào)酬達(dá)到或超過(guò)畢業(yè)生的最低期望工資時(shí)，求職者才有就業(yè)的沖動(dòng)。事實(shí)上，在畢業(yè)生思考就業(yè)前景時(shí)，已經(jīng)對(duì)基本工資、工作情況、職業(yè)規(guī)劃以及入職后的相應(yīng)福利等都做了預(yù)想，獲得他們認(rèn)為更“合理”的工作和薪水。目前，大多數(shù)高校缺乏有效的實(shí)施方法和管理策略來(lái)對(duì)大學(xué)生的就業(yè)或職業(yè)選擇提出合理指導(dǎo)。與此同時(shí)，因?yàn)閲?guó)內(nèi)關(guān)于畢業(yè)生還處于起步階段，可用于參考的文獻(xiàn)并不多見(jiàn)，這也就限制了薪資期望影響因素的研究工作。通過(guò)調(diào)查發(fā)現(xiàn)，對(duì)學(xué)生就業(yè)薪酬影響較大的不只有學(xué)校知名度、學(xué)歷、專業(yè)、學(xué)生交際、學(xué)生消費(fèi)水平等因素，還有許多其他外在因素，行業(yè)自生的發(fā)展前景、工作地域、企業(yè)文化等因素對(duì)學(xué)生預(yù)期薪酬也有顯著的影響，而造成學(xué)生薪資期望不同的因素也有許多，例如教育成本、城市消費(fèi)水平、行業(yè)就業(yè)競(jìng)爭(zhēng)、區(qū)域薪資差異、未來(lái)規(guī)劃。然而通過(guò)研究薪資期望偏差同就業(yè)質(zhì)量之間的差異情況，通過(guò)對(duì)比得出薪資期望偏差與工作稱心程度兩者成反比。本文將會(huì)通過(guò)對(duì)上述研究工作的整合，對(duì)影響大學(xué)畢業(yè)生薪資期望的因素進(jìn)行更深入的挖掘、更全面的分析。1.2國(guó)內(nèi)相關(guān)研究現(xiàn)狀在國(guó)內(nèi)，八十年代天津市首次對(duì)青少年擇業(yè)問(wèn)題進(jìn)行調(diào)查研究，這也標(biāo)志著我國(guó)從青少年開(kāi)始，正在為健全完善的擇業(yè)價(jià)值觀而進(jìn)行探索。在此過(guò)程中，將調(diào)研獲得的數(shù)據(jù)同國(guó)外資料對(duì)比后，發(fā)現(xiàn)國(guó)內(nèi)和國(guó)外學(xué)生對(duì)于擇業(yè)標(biāo)準(zhǔn)存在著許多差異，自我實(shí)現(xiàn)需要才是國(guó)內(nèi)大學(xué)生擇業(yè)標(biāo)準(zhǔn)最重要因素，而經(jīng)濟(jì)收入并非我國(guó)大學(xué)生擇業(yè)標(biāo)準(zhǔn)的首選因素。當(dāng)時(shí)國(guó)民漸漸解放了思想，人們也正在經(jīng)歷國(guó)內(nèi)外思想浪潮的沖擊，人們生活雖然艱苦，但是基本日常生活需求也可以自足。大學(xué)生也沒(méi)有迫切的經(jīng)濟(jì)需求，反而更加注重聲望或技能的提升。通過(guò)調(diào)查發(fā)現(xiàn)在所有的擇業(yè)因素中，興趣愛(ài)好和自身能力比收入情況更加重要，而社會(huì)地位也顯得尤為重要。九十年代，由于對(duì)外開(kāi)放政策的實(shí)施，香港、澳門的相繼回歸，全國(guó)各行各業(yè)都在發(fā)生著巨大的改變。國(guó)內(nèi)經(jīng)濟(jì)迅速發(fā)展，國(guó)內(nèi)生產(chǎn)總值的增長(zhǎng)率也一直保持在10%左右。社會(huì)購(gòu)買力明顯增強(qiáng)，人們的擇業(yè)觀也發(fā)生了變化，經(jīng)濟(jì)收入在影響就業(yè)因素里的比重也不斷升高。正如《平凡的世界》所提到的“其實(shí)我們每個(gè)人的生活都是一個(gè)世界，即使最平凡的人也要為他生活的那個(gè)世界而奮斗?！比藗?cè)跒榱藢?shí)現(xiàn)自己的價(jià)值在不斷奮斗，而薪資水平也成為體現(xiàn)個(gè)人價(jià)值的重要因素。二十一世紀(jì)，世界經(jīng)濟(jì)局勢(shì)驟變，科學(xué)技術(shù)高速發(fā)展，國(guó)家也解決農(nóng)村溫飽問(wèn)題基本實(shí)現(xiàn)了九年義務(wù)教育的普及。所以在注重經(jīng)濟(jì)收入之外，自我發(fā)展也顯得格外重要。在對(duì)畢業(yè)生進(jìn)行調(diào)查后發(fā)現(xiàn)排在前兩位的考慮因素分別是薪資水平和發(fā)展?jié)摿?，而專業(yè)崗位和工作環(huán)境對(duì)于畢業(yè)生擇業(yè)就顯得沒(méi)有那么重要。同時(shí)調(diào)查結(jié)果顯示，企業(yè)規(guī)模、專業(yè)水平、晉升機(jī)會(huì)等也是大學(xué)生比較看重的擇業(yè)因素。在研究影響就業(yè)最主要因素的相關(guān)材料中表明，占比最重的是經(jīng)濟(jì)收入，前景發(fā)展也占比較大。在廈門大學(xué)2002屆本科畢業(yè)生就業(yè)問(wèn)卷調(diào)查中大學(xué)生期望的主要因素有薪資待遇、企業(yè)類別、企業(yè)性質(zhì)和工作地點(diǎn)。同時(shí)，薪資水平、發(fā)展前景、就業(yè)城市之間也有著密切的聯(lián)系。而較新的研究表明，畢業(yè)生對(duì)工作環(huán)境的也比較重視，而工作環(huán)境也不僅指狹義上的物理環(huán)境，也包括濃厚的企業(yè)文化，優(yōu)秀的團(tuán)隊(duì)成員，工作生活的平衡。從經(jīng)濟(jì)角度的研究分析來(lái)看，影響薪資的主要因素集中于最低工資理論、生存工資理論、工資差別理論。美國(guó)“管理之父”泰勒曾對(duì)薪酬問(wèn)題進(jìn)行了深刻的研究，他發(fā)現(xiàn)了薪酬的激勵(lì)作用，從心理學(xué)、行為學(xué)等方面對(duì)薪酬理論進(jìn)行研究，同時(shí)分析出如何有效的發(fā)激勵(lì)作用。綜上所述，隨著我國(guó)經(jīng)濟(jì)高速增長(zhǎng)，各產(chǎn)業(yè)快速發(fā)展，人們生活水平發(fā)生巨大改變，國(guó)內(nèi)大學(xué)生的就業(yè)期望關(guān)注重點(diǎn)也在不斷發(fā)生變，已經(jīng)從最初的個(gè)人發(fā)展到關(guān)注收入水平，到后來(lái)兩者并重，最后對(duì)環(huán)境產(chǎn)生要求。這種不斷變化的因素與我國(guó)的政策方針、經(jīng)濟(jì)發(fā)展和教育普及是密不可分的。以上文獻(xiàn)對(duì)引導(dǎo)大學(xué)生畢業(yè)生在新冠疫情下形成科學(xué)合理的就業(yè)期望，發(fā)揮自己的優(yōu)勢(shì)，順利就業(yè)，促進(jìn)大學(xué)生的成才和全面發(fā)展，具有一定的現(xiàn)實(shí)意義。1.3課題的研究?jī)?nèi)容通常來(lái)說(shuō)，高校畢業(yè)生的薪資水平可能會(huì)與學(xué)生的專業(yè)能力、社交能力以及家庭條件等因素有著密切的關(guān)系。在本文中，通過(guò)以性別、專業(yè)能力、社交能力以及家庭條件因素作為變量從而推導(dǎo)并建立得到大學(xué)畢業(yè)生薪資的影響因素的模型，考察了所預(yù)想的各個(gè)因素與大學(xué)畢業(yè)生就業(yè)薪資的影響關(guān)系，對(duì)此類問(wèn)題進(jìn)行了分析。首先預(yù)想影響畢業(yè)生期望薪資的一些因素，根據(jù)預(yù)想的影響因素通過(guò)抽樣調(diào)查的方法收集高校學(xué)生的情況，設(shè)計(jì)調(diào)查問(wèn)卷，通過(guò)對(duì)樣本的分析，分析影響因素、建立數(shù)學(xué)模型、對(duì)模型進(jìn)行改進(jìn)，得出影響期望薪資的影響因素。確立線性關(guān)系后使用MATLAB軟件建立線性回歸模型并進(jìn)行分析，確定薪資水平與預(yù)想的影響因素之間的聯(lián)系，通過(guò)對(duì)各個(gè)變量做殘差圖和逐步回歸分析一步步的排除其中影響不明顯的因素，從而完善此模型，最終得到對(duì)大學(xué)畢業(yè)生薪金影響較大的因素。1.4本章小結(jié)本章主要對(duì)于分析畢業(yè)生薪資影響因素的背景、意義、目的、內(nèi)容進(jìn)行了詳細(xì)概述，在完成論文期間，通過(guò)查閱大量資料用來(lái)分析可能影響大學(xué)生期望薪資的因素，為后面的調(diào)查表部分做準(zhǔn)備。

2研究環(huán)境與相關(guān)方法2.1線性回歸簡(jiǎn)介回歸模型的建立和使用主要在針對(duì)自變量和因變量的各種關(guān)系分析應(yīng)用中，當(dāng)只有一個(gè)自變量和因變量的時(shí)候就成為一元線性回歸，在直方圖中用一條直線表現(xiàn)。如果涉及到研究多個(gè)自變量和因變量的關(guān)系，在直方圖數(shù)據(jù)呈現(xiàn)出曲線散點(diǎn)圖，這個(gè)模型被稱為多元線性回歸。通常我們運(yùn)用回歸模型進(jìn)行分析事物現(xiàn)象的時(shí)候都對(duì)多個(gè)影響進(jìn)行考慮，因此多元線性回歸在統(tǒng)計(jì)分析應(yīng)用中更普遍。在研究幾種變量之間的關(guān)系是，經(jīng)常用到回歸分析的知識(shí)，在分析一元或多元線性回歸分析的問(wèn)題時(shí)，回歸函數(shù)regress的調(diào)用必不可少，調(diào)用格式如下：（2-1）（2-2）上述公式中b表示估值，bint表示估值區(qū)間，r表示殘差，rint表示置信區(qū)間，s表示統(tǒng)計(jì)量，設(shè)定為置信水平95%。Bint對(duì)其產(chǎn)生影響，如果數(shù)值越低則置信值越大。計(jì)算過(guò)程中要求響應(yīng)變量值，當(dāng)?shù)玫巾憫?yīng)則說(shuō)明回歸方程式成立。在線性回歸模型的建立過(guò)程中，實(shí)現(xiàn)過(guò)程如圖2-1所示：圖2-1線性回歸模型建立2.2MATLAB簡(jiǎn)介MATLAB全稱MatrixLaboratory，也稱為矩陣實(shí)驗(yàn)室，用于專業(yè)高級(jí)數(shù)學(xué)計(jì)算，在算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析和數(shù)值計(jì)算方面有廣泛的應(yīng)用，具有強(qiáng)大的數(shù)學(xué)計(jì)算演算功能，在對(duì)接許多專業(yè)性較強(qiáng)的設(shè)計(jì)和開(kāi)發(fā)時(shí)，可以運(yùn)用許多開(kāi)放的工具箱。為了與計(jì)算機(jī)網(wǎng)絡(luò)環(huán)境進(jìn)行交互式操作，在應(yīng)用上不斷拓展，提供了數(shù)據(jù)可視化，仿真和數(shù)值計(jì)算，算法開(kāi)發(fā)等功能幫助軟件開(kāi)發(fā)順利完成。MATLAB使用對(duì)接計(jì)算機(jī)編程語(yǔ)言，運(yùn)用界面和編輯模式水平先進(jìn)，應(yīng)用領(lǐng)域廣泛。在工業(yè)設(shè)計(jì)采用了系統(tǒng)設(shè)計(jì)，環(huán)境仿真，產(chǎn)品測(cè)試，信號(hào)處理，自動(dòng)化控制等應(yīng)用，在軍事上被科研所用于軟件開(kāi)發(fā)，性能檢測(cè)以及大量數(shù)學(xué)演算和高維度數(shù)據(jù)處理，在金融系統(tǒng)中用于實(shí)現(xiàn)預(yù)測(cè)經(jīng)濟(jì)走勢(shì)和風(fēng)險(xiǎn)控制的模型設(shè)計(jì)，統(tǒng)計(jì)學(xué)應(yīng)用優(yōu)化圖形處理，轉(zhuǎn)化為動(dòng)態(tài)可視化圖形。在計(jì)算機(jī)編程過(guò)程中，可以對(duì)接C、C++、JAVA等語(yǔ)言和環(huán)境也為程序設(shè)計(jì)和網(wǎng)絡(luò)應(yīng)用提供了工具。作為一個(gè)高級(jí)數(shù)學(xué)算法軟件，同時(shí)集成算法實(shí)現(xiàn)、繪制函數(shù)、數(shù)據(jù)分析、建立模型、對(duì)接其他語(yǔ)言等功能，并且具有眾多內(nèi)置命令與函數(shù)。使之成為教學(xué)研究、科學(xué)研究和專業(yè)領(lǐng)域方面成為不可或缺的軟件。因此使用該軟件本文所研究的大學(xué)生薪資期望調(diào)查提供技術(shù)方面的支持。2.3多元逐步回歸多元逐步回歸適用于自變量數(shù)量較多時(shí)，它可以讓自變量在回歸模型運(yùn)算中自動(dòng)完成。它的實(shí)現(xiàn)原理是把多個(gè)自變量逐個(gè)引用，最后在不斷的檢驗(yàn)中進(jìn)行剔除處理。每次引入自變量都經(jīng)過(guò)檢驗(yàn)和處理后，經(jīng)過(guò)多次不顯著刪除后，所有得到的變量都回歸到最真的變量值。這種模型能夠更好的處理復(fù)雜的自變量樣本數(shù)據(jù)，并且能夠提高預(yù)測(cè)的效率和準(zhǔn)確性。在引入和檢驗(yàn)過(guò)程需要進(jìn)行調(diào)試：stepwise(x,y,inmodel,alpha)（2-3）在矩陣的變量調(diào)試中，一個(gè)n×m的矩陣用x表示，一個(gè)n×l的矩陣用y表示，該矩陣的列數(shù)指標(biāo)通常使用inmodel表示，而alpha作為常數(shù)項(xiàng)在缺省時(shí)值為0.5，數(shù)值低于0.5則置信水平越高，同時(shí)alpha也用來(lái)表示顯著性水平。運(yùn)行命令后則會(huì)生成三個(gè)圖形窗口。在stepwiseTable窗口中會(huì)顯示包括回歸系數(shù)以及其置信區(qū)間、模型的統(tǒng)計(jì)量剩余標(biāo)準(zhǔn)差(RMSE)、相關(guān)系數(shù)(R-square)以及F值和P值的統(tǒng)計(jì)表。2.4殘值分析法殘差分析（residualanalysis）是對(duì)回歸方程所求的數(shù)值中觀測(cè)值和估計(jì)值之間的殘差數(shù)值進(jìn)行分析，從而達(dá)到對(duì)回歸模型準(zhǔn)確性的調(diào)整。分析回歸殘差時(shí)要時(shí)刻對(duì)數(shù)值在圖形中的擬合狀態(tài)進(jìn)行觀察，以回歸殘差作為坐標(biāo)系數(shù)，從而計(jì)算數(shù)值分布是否符合正態(tài)分布。殘差是用來(lái)表示預(yù)測(cè)值與觀測(cè)值之間的差值，也就是實(shí)際觀察所得值與回歸估計(jì)所得值的差值。在\t"/item/%E6%AE%8B%E5%B7%AE%E5%88%86%E6%9E%90/_blank"回歸分析計(jì)算過(guò)程中，用δ來(lái)表示測(cè)定值與回歸方程預(yù)測(cè)值兩者之間的殘差值。殘差δ應(yīng)當(dāng)符合\t"/item/%E6%AE%8B%E5%B7%AE%E5%88%86%E6%9E%90/_blank"正態(tài)分布N(0，σ2)。而標(biāo)準(zhǔn)化殘差（Pearson殘差）是指殘差除以其標(biāo)準(zhǔn)差后得到的數(shù)值，用δ*來(lái)表示，同時(shí)它也服從標(biāo)準(zhǔn)正態(tài)分布N(0，1)。通常情況下標(biāo)準(zhǔn)化殘差的實(shí)驗(yàn)點(diǎn)落在(-2，2)區(qū)間之間的概率大于等于95%。若某一實(shí)驗(yàn)點(diǎn)落在(-2，2)區(qū)間以外，可以認(rèn)定其為異常實(shí)驗(yàn)點(diǎn)，將其從回歸線擬合中去除。其調(diào)用格式為：rcoplot(r,rint)（2-4）2.5系統(tǒng)回歸方法通常事物的影響能出現(xiàn)多個(gè)因素，因此研究其中對(duì)某種現(xiàn)象造成的具體關(guān)聯(lián)和變化，需要用多個(gè)自變量進(jìn)行運(yùn)算。多元線性回歸運(yùn)算的公式在一元線性基礎(chǔ)上增加了幾個(gè)變量和參數(shù)。在建立模型和公式前，需要考慮到自變量的具體性質(zhì)，有的自變量是統(tǒng)一單位，有的自變量是定量或者定性的，比如檢測(cè)家庭教育程度受到的影響有子女學(xué)習(xí)能力，父母年齡，經(jīng)濟(jì)收入，當(dāng)?shù)亟逃胶桶l(fā)展情況，甚至當(dāng)?shù)丶彝ソ逃^念等多種因素，這樣獲得的樣本數(shù)據(jù)必須經(jīng)過(guò)一定的標(biāo)準(zhǔn)化處理。因此多元線性回歸運(yùn)用需要在統(tǒng)計(jì)軟件中完成數(shù)據(jù)統(tǒng)計(jì)，分析和數(shù)值計(jì)算才能得出有效的回歸方程模式。同時(shí)還需要進(jìn)行檢驗(yàn)來(lái)確認(rèn)抽樣樣本有效與否，回歸方程差異性和顯著相關(guān)性是否成立。一些定性自變量需要進(jìn)行合理的數(shù)據(jù)轉(zhuǎn)換因此統(tǒng)計(jì)過(guò)程中需要運(yùn)用更多數(shù)學(xué)演算方法，其中在進(jìn)行樣本處理和數(shù)值統(tǒng)計(jì)時(shí)候有一個(gè)標(biāo)準(zhǔn)分運(yùn)算，轉(zhuǎn)換結(jié)果得出標(biāo)準(zhǔn)回歸方程和系數(shù)，公式2-5所示：(2-5)在統(tǒng)計(jì)時(shí)不同的單位會(huì)帶來(lái)回歸系數(shù)的變化，因此都轉(zhuǎn)化為統(tǒng)一標(biāo)準(zhǔn)單位，方便計(jì)算。這個(gè)標(biāo)準(zhǔn)方程中自變量和因變量都選擇平均水平，對(duì)應(yīng)的標(biāo)準(zhǔn)分均為0所以常數(shù)項(xiàng)就沒(méi)有了，標(biāo)準(zhǔn)回歸方程中沒(méi)有a這個(gè)項(xiàng)。在具體計(jì)算的軟件中模型參數(shù)算法可以采取多種方式進(jìn)行估算，同時(shí)需要軟件進(jìn)行驗(yàn)證。圖2-2系統(tǒng)測(cè)試為了提高回歸方程運(yùn)用的準(zhǔn)確性，對(duì)于樣本的選取很重要，通過(guò)更專業(yè)的數(shù)學(xué)運(yùn)算來(lái)確定自變量的參數(shù)能夠更充分的為回歸模型提高精確數(shù)值。2.6本章小結(jié)本章對(duì)本篇論文使用的方法、實(shí)驗(yàn)環(huán)境和數(shù)據(jù)處理方法等進(jìn)行介紹，主要介紹了它們的功能特點(diǎn)、優(yōu)勢(shì)等。體現(xiàn)了模型建立前的設(shè)計(jì)思路，詳述了在模型分析中所用到的相關(guān)方法，對(duì)測(cè)試樣本的流程進(jìn)行總結(jié)。

3數(shù)據(jù)采集與分析3.1數(shù)據(jù)樣本分析由于此次研究過(guò)程中的研究數(shù)量過(guò)多，調(diào)查過(guò)程中不可能包括所有的研究對(duì)象，目前主要針對(duì)大學(xué)生自身素質(zhì)進(jìn)行研究，因此收集數(shù)據(jù)屬于隨機(jī)取樣。具體抽取數(shù)據(jù)方法進(jìn)一步細(xì)分為下面六種：（1）簡(jiǎn)單隨機(jī)抽樣:最基礎(chǔ)的取樣方法，不對(duì)數(shù)據(jù)進(jìn)行任何改變，樣本直接進(jìn)行隨機(jī)抽取獲得樣本數(shù)據(jù)使用。通常簡(jiǎn)單隨機(jī)抽取數(shù)據(jù)內(nèi)部差異不大，進(jìn)行抽簽抽取或者搖號(hào)碼以及根據(jù)隨機(jī)數(shù)表的方法完成簡(jiǎn)單隨機(jī)抽取數(shù)據(jù)統(tǒng)計(jì)。（2）等距抽樣:所謂等距抽樣主要指樣本總體之間的排列間隔。這種抽樣方法要求主要是尋找一個(gè)可以等距離的參考標(biāo)準(zhǔn)，比如時(shí)間點(diǎn)或者方位距離或者其他可以參照的依據(jù)，先確定總體樣本需要?jiǎng)澐珠g隔的參照點(diǎn)，再進(jìn)行機(jī)械或者系統(tǒng)取樣。因?yàn)檫@種取樣對(duì)于總體數(shù)量值較大時(shí)候比較快速方便，所以常常在這種情況下被運(yùn)用。等距抽樣的距離是根據(jù)總體數(shù)量除于一個(gè)固定值計(jì)算得出，相對(duì)其他抽樣方法更為方便。（3）分層抽樣:區(qū)別于簡(jiǎn)單抽樣和等距抽樣，當(dāng)需要處理的樣本數(shù)總體數(shù)量值較大，但是數(shù)值之間差異程度也較大，則需要對(duì)這樣的樣本數(shù)據(jù)進(jìn)行分層處理。把其中差距較大的某一種類數(shù)據(jù)進(jìn)行歸類，這樣就把總體分層為不同層級(jí)或者類別的數(shù)據(jù)，再進(jìn)行抽樣。根據(jù)一定特征或者標(biāo)簽把數(shù)據(jù)總體進(jìn)行分類以后，每一個(gè)類別再選擇隨機(jī)抽樣抽取樣本。因此分層抽樣包括多種方法結(jié)合在一起，再具體進(jìn)行分類的時(shí)候也可以根據(jù)實(shí)際情況進(jìn)行調(diào)整，具體抽取樣本方式和以上幾種類似。（4）整體抽樣:整體抽樣的取樣方式與分層抽樣有些相似，但是整體抽樣不是分層，而是先把總體樣本進(jìn)行分組或者分群，再對(duì)劃分成功的群和組內(nèi)的樣本進(jìn)行抽取，最后完成抽樣。（5）雙重隨機(jī)抽樣:雙重隨機(jī)抽樣也稱為相關(guān)抽樣法，當(dāng)目標(biāo)性狀由于技術(shù)的或經(jīng)濟(jì)的原因很難直接觀測(cè)時(shí)，或者必須進(jìn)行破壞性測(cè)量時(shí)，可利用性狀間的相關(guān)性，找出一個(gè)與目標(biāo)性狀顯著相關(guān)且容易觀測(cè)的過(guò)渡性狀，通過(guò)對(duì)過(guò)渡性狀的觀測(cè)研究達(dá)到研究目標(biāo)性狀的目的。（6）兩級(jí)隨機(jī)抽樣:兩級(jí)隨機(jī)抽樣主要是指抽樣時(shí)候根據(jù)一定的標(biāo)準(zhǔn)把總體樣本進(jìn)行兩級(jí)劃分，比如一個(gè)是被觀測(cè)的，一個(gè)是觀測(cè)定義，級(jí)分層的兩個(gè)部分具有某種對(duì)應(yīng)邏輯聯(lián)系。這種抽樣方法能夠比較系統(tǒng)的對(duì)樣本總體進(jìn)行分組，滿足更多數(shù)據(jù)統(tǒng)計(jì)分析的樣本抽取要求。對(duì)于有自然分級(jí)現(xiàn)象的總體，采用分級(jí)隨機(jī)抽樣可以盡量少的投人獲得盡量多的可靠的信息。由此進(jìn)一步構(gòu)建回顧模型前期建立的思想，如圖3-1所示：圖3-1回歸模型建立思路由圖3-1的建模思路，選取西京學(xué)院2018-2020屆的大學(xué)生作為此次研究對(duì)象，在調(diào)查過(guò)程中，采取分類抽樣進(jìn)行數(shù)據(jù)的篩選。此次調(diào)查中，分別對(duì)8個(gè)專業(yè)的學(xué)生進(jìn)行統(tǒng)計(jì)，共發(fā)放調(diào)查問(wèn)卷1200份，其中本科600份，?？?00份?；厥沼行?wèn)卷1000份，回收率83.3%。根據(jù)所得數(shù)據(jù)計(jì)算各個(gè)因素的占比。本科調(diào)查數(shù)據(jù)如表3-1所示：

表3-1本科生調(diào)查總體樣本分布樣本個(gè)數(shù)（個(gè)）比例（%）性別男30060%女20040%年級(jí)2018屆12024%2019屆18036%2020屆20040%院系分布工業(yè)設(shè)計(jì)5010%會(huì)計(jì)學(xué)7515%計(jì)算機(jī)科學(xué)與技術(shù)8016%環(huán)境設(shè)計(jì)6513%網(wǎng)絡(luò)與新媒體6012%經(jīng)濟(jì)管理7515%土木工程5511%醫(yī)學(xué)影像技術(shù)408%生源地城市32064%農(nóng)村18036%家庭經(jīng)濟(jì)情況富裕8517%如上表所示，男生人數(shù)300人，女生人數(shù)200人，所占比例分別為60%和40%。從不同年級(jí)的分布情況來(lái)看，2020屆學(xué)生最多，人數(shù)為200人，占比40%，2019屆學(xué)生180人，占比36%，而2018屆人數(shù)最少，只有120人，占比24%。院系分布方面，工業(yè)設(shè)計(jì)50人，占比10%，會(huì)計(jì)學(xué)75人，占比15%，計(jì)算機(jī)科學(xué)與技術(shù)80人，占比16%，環(huán)境設(shè)計(jì)65人，占比13%，網(wǎng)絡(luò)與新媒體60人，占比12%，經(jīng)濟(jì)管理75人，占比15%，土木工程55人，占比11%，醫(yī)學(xué)影像技術(shù)40人，占比8%。在調(diào)查學(xué)生中有180位學(xué)生來(lái)自農(nóng)村，占比38%，其余學(xué)生都來(lái)自各個(gè)城市，占比64%，家庭經(jīng)濟(jì)富裕的學(xué)生有85人，占比17%。?？普{(diào)查數(shù)據(jù)如表3-2所示：

表3-2?？粕{(diào)查總體樣本分布樣本個(gè)數(shù)（個(gè)）比例（%）性別男32064%女18036%年級(jí)2018屆22044%2019屆15030%2020屆13026%院系分布工業(yè)設(shè)計(jì)6513%會(huì)計(jì)學(xué)8016%計(jì)算機(jī)科學(xué)與技術(shù)7014%環(huán)境設(shè)計(jì)5010%網(wǎng)絡(luò)與新媒體5511%經(jīng)濟(jì)管理6012%土木工程6513%醫(yī)學(xué)影像技術(shù)5511%生源地城市28056%農(nóng)村22044%家庭經(jīng)濟(jì)情況富裕7515%普通37575%困難5010%專業(yè)排名前30%12024%專業(yè)成績(jī)專業(yè)排名30%-60%32064%專業(yè)排名后40%6012%如上表所示，男生人數(shù)320人，女生人數(shù)180人，所占比例分別為64%和36%。從不同年級(jí)的分布情況來(lái)看，2018屆學(xué)生最多，人數(shù)為220人，占比44%，2019屆學(xué)生150人，占比30%，而2020屆人數(shù)最少，只有130人，占比26%。院系分布方面，工業(yè)設(shè)計(jì)65人，占比13%，會(huì)計(jì)學(xué)80人，占比16%，計(jì)算機(jī)科學(xué)與技術(shù)70人，占比14%，環(huán)境設(shè)計(jì)50人，占比10%，網(wǎng)絡(luò)與新媒體55人，占比11%，經(jīng)濟(jì)管理60人，占比12%，土木工程65人，占比13%，醫(yī)學(xué)影像技術(shù)55人，占比11%。在調(diào)查學(xué)生中有220位學(xué)生來(lái)自農(nóng)村，占比44%，其余學(xué)生都來(lái)自各個(gè)城市，占比56%，家庭經(jīng)濟(jì)富裕的學(xué)生有75人，占比15%。家庭經(jīng)濟(jì)困難的學(xué)生有50人，占比10%，其余學(xué)生占比75%。有120名學(xué)生專業(yè)成績(jī)排名靠前，占比24%，而排名靠后的60名同學(xué)，占比12%。3.2設(shè)計(jì)影響因素調(diào)查表根據(jù)對(duì)以往相關(guān)成果的研究與查閱，總結(jié)了研究成果假設(shè)中所包含的與就業(yè)薪資期望相關(guān)的因素，抽取計(jì)算機(jī)、經(jīng)濟(jì)管理、會(huì)計(jì)三個(gè)專業(yè)各100名大學(xué)生進(jìn)行隨機(jī)調(diào)研。通過(guò)對(duì)調(diào)研問(wèn)卷原始表里填寫情況進(jìn)行篩選與分析，得出二十多個(gè)可以對(duì)學(xué)生就業(yè)薪資產(chǎn)生影響的影響因子，進(jìn)行篩查排序后，最終得出17個(gè)對(duì)薪資期望影響較大的影響因子，將這17個(gè)影響因子分為6類，分別為學(xué)生的個(gè)人基本信息包括性別、年級(jí)和專業(yè)情況、學(xué)生具體獲獎(jiǎng)情況和英語(yǔ)、計(jì)算機(jī)水平、學(xué)生是否參加社團(tuán)和擔(dān)任的班級(jí)干部情況、學(xué)生自控力、擇業(yè)能力和信心、學(xué)生家庭中的父母的經(jīng)濟(jì)收入和生育情況、專業(yè)成績(jī)情況。設(shè)計(jì)思路如圖3-2所示：圖3-2調(diào)查表設(shè)計(jì)思路將影響因子進(jìn)行歸類，將其作為解釋變量，分別對(duì)各變量依據(jù)不同標(biāo)準(zhǔn)進(jìn)行分值的計(jì)算，根據(jù)調(diào)查表建立多元線性回歸模型。設(shè)計(jì)就業(yè)薪資期望調(diào)查表。該因子結(jié)構(gòu)如表3-3所示：

表3-3問(wèn)卷調(diào)查就業(yè)薪資期望影響因素設(shè)計(jì)及說(shuō)明項(xiàng)目解釋變量解釋變量說(shuō)明基本信息性別男=1女=2就讀年級(jí)劃分為大二，大三，大四，3級(jí)，計(jì)1~3分所讀專業(yè)計(jì)算機(jī)=1，經(jīng)濟(jì)管理=2，會(huì)計(jì)=3綜合能力獲獎(jiǎng)情況劃分為未參與，省、國(guó)賽三，二，一，7級(jí)，計(jì)0~6分獎(jiǎng)學(xué)金獲得次數(shù)劃分為未獲得，1~2次，3~4次，5次以上，4級(jí)，計(jì)0~3分英語(yǔ)水平劃分為無(wú)證書(shū)，英語(yǔ)四級(jí)，英語(yǔ)六級(jí)，計(jì)0,2,4分計(jì)算機(jī)水平劃分為無(wú)證書(shū)，計(jì)算機(jī)一級(jí),計(jì)算機(jī)二級(jí)，計(jì)算機(jī)三級(jí)，計(jì)算機(jī)四級(jí)，計(jì)0~4分交際能力是否擔(dān)任班級(jí)職務(wù)是=1，否=0是否參加社團(tuán)劃分為從未參加，少量參加，經(jīng)常參加計(jì)1~3分人際關(guān)系劃分為不擅交際，朋友不多，朋友比較多，人脈比較廣，計(jì)1-4分自我評(píng)價(jià)自控力劃分為非常差，較差，一般，良好，優(yōu)秀，計(jì)1~5分抗壓能力家庭情況是否獨(dú)生子女是=1，否=0是否單親是=1，否=0家庭平均月收入3000以下，3000~5000，5000~7000，7000以上，計(jì)1-4分自我素養(yǎng)專業(yè)課成績(jī)排名分為80%后，61%~80%，41%~60%，11%~40%，前10%，計(jì)1~5分

圖3-3調(diào)研人員篩查調(diào)查人員中涉及到在校大二至大四的計(jì)算機(jī)類、經(jīng)濟(jì)管理類、會(huì)計(jì)類學(xué)生，為了便于反映不同學(xué)科、大二到大四對(duì)于畢業(yè)后工資水平的看法。通過(guò)在校發(fā)放問(wèn)卷調(diào)查，發(fā)放問(wèn)卷，沒(méi)有缺省或者無(wú)效問(wèn)卷，經(jīng)過(guò)整理收集數(shù)據(jù)，刪除無(wú)效數(shù)據(jù)后，獲得的調(diào)查數(shù)據(jù)采用EXCEL表格進(jìn)行保存，最終篩選的有效人員數(shù)據(jù)樣本120名。如表3-4所示：表3-4有效調(diào)研人數(shù)計(jì)算機(jī)會(huì)計(jì)經(jīng)管合計(jì)男18212059女22192061合計(jì)404040120其中，調(diào)研人員的期望薪資如圖3-4所示：圖3-4調(diào)研人員期望薪資3.3分析影響因子將調(diào)查統(tǒng)計(jì)完成的數(shù)據(jù)通過(guò)EXCEL導(dǎo)入到MATLAB軟件中，如圖3-5所示：圖3-5薪資與變量導(dǎo)入數(shù)據(jù)導(dǎo)入成功后，分別對(duì)各因素新建數(shù)值矩陣中，代碼如下：S=Untitled1(:,1);%薪資x1=Untitled1(:,2);%就讀年級(jí)x2=Untitled1(:,3);%競(jìng)賽水平x3=Untitled1(:,4);%獎(jiǎng)學(xué)水平x4=Untitled1(:,5);%英語(yǔ)水平x5=Untitled1(:,6);%計(jì)算機(jī)水平x6=Untitled1(:,7);%是否參加社團(tuán)x7=Untitled1(:,8);%人際關(guān)系x8=Untitled1(:,9);%自控力x9=Untitled1(:,10);%擇業(yè)信心x10=Untitled1(:,11);%抗壓能力x11=Untitled1(:,12);%家庭平均月收入x12=Untitled1(:,13);%專業(yè)課成績(jī)排名進(jìn)行線性回歸分析，而在回歸方程中自變量是解釋變量，因變量是就業(yè)薪資。在MATLAB中使用corrcoef函數(shù)計(jì)算相關(guān)度，在命令行輸入：>>R1=corrcoef(S,x1);>>R2=corrcoef(S,x2);>>R3=corrcoef(S,x3);>>R4=corrcoef(S,x4);>>R5=corrcoef(S,x5);>>R6=corrcoef(S,x6);>>R7=corrcoef(S,x7);>>R8=corrcoef(S,x8);>>R9=corrcoef(S,x9);>>R10=corrcoef(S,x10);>>R11=corrcoef(S,x11);>>R12=corrcoef(S,x12);得出：corrcoef(S,x1)=-0.0622，corrcoef(S,x2)=0.6111corrcoef(S,x3)=0.3162，corrcoef(S,x4)=0.2114corrcoef(S,x5)=0.3079，corrcoef(S,x6)=0.1294corrcoef(S,x7)=-0.3550，corrcoef(S,x8)=0.0659corrcoef(S,x9)=0.0659，corrcoef(S,x10)=0.0659corrcoef(S,x11)=0.3793，corrcoef(S,x12)=0.4777根據(jù)所得數(shù)據(jù)可知，x2，x3，x5，x11，x12與薪資期望之間的相關(guān)系數(shù)大于0.3，其余相關(guān)系數(shù)都小于0.3。由數(shù)據(jù)可見(jiàn)，所有因素都和薪資期望呈線性關(guān)系，因此針對(duì)該問(wèn)題可以建立多元線性回歸模型來(lái)解決。3.4建立模型定義變量a0~a12表示回歸系數(shù)，?表示隨機(jī)誤差，建立數(shù)據(jù)模型：（3-1）其中? 為隨機(jī)誤差項(xiàng)，回歸分析的主要任務(wù)就是以誤差?的平方和最小為原則，求多元回歸模型的回歸系數(shù)a0~a12求解這個(gè)方程是以S為最小原則，求a0~ak要使得S最小，應(yīng)該滿足?SS（3-2）然后使用MATLAB軟件求解模型，進(jìn)行回歸方程的顯著性檢驗(yàn)。由此可得到結(jié)果如表3-5所示：表3-5各參數(shù)的分析結(jié)果表參數(shù)參數(shù)估計(jì)值置信區(qū)間a01239.8353[1073.1253,1406.5454]a1-16.8657[-48.4417,14.7104]a2174.0946[158.5466,189.6419]a3164.0858[136.8296,191.3420]a46.1553[-11.8082,24.1187]a533.7497[10.5651,56.9342]a640.2331[8.7561,71.7100]a7-12.8712[-39.1224,13.3800]a83.5001[-17.1817,24.1818]a90[0,0]a100[0,0]a11182.6410[149.2968,215.9852]a12210.0088[190.8159,229.2017]R2=0.0001F=0.0035P=0由表3-5可得到：R2=0.0001，F(xiàn)值為0.0035>0，P=0<0.05(缺省時(shí)定位0.05),即說(shuō)明該模型是合理的，同時(shí)，變量的置信區(qū)間是包含0點(diǎn)的，則可認(rèn)為影響效果不顯著。然后使用多元逐步回歸。具體代碼如下：X=[ones(120,1),x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12];%[b,bint,r,rint,stats]=regress(S,X);rcoplot(r,rint);X1=[ones(120,1),x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12];stepwise(X,S);圖3-6逐步回歸結(jié)果圖圖3-6中的R用來(lái)表示的是線性回歸的擬合度，R的取值范圍是0~1，當(dāng)R越接近1時(shí)，表示擬合度越高，也代表因變量與自變量的線性關(guān)系越明顯，同時(shí)也證明假設(shè)的可靠性更高。R的平方表示決定系數(shù)，被用來(lái)映射解釋方差占因變量方差的百分比；調(diào)整R2是因?yàn)樽宰兞恐g的相互影響之后，對(duì)決定系數(shù)R2的校正，使得實(shí)驗(yàn)更加嚴(yán)謹(jǐn)，當(dāng)調(diào)整R2大于0.25可認(rèn)為擬合度較好。本實(shí)驗(yàn)中R=0.938，R2=0.934也即模型可以決定薪金M的93.4%，其中R值接近1，調(diào)整R2明顯大于0.25，證實(shí)多元線性關(guān)系成立。其對(duì)應(yīng)的概率P=1.16215e-65<<0.01,殘值的方差值為133.359。綜上所得，此回歸模型的回歸效果比較成功。接下來(lái)在matlab軟件上使用rcoplot命令進(jìn)行殘差分析?？傻玫綒埐罘治鰣D如圖3-7所示：圖3-7殘差分析圖通過(guò)對(duì)殘差圖的分析可得：圖中除了使用紅色標(biāo)注的一些數(shù)據(jù)以外，剩下的數(shù)據(jù)都很接近零點(diǎn)，而且可以明顯的看出他們的置信區(qū)間內(nèi)都包含有零點(diǎn)。由此可說(shuō)明此回歸模型建立比較理想，可以與原始數(shù)據(jù)比較符合，其中的個(gè)別數(shù)據(jù)異常點(diǎn)可以忽略掉。3.5本章小結(jié)首先對(duì)收集的數(shù)據(jù)進(jìn)行隨機(jī)抽樣，從客觀方面建立分析對(duì)象，分析數(shù)據(jù)明確變量屬性。對(duì)調(diào)查人員進(jìn)行樣本分布表的建立，依據(jù)相關(guān)材料與已有數(shù)據(jù)相結(jié)合設(shè)計(jì)薪資期望因素表。通過(guò)MATLAB將整理完成的數(shù)據(jù)進(jìn)行相關(guān)系數(shù)的計(jì)算，建立多元線性回歸模型并檢驗(yàn)其顯著性，對(duì)逐步回歸結(jié)果進(jìn)行解釋。

4模型評(píng)估與分析4.1降維處理圖4-1模型評(píng)估如圖4-1，對(duì)回歸模型進(jìn)行評(píng)估，對(duì)R2和F統(tǒng)計(jì)量進(jìn)行分析，通過(guò)對(duì)殘差圖的分析，剔除就讀年級(jí)、就讀專業(yè)等5個(gè)無(wú)法具體量化的定性解釋變量，對(duì)其他影響因子通過(guò)SPSS軟件（導(dǎo)入數(shù)據(jù)-分析-降維-因子分析）進(jìn)行降維處理，對(duì)大學(xué)生認(rèn)為影響就業(yè)薪資期望的重要因素進(jìn)行因子分析。采取最大方差法抽取因子，根據(jù)成分轉(zhuǎn)換矩陣顯示的結(jié)果將剩余的12個(gè)解釋變量歸結(jié)為5類，可解釋方差為79.315%，具體成分因子結(jié)構(gòu)如表4-1所示：

表4-1成分表分類總計(jì)方差的/%累計(jì)/%相應(yīng)的解釋變量綜合知識(shí)素養(yǎng)3.35427.95427.954競(jìng)賽獲獎(jiǎng)次數(shù)、英語(yǔ)水平、計(jì)算機(jī)水平、獲得獎(jiǎng)學(xué)金次社會(huì)交際水平1.95116.25144.206是否為學(xué)生干部、社團(tuán)活動(dòng)、人際關(guān)系自我評(píng)價(jià)系統(tǒng)1.70814.24058.447抗壓能力、自控力、擇業(yè)自信學(xué)生專業(yè)能力1.29410.79369.241專業(yè)課成績(jī)排名家庭月收入1.20810.07373.315家庭月收入由于調(diào)研學(xué)生的性別、就讀專業(yè)、就讀年級(jí)、是否獨(dú)生子女、是否單親這些影響因子屬性在多元線性回歸分析過(guò)程中無(wú)法具體量化，所以將上述解釋變量歸結(jié)成定性變量。本文對(duì)是否單親家庭、是否獨(dú)生子女及不同性別學(xué)生就業(yè)薪資的平均值進(jìn)行了分類匯總?cè)绫?-2所示：表4-2大學(xué)生就業(yè)薪酬期望匯總表是否單親家庭平均工資性別平均工資是否獨(dú)生子女平均工資是3201男3176是3212否3101女2911否2988由表4-2的結(jié)果不難得出，是否單親家庭并不會(huì)對(duì)期望工資造成太大的影響；不同性別會(huì)對(duì)期望工資的影響比較大；相比于非獨(dú)生子女，獨(dú)生子女更期望有比較高的薪水。4.2因子相關(guān)性分析降維處理后的因子數(shù)值進(jìn)行相關(guān)性分析和回歸模型構(gòu)建，根據(jù)（表4-3)的數(shù)據(jù)顯示看出因子之間的相關(guān)性不明顯，故而可以直接進(jìn)行多元線性回歸分析。這些因子中，存在正相關(guān)關(guān)系和負(fù)相關(guān)關(guān)系，了通過(guò)相關(guān)系數(shù)數(shù)值可以判斷；社會(huì)交際能力與學(xué)生專業(yè)素養(yǎng)、家庭月收入呈現(xiàn)正相關(guān)，與自我評(píng)價(jià)系統(tǒng)呈負(fù)相關(guān)；自我評(píng)價(jià)系統(tǒng)與學(xué)生專業(yè)素養(yǎng)、家庭平均收入呈正相關(guān)；學(xué)生專業(yè)素養(yǎng)與家庭平均收入呈負(fù)相關(guān)。其中綜合知識(shí)素養(yǎng)與學(xué)生專業(yè)素養(yǎng)相關(guān)性不明顯。表4-3Pearson相關(guān)系數(shù)分類綜合知識(shí)素養(yǎng)社會(huì)交際水平自我評(píng)價(jià)系統(tǒng)學(xué)生專業(yè)能力家庭月收入綜合知識(shí)素養(yǎng)1社會(huì)交際水平-0.1411自我評(píng)價(jià)系統(tǒng)-0.315-0.4811學(xué)生專業(yè)能力0.0050.6570.1751家庭月收入0.3510.7250.022-0.18814.3模型改進(jìn)通過(guò)前面的分析過(guò)程可以總結(jié)得出該模型使用逐步回歸的方法將對(duì)于就業(yè)薪資影響不顯著的因素變量逐一排除，然后使用殘差分析法分析整個(gè)模型，從而確定模型是否合理，精確度高。該模型原理清晰，便于分析，操作簡(jiǎn)便。同時(shí)，我們的分析過(guò)程任然存在許多不足之處，例如模型的假設(shè)過(guò)于理想，為提升模型準(zhǔn)確性，應(yīng)該對(duì)模型中的因素做全面的考慮。就業(yè)薪資與其影響因素之間是通過(guò)擬合而得到的線性關(guān)系，所以還是存在著一定的誤差。進(jìn)行調(diào)研的院校不夠全面，可能會(huì)導(dǎo)致結(jié)果不夠完全準(zhǔn)確。將分析所得的影響不顯著因素去除，只需要保留x2,x3,x5,x6,x11,x12建立回歸方程并且將兩因素的平均項(xiàng)和交互項(xiàng)加入到方程中，反復(fù)的經(jīng)過(guò)幾次嘗試，得到了較好的模型，方程如4-1所示： （4-1）然后使用MATLAB軟件來(lái)解析此方程。且由此可得到結(jié)果如表4-4所示：

表4-4各參數(shù)的分析結(jié)果表參數(shù)參數(shù)估計(jì)值置信區(qū)間a01356.5462[1164.8432,1548.2492]a190.1378[35.4906,144.7850]a2125.3316[90.0677,160.5955]a371.3711[41.1555,101.5868]a470.5871[16.5095,124.6648]a5138.1979[75.9087,200.4870]a6152.1237[129.9387,174.3087]a711.5231[1.0989,21.9472]a8-17.5307[-26.8713,-8.1900]a9-5.3320[-20.8534,10.1893]a1021.4108[3.3770,39.4447]a1131.7060[23.2397,40.1724]R2=0.0001F=0.0066P=0由表4-4中可得到：R2=0.0001，F(xiàn)值為0.0068>0，P=0<0.05(缺省時(shí)定位0.05),即就是說(shuō)明該模型是合理的。然后使用多元逐步回歸進(jìn)行數(shù)據(jù)分析，具體代碼如下：X=[ones(120,1),x1,x2,x3,x4,x5,x6,x1.*x2,x1.*x3,x1.*x4,x1.*x5,x1.*x6];[b,bint,r,rint,stats]=regress(S,X);rcoplot(r,rint);X1=[ones(120,1),x1,x2,x3,x4,x5,x6];%除了薪資以外的所有變量stepwise(X,S)圖4-2逐步回歸結(jié)果圖由圖4-2可得：R2=0.964645,而修復(fù)后的R2=0.961402,也就是說(shuō)，模型可以決定薪金M的96.46%，F(xiàn)的檢驗(yàn)值為297.403，其對(duì)應(yīng)的概率P=2.96514e-74<<0.01,殘值的方差值為102.277。在此次改進(jìn)的模型中，通過(guò)多數(shù)據(jù)的分析可以很清楚的看出R2有了明顯的提高，所以說(shuō)，模型成立。使用rcoplot命令進(jìn)行殘差分析，殘差分析圖如圖3-5所示：圖4-3殘差分析圖通過(guò)對(duì)殘差圖的分析可得：圖中除了使用紅色標(biāo)注的一些數(shù)據(jù)以外，剩下的數(shù)據(jù)都很接近零點(diǎn)，而且可以明顯的看出他們的置信區(qū)間內(nèi)都包含有零點(diǎn)。由此可說(shuō)明此回歸模型建立比較理想，可以與原始數(shù)據(jù)比較符合，個(gè)別數(shù)據(jù)異常點(diǎn)可以忽略掉。綜上得出影響大學(xué)畢業(yè)生期望薪資的主要因素為：競(jìng)賽獲獎(jiǎng)情況、獎(jiǎng)學(xué)金獲得情況、計(jì)算機(jī)水平、是否主動(dòng)參加過(guò)公益活動(dòng)、家庭月收入、專業(yè)課成績(jī)排名。4.4本章小結(jié)本章首先對(duì)在回歸分析中無(wú)法具體量化的影響因子進(jìn)行分析，對(duì)影響因子進(jìn)行降維處理，分析所得不顯著因素剔除，保留x2,x3,x5,x6,x11,x12建立回歸方程并且將兩因素的平均項(xiàng)和交互項(xiàng)加入到方程中并建立模型，分析求出影響因子與薪資的相關(guān)度。然后使用MATLAB軟件解析優(yōu)化該模型，建立線性回歸模型，驗(yàn)證模型的合理性從而得出模型結(jié)論，繼而對(duì)模型做出評(píng)價(jià)。

5總結(jié)與展望5.1總結(jié)通過(guò)對(duì)問(wèn)卷調(diào)查表設(shè)計(jì)，突出了問(wèn)卷調(diào)查表的多樣性，通過(guò)多方查閱，最大程度確保調(diào)查表的精確性。通過(guò)網(wǎng)絡(luò)收集問(wèn)卷表的途徑對(duì)不同年級(jí)不同專業(yè)的學(xué)生進(jìn)行調(diào)查結(jié)果收集匯總。首先對(duì)于在多元線性回歸過(guò)程中無(wú)法具體量化的影響因子進(jìn)行了分析，然后分析了可以具體量化的影響因子并求出影響因子與薪資的相關(guān)度，確定可以用多元線性回歸方法進(jìn)行分析。建立多元線性回歸模型，將EXCEL中的數(shù)據(jù)導(dǎo)入到MATLAB軟件中，通過(guò)MATLAB軟件的regress命令進(jìn)行多元線性回歸，驗(yàn)證模型的合理性。通過(guò)MATLAB軟件使用stepwise命令進(jìn)行多元逐步回歸，容易得知此回歸模型的回歸效果比較成功。通過(guò)MATLAB軟件的rcoplot命令進(jìn)行殘差分析并畫(huà)出殘差圖，容易得出異常數(shù)據(jù)點(diǎn)比較少且原始數(shù)據(jù)比較符合。對(duì)影響因子進(jìn)行降維處理，再對(duì)因子相關(guān)性分析及構(gòu)建回歸模型容易得出影響大學(xué)生薪資的因素。分析所得的影響不顯著因素去除，保留x2,x3,x5,x6,x11,x12建立回歸方程并且將兩因素的平均項(xiàng)和交互項(xiàng)加入到方程中并建立模型，采取多元線性回歸、多元逐步回歸和殘差分析對(duì)模型的準(zhǔn)確性有了更進(jìn)一步的提高，從而得出模型結(jié)論，繼而對(duì)模型做出評(píng)價(jià)。從多方面為對(duì)提高畢業(yè)生就業(yè)質(zhì)量的問(wèn)題提出應(yīng)對(duì)之法，結(jié)合我國(guó)的就業(yè)形勢(shì)，提出相應(yīng)的對(duì)策建議：（一）、注重高校人才教育。高校應(yīng)該持續(xù)加強(qiáng)學(xué)生的實(shí)踐能力，提升對(duì)專業(yè)理論知識(shí)的掌握，從多方面理解、看待問(wèn)題，結(jié)合社會(huì)需求、專業(yè)水平與興趣愛(ài)好，制定出符合自己的職業(yè)規(guī)劃。在“以就業(yè)為導(dǎo)向”的前提下，堅(jiān)持以完善教學(xué)質(zhì)量，提高人才素質(zhì)。（二）、重視學(xué)生就業(yè)指導(dǎo)。學(xué)校開(kāi)展就業(yè)指導(dǎo)不僅可以幫助學(xué)生了解專業(yè)前景以及嚴(yán)峻的就業(yè)形勢(shì)，在入學(xué)到畢業(yè)的各個(gè)學(xué)期都持續(xù)開(kāi)展就業(yè)指導(dǎo)課。適時(shí)開(kāi)展關(guān)于就業(yè)指導(dǎo)的實(shí)踐活動(dòng)，在不斷對(duì)就業(yè)形勢(shì)的了解過(guò)程中，分析社會(huì)和政策的變化，結(jié)合自身的職業(yè)追求與社會(huì)需求，做好職業(yè)規(guī)劃，樹(shù)立正確的就業(yè)觀。（三）、培養(yǎng)學(xué)生創(chuàng)新意識(shí)。在大眾創(chuàng)新、萬(wàn)眾創(chuàng)業(yè)的社會(huì)環(huán)境下，創(chuàng)業(yè)意識(shí)的重要性也愈加重要。為提升大學(xué)生的創(chuàng)業(yè)意識(shí)，首先應(yīng)該先就業(yè)，毫無(wú)工作經(jīng)驗(yàn)是畢業(yè)生最大的劣勢(shì)，所以應(yīng)該在工作中不斷積累經(jīng)驗(yàn)，了解企業(yè)的運(yùn)行方式，拓寬人脈。這些經(jīng)驗(yàn)只有在親身實(shí)踐后才會(huì)有所增益，也可以完善創(chuàng)業(yè)的可行性，樹(shù)立正確的創(chuàng)業(yè)意識(shí)。（四）、提升專業(yè)課程建設(shè)。為適應(yīng)經(jīng)濟(jì)社會(huì)發(fā)展的需求，找準(zhǔn)定位，遵循教育可持續(xù)發(fā)展的原則，明確專業(yè)發(fā)展目標(biāo)和人才培養(yǎng)方向。為區(qū)域經(jīng)濟(jì)和社會(huì)發(fā)展培養(yǎng)“厚基礎(chǔ)、寬口徑、強(qiáng)能力、高素質(zhì)”的人才。培養(yǎng)特色專業(yè)人才，充分反應(yīng)學(xué)科前沿及專業(yè)發(fā)展動(dòng)態(tài)。（五）、落實(shí)校企深度合作。為了從根本上解決各校畢業(yè)生就業(yè)難的問(wèn)題，高校必然學(xué)院與企業(yè)之間建立長(zhǎng)期和穩(wěn)固的校企合作關(guān)系，及時(shí)了解企業(yè)的運(yùn)營(yíng)機(jī)制和崗位需求和變化，以就業(yè)為導(dǎo)向不斷完善高校的人才培養(yǎng)方案，培養(yǎng)出具有符合社會(huì)需要的經(jīng)世致用的人才。校企共建需充分發(fā)揮企業(yè)在教學(xué)培養(yǎng)中的重要作用，共同探討知行合一、工學(xué)結(jié)合的應(yīng)用型人才培養(yǎng)新模式。5.2展望通過(guò)這次畢業(yè)設(shè)計(jì)，我深刻認(rèn)識(shí)到遇到問(wèn)題時(shí)，首先要認(rèn)真思考，制定切實(shí)可行的計(jì)劃，這不僅可以增強(qiáng)動(dòng)手的實(shí)踐能力，也可以讓我們學(xué)到如何解決一個(gè)陌生問(wèn)題，在很大程度上提升了我們的綜合素質(zhì)，專業(yè)能力。在此次畢業(yè)設(shè)計(jì)完成的過(guò)程中，鍛煉了我的耐心和意志，提高了我解決事情的能力，但同時(shí)也存在數(shù)據(jù)收集不完善，算法不準(zhǔn)確，實(shí)驗(yàn)的準(zhǔn)確性和科學(xué)性不嚴(yán)謹(jǐn)?shù)葐?wèn)題。這需