《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年國內(nèi)各高校應(yīng)屆畢業(yè)生的人數(shù)已經(jīng)高達(dá)874萬，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40萬人，同上一年想比較增長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)壓力越來越大、就業(yè)形勢也變得越來越緊張激烈。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)生沒有了積極就業(yè)的意愿。隨著中國和美國之間關(guān)系變得緊張，由此所展開的貿(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)趨勢也是變得愈加嚴(yán)峻。面對即將完成學(xué)業(yè)的高校學(xué)生來說，在進(jìn)入社會(huì)后為了順利就業(yè)，并且可以對十多年來努力學(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)前國內(nèi)就業(yè)的大環(huán)境下，大學(xué)畢業(yè)生對剛?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對大學(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)閲鴥?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，這也就限制了薪資期望影響因素的研究工作。通過調(diào)查發(fā)現(xiàn)，對學(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)競爭、區(qū)域薪資差異、未來規(guī)劃。然而通過研究薪資期望偏差同就業(yè)質(zhì)量之間的差異情況，通過對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)通過對上述研究工作的整合，對影響大學(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國內(nèi)相關(guān)研究現(xiàn)狀在國內(nèi)，八十年代天津市首次對青少年擇業(yè)問題進(jìn)行調(diào)查研究，這也標(biāo)志著我國從青少年開始，正在為健全完善的擇業(yè)價(jià)值觀而進(jìn)行探索。在此過程中，將調(diào)研獲得的數(shù)據(jù)同國外資料對比后，發(fā)現(xiàn)國內(nèi)和國外學(xué)生對于擇業(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)收入并非我國大學(xué)生擇業(yè)標(biāo)準(zhǔn)的首選因素。當(dāng)時(shí)國民漸漸解放了思想，人們也正在經(jīng)歷國內(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。通過調(diào)查發(fā)現(xiàn)在所有的擇業(yè)因素中，興趣愛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，由于對外開放政策的實(shí)施，香港、澳門的相繼回歸，全國各行各業(yè)都在發(fā)生著巨大的改變。國內(nèi)經(jīng)濟(jì)迅速發(fā)展，國內(nèi)生產(chǎn)總值的增長率也一直保持在10%左右。社會(huì)購買力明顯增強(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?！比藗冊跒榱藢?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)局勢驟變，科學(xué)技術(shù)高速發(fā)展，國家也解決農(nóng)村溫飽問題基本實(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)境對于畢業(yè)生擇業(yè)就顯得沒有那么重要。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“管理之父”泰勒曾對薪酬問題進(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，隨著我國經(jīng)濟(jì)高速增長，各產(chǎn)業(yè)快速發(fā)展，人們生活水平發(fā)生巨大改變，國內(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，到后來兩者并重，最后對環(huán)境產(chǎn)生要求。這種不斷變化的因素與我國的政策方針、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，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課題的研究內(nèi)容通常來說，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，對此類問題進(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)查問卷，通過對樣本的分析，分析影響因素、建立數(shù)學(xué)模型、對模型進(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，通過對各個(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，通過查閱大量資料用來分析可能影響大學(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線性回歸簡介回歸模型的建立和使用主要在針對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對其產(chǎn)生影響，如果數(shù)值越低則置信值越大。計(jì)算過程中要求響應(yīng)變量值，當(dāng)?shù)玫巾憫?yīng)則說明回歸方程式成立。在線性回歸模型的建立過程中，實(shí)現(xiàn)過程如圖2-1所示：圖2-1線性回歸模型建立2.2MATLAB簡介MATLAB全稱MatrixLaboratory，也稱為矩陣實(shí)驗(yàn)室，用于專業(yè)高級數(shù)學(xué)計(jì)算，在算法開發(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，在對接許多專業(yè)性較強(qiáng)的設(shè)計(jì)和開發(fā)時(shí)，可以運(yùn)用許多開放的工具箱。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，算法開發(fā)等功能幫助軟件開發(fā)順利完成。MATLAB使用對接計(jì)算機(jī)編程語言，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)品測試，信號處理，自動(dòng)化控制等應(yīng)用，在軍事上被科研所用于軟件開發(fā)，性能檢測以及大量數(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)測經(jīng)濟(jì)走勢和風(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)編程過程中，可以對接C、C++、JAVA等語言和環(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、對接其他語言等功能，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)過檢驗(yàn)和處理后，經(jīng)過多次不顯著刪除后，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)測的效率和準(zhǔn)確性。在引入和檢驗(yàn)過程需要進(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）是對回歸方程所求的數(shù)值中觀測值和估計(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。殘差是用來表示預(yù)測值與觀測值之間的差值，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)算過程中，用δ來表示測定值與回歸方程預(yù)測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，對應(yīng)的標(biāo)準(zhǔn)分均為0所以常數(shù)項(xiàng)就沒有了，標(biāo)準(zhǔn)回歸方程中沒有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)測試為了提高回歸方程運(yùn)用的準(zhǔn)確性，對于樣本的選取很重要，通過更專業(yè)的數(shù)學(xué)運(yùn)算來確定自變量的參數(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，對測試樣本的流程進(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程中的研究數(shù)量過多，調(diào)查過程中不可能包括所有的研究對象，目前主要針對大學(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）簡單隨機(jī)抽樣:最基礎(chǔ)的取樣方法，不對數(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碼以及根據(jù)隨機(jī)數(shù)表的方法完成簡單隨機(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，相對其他抽樣方法更為方便。（3）分層抽樣:區(qū)別于簡單抽樣和等距抽樣，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時(shí)，或者必須進(jìn)行破壞性測量時(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)且容易觀測的過渡性狀，通過對過渡性狀的觀測研究達(dá)到研究目標(biāo)性狀的目的。（6）兩級隨機(jī)抽樣:兩級隨機(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)行兩級劃分，比如一個(gè)是被觀測的，一個(gè)是觀測定義，級分層的兩個(gè)部分具有某種對應(yīng)邏輯聯(lián)系。這種抽樣方法能夠比較系統(tǒng)的對樣本總體進(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。對于有自然分級現(xiàn)象的總體，采用分級隨機(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)生作為此次研究對象，在調(diào)查過程中，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)查問卷1200份，其中本科600份，專科600份?；厥沼行柧?000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%。從不同年級的分布情況來看，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)生來自農(nóng)村，占比38%，其余學(xué)生都來自各個(gè)城市，占比64%，家庭經(jīng)濟(jì)富裕的學(xué)生有85人，占比17%。專科調(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%。從不同年級的分布情況來看，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)生來自農(nóng)村，占比44%，其余學(xué)生都來自各個(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。通過對調(diào)研問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、年級和專業(yè)情況、學(xué)生具體獲獎(jiǎng)情況和英語、計(jì)算機(jī)水平、學(xué)生是否參加社團(tuán)和擔(dān)任的班級干部情況、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問卷調(diào)查就業(yè)薪資期望影響因素設(shè)計(jì)及說明項(xiàng)目解釋變量解釋變量說明基本信息性別男=1女=2就讀年級劃分為大二，大三，大四，3級，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、國賽三，二，一，7級，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，計(jì)0~3分英語水平劃分為無證書，英語四級，英語六級，計(jì)0,2,4分計(jì)算機(jī)水平劃分為無證書，計(jì)算機(jī)一級,計(jì)算機(jī)二級，計(jì)算機(jī)三級，計(jì)算機(jī)四級，計(jì)0~4分交際能力是否擔(dān)任班級職務(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、大二到大四對于畢業(yè)后工資水平的看法。通過在校發(fā)放問卷調(diào)查，發(fā)放問卷，沒有缺省或者無效問卷，經(jīng)過整理收集數(shù)據(jù)，刪除無效數(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x2=Untitled1(:,3);%競賽水平x3=Untitled1(:,4);%獎(jiǎng)學(xué)水平x4=Untitled1(:,5);%英語水平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，所有因素都和薪資期望呈線性關(guān)系，因此針對該問題可以建立多元線性回歸模型來解決。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殘差分析圖通過對殘差圖的分析可得：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象，分析數(shù)據(jù)明確變量屬性。對調(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，對逐步回歸結(jié)果進(jìn)行解釋。

4模型評估與分析4.1降維處理圖4-1模型評估如圖4-1，對回歸模型進(jìn)行評估，對R2和F統(tǒng)計(jì)量進(jìn)行分析，通過對殘差圖的分析，剔除就讀年級、就讀專業(yè)等5個(gè)無法具體量化的定性解釋變量，對其他影響因子通過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競賽獲獎(jiǎng)次數(shù)、英語水平、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、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程中無法具體量化，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)對期望工資造成太大的影響；不同性別會(huì)對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)，與自我評價(jià)系統(tǒng)呈負(fù)相關(guān)；自我評價(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)通過前面的分析過程可以總結(jié)得出該模型使用逐步回歸的方法將對于就業(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，操作簡便。同時(shí)，我們的分析過程任然存在許多不足之處，例如模型的假設(shè)過于理想，為提升模型準(zhǔn)確性，應(yīng)該對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，模型可以決定薪金M的96.46%，F(xiàn)的檢驗(yàn)值為297.403，其對應(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，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殘差分析圖通過對殘差圖的分析可得：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)參加過公益活動(dòng)、家庭月收入、專業(yè)課成績排名。4.4本章小結(jié)本章首先對在回歸分析中無法具體量化的影響因子進(jìn)行分析，對影響因子進(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，繼而對模型做出評價(jià)。

5總結(jié)與展望5.1總結(jié)通過對問卷調(diào)查表設(shè)計(jì)，突出了問卷調(diào)查表的多樣性，通過多方查閱，最大程度確保調(diào)查表的精確性。通過網(wǎng)絡(luò)收集問卷表的途徑對不同年級不同專業(yè)的學(xué)生進(jìn)行調(diào)查結(jié)果收集匯總。首先對于在多元線性回歸過程中無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MATLAB軟件的rcoplot命令進(jìn)行殘差分析并畫出殘差圖，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。對影響因子進(jìn)行降維處理，再對因子相關(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，繼而對模型做出評價(jià)。從多方面為對提高畢業(yè)生就業(yè)質(zhì)量的問題提出應(yīng)對之法，結(jié)合我國的就業(yè)形勢，提出相應(yīng)的對策建議：（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，提升對專業(yè)理論知識(shí)的掌握，從多方面理解、看待問題，結(jié)合社會(huì)需求、專業(yè)水平與興趣愛好，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，在入學(xué)到畢業(yè)的各個(gè)學(xué)期都持續(xù)開展就業(yè)指導(dǎo)課。適時(shí)開展關(guān)于就業(yè)指導(dǎo)的實(shí)踐活動(dòng)，在不斷對就業(yè)形勢的了解過程中，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)，毫無工作經(jīng)驗(yàn)是畢業(yè)生最大的劣勢，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)難的問題，高校必然學(xué)院與企業(yè)之間建立長期和穩(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展望通過這次畢業(yè)設(shè)計(jì)，我深刻認(rèn)識(shí)到遇到問題時(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)葐栴}。這需