基于效率分析的大学生自主择业策略研究
姚道洪a，陈 峰a，刘宗庆b，吕晓萌c，刘本龙d
(青岛理工大学 a.基础部；b学生工作处；c.管理工程系；d.机电工程系，临沂 273400)
摘 要 ：在大学生自主择业过程中，提高就业成功率和满意率的技术匮乏成为迫切需要解决的问题.利用企业投入产出数据，通过数据包络分析的3个模型测量企业的综合效率、技术效率和规模效率，同时做超效率分析和冗余分析，从效率的角度评价用人单位运营情况，为自主择业提供依据.实证分析表明，在指导择业问题上，效率分析能发挥重要作用.
关键词 ：自主择业；数据包络分析；择业策略；效率分析
2015年高校毕业生人数是749万，2016年达到765万，2017年3月1日国务院新闻办公室发布消息，当年将达到795万，就业形势“比较复杂、非常艰巨”[1].大学生就业难易主要表现在2个方面：就业率和就业满意率的高低[2].只重视提高就业率不重视提高就业满意率，会导致就业质量差，带来很多社会问题，比如失业率的增加，有不少大学生刚刚就业就失业，这一定程度上也影响了我国经济、文化“又好又快”发展.为此，如何提高就业满意率就成为高校学生工作者和社会关注的热门课题.根据对调查问卷的分析，有效提高就业满意率有2个渠道：一是对招聘单位的了解要深刻充分；二是让学生掌握一种招聘单位间选优的技术策略.
针对大学生就业指导的研究非常多，以“大学生就业指导”为关键词在CNKI数据库搜索，就找到近57万条文献.文献[3]就“扩大就业战略背景下我国大学生就业质量问题”和“新生代大学生员工离职行为影响机制与路径选择”展开研究，呼吁企业、高校和社会关注大学生就业质量问题.文献[4]通过对大学生择业观的调查，提出一些择业对策，先是对学生做就业方面的心理辅导，再从高校和社会的层面提出一些建议.文献[5]运用市场营销的4P理论指导大学生就业，主张打造有竞争力的“产品”，制定合理的就业“价格”，选择合适的“地点”，实施有效的“促销”策略.文献[6]从大学生“自主择业”到“自主创业”谈就业对策，以此分流就业大军.文献[7]研究了创业园区、创业项目孵化基地的工作开展，力求在大学生毕业和就业之间走出一条“绿色通道”.然而，借助一些理论技术指导大学生就业的文献还是很少，本文立足大学生择业策略问题，利用数据包络分析展开研究.
数据包络分析(Data Envelopment Analysis, DEA)是运筹学、管理科学和数理经济学中新的研究理论，能借助投入产出指标分析决策单元的相对效率[8]，通过对综合效率、技术效率和规模效率的测量来反映数据中存在的经济现象和经济规律，常常用来对企业做效益评估和技术优化.DEA的应用非常广泛，在交通、教育、建筑等领域[9-11]都发挥着重要作用，是主要的效率评价技术手段.
湖北农村饮水安全长效机制建设的实践和思考…………………………………………… 陈楚珍，廖霞林(19.51)
本文介绍了3个DEA模型的基本概念、原理和模型以及最优解的解释，通过实证分析讨论了青岛理工大学临沂校区土木工程专业毕业生择业策略.
1 效率的测量模型
minθ
DEA模型中对比投入、产出指标的要求有：指标要满足问题研究的需要，无关和次要指标要排除掉；不要求指标间不存在相关性，即便是有共线性也不影响分析结果，但在系统指标数量较多情况下，可以优先考虑排除掉高相关的指标；指标的量纲可以不同，不影响做效率分析；一般地，所研究DMU数量是固定的，投入指标数量m 和产出指标数量q 通常满足下面关系[13]：
中国改革开放40年，探索、奋斗、取胜的经历令人无比感慨。从“真理标准大讨论”到思想解放一步步深化；从“农村大包干”到城乡大变革；从“一位老人在祖国的南海边画了一个圈”，深圳特区应运而生，到上海浦东新区的崛起，又到“千年大计”雄安新区的起步、海南全岛建设自由贸易试验区等等，中国的面貌发生了天翻地覆的巨变。“创新、协调、绿色、开放、共享”5大发展理念逐步深入人心。各行各业的广大干部群众，在改革开放中学习，在改革开放中奋斗，在改革开放中进步，在改革开放中奉献，在改革开放中享受。
max{mq ,3(m +q )}≤n
(1)
CCR模型是DEA模型中基于规模收益不变(CRS)的模型，得出的技术效率包含了规模效率(SE)的成分，为此也称为综合技术效率(GE).根据所研究问题的不同可以分为投入导向的CCR模型和产出导向的CCR模型2种，本文只关注不减少产出情况下，从投入角度测量各DMU效率，只介绍投入导向的CCR模型.在产出既定的条件下，如果以各项投入等比例增长的程度来做效率测量，就可通过投入导向的CCR模型做效率分析.
本文假设：在有n 个DMU的评价系统中，DMUj (j =1,2,…,n )是第j 个决策单元，系统的投入和产出指标分别有m 个和q 个，第i 个投入指标向量为x i (i =1,2,…,m )，投入的权重为v i (i =1,2,…,m )，第r 个产出指标向量为y r (r =1,2,…,q )，产出的权重为u r (r =1,2,…,q ).
徐培均先生的《李清照集笺注》，收录了李清照的诗16首、词53首、文10篇。这本书选用的是罕见的明汲古阁未刻词本作底本，辅以清汪玢辑、清沈瑾手抄本等相互参校，颇具校勘价值。着实钦佩徐培均先生克服千难，埋首纸堆，不遗余力地寻求易安词的“沧海遗珠”，给了我等全面了解易安的机会。
1.1 CCR模型
式中：n 为DMU数量.
“哎哟——”恭建兵痛得大叫，猴子一样在人群里上窜下跳，左冲右躲，大叫着，“你怎么不扎陈山利，就欺负我！吃柿子拣软的捏。”
投入导向的CCR模型对偶式为
通过本文的论述，对不同氧化程度氧化石墨烯制备及湿敏性能通过实验的手段进行了相关研究，文中对样品的制备手段有详细的描述，同时通过图表的形式对样品测试结果进行展示，通过这样的方式得出实验结果，希望能为未来氧化石墨烯作为湿敏元件的发展做出一定贡献。
规模收益可变的VRS超效率模型是在CRS超效率模型的基础上增加了约束
模型为
(2)
式中：λ j (j =1，2，…,n )为DMU的投入、产出指标的权重系数；θ *为效率值，θ *∈(0,1]，是模型的最优解，反映决策单元相对效率大小.θ *<1时，投入指标值可缩减的幅度大，DMU各项投入还有等比例下降的空间，处于技术无效率状态；θ *=1时，DMU位于前沿面上，各项投入没有等比例下降的空间，处于技术有效状态[14].
近年来随着教育理念的发展以及社会对人才“质”需求的不断提升，对学生体育学科教学的内容有了进一步丰富和优化的需要。根据新课改的要求，学校在开展体育学科教学活动时必须摒弃传统的“照本宣科”或“操场放羊”。在新时代背景下小学体育学科教学发展的方向主要表现为：学校必须重新审视在小学体育学科教学发展上的态度，在教师层面主要表现为创新教学方法、注重理论与实践教学的平衡性、将育体与育心进行结合，培养学生长期进行体育锻炼的意识与行为技能。为此，在实践上需要从强化体育学科教学中的师生互动、强化体育学科教学的课内外结合力度、注重教学方式方法的优化等方面进行创新推动。
在式(2)中加入松驰因子，模型可变为
minθ
(3)
这时模型的最优解为
当θ *=1且s *-=0、s *+=0时，决策单元DEA有效，决策单元的生产活动既技术有效又规模有效；当θ *=1但至少s *-、s *+中有1个大于0时，此时决策单元弱DEA有效，决策单元的生产活动不是同时技术有效和规模有效；当θ *<1时，决策单元不是DEA有效，决策单元的生产活动既不是技术有效也不是规模有效.通过
可以判断决策单元的规模收益(RTS)情况：若存在
则DMU为规模收益不变，也称为规模有效；若不存在且
则DMU为规模收益递增，加大投入时产出量将会增大，而且增大的“速度”也是增加的；若不存在且
则DMU为规模收益递减，增加投入时产出量虽然增加，但增加的“速度”是递减的[14].
1.2 BCC模型
BCC模型是DEA模型中基于规模收益可变(VRS)的模型，得出的技术效率排除了规模的影响，也称为纯技术效率(PTE).同样根据所研究问题的不同，BCC模型可以分为投入导向的BCC模型和产出导向的BCC模型2种，这里也只介绍投入导向的BCC模型.投入导向BCC模型是在相应投入导向CCR对偶模型的基础上增加了约束条件
作用是使投影点的生产规模与被评价DMU的生产规模处于同一水平.
超效率模型是DEA模型的扩展模型.在做模型结果分析的时候常出现多个DMU同时有效的情况，传统的DEA模型无法对有效的DMU进一步作出评价，这时在CCR模型和BCC模型的基础上做改进，这就是超效率模型.在对第i 个DMUi 做比较时，将第i 个DMUi 排除在限制条件之外，以比较出有效DMU相对有效性的大小.规模收益不变的CRS超效率模型为
minθ
(4)
上述BCC模型的对偶规划式为
(5)
1.3 超效率模型
投入导向的BCC模型为
minθ
(6)
minθ
1978年，CHARNES等创立了数据包络分析(DEA)理论，DEA的第一个模型被称为CCR模型[12].1984年, BANKER等提出了估计规模效率的DEA 模型——BCC 模型[13].DEA将效率的测度对象称为决策单元(DMU)，可测量的投入、产出的执行单位(或个人)之间要有可比性.DEA模型在求效率值的过程中不需要估计任何参数值，属非参数方法，各投入、产出指标的权重无需通过专家研讨求得，避免了主观意识的干扰.
高台县位于河西走廊中部，海拨1 260 m，年日照3 088 h，年平均气温7.8～8℃，年均降水量105.9 mm、蒸发量2 000 mm左右，无霜期150 d左右。冬季寒冷、干燥，夏季干热，春季多风，属大陆沙漠干旱型气候。
(7)
通过超效率模型结果的分析，可以判断1个DEA有效的DMU在投入减少或产出增加时仍然有效，还可以求得减少或增加的百分比.
1.4 综合效率、技术效率和规模效率间的关系
在CCR模型中，投入导向和产出导向得出的效率值相等.在BCC模型中，投入导向和产出导向效率值并不相等.在生产技术规模收益可变时，采用CCR模型得出的效率值并非纯技术效率(PTE)，还包含规模效率(SE)的成分，故而也称其为综合效率(GE).采用BCC模型求得的效率值为纯技术效率，可以通过计算CCR效率值和BCC效率值分离出规模效率值(SE)，计算方法是SE=GE/PTE.
纯技术效率也称为技术效率，是企业由管理和技术等因素影响的生产效率。技术效率给出的是企业与其效率参照企业相比，对所有投入综合利用的有效程度，数据包络分析能给出每一种投入的利用效率，给管理阶层提供提高效率的最佳途径[14].规模效率是由企业规模因素影响的生产效率.
2 指标与数据
2.1 指标的确定
(3)该种原料适合生产粒度不大于2.8 μm、松装密度不大于1.0 g/cm3的韩国喜新钼粉，但是一次过筛率则较低。
本文选用的输入指标为投入资产和从业人数，产出指标为利税总额.投入资产指固定资产、流动资产、机械资产和工地房屋折合资产等，能反映企业的资金实力和承揽规模.从业人数是择业大学生特别关注的指标，包括办公室人员、项目经理、工地工人和后勤等人数的总和.利税总额能反映企业盈利水平，利税高的企业每年承揽项目多、利润多，能反映企业福利待遇水平，还能反映企业发展前景.虽然工资水平也是学生们关注的指标，但获取数据难且不准确，受地域的影响浮动大，不将其列为指标.
投入、产出指标的选择对研究后续问题起到重要作用，通常要考虑以下方面：首先，指标数据要准确, 容易获得；其次，要满足了解企业经济运行状况的需要，重点关注的指标要包含其中；再次，指标尽量全面，尽量不成相关关系，在数量上与决策单元数量间要满足式(1)的要求；最后，如果指标数量特别多，难以取舍，可以利用统计方法选择，如因子分析法等.
表1 各建筑公司投入产出数据
2.2 数据的采集
本文以2016年青岛理工大学土木工程专业大学毕业生自主择业策略问题为研究对象，所取决策单元为就业招聘会上的10家有代表性的建筑公司，在此特隐去各公司的名称，分别用D1—D10代替.2个投入指标和1个产出指标的数据可以从招聘简章或咨询获取.具体数据见表1.
3 模型计算结果及分析
根据研究问题的需要选择输入导向的CCR模型和BCC模型，即规模收益不变的CRS模型和规模收益可变的VRS模型，以及相应的超效率模型，借助于 EMS1.3.0 软件和MaxDEA 6.9 做模型分析，计算结果如表2和表3所示.表2中，综合效率GE是求解式(2)得到的θ 的最优解θ *；纯技术效率PTE是求解式(4)得到的θ 的最优解θ *； GSE和TSE分别是超效率分析中的综合效率和技术效率；RTS是求解式(3)所得规模收益。
表2 输入导向的DEA效率计算结果
3.1 综合效率测算结果与分析
由表2中综合效率GE值看，决策单元间差别较大，各单位效率差异明显.综合效率平均值为 0.6733，能反映整个建筑行业综合效率水平.10个企业可分成3类：第1类，不论是综合效率还是技术效率均不等于1，是DEA无效的，分别是D1、D3、D4、D7、D8、D9、D10，在同样产出的情况下，投入量可按幅度减少，各项效率会得到提高；第2类，技术有效但规模无效，D6 是这种情况，说明它们能在前沿面上找到有效点，为了提高综合效率需要改善资源利用方式；第3类，相对于其他几个决策单元是DEA有效的，分别是D2、D5，说明相应企业运营情况处于最佳状态，所有的投入要素得到了充分地利用，不存在资源浪费的现象.特别需要注意的是D8，综合效率和技术效率都不高，但规模效率是1，说明综合效率不高完全是由于技术效率不高造成的.
3.2 规模收益测算结果与分析
从规模收益RTS情况看，由表2可知：D2、D5、D8规模收益不变，如果投入指标能同比例增加，会导致产出同比例增加；D3、D6、D7、D9、D10规模效益递增，产出增加的比例大于投入增加的比例，在利用当时技术的水平下可以扩大生产规模，加大资金投入和人员投入有利于提高产出；D1、D4规模效益递减，在利用当时技术的水平下其生产规模过大，即便是增加了资金投入和从业人员数量也不会带来产出的增加，反而会造成资源浪费，资源转化率低.
规模效益不变和规模效益递增的企业是很好的择业单位，如果企业资金情况充裕，再增加人员投入定会获得更高的产出.特别是规模效益递增的企业，对人才的需求很迫切.规模效益递减的企业招聘意图应该是优化人力资源结构，提高员工“质量”，而非追求人力规模，近期内企业会将精力放在人力资源调整和投入资金运作上.
第二种是知识积累效应。加快创新速度会提高团队知识积累的速度，从而带来知识积累的规模经济效应，不断完善最终产品，更好地满足顾客需求。创新速度的提升意味着企业拥有更多的知识积累，可大大增强企业的研发能力。
3.3 超效率测算结果与分析
由表2中超效率分析的综合效率GSE和技术效率TSE看，针对招聘单位D5，在规模收益不变时，增加投入不超过3.85%不会改变其DEA有效性；在规模收益可变时，D5增加投入不超过57.6%也不会改变其DEA有效性，相比其他企业运营状况良好.针对D2，规模收益不变假设下，为保持DEA有效已经没有投入的增加空间；规模收益可变假设下，为保持DEA 有效尚有5%的投入增加空间.
3.4 指标冗余测算结果与分析
为方便对招聘单位投入指标做细致的分析，将模型(3)的最优解求出，各指标冗余情况如表3所示，其中有“目标值=原始值+径向改进值+松驰变量改进值”，从业人数的计算数据已经全部取整，从中可以挖掘出决策单元调整的方向及大小.
表3 指标冗余分析
冗余率按“冗余率=(原始-目标)/原始”计算.从冗余率上看，D10的投入资产冗余最多，达到 69.17%；D7的从业人数投入冗余最多，达到 68.75%，说明企业在管理、经营上存在很大的问题，没有做到物尽其用、人尽其才，其原因还需要深入了解，全面掌握.人员大量冗余的企业招聘动机可能是调整人才结构，吸纳高层次人才.D5这样的规模有效的企业不存在冗余现象，当然这是相对的.以 D6为例，产出为180万元固定的情况下，投入资产从 2000万元调整到1800万元，从业人数从200人调整到121人，D6将会达到 DEA有效的状态.
10个招聘单位多数效率不高，这与企业实力、管理策略、经营模式分不开，同时也与从业人员水平、素质有很大关系，多数有冗余和冗余量大说明了这一点.相信通过效率比较分析，应聘学生会对招聘单位有更全面的了解，结合自身情况应该可以找到相对满意的工作.
4 结论
本文基于数据包络分析理论，通过决策单元投入、产出指标数据，测算了各企业相对综合效率、技术效率、规模效率、规模收益以及指标冗余.根据测算结果分析各招聘单位的资产投入、从业人数和利税总额反映的企业经营、管理状况.效率分析为大学毕业生深入把握招聘单位状况，进而自主择业提供了决策依据.借助于数据包络分析模型研究大学生自主择业策略，这与其他现有方法相比，技术新颖，测算结果客观，把握企业状况准确，也为大学毕业生成功就业并提高就业满意度提供了很大帮助.
在知识经济时代，社会需要一批既懂专业知识又能将理论快速运用到实际操作中的人才。因此，在《商品学》课程的授课过程中，一方面要让学生掌握必要的商品学基础理论与方法，奠定必要的商品知识；另一方面将理论与实践相联系，增强学生的商品品种和质量意识，提高学生在实际工作和生活中的能力。但是，在现在的教学中，许多高校仅侧重于理论教学，实践教学尚未开展或重视不足，导致《商品学》教学效果不理想。本文将实践教学与理论教学方法分别运用于两个不同的班级，通过定量分析方法探讨两种教学方法对教学效果的不同影响。
参考文献 ：
[1] 王继禹，闫明.当前大学生就业形势分析与对策研究[J].现代经济信息，2016(14)：15.
[2] 俊标.2016年大学生就业现状调查报告[EB/OL].(2016-07-13)[2017-02-15].http://bg.yjbys.com/diaochabaogao/36176.html.
[3] 王霆，张婷.扩大就业战略背景下我国大学生就业质量问题研究[J].中国高教研究，2014(2)：26-30.
[4] 薛淑芳.大学生择业观调查及对策研究[D].郑州：河南大学，2008.
[5] 刘礼明.基于4P营销理论的大学生就业策略研究[J].教育发展研究，2007(5)：70-73.
[6] 刘静.从“自主择业”到“自主创业”：大学生就业问题及其对策研究[J].商，2014(12)：279.
[7] 颜娟.高职学生创业项目孵化的现实困境与引导策略[J].科学大众(科学教育)，2016(11)：145,192.
[8] 魏权龄.数据包络分析(DEA)[J].科学通报，2000(17)：1793-1808.
[9] 马占新.一种用于区域公路交通网络综合评价的方法研究[J].数学的实践与认识，2005(5)：23-31.
[10] 牛泽民，罗开平，张宁.数据包络分析在高等教育绩效测评中的应用研究综述[J].数学的实践与认识，2013(22)：38-48.
[11] 双晴，袁永博，双凯.基于改进数据包络分析的建设工程评标模型[J].数学的实践与认识，2012(8)：9-15.
[12] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2：429-444.
[13] BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30(9)：1078-1092.
[14] 成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2015.
Research on college students 'self -employment strategy based on efficiency analysis
YAO Dao-honga, CHEN Fenga, LIU Zong-qingb, LÜ Xiao-mengc, LIU Ben-longd
(a.Foundamental Department; b.Department of Student Affairs; c.Department of Management Engineering;d.Department of Technical and Electrical Engineering, Qingdao University of Technology, Linyi 273400, China)
Abstract : In the process of college students' self-employment, the lack of technology to improve the success rate and satisfaction rate of employment was an urgent problem to be solved.Using the input and output data of enterprise unit, this paper measures the global efficiency, technical efficiency and scale efficiency of enterprise units with the help of three models of data envelopment analysis, and analyzes the super efficiency and redundancy, evaluate the operation of the employer from the perspective of efficiency, as provides the basis for self-employment.It is proved that the efficiency analysis plays an important role in solving the employment problem.
Key words : self employment; data envelopment analysis; job search strategy; efficiency analysis
中图分类号 ：F224.9
文献标志码： A
文章编号： 1673-4602(2019)01-0122-07
收稿日期 ：2018-01-03
基金项目 ：青岛理工大学教育教学研究基金重点资助项目(Z2017-3)
作者简介 ：姚道洪(1976- ), 男, 山东临沂人.硕士, 讲师, 主要从事数学建模, 计算机技术与应用研究.E-mail: yaosy@163.com.
(英文校审 王振国)
标签：自主择业论文; 数据包络分析论文; 择业策略论文; 效率分析论文; 青岛理工大学基础部论文; 青岛理工大学学生工作处论文; 青岛理工大学管理工程系论文; 青岛理工大学机电工程系论文;