人才要素回归视角下高校贫困生返乡就业的影响因素研究

程美英, 周建华, 钱 乾

(1.湖州师范学院 商学院, 浙江 湖州313000； 2.湖州师范学院 教师教育学院, 浙江 湖州 313000)

0 引 言

2018年《中共中央国务院实施乡村振兴战略的意见》明确了实施乡村振兴战略的“十二条意见”，“两会”期间，“乡村振兴”再次成为全社会关注的焦点.目前，我国乡村普遍面临着年龄结构老化、知识结构僵化、乡村规划无人实施、项目规划无人引领等困境，建设主体的缺失已成为乡村稳定、脱贫和振兴的第一短板.实施乡村要素中的人才要素回归，全面提升乡村人力资源水平，不仅能满足地方对人才的渴望和需求，更对巩固乡村脱贫成果至关重要[1].国家或地方政府虽出台了诸多鼓励和引导大学生返乡就业的政策，但受传统择业观念的束缚，收效甚微.

目前针对大学生返乡就业的研究成果较多，主要体现在3方面：①返乡就业影响因素研究.文献[2]指出家乡发展前景和对家乡的依恋对是否返乡产生极大影响；文献[3]基于推拉原理，以2003-2013年全国高校毕业生就业调查数据为基础，探讨返乡就业中的性别差异；文献[4]基于实证分析指出地方经济发展水平、家庭人均收入、地理位置及家庭规模直接影响返乡意愿；文献[5]从环境因素、个人因素和风险因素等方面对返乡影响因素进行分析.②研究方法.文献[6]采用问卷调查和深度访谈的方式对农村籍大学生返乡就业意愿进行数据调查，并采用描述性分析、相关性分析、回归分析进行实证研究；文献[7]采用逻辑模型对影响农村生源大学生返乡就业因素进行分析；文献[8]基于结构方程模型探讨大学生返乡创业意愿关键影响因素；文献[9]引入多元回归方法分析家庭资本、社交网络及创业政策对大学生返乡创业绩效的影响.③返乡大学生培育.文献[10]指出鼓励乡村与高校合作，培养生产、技术、管理人才，由乡村承担人才学习资本，这一群体以返回乡村服务作为回报；文献[6]指出高校与地方企业应进行联合订单式培养，根据地方企业岗位需求设置相应专业，最终输出地方企业所需的专门人才；文献[11]以杭州400名电商专业学生为调研对象，指出加强政策支持和前景宣传能够鼓励大学生返乡从事电商工作；文献[12]指出高校可以通过设置创业园形式为返乡学生积累创业经验.

现有成果为大学生返乡研究奠定了基础，但针对高校贫困生这一特殊群体并无专门的深入探讨.由于影响大学生返乡因素可能存在多重共线性，冗余因素的存在不仅导致计算效率低下，还在一定程度上干扰辨识过程，而现有统计学方法在处理高维数据时显得力不从心.本文集问卷调查、二元萤火虫算法、分形技术、支持向量机等自然科学研究手段与人文社科范式于一体，定性与定量分析相结合，量化返乡就业影响因素，挖掘返乡就业的关键制约因素，从而进一步深化人才要素回归研究.

1 高校贫困生返乡就业意愿分析

1.1 研究对象

以我国X高校贫困生为研究对象，对15个专业进行调研，共回收有效问卷456份，其中文科生237人，理科生219人；大一贫困生186人，大二贫困生113人，大三贫困生79人，大四贫困生78人.

1.2 结果分析

1.2.1 高校贫困生对家乡优惠政策的了解程度与返乡就业态度

高校贫困生对家乡返乡就业优惠政策的了解程度与返乡就业态度如表1所示.通过调查发现，高校贫困生对家乡吸引大学生返乡就业优惠政策的了解程度非常低，完全了解和比较了解的占比为0，一般了解和不了解的占比总和为100%.在受访学生中，60.95%的贫困生有返乡工作打算，28.99%的贫困生表示找不到合适的工作再回去，仅有5.33%的贫困生表示不回去.进一步统计分析发现，独生子女与非独生子女贫困生对返乡就业态度有显著性差异(P=0.045<0.05，0.05为置信度水平)，独生子女贫困生更倾向于返回家乡工作.

表1 高校贫困生对家乡优惠政策的了解程度及返乡就业态度Tab.1 Understanding of the preferential policies of the poor college studentsand their attitude towards returning home employment

图1对高校贫困生返乡就业的原因进行了分析，结果发现，便于照顾父母、热爱家乡、生活成本低、环境熟悉、家乡有优惠政策等是高校贫困生返乡就业的主要原因，其他原因还有父母要求、专业对口等.

对样本中不愿意返乡就业的贫困生继续进行分析，发现其不愿返乡就业的主要原因为大城市就业机会多、喜欢大城市的繁华、大城市基础设施好等，如图2所示.

1.2.2 高校贫困生向往的就业单位

由表2可知，在所调研的样本中，向往事业单位的高校贫困生最多，约占39.64%；其次是外资企业、政府机关和国有企业；毕业后打算在合资企业、民营企业及其他单位就业的贫困生占比较少.综合分析发现，在校贫困生毕业后，向往稳定生活(政府机关、事业单位和国有企业)的占69.23%；打算自己创业的仅占0.59%，资金欠缺是制约高校贫困生创业的最大原因.

表2 高校贫困生向往的就业单位Tab.2 Desired work unit after graduation

1.2.3 高校现有专业课、创新创业教育对大学生返乡就业的帮助

对受访的456名贫困生所在高校教育情况进行分析，48.59%的学生认为现有专业课对返乡就业有帮助；持不清楚或没有帮助态度的分别占42.76%、8.65%.具体如表3表示.

表3 所学专业课对返乡就业是否有帮助Tab.3 Whether the major courses helpful for returning home for employment

现有部分高校通过设置创新创业教育讲座或课程，让学生了解最新就业创业形势，知晓就业创业政策，进行人生定位和理性就业创业，进一步引导学生树立正确的就业观和成才观.通过问卷调查发现(表4)，仅有55.29%的学生参加过所在学校的就业创业讲座或课程；41.47%的学生没有参加过；3.24%的学生所在学校没有提供此类课程.

表4 学生参与学校就业创业讲座或相关课程情况Tab.4 Participation in school employment and entrepreneurship lectures or related courses

2 基于BGSO和分形维数的高校贫困生返乡就业关键影响因素的提取与分析

通过调查发现，影响高校贫困生返乡就业的因素呈多样化特征，有效识别返乡就业关键影响因素，剔除冗余因素，可为地方政府鼓励贫困生返乡就业政策的制定提供参考依据.

2.1 BGSO算法简介

li(t)=(1-ρ)·li(t-1)+uJ(xi(t))，

(1)

(2)

(3)

(4)

其中：ρ为荧光素挥发因子；u为动态决策域更新率；nt为邻域集中萤火虫数目阈值；s为移动步长；rs为感知半径.

文献[15]引入式(5)，将萤火虫位置xi转换为0或1，提出二元萤火虫算法(BGSO)，其被广泛应用于二元离散优化问题[16].

(5)

2.2 BGSO结合分形维数求解高校贫困生返乡就业关键影响因素

系统具有分形特征是指系统局部和整体在结构或性质上存在相似性，因而能从多个层面描述数据集的关键特征.挖掘高校贫困生返乡就业关键影响因素的过程实质是一个特征选择过程.本文以BGSO算法为搜索策略，分形维数[17]为属性子集评估度量准则，去除冗余因素，得到高校贫困生返乡就业关键影响因素.

计算数据集分形维数的方法较多，本文采用盒计数法[15]进行计算，如式(6)所示：

(6)

采用一维二值细胞自动机模型[15]对高校贫困生返乡就业关键影响因素的求解过程进行描述,见图3.假设原始数据集返乡就业影响因素个数为L，设一维二值细胞自动机长度为L，图3中一个细胞代表一个返乡影响因素，细胞状态为{0,1}，0表示该因素未被选为关键影响因素；1表示被选为关键影响因素.萤火虫遍历图3后所得0/1序列，即为一个候选贫困生返乡就业关键影响因素.

计算原始数据集分形维数D2，向上取整，得到关键影响因素个数M，计算候选返乡关键影响因素分形维数sub_D2，将D2与sub_D2的差值作为目标函数MFD，记作式(7)：

MFD=|D2-sub_Dim|.

(7)

MFD值越小，说明属性子集越接近原始数据集.算法经过若干次迭代后得全局最优解，即为高校贫困生返乡就业的关键影响因素.

采用BGSO结合分形维数提取高校贫困生返乡就业关键影响因素，基本步骤如下：

Step2: 萤火虫从起始细胞出发，遍历图3，按式(5)将萤火虫位置转换成0/1，得到候选返乡关键影响因素；

Step3: 计算候选返乡关键影响因素分形维数，并按式(7)计算差值；

Step4: 萤火虫按式(1)～式(4)更新荧光素、位置、决策域半径等；

Step5: 循环步骤Step2～Step4，满足循环结束条件，转向步骤Step6；

Step6: 输出高校贫困生返乡就业关键影响因素.

2.3 实验结果分析

2.3.1 数据集说明

数据分析部分选取问卷中指标构建测试数据集，其中影响因素有12个：①父母因素；②生活成本；③生活环境；④家乡优惠政策；⑤专业对口；⑥薪资待遇；⑦归属感；⑧自我价值实现；⑨工作压力； ⑩发展机会；性格兴趣；创新创业课程.数据分析实例数为456个；返乡意愿有2种：有返乡意愿/没有返乡意愿(用1/0表示).

2.3.2 数据预处理

为方便高校贫困生返乡就业关键影响因素的获取，必须对返乡就业影响因素中的定性数据作定量化处理.本文采用模糊隶属度函数量化法.以“照顾父母对返乡影响程度”为例，该指标取值范围为影响非常大、影响较大、影响一般、影响较小、完全没影响，分别用数字5、4、3、2、1表示5种影响程度.这里取偏大型柯西分布和对数函数作为隶属函数，如式(8)所示，其中a、b、c、d为待定常数.

(8)

当影响非常大时，隶属度为1，即f(5)=1；当影响一般时，隶属度为0.8，即f(3)=0.8；当完全没影响时，隶属度为0.01，即f(1)=0.01.将f(5)=1、f(3)=0.8、f(1)=0.01代入式(8)，得a=1.108 6、b=0.894 2、c=0.391 5、d=0.369 9，将a、b、c、d值代入式(8)，求解得出影响较大和影响较小的隶属度.

2.3.3 高校贫困生返乡就业关键影响因素结果分析与验证

采用BGSO算法结合分形维数，得到原始的高校贫困生返乡就业数据集分形维数为3.597.将原始数据集分形维数向上取整，得到高校贫困生返乡就业关键影响因素个数M=4.将BGSO结合分形维数，得出高校贫困生返乡就业关键影响因素为父母因素、生活成本、薪资待遇、发展机会.

为验证采用BGSO结合分形维数所得高校贫困生返乡就业关键影响因素的正确性和有效性，引入台湾学者Chih-Jen Lin提出的Lib-SVM(支持向量机)和10-交叉验证相结合方法，验证返乡就业关键影响因素提取前后数据集分类准确率，这里采用网格搜索法确定SVM中参数c和g.观察关键影响因素提取前后数据集平均分类准确率(单独运行100次分类准确率求平均值结果)和最优分类准确率(单独运行100次最优分类准确率).分类准确率越接近原始数据集，说明提取的关键影响因素是正确有效的.结果如表5所示.

表5 高校贫困生返乡就业关键影响因素提取前后数据集的分类准确率Tab.5 Classification accuracy before and after key influencing factors of poor college students returning home for employment

由表5可知，高校贫困生返乡就业关键影响因素提取前后数据集的平均分类准确率和最优分类准确率与原始数据集基本保持一致，其中，原始数据集的最优分类准确率为83.479%，返乡就业关键影响因素最优分类准确率为83.791%，相比原始数据集，其最优分类准确率提升了0.312%；原始数据集的平均分类准确率为81.273%，关键影响因素平均分类准确率为82.015%，提升了0.742%.这说明采用BGSO结合分形维数提取的高校贫困生返乡就业关键影响因素是正确有效的.经威尔克森显著性检验显示，采用BGSO方法结合分形维数提取返乡就业关键影响因素前后差异显著(P=0.012<0.05，置信度水平为0.05).

2.3.4 与其他方法的研究结果对比

将本文采用的BGSO方法结合分形维数所得高校贫困生返乡就业关键因素与文献[6]采用回归分析所得结果进行对比，结果如表6所示.其中，约简率=(原始返乡影响因素个数-返乡关键影响因素)/原始返乡影响因素个数×100%.采用回归分析方法所得高校贫困生返乡就业关键因素个数为6，分别为父母因素、生活成本、薪资待遇、归属感、自我价值实现和工作压力，约简率为45.45%，低于本文算法的约简率63.64%.同时，文献[6]所得贫困生返乡就业关键影响因素的平均分类准确率和最优分类准确率均低于本文算法.这说明本文方法优于回归分析法，经威尔克森检验差异显著(P=0.045 2<0.05，置信度水平为0.05).

表6 本文方法与文献[6]结果对比分析Tab.6 Comparison results between proposed method and references[6]

3 结论与建议

本文在科学统计我国X高校贫困生对家乡优惠政策的了解程度、返乡就业态度、返乡就业原因、向往工作单位、所学专业课程是否对返乡有帮助的基础上，创新性地采用基于二元萤火虫算法的分形维数属性选择方法，挖掘影响高校贫困生返乡就业的关键影响因素为父母因素、生活成本、薪资待遇、发展机会，有效拓展了现有研究返乡意愿的方法.

引导高校贫困生返乡就业是一项复杂长远的系统工程，各地方政府需要加大地方政策宣传力度，通过亲人亲缘因素吸引贫困生返乡就业，加大对返乡学生的资助力度，提高薪资待遇水平.同时，由于高校现有人才培养模式与乡村发展需求错位，返乡大学生普遍面临就读专业与乡村需求不匹配、难以融入乡村“圈子”、找不准定位、与故乡磨合难等困境，因此深入返乡学生群体和乡村基层，了解其真实需求，创新性地完善高校现有教育培养模式，主动与乡村振兴需求对接，实现高校人才培养模式与乡村发展共“振”，是我们下一步研究急需解决的难题.