1 阅读文献概述 如今，我国高等教育已经进入大众化时代，随着社会竞争激励程度加剧，大学毕业生就业形势日趋严峻。现如今，大多数高校毕业生在追求自我发展空间、适应新的就业机制和社会职业坏境等方面，还存在着知识盲点。而现在社会风气也让大多数高校生一味的向往社会地位高、待遇好的职业，而忽略了对自身的培养。 层次分析法（Analytic Hierarchy Process，AHP）时进行系统分析的数学工具之一，它能够把人的思维层次化、数量化，并用数学方法分析、预报、决策和控制复杂的系统。由于它在处理复杂的决策问题上有很强的实用性和有效性，从而得到广泛的应用。对于高校毕业生择业，是在当前社会经济形势下根据择业者选择以及用人单位要求双方面的因素决定的，而用层次分析法分析两者之间的关系，根据择业者自身对职业的期望和自身能力的水平，在面临的众多职业中做出合理抉择，提高自身求职成功率。 2 课题研究方向的现状与发展趋势 多属性决策是现代决策科学的一个重要组成部分, 它的理论和方法在诸多领域中有着广泛的应用。解决多属性决策问题,一般分为两类，一类是数学模型的方法，另一类是非数学模型的方法。美国著名运筹学家Thomas.L.Saaty 于70年代中期提出层次分析法是一种较好的第二类决策方法。层次分析法( 简记AH P) 是一种定性和定量相结合、系统化、层次化的分析方法。它把复杂的问题分解成各组成因素, 将这些因素以支配关系分组，形成有序的递阶层次结构, 通过两两因素比较判断的方式确定每一层次中因素的相对重要性, 然后在递阶层次结构模型内进行合成以得到决策因素相对于目标的重要性的总排序。胡运权归纳了层次分析法的优点，称其具有较好的系统性、实用性、简洁性。 层次分析法使用的规律主要有以下几个方面： 层次分析法使用的规律主要有以下几个方面：首先，由于人们的主观评价、思维的判断是离不开具体分析和综合归纳，因此层次分析法将事物进行纵向关系的分解、综合与逻辑判断，在同一递阶层次的结构之中，是将人的思维活动条理化，使评价结论更加有效。实际运用中要对下一层各项指标进行具体的分析，判定价值指标的实用性、准确性和外界适应性，归纳并判定是否符合或满足上一层某项指标的要求，然后再类推，直到最高一层指标价值满足环境的需要为止。 其次，对任何一个评价对象，各类模型都必须具有目标层、标准层和方案（指标）层。目标层，是表示要达到的期望目标，居于最高层，其元素不可最多，通常是1～3个。标准层，是放映评价的内容、准则、要素、指标和标准，位于中间层，其评价内容的元素至少有三个：同一层元素依据人的识别判断能力，一般不宜超过9个。这样便于对各层的标准进行分析和把握。方案（指标）层，居最低层，一般包括实施理念、遵循规则、工作时间、完成事项、运行程序、监控规定和质疑事项，及应变措施的价值指标等，个数不限。 再则，评价指标体系的层次结构之间由上至下是属于支配关系，即上层元素支配下层元素。即目标层元素支配着标准层元素，标准层元素支配着方案层元素（措施、条件）。而下层元素大多属于上层某一元素，具有归属关系。明确上下层元素间的关系，便于进行逻辑思维和判断推理的实施。 最后，模型中的元素可是定性的数值，也可是定量的数据。从本质上讲，各层所包含的元素间的关系必须是要充分的、确定的，以便于对复杂的结构特征和多准则的事物进行有效地评价。在建立了层次分析模型后，上下层各元素之间的种属关系也随之被确定下来。鉴于下层元素对上层元素的影响各不相同，即通过对同一层面上的各元素建立矩阵，将各个元素进行两两比较判断，得出相应的标度值，使元素相对特性得以量化；再通过计算判断矩阵的最大特征根和与其对应的特征向量，求得各个准则下各元素的相对权重。为求得递阶结构中每一层面的各元素对应于最高目标层元素的相对权重，由上至下逐层计算，最终得出相对于目标层元素的组合权重，再对判断矩阵进行一致性检验，使构造的判断矩阵满足特征根和特征向量的唯一性条件，目的是确保结论基本合理。可见，层次分析法是贴近统筹评价的数学方法之一。当然，还有待于应用到实际的综合问题中。 3 结论 本论文主要是基于层次分析法对当代大学生就业因素进行分析 首先，通过国内外文献调研，选出影响大学生就业的不同因素指标，作为本论文研究的对象，这些指标应当充分体现影响大学生就业问题的代表性。这些因素从长期来看，对提高大学生就业率的作用应该是稳定性、确定的。 其次，构造判别矩阵。判断矩阵的结构是：先给出递阶层次中的某一层因素如第i层因素以及相邻上一层（i-1层）中的一个因素A的影响程度，将比较的结果以数字的形式写成矩阵，即构成第i层因素相对于因素A的判断矩阵，如设B，B，……B为第i层的因素，A为相邻上一层的第k个因素。任何一个递阶层次结构，均可以建立若干个判断矩阵，判断矩阵数目是该递阶层次结构中，除最低一层以外的所有各层次的因素之和，对于两两比较的结果采用1~9的标度法，选择标度法有以下几个事实和科学依据： （1）在估计事物的区别时，按照人们比较判断习惯的特点，可以用5种判断表示：即同等重要、较重要、重要、很重要、极其重要。当需要更高的精度时，还可以在相邻两个判断之间做出比较，这样正好是9级，因此用9个数字表达人们的比较判断是够用的。 （2）采用1～9标度法的另一个依据与心理学的研究有关。实验心理学表明：普通人在对一组事物的某种属性同时作比较，并使判断基本保持一致时，所能够正确辨别的事物的个数在5～9之间。心理学的这一结论意味着在保持判断具体大体一致性条件下，普通人同时辨别事物的极限个数是9。如果需要用比标度9更大的数，可用层次分析法将因素进一步分解，在比较这些因素之前，先比较这些类，这样就可使所比较的因素间的差别落在1～9标度范围内。判断矩阵最大的特点是：（1）C>0；（2）C=1/ C；显然，判断矩阵是正互反矩阵。 然后，根据判断矩阵求得最大特征值和特征向量。在实际问题中，只要把特征向量规范化，其分量就可作为各个因子对上一层某因素的权值使用，就可以作为各个因子对上一层某元素重要性排序的依据。由于特征向量仅仅是下一层因子对上一层某元素重要性排序的依据，他并不要求有太大的精确性，为了避免求特征向量的繁琐性，常常采用和积法这一计算方法。 最后，对判断矩阵进行一致性检验。但在实际问题中，尽管判断人也想客观公正的找出标度值C，可是对事物的了解程度会影响到评价的准确度，所以要建立一个完全一致性的判断矩阵是一件困难的事，这对于高阶的判断矩阵来说更是如此。所以，要对判断矩阵的一致性进行检验。由于建立判断矩阵的目的是对下一层因素对上一层因素的重要性进行排序，只要能分清下一层各个元素对上一层某因素重要性的次序即可，所以对判断矩阵的一致性要求并不高，只要控制矩阵一致性的误差在人们满意的范围内，这样其最大特征值对应的特征向量才能作为权向量使用，否则，就要对判断矩阵加以修改，使之达到令人满意的要求。 评价一致性的指标是：CI= CI值越大，一致性就越差；一般情况下，只要CI0.1就可以了；当CI=0时，判断矩阵具有完全的一致性。 总之，根据层次分析法解决的多重决策问题是科学，误差在合理范围之内的。对判断矩阵进行一致性检验是证明成对比较矩阵科学合理的原则之一。 |
