摘要
就业是最大的民生。随着全球疫情的持续影响，经济持续低迷，失业率持续走高，就业形势日益严峻，高校毕业生面临着前所未有的就业挑战。就业关乎国家稳定、家庭和谐，对就业的研究有助于国家对就业政策的制定、高校对就业的指导以及学生个人职业生涯规划，为社会稳定和可持续发展提供有力支撑。因此，对于就业的研究以及就业趋势、就业率的预测是十分必要的。 本文针对后疫情时代行业特色型院校大学生就业情况进行分析，探究影响这些高校大学生就业的因素以及当前就业面临的困难，并对未来的就业形势和就业率进行预测。首先，从经济、社会、学校以及行业差异四个方面构建就业影响因素指标体系，并选用“24365国家大学生就业服务平台”发布的职位数据，对当前大学生就业的岗位、薪资以及需求专业等进行分析，同时利用1982-2023年全国应届毕业生人数建立BP神经网络模型对未来3年毕业生人数进行预测，进而对未来就业趋势进行分析。其次，选取110所行业特色型院校2013-2022年的就业率数据，分别建立灰色模型、XGBoost模型、SVR模型、LSTM模型和随机森林回归模型，计算RMSE、MAE和R2等指标对模型的拟合效果进行评估，对比各个模型的拟合效果。 结果表明，疫情和行业类别对就业率有显著的影响。就业趋势方面，疫情导致毕业生更倾向选择行业特色院校的相关专业，以期获得更稳定的工作，根据预测结果，未来毕业生人数增幅逐渐减小，就业压力逐渐减轻;就业率预测方面，XGBoost模型综合考虑了经济、社会、学校和行业等影响因素，在预测就业率方面表现更为有效。通过特征重要性排序，发现疫情、失业保险金领取人数和不同行业的平均薪资是主要影响因素。此外，其他因素包括居民消费水平、不同行业就业人数、本科生毕业生人数也对就业率产生一定影响。
NETL