8A版影响考研人数的因素分析.docx

1、8A版影响考研人数的因素分析影响考研人数的因素分析摘要随着经济的不断发展，一方面社会对人才的需求日渐提高，另一方面我国的就业形势日趋严峻，这样直接导致越来越多的大学生选择考研，考研人数总的发展趋势是增加的，与此同时近年研究生的就业也存在也日趋严峻的问题，所以系统地研究考研人数及其影响因素是很有必要的本文的主要研究内容就是要通过运用统计预测与决策、数学模型及相关知识来分析影响考研人数变化的部分主要因素，通过这些分析，我们将看到统计预测与决策及数学模型在发展趋势预测类问题研究中的重要作用，并最终建立合理的数学模型来预测分析考研人数发展趋势关键词：统计预测与决策趋势分析干预分析多元回归Analysi

2、sofTheNumberofPostgraduateEntranceEGaminationGePengfeiDirectedbyInstructorJiangShutaoABSTRACTWiththecontinuouseconomicdevelopment,increasingsocialdemandsfortalentsontheonehand,ontheotherhandourcountrysemploymentsituationisgettingworse,whichleddirectlytomoreandmorestudentsarechoosingarticlesbytheeGam

3、inationoveralldevelopmenttrendistheincreaseinthenumber,whileemploymentofthegraduatesinrecentyearsarebecomingincreasinglyseriousproblemsalsoeGist,sosystematicstudyofpostgraduateentranceeGaminationanditsinfluencingfactorsinthenumberisnecessary.Themaincontentofthisarticleistousestatisticalknowledgeabou

4、tmathematicalmodelforforecastinganddecisionmaking,andtoanalysethefactorsaffectingthearticlesbysomeofthemainchangesinthenumber,andthroughtheseanalyses,wewillseethestatisticalandmathematicalmodelforforecastinganddecisionintheimportantroleofdevelopmenttrendinthestudyofsuchproblems,andultimatelytoestabl

5、isharationalanalysisofmathematicalmodelstopredictgraduatepopulationtrends.KEYWORDS：Statisticalforecastinganddecision-makingTrendanalysisInterventionanalysisMultipleregression目录摘要 I英文摘要 II前言 11 知识储备 21.1 统计预测的基础介绍 21.1.1 应用与方法 21.1.2 统计预测的原则和步骤 21.2 应用预测分析方法概述及实施 21.2.1 干预分析模型预测法 21.2.2 多元线性回归预测法 32

6、变量的选取 43 模型的建立 53.1 制作曲线图观查曲线走势 53.1.1 确立初步模型 53.1.2 分离数据，估算参数 63.1.3 计算净化序列建立拟合模型 63.1.4 组建干预模型 73.1.5 预测对比 73.2 多元线性回归预测模型 83.2.1 模型的建立 83.2.2 模型的检验 83.3 模型小结 124 总结和建议 13参考文献 14附 录 15致谢 17前言最近几年考研人数发展总趋势是持续增长的，为何会有这么多的学生选择考研呢？20XX年之前近20年内除了20XX年以外考研报名人数增长率均大于零，20XX年全国硕士研究生招生考试报名人数大约为172万，比20XX年减少

7、4万人；但是其中专业学位硕士报名人数68万人，有所增长比20XX年增加了9万人20XX年全国研究生招生数据调查报告显示，20XX年全国硕士研究生报考热度趋缓，近20年内，考研报名人数继20XX年首次下降之后，20XX年出现第二次下降全国各地考研报名人数均呈现不同程度下降趋势，如北京、河北、湖北分别下降7.6%、3.8%、1.24%随着社会的不断发展，越来越多的大学生不再满足于本科学历，同时还有就业压力的负面影响，对于大学生考研的研究，越来越受学者们的青睐，各类研究方法层出不穷与此同时随着大数据时代的来临，以及电子计算机技术的迅猛发展，统计学的越来越被各类知名学府所重视，统计学被广泛的应用在预测

8、各类问题的发展，发现事物内部各因素之间的关系，本文主要应用了统计学里的统计预测与决策这一工具来分析影响考研人数的因素，进而抓住主要因素，构建合理预测模型，尽量相对准确的预测未来考研人数增长的趋势虽然20XX年考研大军的增速有所减缓，但是考研人数发展的大趋势还是增长的，本文运用所学统计学知识，干预分析就是从定量分析的角度来评估政策干预或突发事件对经济环境和经济过程的具体影响，而多元回归分析就是研究影响因变量的主要因素的一种模型，所以主要是应用了干预分析模型和多元回归分析两种方法排除某些干预因素研究考研人数发展趋势及分析对考研人数增减有影响的部分主要因素，建立考研人数关于失业率，教育经费及大学生基

9、数等等主要因素的回归模型，相对准确的预测考研人数，并找出影响考研人数的最主要因素，最后给出相应的不成熟的针对性的建议，将对小到学校院系合理制定针对本系本科生考研的激励政策，大到国家政府制定科教兴国，解决大学生就业问题等的重大举措，都有一定的参考意义，合理的人才结构是一个社会健康发展所必不可少的条件，考研人数变化的背后，是各种因素影响的结果。我们研究研究生人数发展的主要影响因素，进而检验社会各方面采取合理措施，合理改善这些方面因素的影响，使得研究生人数变动真正成为我国人才结构合理化发展的晴雨表1 知识储备1.1 统计预测的基础介绍预测就是根据过去和现在的数据来估计未来，预测未来统计预测归属于预测

10、方法研究范畴，即怎样利用科学的统计学方法对事物的未来发展进行定量推测11.1.1 应用与方法在市场经济条件下，预测的作用通常是经由各个企业或行业内部的行动计划和决策来实现的;统计预测作用的大小主要是由预测结果所产生的效用的多少决定的统计预测方法可归纳分为定性预测方法和定量预测方法两类，其中定量预测法又可大致分为回归预测法和时间序列预测法;按预测时间长短，分为近期预测、短期预测、中期预测和长期预测2本文主要应用的方法是定量预测法，其中主要运用了多元线性回归预测法和干预分析模型预测法1.1.2 统计预测的原则和步骤原则：连贯原则，指事物的发展是按一定规律进行的，在其发展过程中，这种规律贯彻始终，不

11、应受到破坏，它的未来发展与其过去和现在的发展没有什么根本的不同;类推原则，指事物必须有某种结构，其升降起伏变动不是杂乱无章的，而是有章可循的,事物变动的这种结构性可用数学方法加以模拟，根据所测定的模型，类比现在，预测未来3步骤：第一步：确定预测目标，第二步：搜索审核资料，第三步：选择预测模型和方法，第四步：分析预测误差，改进预测模型，第五步：提出预测报告1.2 应用预测分析方法概述及实施定量预测法注重于事物发展在数量方面的分析，重视对事物发展变化的程度做数量变化的描述，更多地依据历史统计资料，较少受主观因素的影响4本文主要运用干预分析模型预测法、多元线性回归预测法1.2.1 干预分析模型预测法

12、干预的含义：时间序列经常会受到某些特殊事件及态势的影响，称这类外部事件为干预研究干预分析的目的是从定量分析的角度来评估政策干预或突发事件对经济环境和经济过程的具体影响利用干预影响发生前的已知数据，建立一个单变量的时间序列模型，然后利用该模型进行外推预测，求得新的预测值，作为不受干预影响的具体数值，最后用实际值减去预测值，得到的是受干预影响的具体结果，利用这些结果就可以求估干预模型的各个参数一是：利用干预影响产生前的数据，建立单变量的时间序列模型然后利用此模型进行外推预测，得到的预测值，作为不受干预影响的数值二是：将实际值减去预测值，得到受干预影响的具体结果，利用这些结果估算干预影响的参数三是：

13、利用排除干预影响后的全部数据，识别与估计出一个单变量的时间序列模型最后：求出总的干预分析模型1.2.2 多元线性回归预测法社会经济现象的发展变化往往会受到多个因素的影响，因此，一般要进行多元回归分析，我们把包括两个或两个以上自变量的回归分析称为多元回归分析多元回归与一元回归类似，一般运用最小二乘法估计模型参数，最后需要对模型及模型参数进行统计检验（1） 二元线性回归模型（以二元线性回归模型为例）类比使用最小二乘法的方法对参数进行估计（2） 拟合优度指标检验标准误差：对y值与模型估计值之间的离差的一种度量其计算公式为：（3） 可决系数的计算及检测可决系数公式：表示回归模型不能对因变量y的变差做出

14、任何解释；表示回归模型对因变量y的全部变差做出解释（4） 置信范围的计算置信区间的计算公式为：置信区间=其中是自由度为的统计量数值表中的数值，是观察值的个数，是包括因变量在内的变量的个数（5） 自相关和多重共线性问题自相关检验：多元线性回归模型的基本假设之一就是模型的随机干扰项相互独立即不相关，实际问题中的自相关往往是由于：变量固有惯性、模型设定偏误、数据的“编造”等原因，如果存在自相关会对参数的估计产生许多不良后果，主要运用D-W检验法检验D-W值的计算其中：多重共线性检验：模型中的各个自变量所提供的是各个不同因素的信息，并且回归分析的基本假定里，假定各自变量同其他自变量之间是显著无关的，但

15、是，实际上两个自变量之间可能存在相关关系，这种关系会导致建立错误的回归模型以及得出使人误解的结论为了避免这个问题，有必要对自变量之间相关与否进行检验5任何两个自变量之间的相关系数为：经验法则认为，两个自变量的相关系数的绝对值小于0.75或者0.5,表示这两个自变量之间不存在多重共线性问题如果某两个自变量之间存在高度相关的关系，就有必要把模型中的其中一个自变量删去2 变量的选取影响考研人数的定量因素有很多例如：应届本科毕业生人数、就业情况、GDP、招生人数、教育投入、在校学习成绩等等，考虑到数据的可获性及对考研人数影响的重要性，选取影响考研人数变动的的几个主要定量因素如下：失业率代表就业情况；普通本科生毕业数代表研究生人数的基数；教育经费代表国家对大学生考研的助力；研究生招生人数代表社会和国家对研究生的需求量3 模型的建立3.1 制作曲线图观查曲线走势运用spss软件制作考研人数随时间变化的时间序列线性图3-1图3-1由曲线走势图3-1看出20XX年和20XX年数据走势和大体走势明显有差异，绝对数也验证了这一点20XX年和20XX年是近20年内仅有的两次人数下降，由于20XX年后的数据缺失本文以20XX年为例运用干预分析模型进