2018 亚太数学建模大赛B题解题思路

首先说明，本人不参赛。不出售论文，也不以任何形式参与任何商业活动。请不要以任何形式私聊我，这会给我造成困扰。我之所以写这篇博客，仅仅是因为参加了太多的数学建模比赛，知道没有思路的痛苦而已，所以相以学长的身份给参赛者一点思路上的帮助。实在有什么问题可以给我留评论，我会尽快回答。如果这对你有一定的帮助，点赞本文章就可以啦，谢谢。

希望大家都能取得好的成绩，但是反过来说，数学建模重在参与，每次经历痛苦无论结果如何，都是对自身思想和能力的一次磨练，希望好好把握这次机会。

问题一，需要进行建模和分析，三个分析目标：就业需求、期望职业、期望教育

首先是描述性分析与数据可视化，比如不同职位（不同职位的教育需求）需求的环比增长，同期占比。此处原始数据有点小问题。大部分数据缺失第一列数据的sector。这个需要等通知了。
其实是建模分析，题目中明确给出了要建模分析，所以最好还是进行建模分析，在不会的情况下可以考虑只做第一项。关于期望职业和期望教育有点很难翻译出中文里到底要问什么。所有具体做法还得容我想想。

相关论文的话，可以参考知网上的-人才需求模型，有关论文。

问题二，根据给出的数据与未来大学生就业情况-预测-和-分析-未来三年的人才增长情况

要点一：根据给出数据与额外数据，也就是说未来大学生的毕业情况是必须自己找到的，并做相应分析

要点二：预测，数学建模常用手段灰色预测与灰色关联分析。也可以考虑使用时间序列解决该问题，如ARMA模型，对于数学建模而言首先要证明模型的可行性，并作相应处理，ARMA需要先符合一定的假设检验，如需使用请先做好本处。

问题三：尝试推断行政措施，可能的地区区域，经济地位。运用问题二数据与结论，对其高新技术产业发展进行实证研究。

要点一：推断行政措施等，既然写明了要推断，那就需要进行相关推断。主要下手方式可以是职位需求比例，大抵可以推断出，该地区行业发展情况和产业布局等。往年数据变化对政策导向推断比较有用。

要点二，是高新技术发展，有两点一是和 大学生毕业情况结合，考虑就业大学生数量与行业发展岗位增长之间的关系。解决就业问题是政策出台的一个重要指标。二是根据刚刚推断出的本地情况做一定补充。

要点三，注意关键词实证研究，可以看看(百度百科-实证研究)[https://baike.baidu.com/item/实证研究/10351840?fr=aladdin]

问题四：建模并量化分析其他就业现象。

要点一：建模和量化需要数据，这里需要其他就业意向的数据

要点二：得到数据后可以就数据建立线性回归或者逻辑回归模型（根据获取的数据，可能需要etl，自己定吧）。然后对不同属性的边际效应和odds进行分析。模型建立前要做好模型假设的假设检验。注意逻辑回归和线性回归的边际效益计算方式不同，要注意一下。可以参考一下我的一篇博客(人才吸引力模型研究)[https://blog.csdn.net/FontThrone/article/details/80412491]，，过程设计是类似的都是统计上常用的回归分析，不过要注意我当时一不小心把边际效应算错了。不过没什么大碍，其他的假设检验最好都做做，但是作为一个小题，仅仅做到我之前论文里的应该也足够了。

要点三：政策问题，这个按照模型分析结果给出即可，上面的论文中也有类似的建议，合情合理即可

问题五：给学校的信

本题为之前得出结论的一次总结，按照问题描述的几个方面写出总结即可。

其他内容

数据缺失问题–>数据缺失的话，实在找不到最简单的方法还是做统计描述，或者尝试从其他论文得到灵感。从其他论文得到灵感可能是指获得数据或者结论，或者其他。这是最常见的解决方式，但是也是迫不得已的解决方案。

一篇比较好的论文,这篇论文对人才市场的现状分析，结构预测，总量预测都有比较详细的内容，有关代码可以通过MATLAB，lingo，或者python中的statsmodels，sklearn等实现–>人才市场需求预测模型的研究和应用

另外一篇比较有意思的论文是基于创意人才需求偏好的激励模型研究，文如其名，可是在政策那一个部分使用该模型，相比于回归分析，这个肯定是更贴近题目的解法，当然两者同时进行，也就是都写也是可行的。如果时间充足的话，可以使用该部分在第五题单独建模。效果要好于仅仅在第五题总结前面的结果。