首先說明，本人不參賽。不出售論文，也不以任何形式參與任何商業活動。請不要以任何形式私聊我，這會給我造成困擾。我之所以寫這篇博客，僅僅是因為參加了太多的數學建模比賽，知道沒有思路的痛苦而已，所以相以學長的身份給參賽者一點思路上的幫助。實在有什么問題可以給我留評論，我會盡快回答。如果這對你有一定的幫助，點贊本文章就可以啦，謝謝。

希望大家都能取得好的成績，但是反過來說，數學建模重在參與，每次經歷痛苦無論結果如何，都是對自身思想和能力的一次磨練，希望好好把握這次機會。

問題一，需要進行建模和分析，三個分析目標：就業需求、期望職業、期望教育

首先是描述性分析與數據可視化，比如不同職位（不同職位的教育需求）需求的環比增長，同期占比。此處原始數據有點小問題。大部分數據缺失第一列數據的sector。這個需要等通知了。
其實是建模分析，題目中明確給出了要建模分析，所以最好還是進行建模分析，在不會的情況下可以考慮只做第一項。關于期望職業和期望教育有點很難翻譯出中文里到底要問什么。所有具體做法還得容我想想。

相關論文的話，可以參考知網上的-人才需求模型，有關論文。

問題二，根據給出的數據與未來大學生就業情況-預測-和-分析-未來三年的人才增長情況

要點一：根據給出數據與額外數據，也就是說未來大學生的畢業情況是必須自己找到的，并做相應分析

要點二：預測，數學建模常用手段灰色預測與灰色關聯分析。也可以考慮使用時間序列解決該問題，如ARMA模型，對于數學建模而言首先要證明模型的可行性，并作相應處理，ARMA需要先符合一定的假設檢驗，如需使用請先做好本處。

問題三：嘗試推斷行政措施，可能的地區區域，經濟地位。運用問題二數據與結論，對其高新技術產業發展進行實證研究。

要點一：推斷行政措施等，既然寫明了要推斷，那就需要進行相關推斷。主要下手方式可以是職位需求比例，大抵可以推斷出，該地區行業發展情況和產業布局等。往年數據變化對政策導向推斷比較有用。

要點二，是高新技術發展，有兩點一是和 大學生畢業情況結合，考慮就業大學生數量與行業發展崗位增長之間的關系。解決就業問題是政策出臺的一個重要指標。二是根據剛剛推斷出的本地情況做一定補充。

要點三，注意關鍵詞實證研究，可以看看(百度百科-實證研究)[https://baike.baidu.com/item/實證研究/10351840?fr=aladdin]

問題四：建模并量化分析其他就業現象。

要點一：建模和量化需要數據，這里需要其他就業意向的數據

要點二：得到數據后可以就數據建立線性回歸或者邏輯回歸模型（根據獲取的數據，可能需要etl，自己定吧）。然后對不同屬性的邊際效應和odds進行分析。模型建立前要做好模型假設的假設檢驗。注意邏輯回歸和線性回歸的邊際效益計算方式不同，要注意一下。可以參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]，，過程設計是類似的都是統計上常用的回歸分析，不過要注意我當時一不小心把邊際效應算錯了。不過沒什么大礙，其他的假設檢驗最好都做做，但是作為一個小題，僅僅做到我之前論文里的應該也足夠了。

要點三：政策問題，這個按照模型分析結果給出即可，上面的論文中也有類似的建議，合情合理即可

問題五：給學校的信

本題為之前得出結論的一次總結，按照問題描述的幾個方面寫出總結即可。

其他內容

數據缺失問題–>數據缺失的話，實在找不到最簡單的方法還是做統計描述，或者嘗試從其他論文得到靈感。從其他論文得到靈感可能是指獲得數據或者結論，或者其他。這是最常見的解決方式，但是也是迫不得已的解決方案。

一篇比較好的論文,這篇論文對人才市場的現狀分析，結構預測，總量預測都有比較詳細的內容，有關代碼可以通過MATLAB，lingo，或者python中的statsmodels，sklearn等實現–>人才市場需求預測模型的研究和應用

另外一篇比較有意思的論文是基于創意人才需求偏好的激勵模型研究，文如其名，可是在政策那一個部分使用該模型，相比于回歸分析，這個肯定是更貼近題目的解法，當然兩者同時進行，也就是都寫也是可行的。如果時間充足的話，可以使用該部分在第五題單獨建模。效果要好于僅僅在第五題總結前面的結果。

總結

以上是生活随笔為你收集整理的2018 亚太数学建模大赛B题解题思路的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。