职业生涯路径分析与网络结构粒子群优化器：方法与应用

### 职业生涯路径分析与网络结构粒子群优化器：方法与应用 #### 职业生涯路径分析 在分析职业生涯路径时，传统的聚类方法存在一些局限性。目前常用的两种聚类方法，一种是通过因子分析将分类变量转化为连续变量，再应用基于欧几里得距离的聚类算法；另一种是计算数据的适配距离，然后使用层次树和基于距离矩阵的邻近准则进行聚类。但前者对数据的线性假设较强，后者不适用于大数据集，且难以展示和可视化结果。 为解决这些问题，提出了一种两步法来聚类职业生涯路径： 1. **计算职业生涯路径之间的相异矩阵** 2. **训练用于相异矩阵的自组织映射** ##### 方法步骤 - **步骤1：选择合适的距离（最优匹配）** - 以往研究常采用多重对应分析将分类变量转化为连续变量，以便使用基于欧几里得距离的聚类算法，但该方法假设数据是线性的，存在局限性。 - 最优匹配（也称为“编辑距离”或“莱文斯坦距离”）是一种更合适的方法。它通过插入、删除和替换三种操作将一个序列转换为另一个序列，并计算最小操作次数对应的成本作为两个序列之间的距离。 - 在“Generation 98”数据集中，所有职业生涯路径长度相同，只需计算替换成本。替换成本根据状态之间的转移矩阵计算，公式为：$w (a_i, a_j) = 2 - P (a_i|a_j) - P (a_j|a_i)$。 - **步骤2：用于分类数据的自组织映射** - 传统的“最优匹配 - 聚类”方法在展示和可视化结果方面存在限制。自组织映射（Kohonen算法）是一种聚类算法和非线性投影方法，它将输入数据投影到一个网格上，具有拓扑保持性，能保留路径之间的邻近关系。 - 对于职业生涯路径数据，使用了一种通用的自组织映射算法。该算法不考虑数据的初始结构，仅以相异矩阵为输入。算法步骤如下： 1. 随机选择输入数据中的原型。 2. 重复以下步骤直到分区稳定： - **分配步骤**：通过最小化类内方差准则，将每个输入分配到最接近的原型类中，此时原型固定。 - **表示步骤**：确定新的分区后，通过最小化相同准则计算新的原型。 ##### 实际数据应用 使用法国CEREQ的“Generation 98”调查数据进行验证。该数据集包含16040名1998年毕业的年轻人在毕业后94个月的劳动力市场状态信息，分为九类：“永久劳动合同”、“固定期限合同”、“学徒合同”、“公共临时劳动合同”、“随叫随到合同”、“失业”、“非活跃”、“服兵役”、“教育”。 通过初步分析发现： - 永久劳动合同在一年后占所有状态的比例超过20%，三年后达到50%，七年后接近75%。 - 固定期限合同在劳动力市场一年后的比例超过20%，三年后降至15%，最终趋于8%。 - 约30%的年轻毕业生在一年后失业，四年后该比例稳定在10%。 考虑到永久合同的高比例和吸收性，将分析重点放在两年内未进入“永久合同”状态的职业生涯路径上，数据集减少到11777个输入。 分析步骤如下： 1. 计算转移矩阵和相关的替换成本矩阵。 2. 使用最优匹配和步骤1中的替换成本矩阵计算相异矩阵。 3. 根据步骤2中的相异矩阵，使用自组织映射算法对职业生涯路径进行聚类。 计算得到的成本矩阵如下： ```plaintext C = ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 0 1.968 1.976 1.989 1.977 1.973 1.975 1.985 1.987 1.968 0 1.991 1.994 1.978 1.927 1.957 1.979 1.976 1.976 1.991 0 1.999 1.994 1.980 1.989 1.998 1.997 1.989 1.994 1.999 0 1.998 1.984 1.993 1.998 1.997 1.977 1.978 1.994 1.998 0 1.951 1.973 1.979 1.988 1.973 1.927 1.980 1.984 1.951 0 1.954 1.971 1.966 1.975 1.957 1.989 1.993 1.973 1.954 0 1.977 1.947 1.985 1.979 1.998 1.998 1.979 1.971 1.977 0 1.996 1.987 1.976 1.997 1.997 1.988 1.966 ```