http://www.docin.com/p-792664618.html
人才吸引力评价模型研究
摘要
人才的吸引，是一个城市发展的重要步骤。为了保持良好的创造力和城市的活力，必须调整城市的各个方面来提高人才吸引力进而引入大批优秀人才，形成良好的循环。影响一个城市人才吸引力的因素很多，每个城市或地区相应的条件存在差异，量化地分析各个因素对人才吸引力水平影响的大小，提出针对性建议，是我们要研究的方向。
对于问题一：考虑到影响深圳人才吸引力的各个因素：发展前景、收入、治安、交通、污染、教育、医疗、购物……我们采用层次分析法，根据相关数据，建立一个深圳人才吸引力的数学模型，可以量化得到各个因素对深圳市人才吸引力水平的影响
对于问题二：通过对不同城市的具体情况的分析，以及每个城市对人才吸引方面的侧重，采用熵值法，客观评价各个城市的人才吸引水准，给出各个城市人才吸引的优势与不足。
对于问题三：人才在各个方面的额考虑是不尽相同的，在人才发展前期，经济水准更能吸引到人才，而对于发展后期的人才来说，更注重的是对于医疗与社会保障等方面的注重，所以通过对深圳市与南山区的经济状况与社会保障等各方面的比较来具体给出深圳市与南山区人才吸引的水准。
关键词： 量化、层次分析法、Matlab、Excell、熵值法
一、 问题重述
1.1背景资料与条件
信息化新时代下，世界各国和全国各地都在争相吸引人才，特别是高科技型人才，是信息化时代城市发展进步的主力军，一个城市要想在百家争鸣的时代下脱颖而出，就必须要不留余地的吸引人才。2018年深圳市将重点改革营商市场环境，以吸引更多的人才。吸引人才最主要的是满足人才的需求，一个地区的发展前景，薪资水准，各方面的环境因素，都在考虑之内。
一个城市的发展不仅要现在好，以后更要好，要想人才进入城市，就意味着他放弃了之前的发展，如果人才进入某一行业后很快衰落，此时迁移成本远远高于收入，这样肯定是不能吸引到人才的。是在城市昂首前进的同时，人才自身的薪资一定要赶上城市发展的脚步，如果在城市中人才付出得到的收益远远小于自身生活的开销，那人才为什么来呢？一个城市中的教育，医疗，治安，交通，污染，购物等等都是需要切实考虑的。
一个城市能否吸引到人才，基本上就是在以上各个方面能否满足人才的需求。本题需要做的就是收集相关的数据，建立数学模型，来评价深圳市以及南山区的人才吸引水平，并就深圳与其同类城市的人才吸引水平做出比较，客观描述深圳市的优势与不足。
问题1：
收集相关数据，对深圳市的人才吸引水平做出量化评价，并评价深圳“加大营商环境改革力度若干措施”对人才吸引力水平的影响。
问题2：
针对具体人才类别，深入分析比较深圳市与其他同类城市在人才吸引力上的优势与不足，并给出有效提升人才吸引力的可行方案。
问题3：
针对深圳南山区的经济技术发展特点和相关人才政策，考虑人才在各个发展阶段的动态需求，量化地对深圳南山区人才吸引力水平作出评价。
二、 模型假设
1.人才在选择城市时具体深刻了解其发展环境，收入水平，社会保障政策以及自身所必须的所有需求
2.人才在选择发展城市时不受外界因素影响，完全独立自主。
3.青年人才选择方向先后考虑内容都相同。
1.
三、 符号说明
最大特征值
P 最大特征值对应的特征向量
CI 一致性指标
RI 随机一致性指标
CR 一致性比率
W 权重
2.
四、 模型的建立与求解
5.1问题一
5.1.1深圳市人才吸引力评价模型指标的确定
人才吸引力评价A |
一级指标 |
二级指标 |
评价及其解释 |
发展前景B1 |
C11 |
近两年深圳市GDP综合增长率 |
|
C12 |
在岗职工近两年平均工资增长率 |
||
C13 |
人均收入 |
||
环境状况B2 |
C21 |
污染情况 |
|
C22 |
住房情况 |
||
C23 |
医疗设施 |
||
C24 |
交通道路 |
||
C25 |
交通车辆 |
||
C26 |
空气质量 |
||
C27 |
水源质量 |
||
教育培训机会B3 |
C31 |
城市绿化 |
|
C32 |
教育投资 |
||
C33 |
高等院校 |
||
政策激励保障B4 |
C41 |
营造更加开放的贸易投资环境 |
|
C42 |
营造综合成本适宜的产业发展环境 |
||
C43 |
营造更具吸引力的人才发展环境 |
||
C44 |
营造更加透明的政务环境 |
||
C45 |
营造公平的法制环境 |
||
C46 |
营造更加美丽宜居住的绿色发展环境 |
||
社会保障管理B5 |
C51 |
社会保险覆盖率 |
|
C52 |
社会安全程度 |
||
C53 |
社会安保程度 |
||
C54 |
福利待遇 |
5.1.2问题分析
问题一主要通过分析城市发展前景、城市GDP、人均收入、环境以及加大营商环境改革力度若干措施等主要影响因素来量化评价深圳市人才吸引力。由于考虑到量化指标较多，为简化问题可对其采用层次分析法，得出人才吸引力水平
层次分析法：
层次分析法是美国运筹学家匹茨堡大学教授Saaty于本世纪70年代初提出的一种层次权重决策分析方法。。层次分析法是在对复杂决策问题进行深入分析后，构建层次模型，合理地将定性于定量的决策结合起来按照思维、心理的规律把决策过程层次化、数量化，是一种为解决多准则、多目标复杂决策问题的定性和定量相结合的、系统化的、层次化的分析方法。层次分析法强调决策过程中人性思维判断的作用，因此，在运用其进行决策的过程中起主导作用的是定性因素。
层次分析法步骤：
分析系统中各个因素的关系，建立系统的递阶层次结构。
构造两两判别矩阵(正互反矩阵)，对同一层的各元素关于上一层中某一准则的重要性进行两两比较，心理学家认为成对比较的因素不宜超过9个，用1-3,1-5，…1-17,d+0.1-d+0.9(d=1,2,3,4)等27中比较尺度对若干实例构造成对比较矩阵，算出权重向量，与实际对比发现，1-9尺度较优。因此，如果有x个需要比较的因素，则需要作x(x-1)/2次的成对比较。成对比较的结果值一般取1,2，…，8,9等，各个数字的含义见下表。
重要尺度 |
含义 |
1 |
同等重要 |
3 |
稍重要 |
5 |
相当重要 |
7 |
非常重要 |
9 |
极端重要 |
2,4,6,8 |
在上述等级之间的的情况 |
以上步骤可得到各层的成对比较矩阵，由此可以计算各层因素的权重
各层因素权重的计算，最后运用加权积分可计算出最底层对总目标的总权重。各层权重的计算方法一般选用的是乘积方根法(几何平均值法)
设m阶判断矩阵为
先按行将各元素连乘并开m次方，即求各元素的几何平均值：
再把 归一化，可求得指标 的权重系数：
针对构造判断矩阵时造成的不一致性，需要进行一致性检验。一般采用一致性比率指标CR进行检验。公式为：
式中， 为一致性指标，m为次层次中评价指标的个数，RI为平均随机一致性指标。对m=1,2，…，9，Saaty等人给出了RI的值，具体如下表：
M |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
RI |
0 |
0 |
0.58 |
0.9 |
1.12 |
1.24 |
1.32 |
1.41 |
1.45 |
1.49 |
1.51 |
经过近似计算得到一致性指标中的最大特征根 ，公式如下
其中，AW表示判断矩阵A与权重向量W相乘后得到的新向量，(AW)i为AW的第i个元素，Wi为权重向量的第i个元素
当CR<0.1时，认定矩阵的不一致程度是可以接受的，可以通过一致性检验，否则，认为不一致性太严重，不能通过检验，需调整或重新构造判断矩阵。
当得到各层指标相应权重后，可以根据底层的指标值按所得权重加权，得到上一层的指标值，以此方法类推，得到最后的目标值，从而进行评价。
5.1.3模型建立
1.建立人才吸引力评价的层次结构模型
该模型最高一层设计为目标层A：人才吸引力评价。
第二层为其评价的一级指标：包含5层指标；
B1:发展前景
B2:环境状况
B3:教育培训机会
B4:政策激励保障
B5:社会保障管理
第二层：
C11：深圳市GDP综合增长率
C12：近两年平均工资增长率
C13：人均收入
C21：污染情况
C22：住房情况
C23：医疗设施
C24：交通道路
C25：交通车辆
C26：空气质量
C27：水源质量
C31：城市绿化
C32：教育投资
C33：高等院校
C41：投资环境
C42：产业发展环境
C43：人才发展环境
C44：政务环境
C45：公平的法制环境
C46：工作与发展环境
C51：社会保险覆盖率
C52：社会安全程度
C53：社会安保程度
C54：福利待遇
层次分析因子关系图：
构造判别矩阵
第一层目标层对第二层的比较判别矩阵为
A-Bi |
B1 |
B2 |
B3 |
B4 |
B5 |
B1 |
1 |
1/2 |
2 |
3 |
2 |
B2 |
2 |
1 |
7 |
5 |
5 |
B3 |
1/2 |
1/7 |
1 |
1/2 |
1/3 |
B4 |
1/3 |
1/5 |
2 |
1 |
1 |
B5 |
1/2 |
1/5 |
3 |
1 |
1 |
以 为比较准则， 层次各元素两两比较为 - ;类似的，以 为比较准则， 层次各元素的两两比较判断矩阵为 - .可得到2个矩阵.
对准则B1：
B1-C1i |
C11 |
C12 |
C13 |
C11 |
1 |
2 |
1/3 |
C12 |
1/2 |
1 |
1/4 |
C13 |
3 |
4 |
1 |
对准则B2：
B2-C2i |
C21 |
C22 |
C23 |
C24 |
C25 |
C26 |
C27 |
C21 |
1 |
1 |
3 |
3 |
5 |
4 |
3 |
C22 |
1 |
1 |
3 |
3 |
1/5 |
1/4 |
1/3 |
C23 |
1/3 |
1 |
1 |
1 |
2 |
1 |
1 |
C24 |
1/3 |
1/3 |
1 |
1 |
2 |
1 |
1 |
C25 |
1/5 |
1/5 |
1/2 |
1/2 |
1 |
2 |
3 |
C26 |
1/4 |
1/4 |
1 |
1 |
1/2 |
1 |
2 |
C27 |
1/5 |
1/5 |
1/2 |
1/2 |
1/3 |
1/2 |
1 |
对准则B3:
B3-C3i |
C31 |
C32 |
C33 |
C31 |
1 |
1/3 |
1/2 |
C32 |
3 |
1 |
2 |
C33 |
2 |
1/2 |
1 |
对准则B4：
B4-C4i |
C41 |
C42 |
C43 |
C44 |
C45 |
C46 |
C41 |
1 |
1/5 |
1/7 |
1/2 |
1/3 |
1/2 |
C42 |
5 |
1 |
1 |
2 |
2 |
3 |
C43 |
7 |
1 |
1 |
3 |
2 |
3 |
C44 |
2 |
1/5 |
1/3 |
1 |
1 |
1 |
C45 |
3 |
1/2 |
1/2 |
1 |
1 |
1 |
C46 |
2 |
1/2 |
1/3 |
1 |
1/2 |
1 |
对准则B4：
B5-C5i |
C51 |
C52 |
C53 |
C54 |
C51 |
1 |
1.0/2 |
1.0/5 |
1.0/3 |
C52 |
2 |
1 |
1.0/2 |
1 |
C53 |
5 |
2 |
1 |
2 |
C54 |
3 |
1 |
1.0/2 |
1 |
5.1.4模型求解
（1）将判断矩阵的列向量归一化： ；
（2）将 按行得： = ；
（3）将 归一化后，得排序向量 ；
（4） ；
（5）求一致性指标CI= .
5.1.5各指标权重的确定
人才吸引力
A-Bi |
B1 |
B2 |
B3 |
B4 |
B5 |
W |
B1 |
1 |
1/2 |
2 |
3 |
2 |
0.219318 |
B2 |
2 |
1 |
7 |
5 |
5 |
0.494603 |
B3 |
1/2 |
1/7 |
1 |
1/2 |
1/3 |
0.063181 |
B4 |
1/3 |
1/5 |
2 |
1 |
1 |
0.102431 |
B5 |
1/2 |
1/5 |
3 |
1 |
1 |
0.120467 |
= 5.1579 CI= 0.035253 CR= 0.039483<0.1
RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.541.56 1.58 1.59];
城市发展前景
B1-C1i |
C11 |
C12 |
C13 |
W |
C11 |
1 |
2 |
1/3 |
0.216808 |
C12 |
1/2 |
1 |
1/4 |
0.132767 |
C13 |
3 |
4 |
1 |
0.650424 |
= 5.072 CI = 0.018 CR = 0.018<0.1
RI=[0 00.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
环境状况
B2-C2i |
C21 |
C22 |
C23 |
C24 |
C25 |
C26 |
C27 |
W |
C21 |
1 |
1 |
1 |
1 |
1 |
1 |
3 |
0.321165 |
C22 |
1 |
1 |
3 |
3 |
1/5 |
1/4 |
1/3 |
0.107055 |
C23 |
1/3 |
1 |
1 |
1 |
2 |
1 |
1 |
0.107055 |
C24 |
1/3 |
1/3 |
1 |
1 |
2 |
1 |
1 |
0.107055 |
C25 |
1/5 |
1/5 |
1/2 |
1/2 |
1 |
2 |
3 |
0.14364 |
C26 |
1/4 |
1/4 |
1 |
1 |
1/2 |
1 |
2 |
0.131115 |
C27 |
1/5 |
1/5 |
1/2 |
1/2 |
1/3 |
1/2 |
1 |
0.082925 |
= 6.79 CI = 0.035 CR = 0.0265 <0.1
RI=[0 00.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
教育培训机会
B3-C3i |
C31 |
C32 |
C33 |
W |
C31 |
1 |
1/3 |
1/2 |
0.183534 |
C32 |
3 |
1 |
1 |
0.449489 |
C33 |
2 |
1/2 |
1 |
0.367006 |
= 3.009 CI = 0.0046 CR = 0.008 <0.1
RI=[0 00.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
政策激励保障
B4-C4i |
C41 |
C42 |
C43 |
C44 |
C45 |
C46 |
W |
C41 |
1 |
1/5 |
1/7 |
1/2 |
1/3 |
1/2 |
0.051527 |
C42 |
5 |
1 |
1 |
2 |
2 |
3 |
0.282223 |
C43 |
7 |
1 |
1 |
3 |
2 |
3 |
0.33393 |
C44 |
2 |
1/5 |
1/3 |
1 |
1 |
1 |
0.103053 |
C45 |
3 |
1/2 |
1/2 |
1 |
1 |
1 |
0.126214 |
C46 |
2 |
1/2 |
1/3 |
1 |
1/2 |
1 |
0.103053 |
= 5.886 CI = 0.0229 CR = 0.0184 <0.1
RI=[0 00.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
社会保障管理
B5-C5i |
C51 |
C52 |
C53 |
C54 |
W |
C51 |
1 |
1/2 |
1/5 |
1/3 |
0.08385 |
C52 |
2 |
1 |
1/2 |
1 |
0.20538 |
C53 |
5 |
2 |
1 |
2 |
0.45924 |
C54 |
3 |
1 |
1/2 |
1 |
0.25154 |
= 4.016 CI = 0.0052 CR = 0.0057 <0.1
RI=[0 00.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
5.1.6问题一的层次总排序
层次总排序的一致性检验：
故层次总排序的一致性成立
5.1.7：结果分析
上述矩阵都可以在通过一致性检验，矩阵的不一致程度都可以接受，深圳市的人才吸引有着很高的水平，特别是深圳“加大营商环境改革力度若干措施”发布之后，深圳市在投资贸易，住房保障，医疗社保，创新创业，政务公平，环境改革等得到重大改进，深圳市对于人才吸引的程度提高到一个新的高度
5.2不同城市科技型人才吸引力评价模型研究
5.2.1不同城市科技型人才吸引力评价体系的确定
我国地区科技人才吸引力测评指标体系与评估指标体系同属于统计指标体系，它们的设计应当遵循指标体系设计的基本内容和原则·但是，在科技人才吸引力研究中两者又具有不同点。
首先，在科技人才吸引力研究中，科技人才吸引力评价指标体系主要用来定性的描述我国不同地区科技人才吸引力；科技人才吸引力测评指标体系主要用来定量的衡量我国不同地区科技人才吸引力水平。
其次，作为统计指标体系中的基本统计指标体系，科技人才吸引力评价指标体系研究影响地区科技人才吸引力的各个组成部分的情况，其指标体系设计的侧重点在于反映影响地区科技人才吸引力水平的各个方面，指标要求详细而全面，指标数量较多：而地区科技人才吸引力测评指标体系设计的侧重点在于评价的可行性与及时性，指标要求少而精。
因此，测评指标的筛选应遵循综合性的原则，既要考虑测评指标设置的全面性原赃又要考虑到各项原则的特殊性及差异性，以求真实准确地评测我国不同地区科技人才吸引力水平。
根据数据简单实用及可得性原则，本文以地区科技人才吸引力评价指标体系为基础，在保证能够基本反映地区科技人才吸引力影响因素的前提下，运用频度统计及理论分析相结合的方法，确定了我国不同地区科技人才吸引力测评指标体系， 4个一级指标、14个二级指标
总目标 |
一级指标 |
二级指标 |
评价指标解释 |
科技型人才吸引力评价模型构建M |
经济发展水平X1 |
人均GDPy11 |
人均GDP |
经济增长率y12 |
GDP增长率 |
||
经济结构y13 |
第二、第三产业产业比重 |
||
自然和生活环境状况X2 |
环境建设y21 |
每万人公共绿地拥有面积 |
|
污染控制y22 |
工业废水排放达标率 |
||
生活水平y23 |
城镇居民家庭可支配收入 |
||
居住y24 |
商品房平均销售价格 |
||
人口和社会保障环境X3 |
人口质量y31 |
大专以上学历人口比例 |
|
人口分布结构y32 |
城市人口比重 |
||
失业保险y33 |
失业保险参与率 |
||
城镇医疗保险y34 |
城镇医疗保险参与率 |
||
科技发展环境X4 |
科技支出比重y41 |
内部支出占生产总值的比重 |
|
人才队伍y42 |
人员全时当量 |
||
科技支持力度y43 |
科技领域财政支出比重 |
5.2.1问题分析
针对具体人才类型需要我们自己定义：如学术型、技术型、科技型本题分析深圳、杭州、苏州、广州、厦门等城市科技型人才吸引力评价模型的研究。由于指标较其复杂，我们采用层次分析法将其客观量化
5.2.2科技型人才吸引力测评模型的构建
目前，多指标综合评价法主要有神经网络方法、灰色关联分析法、熵值法、主成分分析法、层次分析法、德尔菲法等。由于地区科技人才吸引力评价涉及众
多因素，基于评价结果准确性的考虑，本文采用主客观评价相结合的多种评价方法，构建了联合测评模型。
（1）.建立不同城市科技型人才吸引力评价的层次结构模型
该模型最高一层设计为目标层M：科技型人才吸引力评价。
第二层为其评价的一级指标：包含4层指标；
X1:经济发展水平
X2:自然和生活环境状况
X3:人口和社会保障环境
X4:科技发展环境
第二层：
y11：人均GDP
y12：经济增长率
y13：经济结构
y21：环境建设
y22：污染控制
y23：生活水平
y24：居住
y31：人口质量
y32：人口分布结构
y33：失业保险
y34：城镇医疗保险
y41：科技支出比重
y42：人才队伍
y43：科技支持力度
层次分析因子关系图：
构造比较判别矩阵
对准则M:
M-Xi |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
X1 |
1 |
2 |
3 |
5 |
4 |
2 |
X2 |
1/2 |
1 |
2 |
3 |
2 |
1 |
X3 |
1/3 |
1/5 |
1 |
2 |
1 |
1 |
X4 |
1/5 |
1/9 |
1/2 |
1 |
1 |
1/2 |
X5 |
1/4 |
1/7 |
1 |
2 |
1 |
1/2 |
X6 |
1/2 |
1/5 |
2 |
1/2 |
2 |
1 |
对准则X1：
X1-y1i |
y11 |
y12 |
y13 |
y11 |
1 |
1/2 |
3 |
y12 |
2 |
1 |
1/2 |
y13 |
1/3 |
1/7 |
1 |
对准则X2：
X2-y2i |
y21 |
y22 |
y23 |
y24 |
y21 |
1 |
1 |
1/2 |
1/3 |
y22 |
1 |
1 |
1/2 |
1/3 |
y23 |
2 |
2 |
1 |
1 |
y24 |
3 |
3 |
2 |
1 |
对准则X3：
X3-y3i |
y31 |
y32 |
y33 |
y34 |
y31 |
1 |
1 |
1/3 |
1/4 |
y32 |
1 |
1 |
1/3 |
1/4 |
y33 |
3 |
3 |
1 |
1 |
y34 |
4 |
4 |
1 |
1 |
对准则X4：
X4-y4i |
y41 |
y42 |
y43 |
y41 |
1 |
2 |
1/2 |
y42 |
1/2 |
1 |
1 |
y43 |
2 |
1 |
1 |
（1）、分析法简介
算法简介
熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。设有 个待评方案， 项评价指标，形成原始指标数据矩阵 ，对于某项指标 ，指标值 的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性就越大，熵也越大.根据熵的特性，我们可以通过计算熵值来判断一个方案的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大！因此，可根据各项指标的变异程度，利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据！
算法实现过程
数据矩阵
其中 为第 个方案第 个指标的数值
数据的非负数化处理
由于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值，因此不存在量纲的影响，不需要进行标准化处理，若数据中有负数，就需要对数据进行非负化处理！此外，为了避免求熵值时对数的无意义，需要进行数据平移：
对于越大越好的指标：
对于越小越好的指标：
为了方便起见，仍记非负化处理后的数据为
计算第 项指标下第 个方案占该指标的比重
计算第 项指标的熵值
计算第 项指标的差异系数。
对于第 项指标，指标值 的差异越大，对方案评价的作用越大，熵值就越小
， 则： 越大指标越重要
求权数
计算各方案的综合得分
（3）、联合测评模型构建
熵值法依据数据的差异性大小来确定指标权重，避免了评价结果的主观性，有较强的数学理论依据，但是灵活性较差；层次分析法强调决策过程中人性思维判断的作用，是一种主观评价方法，集简洁性、实用性、系统性于一体。但是，由定性化为定量，结果较粗糙。同时，主观因素作用大，结果可能难以服人。
综上所述，以上两种评价方法各有优劣，仅采用一种评价方法进行测评肯定会影响到测评结果的准确性。本文根据熵值法、层次分析法两种评价方法的特点，配合Kendall一致性检验，最终确立了联合测评模型。将两种评价方法充分结合，利用两种方法的优点并有效弥补各自的不足采用主客观分析方法相鲒合的思路得到综合测评结果，保证了结果的准确性及科学性
5.2.3基于联合测评模型下深圳等五个城市科技型人才吸引力测评
（1）、数据采集及处理
原始数据来源于2015-2017《中国统计年鉴》、2 015-2017年《中国科技统计年鉴》、2015-2017年《中国劳动统计年鉴》、2015-2017年《中国人口和就业统计年鉴》以及相关省市统计年鉴公开的统计数据和资料，经过相应计算得到指标值，保证了指标值的客观性和准确性。
（2）数据预处理
数据预处理又可称为数据标准化，主要作用如下：
无量纲化：不同指标数据会有不同的单位，即量纲，使指标间存在不可公度性，从而影响评价的准确性。因此需要采取数学变化来消除原始指标量纲的影响，仅用指标数值的大小来反映指标的优劣。
效益型指标和成本型指标是评价指标数据值的两种基本类型。效益型指标是指数据值越大越好的指标，成本型指标是指数据值越小越好的指标。不同类型的指标值放在同一评价指标体系内不便于通过最后评价数值来反应评价对象的优劣，故需要对数据进行规范化处理。
归一化：归一化是指把需要处理的数据经过相关算法处理后，限制所需要的一定范围内，以便于数据处理的方便。不同指标的数据值的大小不同，指标数据单位也不同，因此》为加强数据可比性，需要将指标数据值统一变换到[0，1] 区间内．
论文采用线性变换法对指标数据进行标准化处理。
设‰为标准化后的指标，若向量指标j为效益型指标，则：
（式4．23） max(ag)-min(ay)
若向量指标j为成本型指标，则：
采用上述变换方法进行数据标准化处理后，所得数据最小为0，最大为1
（3）、基于熵值法法得出的结果
按照熵值法的计算步骤，应用数学软件matIab计算出各年各指标的熵与权重如表4．5所示，熵值法测评结果如表4．6所示
2015年各指标所对应的权重如下表
指标 |
Y11 |
Y12 |
Y13 |
Y21 |
Y22 |
Y23 |
Y24 |
权重 |
0.046428 |
0.0546 |
0.0195 |
0.0597 |
0.0345 |
0.0522 |
0.0390 |
熵值 |
0.86742 |
0.8437 |
0.94399 |
0.82895 |
0.90104 |
0.85043 |
0.9405 |
指标 |
Y31 |
Y32 |
Y33 |
Y34 |
Y41 |
Y42 |
Y43 |
权重 |
0.04262 |
0.07448 |
0.04262 |
0.03002 |
0.05459 |
0.03602 |
0.04009 |
熵值 |
0.87638 |
0.89131 |
0.42398 |
0.84193 |
0.68996 |
0.88923 |
0.90413 |
2016年各指标所对应的权重如下表
指标 |
Y11 |
Y12 |
Y13 |
Y21 |
Y22 |
Y23 |
Y24 |
权重 |
0.05091 |
0.03768 |
0.02125 |
0.06005 |
0.03269 |
0.05508 |
0.02628 |
熵值 |
0.87143 |
0.90485 |
0.94633 |
0.84836 |
0.91907 |
0.86091 |
0.93302 |
指标 |
Y31 |
Y32 |
Y33 |
Y34 |
Y41 |
Y42 |
Y43 |
权重 |
0.026149 |
0.02614 |
0.05611 |
0.02862 |
0.0521 |
0.0388 |
0.0498 |
熵值 |
0.93399 |
0.87346 |
0.87368 |
0.92769 |
0.86823 |
0.90184 |
0.87417 |
2017年各指标所对应的权重如下表
指标 |
Y11 |
Y12 |
Y13 |
Y21 |
Y22 |
Y23 |
Y24 |
权重 |
0.0481 |
0.05720 |
0.02104 |
0.04346 |
0.05607 |
0.05248 |
0.01883 |
熵值 |
0.87572 |
0.85223 |
0.94563 |
0.88773 |
0.95133 |
0.052481 |
0.95134 |
指标 |
Y31 |
Y32 |
Y33 |
Y34 |
Y41 |
Y42 |
Y43 |
权重 |
0.02188 |
0.01883 |
0.04826 |
0.02731 |
0.04097 |
0.03821 |
0.05289 |
熵值 |
0.94347 |
0.83343 |
0.87132 |
0.92944 |
0.89416 |
0.90128 |
0.90049 |
通过三年数据采取简单加权平均分析，可以发现X57（技术市场占GDP的比重）、X40（科技事业财政支出比重）、X41（大专以上学历人口比例）、X2（GDP增长率）这四个权重较大为0.1136，说明该指标上五个城市的差异度最大，其次是X40（科技事业财政支出比重），权重为0.065，说明科技领政府财政支出对人才吸引力的重要影响
熵值法评价结果表
2015年：各城市综合排名
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.57935 |
0.75855 |
0.50178 |
0.3985 |
0.46973 |
排名 |
2 |
1 |
3 |
5 |
4 |
2016年：各城市综合排名
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.57994 |
0.75954 |
0.53644 |
0.5008 |
0.45251 |
排名 |
2 |
1 |
3 |
4 |
5 |
2017年：各城市综合排名
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.5091 |
0.752 |
0.47925 |
0.46307 |
0.51473 |
排名 |
2 |
1 |
4 |
5 |
3 |
通过对比三年的科技人才吸引力评测结果，可以发现，五个城市三年的排名状况十分稳定，个城市科技人才吸引力评测排名没有明显变化，稳定的排名情况可以客观的反映出各城市科技型人才吸引力的差距
（4）基于层次分析法的经测评结果
层次分析法是一种典型的主观赋权法，在实际中应用较多，本文依据专家打分得到各指标的主观权重。针对本研究的需要，根据一致性检验，各个判断矩阵的CR值均小于0上一致性误差在可接受范围内各指标所得权重如表4-11所示。
表4-11沿海省市科技人才吸引力测评指标体系权重表（层次分析法）
总目标 |
一级指标 |
二级指标 |
评价指标解释 |
科技型人才吸引力评价模型构建M |
经济发展水平X1 |
人均GDPy11 |
人均GDP |
经济增长率y12 |
GDP增长率 |
||
经济结构y13 |
第二、第三产业产业比重 |
||
自然和生活环境状况X2 |
环境建设y21 |
每万人公共绿地拥有面积 |
|
污染控制y22 |
工业废水排放达标率 |
||
生活水平y23 |
城镇居民家庭可支配收入 |
||
居住y24 |
商品房平均销售价格 |
||
人口和社会保障环境X3 |
人口质量y31 |
大专以上学历人口比例 |
|
人口分布结构y32 |
城市人口比重 |
||
失业保险y33 |
失业保险参与率 |
||
城镇医疗保险y34 |
城镇医疗保险参与率 |
||
科技发展环境X4 |
科技支出比重y41 |
内部支出占生产总值的比重 |
|
人才队伍y42 |
人员全时当量 |
||
科技支持力度y43 |
科技领域财政支出比重 |
5.2.4测评结果分析
2015年：
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.0288 |
0.3451 |
0.279 |
0.2653 |
0.2786 |
排名 |
2 |
1 |
3 |
5 |
4 |
2016年：
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.02908 |
0.3334 |
0.2874 |
0.2754 |
0.2709 |
排名 |
2 |
1 |
3 |
4 |
5 |
2017年：
城市 |
深圳 |
广州 |
厦门 |
苏州 |
杭州 |
得分 |
0.3057 |
0.3488 |
0.2901 |
0.2339 |
0.2955 |
排名 |
2 |
1 |
4 |
5 |
3 |
两种评测方法结果类似，综合熵值法、层次分析法三年评测结果，深圳、杭州、苏州、厦门、广州这五所城市在科技型人才吸引力方面十分稳定，广州、深圳、稳居前两名。
5.3提高地区科技型人才吸引力的政策建议
结合深圳、广州、杭州、厦门、苏州五个城市科技人才吸引力测评结果及相关指标权重，提出提高科技人才吸引力的措施如下：
5.3.1推进科技人才载体建设
科技人才的载体，包括高科技产业、高校、高新区等，对科技人才的吸引、开发与利用起着至关重要的作用。继续推进高新技术产业发展要充分发挥高新技术产业在科技人才吸引中的作用。纵观国际国内发展形翔高新技术产业发展程度己成为衡量一个地区、一个国家经济发展水平和综合竞争力的重要标志。加快高新技术产业发展，是贯彻落实科学发展观、加快转变经济发展方式的必然要求，也是推进产业结构优化升级、加快建设“资源节约型、环境友好型”社会的必然选择，同时也是建设创新型国家、提高自主创新能力的重要举措·在高新科技产业发展的规划中，要努力构建科技人才吸引、集聚、、开发、利用的优质环境，为科技人才提供优质的科研开发条件·人才价值只有在不断创造中才能获得体现，要想吸引人才、留住人才，就必须为人才提供良好的科研开发条件，这比单纯的高工资、高待遇更有吸引力。
1.完善高新技术企业微观人才吸引环境
高新技术企业具有“高风险、高投入、高回报”的成长特性，科技人才是创新的实施者，是高新技术企业发展的核心，对高新技术企业的发展有着决定性影响。因此，高新技术企业必须创造良好的微观人才吸引环境，建立科学有效的科技人才开发及使用机乩创造一种利于科技人才发挥才能、创造价值、不断提升自身素质能力的环境氛围。
良好的科技人才开发机制包括以下几个关键环节：首先是把好人才招聘关，高效合理的人才招聘机制可以降低企业招聘和科技人才求职的成本，提高招聘职位和科技人才的匹配性，减少人才再次流动和工作低效率等问题可能带来的损失，提高企业人才吸引力：二是要注重科技人才的在可发与培养，实现企业无形资产价值和人才自身价值的共同提升。
优秀的人才使用机制应包含以下内容：一是建立完整系统的个人和团队绩效考核评价体系，包含完整的绩效规划、绩效考核评价、绩效分析以及绩效沟通改进机制。二是完善人才选拔晋升机制，打破传统观念和论资排辈等习惯的束缚，本着“公开、公平、择优”的原则选拔人才，依据个人能力和素质安排合适的工作岗位，形成竞争有序、人才辈出的良好态势。美国学者威廉．詹姆士研究发现，人才在缺乏激励的环境中，潜力只能发挥2一3而在良好激励环境中，却能将潜力发挥至8一9的高水平。因此，必须建立起良好的科技人才激励环境，在进行激励方式的选择和执行时综合考虑科技人才的需求，综合运用多种手段，坚持系统化原则，激发科技人才工作的积极性.
积极发展地区高等教育事业地区人才素质对科技人才吸引力有着极大影响，要加大教育投资，积极发展高等教育。高等学校在科研体系中的作用集中于人才培养和关键技术攻关上，同时也是高科技人才的主要集聚地·对高校建设而言，首先要发挥学校特长，建设出一批世界一流水半的学校及学科，发挥其科技人才培养基地的作用。一流的大学及重点学科具有较强的科研攻关力量，若干所优秀大学集聚在一起，科技人才有机会进行广泛的学术交流，聚拢起与科研活动密切相关的信息网络，进行有效的创新思想碰撞和信息交流，激发创新思维，形成不竭的创新动力。第二要创新科技人才培养模式，积极开展产学研合作，学以致用，以塑造学生“职业人” 身份的理念提高学生的综合竞争力和创新意识。
2.推进高新区建设
高新区是科技产业与人才的交融点，要加强制度创新和观念创新，优化人才创业环境·首先要重视高新区基础设施建设，把高新区建设成环境优美的科技新城区。同时，加快高新区人才创业基地建设。在高质量、高标准兴建好工业园的基础上，要建设多种形式的人才创业孵化服务基地，建立完善创业风险投资机制创办留学人员创业园、高新企业孵化器、大学科技园等目标针对性园区。
3.完善人才吸引的制度建设
要健全吸引人才和保护人才的各项机制，为实施人才战略提供制度保障。大科技产业政府资金扶持力度加大科技产业财政投入，完善多元投入体系，重点支持战略性高新技术及新兴产业的发展，以能否形成自主知识产权作为项目立项的重要依据，选择合适科技计划项目，优先扶持，以政府投入为引导，拉动各级及各类金融、投资机构
5.4问题三
问题分析：
南山区是深圳的科研、教育、体育中心，是国务院首批双创区域示范基地，其科学研究技术，信息传输技术，计算机技术与深圳相比都有较大优势，并且上述行业都处于前中期并且都是以青年为中流砥柱。人才是在不同的阶段内的需求不尽相同，青年更关注的是一个地区的经济发展状况，而对于教育水平，医疗状况，社会保障等方面的考虑较少，所以本题可以对于人均GDP，经济增长率，科学研究增长，信息与技术增长，平均工资，福利待遇，教育投资增长率来建立评价表，搜集数据，带入求解得：
评价指标 |
权重 |
综合得分 |
|
深圳 |
南山区 |
||
人均GDP增长率 |
0.0223 |
9.36 |
13.45 |
薪资率 |
0.0134 |
5.62 |
6.58 |
科学研究增长 |
0.0196 |
2.38 |
2.59 |
信息与技术增长 |
0.0183 |
2.56 |
2.31 |
人均收入 |
0.0613 |
12.16 |
15.48 |
福利待遇 |
0.0252 |
7.34 |
8.63 |
|
总分 |
39.42 |
41.04 |
|
百分制 |
100 |
104.2 |
五、 模型的检验
为了对城市的人才吸引力水平进行评价，我们建立了层次分析模型，定性与定量相结合、系统化、层次化的进行分析。对于每个小的子层，赋予相应的权重。城市各分量对应于相应层的分数乘以权重求和就可以得出城市对人才的吸引力。
问题一：二级指标排序向量
层次总排序的一致性检验：
故层次总排序的一致性成立
六、 模型的评价与优化
优点：
建立的模型采用了层次分析法，这种方法把原来主观的因素进行了量化，避免了主观选择可能产生的大的误差，可以更加合理的评价城市人才吸引力水平。。
缺点：
城市的吸引力水平是由许多个因素组成，在建立模型的过程中我们只选取了少部分因素进行评价，而忽略了其中的一些影响因素。这些因素的占比较小，但是缺少这些因素会使模型产生误差，求解的城市吸引力水平与真实的城市吸引力水平之间存在浮动。从而使求解结果不能真实地反映城市吸引力水平。
模型改进：
在模型的改进方面，应该考虑更多的因素，从各个方面进行更全面，更精确的评价。消除应评价因素过少而造成的误差。
1.
2.
3.
4.
5.
6.
7.
8.
9.
七、参考文献
[1]中华人民共和国环境保护部，《2016年中国环境状况公报》，http://www.gov.cn/xinwen/2017-06/06/content_5200281.htm，2018年5月1日
[2]深圳市统计局，《深圳统计年鉴2017》、《深圳统计年鉴2016》、《深圳统计年鉴2015》，http://www.sz.gov.cn/tjj/tjsj/tjnj1/，2018年5月1日
[3]杭州市统计局，《2017年杭州统计年鉴》、《2016年杭州统计年鉴》、《2015年杭州统计年鉴》http://www.hangzhou.gov.cn/col/col805741/index.html，2018年5月1日
[4]广州统计局，《广州统计年鉴2017》、《广州统计年鉴2016》、《广州统计年鉴2015》，http://210.72.4.52/gzStat1/chaxun/njsj.jsp，2018年5月1日
[5]苏州统计局，《苏州统计年鉴-2017》、《苏州统计年鉴-2016》、《苏州统计年鉴-2015》，http://www.sztjj.gov.cn/Info.asp?ParentID=64，018年5月1日
[7]厦门市统计局，《2017年厦门统计年鉴》、《2016年厦门统计年鉴》、《2015年厦门统计年鉴》http://www.stats-xm.gov.cn/tjzl/tjsj/tqnj/，2018年5月1日
[8]刘峰.数学建模.北京：南京大学出版社.2005.
[9]张秀兰.数学建模与实验.北京：化学工业出版社.2013.
[10]王兵团.数学建模基础.北京：清华大学出版社.2004.
[11]顾建平，周金泉.增强自主创新能力的人才支撑体制探讨[J]企业经济
[12]鲍有林，邱寒青.区域科技人才服务体系研究[J]科技管理研究所，2016
[13]深圳市委，市政府，深圳国际化，市场化、人文化、生态化发展报告 [R] 2016
附录
附录一
Matlab程序:
% %AHP权重计算MATLAB程序
% %数据读入
clc;
clear all;
A=[1 2 1/3;1/2 11/4;3 4 1];
% %一致性检验和权向量
[n,n]=size(A);
[v,d]=eig(A);
r=d(1,1);
CI=(r-n)/(n-1);
RI=[0 0 0.58 0.901.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
CR=CI/RI(n);
if(CR<0.10)
CR_RESULT='通过:';
else
CR_RESULT='不通过:';
end
% %权向量计算
w=v(:,1)/sum(v(:,1));
w=w';
% %结果输出
disp('该判断矩阵权向量计算报告:');
disp(['一致性指标:' num2str(CI)]);
disp(['一致性比例:' num2str(CR)]);
disp(['一致性检验结果:' CR_RESULT]);
disp(['最大特征值:' num2str(r)]);
disp(['最大特征值对应的特征向量:' num2str(w)]);
附录二
指标\城市 |
广州 |
厦门 |
苏州 |
杭州 |
持续经济增长率 |
93.45 |
90.45 |
90.02 |
91.26 |
人均GDP |
80.48 |
78.9 |
73.31 |
74.66 |
人均财政收入 |
49.27 |
50.67 |
44.28 |
50.28 |
职工工资增长率 |
87.64 |
89.9 |
86.67 |
88.23 |
空气质量 |
89.46 |
80.67 |
88.64 |
86.46 |
水源质量 |
80.12 |
80.1 |
79.03 |
77.49 |
交通便利度 |
78.16 |
78.59 |
61.52 |
68.55 |
城市绿化 |
86.46 |
86.77 |
78.31 |
79.88 |
住房情况 |
80.79 |
80.6 |
79.65 |
79.66 |
医疗设施 |
76.15 |
75.47 |
75.26 |
74.48 |
高等院校数量 |
81.57 |
80.5 |
80.51 |
81.54 |
教育投资比重 |
94.46 |
93.67 |
93.14 |
94.26 |
社会培训机构数量 |
86.48 |
78.79 |
82.2 |
83.46 |
科研经费 |
70.59 |
69.74 |
69.74 |
70.12 |
科技投入 |
78.9 |
74.38 |
74.38 |
75.66 |
科研机构数量 |
87.88 |
94.26 |
80.22 |
81.46 |
公共图书馆数量 |
90.47 |
83.46 |
76.11 |
78.26 |
信息化程度百分比 |
92.58 |
70.12 |
91.26 |
94.84 |
人才战略规划 |
80.9 |
75.66 |
86.34 |
88.89 |
社会保障制度 |
88.79 |
81.46 |
80.64 |
84.43 |
社会安保程度 |
96.79 |
89.26 |
85.64 |
86.13 |
人才引进政策 |
90.5 |
80.51 |
83.1 |
84.24 |
高端人才数量 |
85.08 |
93.14 |
88.78 |
88.89 |
人才服务体系 |
88.78 |
82.2 |
86.31 |
87.48 |
人才市场环境 |
80.27 |
69.74 |
78.26 |
78.94 |
人才流动比例 |
87.98 |
74.38 |
86.5 |
89.76 |
社会保险覆盖率 |
83.41 |
80.22 |
80.24 |
81.49 |
A题-人才吸引力评价模型研究
在世界各国和全国各地都加大争夺人才的背景下，一个城市要保持其竞争活力和创新力，必须与时俱进地但不盲目地调整相关人才吸引政策。2018年深圳市将加大营商环境改革力度作为一项重要工作，以吸引更多优秀的高新企业和优秀的人才。
吸引人才最关键的是：符合人才的理想，满足人才的需求和愿望。对大多数人来说，首先关心的是“发展前景”：就业实体及其所在城市的前景，不光当前好，未来也不会很快衰落，毕竟人是要考虑“迁移成本”的；其次是收入（报酬或盈利），这方面有绝对（同行业）的和相对（同地域，平价购买力）的两种考量；再次是环境方面的因素：治安，交通，污染，教育、医疗，购物，等等。目前，这方面定性讨论多，定量研究少；定量研究中单因素的多，综合考虑的少；静态考量多，动态（时变）考量少，考虑“不可比”条件的更少。“少”的原因主要是缺乏合适的“数学模型”，使得结论既缺乏说服力，也缺乏可验证性。
你的团队的任务是：
1、通过收集相关数据、建立数学模型，量化地评价深圳市的人才吸引力水平，并尝试就深圳“加大营商环境改革力度若干措施”对人才吸引力水平的影响做出量化评价。
2.针对具体人才类别，深入分析比较深圳市与其他同类城市（如广州、杭州、厦门、苏州等）在人才吸引力上的优势与不足，给出有效提升人才吸引力的可行方案。
3.针对深圳南山区的经济技术发展特点和相关人才政策，同时考虑人才在各个发展阶段的动态需求，量化地评价深圳南山区人才吸引力水平。
参考资料：
1、《深圳市人民政府印发关于加大营商环境改革力度若干措施》的通知：
http://www.sz.gov.cn/zfgb/2018/gb1039/201802/t20180226_10797790.htm
2、深圳市政府信息公开系统网站：http://www.sz.gov.cn/cn/xxgk/zfxxgj/jgsz/
3、深圳市人力资源和社会保障局网站：http://www.szhrss.gov.cn/
4、深圳市南山区人力资源局网站：http://www.szns.gov.cn/xxgk/bmxxgk/qrzj/
1. 人才吸引力
2. 决定因素
发展前景 收入 环境
熵值法
1.算法简介
熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。设有 个待评方案， 项评价指标，形成原始指标数据矩阵 ，对于某项指标 ，指标值 的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。
在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性就越大，熵也越大.根据熵的特性，我们可以通过计算熵值来判断一个方案的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大！因此，可根据各项指标的变异程度，利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据！
2.算法实现过程
2.1 数据矩阵
其中 为第 个方案第 个指标的数值
2.2 数据的非负数化处理
由于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值，因此不存在量纲的影响，不需要进行标准化处理，若数据中有负数，就需要对数据进行非负化处理！此外，为了避免求熵值时对数的无意义，需要进行数据平移：
对于越大越好的指标：
对于越小越好的指标：
为了方便起见，仍记非负化处理后的数据为
2.3 计算第 项指标下第 个方案占该指标的比重
2.4 计算第 项指标的熵值
2.5 计算第 项指标的差异系数。
对于第 项指标，指标值 的差异越大，对方案评价的作用越大，熵值就越小
， 则： 越大指标越重要
2.6 求权数
2.7计算各方案的综合得分
3.熵值法的优缺点
熵值法是根据各项指标指标值的变异程度来确定指标权数的，这是一种客观赋权法，避免了人为因素带来的偏差，但由于忽略了指标本身重要程度，有时确定的指标权数会与预期的结果相差甚远，同时熵值法不能减少评价指标的维数！
作者：知乎用户
链接：https://www.zhihu.com/question/273394960/answer/368019971
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
先看题干，要审题！
吸引人才最关键的是：符合人才的理想，满足人才的需求和愿望。对大多数人来说，首先关心的是“发展前景”：就业实体及其所在城市的前景，不光当前好，未来也不会很快衰落，毕竟人是要考虑“迁移成本”的；其次是收入（报酬或盈利），这方面有绝对（同行业）的和相对（同地域，平价购买力）的两种考量；再次是环境方面的因素：治安，交通，污染，教育、医疗，购物，等等。目前，这方面定性讨论多，定量研究少；定量研究中单因素的多，综合考虑的少；静态考量多，动态（时变）考量少，考虑“不可比”条件的更少。“少”的原因主要是缺乏合适的“数学模型”，使得结论既缺乏说服力，也缺乏可验证性。
从题干中发展前景、收入、环境方面等三个要素着手，分别，记住是分别查找相关的资料，要带公式带数据的那种，全是字的我也会编。接下来答第一个问
1、通过收集相关数据、建立数学模型，量化地评价深圳市的人才吸引力水平，并尝试就深圳“加大营商环境改革力度若干措施”对人才吸引力水平的影响做出量化评价。
看重点及采分点，首先要收集相关资料！会得分，同样要带数据的资料才有价值，之后是量化你查的到这些资料，什么叫量化？去百度！每年的方法都那玩意，什么层次分析法，神经网络，时间序列，熵值法，哪个爽用哪个，只要能量化就行，这几个方法每次都屡试不爽。接下来看第二个问
2.针对具体人才类别，深入分析比较深圳市与其他同类城市（如广州、杭州、厦门、苏州等）在人才吸引力上的优势与不足，给出有效提升人才吸引力的可行方案。
继续划重点！看题干，什么人才类型？可以自己定义，学术型，技术型，本科，研究生，随便你自己去类别，也可以通过某些资料进行参考类别，所以第一步的查资料尤其重要！在查其他同类城市在人才吸引上的政策和相关数据（吸引了多少，增加了多少，最重要的还是数据！），通过比较模型来对数据进行分析，高级点用matlab，一般点用Excel！表格用好了也很无敌的，最后要有可行方案！第三问
3.针对深圳南山区的经济技术发展特点和相关人才政策，同时考虑人才在各个发展阶段的动态需求，量化地评价深圳南山区人才吸引力水平。
划重点！要南山区的相关人才政策，考虑人才在各个发展阶段的动态需求，比如，年龄、专业、学历、户籍、年收入等等都是参考因素，最后要量化，就是通通数字化处理！ok，建模题都是开放性题，答出来只要言之有理有理有据就可以！