[摘 要] 以“五通”政策为视角，分析俄语区各国家人才需求的作用机理以及各国家人才需求的空间分布特征，建立能够反映“五通”政策的指标体系，并建立不同指标之间的判断矩阵。利用层次分析法，分析不同政策对人才需求的影响程度，找到人才需求的主要影响因子。利用主成分分析法，从空间角度分析俄语区各国家人才需求的分布特征，进而为后续我国与俄语区各国之间的教育合作模式提供数据支持。
[关键词]“五通”政策；人才需求；层次分析法；空间分布特征
一、引言
2013年，国家主席习近平先后提出共建“丝绸之路经济带”和“21世纪海上丝绸之路”的重大倡议。2015年3月，国家发展改革委、外交部、商务部制定并发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，明确地指出“一带一路”的合作重点是“五通”，即政策沟通、设施联通、贸易畅通、资金融通、民心相通。2016年7月，教育部印发《推进共建“一带一路”教育行动》的通知，指出教育在建设“一带一路”中具有基础性和先导性作用，“一带一路”沿线各国的教育交流和人才培养为其提供了重要的支撑。并提出建立“一带一路”教育共同体，重点实施“丝绸之路”留学、合作办学、师资培训、人才联合培养与教育援助计划，推进政策、渠道、语言、民心与学历的相通与互认，发挥教育在共建“一带一路”中的基础性和先导性作用。在“一带一路”倡议下，我国与沿线国家间的教育合作不断增多。因此，“五通”政策的提出，对我国与沿线国家之间的人才需求强度起到较为明显的导向作用。
在一带一路沿线众多国家中，俄罗斯、白俄罗斯、哈萨克斯坦、吉尔吉斯斯坦、亚美尼亚、阿塞拜疆、摩尔多瓦、乌克兰、格鲁吉亚9个国家，由于其地理位置以及历史关系等原因组成以俄语为主的俄语区国家，与我国之间的教育合作相较沿线其他国家而言更加密切。同时，在“一带一路”环境下，国际间的学生流动会大大增强，跨境学习的需求会大大增加，跨境教育将成为一种新的发展趋势，甚至有可能建立多类型的跨境教育联合体。俄语区九国来华留学生人数逐年增加，在“一带一路”倡议下，更多沿线国家学生选择来华留学。学历生在留学生中所占的比例逐渐提高，并且遍布了从本科到博士的不同学历阶段。可以看出，在各国的高等教育发展过程中，对中国教育的重视程度在逐渐提高。从整体而言，中国作为留学国，受到了俄语区国家学生的重视。
但由于俄语区各国家在人口比重、产业结构、经济发展水平等方面的发展均不相同，因此，在进行我国与俄语区国家人才需求强度分析时，也应该分别进行考虑。为能得到俄语区9个国家人才变化趋势，首先需要分析各国家人口数、教育人数等基础数据的发展规律。根据已有数据，整理得到2006年至2015年10年间人口以及毕业生就业率变化趋势图，如图1、图2所示。
图1高等教育适龄人口变化趋势图
数据来源：EPS全球统计数据平台。
图2毕业生就业率变化趋势图
数据来源：EPS全球统计数据平台。
从上图中可以看出，俄罗斯等俄语区中规模较大的国家，在高等教育适龄人口数量上有较大幅度的减少，且毕业生就业率较低，而其他规模较小的国家人口及就业率变化趋势较为平稳。因此，在判断我国与俄语区各国之间人才需求交流及合作时，需要对具有较大波动变化趋势的国家慎重考虑。此外，在“五通”政策背景下，尽管我国与俄语区国家人才交流及合作不断深入，但也需要更加清晰地明确各国家人才需求强度在空间分布即地理位置上的特点，才能因地制宜。根据人才需求强度的空间分布特点，提出有针对性的人才需求发展策略，进而可为后续教育合作等相关政策制定及研究提供理论基础。
国内众多学者就人才需求培养方面进行了大量研究，研究成果多针对我国与一带一路沿线国家的人才需求。孙文霞、刘音等学者通过基本数据统计的方式分析一带一路背景下，针对教育合作中不同领域如俄语、安全工程、金融人才等方面的人才需求进行分析，并针对培养模式提出建议[1-4]。此外，刘阳、黄艳蕊等学者利用灰色预测等方法尝试从定量的角度分析人才需求数量的发展趋势[5-8]。此外，徐海霞、石超等学者通过分析中国与俄语区国家之间的政治、经济等现状，提出了不同领域的国际化人才培养对策[8-12]。综合以上研究成果可以看出，目前中国与一带一路沿线国家之间人才需求的研究主要集中在对某一类型人才数量以及某一种人才培养模式方面，而对俄语区九个国家的分析较少，且对我国与各国之间人才需求程度缺少比较和分析。此外，由于各国家国情不同，仅用某一国家及某一类型人才需求数据进行分析比较缺少一定客观性。因此本文提出一个能够较为公平地反映俄语区各国人才需求程度强弱的指标，即人才需求强度，并讨论该指标在空间地理位置上的分布情况。
同时，由于“五通”政策的提出，对我国与俄语区各国之间的人才交流起到明显的导向作用，但究竟该项政策与国家之间的人才需求之间存在怎样的关系，需要积极促进我国与哪些国家之间建立人才交流方面的联系，目前文献中鲜有提出。因此本文建立能够反映“五通”政策内涵的指标体系，对“五通”政策对俄语区各国之间人才需求的影响程度问题进行深入研究。
综上，为梳理“五通”政策与人才需求的关系，探究俄语区国家人才需求在空间上的分布规律，本文首先从主观层面出发，利用层次分析法得到“五通”政策中不同政策对人才需求强度的影响程度。其次，以此为基础，选取合适指标值对“五通”政策进行细化，并利用主成分分析法从定量角度对“五通”政策背景下俄语区各国家的人才需求的空间分布情况进行分析，最终找出人才需求强度在地理空间层面的排序结果，即对俄语区国家人才需求的空间分布特征进行分析，进而对我国与俄语区国家之间人才需求策略的制定提供研究基础。
果敢不凡的宝石装饰、熠熠生辉的莳绘漆艺表盘，Divas’ Dream超薄三问腕表由精湛工艺打造，集百年制表与珠宝艺术之大成，奏响赞颂华美技艺的典雅鸣音。这款Divas’ Dream超薄三问女士腕表拥有最纤薄的三问报时机心——Finissimo。它是基于在2016年巴塞尔国际钟表珠宝展上亮相的Octo Finissimo超薄三问腕表机心打造的升级版本。这款创纪录的精良机心由BVLGARI宝格丽位于瑞士的Le Sentier表厂研发制造。
二、基于“五通”政策的人才需求评价指标体系构建
1.基于层次分析法的五通指标体系
为能够对“五通”政策对人才需求影响程度进行分析，需分别针对每一项政策选择合适的评价指标，进而建立评价指标体系。从“五通”政策的具体内容上来看，民心相通主要指加强“丝绸之路”青少年交流，增进不同国家青少年对其他国家文化的理解，因此，可以选择学生交换人数、联合培养项目数量等指标来进行表示。从政策沟通方面来看，制定沿线各国教育合作交流国际公约，疏通教育合作交流政策性瓶颈是其主要目的。从人才需求角度来看，国际合作数量、专业谈判人才数量等指标是该项措施是否可以顺利实施的基础条件。因此，可用上述指标反映政策沟通情况。此外，在设施联通层面应该包含能够反映人才需求在设施建设等方面的作用，因此可用劳务合作人才数量、项目合作情况等指标来表示。在贸易畅通和资金融通方面可以分别从贸易出口及进口额度以及对外资金投入量等指标来进行反映。
本部分利用层次分析法(AHP法)来进行分析评价。层次分析法为一种定性和定量相结合的评价方法，可以将多种因素影响下的决策问题分为各级层次的影响因素指标，并对多种选择进行优选及排序。在利用层次分析法进行分析的过程中，需要构造分析结构模型。本文结合上述分析结果以及与相关专家调研讨论后，可以初步确立“五通”政策不同层级的分析指标，建立评价指标体系，如图3所示。
其实，老秦的孩子蛮懂事，小名叫菲菲。我跟老秦还没结婚，菲菲就把我当妈。她能走路的时候，就拉着我说：“妈，我们回家去！”有人说：“菲菲，你没有妈。”她说：“有，我妈在油站。”
图3层次分析法指标图
3.各层指标权重确定
2.人才需求判断矩阵构建
其中：x1—x8含义同上，y为人才需求强度。Di表示不同国家，D1为哈萨克斯坦；D2为吉尔吉斯斯坦；D3为亚美尼亚；D4为阿塞拜疆；D5为白俄罗斯；D6为格鲁吉亚；D7为摩尔多瓦；D8为俄罗斯；D9为乌克兰。
其中a11=a22=…=ann=1，对于i,j=1,2,…,n。
(1)
第三，有利于企业保持经济发展的需求。企业施行建设工程的最基本的目标是获得最多的经济利益，为企业的发展储备最丰厚的资本。影响企业收益的因素有很多方面，人工费、材料费、机械费、现场施工经费等都直接影响企业的经营管理效益[3]。只有在经济、技术和组织管理等各方面有效的进行成本控制，就可以实现企业经济管理效益最大化，保证企业的可持续发展战略目标的实现。
其次，利用“方根法”计算最大特征值与特征向量。计算步骤如下：
(1)计算判断矩阵中各行元素成绩M。
电流相对磁场的运动，根据矢量合成的原则，是由电流相对导体的运动，加上导体对观察者参考系的相对运动而合成，则电流相对参考系的方向和导体所在直线的方向不同，因此安培力可以形成与导体运动方向的某个运动夹角，则安培力所做的功是力与运动方向的乘积的某个分量。
Mi=ai1·ai2…ain(i=1,2,…n)。
(2)
(2)计算Mi的n次方根
(3)
(3)对向量进行归一化处理。
(4)
登子走在前面：大爷，你可小心了走，这里到处都是打屁虫。甲洛洛还没反应怎么回事，只听得脚下咔嚓一声，登子笑笑：大爷，你踩到打屁虫了。甲洛洛有些不好意思：你看我这眼睛，上了年纪就不行了。登子苦笑：这怎么能怪眼睛，是这屋子太黑，打屁虫都以为天黑了才出来的。
(5)
其中(AW)i为向量AW的第i个元素。
(5)对判断矩阵进行一致性检验
1)一致性指标计算如下。
95 percent confidence interval: 0.1384553 0.1679928
(6)
2)一致性检验
①2013年“棱镜门”事件引起了众多国家（包括其盟友）对美国的不满和责难；同年“网络战争说”开始风起云涌。因此，我们选择该年的这篇报道作为分析语料。
证明判断矩阵通过一致性检验。
按照以上步骤对上述指标层进行数据处理，根据专家打分结果，构造各指标之间的判断矩阵，具体情况如表1所示。
其中，Xij为各指标变量，Yij为不同样本对应各指标变量具体数值。且，
为进行指标权重判断，利用专家打分法对各准则层所对应指标层建立相应的判断矩阵，如表2—15所示。
表1 指标层判断矩阵
指标B1B2B3B4B5B6B7B8B9B10B11B12B13B14B15B16B11223231/221/31/41/311/31/31/41/4B2211/2211/21/22011/321/31/31/41B311122123111/311/41/31/31/3B41211211/31/232323332B51122133212323223B61/21/2111111/22221321/31/3B71/31/2311111/223223311B81/2121121122233332B91/31/311/311/311/21122111/21/2B101/31/21/21/31/211/31/311212232B111/31/31/21/31/211/21/311112232B121/21111/2111/221313322B131/41/31/31/41/31/21/31/31/21/211/21111B141/41/41/31/31/31/21/31/31/21/21111/21/22B151/41/41/31/21/411/31/211/211/22211B161/41/31/31/31/311/21/31/21/211211/21
表2 师资互派人数层判断矩阵
师资互派人数B3民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C112232政策沟通C211322设施联通C31/21/311/22贸易畅通C411/3111资金融通C51/31/3111
表3 联合培养项目数层判断矩阵
联合培养项目数B4民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111233政策沟通C211223设施联通C31/21/2111贸易畅通C41/21/2212资金融通C51/31/311/21
表4 专业人才项目层判断矩阵
专业人才项目B5民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C1111/21/21政策沟通C211212设施联通C31/21/3112贸易畅通C422112资金融通C511/21/21/21
表5 国际谈判合作数量层判断矩阵
国际谈判合作数量B6民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111/2212政策沟通C221223设施联通C31/21/211/21贸易畅通C411/2211资金融通C51/21/31/211
表6 专业谈判人才数量层判断矩阵
专业谈判人才数量B7民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C11121/21政策沟通C2111/211/2设施联通C31/22111贸易畅通C421112资金融通C51211/21
表7 小语种人才数量层判断矩阵
小语种人才数量B8民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111/2212政策沟通C221223设施联通C31/21/311/22贸易畅通C421212资金融通C51/21/31/21/31
表8 承包工程派出人才数量层判断矩阵
承包工程派出人才数量B9民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111223政策沟通C21121/22设施联通C31/21/211/21/2贸易畅通C41/22211资金融通C51/31/2211
表9 劳务合作人才数量层判断矩阵
劳务合作人才数量B10民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C1111/21/21政策沟通C2211/21/22设施联通C32211/21/2贸易畅通C421112资金融通C51/21/31/21/21
表10 境外完成营业额层判断矩阵
境外完成营业额B11民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C1111/21/21/3政策沟通C2211/21/21/2设施联通C322111/2贸易畅通C4221/211/2资金融通C522211
表11 各国家项目合作数量层判断矩阵
各国家项目合作数量B12民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C1111/21/21/2政策沟通C2111/21/21/2设施联通C32211/21贸易畅通C422112资金融通C52111/21
表12 贸易进口额层判断矩阵
贸易进口额B13民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111/21/21/21/3政策沟通C2211/21/31设施联通C322111贸易畅通C423111资金融通C53111/21
表13 贸易出口额层判断矩阵表
贸易出口额B14民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111/21/21/21/3政策沟通C2211/21/31设施联通C322112贸易畅通C423211资金融通C5311/21/21
表14 外商投资金额层判断矩阵
外商投资金额B15民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C111/2111/2政策沟通C221112设施联通C321111/2贸易畅通C422211资金融通C521/2111
表15 对外投资金额层判断矩阵
对外投资金额B16民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5民心相通C1111/211政策沟通C21111/21/2设施联通C321111/2贸易畅通C422211资金融通C52121/21
根据层次分析法一致性检验方法进行验证，一致性检验结果CR=0.053 4，小于一致性检验指标值CI=0.085 1，因此以上各层判断矩阵均通过一致性检验，证明专家打分以及计算结果较为合理。
根据层次分析法确定各项指标内容，结合俄语区国家各项数据值进行仿真计算，可得到“五通”政策影响程度的排序。根据排序结果，可分析得出在实施能够影响人才需求策略过程中，哪一类政策可以优先考虑，下文对此进行具体计算。
以上述计算得到的最大特征值以及特征向量为基础，可计算任意一层指标对于上一层指标的权重，进而计算出各指标对总目标的权重。其中第k层指标对总目标排序的权重向量计算如下。
(7)
其中，为第k层指标对总目标排序的权重向；[p1i,p2i,p3i,…,pmn]T为第k层的第i个指标对第k-1层指标的权重。各层指标权重如表16所示。
其中B1—B16含义同表1。
根据以上权重结果，可以得到不同准则层权重，并得到不同准则指标的影响程度排序结果，如表16所示。
由以上排序可知，中国与俄语区国家之间人才需求量受到多种因素影响。从“五通”政策上来看，影响中国与俄语区国家人才需求的最主要因素为政策沟通，也就是说，可以首先从政策角度出发对我国与俄语区国家之间的人才需求数量进行调整，这种调整策略是最有效的。其次，贸易畅通也会对我国与俄语区其他国家之间的人才需求产生重要影响。由于不同国家之间的人才需求的产生本身在一定程度上依托于两国之间的商贸往来，因此，该结论与实际状态也比较吻合，进一步证明了该模型的合理性和有效性。最后，还可通过民心相通、设施联通、资金融通等方面去调整两国之间人才需求规模。综上，本部分研究结果可为后续的人才需求强度分析提供研究基础。
当时连队的成员是由老军垦和支边青年组成，文化水平都不高。一个高中生出现在连队是件很稀奇的事。两个月后，他被安排了一个不脱产的记分员，每天和大家一样劳动，下班前一个小时验收每个工人的成绩，下班后顾不上洗脸吃饭就整理当天每个职工的工作量和完成任务的百分比。然后站在房顶上拿着铁皮喇叭，向全连公布，天天如此。虽然这样很辛苦，但他从没喊过累、叫过苦。
表16 各准则层权重值
准则B1B2B3B4B5B6B7B8准则层权值0.08250.06260.07840.09250.11250.06160.0810.0923C10.31400.2470.33550.31470.14960.21350.19990.1971C20.31400.26580.27930.28190.2540.35330.1510.3328C30.12160.14230.12570.13190.17240.12440.1970.1198C40.14240.24510.15040.17480.29920.18960.26070.2662C50.10800.09980.10910.09670.12480.11920.19130.084准则B9B10B11B12B13B14B15B16准则层权值0.04830.0490.04650.06820.02720.02940.03510.0328C10.30780.1570.11790.1310.10230.09920.12110.1664C20.21660.21370.15180.1310.15670.14360.22950.1381C30.10460.25050.22570.23050.24950.26950.14310.1942C40.22110.26870.20290.30420.28060.31530.28610.2761C50.14980.11020.30160.20330.21090.17250.22020.2253
表17 影响因素排序表
准则民心相通C1政策沟通C2设施联通C3贸易畅通C4资金融通C5总排序权值0.213530.24180.164710.23610.14374影响因素排序31425
三、俄语区人才需求强度空间分布特征
前文从主观层面上分析了“五通”政策对俄语区人才需求的影响程度，但由于俄语区国家包含俄罗斯、白俄罗斯等9个国家，每个国家在人口比重、产业结构、经济发展水平等方面的发展均不相同，仅考虑“五通”政策的影响程度而忽略人才需求在该政策影响情况下空间分布强度的研究是不够完整的。因此，在进行人才需求分析时，还需要结合“五通”政策，利用具体数据从客观层面对9个国家的人才需求情况进行细化分析，利用具体数值反映各国家人才需求的分布排序，增强人才需求分析的准确度。
为能得到俄语区9个国家人才变化趋势，需要确定与“五通”政策中不同准则相对应的数据指标。由于俄语区9国经济发展程度、教育水平以及人口基数等均不相同，且目前类似摩尔多瓦等俄语区国家在“一带一路”倡议提出前，与我国之间人才交流及合作较少，因此数据获取较为困难。为能够更加清晰地明确各国家人才需求在时空分布上的特点，并为后续教育合作模式研究提供理论基础，本部分采用主成分分析法，分别从“民心相通”“政策沟通”“设施联通”“贸易畅通”以及“资金融通”五个方面选择可获取且具有代表性的指标，进而对不同国家的人才需求强度进行预测。
结合前面层次分析法指标体系以及数据的可获取程度，选取以下指标分别代表“五通政策”的各项指标。其中x1为入境留学生的比率(%)，该数据是两国之间培养不同类型专业人才形成的基础，因此可代表政策沟通指标值；x2为来自俄语地区的留学生(人)，该数据可以从学生人数上反映我国与其他国家之间人才交流情况，因此可代表民心相通指标值；x3为中国—俄语区国家进口额(美元)；x4为中国—俄语区国家出口额(美元)，x3与x4可以反映两国之间资金流通情况，因此可代表资金融通指标值；x5为合同项目数(个)；x6为在境外从事承包工程人员(人)，x5与x6可以反映贸易往来的程度，因此该数据可代表贸易畅通指标；x7为中国—俄语区国家设备及设施等物资进口数(个)；x8为中国—俄语区国家设备设施等物资出口数量(个)，x7与x8是两国之间设施联通的具体表现，因此该数据可代表设施联通指标值。具体指标结果如表18所示。
同学A做企业很早，通过几十年的经营，虽不能说富甲一方，在我们当地也算鼎鼎有名。不过，用现如今的标准衡量，他经营的企业属于污染行业。虽不属于高污染，但也绝对不符合环保要求。近几年，国家对环境保护越来越重视，绿水青山就是金山银山的概念越来越深入人心。于是，每次见到A的时候，便劝他早做打算，转型升级什么的。每次A都不以为然，说他认识某某和某某某，只要肯花钱，每次都能逢凶化吉。甚至别的企业都停产避风头，他的企业依旧机器隆隆。得意之色尽显。
表18 人才强度指标统计结果
yx1x2x3x4x5x6x7x8D12.0112844805078580829232084526727177460992422430365146D25.9959188712349035605425556827221253774911221501980D34.1004228061824611108309416919892983841440878D42.008616241208177934588325410114982665797131358317D53.727113664351889081090019147927161510262942153682328D64.93162653564327745243603356422371030405688071D73.628719243715267662805021438229838714748D83.942715391322601475523733960073615036248937494402312891489150D93.20431771249079464642169527973034187170996222126176203
数据来源：EPS全球统计数据平台。
根据影响人才需求的具体指标，首先建立指标层的判断矩阵，本部分采用的是较为成熟的专家打分法。令上层因素关联指标为x1，x2，……xn，其中i,j=1.2…,n，aij表示各层指标对其他层指标的影响程度，进而可以得到不同影响因素之间两两比较的判断矩阵A。
为能够从客观角度反映“五通”政策环境下俄语区人才需求强度在地理位置上的分布特点，以此为基础，对上述指标进行标准化处理，具体计算方法如式8所示。
实施风险管理后的观察组护理质量评分及住院患者对护理工作满意度较未施行风险管理的对照组相比均有明显提高(P<0.05);各类护理不良事件发生例数及发生率均明显下降(P<0.05)。各项指标比较差异均具有统计学意义(P<0.05)。
(4)计算各判断矩阵最大特征值。
(8)
其中:B1为学生交换人数；B2为语言类项目数；B3为师资互派人数；B4为联合培养项目数；B5为专业人才项目数；B6为国际谈判合作数量；B7为专业谈判人才数量；B8为小语种人才数量；B9为承包工程派出人才数量；B10为劳务合作人才数量；B11为境外完成营业额；B12为各国家项目合作数量；B13为贸易进口额；B14为贸易出口额；B15为外商投资金额；B16为对外投资金额。
(9)
(10)
由此可得到标准化矩阵，如表19所示。
通过对矩阵进行求解，可得到相关系数矩阵，如表20所示。
最后根据公式(11)可得到其特征向量矩阵以及贡献率，如表21。
(11)
其中：wi为贡献率，λj为特征值。
表19 各指标标准化处理结果
0.05990.06350.11770.14340.10880.42480.06530.1250.17870.00930.00170.09690.03350.1590.00110.06280.12220.00010.00690.00190.00420.0040.00170.00210.05990.0080.01010.0060.04180.00670.00830.00680.11110.06760.01070.01890.03770.15870.01270.00790.1470.00130.00130.01290.01260.0330.00020.02090.10820.00090.00060.00130.00840.000100.0020.11750.76160.790.64580.62760.21170.75310.66310.09550.08760.0610.07290.12550.0020.15770.1094
表20 各指标相关系数矩阵
10.007-0.0280.038-0.0484-0.2011-0.01740.01260.00710.99330.97830.99250.31590.99170.9862-0.0280.993310.98810.99320.36530.98770.99280.0380.97830.988110.98560.44350.97340.9956-0.04840.99250.99320.985610.35120.99570.9951-0.20110.31590.36530.44350.351210.27720.3869-0.01740.99170.98770.97340.99570.277210.98920.01260.98620.99280.99560.99510.38690.98921
表21 各指标特征向量
0.00950.8177-0.5681-0.0252-0.04890.04070.04750.0411-0.40090.07260.0895-0.7272-0.2274-0.3034-0.3809-0.0908-0.40320.0230.0615-0.33790.59950.4960.29750.1582-0.4030.0299-0.08090.31230.4398-0.54420.1006-0.4826-0.40330.01580.09440.1546-0.3057-0.33880.45870.621-0.1694-0.5633-0.792-0.0672-0.12570.07610.02710.0011-0.39960.07420.15090.1759-0.52840.44260.2185-0.5082-0.4040.04150.00560.44660.0680.2184-0.70360.2969
根据各指标特征向量计算结构，并结合公式11，可得到不同指标贡献率。根据各指标贡献率计算结果可知，其中能够反映政策沟通层面的指标入境留学生的比率贡献率，即x1=0.762 1，该值所占贡献最大，即入境留学生比率与该国家人才需求强度关系最为密切，这也与实际情况相符。因此，可以按照该指标对不同国家的人才需求强度进行打分。该结论也与前文中利用层次分析法，从主观层面上得出政策沟通所占权重最大的结论相一致，进一步验证了本文计算结果的可靠性。
综上，本部分利用主成分分析法，可得到不同国家人才需求强度排序，将排序结果汇总为表22，即俄语区各国家经济影响下人才需求的需求强度排序表。
表22 俄语区各国家人才需求强度排序
国家名称排序哈萨克斯坦8吉尔吉斯斯坦5亚美尼亚1阿塞拜疆4白俄罗斯6格鲁吉亚3摩尔多瓦2俄罗斯9乌克兰7
从上表中可以看出，不同国家受到其经济、商贸、人口等因素影响，其人才需求强度也有所不同。以俄罗斯为例，其人才需求强度从空间分布上来看排名较低，即人才需求强度不稳定，这与其上文分析的历史数据结果相似，同时也就意味着在与俄罗斯进行人才方面的教育合作时具有一定的风险。究其原因正是由于俄罗斯自身人口及经济等指标波动较大，特别是从近10年的数据上来看(如图1、图2)，俄罗斯人口总数以及就业人口数等基本数据指标指数呈递减趋势，但俄语区其他国家人口10年间变化相对平稳，因此从表21中可看出，其他国家人才需求强度相对较高。结合上文中“五通”政策对人才需求的影响程度分析结果可知，人才需求会受到包括两国之间的政策因素、商贸因素、金融因素以及民心因素等影响，而类似俄罗斯等规模较大的国家由于其历史及地理环境等原因，造成以上因素的数据波动较大，这也意味着此类国家在人才需求发展的过程中存在较多不稳定因素。同时，这种非稳定性对人才需求的强度产生较大影响，因此也影响了俄语区国家人才需求的强度排序结果。综上可知，根据人才需求强度分析结果，可以知道人才需求在俄语区地理空间的分布情况，在我国与俄语区各国家进行人才交流合作时可以此数据为依据，明确合作对象，提高合作质量。
3.3聘请兼职护理院校学生,弥补护士不足。调查发现,护理人员普遍存社区工作年限短,学历层次低等不足。而社区护理人员知识掌握不足在一定程度上导致随访难以深入开展。可借鉴新加坡和澳大利亚等国的经验,将社区与护理院校联合,培训有志参加社区护理实践的护理院校学生,传授老年痴呆预防及早期干预等社区护理理论和技能,开展社区课外实践活动。
四、结语
本文从“五通”政策角度出发，分别从定性和定量两个层面描述了“五通”政策对人才需求的影响程度，建立能够反映不同政策对人才需求影响的指标体系，深入分析“五通”政策对于俄语区各国家与我国之间教育合作交流的导向作用。利用层次分析法，分别建立了不同指标层之间的判断矩阵，以此为基础，通过对判断矩阵进行分析并求解得到不同指标对人才需求影响程度的权重值，进而得到“五通”政策对人才需求影响程度的排序。以人才需求的影响因素为基础，利用主成分分析法，对俄语区各国家人才需求强度进行预测，对人才需求强度在空间位置上的强弱进行排序，最终得到人才需求在空间上的分布规律。
综上，结合本文研究结论，在进行我国与俄语区国家之间人才需求政策制定时，可以有所侧重地提出相关政策，如针对我国与俄语区国家之间的人才交流合作问题，提出以下建议。
综上所述，甲状旁腺切除术联合西那卡塞治疗继发性甲状旁腺功能亢进效果理想，能有效降低患者血清钙、磷水平，并发症较少。
机器学习中的现代个性化的推荐系统与我们的日常生活有着密不可分的联系，它使我们的眼界更加开拓。随着现代计算机科学地迅速发展，推荐系统中的核心——推荐算法也在不断的发展，但每一种算法都还是存在着一定的局限性。在将来的工作中我们可以注重在技术方面上解决这些问题，通过更深入地学习数学与理论计算机科学知识，去尝试设计更好的推荐算法，使得推荐系统可以更加成熟。
1、俄语区国家中如俄罗斯、哈萨克斯坦等规模较大的国家，其战略地位显著，且是中国在全球一体化进程中的重要战略伙伴，同时在经济、贸易、人文、教育等领域均有密切合作。但由于俄罗斯等国的历史、政治及经济等原因，导致该类国家在人口基数以及与我国之间的政策沟通、设施联通、资金融通等方面存在较大的波动性，因此导致其人才需求强度较低，建议在人才教育合作过程中加入一定的保障机制，健全合作相关政策内容，降低合作风险。
2、针对如亚美尼亚、摩尔多瓦等规模略小的国家，其政治、经济等方面地位稍显薄弱，但这类国家人口基数变化平稳，与我国在政策沟通、贸易畅通以及民心相通等方面一直处于稳步增长状态，且在“一带一路”倡议下与我国之间教育交流逐渐增多，因此导致该类国家人才需求强度较高。综上，为保障我国与该类国家之间人才交流项目的顺利实施，在制定与俄语区国家之间的人才教育政策方面也可考虑适当倾斜。
[参考文献]
[1] 孙文霞、陈莹、陈帆：《基于“一带一路”视角的我国企业国际化人才发展对策研究》，《中国市场》2019年第19期。
[2] 刘音、程卫民、吴海凤：《“一带一路”倡议背景下安全工程国际化人才培养模式探究》，《大学教育》2019年第7期。
[3] 古翠凤、梁韦娟：《“一带一路”战略对应用型高校发展的影响》，《职业教育研究》2019年第4期。
[4] 雷海波、吴纬地、刘伦斌：《“一带一路”背景下天津自贸区金融职业人才需求预测与培养》，《天津职业技术师范大学学报》2019年第1期。
[5] 刘阳、孙莹：《东三省对俄经贸现状及俄语人才需求研究》，《知识经济》2019年第9期。
[6] 黄艳蕊：《“一带一路”倡议下旅游俄语人才需求及培养研究》，《中国多媒体与网络教学学报(中旬刊)》2018年第12期。
[7] 程艳冉：《“一带一路”战略背景下义乌国际营销人才需求及培养路径分析》，《科学咨询(科技·管理)》2018年第5期。
[8] 徐海霞：《“一带一路”战略背景下物联网应用技术专业人才需求与培养目标的研究》，《知识经济》2018年第8期。
[9] 石超、张荐华：《“一带一路”背景下中国—东盟自由贸易区人才需求预测》，《广西社会科学》2018年第3期。
[10] 王文宣：《“一带一路”倡议背景下国贸专业人才需求解析》，《现代商贸工业》2018年第9期。
[11] 陈晶：《“一带一路”倡议背景下高校人才培养模式探究——以金融学专业为例》，《现代商贸工业》2018年第8期。
[12] 王科：《服务“一带一路”倡议的理工科人才培养实践与研究》，《云南民族大学学报(哲学社会科学版)》2018年第2期。
OntheSpatialDistributionCharacteristicsofTalentDemandinRussian-speakingCountriesBasedontheFive-ConnectivityProgram
CAI Xin-yu1, Sun Di2, FU Li-li3
(1.Beijing Jiaotong University, Beijing 100044, China;2.College of Urban Rail Transit and Logistics, Beijing Union University, Beijing 100101, China;3.Business School, Beijing Union University, Beijing 100025, China)
Abstract: Based on the Five-Connectivity Program, an analysis has been made on the talent demand in the Russian-speaking countries and the spatial distribution characteristics of talent demand in various countries, thus establishing an indicator system that reflects the The Five-Connectivity Program and a relationship between different indicators. Using the analytic hierarchy process, this paper also analyzes the impact of different policies on talent demand and finds the main impact factors of talent demand. Using principal component analysis to analyze the distribution characteristics of talent demand in the Russian-speaking countries from a spatial perspective, this research provides data support for the follow-up of educational cooperation models between China and the Russian-speaking countries.
Keywords: Five-Connectivity Program；talent demand；analytic hierarchy process；spatial distribution characteristics
[中图分类号]C964.2
[文献标志码]A
[文章编号]1672-4917(2019)04-0109-10
[收稿日期]2019-07-25
[基金项目]北京市教育委员会科技计划面上项目“混合交通中的交通行为决策及信号控制方法研究”(项目编号：KM201511417005)；北京市教育委员会科研项目“基于网络搜索数据的北京CPI的预测研究”(项目编号：SM201311417008)。
[作者简介]蔡新宇(1978—)，女，安徽芜湖人，北京交通大学经济管理学院博士研究生；孙迪(1985—)，女，吉林吉林市人，北京联合大学城市轨道交通与物流学院讲师；付丽丽(1975—)，女，河南郑州人，北京联合大学商务学院讲师。
(责任编辑刘永俊)
标签：俄语论文; 人才需求论文; 政策论文; 指标论文; 国家论文; 社会科学总论论文; 人才学论文; 世界各国人才调查及其研究论文; 《北京联合大学学报(人文社会科学版)》2019年第4期论文; 北京市教育委员会科技计划面上项目“混合交通中的交通行为决策及信号控制方法研究”(项目编号:KM201511417005)北京市教育委员会科研项目“基于网络搜索数据的北京CPI的预测研究”(项目编号:SM201311417008)论文; 北京交通大学经济管理学院论文; 北京联合大学城市轨道交通与物流学院论文; 北京联合大学商务学院论文;