变量类别 变量名称 数据类型 含义与说明 地理与机构标识 Country, Region 分类型 毕业生所属大学的国家及地区。是分析就业市场地域性特征、薪资差异和人才流动的基础地理维度。 University_Name 文本型 毕业生所就读的大学名称。用于进行院校层面的声誉、质量与产出绩效的精细分析。 教育背景 Degree_Level 有序分类型 毕业生所获学位等级(如学士、硕士、博士)。是影响起薪、就业门槛和职业发展路径的关键个人资本变量。 Field_of_Study 分类型 毕业生主修的专业或学科领域(如计算机科学、金融、工程)。直接决定了其进入的行业赛道与核心技能集,是分析薪资差异和技能需求的主要分组依据。 Graduation_Year 数值型(整数) 学生毕业的年份。用于追踪同一领域或院校毕业生就业表现随宏观经济的长期趋势变化。 核心就业结果指标 Employment_Rate_6_Months (%) 数值型(连续) 毕业后6个月内的就业率。反映教育到职场过渡的短期效率和市场需求对当届毕业生的即时吸纳能力。 Employment_Rate_12_Months (%) 数值型(连续) 毕业后12个月内的就业率。衡量毕业生找到工作的更充分成功率,过滤了短期波动,更能体现学位的长期市场价值。 Average_Starting_Salary_USD 数值型(连续) 毕业生平均起薪(美元)。是衡量教育投资直接经济回报和毕业生在劳动力市场中初始定价的最核心指标。 职业去向与角色 Top_Industry 分类型 该毕业生群体最主要的就业行业(如“科技”、“金融”、“咨询”)。揭示了专业与行业的对口关系及人才流向。 Job_Role 分类型 该毕业生群体最主要的初始职位名称(如“数据分析师”、“软件工程师”、“管理培训生”)。具体描述了毕业生的职业起点和工作内容。 技能需求与市场匹配Skill_1, Skill_2, Skill_3 文本型 该毕业生群体就业所需的最突出的三项技能标签(如“Python”、“机器学习”、“财务报表分析”)。直观展示了市场对毕业生的具体能力要求。 Skill_Demand_Score 数值型(连续) 综合技能需求热度评分。该评分可能基于技能稀缺性、薪资溢价等因素计算,用于量化评估特定技能组合在当前市场的整体价值。 工作条件与市场声誉 Remote_Work_Availability (%) 数值型(连续) 提供给该毕业生群体的职位中,支持远程工作的比例。反映劳动力市场工作模式的灵活性与现代化程度,是后疫情时代的重要工作属性。 Employer_Reputation_Score 数值型(连续) 雇佣该毕业生的雇主企业的综合声誉评分。间接反映毕业生就业质量的另一个维度(企业声望、稳定性、培训体系等)。 时间标识 Year 数值型(整数) 该条记录数据所对应的统计或发布年份。用于面板数据分析,是观测所有指标随时间演变趋势的核心索引。