在新一酱上周发布的《2019城市商业魅力排行榜》报告中，我们提到中国有80.17%的初创公司、56.64%的高科技公司和54.55%的上市公司都集中在一线和新一线城市。特别是头部一线城市，他们聚集了最好的行业资源与就业机会，甚至你只能在头部城市找到某些岗位。

对年轻人来说，如果你一开始就决定依照向上的路径规划自己的职业，如何选择城市会变得比以往更重要。

“知城·年轻人理想择业指数”想要做的是：从城市拥有的职业资源、对创新的扶持、其本身提供的生活水平及交流空间中，判断城市在这些条件下应该达到的吸引年轻人的能力。

在这个指数中，第一财经·新一线城市研究所与智联招聘合作，选择了《2019城市商业魅力排行榜》中排名前19位的一线及新一线城市，以及在2017年、2018年密集出台人才政策的二线城市，一共将30座城市的各维度数据纳入指标模型的构建中。旨在通过年轻人对城市禀赋的具象化描摹，衡量一座城市的“分量”。

新一酱首次利用BP神经网络算法，选取了8个较能全面反映年轻人需求的城市指标维度来评估城市的理想择业指数。

这8个维度分别是：各城市应届毕业生留存率、PM2.5达标率、租房成本、毕业生起薪、城市平均薪资、优质本土公司数量、创业平台数量、第三类空间数量。我们将不同维度的数据作为训练集，再根据各城市对应届毕业生实际吸引力水平进行训练和检验（你可以把它简单理解成一个科学赋权的过程）后，得出最终结果。

《你属哪座城》的作者理查德·佛罗里达在一项城市满意度调查中发现，大学毕业生、创业者、未婚者更愿意去那些有充足的就业机会、有丰富的商业文化设施、有活力社群氛围的城市。

从结果来看，北京、上海、深圳、广州排名前四，一线城市仍然是大多数年轻人理想的择业首选之城。成都、杭州虽然与一线城市仍存在不小差距，但在新一线城市中表现出了较高的首位度。重庆、南京、苏州、西安、武汉、郑州得分接近，彼此之间的分数差距在3分以内。

要考量各城市对应届毕业生实际吸引力水平，我们引入了智联招聘的应届毕业生首选就业指数和海归吸引力两个指数。国内应届毕业生和归国留学生，这两类人群在择业时呈现出了比较明显的偏好差异。

海归留学生大多往一线城市集中，占到所有城市的31.86%，二线城市的比例偏低。相比之下，国内应届毕业生的选择似乎更多地显示了区域中心城市的优势。除了一线城市，成都、郑州、西安、武汉、杭州成为国内应届毕业生首选就业比例较高的城市。

进一步分析不同维度对最终结果的重要性时发现，优质本土公司数量在其中的权重最高，也就是说，优质本土公司数量最影响年轻人的择业决策。

优质本土公司包括上市公司、科技部认定的高新技术企业和创业公司。这些公司对年轻人有天然的吸引力。

大企业中规范的流程、高新技术企业中聚集的专业人才、创业公司中创新的氛围，是初入职场的人高效获得养分的途径。城市里聚集的公司给年轻人提供了不同职业化路径的选择。

杭州、苏州分别因为其众多互联网创新公司和高新技术企业在这一维度上表现亮眼。

薪资水平的重要程度仅次于优质本土公司数量。且相比各城市平均薪资，毕业生起薪对年轻人才的实际吸引力水平呈现出更高的相关性。这可能在一定程度上体现了年轻人择业时的普遍心里状态。

事实上，这种行为可能是短视的，宁波、佛山、厦门、东莞等城市同样值得关注。它们在毕业生起薪方面的表现并不突出，但具有可观的薪资增长幅度。

宁波在这两者上的差值为2071.49元，是30个城市里的第四名，但它的毕业生起薪只排在第15。北京、上海、深圳、杭州是城市平均薪资与毕业生起薪差值最大的城市，广州的薪资增长金额甚至不抵佛山。

城市平均薪资与毕业生起薪差值排名前十的城市中，仅有北京为北方城市。总体来看，南方城市具有更高的薪资增长空间。

城市中除了居住空间、工作空间之外，还有一个第三类空间，它包含了城市中各种商业设施、购物休闲场所——它一方面满足了年轻人的基本生活需求，另一方面提供了一个交流、信息互换的场所。

对这届年轻人来说，生活便利有滋味实在太重要了。

新一酱选择了餐饮门店、便利店、咖啡馆、酒吧和书店这五类常见且基础的第三类空间来统计。不同城市的第三类空间类型各有偏重。基础商业丰富的成都和重庆在这个维度中排名最高，成都有2294家酒吧、23.79万餐饮门店，重庆有1462家书店。

除成渝地区外，华东、华南城市大多有着更加丰富的第三类空间，相比之下其他中西部内陆城市和东北城市的第三类空间普遍较为欠缺。

有点出乎意料的是，根据变量重要性分析结果，租房成本的重要性并不显著。也就是说年轻人在选择城市时，对租房成本的考量放在了比较靠后的位置。特别是对于其他方面优势明显的一线、新一线城市来说。

二线城市内部的情况似乎有所不同，其租金成本与实际吸引力水平呈现出较为明显的负相关关系。这并不难解释，当城市之间其他资源优势不存在显著差异时，租金成本的边际差异便自然而然被放大了。

城市对年轻人的吸引力在于蓬勃的生态。除了出台补贴方案或是降低落户门槛，城市管理者需要更多地站在年轻人的角度想一想，其实思路还有很多。

而对年轻人来说，当城市越来越折叠，个体又无法轻易抵御这种趋势时，可能只留下两个选择——从一开始就站在资源的塔顶，或者从一开始就依照非主流的价值观前行。

新一酱将持续关注城市在年轻人择业时体现的吸引力，并逐步调整完善“知城·年轻人理想择业指数”的算法框架。

你的第一份职业选在了哪里？哪些问题是你在做决策时考虑最多的？欢迎留言告诉新一酱。

新一酱是第一次应用BP神经网络算法，还有不够成熟的地方，以下详细解释了该算法的实际应用，如果你感兴趣，欢迎和新一酱探讨。

BP神经网络算法属于机器学习的一种，虽然其模型机制与参数意义难以直观解释，但其在预测模拟方面，比传统的回归分析更加出色。

我们可以把神经网络理解成人在学习和接受某种讯息时神经元之间的信号传播状态的模拟：其每一层通过多个神经元相连，每一层的输出会乘上该输出神经元的权重，求和后到达下一层的神经元，再通过激活函数来假设这个神经元对信号的处理，经过多层迭代得到目标集的最终结果。

本文所采用三层BP神经网络结构示意图

样本矩阵C是30座样本城市的8个指标维度和对应届毕业生实际吸引力水平所构成的学习集，共同搭建的样本矩阵。其标准化处理后得到T矩阵作为输入层。在隐含层中，会有一个损失函数来衡量预测值与真实值的差异，这一过程中的权重是在使得损失函数最小的过程中通过反向传播算法得到的。经过隐含层多层迭代之后得到目标集的预测值R。在正式带入样本数据计算之前，新一酱利用2017年的数据对模型进行了训练和精度检验，模型在准确性检验方面表现良好。

参考文献：

[1]文余源,邓宏兵,段娟.基于神经网络的城市投资环境评价探讨[J].现代城市研究,2003(04):71-74.

[2]关建清. 神经网络模型在城市科技竞争力评价中的应用研究—基于浙江省的实证分析[D].杭州电子科技大学,2012.