前言:
此时朋友们对“算法lca”大体比较着重,同学们都需要分析一些“算法lca”的相关资讯。那么小编也在网上汇集了一些对于“算法lca””的相关资讯,希望各位老铁们能喜欢,朋友们快快来学习一下吧!近年来中国留学生逐渐占据美国国际学生的半壁江山,光荣毕业后,除了立马回到祖国的怀抱中的童鞋,选择留在美国继续打拼踌躇满志的华夏学子,不管是为了在美国定居还是想工作几年积累经验,最终能有多少实现“美国梦”?对于大多数留学生来说,实现“美国梦”就是获得H1B签证,而其中最关键的一步是LCA过程,那么什么是H1B签证?什么是LCA过程?我们该怎样才能更有把握通过LCA过程,从而获得H1B签证呢?
如果你愿意一层一层
一层的剥开他的心
你会发现 你会讶异
那最深处的秘密~
本文的主人公叫做小苹果,赴美留学数年后以优异的成绩毕业,毕业的同时面临着一个艰难的抉择:是继续留在美帝还是回到祖国的怀抱当中呢?经过一番。゚ヽ(゚´Д`)ノ゚。的思考,最终决定留在美帝,与公司达成共识后获得OPT身份。
由于OPT只是学生身份到工作身份的过渡阶段,因此小苹果在OPT期间尝试申请H1B签证。并且小苹果属于外籍劳工,所以雇主必须先向美国劳工部(USDOL)提出劳工条件申请(LCA),随后才能有资格向美国公民及移民服务局(USCIS)填写H1B签证申请表格。在雇主的LCA过程被认证之后,由于签证配额限制,需要通过计算机随机算法对H1B签证进行抽签,能不能被抽中就只能听天由命了。
那这时候你可能会感受到些许奇怪,如果H1B签证是随机抽签的话,我们还研究什么呢?请大家审题,我们研究的是H1B签证LCA过程,LCA和H1B间有着千丝万缕的联系:LCA过程是申请H1B签证的一个重要环节,只有LCA过程被美国劳工部认证,雇员才有资格提交H1B签证申请。分析LCA过程的影响因素有助于提升雇主的外籍劳工聘用率,进而增加有资格申请1B签证的雇员人数,最终增加中签率。
为了研究这个问题,我们获取了美国外籍劳工认证数据中心披露的2017年前三季度关于LCA过程的审批数据,约50万条观测,变量数为17个,涵盖申请信息、雇主信息、职业信息等。其中每条观测为LCA过程的审批信息。
接下来我们要详细的对影响申请状态的因素进行一个(还算)细致的分析。
可以看出,五大外籍劳工聚集地均为美国的现代化大都市,并且美国劳工局对LCA过程中雇员为全职或兼职的认证率没有明显偏好。
INFOSYS和TATA均为印度科技公司,申请状态为“未认证”的人数较少。相对而言,GOOGLE和IBM的“未认证”的人数较多。这与印度外包公司给同一位员工提交多份申请以便通过LCA认证,进而提高H1B中签率有关。再看看我们所关注的数据科学相关专业前景如何,可以看出,统计学家和管理分析师中,申请状态为“未认证”的现行工资水平相比较低于“认证”的现行工资水平;金融分析师、运营分析师、市场分析师和程序员中,“未认证”的现行工资水平和“认证”的无明显差别。
更具体的看,三月LCA申请审批人数达到顶峰,并且第一季度和第二季度LCA申请被认证的比例有明显差别。经统计,第二季度被认证的比例为82%,明显低于第一季度的93%。
在对各类影响因素进行简单的观察之后,不难发现,众多因素对LCA过程的认证有所影响,那么接下来,我们要如何使得LCA过程拥有更大的概率被成功认证呢?
在本文中,采用logistic回归模型研究自变量对申请状态这个因变量的影响程度,并且根据模型对申请状态是否被认证做出预测。通过AIC准则进行逐步回归筛选变量后的最终结果如下:
建立了回归模型,我们对影响申请状态的各因素效果进一步分析,得到如下结论:
申请与主流专业有关的职业,如S.T.E.M.;争取申请到两年到三年的工作offer;在三月底提交申请,以便四月初审核。
基于以上模型,我们可以对一份LCA申请的状态做出预测:
标签: #算法lca