大学生就业影响因素分析

1大学生就业影响因素分析---基于Logit模型信息与计算科学2005级刘小润指导教师王莉莉讲师摘要：目前,大学生就业问题是我国就业问题重点之一。从影响大学生就业的因素出发，对我校05级信息与计算科学的毕业生进行调查，搜集数据，建立Logit模型，并通过模型估计和检验，从定量和定性角度分析影响大学生就业的主要因素，发现大学生的性别特征、英语水平、计算机水平、社会实践和兼职经验等因素对就业机会比率的影响作用大.关键词：logit模型,回归,就业SurveyAnalysistoFactorsInfluencingEmployment---basedonLogitModelLiuXiao-RunInformationandComputationalScience,Grade2005DirectedbyWangLi-li(Lecturer)Abstract:Atpresent,theemploymentofcollegestudentsisoneofthekeyissuesofemploymentinChina.Fromthefactorsaffectingtheemploymentofcollegestudents,thepaperconductsaquestionnairesurveytograduatesofInformationandComputerScience,grade2005ofsichuanAgriculturalUniversity,tocollectdataandestablishaLogitmodel.Thenbymodelestimationandtesting,thepaperanalyzesthemainfactorsrelevanttocollegestudents'employmentfromthequantitativeandqualitativeanglesandfindsthatsuchfactorsasgraduates'gender,Englishlevel,Computerlevel,socialactivities,andpart-timeworkexperienceplayarelativelygreaterroleintheirjobopportunities.Keywords:Logitmodel,Return,Employment21引言随着我国高等教育的飞速发展，高等院校每年的毕业生数量在快速增长[1]，据了解，2009年我国高校毕业生规模达到611万人，比往年增加52万人。其中，四川省高校毕业生有28．18万人。四川农业大学今年有本专科毕业生5544人，研究生870人。毕业生就业问题成为众多高职院校关注的热点和难点。解决大学生的就业问题成了建设和谐社会，促进经济稳定发展以及大学生实现社会价值与自我价值的需要所面临的重大问题，这直接关系到社会、家庭和个人的切身利益。而在今年金融危机下的高校毕业生的就业面临前所未有的压力和困难[2]。随着每年我国每年大学毕业生规模的壮大，在整个社会劳动力就业群体中，大学的毕业生已经成为一个不可忽视的重要组成部分，同是也是一个特殊的群体，属于“高阶劳动力”。由于政府、社会、家庭、个人的长期的人力财力资源的投资，大学毕业生已经是高人力和搞资本的存量，假设大学生未能够成功找到工作而成为了失业者，这就将大大降低人力投资收益，况且由于快速的社会经济发展，将来可能已经不会对现有的人才资本存量有很大的需求，而且以后的新的追加投资会越来越大，而收益却可能会更小，最后，他们将有可能是社会的不稳定因素[3]。从社会这个大角度来看，失业人数的增加和失业时间的加长对于我们国家的社会保障体系也增加了新的压力，不利于经济的增长[4]。因此，解决就业问题的重点之一首先就是要解决大学生的就业问题，这将关系到社会经济的健康发展。关于大学生就业这一严重问题，近年来已经有很多学者或科研机构都进行大量研究。而这些大量的研究中主要是理论性论证或实证描述,无法获知各因素对就业的影响程度，更不能从数量角度对毕业生在毕业前找到工作的就业机会比率进行分析，研究结论说服力和应用效果值得商榷。本文通过建立Logit模型进行估计和检验，针对大学毕业生就业问题进行实证分析，以期得到有价值的结论。2模型介绍及变量选取2.1Logit模型介绍在研究居民是否购买商品住房、大学生是否能够就业等现象时，因变量在受到多种因素影响，但其取值只有两种状态：是与否。这种现象在计量经济学中称为“二元型响应”3现象，即随机变量0,1iY(“1”表示“是”，“0”表示“否”)对01的模型设定形式通常可选择(逻辑)生长曲线形式，即为Logit模型[5]。当选择逻辑生长曲线作为iY的计量经济模型设定形式时有0()1(1)1iiiiXPEYe(1)为简化起见，令0iiiZX，其简化后的一般形式为:1(1)1iiizPEYe(2)式(2)有两个重要特征：一是随着i时iP趋向于K,K为iP的饱和值；反之，一是随着i时iP趋向于0；二是式(2)具有拐点，在拐点之前，iP的增长速度越来越快；在拐点之后，iP的增长速度越来越慢，逐渐趋于0。若1K，这两个特征是满足一般经济现象变化的特点。为了使式(2)能够进行估计，并且消除iP与iz以及iP与i非线性关系，若记iP为事件发生的概率，则对(2)进行方程是变化有1iziiPPe继续求解可以得出1iziiPeP整理后有0ln()1iiiiiPZXP（3）4由上面式（3）可以得出：ln()1iiPP不仅是X的线性函数，而且是j的线性函数。比率1iiPP通常称为机会比率，即所研究的事件“发生”与“没发生”的概率之比，设1iiPP为ir，则对(3)式两边求导，整理得iiiidrrdX（4）由(4)式可得，变动一个单位，机会比率的变化率变动i个单位，此模型称为Logit模型。Logit模型是解决“二元型响应”类现象的模型之一。本文分析大学生的就业机会比率，属于“二元型响应”现象，通过影响就业影响因素分析发生后的机会概率比，找到主要因素，并分析这些因素是如何影响的，以及影响的程度。2.2变量选取关于大学生就业的因素众多，既包括的有宏观方面的原因，同时也有关于微观方面的原因。宏观原因有社会经济大环境下经济发展状态，产业结构变化、以及就业结构性矛盾等诸多因素；而微观方面的原因主要有毕业生的个体特征、学习情况，参加社会实践情况等因素[6]。本文从影响大学生就业的微观因素出发，主要选取的因素有毕业生个体基本特征、学习基本情况、参加实践情况这些特征进行调查和研究，来分析他们分别对于当代大学生就业的影响。(1)毕业生个体基本特征。主要包括：性别(1X)和是否为党员(2X)两个变量。(2)学习基本情况。反映学习的指标比较多，如各门功课的成绩、英语水平、计算机水平等。为了数据的可得性和可比性，主要选取计算机等级是否通过计算机二级等级考试(3X)、英语是否过了四级(4X)两个变量。(3)参加实践情况。参加社会实践活动和做过兼职工作，能够使学生了解社会，懂得与人沟通和交往，可以培养动手能力。因此，选取了变量有无社会实践和兼职经验(5X)来反映学生的参加实践工作情况。5本文确定调查对象为四川农业大学大学2009届信息与计算科学本科毕业生，不包括考取研究生、出国留学学生和没有意愿就业的学生，即调查对象仅为有就业意愿的毕业生。通过对该专业的这些学生的就业具体情况调查和该班的每年的综合测评的详细资料表格，结合就业指导中心资料，搜集了毕业生的就业情况和各项影响就业相关因素的数据。3大学生就业影响因素实证分析表1选取的变量以及对就业的预期作用假设因素变量及取值范围预期作用方向毕业生个体基本特征1X=1男,1X=0女正向2X=1党员,2X=0其他正向学习因素3X=1计算机等级考试通过2级，3X=1未通过正向4X=1英语通过四级,4X=0未通过四正向参加实践情况5X=1有社会实践和兼职经验,5X=0没有正向3.1变量对就业机会比率作用的假设所选取的变量对就业机会比率的预期作用方向，是根据经验和理论分析得到的假设结果。如表1所示，通过表1可以比较直观得到变量的预期作用方向。这些判断结果是否科学，对就业机会比率影响是否显著，需通过数据的搜集和模型估计与检验，以便得到比较客观的结论，从而为分析大学生就业问题提供较科学的建议。3.2实证分析与模型建设对于应届毕业生就业情况Y一共分为两种情况，“0”表示未能就业，“1”表示已签订就业协议或有明确的签约意向但尚未签约的，它是一个二元变量。我们采用logit模型来分析影响应届毕业生就业的因素。而在我们调查中，只针对于有就业意愿的毕业生的就业情况，根据模型（3）0ln()1iiiiiPZXP，我们可以得出下面模型ZX(5)6其中X表示影响应届毕业生就业状况的因素矩阵，由于ln()1iiiPZP，而iP无限趋近于1，所以iZ取临界值0，在结合影响大学应届毕业生就业情况的影响因素的矩阵，我们就可以构建如下的logit模型[7]:501ln()1iiiiiiPXP(6)表2变量统计调查数据学生姓名YX1X2X3X4X5杨泉111101何友111111张晓芬101010古泽文111111邓惠文101001昝江111111杨菁101011张林111011陈鹏011111王承均111111赵华彬111110范晓芳001000刘海勇011000唐勇111101郭敏001010杨友芬000011兰祥飞011110李锋111000黄伟011000张杰011110简丽100001杜江艳100010游胜011000蔡均100001刘小润110100李昭阳010000吴登科110101夏先建010000袁川010000沈行110000廖力锋110000周科宇010000徐颖0100107王长毅110000钟福110000李明010010商智慧010000梁治军010000张超010000卓志霖110001通过对表1各个变量统计调查的数据统计出表2，运用Eviews软件，对该模型就行估计。首先，我们双击EViews5.0软件，然后建立一个新的工作区，点击FILE菜单，选择new，再选择workfile，在弹出的窗口中选择非结构数据，确定为观测的样本数位40，然后点击ok结果显示附录1所示[8]:然后在点击file菜单，选择Import子菜单下面的ReadText-lotus-excel菜单，进行我们的自变量Y和因变量X1、X2、X3、X4、X5的定义和数据录入，结果如附录2所示接着在主菜单中找到Object，选择newobject，在method一栏中选择binary方法求解，在模型中选择logit模型，然后在空白处依次输入我们的自变量和因变量和常数项，结果如附录3所示。然后点击确定，将显示我们所求的结果如下图1所示：图1模型求解结果显示8由图1显示的结果McFaddenR-squared的值为0.229722，说明和同类拟合模型相比拟合优度较好[9]。结合表1的预期作用假设情况可以得到以下结论：（1）从统计检验结果看，似然比统计量（LRstatistic）为12.64643，对应的概率为0.026927，说明在0.05显著水平下，所有斜率系数同时为零的假设被拒绝，即所有变量一起对就业机会比率有显著性影响。在所选取的变量中，在0.10显著水平下，只有社会实践和兼职经验对就业机会比率有显著性影响[10]。在0.10显著水平下，其它变量的作用并不显著。但是在二分回归子模型中，回归系数的期望符号以及与实际上的对比关系才是首要的。（2）从回归系数的符号看,是否是男性、是否是党员、英语是否过四级与假设的预期作用相反，其他各变量对就业机会比率的影响作用方向和假设是一致的[11]。是否为男性之所以会对就业机会比率的影响成正相关，和我们预期的作用相反，大概是因为在大学期间女性更加能够认识到自