大学生就业情况与在校表现之间关系的调查分析——以桂林电子科技大学为例

何芳丽

（桂林电子科技大学数学与计算科学学院，广西桂林541004）

大学生就业情况与在校表现之间关系的调查分析
——以桂林电子科技大学为例

何芳丽

（桂林电子科技大学数学与计算科学学院，广西桂林541004）

以桂林电子科技大学为例，对往届毕业生进行抽样，获取他们的初次就业情况与在校表现方面的数据，建立累积logistic回归模型。该模型表明学生在校时的学分绩和获校级以上奖项对大学生初次就业情况的影响是显著的。

累积logistic模型；就业；在校表现；调查分析

随着我国高等教育招生规模的扩大，每年进入就业市场的高校毕业生数量持续增加；同时，随着大学生数量增加，学生的质量也在降低，这使得中国高校毕业生的就业成为一大社会问题.尤其是一些处于西部地区的非重点大学院校，像桂林电子科技大学（下文中都简称为“桂电”），其毕业生的就业形势更加严峻。

针对我国大学生的就业问题，国内很多学者做了相关的研究。马鸿荣等（2009）对我国大学生就业问题进行分析，大学生就业难的原因有社会原因、高校原因和学生自身原因。黄敬宝、林梦彤（2011）对大学生就业的影响因子做了调查分析，学校、专业、实习、英语、期望月薪、社会关系、信息收集、性别、单位性质预期、单位行业预期构成了影响大学生就业的10大因子。陈岩松（2004）对大学生就业影响因素做了调查与分析，大学生就业受到政府、高校、就业市场、用人单位和毕业生就业观念等多种因素的影响。另外，还有些学者利用统计方法对就业问题做了研究，刘小瑜,胡军刚（2008）利用Logistic回归模型对大学毕业生就业影响因素做了实证分析，其因变量是就业状况（就业=1，未就业=0），自变量有性别、年龄、政治面貌等，其结论是：性别、年龄、政治面貌、生源地、户口性质、专业类型对大学生的就业状况产生了显著影响,而学历、毕业院校对大学生就业状况的影响则并不十分显著。刘家树（2008）结合Logit模型对经管类大学生就业影响因素做了调查分析，其因变量是就业状况（就业=1，未就业=0），自变量有性别、所学专业类型、是否为党员等16个变量，其结论是：大学生的个体特征中的性别和家庭等因素对就业的机会比率影响作用大;在学习因素中,英语水平和每天学习时间对就业机会比率的影响是显著的,且作用比较明显,但获奖学金次数却对就业机会比率的作用是反向的，等等。

综上所述，大学生的就业会受到社会、高校和学生自身等多方面的影响.站在学校层面上，社会因素我们是无法控制的，而高校和学生自身因素我们或多或少的可以做些调节，使之向着有利学生就业方面发展。为此，本文以桂电为例，对往届毕业生进行抽样，获取他们的初次就业情况与在校表现方面的数据，建立累积logistic回归模型，考察影响桂电大学生就业的因素，让后来的桂电学生能做出更好的定位，强化大学生职业发展意识，培养大学生职业能力和素质，还可以给我校以及其他兄弟院校相关老师，提供一些参考或建议,以便给予学生系统的就业指导和大学生活规划。

一、数据来源与变量说明

本文的数据来源于桂电往届毕业生离校之前的信息数据，采用抽样方式,有效样本量为235.所选取的指标包括：就业情况y（就业很好=2，就业一般=1，未就业=0），学生学分绩x1,四级通过情况x2（通过=1，未通过=0），在校期间是否获校级及以上奖项x3（是=1,否=0），性格内外向情况x4（外向=1,内向=0），所属学院情况x5（x5=i,表示学生为第i院的）。

二、累积logistic回归模型简介

在社会科学中，次序反应变量十分普遍.我们经常可以见到变量的测量采用Likert类型尺度，比如“强烈反对、反对、中立、支持、坚决支持”或“很差、差、一般、较好、很好”等等。这些反应变量通常都按1、2、3、4、5等整数序列编码。在反应变量的各类中有明确的从低到高的排序，但相邻各类之间的差距未知，对这种反应变量建立模型的适当方法之一是累积logistic回归模型,是二分类logistic回归模型的扩展，需拟合水平数-1个logit模型。在本文中，反应变量y是一个三分类有序变量，需要拟合2个logit模型。

设πi=P(y=i｜X),i=0,1,2,即拟合：

上面式子分别等价与：

三、就业情况与在校表现的实证分析

（一）建立累积logistic回归模型

利用SAS8.2版软件，作y对x1,…,x5的logistic回归模型，考虑到自变量间可能会存在较强的相关性，以及自变量中可能会存在不显著的变量，所以逐步回归的方法选择自变量。结合部分输出结果，分以下几个方面对模型进行评价。

1.拟合优度。表1是关于模型对数据拟合优度的检验，Pearson X2检验的p=0.3952,D统计量的p=0.9508,两个p值都大于通常用的显著性水平0.05，认为这一模型充分拟合了数据。

2.模型X2统计。表2模型X2值是关于自变量是否与所研究时间的对数发生比线性相关的检验，由最后一列的p值可知其线性相关性是非常显著的。

表1X2和偏差统计量

表2 模型X2统计

3.回归系数的显著性检验。表3表明，模型中引入了两个自变量，学生学分绩x1和在校期间是否获校级及以上奖项x3，而且这两个变量都是在0.05的水平下是显著的，说明学生学分绩和在校期间是否获校级及以上奖项对学生的就业情况的影响是显著的。

4.模型的预测准确性。表4中，Concordant为和谐对，Discordant为不和谐对，Tied为结等，由于Somers'D、Gamma、c指标上的值都比较大，说明该模型的预测能力是比较好的。

表3 模型参数估计

表4 次序相关指标

以上评价结果显示，模型的拟合良好，模型成立，自变量的参数估计均有统计意义，预测效果较好，从而由表3.3得到最终确定的模型为：

其中，π2为就业很好的概率，π2+π1为获得就业的概率，x1为学生学分绩，x3为在校期间是否获校级及以上奖项。该模型表明学生在校时的学分绩和获校级以上奖项对大学生初次就业情况的影响是显著的。

（二）模型回归系数的解释

1.x1系数的解释。在logistic回归模型中，eBk提供了在自变量不变时，xk变动一个单位时发生比所变化的倍数，即调整发生比率。如果xk是一个连续型自变量，它变动一个单位，对应的调整发生比率会比较小，说明xk增加一个单位的意义不大.从而为了估计连续型变量的调整发生比率，通常先设定两个比较的变量值，如用a和b标志这两个代表连续自变量xk水平的值，那么从a变到b时，调整发生比率为e（b-a）Bk。

在本文中，我们设a为平均学分绩77.6，b为77.6+10或77.6-10，我们可以得到相对应的调整发生比率估计值分别为e10×0.1220=3.389和e-10×0.1220=0.295。这表明当一个学生的学分绩高于平均学分绩10时，他就业的机会约为平均水平的3.4倍；若一个学生的学分绩低于平均学分绩10时，他就业的机会只有平均水平的0.295倍。

2.x3系数的解释。x3（获奖情况）是分类变量，由于e0.7886≈2.2，说明获过校级及以上奖项学生就业机会约为没有获过校级及以上奖项学生就业机会的2.2倍。

三、结论与建议

（一）结论

本文以桂林电子科技大学为例，对往届毕业生进行抽样，获取他们的初次就业情况与在校表现方面的数据，建立累积logistic回归模型，其结论是：（1）学生在校时的学分绩对大学生初次就业情况的影响是显著的。当一个学生的学分绩高于平均学分绩10时，他就业的机会约为平均水平的3.4倍；若一个学生的学分绩低于平均学分绩10时，他就业的机会只有平均水平的0.295倍。（2）学生在校时是否获校级以上奖项对大学生初次就业情况的影响是显著的，获过校级及以上奖项学生就业机会约为没有获过校级及以上奖项学生就业机会的2.2倍。

（二）建议

综上的分析结论，提出以下建议：（1）学生的学业要精，鼓励学生学好自己的专业知识。在其他条件相同的情况下，拥有扎实专业基础知识的学生的就业机会要比专业基础较差的学生的就业机会要大很多。（2）鼓励学生积极参加各种校级、区级甚至国家级的竞赛，如数学建模大赛，电子设计大赛，程序设计大赛，等等。参加竞赛如果能获得奖项，那更能证明学生的能力，会提高学生的就业机会；若不能获奖，也会使得学生得到锻炼，对学生今后的工作会产生正面影响。

何芳丽，女，讲师，硕士，主要研究方向为金融统计、经济计量分析。

G715

A

1674-7747（2011）18-0065-03

[责任编辑 秦涛]