基于logistic回归的高校毕业生工作满意度的影响因素

张再生，高彩蕊，韩旭彤

（1.天津大学管理与经济学部，天津 300072；2.天津工业大学 招生就业处，天津 300387）

工作满意度作为一种重要的测量员工态度的变量一直以来都受到人力资源管理和组织行为学领域研究者的关注.国内外大型企业中，工作满意度一直都是人力资源管理效果的“标尺”，它对于测量员工当前工作状态和预测员工流动去向具有重要的作用.在当前人力资本和知识资本成为企业核心竞争力的时代，作为企业生存和发展的决定性资源的高校毕业生员工却一直呈现出较低的工作满意度.到底是哪些因素影响了这一群体的工作满意度，探究这一问题不仅是企业人力资源管理的当务之急，同时也成为员工职业生涯规划的重要指导因素.本研究以在各企业中就业的高校毕业生为研究对象，提出了高校毕业生员工工作满意度前因变量的立方体模型，并以实证的方式探究了显著影响工作满意度的因素，为用人单位针对高校毕业生员工进行合理的人力资源管理和员工个人开展长远的自我职业生涯规划提供了相应的参考.

1 毕业生工作满意度前因变量立方体模型

综合前人对工作满意度前因变量的研究来看，国内学者以高校毕业生员工为研究对象进行大样本数据的实证研究尚少.高校毕业生有其自身的特点，这就决定了前人的研究结论对于高校毕业生员工未必适用.对于高校学生来说，家庭和学校是他们受教育的两个最重要的场所，不同的家庭其家庭资本不同，不同的学校也有不同的教育方式，其对学生的影响也不尽相同.高校学生作为家庭教育和现代化高等教育相结合的产物，家庭和学校对其工作态度的影响绝对不容忽视.因此，我们在前人对工作满意度前因变量的研究的基础上引入了家庭因素和学校因素，为了便于研究，将家庭因素归类于个体因素.以学校因素、工作因素和个体因素作为高校毕业生工作满意度前因变量的3个维度，每个维度分为正向作用和负向作用，其中正向作用可以明显促进员工对工作的满意程度，负向作用可以显著增加员工对工作的不满意程度.在此基础上，我们构建了高校毕业生工作满意度前因变量的工作满意度立方体模型，其中立方体中共分为8个小立方体，每个小立方体代表了一种影响类型.详细模型见图1.

每个小立方体代表的影响类型具体如下.

（1）全面激励型.其中学校、个体和工作的影响都为正向，这种类型下各个维度都能显著正向影响员工的工作满意度.

（2）工作失意型.其中学校和个体的影响为正向，工作的影响为负向.在此种类型的作用下，员工在工作上比较失意，其他两方面的正向作用明显，这种情况有可能只是暂时性的，比较容易向（1）过渡.

（3）个体支撑型.学校和工作的影响为负向，只有个体因素的影响为正向，因此个体方面的作用对员工来说具有不可代替的支撑作用.

（4）学校沮丧型.学校的影响作用为负，家庭和工作方面都比较得意，此时可能处于一个困惑期，可能困惑于自己学校的知名度小，专业不对口等，此时也往往是暂时性的，随着时间的推移可能会忽略掉学校因素的负向影响，让其处于中立状态.

（5）个体失落型.除了个体因素以外其他两方面均处于正向.此时的员工在个体因素上比较失落，根据溢出理论，此时极易造成对工作的不满，很容易走向（6）型.

（6）学校支撑型.个体和工作方面不得志，但是学校的作用为正向，此时的员工可能出于两种状态，一种是受过良好的学校教育，心理资本比较强，极易克服困难走向（1）型或（2）型；另一种是以学校为荣，自身能力和心理素质较差，学校的正向影响也可能只是暂时性的，很容易走向（7）型.

（7）全面失调型.此时，三维度均为负向，员工走出阴影的压力比较大.

（8）工作支撑型.学校和家庭方面均不得意，但是工作上得到满足，处于此类型的员工心理素质往往比较强，可以克服学校和家庭方面的不利.因此很容易向（1）或（4）型过渡.

以上是对于8种类型激励作用的概述，这8种类型不是固定不变的，相互之间是不断过渡和变化的，这种交替互变的作用构成了毕业生员工对其工作总体的各种态度的变化.立方体模型从3个维度探究工作满意度的前因变量，3个维度有正负之分，避免了传统的单一维度考察的片面性.

2 变量筛选的研究设计

2.1 研究样本及特征

本文数据来源于《高校毕业生就业稳定性及就业促进机制研究》课题组的调查数据.选取该数据的主要原因是该调查研究选的主要对象之一为近十年毕业的高校毕业生，具有较强的现实意义；在问卷的发放上，考虑到就业区域的集中性，选择在北京、天津、山东、河南、江苏、福建等地就业的高校毕业生为调查对象，数据具有代表性；鉴于不同类型的就业单位对于高校毕业生的吸纳能力不同，调查针对各地政府机关、事业单位发放问卷数量较少，80%的问卷是由在各类企业中就业的高校学生填写，样本分布相对均衡.该问卷主要经由单位人事部门发放，共发放2400份，回收1800份，其中有效问卷1500份.有效问卷中，男性为766人，女性734人，男女比例相当.在年龄构成上，样本的年龄基本呈正态分布，具有较好的代表性.

2.2 数据的测量

本研究共有4个方面变量需要进行测量，包括个体因素、学校方面因素、工作因素和工作总体满意度.

个体因素的测量上，年龄划分:“18周岁以下”；“19～23 周岁”；“24～30 周岁”；“31～35 周岁”；“36 周岁及以上”.性别划分:“男”；“女”.婚姻状况划分:“已婚”；“未婚”.父母学历状况划分:“大专以下”；“大专（高职）”；“本科”；“硕士研究生”；“博士研究生”.户籍地是否是工作所在地:“是”；“否”.父母所在地是否是本人工作所在地:“是”；“否”.

在学校因素的测量上，专业划分:“理工类”；“经管文史类”.学校是否开展职业生涯教育:“是”；“否”.专业与工作是否对口:“是”；“否”.

对于工作状况的测量上参照了明尼苏达满意度量表（MSQ），在设计量表过程中综合了高校毕业生的特点，对MSQ的问题项进行了适当修改.对于组织承诺的测量我们参照了Allen和Meyer的组织承诺量表[1]，同时结合对调查者深入访谈的结果对问题项进行了修正，最终的问卷共有17个问项.测量方式采用李克特五点计分法，其中1表示“非常不符合”，5表示“非常符合”，得分越高表明该类承诺水平越高.运用结构方程模型进行CFA后表明:三阶因子模型（X2/df=4.92；RMSEA=0.055；CFI=0.931；NFI=0.922；IFI=0.934），显示出该量表具有较好的三阶结构效度.同时，量表的总体一致性系数为0.733，其中情感承诺一致性系数为0.721，持续承诺0.735，规范承诺0.761，表明该量表总体和各个测量维度均具有较高的信度.

员工对于工作总体满意度的测量问卷采用一个问题进行测量.即“你对当前工作的总体满意程度如何”:1，“非常不满意”；2，“不满意”；3，“基本满意”；4，“比较满意”；5，“非常满意”.

2.3 数据的处理

通过调查数据，我们尝试寻找影响员工对工作总体满意程度的主要因素.本研究我们采用logistic回归模型，为满足该类方程的计算条件，我们需要将题项数据进行降维[2].因为问卷中多采用李克特五点计分法，所以需要对问项进行压缩使其含有较少的分类等级.通过聚类分析，发现可以将其压缩至2分类变量.对于因变量总体满意度来说，其最终可以划分为两项，即“满意”与“不满意”，对其进行数据编码，令“1”代表“满意”，“0”代表“不满意”.对于工作满意度影响因素的问题项中，个体因素中的婚姻、性别、户籍地与工作所在地关系、父母所在地与工作所在地关系等变量均是二分类变量，所以不需要进行聚类处理，而对于其他变量则仍然需要对其进行降维处理.年龄的处理上我们让小于等于30岁为“0”，大于30岁为“1”；父母学历上，本科以下取“0”，本科及以上取“1”；本科以下取“0”；毕业院校上，普通本科及以下的取“0”，普通本科以上的取“1”.工作状况中的所有变量是以李克特五点计分变量“1”代表“非常不满意”，“5”代表“非常满意”；组织承诺中的3个维度的测量同样是五分类的变量，从“1”代表“非常不同意”到“5”代表“非常同意”.这两部分包含的题项较多，我们采用聚类分析法对每一项进行降维.最终的聚类结果显示问题项均分为2类，分析该2类变量的意义，重新对其进行数字编码便得到一个新的测量项.如表1所示，在工作情况的变量中，所有取“0”的值代表“不满意”，取“1”的值代表“满意”.组织承诺的题项中，所有归为第一类的样本取“0”，代表低组织承诺，所有归为第二类的样本取“1”，代表高组织承诺.自变量具体的重新赋值编码情况见表1.因变量Y的取值为Y=0时表示员工对工作总体上表示不满意，Y=1时，表示满意.

2.4 logistic回归设定

本研究用的回归方法为logistic回归，其具体设定方法为假设在自变量的作用下使员工满意的概率为P，则有 P=f（X1，X2，…，X30）.

其中，令回归系数为αi（i=1，2，…，30），那么

令 Y=α0+α1X1+α2X2+…+α30X30，则 f（X）可以简化为（fX）=，那么

为了充分对照二分变量中的取值情况，引入概率比的概念，即代表了Xj=1的组相对于Xj=0的组对工作满意发生的概率比值，令

表1 自变量赋值编码情况Tab.1 Independent variable assignment coding situations

式中:Rj也称作优势比，是指当自变量取值分别为B1与B2时因变量发生的概率比值.因为本文中的自变量只有1和0两个值，1代表“满意”，0代表“不满意”，因此在本研究中Rj表明自变量取1对于自变量取0时工作满意发生的概率比值.

3 变量筛选的结果及讨论

3.1 数据结果

运用SPSS18.0统计分析软件进行数据分析，对变量X1～X30进行逐一分析和检验，滤掉影响效果不显著的变量，最后的入选变量的情况如表2所示.

由表2可以看出，各个入选变量的χ2值均大于3.84，显著性水平均达到了合理化的标准（P＜0.05），说明了入选变量确实对因变量Y有显著的影响作用.在个人家庭因素中入选的变量中X2、X5入选为正向因素，X1和X3则入选为负向因素.在学校因素中入选的变量中，X9和X10入选为正向因素，X8入选为负向因素.工作因素入选的变量中 X11、X17、X18、X22、X23入选为正向因素，组织承诺中X28入选为正向因素，X29则入选为负向因素.具体体现在立方体模型里面如图2所示.

从实证分析的结论来看，若以Xj=0，（j为入选变量序号）作为参照组，对于个体因素这一维度，年龄大的（X2=1）以及父母所在地是本人工作所在地（X2=1）的员工具有更高的工作满意度.其中年龄大的（X2=1）一组比年龄小的（X2=0）一组对工作总体满意的概率大约高5倍，父母所在地是本人工作所在地（X5=1）的一组比另一组（X5=1）对工作满意概率高21倍；男性（X1=1）组相对于女性（X1=0）组，已婚组（X3=1）相对于未婚组（X3=0）的对于工作满意的概率要小，其满意的概率比值分别为0.3221和0.1653.

表2 进入方程中满意自变量及参数估计Tab.2 Satisfaction independent variable and parameter estimation in entered equation

图2 筛选出的工作满意度影响因素变量Fig.2 Selected job satisfaction influencing factor variables

学校因素上，学校开展过职业生涯教育（X9=1）、工作与所学专业对口（X10=1）的员工具有更高的满意度，对工作满意的概率比值分别为4.4742和8.2145；重点院校毕业（X8=1）的学生具有较低的满意程度，对工作满意的概率比为0.1432.

工作因素方面，对工作薪酬、上司对待下属方式、自主决定如何完成工作的机会、职位晋升机会、工作充实性的满意对于工作总体满意具有显著的正向影响作用，对工作满意的概率比值分别为:21.8742，4.3215，37.9042，16.3125，12.4986；组织承诺中情感承诺高（X28=1）的员工具有更高的工作满意度，概率比为7.6963，而持续承诺高（X29=1）的员工则具有较低的工作满意度，概率比为0.2357.

3.2 结果讨论

个体因素上，父母所在地是否是本人工作所在地的影响作用是最重要的，这说明家庭是影响毕业生就业的核心主体之一，一般而言，工作地点离家越近，家庭的社会网络关系的覆盖面往往越广，毕业生对于工作和生活上的心理期望比较容易得到满足，这也从侧面反映了家庭社会网络关系对毕业生就业具有不可忽视的作用.随着年龄的增长，员工的自身的精力会逐渐衰退，对工作稳定的愿望会越来越强，从而导致他们对现有工作的满意程度增加.已婚的员工和男性的员工具有较低的工作满意度，都可以归因于“责任”.已婚的员工需要养家糊口，而且在中国传统文化的影响作用下，男性养家的压力要比女性大，责任的偏重决定了他们对工作具有更高的要求.

学校因素上，接受职业生涯教育对毕业生来说是非常重要的，良好的职业生涯教育可以使学生知道自己适合做什么，应该做什么，扩展其对于未来职业发展的前瞻性，帮助他们实现个体人力资本、兴趣与职业的匹配.工作与专业对口的毕业生具有更高的工作满意度，这可以归因于专业对口可以使毕业生在工作中能更加得心应手，更好的满足工作本身的要求.反之，由于专业知识的匮乏，毕业生在工作中遇到难题就诉诸于工作不适合自己，从而造成了对自己本身与所在工作的匹配的怀疑，导致了对工作的不满.重点高职院校毕业的学生具有较低的满意度是因为较高的人力资本优势和在劳动力市场上的竞争优势使得他们对工作本身的期望大于非重点院校毕业生.

工作因素上，薪酬、上司作风、工作自主性、职业发展机会以及工作充实性的入选说明了作为揭示高校毕业生员工工作满意度前因变量的主成分因子，它们受到这一群体的特别关注，这五类工作要素的满足对于提高员工对工作总体的满意程度具有明显的作用.情感承诺和持续承诺的入选说明，对于高校毕业生员工来说，组织承诺并非仅是工作满意度的结果变量，其同样可以作为影响工作满意度的前因变量，员工对于组织承诺的水平也是导致其对工作满意与否的重要因素.其中持续承诺是工作因素维度上唯一入选为负向因素的变量，因此，对于用人单位来说，降低员工的持续承诺水平对于消除他们对工作的不满具有重要意义.

4 结束语

结合高校毕业生的自身特点，本研究在前人对工作满意度前因变量的研究的基础上引入了家庭因素和学校因素，构建了高校毕业生员工工作满意度前因变量的工作满意度立方体模型.立方体模型从学校因素、工作因素和个体因素三个维度探究工作满意度的前因变量，每个维度分为正向作用和负向作用.在此模型基础上，运用logistic回归分析法筛选出各个维度的正向和负向影响因素.这无论对于企业或是个人、高校都是十分有意义的，在实践中可以充分发挥正面因素的激励的作用，避免负面因素的消极作用.

[1]ALLEN N J，MEYER J P.The measurement and antecedents of affective continuance and normative commitment to the organization[J].Journal of Occupational Psychology，1990，63:1-8.

[2]张虎.问卷调查分析中的Logistic回归与自变量筛选问题研究[J].中南财经政法大学学报，2003（5）:128-132.

[3]余慧，余艳艳.工作满意度影响因素研究综述[J].社会科学家，2007（S2）:196-197.

[4]柯江林，孙健敏，丁沛如.研发人员工作满意度影响因素研究:人口特征视角[J].科学学与科学技术管理，2009（3）:192-196.

[5]任枫，汪波，张保银，等.不同学历科技人员工作满意度影响因素的实证分析[J].科学学与科学技术管理，2010（1）:149-152.

[6]刘珊珊.制造业员工离职原因与管理对策研究:以天津市T公司为例[D].天津:天津大学，2012.

[7]薛贇.企业人才流失风险管理与控制策略研究[D].天津:天津大学，2011.

[8]TONI Mora，ADA Ferrer-i-Carbonell.The job satisfaction gender gap among young recent university graduates:Evidence from Catalonia[J].Journal of Socio-Economics，2009，38（4）:581-589.

[9]ROSSBERG J I，EIRING O，FRIIS S.Work environment and job satisfaction[J].Social Psychiatry and Psychiatric Epidemiology，2004，39（7）:576-580.