高校毕业生就业率的影响因素分析

吕洪艳，杜 娟，刘志刚

(东北石油大学计算机与信息技术学院，黑龙江 大庆 163318)

0 引言

近年来，高校毕业生就业成为社会关注的主要问题之一，它影响到大学的声誉、教育事业的发展、社会对教育投资的信心，花费各级政府大量的人力、财力、物力。2013年，全国毕业生人数再创新高，接近700万，比2012年多了19万。大学毕业生增多了，就业岗位却不增反减。因此2013年被人称为“史上最难找工作一年”。政府和有关各方采取了许多措施提高高校毕业生就业率，并取得了一些成效。但由于各种原因，高校毕业生就业还面临着不少困难。本文的研究目的首先是想对影响就业率的因素进行结构分析，找出主要的影响因素，以期通过对主要因素改善，来提高就业水平，缓解目前大学就业恐慌的局面，为提高高校毕业生就业率提供一个有效的分析方法。

1 模型的建立

1.1 模型的设计

1.1.1 确定模型中所包含的变量

被解释变量——就业率;解释变量——大学排名、城市排名、师资水平(生师比率、博导数量)、学生素质(录取分数)、科研水平(管藏、重点学科数量)、学生人数。

1.1.2 变量说明及变量选取的依据

被解释变量:就业率，这里选为就业率排名，没有选择实际就业率值是由于各大学网站中，有很多大学没有将就业率公布出来，有的公布的只是几年来就业大概情况，而非确切的就业数据，有的公布出来就业率有很大的水分，所以这里用排名，相对于虚报的就业率，它更能反映各高校之间的差距。解释变量如下:

(1)大学排名。大学排名在一定程度上说明了各大学在人们心目中的地位，自然会影响各企业招聘的决策，这里选择的是具有一定权威的武书连的排名。

(2)城市排名［1］。大学的就业率与大学所在的城市有很大关系，经济发达、交通便利、信息通畅的中心城市会对就业率有积极影响。但是每个人心中对各城市的排名都有自己的看法，主观性很强，而国家统计局将GDP指数排名作为衡量城市经济水平的主要依据，所以，这里用各城市GDP的排名来表示城市的排名，虽然不够确切，但比较客观。

(3)师资水平是影响学生能力的重要因素。而学生能力是在企业招聘时最应该考虑的因素，因为企业招聘的目的就是找到合格的人才为企业服务。这里将生师比率、博导数量作为其二级指标［2］。

①生师比率。生师比率=学生人数/教师人数。这里的学生人数指本科生的数量，教师人数是专任教师的数量。选专任教师数量的原因是本科生教师的数量数据不可得，而专业教师在很大程度上反映了本科生教师的数量。

②博导数量。即博士研究生导师的数量，它代表了教师的水平，实际上这里选本科教师中在硕士学历/博士学历以上的教师的数量比较准确，但由于在各大学网站上并不能获得完整资料，只能获得一些学校的数据，而博导数量也是学校师资水平的很好的代表。

③管藏。指图书馆藏书数(不包括电子图书，单位是万册)。它在一定程度上代表了学生的知识面和学校的科研水平。

④重点学科数量。重点学科越多说明学生的工作越好找，它们之间是正相关的关系。

⑤录取分数。录取分数能够代表学生在大学的起点的水平，反映了学生的素质，与就业率有不可忽略的联系。

⑥学生人数。学生人数越多，找工作的人越多，表明就业压力越大。这里选用各大学的本科学生总人数，实际上它是各年的招生的结果，所以在一定程度上也可以代表各年招生的情况。

1.1.3 模型的选取

这里选用线性模型(指经变换后为线性模型):

实际上处理前应该是对数模型:

两端取对数后为:

根据所研究内容的特点和实际情况也选用了多元线性模型。这里假设χ1…χ8依次和上述8个解释变量对应，由于绝对数不利于研究比较，所以这里将绝对数变量取对数，为了保持其线性结构，实际上模型应该是(2)，由于名次和生师比率在这里应该算相对数，最后，经变换后得到模型如公式(3)，是适用于本研究的线性模型。

1.2 数据来源

以某一年为基准，以30所大学为例分析，通过高校网站、武书连主编的高考志愿填报指南、国家公布的城市GDP排名、教育部网站，得到以下数据，表示如表1。

表1 大学各变量数据统计表

续表1

1.3 模型的估计

1.3.1 模型参数的估计

运用Eviews软件，对理论模型运用OLS进行参数估计，回归分析结果如下:

表2 Eviews输出结果

模型估计结果如下:

1.3.2 模型检验

1.经济意义检验。先从符号来看，从上面模型可以看出生师比、学校排名、馆藏、学生总人数和就业率排名成正比，说明它们的数值越大，排名越靠后，就是越不好，很显然，馆藏是通不过经济意义检验的。城市排名、博导数量、录取分数、重点学科数目与就业率排名成反比，可知，城市排名不符合经济意义检验。

2.统计检验。即主要是T检验、F检验、拟和优度检验。由上可知，拟合优度检验R2=0.973598，说明回归方程的解释能力为97.3%，即它们能对就业率排名的解释程度达97.3%，说明回归方程拟合优度较好。取显著性水平α=5%，单个回归系数的显著性检验－t检验:其中学生总人数对被解释变量的影响最不显著。所以先剔除学生总人数(因为数据取的是较好的大学，所以生师比相差不多，它的影响不显著是可以说得通的)，重新进行OLS参数估计，得到回归结果显示重点学科数量影响不显著，将其剔除，重新进行参数估计，得到结果显示馆藏数量影响较小(随着经济的发展，现在几乎所有学校的馆藏量都够用，所以这里也可以将其剔除)，将馆藏数量剔除重新估计后的结果显示博导数量作用不显著，将其剔除重新估计，显示城市排名作用不显示，实际上，大学所在的地理位置和就业率应该是主要因果关系，但这里结果显示没有主要关系，应该是数据搜集得不够准确导致的，这里也可以将其剔除，重新估计得到结果如表3。

表3 剔除城市排名后Eviews输出结果

从上估计模型，得到如下结果:

单个回归系数的显著性检验－t检验:取α=5%，可以看出结束变量学校排名和录取分数通过显著性检验。

回归模型的总体显著性检验－F检验:α=5%，说明它们对就业率排名的共同影响是显著的，通过检验。

可以看到，所有变量都通过了显著性检验，拟合优度非常高，方程的显著性也非常好，而且从经济意义来说，学校排名与就业率排名成正相关，说明学校排名越往后，就业率排名越往后，这也符合事实。录取分数越高，就业率排名越往后，这也符合实际。所以以上回归结果通过了经济意义检验和统计检验。

3 计量经济学检验

(1)异方差检验。这里用怀特检验White Heteroskedasticity Test，过程与结果分析如下:

①无交叉项检验

表4 无交叉项检验Eviews输出结果简表

取显著性水平 α =0.05，Probability(nR2)=0.255245＞0.05，说明模型不存在异方差。

②有交叉项检验

表5 有交叉项检验Eviews输出结果简表

同样，取显著性水平 α =0.05，Probability(nR2)=0.398048＞0.05，说明不存在异方差。

(2)自相关检验:

①Durbin－Watson检验

由以上模型估计结果(表3)可知 Durbin－Watson stat=1.388189，一般来讲，经济领域内，DW低于1.5，则说明存在自相关。但这里计算可得(查表n=30，k=2):dl=1.28，du=1.57，Dl=1.28＜1.388＜du=1.57，说明不能确定自相关，运用②自相关检验的图示法通过定义残差项，运用Scatter diogram检验，得下图:

图1 Eviews输出结果

一般情况，横截面数据不存在自相关，但从图1可以看出，有一定的线性关系，说明存在自相关。

运用广义差分法处理自相关系数得到如下结果:

取α=5%，从以上结果可以看出通过了T检验、F检验。从调整后的结果来看，说明学校排名、录取分数对就业率排名的影响估计过小，从经济意义的角度看，学校排名对就业率的影响确实很大，这和客观现实也相符。而录取分数代表了学生素质、学生能力和就业率有着直接的联系。

(3)多重共线检验运用相关系数检验法，输出结果见表7。

表6 Eviews输出结果

从它们的相关系数来看，学校排名与入学分数之间的相关系数是－0.611，当|r|＞0.8或0.9时，则可以认为这两个样本之间高度相关，样本间存在多重共线，这里说明它们之间存在负相关，但不是很显著，是可以接受的。

2 结果分析

从以上结果可以看出，学校排名、录取分数和就业率排之间存在着明显的线性关系，通过调整，估计的结果可以通过异方差、序列相关、多重共线的计量经济学检验，且经济意义方面也可以通过。这说明:①录取分数与就业率排名反方向变动，随着录取分数的增高，就业率排名靠后，即排名越好，这是和现实相符的。②学校排名和就业率同方向变动，随着学校排名的提升，就业率排名也提升，学校排名越不好，就业率越不好。比起录取分数，学校排名和就业的相关性更大，说明了企业在招聘时，也越来越重视大学的知名度。③在进行假设检验过程中，被解释变量城市排名、生师比率、管藏、博导的数量、学生人数和重点学科数量对就业率排名没有显著性影响，而大学排名与录取分数对其有明显的线性关系。④由于本文中的数据获取并不是很准确，只是取了较好的大学那部分，因此不具备普遍性，且由于是截面数据，也不能用于预测。

3 结语

虽然由于数据来源并不是很准备，且选择的高校没有普遍性，但本文为分析高校就业率影响因素提供了一个理论模型，通过模型分析，能得到客观的结论。在此基础上，根据结论采取针对性的对策，提高高校毕业生就业率能够有的放矢。但高校毕业就业的问题，不仅是教育界的问题，还是一个社会问题，涉及的问题较多，涉及面也较广，本文仅是提供一种分析方法，希望能引起届内人士对就业率的重视，促进对就业率研究的完善，而要从根本上提高高校毕业生的就业率，需要我们探索的路还很长。

［1］刘伟德.我国人口城市化水平对就业率影响和政策研究［D］.杭州:浙江大学博士学位论文，2001.

［2］武书连.《挑大学选专业》高考志愿填报指南［M］.北京:中国统计出版社，2012.