本科毕业生起薪的学校和家庭影响因素比较分析

2017-11-08刘劲宇谢丽萍张靖陈虹

高教探索 2017年10期

刘劲宇　谢丽萍　张靖　陈虹

摘要：基于人力资本理论、筛选理论和社会资本理论，通过设计多元线性回归模型以及Heckman数据矫正法，分析广东省2014届本科毕业生抽样数据，从人力资本、文凭信号、学校社会资本、家庭社会资本四个方面考察和比较学校和家庭对毕业生起薪的影响程度。剔除无效变量后发现，各因素对毕业生起薪影响程度由大到小分别是：学校声誉、组织管理能力、家庭收入、工作技能、学校提供的锻炼平台。结论得出筛选理论的解释力最强，对于当下高校“双一流”建设具有参考性意义。

关键词：起薪；人力资本；筛选理论；学校社会资本；家庭社会资本

一、问题的提出

20世纪80年代以来，中国社会主义市场经济的发展，使人们通过接受高等教育来争取更多的收入成为可能。在我国高校的后扩招时代，就业环境变化迅速，中国大学生的就业市场呈现较明显的劳动力供给过剩的趋势，“过量教育”①和“文凭膨胀”使雇主不断提升教育门槛，增加了大学毕业生找工作难度，大学生开始陷入就业难的困境。

2016年中国高校毕业生规模达到765万[1]，宏观就业形势将面临多重压力。网络上关于“世界一流大学和一流学科建设”、“富二代拼爹”的社会舆论，反映了人们重新考量高等教育的成本和收益问题，关注影响大学生就业的学校和家庭因素。这促使高等教育与毕业生起薪的问题浮出水面：在劳动力市场中，学生所接受的高等教育对其起薪产生多少影响？当前社会普遍的看法是，学生就读好高校、接受好的高等教育，就更有可能实现“高起薪就业”。然而“高分低能”“拼爹”等现象在社会中频繁出现，似乎又在反驳上述观点。本研究希望回答以下问题：“就读好高校意味着高起薪就业”和“读好数理化，不如有一个好爸爸”这两种经验性看法是否有理论支撑？这些理论与本科高校劳动力市场的贴合度有多大？学校和家庭哪个因素对毕业生起薪的影响力更大？如何认识学校和家庭对毕业生起薪的影响？

关于上述问题，早在1960年，美国经济学家Theodore W.Schultz在美国经济协会的年会上作了题为《人力资本投资》的演说，首次将人们获得的技能和知识视为一种“资本形态”，认为人力资本（包括知识和技能的形成）是教育投资的结果。[2]Welch（1970）和Carnoy（1995）在关于教育提高受教育者的与劳动相关的能力做了分类：分配能力、应对不平衡能力、生產技能、组织管理能力、可培训能力等。[3]人力资本理论认为，雇员的受教育程度与雇员的生产率正相关，进而与雇员的工资福利正相关。20世纪70年代，西方国家出现了经济衰退与高学历失业的现象，在传统的人力资本理论遭受严重质疑的情况下，Spence（1973）提出筛选理论，阐明教育的“信号功能”：在信息不对称的劳动力市场上，雇主需要根据求职者身上某些易于被观察到的特征来对其能力高低作出判断并作出雇佣决策，求职者的教育水平发送了相应的能力信号，受教育状况越好的人被认为越具备较高的能力，因而能够获得更好的职位和收入。上述理论对理性人的基本假设忽略了人的社会性。社会学家Pierre Bourdieu、James.S Coleman、R.Putnam等于上世纪七八十年代先后提出“社会资本理论（Social capital）”这一概念。该理论成为经济学领域的前沿理论，社会资本被理解为一种个人所能动员的社会网络关系，对这种网络关系进行投资可以给人们带来预期收益。

国内针对高等教育对起薪的影响等问题开展了诸多研究，大致可分述为以下几个方面：第一，人力资本对起薪的影响。多项研究表明，人力资本是影响大学毕业生起薪的重要因素，然而不同学者对于“人力资本”变量的衡量指标尚未有一致的说法。如钟云华选择了学历、专业、学习成绩、英语过级（四级或六级）、个人能力和工作经验作为衡量人力资本的指标[4]；马莉萍、丁小浩选择了工作能力、学历层级、专业、学校名气、实习经历、应聘技巧、成绩、学生干部、政治面貌作为衡量指标[5]，等等。第二，学校文凭对起薪的影响。多数研究都会测量学校文凭声誉对毕业生起薪的影响情况。如李锋亮、丁小浩经过实证研究发现，在中国的高校毕业生劳动力市场中，高等教育作为“信号”的作用较为明显。[6]第三，学校社会资本对起薪的影响。有学者根据社会资本理论提出“学校社会资本（social capital of school）”的概念，指处于社会共同体之中的学校组织通过与内部、外部的各种对象之间的长期交往合作、互惠互利形成的一系列认同关系，以及在这些关系中积淀的价值、规范、信任等行为范式和理念信仰。[7]岳昌君等学者多项研究表明学校提供的求职信息对求职结果和起薪水平都有显著的影响。[8]第四，家庭社会资本对起薪的影响。有学者通过“家庭社会经济地位”[9][10][11]或者“家庭社会交往广泛度”[12]来衡量家庭社会资本，有研究表明家庭经济条件和社会关系对毕业生的求职结果、起薪有显著的正向影响[13]。

二、研究设计

（一）分析框架

本研究旨在考察学校和家庭影响毕业生起薪的机制和途径，根据人力资本理论、筛选理论、社会资本理论总结出本科院校②对毕业生起薪的三个影响因素——课程学习所提升的人力资本、文凭信号、学校社会资本，以此作为学校影响毕业生起薪的介质，以家庭社会资本探索家庭对于起薪的影响情况。结合当前已有的理论和实证分析，本研究的分析框架和操作指标如下。

图1学校和家庭影响毕业生起薪的分析框架图

如图1所示，本研究的自变量包括：（1）课程学习所提升的人力资本：专业知识、工作技能、再学习能力、处理行业市场信息的能力、适应行业市场变化的能力和组织管理能力；（2）本科院校不同的文凭信号：按国家“985”院校、国家“211”院校（非“985”）、省属重点本科院校、省属普通本科院校、市属本科院校划分；（3）对毕业生起薪产生影响的学校社会资本：教师资源、校友资源、锻炼平台、招聘信息；（4）家庭社会资本：家庭所在地、家庭收入、父母文化程度。本研究的因变量“起薪”为2014届毕业生毕业半年后的月收入。endprint

（二）研究假设

本研究关注学校和家庭如何对毕业生起薪产生影响，人力资本、文凭信号、社会资本对起薪的影响在以往研究中得到不同程度的证实。本研究结合已有理论和实证研究的分析，设置衡量指标并通过上述的分析框架，提出以下假设。

H1：课程学习所提升的人力资本与毕业生起薪关系显著。

根据前文涉及的Welch（1970）和Carnoy（1995）对教育所提高的与劳动相关能力的分类，结合现实情况将“课程学习所提升的人力资本”分为两类：一是职业特定技能，包括专业知识、工作技能；二是一般性技能，包括再学习能力、处理行业市场信息的能力、适应行业市场变化的能力和组织管理能力，合计为六个衡量指标。

H2：学校文凭信号与毕业生起薪差异显著。

该部分预设“不同层次的学校向劳动力市场发射不同的文凭信号”，由于本研究的调查对象为本科生，没有学历差别，因此将学校声誉作为检验筛选理论的指标。当前多数研究将“985工程”“211工程”作为划分学校声誉层次的依据，然而数量规模更大的普通本科院校之间也具有差异性。由于2014年尚未推行世界一流大学和一流学科建设，该部分研究仍保留“985工程”“211工程”的学校层次划分，并且将数量占比更大的普通本科院校划分为省属重本科、省属普本、市属本科，将学校样本分为五类。

H3：学校社会资本与毕业生起薪关系显著。

根据知名企业往往指定高校开展校园招聘会的经验现象，学校所提供的教师资源、校友资源、锻炼平台、招聘信息成为了帮助毕业生高起薪就业的社会资本，本研究用上述四个变量来测量学校社会资本。

H4：家庭社会资本与毕业生起薪关系显著。

有学者通过“家庭社会经济地位”来测量家庭社会资本，本研究借鉴此经验，采用家庭所在地、家庭收入、父母文化程度作为“家庭社会资本”的变量。

（三）数据来源

本研究选择广东省10所本科高校③的 2014 届本科毕业生作为调查对象，主要采用定额抽样方法，委托目标高校辅导员向指定专业类型的毕业生发放问卷，辅之以偶遇抽样方法，即项目组成员在毕业典礼现场发放问卷采集数据。共发放问卷600份，回收有效问卷503份，有效问卷回收率 83.3%。问卷采用Likert5點法计分，结果用SPSS和STATA进行管理和统计。量表的信效度结果表明本项目组设置的量表可以作为测量的有效工具。调查通过各高校辅导员现场发放和项目组成员在毕业典礼实地发放两种方式完成数据收集。样本男女比例5.9∶4.1；家庭所在地为一线都市的占 16.69%，二线城市的占 18.10%，中小城市18.49%，城镇25.45%，乡村21.28%；毕业于“985”高校的学生占 23.10%，“211”高校占 18.85%，省属重本占 21.3%，省属普本占19.01%，市属本科占17.61%；专业类型方面，文学类23.9%，工学类42.9%，经济学类21.5%，教育学类11.7%。调查对象中近七成毕业生的就业所在地在珠三角与现实状况较符合。从样本基本信息看，本次抽样调查数据具有较好的代表性。

（四）分析工具

根据研究问题，本研究设计多元线性回归方程并使用Heckman矫正法优化数据模型，对影响毕业生起薪的“学校因素”和“家庭因素”进行比较分析。模型中的自变量分为四个类别，包括人力资本、文凭信号、学校社会资本和家庭社会资本。控制变量包括两个类别：职业特征和个人特征。其中，人力资本类别中的专业知识、工作技能等则为多元线性回归模型中的自变量，其它类别的自变量定义类似，设定初步模型为模型1，具体如下。

模型1：Yi=β0+β1profess_knowi+β2work_techi+β3re_studyi-β4market_infoi+β5market_changei-β6admi_techi+β7collegei+β8teachersi+β9alumnii-β10pra_plati+β11employ_infoi+β12parents_edui+β14family_ini+β15family_loci+μi

其中，i表示第i个毕业生；Yi表示第i个毕业生的起薪；profess_know表示专业知识；work_tech表示工作技能；re_study表示再学习能力；market_info表示处理市场信息的能力；market_change表示处理市场变化的能力；admi_tech表示组织管理能力；college表示学校声誉；teachers表示教师资源；alumni表示校友资源；pra_plat表示锻炼平台；employ_info表示招聘信息；parents_edu表示父母文化程度；family_in表示家庭收入；family_loc表示家庭所在地；μi为第i个毕业生起薪的随机干扰项④。

由于本研究旨在通过样本数据分析影响本科毕业生起薪的因素，但只有就业的毕业生能够提供起薪数据，因此只能研究已就业的毕业生样本数据。毕业生选择就业与不就业往往不是外生的，起薪水平、工作单位性质等也会影响毕业生的就业选择，这导致了以就业毕业生作为研究样本是非随机的。此外，由于本研究抽样方法属于非概率抽样，因而导致该样本的分析结论产生偏差，即存在样本选择偏差。导致统计推断产生偏差的样本的非随机性是由毕业生的个人决策造成的，因而也存在自选择问题。因此，本研究采用Heckman两阶段法处理样本选择偏差和自选择的问题，同时利用Stata软件，对构建的回归模型进行优化。在本研究中，由于work_properties—“您毕业后首次就业所在的工作单位性质”只决定起薪（即因变量）而不影响自变量，因此选择work_properties作为辅助变量构建计算工作概率的模型，将这些被预测个体概率合并为一个额外的解释变量，与原自变量一起矫正自选择问题，使得估计出的起薪关系在统计意义上将更加适当。endprint

三、毕业生起薪的学校与家庭因素分析结果

根据样本数据对上述模型1多元线性回归方程进行F检验和T检验。如表1所示，F检验的P=0.00<0.10，因此回归模型显著。但是表2中，专业知识、再学习能力、处理市场信息能力、处理市场变化能力、校友资源、锻炼平台、就业信息、父母文化程度、家庭所在地自变量的T检验中的P值比较大（P>0.10）。由于F检验是显著的，T检验是不显著的，因此结合自变量的实际意义，有理由相信自变量之间存在相关性。故下一步，我们将结合自变量的实际意义采用逐步回归的方式剔除一些自变量，保留较为显著的自变量。

经过对自变量的多重共线性检验，模型2最后保留了工作技能、组织管理能力、锻炼平台、学校声誉、家庭收入5个自变量。根据表3与表4所示，模型2通过了F检验与T检验，在显著水平为95%下的其中四个自变量对因变量的影响效果均显著，在显著性水平为90%下所有自变量的效果均显著，由拟合优度和F值可以说明回归模型的整体回归效果良好。由此可得，课程学习所提升的人力资本中，工作技能和组织管理能力与毕业生起薪关系显著；学校的文凭信号与毕业生起薪关系显著；学校社会资本中，锻炼平台与毕业生起薪关系显著；家庭社会资本中，家庭收入与毕业生起薪关系显著。

由于样本的特性，研究容易出现样本偏差和自选择问题，因此本研究利用Stata軟件，采用Heckman两阶段法进行数据矫正，并选择work_properties⑤作为辅助变量构建计算工作概率的模型，即存在工作概率函数。

p=p（work_properties）

将被预测个体概率合并为一个额外的解释变量，与原自变量一起矫正自选择问题，使得估计出的起薪关系在统计意义上将更加适当。下面给出经过Heckman两阶段法后得到的模型3。

经过数据矫正的模型3显示，所有自变量的显著性水平都得到提高，对比表4和表5可知，work_tech（工作技能）和admi_tech（组织管理能力）的系数的绝对值增大，而pra_plat（锻炼平台）、college（学校声誉）与family_in（家庭收入）的系数的绝对值减少。这样的结果告诉我们模型2低估了工作技能与组织管理能力对因变量起薪水平的影响。另外，高估了锻炼平台、学校声誉与家庭收入对因变量起薪水平的影响，经过Heckman两阶段法矫正后使得回归模型更加符合实际的情况，矫正了样本自选择存在的问题。结果显示，对毕业生起薪产生显著影响的因素，根据影响系数绝对值由高至低排序依次是：学校声誉（200.79）、组织管理能力（133.69）、家庭收入（115.58）、工作技能（99.61）、学校提供的锻炼平台（73.78）。由此可见，学校对劳动力市场所发射的文凭信号至今仍具有非常大的影响力；本科教育帮助学生所提升的人力资本对起薪的影响力，不及学校文凭信号；家庭社会资本的影响力位居第三，家庭收入对起薪的影响比较明显；“学校所提供的锻炼平台”虽然对毕业生的起薪显著相关，但是相较于前四个因素，其影响力最弱。根据上述五个自变量所对应的理论，我们发现，与现实贴合度最大的理论是筛选理论，其次是人力资本理论和家庭社会资本理论，最后才是学校社会资本理论。

五、结论与启示

人力资本理论、筛选理论、社会资本理论可以对“读好高校意味着高起薪就业”和“读好数理化，不如有一个好爸爸”这两种经验性看法进行理论解释。关于影响本科毕业生起薪的学校因素与家庭因素的讨论，在具体的本科高校毕业生劳动力市场中，不同理论的现实解释力不同。

首先解释力最强的筛选理论，学校文凭声誉越高，其毕业生起薪越高，说明学校文凭在劳动力市场中仍保持着重要的信号作用，对毕业生的起薪产生影响最大，胜于本科教育帮助学生所提升的人力资本的影响。人力资本理论的解释力居次，本科教育帮助学生所提升的人力资本中，组织管理能力（一般性技能）和工作技能（职业特定技能）与毕业生起薪显著相关，其他人力资本自变量由于与上述变量存在共线性或者与起薪显著不相关的缘由，在分析模型中被逐步剔除，说明了专业知识、再学习能力、处理行业市场信息的能力、适应行业市场变化的能力几项指标对于毕业生的高起薪就业发挥作用不大。影响毕业生起薪的理论解释当中，社会资本理论的解释力最弱。影响毕业生起薪的家庭社会资本中，家庭收入对毕业生起薪产生显著影响，由于家庭所在地、父母文化水平与家庭收入自变量存在共线性，因此被剔除，保留解释力最强的“家庭收入”因素。家庭收入在本科毕业生劳动力市场中对毕业生起薪的影响力位居第三，在人力资本与学校文凭信号的因素之后。因此当前社会流行的“拼爹”说法的主要问题在于，夸大了家庭社会资本对毕业生就业的作用，忽视了影响起薪的其他因素，不利于树立良好的择业观。学校社会资本对起薪的影响力并不太明显，关于学校社会资本，与十年前闵维方等学者研究所得出的“学校提供的求职信息对起薪水平有显著影响”[14]的结论不同。本研究的结果显示，对起薪水平有显著影响的是学校所提供的锻炼平台，说明随着网络媒介的发展，招聘信息传播范围越来越广，速度越来越快，职业选择更加自由，学校提供的求职信息的作用可能因此有所削弱。

因此本研究建议：第一，当前劳动力市场中的学校文凭信号作用十分明显，学校可以依据自身特点，培养本校的优势专业，形成自己的办学特点，打造本校特色专业品牌，建设“双一流”大学，主动向社会和劳动力市场发射积极信号；第二，学校在培养学生的过程中，结合专业和相关职业特性，注重职业特定技能的培养；第三，针对学校所提供的锻炼平台与起薪相关的数据分析结果，学校可以加大与企业的合作力度，结合职业特定技能的培养，为学生提供优质的实习平台，充分发挥学校社会资本的作用。本研究已证实了学校因素对毕业生起薪的影响作用，由此建议高校毕业生，在家庭社会资本稳定的情况下，应该树立良好心态，在劳动力市场中正确定位自己，在大学期间应注重人力资本的积累，通过加大人力资本增量，弥补家庭社会资本的不足或者良性发挥家庭社会资本的优势。endprint

注释：

①指有工作的个人，其拥有的学历和技能超过了工作岗位需要的学历和技能。有学者认为欧洲劳动力市场从上世纪70年代开始出现的过度教育与之前大学生的扩招关系密切。

②由于本科院校与专科院校的培养目标不一致，不利于研究本科院校内部层次的区别，因此本研究以本科院校作为研究对象。

③国家“985”院校：中山大学、华南理工大学；国家“211”院校（非“985”）：暨南大学、华南师范大学；省属重点本科院校：广东财经大学、广东工业大学；省属普通本科院校：广东第二师范学院、广东技术师范学院；市属本科院校：广州大学、东莞理工学院。

④多元线性回归方程中，“组织管理能力”、“锻炼平台”变量为负系数的设定系量表反向题。

⑤Work_properties—“您毕业后首次就业所在的工作单位性质”只决定起薪（即因变量）而不影响自变量。

参考文献：

[1]中国新闻网.2016年中国高校毕业生规模将达到765万[EB/OL].[2015-12-10].[2015-12-23].http：//www.chinanews.com/sh/2015/12-10/7665856.shtml

[2]THEODORE W.SCHULTZ.The Economic Value of Education[M].New York：Columbia University Press，1963.

[3][美]M·卡诺依.教育经济学国际百科全书（第二版）[M].闵维方，等译.北京：高等教育出版社，2000.

[4]钟云华.人力资本、社会资本与大学毕业生求职[J].高教探索，2011（3）：141.

[5]马莉萍，丁小浩.高校毕业生求职中人力资本与社会关系作用感知的研究[J].清华大学教育研究，2010（1）：84-92.