基于逐步回归的就业状况统计分析及对策

鲍远梅，谭莹莹，赵目，韦璐

（1.安徽建筑大学 数理学院，安徽 合肥 230601；2.中南财经政法大学 统计与数学学院，湖北 武汉 430073；3.安徽建筑大学 土木工程学院，安徽 合肥 230601）

我国高校扩招以来，大学毕业生逐年增加，毕业生就业难的问题是高校无法回避的现实。一方面，为了适应经济社会的发展需要，我国研究生扩招工作不断推进，考研升学成为越来越多毕业生的选择；另一方面，毕业生就业存在供需严重失衡、结构性矛盾突出以及待业趋升现象。如何能够提高综合实力以获取更好的考研结果，以及提高自身的综合能力是毕业生们关心的热点问题。因此，对于影响毕业生升学和就业因素的研究具有重要意义。

本文设计并收集了交通工程专业毕业生在校表现情况和就业情况的相关数据，对此数据进行了描述性统计分析，阐述了毕业生就业的具体情况，然后对所有影响毕业生就业的因素进行量化，并利用Kendall

τ

相关系数进行“双变量相关性分析”，判断影响就业的因素之间是否存在相关性，为了避免产生较大的误差，再通过“逐步回归”找到影响毕业生就业的显著因素。最后，结合问卷调查的反馈信息，对高校的交通工程专业大学生的培养工作提供合理的建议。

1 数据来源

本文以安徽建筑大学2018-2020年交通工程专业毕业生为调查对象，从毕业生人口学特征、在校表现、就业去向、教学建议以及就业满意度五个模块，在问卷星网站编制了交通工程专业调查问卷，通过线上发放调查问卷的方式回收155份调查问卷，其中2018届毕业生问卷35份，2019届毕业生问卷77份，2020届毕业生问卷43份，通过核查和筛选，删除无效问卷6份，最终获取的有效问卷有149份。在149个调查对象中，选择升学、参加工作的分别有40.94%和48.32%，另有10.74%的毕业生选择考公务员、出国或者其他就业方向。

2 毕业生就业状况的描述性统计分析

在本次的调查中发现，近90%的毕业生选择升学和参加工作。因此，在这一部分我们将分析安徽建筑大学近三年的交通工程毕业生的升学和工作情况。

2.1 毕业生升学的原因与现状

考虑到毕业生选择升学可能有多种原因，我们将选择升学的主要原因设置为多项选择的调查，调查结果如表1所示，提升自身综合能力、提升学历和增加就业资本的比例分别达到了75.32%、84.42%和66.23%，缓解就业困难和对专业感兴趣的比例分别为33.77%和27.27%。

表1 毕业生选择升学的主要原因

通过图1的升学院校类型调查可以发现，985、 211院校占有45%，其他院校占有55%。另一方面，在升学满意度调查中，达到非常满意和基本满意的分别有26.39%和69.44%。

图1 升学院校的类型

2.2 毕业生参加工作的现状

交通工程专业的本科毕业生有广阔的就业市场，在道路工程设施设计、道路施工及监理方面，智能化交通控制与管理方面和现代交通物流管理方面对交通工程专业的毕业生需求量很大。安徽建筑大学交通工程专业近三年的毕业生就业地点中，有19.44%在直辖市，50.00%在省会城市，19.44%在地级市，在县级市或县城、乡镇和农村就业的比例分别为5.56%、2.78%和2.78%。且对于已就业的学生，起薪达到5000以上的占有54%，如图2所示。

图2 毕业生就业的起薪

3 回归分析

高校人才培养的内容是提高毕业生就业质量的保障性条件，对于提高毕业生就业质量至关重要。为了更清楚的了解学校的培养工作与毕业生就业质量之间的关系，研究影响交通工程毕业生就业质量的因素至关重要。

本文选取在校的学习成绩大致等次、在校获得的奖学金次数、在校参加的学科竞赛次数、每天用于学习的平均时间和是否是学生干部作为影响交通工程毕业生就业的主要因素，能够综合理论学习和实践能力两个方面反映学校的培养工作对毕业生就业的影响情况，使得研究结果更具有合理性。为了将这些因素对交通工程毕业生就业的影响更直观体现出来，本文将上述的影响因素作为自变量，毕业生的就业情况作为因变量，进行回归分析，以得到这些因素对就业影响的量化结果。回归分析中，并不是所有的自变量都对因变量有很好的解释作用，当自变量之间具有相关性时，回归模型的自变量之间具有多重共线性，会导致分析的结果存在较大误差，逐步回归分析法可以应用于检验和修正多重共线性。因此，本文将先采用“双变量相关性分析”检验影响交通工程毕业生就业因素之间的相关性，然后运用“逐步回归”的方法筛选出显著的自变量。

3.1 双变量相关性分析

为了研究影响交通工程毕业生就业的因素之间是否存在相关性，需要将所有的变量进行量化并进行“双变量相关性分析”，Kendall

τ

相关系数适用于两个有序变量或两个秩变量间相关系数的测定，它可以检测出两个变量之间的非线性相关性，并且相关系数不会随着非线性相关程度的变化而变化。它利用变量秩数据计算一致（同向）对数目（U）和非一致（同向）对数目（V），一致对数目和非一致对数目分别定义为

显然，如果两变量具有较强的正相关性，则一致对数目U应较大，非一致对数目小，如果两变量具有较强的负相关性，则一致对数目U应较小，非一致对数目V应较大；如果两变量的相关性较弱，则一致对数目和非一致对数目V应大致相当，大约各占样本总数的1/2。Kendall

τ

相关正是要对此进行检验。Kendall

τ

统计量的数学定义为

在小样本下，Kendall

τ

服从Kendall分布。在大样本下采用的检验统计量为

式中的Z统计量近似服从标准正态分布。

本文得到的量化之后的变量均为有序变量，因此，将采用Kendall

τ

相关系数对所有的变量进行相关性分析。对所涉及的变量的量化如表2所示。

表2 变量的量化

本文运用SPSS统计软件对上述变量进行“双变量相关性分析”，具体操作步骤是：导入数据→分析→相关→双变量→选入变量→选择“Kendall的tau_b（K）”方法→确定。当双侧置信度为0.05时，在校的学习成绩大致等次与在校获得的奖学金次数、在校参加的学科竞赛次数和是否是学生干部之间均存在正相关性，在校获得的奖学金次数与是否是学生干部存在正相关性，在校参加的学科竞赛次数与是否是学生干部存在正相关性。其中，在校的学习成绩大致等次与在校获得的奖学金次数之间的相关系数达到0.659，它们之间的正相关性最强，如表3所示。

表3 自变量之间的Kendall tau相关系数

3.2 逐步回归分析

通过上述的“双变量相关性分析”结果可知，影响毕业生就业的因素之间存在相关性，直接讨论每个因素对毕业生就业的影响会存在较大误差。“逐步回归”是将变量逐个引入，每引入一个自变量后，对已选入的变量进行逐个检验，当原引入的变量由于后面变量的引入而变得不再显著时，要将其删除。引入一个变量或从回归方程中剔除一个变量，都要进行F检验，以确保每次引入新的变量之前回归方程中只包含显著的变量。这种方法所得到的解释变量集简单有效，且损失的信息较少，得到自变量对因变量的影响结果更具有效性和合理性。

本文运用SPSS统计软件对交通工程毕业生就业的两个方向分别进行“逐步回归”分析，分别得到影响升学院校的类型和就业单位的起薪的显著因素。具体操作步骤是：导入数据→分析→回归→线性回归→选入变量→选择“逐步”方法→确定。

3.2.1 影响升学因素的逐步回归分析

当因变量是升学院校的类型时，得到的“逐步回归”分析结果如表4所示，得到逐步回归的回归方程为

表4 系数a

其中，因变量y是升学院校的类型，自变量x是在校获得的奖学金次数，删除的自变量为在校的学习成绩大致等次、在校参加的学科竞赛次数、每天用于学习的平均时间和是否是学生干部。当显著性水平为0.05时，本次逐步回归的F=15.551，对应的p值远小于0.05，回归模型通过了F检验。由于本文建立模型的目的是结构分析，筛选出影响毕业生就业的显著因素，因此，本文将不对模型的决定系数进行讨论。此外，从回归方程可以看出，对升学院校类型有显著影响的是在校获得的奖学金次数，系数为正，说明在校获得的奖学金次数越多升学院校的类型可能更好。

3.2.2 影响就业起薪因素的逐步回归分析

当因变量是升学院校的类型时，得到的逐步回归分析结果如表5所示，得到逐步回归的回归方程为

表5 系数a

其中，因变量y是就业单位的起薪，自变量x是在校参加的学科竞赛次数，删除的自变量为在校的学习成绩大致等次、在校获得的奖学金次数、每天用于学习的平均时间和是否是学生干部。当显著性水平为0.05时，本次逐步回归的F=9.449，对应的p=0.03，小于0.05，回归模型通过了F检验。此外，从回归方程可以看出，对就业单位的起薪有显著影响的是在校参加的学科竞赛次数，系数为正，说明在校参加的学科竞赛次数越多就业单位的起薪可能更好。

4 结论与建议

4.1 研究结论

研究表明，安徽建筑大学近三年的交通工程专业毕业生中，选择升学或者工作是两个主要趋势。选择升学的毕业生有45%在985、211院校继续深造。选择就业的毕业生有54%就业起薪达到5000元以上。因此，安徽建筑大学近三年的交通工程专业毕业生的就业情况良好。

在影响升学的因素方面，经过“逐步回归”分析筛选出影响毕业生就业的最显著因素。在校的奖学金获得次数是影响毕业生升学院校类型的显著因素，两者之间存在正的相互关系，在校学生获得更多的奖学金可能有助于毕业后的继续深造。在影响就业的因素方面，在校参加的学科竞赛次数是影响毕业生就业单位起薪的显著因素，两者之间存在正的相互关系，在校学生参加更多的学科竞赛可能有助于就业。

4.2 对策建议

提高大学毕业生的升学率、就业率、升学质量和就业质量是高校培养优秀毕业生的重要任务与责任，专业设置、培养目标、课程设置、培养模式是制约和影响专业发展的关键因素，要从学生的实际反馈出发，制订出合适的培养方案。

4.2.1 大学生要不断完善自己

大学生要密切关注就业形势，准确把握人才市场需要，打好专业基础，加强专业实践能力训练。通过图3的调查报告可知，在有效填写问卷的149名毕业生当中，大多数人更愿意参加实践创作与案例分析，而只有少部分毕业生愿意参加课堂讨论、撰写报告或论文以及学科竞赛。大学生要学习好理论知识的同时加强实践技能的训练，可通过担任学生干部、加入社团、参加社会活动等多种途径，不断拓展社会关系资源，获取更多的就业机会，不断提高就业质量。

图3 毕业生在校期间愿意参加的教学活动

4.2.2 高校优化师资队伍注重实践教学

高校不仅要为大学生提供良好学习环境，也要注重学生实践能力的培养，让毕业生实现更高质量的就业。通过图4的调查报告可知，交通工程专业毕业生对于实践教学、师资力量和课程设置具有更高的需求，在毕业生给学校所提供的建议中，多次涉及“提高师资力量”、“完善专业课程设置”、“多增加实践实习机会”和“提高教学的深度，教学要更偏向于设计”。因此，高校应该确定合适的人才培养体系，在核心知识领域配备更充足的专职教师资源，根据实践教学的需要，提供更多的实习机会和实践课程，使得学生能够全方面提高自己，以达到更好的就业质量。

图4 学习本专业所遇到的困难

4.2.3 政府优化就业环境

各级政府要从加大宏观引导与政策支持方面入手，制定比较完善的促进大学生公平就业的法律制度，对就业招聘单位进行监督指导，调节人才市场需求，给予大学生就业政策支持。研究表明，人才市场需求在社会因素中是影响力最大的因素，毕业生就业人数激增与人才市场需求疲软是造成大学生就业难的直接因素。因此，为毕业生创造公平、公正、宽松、良好的就业环境，逐步规范劳动力市场是有效缓解就业压力的重要举措。