就业质量视角下的教育—工作匹配影响因素实证研究*

袁青川

(河北大学 经济学院,河北 保定 071000)

自1999年,为使人才培养的规模和速度与各项事业发展相适应,我国高校开始扩招,这使得劳动力市场中受过高等教育的劳动力供给在短时间内大幅度增加;随着我国对高等教育投资的进一步加大,毕业生就业难、企业招工难并存的现象日益突出;与此同时,很多受教育者从事了与自己教育水平不相符的工作,他们的专业知识不能被充分利用,受教育者的经济地位相较于从前有所下降,教育的经济价值受到了挑战。这些现象的出现引发了国内学术界对于教育—工作匹配问题的关注。然而国内关于教育—工作匹配程度问题的研究大都局限于利用主观评价方法来评估纵向不匹配,且研究结论存在着较大争议。其中颜敏、王维国以中国家庭收入项目(CHIPS)纵向数据为样本,采用随机前沿法(SFA)和样本选择模型,研究发现中国教育不足情况明显[1];而吴要武、赵泉等则认为中国存在着明显的教育过度现象,且教育的人力资本回报相对较高是中国当前受教育者选择过度教育的重要原因[2];何亦名利用中国健康与营养调查(CHNS)数据,发现大学生的教育—工作匹配程度在不断下降,较为明显地表现为教育过度[3]。为进一步明确教育—工作的匹配状况及其影响因素,本研究通过客观的教育—工作匹配测量方法,综合利用人力资本、歧视、行业、企业和人力资源管理特征等变量对教育匹配的影响因素进行研究,以期为解决我国收入分配、收入差距、职业流动和社会分层等问题提供有益参考。

一、数据与变量选择

(一)数据来源

本研究主要使用2017年雇员雇主匹配数据。该调研数据的问卷中包含了以下几个问题:“您当时就职目前这个岗位时,公司对这个岗位的学历要求”“您个人认为做好您现在的这份工作的学历要求”“您的最高教育程度(指已获得的最高学历,即获得毕业证书)”其中:“您当时就职目前这个岗位时,公司对这个岗位的学历要求”反映了工作所需教育,“您的最高教育程度(指已获得的最高学历,即获得毕业证书)”反映了实际所受教育。上述这两个问题综合起来,反映了工作所需要的教育水平与实际教育水平是否匹配。因此,以上调查问卷中的问题为教育—工作匹配的研究提供了数据支持。

(二)变量选择

被解释变量为教育—工作是否匹配。被解释变量教育—工作的匹配度从客观角度来衡量,当“您当时就职目前这个岗位时,公司对这个岗位的学历要求”和“您的最高教育程度(指已获得的最高学历,即获得毕业证书)”回答相同时为客观评估下教育—工作匹配,否则为客观评估下教育—工作错配。

解释变量可以分为三类。第一类解释变量为人口特征。人口统计特征变量主要包括年龄、性别、家庭背景等。其中家庭背景主要基于父母获得的教育水平。对于父母获得的教育水平,雇员雇主匹配数据调查了父母的最高教育程度,因此,按照问卷设计,获得的教育程度分别为:不识字/初识字、小学、初中、高中、中专/职高/技工学校、大专/高职/高级技工学校、大学本科、硕士及以上。此外,家庭背景中还包含了学生的家庭经济状况。根据调查问卷,将毕业生的家庭经济状况划分为以下几种不同的水平:远低于当地平均水平、低于当地平均水平、当地平均水平、高于当地平均水平、远高于当地平均水平、不清楚。

第二类是教育特征。教育特征主要包括毕业生的学历、专业、成绩等。

一方面,教育水平越高,毕业生对教育的投入也就越高,找工作时能够找到精准匹配工作的概率相对较大。这种高概率形成主要来自以下原因:毕业生会更加关注工作的匹配性,因为他们很关注自己的投入是否能获得相应的回报;更是由于学历越高,毕业生在市场中的竞争也就越小,更容易获得与自己专业匹配的岗位。另一方面,教育水平越高,与毕业生匹配的岗位越稀缺,如果劳动力市场不完善,信息不对称也可能会加剧毕业生的教育—工作错配。研究中所使用的数据对大专及以上学历的毕业生教育和工作之间的匹配性进行了调查,因此,本研究的主要研究对象是大专及以上学历的毕业生。教育水平变量包括三个学历层次:大专;大学本科;硕士及以上。

专业方面可以分为通用类专业和非通用类专业。在本研究数据中,调查问卷中的调查对象涉及的专业包括哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学、管理学、其他等。专业性比较强的专业包括:教育学、历史学、法学、理学、工学、农学、医学。通用性比较强的专业包括:经济学、管理学。

成绩往往也是影响教育—工作匹配性的重要变量。一般而言,成绩越好,越容易找到匹配性强的工作。因此,在本研究采用的数据问卷中,对学生的学习成绩按照全班排名进行调查。根据研究数据,将学生的成绩分为:前10%(含10%)、前10%～25%(含25%)、前25%～50%(含50%)、前50%～75%(含75%)、75%以下、不清楚。

第三类解释变量为就业特征。其中就业特征包括:工资水平、是否签订了劳动合同、企业成立年限。工资水平采用月工资对数来表示,是否签订了劳动合同为0～1哑变量,签订劳动合同为1,否则为0。企业自成立之日起到调查年份为止的时间间隔为企业的成立年限。

除此之外,还包括一系列的控制变量:健康程度、民族、户口、婚姻状况、是否为党员、毕业年限、是否有工会、企业性质和行业等。健康状况包括五种不同的等级:非常不满意、不满意、一般、满意、非常满意;民族包括汉族和非汉族;户口为农业户口和非农业户口;婚姻状况分为已婚和未婚;入党情况分为党员和非党员;毕业年限主要采用获得最高学历的年份和调查年份换算。通过该变量发现毕业时间的长短是否会影响到教育—工作的匹配性。毕业年限可以考察毕业时间长短对教育—工作匹配的影响,一般来说,毕业年限越长,毕业生调整工作的可能性越大,教育—工作的匹配度也相应提高;也可能毕业年限越短,毕业生会找到与自己专业相近的岗位就业,而后随着工作经验的丰富,教育—工作变得越来越不匹配。工会有两种情况:有工会;没有工会。询问毕业生所在企业控股情况,包括了以下几种类型:国有控股、集体控股、私人控股、港澳台商控股、外商控股。该数据针对被调查者所在的行业进行了较为详细地划分。从大的类别来说,分为19个行业:农、林、牧、渔业;采矿业;制造业;电力、煤气及水的生产和供应业;建筑业;交通运输、仓储及邮政业;信息传输、计算机服务和软件业;批发和零售业;住宿和餐饮业;金融业;房地产业;租赁和商务服务业;科学研究、技术服务和地质勘查业;水利、环境和公共设施管理业;居民服务和其他服务业;教育;卫生、社会保障和社会福利业;文化、体育和娱乐业;公共管理和社会组织。

二、实证策略

(一)随机效用模型

结合McFadden[4]的随机效用模型,假设毕业生面临两个互斥的选择:要么接受教育—工作匹配岗位a,要么接受教育—工作错配岗位b。假设毕业生i接受接受教育—工作匹配岗位a和教育—工作错配岗位b进行工作获得的效用分别为,其效用水平函数可以表示为:

(1)

假设教育—工作匹配岗位a能为毕业生i带来最大效用。在理性情况下,毕业生i决定接受教育—工作匹配岗位a进行工作的概率可表示为:

(2)

(二)logistic模型

logistic模型主要衡量两个独立不相关替代方案的选择概率,这意味着两个替代方案之间的概率不受第三个替代方案的影响。该模型由Marschak[5],Marley[6]和McFadden[4]进一步开发。

对于logistic模型,假设教育—工作匹配和教育—工作错配的未观察部分效用为同分布并且误差项相互独立。效用函数随机成分的密度和各自的累积分布由下式给出:

j∈{a,b}

(3)

综合式子(1)(2)(3),毕业生i选择教育—工作匹配岗位的概率可表示为:

(4)

其中Y=1表示教育—工作匹配,否则Y=0表示教育—工作错配。根据(4)可以得到发生比:

(5)

相对于影响教育—工作匹配的某一变量变化前为x=m,变化后为x=m+1,那么该变量变化前后的发生比可以分别表示为:

(6)

(7)

由式(6)(7)可以得到影响教育—工作匹配的某一变量变化前后的优势比为:

(8)

对于连续变量,优势比意味着当X每增加一个单位量,Y=1的发生比为原发生比的eβa倍。对于类别变量,优势比意味着其他类别的发生比是其基本类别的eβa倍。任何高于1的优势比都意味着它与基本类别或者变化前相比匹配概率更高。

根据雇主对岗位的学历要求与雇员的最高教育程度相同与否的客观评价,主要采用2017年雇员雇主匹配数据,分别以总体、男性和女性样本为研究对象,探讨影响总体、男性和女性毕业生的教育—工作匹配的因素。

三、实证结果

在logit回归中,当“您当时就职目前这个岗位时,公司对这个岗位的学历要求”和“您的最高教育程度(指已获得的最高学历,即获得毕业证书)”回答相同时为客观评估下教育—工作匹配,取值为1,否则为客观评估下教育—工作错,取值为0。为了更进一步检验不同性别群体中教育—工作的匹配影响因素,将男性和女性样本作为子样本来分别进行研究。

根据实证结果,主要借助优势比(odds ratio)来分析相应变量与其基本类别相比形成的教育—工作匹配优势,实证结果见表1。

表1 客观评价下影响教育—工作匹配因素实证结果

年龄对毕业生教育—工作匹配倾向有负向影响。这主要是因为劳动力市场的年龄歧视问题。一般而言,年龄越大,劳动者跳槽的能力会由于特殊人力资本难以与企业匹配问题、年龄歧视问题等而下降,进而导致教育与工作之间出现错配;而且从不同群体来看,男性群体的年龄对教育—工作的匹配概率没有显著影响,而女性群体的年龄对教育—工作的匹配概率有显著负向影响,说明这种歧视主要发生在女性劳动者群体身上。

与“不识字/初识字”的基本类别相比,父亲在每个阶段的教育水平下对应的大专及以上学历毕业生教育—工作匹配率都会比较低。父亲为小学水平的毕业生教育—工作匹配优势比为0.499,为初中水平的毕业生教育—工作匹配优势比为0.453,为高中水平的毕业生教育—工作匹配优势比为0.448,为中专/职高/技工学校水平的毕业生教育—工作匹配优势比为0.411,为大专/高职/高级技工学校水平的毕业生教育—工作匹配优势比为0.470,为大学本科水平的毕业生教育—工作匹配优势比为0.467,为硕士及以上水平的毕业生教育—工作匹配优势比为0.640。在大学本科学历以上水平时,并不显著。因此,总体上父亲教育水平较低的情况下,还不如父亲不识字/初识字的水平。说明父亲的教育水平对于子女毕业后的教育—工作匹配没有显著的积极影响。

与“不识字/初识字”的基本类别相比,母亲在每个阶段的教育水平下对应的大专及以上学历毕业生教育—工作匹配率会随着学历的上升而提高。总体而言,母亲为小学水平的毕业生教育—工作匹配优势比为1.794,为初中水平的毕业生教育—工作匹配优势比为2.246,为高中水平的毕业生教育—工作匹配优势比为2.756,为中专/职高/技工学校水平的毕业生教育—工作匹配优势比为2.547,为大专/高职/高级技工学校水平的毕业生教育—工作匹配优势比为3.148,为大学本科水平的毕业生教育—工作匹配优势比为3.803,为硕士及以上水平的毕业生教育—工作匹配优势比为3.053。因此,母亲的教育水平对大专及以上学历毕业生教育—工作匹配率有显著的正向影响,大学毕业生教育—工作匹配率会随着母亲教育水平的提高而提高。

与“不识字/初识字”的基本类别相比,母亲为小学水平的男性和女性毕业生教育—工作匹配优势比为1.912和1.419,为初中水平的男性和女性毕业生教育—工作匹配优势比为3.089和1.678,为高中水平的男性和女性毕业生教育—工作匹配优势比为3.328和2.218,为中专/职高/技工学校水平的男性和女性毕业生教育—工作匹配优势比为3.889和1.620,为大专/高职/高级技工学校水平的男性和女性毕业生教育—工作匹配优势比为4.561和2.449,为母亲大学本科水平的男性和女性毕业生教育—工作匹配优势比为4.564和3.482。这说明母亲的学历对男性毕业生教育—工作的匹配率正向影响要高于对女性毕业生的影响。

根据logit回归结果,家庭经济状况对于毕业生教育—工作匹配没有显著性的影响。总体而言,家庭背景中,只有母亲的学历对毕业生教育—工作的匹配有显著的积极影响,父亲教育水平以及家庭的经济状况对于教育—工作的匹配均没有显著的积极影响。

毕业生的学历对教育—工作匹配率有显著性的影响。与“大专”的基本类别相比,大学本科、硕士及以上学历的毕业生的教育匹配度都相对较低。总体上来说,大学本科毕业生优势比为0.216,硕士及以上学历的毕业生优势比为0.038;男性大学毕业生优势比为0.314,男性硕士及以上学历的毕业生优势比为0.052;女性大学毕业生优势比为0.149,女性硕士及以上学历的毕业生优势比为0.024;因此,毕业生的学历对教育—工作匹配有显著的负向影响,即当前大学毕业生学历越高,教育—工作的匹配度也就越低。

与“哲学”的基本类别相比,最高的教育—工作匹配显然是军事学专业,优势比为4.640,理学专业的优势比为3.634,文学专业的优势比为3.491,工学专业的优势比为3.224等,以上这些专业往往具有较强的专业性。

关于成绩,班级前10%～25%的毕业生与班级前10%的毕业生相比,教育—工作匹可能性并没有显著性差异。班级前25%～50%的毕业生匹配的可能性是前10%的0.733倍。50%～75%的毕业生匹配的可能性是前10%的0.681倍。

在就业特征方面,毕业生的工资水平越高,教育—工作匹配性越强;企业成立的时间越长,企业内部的人力资源管理体系也就越完善,最终在其中工作的毕业生教育—工作匹配的程度也就越大。与用人单位签订的劳动合同可以有效地提高教育—工作的匹配度。

四、研究结论与展望

(一)研究结论与讨论

笔者采用雇员雇主匹配数据,基于客观评价结果,利用二元logit回归方法,以大专及以上毕业生为研究对象,从教育特征、人口特征、就业特征三个方面,研究了影响教育—工作匹配的因素,结论如下:

第一,人口特征对教育—工作匹配有影响。实证结果表明,年龄对于匹配概率的影响呈现显著的负相关,而且从不同群体来看,男性群体的年龄对教育—工作的匹配概率没有显著影响,而女性群体的年龄对教育—工作的匹配概率有显著负向影响,这主要是由于女性毕业生具有一系列的劳动力禀赋劣势[7],或者女性毕业生掌握的知识具有通用性等;父亲的教育水平对于子女毕业后的教育—工作匹配没有显著性的影响,母亲在每个阶段的教育水平下对应的大专及以上学历毕业生教育—工作匹配率会随着学历的上升而提高。而且母亲的学历对男性毕业生教育—工作的匹配率正向影响要高于对女性毕业生的影响;家庭经济状况对于毕业生教育—工作匹配没有显著性的影响。

第二,教育特征对教育—工作匹配有影响。实证结果表明,毕业生的学历对教育—工作匹配有显著的负向影响,即当前大学毕业生学历越高,教育—工作的匹配度也就越低。该研究结论与Wolbers[8]、Robst[9]等相反,通过数据进一步分析发现,学历越高,过度教育的概率更大。这主要因为在实际工作中,个体受教育水平和工作经验之间在一定程度上可以相互替代,在信息不对称的条件下,劳动者可以通过提高受教育水平来弥补自身经验的不足,因此更容易表现为教育过度[10];缺乏工作经验的毕业生也一样,为了弥补自己的缺陷,过度教育发生的概率也就越大[11]。与“哲学”的基本类别相比,军事学、理学、文学、工学等专业性较强领域毕业生工作匹配较强。非通用性专业毕业生因在劳动力市场上为特定职业提供了特定的技能,而通用性专业毕业生并不适合特定的职业,因此通用性专业毕业生的教育—工作匹配概率较低。

第三,就业特征对教育—工作匹配有影响。毕业生的工资对教育—工资匹配存在正向影响。即工资水平越高,教育—工作匹配的概率也就越大。这主要是因为在进入大学选择专业时,一般而言是根据工资水平来选择自己将来从事的专业,大学毕业后,毕业生也倾向于按照自己的专业来找工作。此外,工资水平越高,需要的教育水平越高,人们的教育投资也越多,找工作匹配带来的收益会更大。岗位的工资越高,意味着岗位对企业重要,企业在构建岗位说明书和胜任资格要求时会更加精确,在招聘员工时也会更加慎重,力求做到人岗匹配。因此,从供求两个角度均可以有效地解释毕业生的工资水平对教育—工作匹配存在着正向影响。企业成立年限也对教育—工作匹配存在着正向影响,该结论更倾向归因于企业人力资源管理制度的科学和用人的规范等。在客观评估方法下,是否签订劳动合同对教育—工作的匹配影响存在正向影响,这主要是因为没有签订劳动合同的毕业生往往为兼职工作者或者临时工,其更愿意在工作上妥协,接受与教育不匹配的职位来积累工作经验或将其作为过渡性工作,以期将来能找到更好的工作。

(二)研究贡献与展望

本研究对教育—工作匹配问题的研究贡献体现在以下几个方面:首先,虽然毕业生的专业会影响到教育—工作的匹配,但很少有研究关注专业对毕业生教育—工作匹配的影响,而在本研究中考察了专业对毕业生教育—工作匹配的影响;其次,通过人口特征、教育特征和就业特征三个方面的变量较为全面的揭示了教育—工作匹配的影响因素;最后,雇员雇主数据不但从雇主角度调研了教育—工作的匹配性,也从雇员角度调查了教育—工作的匹配性,进而使得本研究可以基于客观评价方法对教育—工作匹配影响因素问题进行研究。

在未来的研究中,为了对劳动力市场理论进行更动态地比较研究,可以通过历史动态追踪数据,探讨教育—工作匹配是如何发生变化的,以及发生变化的原因,并从动态角度理解教育—工作匹配的变化。此外,未来的研究会更多地关注教育—工作匹配的劳动力市场后果,例如教育—工作的匹配对教育投资回报收益率、工资、培训、工作满意度、工作流动以及劳动生产率的影响等。