Logic模型回归作业.doc

大学生就业影响因素分析
---基于logic模型

摘要：当前大学生就业难问题已经变成我国最重要的就业问题重点之一。就影响大学生就业的各种因素出发，进行相关数据搜集并建立Logic模型，通过模型估计和检验，从定量和定性角度分析影响大学生就业的主要因素，发现大学生的性别，英语水平，社会实践多少和兼职经验等因素对就业机会的影响作用相对较大，说明用人单位招聘时存在着严重的性别歧视和工作经验歧视。
关键字：Logic模型；大学生就业；性别歧视
1、 引言
正如我们看到的，当今高校毕业生的就业正面临着前所未有的压力和困难。据国家统计局数据显示，随着我国高等教育的扩招政策，我国每年高校毕业生数量不断增多，另外，各种中等职业教育毕业生数量的增加也相对弱化了大学生就业的优势，可见大学生就业压力在不断加大。
大学毕业生是社会劳动力就业群体的重要组成部分，也是一个特殊的就业群体，属于“高阶劳动力”的就业范畴。大学毕业生是高人力资本，其得益于政府、社会、家庭、个人的长期人力资本投资，如果大学生未能成功地找到工作而成为就业者，其结果将大大降低人力投资的收益；其次，由于社会经济的快速发展，现有的人力资本存量在将来可能不会发挥足够大的作用，新的追加投资会更大，但收效却可能会更小，最终他们可能会成为边缘群体，甚至成为社会的不稳定构成因素。从另一个角度看，失业人数的增加和失业时常的增加必然会对国家的社会保障体系增加新的压力，且阻碍经济的顺利平稳发展。因此，关注也解决大学生的就业问题是解决就业的最关键问题之一，关系到社会稳定、经济的健康发展和国家的长治久安。
近年来很多学者或科研机构都对大学生就业问题进行了大量的研究。Niall O’Higgins(2002)从需求、供给及供需匹配的角度分析大学生就业的内在机制。加拿大学与学员协会(Association of Universities of Colleges of Canada,2003) 认为, 大学要适应需求增强毕业生的灵活性和适应性, 以增强其就业能力。为了适应新形势的变化，ValBatcher(2002)认为英国职业指导服务的变革将职业指导融入大学课程设计的过程中，通过专业的职业指导来加强大学生的就业能力。张汉志(2006)、陈啸(2006)等从就业成本角度，对大学生越来越高的就业成本进行实证研究，并提出降低就业成本的基本途径；曾湘泉(2004)从我国宏观环境变化的角度研究大学生就业问题；杨一平(2002)、史洁(2006)等提出通过对毕业生加强就业指导，进行创业教育，提高社交能力的方法来提高就业率；马灿(2007)分析得到，建立职务分析系统工程是缓解中国大学生就业问题的新思路；也有研究者通过调查，从毕业生、学校、用人单位和政府等方面对大学毕业生就业进行了描述性实证分析。
以上所述研究内容主要是理论性论证或实证描述，无法获知各种因素对就业的影响“力度”，更不能从数量角度对毕业生在毕业前找到工作的就业机会比率进行分析，研究结论说服力和应用效果尚值得商榷。本文通过整理搜集的数据，建立Logic回归模型，并做估计和结果检验，针对大学毕业生就业问题进行实证分析，得到了各种影响就业的因素对就业的影响程度大小。

2、 模型介绍与数据搜集
2.1 Logit 模型介绍
在研究居民是否购买商品住房，大学生是否能够就业等现象时，因变量在受到多种因素影响，但其取值只有两种状态；是与否，在计量经济学中成为“二元型响应”现象，即随机变量[0,1](“1”表示“是”，“0”表示“否”)。对0-1的模型设定形式通常可选择( 逻辑) 生长曲线形式, 即为Logit 模型。当选择逻辑生长曲线为的计量经济模型设定形式时有：
(1)
其一般形式为：
(2)

式( 2) 有两个重要特征: 一是随着i →∞时pi 趋向于K, K 为pi 的饱和值; 反之, 一是随着i →- ∞时pi 趋向于0 ; 二是式( 2) 具有拐点, 在拐点之前, pi 的增长速度越来越快; 在拐点之后, pi 的增长速度越来越慢, 逐渐趋于0 。若K=1 , 这两个特征是满足一般经济现象变化的特点。
为了使式( 2) 能够进行估计, 并且消除pi 与Zi 以及pi 与βj 非线性关系, 若记pi 为事件发生的概率, 当K=1 时, 可以整理得到:

(3)

不仅是X 的线性函数, 而且是的线性函数。比率通常称为机会比率, 即所研究的事件“发生”与“没发生”的概率之比, 设为则( 3) 式两边求导, 整理得( 4) 式。
(4)
由( 4) 可得, 变动一个单位, 机会比率的变化率变动个单位, 此模型称为Logit 模型。Logit 模型是解决“二元型响应”类现象的模型之一。
本文分析大学生的就业机会比率, 属于“二元型响应”现象, 通过就业与未就业的对比影响因素分析,找到主要因素, 并分析这些因素是如何影响的, 以及影响的程度。

2.2 变量选取与数据调查影响大学生就业的因素众多, 有宏观、微观原因。宏观原因有经济发展状态、产业结构变化、以及就业结构性矛盾等因素; 微观原因有毕业生的个体特征、学习情况等等。本文从影响大学生就业的微观因素出发, 主要从以下方面进行调查和研究, 分析对就业影响。
( 1) 毕业生个体基本特征。主要包括: 性别( X1) 、所学专业类型( X2) 、是否为党员( X3) 、家庭是否在大中城市( X4) 、籍贯是否为东部地区( X5) 五个变量。
( 2) 学习基本情况。反映学习的指标比较多, 如各门功课的成绩、英语水平、计算机水平等。为了数据的可得性和可比性, 主要选取获得奖学金次数( X6) 、英语是否过了四级( X7) 、每天自习的时间( X8) 等三个变量。
( 3) 参加实践情况。担任学生干部可以锻炼和培养学生的组织能力和协调能力; 参加社会实践活动和做过兼职工作, 能够使学生了解社会, 懂得与人沟通和交往, 可以培养动手能力。因此, 选取了是否担任过学生干部( X9) 、有无社会实践和兼职经验( X10) 两个变量来反映学生的参加实践工作情况。
( 4) 课余时间安排情况。主要选取是否经常参加体育锻炼( X11) 、是否经常上网( X12) 两个变量。
( 5) 找工作的力度情况。选用是否参加完整的就业指导( X13) 、找工作的频率( X14) 两个变量。
( 6) 对工作的预期情况。工作是否要在大中城市( X15) 、工资是否要求在平均工资以上( X16) , 两个变量来反映对工作的预期。
3、 变量选取和说明
因素
变量及取值范围
预期作用方向
毕业生个体基本特征
X1 (1:男 0：女)
正向
X2 (1:经济类专业 0：管理类)
正向
X3 (1:党员 0:其他)
正向
X4 (1:家在大中城市 0:其他)
正向
X5 (1:籍贯为东部地区 0:其他)
正向
X6 (获得奖学金次数)
正向
X7 (1:通过cet4 0:未通过cet4)
正向
学习因素
X8 每天学习时间
正向
参加实践情况
X9=1做过学生干部 0：未担任过
正向
X10=1 有社会实践或兼职经验 0：其他
正向
课余时间安排
X11=1 经常参加体育锻炼 0：其他
正向
X12=1 经常上网 0：其他
正向
找工作积极性度量
X13=1 参加就业指导 0：其他
负向
X14 每月找工作次数
正向
对工作预期
X15=1要求在大中城市工作 0：其他
负向
X16=1 要求薪水在平均水平以上 0:其他
负向

4、 大学生就业影响因素实证分析
4.1 变量对就业机会比率作用的假设所选取的变量对就业机会比率的预期作用方向,是根据经验和理论分析得到的假设结果, 如表1 所示,通过表1 可以比较直观得到变量的预期作用方向。这些判断结果是否是科学, 对就业机会比率影响是否显著, 如通过数据的搜集和模型估计与检验, 可以得到比较客观的结论, 为分析大学生就业问题提供较科学的建议。
4.2 实证分析
结合模型( 3) 分析多变量对就业机会比率影响可以建立多元Logit 模型如( 5) 。
(5)
其中, pi 为大学毕业生找到工作的概率, βj 指在其他因素不变化时, Xji 每变化一个单位, 就业机会比率的变化率变动βj 个单位。通过对表1 各个变量。
估计模型(5)得到回归结果如下表：
变量
系数
Z统计量
P值
机会比率的变化
C
-3.14
-2.78
0
0.04
X1
0.58
1.01
0.31
1.78
X2
0.06
0.13
0.89
1.06
X3
0.13
0.21
0.83
1.14
X4
0.97
1.45
0.15
2.64
X5
-0.29
-0.61
0.54
0.75
X6
-0.1
-0.5
0.61
0.9
X7
1.26
2.21
0.03
3.53
X8
0.32
1.6
0.1
1.38
X9
0.77
1.58
0.1
2.16
X10
1.69
1.89
0.06
5.42
X11
0.07
0.13
0.89
1.14
X12
-0.36
-0.75
0.45
0.7
X13
-0.66
-1.14
0.26
0.52
X14
0.13
0.99
0.32
1.14
X15
0.32
0.69
0.49
1.37
X16
0.96
1.66
0.09
2.61
Log likelihood - 68.09
LR statistic(16df) 29.98
Probability(LRstat) 0.02

由表2 的结果结合表1 可以得到以下结论:
( 1) 从统计检验结果看, 似然比( LR) 统计量为29.98 , 对应的概率为0.02 , 说明在0.05 显著水平下, 所有斜率系数同时为零的假设被拒绝, 即所有变量一起对就业机会比率有显著性影响; 在所选取的变量中, 在0.10显著水平下, 对就业机会比率有显著性影响的有: 英语是否过了四级、每天自习的时间、担任学生干部、有无社会实践和兼职经验、工资是否要求在平均工资以上。这说明, 英语水平、学习的时间和经验等对就业有着重要影响。在0.10 显著水平下, 其他的变量并不显著。但是, 在二分回归子模型中, 回归系数的期望符号以及与实际上的对比关系才是首要的。
( 2) 从回归系数的符号看, 籍贯是否为东部地区、获得奖学金次数、工作是否要在大中城市、工资是否要求在平均工资以上与假设的预期作用是相反的, 其他各变量对就业机会比率的影响作用方向和假设是一致的。籍贯是否为东部地区对就业的影响不显著,符号与假设是相反的。这说明, 现在大学毕业生都涌向东部地区, 使得东部地区就业机会相对来说并不多。一方面随着国家采取鼓励大学生向中、西部和农村地区就业的优惠政策, 另一方面, 中、西部和农村地区也需要人才, 籍贯为东部地区的大学毕业生的就业机会并不一定比中、西部大学毕业生高。获得奖学金次数与就业机会比率成负相关, 这说明“读死书、死读书”并不一定增加就业机会。工资要求在平均工资以上与就业机会比率成正相关, 说明工资要求在适当的范围内, 对就业机会比率没有造成负面影响。
( 3) 从回归系数和机会比率变化来看, 回归系数说明在其他因素不变化时, 变量变化对就业机会比率的变化率的影响。实际上, 通过对各个系数取反对数得到的机会比率变化是更有意义的解释。表2 已列出各个变量影响机会比率的变动, 即表示在其他条件不变的情况下, 第j 个变量每增加1 个单位, 机会比率变动。从而, 我们得到:( 1) 大学生个体特征中的性别和家庭等因素对就业的机会比率影响大。男性毕业生的就业机会比率是女性的1.78 倍, 家庭在大中城市的毕业生就业机会比率是家庭不在大中城市的2.64 倍。因为就业压力现在普遍存在, 大学生就业是“买方”市场,企业和社会对大学生的需求可能存在性别歧视。大学生的家庭如果在城市, 可能对拓宽就业面, 利用有关资源推荐, 提供就业机会方面起到积极作用。( 2) 在学习因素中, 英语过四级和每天自习的时间对就业机会比率的增加的效果是明显的, 特别是英语过四级的毕业生就业机会比率是没有过四级的同学的3.53 倍, 可见英语水平对就业影响作用比较大。( 3) 现在就业市场可能存在经验歧视, 由回归结果可知, 有社会实践和兼职经验的毕业生就业机会比率要比没有实践经验的高出4.42 倍, 这就要求学校和社会要加强学生的职业培训和对动手能力的培养。
5、 结论
本文在对大学生就业影响因素的综合分析基础上, 建立Logit 模型, 通过模型估计和检验并与预期假设进行对比分析得出:( 1) 大学生的个体特征中的性别和家庭等因素对就业的机会比率影响作用大; 而大学生所学的专业是经济类还是管理类对就业作用差别不大。( 2) 在学习因素中, 英语水平和每天学习时间对就业机会比率的影响是显著的, 且作用比较明显, 但获奖学金次数却对就业机会比率的作用是反向的。( 3)大学生多参加社会实践活动, 对其提高从业经验和公关交际能力有着重要作用, 在现在就业的需求方普遍存在经验歧视的情况下, 高校要加强职业培训, 还要有专门的部门和人员对就业市场进行调查和分析, 解决就业供需信息不对称的问题。( 4) 课余时间的安排、找工作的力度等因素对就业有影响, 但作用不明显。( 5) 大学生对工作的预期对就业机会比率的影响作用较大, 且是正向的。

参 考 文 献

[1] 张汉志. 大学生就业成本分析[J]. 教育与职业,2006.
[2] 陈啸, 邵一江, 董承军. 大学毕业生就业成本的调查与分析[J]. 中国高教研究, 2006.
[3] 曾湘泉. 变革中的就业环境与中国大学生就业[J]. 经济研究,2004.
[4] 杨一平. 大学生就业形势变化与高校就业指导模式的变革[J]. 高等教育研究, 2002.
[5] 马灿, 中国大学生就业支持新思路- - 建立职务分析系统工程[J].中国就业,2007.