大學生就業情況與在校表現之間關系的調查分析
——以桂林電子科技大學為例

何芳麗

（桂林電子科技大學數學與計算科學學院，廣西桂林541004）

大學生就業情況與在校表現之間關系的調查分析
——以桂林電子科技大學為例

何芳麗

（桂林電子科技大學數學與計算科學學院，廣西桂林541004）

以桂林電子科技大學為例，對往屆畢業生進行抽樣，獲取他們的初次就業情況與在校表現方面的數據，建立累積logistic回歸模型。該模型表明學生在校時的學分績和獲校級以上獎項對大學生初次就業情況的影響是顯著的。

累積logistic模型；就業；在校表現；調查分析

隨著我國高等教育招生規模的擴大，每年進入就業市場的高校畢業生數量持續增加；同時，隨著大學生數量增加，學生的質量也在降低，這使得中國高校畢業生的就業成為一大社會問題.尤其是一些處于西部地區的非重點大學院校，像桂林電子科技大學（下文中都簡稱為“桂電”），其畢業生的就業形勢更加嚴峻。

針對我國大學生的就業問題，國內很多學者做了相關的研究。馬鴻榮等（2009）對我國大學生就業問題進行分析，大學生就業難的原因有社會原因、高校原因和學生自身原因。黃敬寶、林夢彤（2011）對大學生就業的影響因子做了調查分析，學校、專業、實習、英語、期望月薪、社會關系、信息收集、性別、單位性質預期、單位行業預期構成了影響大學生就業的10大因子。陳巖松（2004）對大學生就業影響因素做了調查與分析，大學生就業受到政府、高校、就業市場、用人單位和畢業生就業觀念等多種因素的影響。另外，還有些學者利用統計方法對就業問題做了研究，劉小瑜,胡軍剛（2008）利用Logistic回歸模型對大學畢業生就業影響因素做了實證分析，其因變量是就業狀況（就業=1，未就業=0），自變量有性別、年齡、政治面貌等，其結論是：性別、年齡、政治面貌、生源地、戶口性質、專業類型對大學生的就業狀況產生了顯著影響,而學歷、畢業院校對大學生就業狀況的影響則并不十分顯著。劉家樹（2008）結合Logit模型對經管類大學生就業影響因素做了調查分析，其因變量是就業狀況（就業=1，未就業=0），自變量有性別、所學專業類型、是否為黨員等16個變量，其結論是：大學生的個體特征中的性別和家庭等因素對就業的機會比率影響作用大;在學習因素中,英語水平和每天學習時間對就業機會比率的影響是顯著的,且作用比較明顯,但獲獎學金次數卻對就業機會比率的作用是反向的，等等。

綜上所述，大學生的就業會受到社會、高校和學生自身等多方面的影響.站在學校層面上，社會因素我們是無法控制的，而高校和學生自身因素我們或多或少的可以做些調節，使之向著有利學生就業方面發展。為此，本文以桂電為例，對往屆畢業生進行抽樣，獲取他們的初次就業情況與在校表現方面的數據，建立累積logistic回歸模型，考察影響桂電大學生就業的因素，讓后來的桂電學生能做出更好的定位，強化大學生職業發展意識，培養大學生職業能力和素質，還可以給我校以及其他兄弟院校相關老師，提供一些參考或建議,以便給予學生系統的就業指導和大學生活規劃。

一、數據來源與變量說明

本文的數據來源于桂電往屆畢業生離校之前的信息數據，采用抽樣方式,有效樣本量為235.所選取的指標包括：就業情況y（就業很好=2，就業一般=1，未就業=0），學生學分績x1,四級通過情況x2（通過=1，未通過=0），在校期間是否獲校級及以上獎項x3（是=1,否=0），性格內外向情況x4（外向=1,內向=0），所屬學院情況x5（x5=i,表示學生為第i院的）。

二、累積logistic回歸模型簡介

在社會科學中，次序反應變量十分普遍.我們經常可以見到變量的測量采用Likert類型尺度，比如“強烈反對、反對、中立、支持、堅決支持”或“很差、差、一般、較好、很好”等等。這些反應變量通常都按1、2、3、4、5等整數序列編碼。在反應變量的各類中有明確的從低到高的排序，但相鄰各類之間的差距未知，對這種反應變量建立模型的適當方法之一是累積logistic回歸模型,是二分類logistic回歸模型的擴展，需擬合水平數-1個logit模型。在本文中，反應變量y是一個三分類有序變量，需要擬合2個logit模型。

設πi=P(y=i｜X),i=0,1,2,即擬合：

上面式子分別等價與：

三、就業情況與在校表現的實證分析

（一）建立累積logistic回歸模型

利用SAS8.2版軟件，作y對x1,…,x5的logistic回歸模型，考慮到自變量間可能會存在較強的相關性，以及自變量中可能會存在不顯著的變量，所以逐步回歸的方法選擇自變量。結合部分輸出結果，分以下幾個方面對模型進行評價。

1.擬合優度。表1是關于模型對數據擬合優度的檢驗，Pearson X2檢驗的p=0.3952,D統計量的p=0.9508,兩個p值都大于通常用的顯著性水平0.05，認為這一模型充分擬合了數據。

2.模型X2統計。表2模型X2值是關于自變量是否與所研究時間的對數發生比線性相關的檢驗，由最后一列的p值可知其線性相關性是非常顯著的。

表1X2和偏差統計量

表2 模型X2統計

3.回歸系數的顯著性檢驗。表3表明，模型中引入了兩個自變量，學生學分績x1和在校期間是否獲校級及以上獎項x3，而且這兩個變量都是在0.05的水平下是顯著的，說明學生學分績和在校期間是否獲校級及以上獎項對學生的就業情況的影響是顯著的。

4.模型的預測準確性。表4中，Concordant為和諧對，Discordant為不和諧對，Tied為結等，由于Somers'D、Gamma、c指標上的值都比較大，說明該模型的預測能力是比較好的。

表3 模型參數估計

表4 次序相關指標

以上評價結果顯示，模型的擬合良好，模型成立，自變量的參數估計均有統計意義，預測效果較好，從而由表3.3得到最終確定的模型為：

其中，π2為就業很好的概率，π2+π1為獲得就業的概率，x1為學生學分績，x3為在校期間是否獲校級及以上獎項。該模型表明學生在校時的學分績和獲校級以上獎項對大學生初次就業情況的影響是顯著的。

（二）模型回歸系數的解釋

1.x1系數的解釋。在logistic回歸模型中，eBk提供了在自變量不變時，xk變動一個單位時發生比所變化的倍數，即調整發生比率。如果xk是一個連續型自變量，它變動一個單位，對應的調整發生比率會比較小，說明xk增加一個單位的意義不大.從而為了估計連續型變量的調整發生比率，通常先設定兩個比較的變量值，如用a和b標志這兩個代表連續自變量xk水平的值，那么從a變到b時，調整發生比率為e（b-a）Bk。

在本文中，我們設a為平均學分績77.6，b為77.6+10或77.6-10，我們可以得到相對應的調整發生比率估計值分別為e10×0.1220=3.389和e-10×0.1220=0.295。這表明當一個學生的學分績高于平均學分績10時，他就業的機會約為平均水平的3.4倍；若一個學生的學分績低于平均學分績10時，他就業的機會只有平均水平的0.295倍。

2.x3系數的解釋。x3（獲獎情況）是分類變量，由于e0.7886≈2.2，說明獲過校級及以上獎項學生就業機會約為沒有獲過校級及以上獎項學生就業機會的2.2倍。

三、結論與建議

（一）結論

本文以桂林電子科技大學為例，對往屆畢業生進行抽樣，獲取他們的初次就業情況與在校表現方面的數據，建立累積logistic回歸模型，其結論是：（1）學生在校時的學分績對大學生初次就業情況的影響是顯著的。當一個學生的學分績高于平均學分績10時，他就業的機會約為平均水平的3.4倍；若一個學生的學分績低于平均學分績10時，他就業的機會只有平均水平的0.295倍。（2）學生在校時是否獲校級以上獎項對大學生初次就業情況的影響是顯著的，獲過校級及以上獎項學生就業機會約為沒有獲過校級及以上獎項學生就業機會的2.2倍。

（二）建議

綜上的分析結論，提出以下建議：（1）學生的學業要精，鼓勵學生學好自己的專業知識。在其他條件相同的情況下，擁有扎實專業基礎知識的學生的就業機會要比專業基礎較差的學生的就業機會要大很多。（2）鼓勵學生積極參加各種校級、區級甚至國家級的競賽，如數學建模大賽，電子設計大賽，程序設計大賽，等等。參加競賽如果能獲得獎項，那更能證明學生的能力，會提高學生的就業機會；若不能獲獎，也會使得學生得到鍛煉，對學生今后的工作會產生正面影響。

何芳麗，女，講師，碩士，主要研究方向為金融統計、經濟計量分析。

G715

A

1674-7747（2011）18-0065-03

[責任編輯 秦濤]