基于Logistic回歸模型的大學生畢業去向問題研究

文 / 李香琪 林莉 熊娜娜

促進就業是民生根本。隨著高校擴招和畢業生人數的逐年增長，如何在經濟增速逐步放緩、失業率不斷攀升的大環境下，促進高校畢業生就業成為全社會共同關注的熱點問題。本文利用Logistic回歸模型，對某高校在校大學生畢業去向進行回歸分析，以期總結出大學生就業的主要趨勢和影響因素，促進大學生更好地就業。

一、logistic回歸模型概述

（一）二分類因變量logistic回歸

在logistic回歸的應用中，很多情況下因變量分為兩種，比如“是”與“否”“計劃考研”與“畢業就業”“先成家”與“先立業”“步行上班”與“乘公交車上下班”。一般多元回歸模型通常表示如下：

其中：εi期望為零，yi為0-1型的隨機變量，其概率的分布如下：

也就是因變量是0-1型的隨機變量時，因變量的均值就代表的是給定自變量時，y =1概率的取值。

（二）參數形式logistic回歸

假設上述模型是多元線性函數，那么方程如下：

做參數估計時，先做如下對數變換：

得到：

這個模型它的參數估計一共可以分為2種情形，第一，在大樣本的條件下，數據分為幾組，每一組的個數為ni，由于其設有異方差性，所以要用加權的最小二乘法預估其中參數．當樣本量較大時，模型的近似方差為：

第二，在小樣本下，先把概率函數合寫為：

其中 ：yi=0，1 ；i=1，2，．．．，n．于是得到因變量的似然函數：

然后取自然對數，再對照logistic回歸，得到：

用極大似然估計法去預估參數，不能用封閉的形式，所以考慮迭代法。

（三）logistic回歸模型估計

參數估計采用最大似然估計法，先從總體抽取隨機樣本，列出似然函數，為了簡便，兩邊取對數再求偏導，求出駐點，得到似然方程組和迭代公式；再看某些自變量是否對因變量有影響．即先按實際意義算，得出對數似然函數，對總體的參數進行整體求偏導數，再令其為零后繼續估計參數。

二、大學生畢業去向的logistic回歸分析

本文利用某高校在校大學生對未來是就業還是考研的調查數據，從年齡、期望薪資、性別3個角度探索影響大學生畢業去向的因素。用因變量y =1表示畢業生計劃考研；y=0表示學生選擇畢業后直接工作；x1是期望薪資；自變量x2是大學生年齡；x3是性別：x3=1表示男性，x3=0表示女性。調查對象鎖定為在校本科生，數據如下：

表1

為詳細了解大學生畢業去向，調查組在校內隨機抽取了300個同學做了意愿調查，記錄下每個人的期望薪資、年齡、性別，并詢問每個同學畢業后的打算。

（一）變量情況統計

根據調查數據，按照SPSS操作規程，依次點擊SPSS相對應的軟件，點擊OK運行，得到如下輸出結果：

表2

表2中可以看出，x3的系數是-2．429，代表以女生為基準，男生打算考研的系數是-2．429，相比女生少一些。從顯著性看，x1的P值是0．012，遠小于0．05，代表這個自變量（期待薪資）對因變量的影響很顯著．與x1相比，x2的顯著性值為0．235，在置信度為0．05的顯著性檢驗下，x2（年齡）對因變量（是否打算考研）的影響就不顯著，x3（性別）對是否打算考研的影響也不顯著。可以看出，本科里面女生比男生更傾向于考研，而男生比女生更傾向于直接就業；期望薪資會影響在校本科生決定是否考研：如果本科生對未來的期望薪資高，那么他更傾向于讀研，年齡基本不影響畢業去向。

（二）方差分析

方差分析結果如下表3所示：

表3

表 3中可以看出，F值等于 5．648，大于 1．96；顯著性 sig 值是 0．004，小于 0．05．在 0．05 的置信水平下檢驗，三個自變量的共同作用對因變量的影響是顯著的，顯著性為0．004，小于0．05，說明在校本科生的年齡、性別、期望薪資的共同作用對是否決定考研具有顯著影響。

（三）相關性檢驗和回歸結果分析

相關性檢驗結果如表4：

表4

相關性矩陣中所示的x3與x2相關系數為-0．334，說明性別和年齡的相關性不強．x1與x2的相關系數為0．491，說明期望薪資與年齡相關性也很低，近乎為不相關；x1與x3相關系數為-0．645，說明性別與期望薪資相關性也不強。

從檢驗的顯著性表（省略）中可以看出x2的P值為0．235，大于0．05，可以認為x2的顯著性檢驗不顯著，x2是年齡，決定將其剔除，繼續用y對性別與理想薪資兩個自變量做回歸，得出輸出結果：

表5

表5中，可以看出x1期望薪資對因變量y的影響是顯著的，SPSS沒有給出Logistic回歸的標準化回歸系數，對于Logistic回歸，回歸系數不能達到普通線性回歸的標準版的解釋，由此得知，并不一定要計算標準化回歸系數．如果要分析回歸方程中每一個自變量的重要性，可直接對顯著性的取值進行比較。x1（期望薪資）的sig值小，顯著性高，也就說明x1期望薪資對畢業生的影響更深．當然，回歸分析的基本假定是自變量之間沒有較強的多重共線性，即如果3個自變量（年齡、性別、期望薪資）之間存在多重共線性，那么意味著回歸系數的大小和顯著性概率就不具有代表性了，這時要采取一定合適的辦法來消除多重共線性，比如避免對單個參數t檢驗等。

表6

表6為擬合起步前模型外的變量的卡方檢驗，x1（期望薪資）的顯著性值小于0．05，三個變量的總體顯著性值為0．009，小于0．05，故x1有資格進入模型，以上結果通過檢驗。

三、促進大學生就業的對策建議

logistic回歸分析結果表明，計劃本科結束后讀研的學生，期望薪資較高，而期望薪資較低的學生，傾向于畢業后直接工作，畢業去向與性別及年齡關系不大。說明期望薪資對在校大學生就業去向的影響較大，絕大部分同學會單一的把薪資高低作為考研還是就業的抉擇依據，故只有加強全方位的就業教育，才能解決這種以薪資期望決定就業去向的局面，促進大學生們更好地就業。

（一）培育健康的就業觀念

應加強對在校大學生世界觀、人生觀、價值觀教育，幫助其樹立起積極健康的、適合自身發展的就業價值觀。應鼓勵學生結合自己的專業、興趣、愛好等，調整薪資和就業預期，選擇合適的就業崗位，轉變一味追求高薪的就業觀念，減少享樂主義、功利主義、拜金主義等不良風氣對大學生就業的消極影響，幫助大學生樹立起遠大的職業理想。

（二）做好大學生職業生涯規劃教育

高校應從大一開始，就做好大學生的職業生涯規劃教育。根據大學生的心理特征、現實需要、實踐訴求設置職業教育課程體系，滿足不同年齡、不同性別大學生的學習需求。并組建職業興趣小組，幫助學生科學進行職業定位，做好職業生涯規劃，積極引導大學生調整以薪資要求決定是否考研還是就業的心態，幫助學生確定好自己的就業選擇，以更好地適應復雜多變的就業環境。

（三）加強分類指導并創造更多就業機會

為促進大學生就業，高校應加強對考研和直接就業大學生的分類指導，并為大學生創造更豐富的就業選擇機會，幫助他們更好地實現自己的人生目標。高校應利用自身的區域優勢，加強與當地企業和用人單位之間的溝通聯系，為大學生與用人單位之間架設更加順暢的溝通橋梁。