《东北地区大学生就业动态影响因素分析_1》由会员分享，可在线阅读，更多相关《东北地区大学生就业动态影响因素分析_1（8页珍藏版）》请在金锄头文库上搜索。
1、 东北地区大学生就业动态影响因素分析 摘要：振兴东北老工业基地是我国的重大战略部署，其实施过程离不开人力资源，尤其是高素质人才的支撑。大学毕业生作为高素质人力资源的重要组成，其就业水平和质量直接影响着东北地区的经济发展水平和社会稳定，进而影响东北老工业基地的全面振兴。虽然东北地区有较好的高等教育资源，但当前东北地区的大学生就业却出现了就业率下滑、就业外流等一系列问题。东北地区大学生就业受多种因素影响，但各类因素对就业市场的冲击呈现出了显著的阶段化和差异化特征。因此，东北地区应正确看待和大力培育民营经济的发展，保持一定速度的经济增长，结合经济发展阶段适度调整和提升东北地区就业人员的基本工资水平，
2、坚持产业结构转型，以产业结构升级带动大学生就业水平的提升。关键词：东北地区，大学生，就业水平，就业质量基金项目：吉林省教育厅人文社会科学项目(20170144)一、问题的提出东北地区曾是新中国工业的摇篮，为我国经济建设做出过重要的贡献。1990年代以来，由于体制性和结构性矛盾日趋显现，东北地区经济发展步伐缓慢，与国内发达地区差距越来越大。2003年中共中央、国务院关于实施东北地区等老工业基地振兴战略的若干意见发布以来，东北老工业基地振兴取得了明显成效。振兴东北离不开人力资源尤其是高素质人才的支撑。东北地区高等教育相对发达，2016年，东北三省平均每百万人拥有普通高校2.36所，每万人拥有应届大
3、学毕业生63.4人，均都超过了全国平均水平。1但近年来东北地区的本科毕业生就业率持续走低，20142016年分别为89.2%、89.8%和90.2%，均低于当年全国平均水平2.6、2.4和2.4个百分点；同时，东北地区大学生在本地就业的比例逐年下降，20142016年，东北生源本科生在本地就业的比例分别为49.2%、48.5%和47.5%；并且，东北地区大学生就业外流明显，例如，2016年东北地区的本地区生源本地就业比例低于全国平均水平27.7个百分点。2东北地区大学生就业问题关系到东北地区的经济发展、社会稳定和家庭和谐。要研究东北地区大学生就业的现实困境，就必须分析日益复杂的就业影响因素，考
4、量其重要性，并进行实证分析，以期提出切实可行的对策建议。在现有关于大学生就业影响因素的实证分析文献中，早期学者多数利用各类回归模型进行定量分析，在此基础上，近年来学者们主要利用各类面板数据模型进行研究，如王光新和姚先国从收入层面，探讨了我国最低工资对居民就业的影响。3臧志彭、姚毓春、赵闯等以及李梦洁和杜威剑分别基于161家上市公司的面板数据、吉林省大学生科技园创业企业调查数据，以及我国省域面板数据，从文化产业就业、大学生就业和阶段性就业红利的角度，对我国就业问题进行了研究。4-6许晓红、田大洲等学者分别从私营经济和个体经济的角度对缓解就业压力和疏导大学生就业进行了较为系统的研究。7-8本文也将
5、能够反映东北地区私营企业发展状况的东北三省私营企业工商注册登记户数作为影响大学生就业的定量考察指标，同时将能够反映出东北地区就业收入水平的东北三省及全国城镇单位就业人员平均工资作为就业市场的收入影响指标。在其他影响就业的主要指标中，宋建、郑江淮和周德禄通过将技术进步、资本深化和经济增长考虑到产业结构变动中，他们的研究表明，产业结构变动对于大学生就业具有显著影响。9-10叶仁荪、王光栋利用19902005年中国省际面板数据，分析了技术进步对于就业的影响。11魏燕、龚新蜀以及吴振球、程婷等分别以我国四大经济区31个省级面板数据和我国19952011年的省级面板数据，分析了产业结构升级与区域就业差异
6、，以及产业结构优化、经济增长和就业扩大间的相互促进关系。12-13此外，还有部分学者，如屈小博、高凌云等和欧阳艳艳、陈浪南等选择从某一具体行业或者要素结构演变的角度进行分析，研究经济增长以及产业结构等因素对于就业的动态影响，所用模型也主要是面板数据模型。14-15因此，基于上述学者们的研究成果，本文也在定量分析中，将能够反映区域经济发展水平的人均GDP指标，以及能够反映区域产业结构状况的第三产业比重作为主要影响因素指标，纳入东北地区大学生就业分析的范畴。二、基于PSTR模型的大学生就业影响因素分析从现有学者们的研究成果可以看出，虽然不同学者研究的侧重方向，所使用的方法存在一定差异，但多数学者的
7、研究表明，大学生就业与区域私营经济发展水平、区域工资收入水平以及区域整体发达程度、地区产业结构等紧密相连。而且进一步梳理学者们的研究结论可以看出，多数学者认为上述各变量与区域就业间并非简单的线性关系，而较多地呈现出一定的阶段性或者非线性关系。为此，基于这一非线性假设条件，本文以冈萨雷茨(Gonzlez)等学者提出的PSTR模型(面板平滑转换模型)，对不同阶段我国东北地区大学生就业的影响因素进行动态评估。16-171. PSTR模型设定与变量选择基于上述分析，本文建立的PSTR模型形式如下：(1)式中，i和t分别表示省份和年份，r为模型非线性转换函数数目，因变量Yit为东北地区高校学生的本地就业
8、率。自变量PGDP、IE、IS、ER依次代表区域经济发展水平、私营经济发展水平、区域城镇就业收入水平以及区域产业结构水平。参数与i分别表示变量估计系数和个体固定效应，随机扰动项用it表示。qit为转换变量，g(qit；，c)为连续函数，其中，和c分别表示平滑转移参数和位置参数，c可以表示为(c1，c2，c3cm)，g(qit；，c)的函数可以表示为：从(2)式可以看出，当qit+时，g(qit；，c)1，这一状态水平下对应的函数体制也被称为高体制；当qit-时，g(qit；，c)0，这一状态水平下对应的函数体制也被称为低体制。可见，当g(qit；，c)(0，1)时，模型估计参数即可在高低体制间
9、实现较为平滑的转换。结合上述公式也可看出，在0或qit=c时，转换函数恒定为0.5。模型此时将等价于一般固定效应模型；在+时，模型在节点附近转换较快，PSTR模型近似等价于普通面板门限模型。这与上文的分析也相一致。同时，基于(2)式，为深入阐释转换变量与因变量间的函数关系，本文进一步分析了因变量的函数弹性问题。(3)式给出了基于区域经济发展水平的大学生就业弹性，从中可以看出，弹性系数主要由线性解释部分和非线性解释部分两部分构成，最终弹性系数为线性部分系数和非线性系数加权后求和得到。本文在实证研究中将东北地区的大学生就业水平作为因变量，考虑到东北地区高校相对较多，因此，本文重点围绕高素质人才这一
10、核心，重点选取了东北地区的211高校的本科就业学生中本地就业所占的比重来反映东北地区本地的就业和人才流失状况。相关数据主要源于对各个院校的就业质量报告加工整理得到。同时，将区域经济发展水平作为门槛变量和核心解释变量，并以私营经济发展水平、区域城镇就业收入水平和产业结构优化水平作为控制变量，分别表示区域经济发展水平、城镇就业工资收入和产业结构的发展水平。相关数据主要源于历年统计年鉴和中经网统计数据库。2.大学生就业影响的平滑转移特征及其结论分析基于PSTR模型理论，模型的非线性特征是建立PSTR模型的先决条件。因此，在模型建立前，本文首先对其非线性特征进行检验，并根据检验结果进一步对模型的非线性
11、转换、位置参数的数目进行明确。同时，考虑到在11所院校中，吉林大学、哈尔滨工业大学、东北大学、大连理工大学4所“985”高校无论是办学规模、水平，还是毕业生人才素质等，整体水平都相对较高。因此，本文将毕业生分为两类，一类是由4所“985”工程高校组成的“985”工程大学毕业生群体；另一类是由哈尔滨工程大学、东北农业大学、东北林业大学等其他7所高校毕业生组成的“211”工程大学毕业生群体。然后，本文通过MATLAB分析软件，分别对4所“985”工程高校和7所“211”工程高校的大学生就业影响特征进行测算。(1)PSTR模型的检验考虑到在小样本特征情形下，卡方统计量相比于F统计量而言渐近特征相对更
12、优，故而本文对PSTR模型线性特征的检验主要利用Fisher的F统计量，基于不同位置参数的选择，相关参数的非线性残余检验结果如表1所示。表1 模型的线性与非线性残余检验指标值模型1模型2m=1m=2m=1m=2线性检验(H0：r=0；H1：r=1)LMF14.067112.785613.638912.4081P0.00000.00000.00000.0000非线性残余检验(H0：r=1；H1：r=2)LMF0.76550.62330.38780.2933P0.54370.61320.89770.9542AIC-3.9302-3.8713-3.8445-3.8173BIC-3.8059-3.71
13、91-3.6588-3.4438注：表中模型1与模型2分别为“985”工程高校与“211”工程高校的检验结果，表2相同从表1中可以看出，无论位置参数是1还是2，模型1和模型2均在1%的显著性水平下通过了检验，模型估计结果显著，拒绝了模型特征符合线性特征的原假设。由此可见，本文所研究的面板数据具有显著的异质性特征，这也表明东北地区大学生就业与该地区私营经济发展水平、区域城镇就业收入水平，以及区域产业结构水平具有显著的非线性关系。基于上述分析也可以看出，本文选用非线性模型进行分析符合数据的变化特征，同时也间接表明了选用PSTR模型进行分析的合理性。进一步对模型的非线性残余进行检验，从表1可以看出，
14、当位置参数为m=1时，模型1和模型2均不能有效拒绝原假设。当位置参数为m=2时，两个模型均不能有效拒绝原假设。因此，综合比较可知，本文所构建模型的转换函数最佳选择结果是选择一个转换函数，即r=1。对于位置参数的判定，通过比较m分别取1和2时统计量的拒绝程度可以看出，当位置参数为1时，F统计量解决原假设的程度更强。同时，比较AIC值和BIC值也可以得出，基本上当m取1时，AIC和BIC的取值均小于当m等2时的取值。可见，本文建立的模型中最佳转换函数为1，最佳位置参数的选择也为1。(2)模型参数的估计分析表2给出了PSTR模型的参数估计结果，表中估计参数显示多数变量的估计系数在1%和5%的显著性水
15、平下显著。一方面，模型的线性部分和非线性部分估计结果多数变量均拒绝了原假设。另一方面，模型的非线性部分估计结果也呈现出了类似特征，可见，变量具有显著的非线性特征。同时，比较模型1和模型2的整体估计结果也可以看出，两者存在着较为明显的差异性。因而，本文进一步对其进行深入的比较分析。表2 模型估计参数统计参数估计变量名称变量系数模型1模型2线性部分PGDP110.6583*0.5611*IE12-0.3217-0.2129IS131.3339*0.9231*ER14-0.5416-0.3844*非线性部分PGDP21-0.3162*-0.4571*IE220.7705*0.6285*IS23-0.6027*-0.8013*ER241.1035*1.9099*斜率系数1.88143.1847位置参数0.08370.1101注：表中符号*、*、*依次表示在显著性水平为10%、5%与1%下显著结合表2可以看出，在以GDP增速为阈值的模型参数估计结果中，模型1和模型2各自存在0.0937和0.1201两
