《Logic模型回归作业.doc》由会员分享，可在线阅读，更多相关《Logic模型回归作业.doc（5页珍藏版）》请在金锄头文库上搜索。
1、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
2、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
3、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 OHiggins(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
4、，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”，
5、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
6、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j 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
7、, 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
8、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
9、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X
10、1 (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
11、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, j 指在其他因素不变化时,
12、 Xji 每变化一个单位, 就业机会比率的变化率变动j 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 -3.14-2.7800.04X1 0.581.010.311.78X2 0.060.130.891.06X3 0.130.210.831.14X4 0.971.450.152.64X5 -0.29-0.610.540.75X6 -0.1-0.50.610.9X7 1.262.210.033.53X8 0.321.60.11.38X9 0.771.580.12.16X101.691.890.065.42X110.070.130.89
13、1.14X12-0.36-0.750.450.7X13-0.66-1.140.260.52X140.130.990.321.14X150.320.690.491.37X160.961.660.092.61Log likelihood - 68.09LR statistic(16df) 29.98Probability(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
14、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
