文 / 李香琪 林莉 熊娜娜

促进就业是民生根本。随着高校扩招和毕业生人数的逐年增长，如何在经济增速逐步放缓、失业率不断攀升的大环境下，促进高校毕业生就业成为全社会共同关注的热点问题。本文利用Logistic回归模型，对某高校在校大学生毕业去向进行回归分析，以期总结出大学生就业的主要趋势和影响因素，促进大学生更好地就业。

一、logistic回归模型概述

（一）二分类因变量logistic回归

在logistic回归的应用中，很多情况下因变量分为两种，比如“是”与“否”“计划考研”与“毕业就业”“先成家”与“先立业”“步行上班”与“乘公交车上下班”。一般多元回归模型通常表示如下：

其中：εi期望为零，yi为0-1型的随机变量，其概率的分布如下：

也就是因变量是0-1型的随机变量时，因变量的均值就代表的是给定自变量时，y =1概率的取值。

（二）参数形式logistic回归

假设上述模型是多元线性函数，那么方程如下：

做参数估计时，先做如下对数变换：

得到：

这个模型它的参数估计一共可以分为2种情形，第一，在大样本的条件下，数据分为几组，每一组的个数为ni，由于其设有异方差性，所以要用加权的最小二乘法预估其中参数．当样本量较大时，模型的近似方差为：

第二，在小样本下，先把概率函数合写为：

其中 ：yi=0，1 ；i=1，2，．．．，n．于是得到因变量的似然函数：

然后取自然对数，再对照logistic回归，得到：

用极大似然估计法去预估参数，不能用封闭的形式，所以考虑迭代法。

（三）logistic回归模型估计

参数估计采用最大似然估计法，先从总体抽取随机样本，列出似然函数，为了简便，两边取对数再求偏导，求出驻点，得到似然方程组和迭代公式；再看某些自变量是否对因变量有影响．即先按实际意义算，得出对数似然函数，对总体的参数进行整体求偏导数，再令其为零后继续估计参数。

二、大学生毕业去向的logistic回归分析

本文利用某高校在校大学生对未来是就业还是考研的调查数据，从年龄、期望薪资、性别3个角度探索影响大学生毕业去向的因素。用因变量y =1表示毕业生计划考研；y=0表示学生选择毕业后直接工作；x1是期望薪资；自变量x2是大学生年龄；x3是性别：x3=1表示男性，x3=0表示女性。调查对象锁定为在校本科生，数据如下：

表1

为详细了解大学生毕业去向，调查组在校内随机抽取了300个同学做了意愿调查，记录下每个人的期望薪资、年龄、性别，并询问每个同学毕业后的打算。

（一）变量情况统计

根据调查数据，按照SPSS操作规程，依次点击SPSS相对应的软件，点击OK运行，得到如下输出结果：

表2

表2中可以看出，x3的系数是-2．429，代表以女生为基准，男生打算考研的系数是-2．429，相比女生少一些。从显著性看，x1的P值是0．012，远小于0．05，代表这个自变量（期待薪资）对因变量的影响很显著．与x1相比，x2的显著性值为0．235，在置信度为0．05的显著性检验下，x2（年龄）对因变量（是否打算考研）的影响就不显著，x3（性别）对是否打算考研的影响也不显著。可以看出，本科里面女生比男生更倾向于考研，而男生比女生更倾向于直接就业；期望薪资会影响在校本科生决定是否考研：如果本科生对未来的期望薪资高，那么他更倾向于读研，年龄基本不影响毕业去向。

（二）方差分析

方差分析结果如下表3所示：

表3

表 3中可以看出，F值等于 5．648，大于 1．96；显著性 sig 值是 0．004，小于 0．05．在 0．05 的置信水平下检验，三个自变量的共同作用对因变量的影响是显著的，显著性为0．004，小于0．05，说明在校本科生的年龄、性别、期望薪资的共同作用对是否决定考研具有显著影响。

（三）相关性检验和回归结果分析

相关性检验结果如表4：

表4

相关性矩阵中所示的x3与x2相关系数为-0．334，说明性别和年龄的相关性不强．x1与x2的相关系数为0．491，说明期望薪资与年龄相关性也很低，近乎为不相关；x1与x3相关系数为-0．645，说明性别与期望薪资相关性也不强。

从检验的显著性表（省略）中可以看出x2的P值为0．235，大于0．05，可以认为x2的显著性检验不显著，x2是年龄，决定将其剔除，继续用y对性别与理想薪资两个自变量做回归，得出输出结果：

表5

表5中，可以看出x1期望薪资对因变量y的影响是显著的，SPSS没有给出Logistic回归的标准化回归系数，对于Logistic回归，回归系数不能达到普通线性回归的标准版的解释，由此得知，并不一定要计算标准化回归系数．如果要分析回归方程中每一个自变量的重要性，可直接对显著性的取值进行比较。x1（期望薪资）的sig值小，显著性高，也就说明x1期望薪资对毕业生的影响更深．当然，回归分析的基本假定是自变量之间没有较强的多重共线性，即如果3个自变量（年龄、性别、期望薪资）之间存在多重共线性，那么意味着回归系数的大小和显著性概率就不具有代表性了，这时要采取一定合适的办法来消除多重共线性，比如避免对单个参数t检验等。

表6

表6为拟合起步前模型外的变量的卡方检验，x1（期望薪资）的显著性值小于0．05，三个变量的总体显著性值为0．009，小于0．05，故x1有资格进入模型，以上结果通过检验。

三、促进大学生就业的对策建议

logistic回归分析结果表明，计划本科结束后读研的学生，期望薪资较高，而期望薪资较低的学生，倾向于毕业后直接工作，毕业去向与性别及年龄关系不大。说明期望薪资对在校大学生就业去向的影响较大，绝大部分同学会单一的把薪资高低作为考研还是就业的抉择依据，故只有加强全方位的就业教育，才能解决这种以薪资期望决定就业去向的局面，促进大学生们更好地就业。

（一）培育健康的就业观念

应加强对在校大学生世界观、人生观、价值观教育，帮助其树立起积极健康的、适合自身发展的就业价值观。应鼓励学生结合自己的专业、兴趣、爱好等，调整薪资和就业预期，选择合适的就业岗位，转变一味追求高薪的就业观念，减少享乐主义、功利主义、拜金主义等不良风气对大学生就业的消极影响，帮助大学生树立起远大的职业理想。

（二）做好大学生职业生涯规划教育

高校应从大一开始，就做好大学生的职业生涯规划教育。根据大学生的心理特征、现实需要、实践诉求设置职业教育课程体系，满足不同年龄、不同性别大学生的学习需求。并组建职业兴趣小组，帮助学生科学进行职业定位，做好职业生涯规划，积极引导大学生调整以薪资要求决定是否考研还是就业的心态，帮助学生确定好自己的就业选择，以更好地适应复杂多变的就业环境。

（三）加强分类指导并创造更多就业机会

为促进大学生就业，高校应加强对考研和直接就业大学生的分类指导，并为大学生创造更丰富的就业选择机会，帮助他们更好地实现自己的人生目标。高校应利用自身的区域优势，加强与当地企业和用人单位之间的沟通联系，为大学生与用人单位之间架设更加顺畅的沟通桥梁。