葛晓梅

（安徽大学 政治学系，合肥 230039）

0 引言

近些年来，大学生就业形势日趋严峻，它直接影响社会的稳定和经济的发展，已经引起社会各界广泛的关注。首先是高校毕业生就业供需矛盾加剧。从1999年开始，伴随全国高校招生、研究生规模的逐年扩大，再加上民办高校的快速发展，每年高校毕业生数量呈跃进式增长态势。有数据表明，2003～2008年，当年需要就业的高校毕业生分别为212万、280万、338万、413万、495万和630万，而与此相反的是，全社会对大学生的就业吸纳力却严重不足。随着供求的不平衡，原有的大学生就业歧视更加突出。目前中国就业市场存在着普遍的就业歧视现象，各种名目的歧视以貌似“合理”的“面目”存在于企业招聘信息之中。包括健康歧视、性别歧视、年龄歧视、外形歧视、户籍和地域歧视等在企业招聘行为中均存在，不论国有企业、外资企业还是私人企业，各种类型的企业均存在就业歧视，甚至同一家企业存在多种类型的就业歧视；就业歧视也存在于各个行业中。由此可见，普遍存在的歧视使就业市场的形势对许多毕业生来说更加严峻。国内外相关文献为大学生就业歧视问题的研究提供了很好的理论支持和研究方法，但是，由于国情的不同以及相关文化传统、政策法规的迥然，国外文献在大学生就业歧视方面的实证研究较少，而且也没有具体可操作性的建议。国内的相关文献也很少，而且大部分停留在对于该现象的粗浅描述，最多有统计分析。因此，有必要将国外文献的研究与我国的实际情况结合起来，通过数据分析，揭示导致大学生就业歧视的因素并加以分析，从而得出可供参考的政策建议。

1 研究方法及变量选取

1.1 研究方法

就业状况只能根据大学生实际就业情况划分为不同的类型，这样就不是一个连续的变量，而是一个离散变量。如果把大学生就业状况作为因变量来研究各种因素对它的影响时，就不能采用普通的最小二乘方法估计参数，必须采用离散因变量模型。假定EMPi表示大学生的就业状况，Xi表示影响大学生就业状况的因素向量，例如年龄，教育，性别等，我们采用Probit和Logit模型来分析。对于Probit模型，Prob(EMPi=1|Xi)的函数形式设定为如下形式：

其中Φ(∙)是常用的标准正态分布函数。

为了数学求解的简便，另外一种方法是Logit模型，它采用的函数形式是Logistic分布，

那么概率模型就变成如下的回归方程：

F通常是一个非线性函数，是连续的，并且是单调递增的，因此二元选择模型的估计一般是采用极大似然估计。似然函数为

取对数，我们可以得到对数似然函数为

对数似然函数的一阶条件为其中：qi=2EMPi-1，fi表示概率密度函数。在二元选择模型中估计的系数不能直接解释成对因变量的边际影响，只能从符号上判断。如果系数为正，表明解释变量越大，应变量取1的概率越大；反之，如果系数为负，表明相应的概率将越小。

1.2 变量选取

是否已经找到工作是本文的被解释变量，而包括性别(SEX)、年龄（AGE）、户籍（REG）、英语水平（ENG）、计算机水平（COM）、专业证书（CER）和是否实习过（TRA）等指标都是影响大学生能否顺利找到工作的重要因素，它们都是解释变量，表1列出了计量模型中所涉及变量的简单定义。

表1 变量定义

在调查中，我们将大学生的就业状况只分为两种情况，1表示已经找到工作单位，0表示未能如期就业，是一个二元变量。假定EMPi表示大学生的就业状况，Xi表示影响大学生就业状况的因素向量，例如年龄，教育，性别等，因此，对于以上的变量如性别（SEX）期望其符号为负；户籍（REG）期望其符号为负，表示来自农村的大学生找到工作比来自城里的大学生要困难一些；英语水平（ENG）期望其符号为正，表示在全球化越来越明显的趋势下，企事业单位对英语水平要求比较高，因此英语水平较高的学生，在招聘时会得到更多的就业机会和获得更高的签约率；实习过（TRA）期望其符号为正，表示企事业单位对受过相关培训的大学生表示欢迎。对于专业资格证书（CER）和计算机水平（COMPU）和年龄（AGE）的符号也为正。

2 描述性统计和计量结果分析

2.1 样本数据的描述性统计分析

我们在2010年6月底7月初对我国中东部省份的部分高校进行了调查，这一时期正是大学毕业生签订就业协议和离校的时期，能更好的满足调研的需要。本次调查共随机发放了1000份问卷，收回827份，有效样本792个。

表2给出了以上主要变量的统计描述。从均值上来看，找到工作的均值为0.892，说明就业率为89.2%，这与目前整体就业率相差无几比较好的反映了实际就业状况。由于我们要考虑性别歧视，因此对女生的调查比例稍高一些，性别均值为0.552。户籍为0.438，说明参与调查的同学中家在农村的人数高于家在城市。这7个变量的Jarque-Bera检验结果表明，这些变量为离散变量，均不服从正态分布。

表2 变量的统计描述

2.2 计量模型回归结果

为了模型估计得稳健性，在检验各因素对个人就业的影响，我们分别采用了Probit和logit模型来估计。为了检验在就业中是否存在着性别歧视和户籍歧视，加上其它因素，如年龄、学历、成绩、英语水平、计算机技术水平、职业技术证书等在大学生找工作中也起到重要作用，我们有必要考虑这些变量。采用Probit和Logit模型分别估计。

考虑到所有影响因素的模型设定为：

上式中各变量的定义如表1所示。运用EVIEWS6.0软件得到Probit和Logit模型的回归结果如表3所示。

表3 模型的回归结果

从表3可以看出，基本上与事先的预想的一致。

性别变量在1%的水平下显著并且系数符号为负，性别的取值越大，EMP取值为1的概率就越小，越是女性越不容易找到工作，可见在大学生就业中存在严重性别歧视。从实际来看，目前一些企业、事业单位等在招聘人员时，也会因为雇佣女性要承担女性在孕期、产期、哺乳期等的成本，从而导致雇佣成本较雇佣男性较高，从而不愿意雇佣女性。从交易成本以及经济效率的角度考虑，要雇佣女性，雇主会考虑由于生育、家务劳动等因素的影响，会直接导致工作的不连续性或生产率的降低。综合考虑后的结果使得雇主在做用人选择时往往是男性由于女性。

年龄的指标并不显著，这主要是我们调研的范围主要是本科生为主有关，大部分年龄在22岁左右。不过从结果中可以看到系数符号为正，表明年龄越大，性格比较成熟一些，寻找工作的机会越大一些。

对于户籍，其符号为正，表明越是户籍变量取值越大，因变量EMP的取值为1越大。而户籍变量越大，表明越是城市的户口，就业的可能性很大，并且这个可能性的在5%水平上显著。反之而言，城市户籍更容易找到工作，这与城市背景的学生可能社会关系更广可能存在一定关系。户籍制度是导致用人单位对外地毕业生歧视的最重要原因。通常情况下，并非用人单位不希望录用外地户口的大学毕业生，而是没有用人指标。北京、上海每年都制定“进京指标”、“人沪指标”，对紧缺专业引进外地毕业生；对于本科生及以上学历予以引进。并且，用人单位引进外地人才手续繁琐对于外地户口的毕业生，他们在档案管理、社会保险费用的缴纳、职业资格鉴定等方面都不易操作还需要付出类似外来劳动力管理费用、档案托管费用(有的单位是员工自己缴纳)等。另外用人单位特别是服务行业，他们考虑的是有城市户口的毕业生就业后能够使用家庭的人脉提高工作业绩，而这是农村户口的毕业生无法企及的，这无疑会造成就业率的下降。

学习成绩、英语水平、实习经历和计算机能力等是影响大学生就业的重要因素，一般来说，综合素质较好的毕业生往往就业也比较乐观，但这些不是就业中的歧视现象，因为上述因素会决定就业者在工作岗位上劳动生产率的高低，用人单位在选择求职者考虑这些因素是无可厚非的。

3 结论及政策建议

从所做的调查和实证分析可以看出，在大学生就业过程中存在普遍的歧视现象，包括性别歧视、户籍歧视和地域歧视等，其中更显著的是性别歧视。由于毕业生的性别、户籍以及居住地的不同，在其它条件（如及英语、计算机水平等）相同的条件下，他们在面临同样的工作机会时所遭遇的结果是迥然不同的。为解决大学生就业存在的歧视，政府和大学应该进行改革。

首先，建立就业公平促进机构，完善有关法规和政策。目前保护就业者权益最基本的法律武器只有《劳动法》，但是由于就业歧视不构成违法，求职者和招聘单位之间还没有构成劳动关系，《劳动法》就无能为力。欧美等西方国家在保障公平就业和反对就业歧视方面制定了一系列法律，比如美国，有《1963年公平薪资法案》、《1964年民权法案第七章》、《1967年雇佣年龄歧视法案》、《1978年怀孕歧视法案》和《残障人士法案》等。这些法律都规定:雇主不能根据种族，肤色，宗教，性别，血统和地域、年龄，残障，国籍，怀孕，信仰等方面存在就业歧视行为，否则要受到法律的严惩。正是有这些细致入微的法律文件，保障欧美等国就业机会相当公平。

其次，不仅仅只为反就业歧视立法，在当前市场供求变化和就业压力加大的情况下，同步制定《促进就业法》，出台有利于中小企业发展和企业多雇佣员工的减税政策，这当然需要国家财政为解决就业问题开道。摆脱“血汗工厂”式的恶性就业增长方式，也才能更大程度上地实现就业的和谐发展。

最后，高校建立以市场为导向的培养模式，强化社会实践，加强与用人单位的合作，使实践教学内容更接近于社会现实，让大学生提前得到就业方面的体验，以实现毕业于就业的“零距离”。学生应该提高自身能力，高校扩招后高等教育由精英教育变成大众教育，高教质量下降，大学生素质鲜见提高，就业能力不强。因此，大学生还得从自身做起努力学习，提高素质，增强就业能力。

[1]Becker,G.The Economics of Discrimination[M].Chicago:University of Chicago Press,1957.

[2]Kahn,Shulamit,Lang,Kevin.The Effect of Hours Constraints on Labor SupplyEstimates[J].TheReviewofEconomicsandStatistics,1991,73(4).

[3]Bergmann,B.The Effect on Incomes of Discrimination in Employment[J].Journal of Political Economy,1971,(79).

[4]Phelps,E.S.The Statistical Theory of Racism and Genderism[J].American Economic Review,1971,62(4).

[5]Bradford Cornell,Ivo Welch.Culture,Information,and Screening Discrimination[J].Journal of Political Economy,1996,104(3).

[6]Ajit Mishra.A Theory of Discrimination Based on Signaling and Strategic Information Acquisition[Z].Econometric Society World Congress,2000.

[7]Jed DeVaro,Suman Ghosh,Cindy Zoghi.Job Characteristics and Labor Market Discrimination in Promotions:New Theory and Empirical Evidence[Z].Digital Commons@ILR，4-Aug-2007,2007.

[8]蔡日方,都阳,王美艳.户籍制度与劳动力市场保护[J].经济研究,2001，(12).

[9]黄志岭,姚先国.教育回报率的性别差异研究[J].世界经济,2009，(7).

[10]李长安.我国大学毕业生就业问题研究报告[R].2003，(12).