杨卫春

0 引言

Freeman（1971）在研究美国专业人员劳动力市场的变化时，集中分析了大学生的职业选择，提出职业选择的经济理论。该理论认为，影响个人职业选择的因素可分为两类：第一，个人本身的偏好和能力;第二，市场所决定的工资和工作特性。

根据这个理论，我们考虑到大学生就业选择时需要面对的是就业岗位收入的情况，不同行业的稳定性不同注定了他们的收入的不确定性的不同，即风险程度不同。这是工资的特性。其次我们考虑个人的风险承受能力，它是个人的特性将反映出个人偏好的不同。工作的稳定性是大学生普遍关注的，不同行业的稳定性相差很大，例如公务员的工作工资和工作性质都很稳定，而营销人员的工资和工作不确定性却非常大。因而，我们提出假设，大学生就业选择时风险承受能力应当作为一个考虑因素。本文建立模型验证该假设，并基于假设和结论提出大学生就业选择的建议。

1 研究设计

1.1 问卷调查

大学生风险承受能力是一个大学生的一个特质，不同的大学生拥有不同的内在风险承受能力。我们通过问卷调查并对问卷中每个选项进行赋值，评估这一个体特质。

（1）问卷设计

风险容忍度作为人的一个内在特征会受到性别、年龄、专业、年级、家庭背景等多方面的影响。因而，在调查问卷里我们设计了性别、年龄、专业、年级、家庭背景这几项作为调查者的背景资料。调查问卷共有20题。每一题均是对调查者风险承受能力的衡量。

（2）数据选取方式

中南大学是一所综合性大学，学科覆盖面广，拥有来自全国各地的学生，具有代表性。调研对象为中南大学从大一到研究生三年级共七个年级的学生。为了使样本具有代表性我们在设定的五大类专业（文科类、理科类、工科类、医学类、经管类）中分别抽取样本。

问卷调查表中每一个题目选项均是按风险承受能力高低排列，我们将每个题目中反映风险承受力最低的选项赋值为1分，承受力高一级的选项赋值加1分，以此推算出其他选项的评分，加总20个题目的得分我们得到每位调查者的风险承受能力的分数。分数分布在20～77分之间。

1.2 模型构建及策略提出

通过问卷调查结果统计得到的个体风险承受能力的评估分数，我们建立计量回归模型分析不同因素对风险承受能力的影响程度；通过回归模型研究风险评估分数对就业方向的影响，试图找出大学生风险承受能力与职位选择之间的内在关系。这种关系的确定要针对每一个行业风险度以及每个就业岗位的风险程度不同，我们试图从大学生内在风险承受能力角度对大学生就业提出建议，实现人才与岗位更加合理的匹配。

2 描述性统计分析

被调查的535名大学生中，男女比例基本持平，被调查者平均年龄21.1岁，符合我们研究大学生就业问题的样本条件。本次调查覆盖了所有学科，具有专业普遍性。统计结果显示：平均分数为44.17226分。经过标准正态分布检验结果显著，表明分数的分布服从标准正态分布。（分布图见图1，检验结果见表1）。

表1 风险承受能力测评分数的正态分布检验结果

3 实证分析

3.1 风险承受能力对职业选择的影响

3.1.1 模型构建

在建立模型的过程中，有性别、专业、年级、月平均开支等多个变量。本文将女性设定为0，男性设定为1；专业按大类分为文科、理科、工科、医学、经管，分别采用1、2、3、4、5表示；从本科一年级到研究生三年级分别用1、2、3、4、5、6、7表示；同时，将用月平均开支表征大学生的家庭背景。调查数据中对大学生就业选择分为：A党政机关、B国企、C外企、D自主创业、E其他，本文通过构建模型观察性别、专业、月平均开支、风险承受能力评估分数对就业选择的影响。

假设个体i的效用为性别、风险得分、月平均收入的线性函数：

那么，个体i选择职业的 j的慨率可以表达为：

Prob[yi=j]=Prob[Uji＞Uli]=Prob[εij- εil＞(βl1+βl2sex+βl3score+βl4expense)-(βj1+βj2sex+βj3score+βj4expense)],l≠j

在假设随机扰动项服从weibull分布，即 F(εij)=exp(-e-εij)那么

对最终的式子运用最大似然估计的方法估计系数值，并进行统计检验。由于个体选择何种职业有很大的个体差异性，确切地分析每一个个体的职业选择是如何受各因素的影响不太现实，一般的线性估计模型不适用，在此使用的是概率模型。

最后需要估计的方程可写为：score

其中：Score—风险测评得分、Sex—性别变量、Expense—月平均花费；

下标1—党政机关、2—国企、3—外企、4—自主创业。3.1.2 模型的估计

采用极大似然估计法，得到各变量的系数估计值（见表2）。

表2 多元选择的模型系数估计

从统计角度讲，该模型中月平均花费与性别的系数不显著。进一步数据分析，用似然比检验（likelihood-ratio test）检验平均月花费与性别这两个变量，结果如下：

似然比检验：性别变量

卡方值chi2(3)=6.87

P值＞卡方值（chi2）=0.0762

似然比检验月平均开支变量

卡方值chi2(3)=2.12

P值＞卡方值（chi2）=0.5482

从结果中，我们可以得知expense变量不显著，可以从模型中去除。进一步修改模型为：

重新计算，得到新的各因变量的系数估计值（见表3）。

表3 修整后的模型新的系数估计值

3.1.3 模型的结果及分析

运用该模型我们得出了不同风险承受能力（用分数表征）对不同职业选择的概率。

(1)男性风险承受力对职业选择影响

图1表明男性的职业选择的概率随得分的不同而变化。由图可知，风险得分的增加，个体选择自主创业的概率稳步上升，而选择党政机关、国企、外企的概率均下降。与现实情况相符：风险承受力较低，较为保守的人会偏向于选择党政机关、国企等较为稳定的工作，而风险承受能力较高的人会偏向于选择外企、自主创业。

图1 男性的职业选择的概率随得分的变化

(2)女性风险承受力对职业选择影响

由图2可知，同男性个体的职业选择规律相似，女性个体的职业选择也呈现风险得分越高越倾向于自主创业，但是很重要的一点不同表现在p3fem线即个体选择外企的偏好程度上。女性个体的该线落点较高，我们认为女性对外企有特殊偏好，是受外界影响。

图2 女性的职业选择的概率随得分的不同而变化的图：

3.2 分析风险承受能力的影响因素

本节试图对影响风险承受能力的因素加以分析。

3.2.1 模型构建

风险承受能力是个体的一个综合衡量的指标，一般而言，它应与个体的阅历、知识构成有很大的关联性。年龄，专业，家庭经济收入等这些都影响的风险承受能力水平。在选取年级作为解释变量前，我们将验证年级是否对风险具有显著影响。首先验证年级是否对风险具有显著影响。对五类专业，分别用OLS回归。解释变量为虚拟变量年级、性别、月平均支出，解释变量为风险评估分数。回归方程建立为：

Score=C+β1(GRADE01+GRADE02)+β2GRADE03+β3GRADE04+β4Sex+β5Expense

3.2.2 模型估计及修正

根据前述的模型方程，运用OLS回归估计各变量的系数。得到回归结果见表4。

表4 五类专业年级对风险承受能力分别回归结果

结果显示，系数估计均不显著，即年级不能作为风险承受能力的一个解释变量，从总体上来说是年级对风险影响不大，对于个体来说风险承受力随年级的变化不显著,因而舍去年级作为风险承受能力评估分数的一个解释变量。统计分析显示出被调查人群年龄分布比较集中，所以不选择年龄作为自变量，因此我们选择大学生的专业、性别、月开支作为自变量。模型的建立过程中，由于所分类的五个专业（文科、理科、工科、医学、经管）无法直接进行统计回归，故采用设置虚拟变量的方法进行研究。

OLS估计建立风险评估分数（以下简称分数）的分析框架：

Score=β1maj01+β2maj02+β3maj03+β4maj04+β5maj05+β6expense+β7sex

其中 score指分数，maj01—maj05 是文/理/工/医学/经管五类专业的虚拟变量组，expense为月平均收入，sex为性别，1-男，0-女。

3.2.3 修正模型估计结果的分析

修正后的模型估计如下表，可以看出修正后的各变量均显著，意味着选取的变量组对风险评估分数有很强的解释能力，继续对回归结果展开进一步分析：

（1）专业对风险承受能力的影响

表5 OLS回归的结果对各因变量的系数估计

不同专业的学生其风险承受的能力不同。按专业分，风险承受能力从高到低依次为：经管、理科、工科、文科、医学。其中的经管类比医学类系数估计多2.15。这个结果是现实情况很好的反映，医学类学生就业目标是较为稳定的医院等单位，而经济管理类学生就业方向是企业、金融机构等风险较高的单位，相对应的学生的风险承受能力医学类学生明显低于经管类学生。

（2）性别对风险承受能力的影响

性别变量的系数估计值为2.3，因为女性设为为0，男性设为1，反映出在风险承受能力方面，男性确实具有更大的偏好性。

（3）月平均开支对风险承受能力的影响

月平均开支对风险得分的影响在统计上来说是非常显著的，算出其标准化系数为0.268.表明月平均开支高也即家庭背景较好的个体风险承受能力较高。该变量的显著性符合我们设立模型初期的预期。家庭对父母对子女有潜移默化的影响，这种影响也会体现到大学生这类群体的风险偏好程度上来。

[1] 陈晓宇,闵维方.论高等教育的预期收益与劳动力市场化[J].教育研究,1999.(1).

[2] 赖德胜.大学生择业取向的制度分析[J].宏观经济,2003,(7).

[3] 岳昌君.大学生就业选择的行业因素分析[J].北京大学教育经济研究,2003，(1).