基于離散選擇模型的大學生就業歧視影響因素研究

葛曉梅

（安徽大學 政治學系，合肥 230039）

0 引言

近些年來，大學生就業形勢日趨嚴峻，它直接影響社會的穩定和經濟的發展，已經引起社會各界廣泛的關注。首先是高校畢業生就業供需矛盾加劇。從1999年開始，伴隨全國高校招生、研究生規模的逐年擴大，再加上民辦高校的快速發展，每年高校畢業生數量呈躍進式增長態勢。有數據表明，2003～2008年，當年需要就業的高校畢業生分別為212萬、280萬、338萬、413萬、495萬和630萬，而與此相反的是，全社會對大學生的就業吸納力卻嚴重不足。隨著供求的不平衡，原有的大學生就業歧視更加突出。目前中國就業市場存在著普遍的就業歧視現象，各種名目的歧視以貌似“合理”的“面目”存在于企業招聘信息之中。包括健康歧視、性別歧視、年齡歧視、外形歧視、戶籍和地域歧視等在企業招聘行為中均存在，不論國有企業、外資企業還是私人企業，各種類型的企業均存在就業歧視，甚至同一家企業存在多種類型的就業歧視；就業歧視也存在于各個行業中。由此可見，普遍存在的歧視使就業市場的形勢對許多畢業生來說更加嚴峻。國內外相關文獻為大學生就業歧視問題的研究提供了很好的理論支持和研究方法，但是，由于國情的不同以及相關文化傳統、政策法規的迥然，國外文獻在大學生就業歧視方面的實證研究較少，而且也沒有具體可操作性的建議。國內的相關文獻也很少，而且大部分停留在對于該現象的粗淺描述，最多有統計分析。因此，有必要將國外文獻的研究與我國的實際情況結合起來，通過數據分析，揭示導致大學生就業歧視的因素并加以分析，從而得出可供參考的政策建議。

1 研究方法及變量選取

1.1 研究方法

就業狀況只能根據大學生實際就業情況劃分為不同的類型，這樣就不是一個連續的變量，而是一個離散變量。如果把大學生就業狀況作為因變量來研究各種因素對它的影響時，就不能采用普通的最小二乘方法估計參數，必須采用離散因變量模型。假定EMPi表示大學生的就業狀況，Xi表示影響大學生就業狀況的因素向量，例如年齡，教育，性別等，我們采用Probit和Logit模型來分析。對于Probit模型，Prob(EMPi=1|Xi)的函數形式設定為如下形式：

其中Φ(?)是常用的標準正態分布函數。

為了數學求解的簡便，另外一種方法是Logit模型，它采用的函數形式是Logistic分布，

那么概率模型就變成如下的回歸方程：

F通常是一個非線性函數，是連續的，并且是單調遞增的，因此二元選擇模型的估計一般是采用極大似然估計。似然函數為

取對數，我們可以得到對數似然函數為

對數似然函數的一階條件為其中：qi=2EMPi-1，fi表示概率密度函數。在二元選擇模型中估計的系數不能直接解釋成對因變量的邊際影響，只能從符號上判斷。如果系數為正，表明解釋變量越大，應變量取1的概率越大；反之，如果系數為負，表明相應的概率將越小。

1.2 變量選取

是否已經找到工作是本文的被解釋變量，而包括性別(SEX)、年齡（AGE）、戶籍（REG）、英語水平（ENG）、計算機水平（COM）、專業證書（CER）和是否實習過（TRA）等指標都是影響大學生能否順利找到工作的重要因素，它們都是解釋變量，表1列出了計量模型中所涉及變量的簡單定義。

表1 變量定義

在調查中，我們將大學生的就業狀況只分為兩種情況，1表示已經找到工作單位，0表示未能如期就業，是一個二元變量。假定EMPi表示大學生的就業狀況，Xi表示影響大學生就業狀況的因素向量，例如年齡，教育，性別等，因此，對于以上的變量如性別（SEX）期望其符號為負；戶籍（REG）期望其符號為負，表示來自農村的大學生找到工作比來自城里的大學生要困難一些；英語水平（ENG）期望其符號為正，表示在全球化越來越明顯的趨勢下，企事業單位對英語水平要求比較高，因此英語水平較高的學生，在招聘時會得到更多的就業機會和獲得更高的簽約率；實習過（TRA）期望其符號為正，表示企事業單位對受過相關培訓的大學生表示歡迎。對于專業資格證書（CER）和計算機水平（COMPU）和年齡（AGE）的符號也為正。

2 描述性統計和計量結果分析

2.1 樣本數據的描述性統計分析

我們在2010年6月底7月初對我國中東部省份的部分高校進行了調查，這一時期正是大學畢業生簽訂就業協議和離校的時期，能更好的滿足調研的需要。本次調查共隨機發放了1000份問卷，收回827份，有效樣本792個。

表2給出了以上主要變量的統計描述。從均值上來看，找到工作的均值為0.892，說明就業率為89.2%，這與目前整體就業率相差無幾比較好的反映了實際就業狀況。由于我們要考慮性別歧視，因此對女生的調查比例稍高一些，性別均值為0.552。戶籍為0.438，說明參與調查的同學中家在農村的人數高于家在城市。這7個變量的Jarque-Bera檢驗結果表明，這些變量為離散變量，均不服從正態分布。

表2 變量的統計描述

2.2 計量模型回歸結果

為了模型估計得穩健性，在檢驗各因素對個人就業的影響，我們分別采用了Probit和logit模型來估計。為了檢驗在就業中是否存在著性別歧視和戶籍歧視，加上其它因素，如年齡、學歷、成績、英語水平、計算機技術水平、職業技術證書等在大學生找工作中也起到重要作用，我們有必要考慮這些變量。采用Probit和Logit模型分別估計。

考慮到所有影響因素的模型設定為：

上式中各變量的定義如表1所示。運用EVIEWS6.0軟件得到Probit和Logit模型的回歸結果如表3所示。

表3 模型的回歸結果

從表3可以看出，基本上與事先的預想的一致。

性別變量在1%的水平下顯著并且系數符號為負，性別的取值越大，EMP取值為1的概率就越小，越是女性越不容易找到工作，可見在大學生就業中存在嚴重性別歧視。從實際來看，目前一些企業、事業單位等在招聘人員時，也會因為雇傭女性要承擔女性在孕期、產期、哺乳期等的成本，從而導致雇傭成本較雇傭男性較高，從而不愿意雇傭女性。從交易成本以及經濟效率的角度考慮，要雇傭女性，雇主會考慮由于生育、家務勞動等因素的影響，會直接導致工作的不連續性或生產率的降低。綜合考慮后的結果使得雇主在做用人選擇時往往是男性由于女性。

年齡的指標并不顯著，這主要是我們調研的范圍主要是本科生為主有關，大部分年齡在22歲左右。不過從結果中可以看到系數符號為正，表明年齡越大，性格比較成熟一些，尋找工作的機會越大一些。

對于戶籍，其符號為正，表明越是戶籍變量取值越大，因變量EMP的取值為1越大。而戶籍變量越大，表明越是城市的戶口，就業的可能性很大，并且這個可能性的在5%水平上顯著。反之而言，城市戶籍更容易找到工作，這與城市背景的學生可能社會關系更廣可能存在一定關系。戶籍制度是導致用人單位對外地畢業生歧視的最重要原因。通常情況下，并非用人單位不希望錄用外地戶口的大學畢業生，而是沒有用人指標。北京、上海每年都制定“進京指標”、“人滬指標”，對緊缺專業引進外地畢業生；對于本科生及以上學歷予以引進。并且，用人單位引進外地人才手續繁瑣對于外地戶口的畢業生，他們在檔案管理、社會保險費用的繳納、職業資格鑒定等方面都不易操作還需要付出類似外來勞動力管理費用、檔案托管費用(有的單位是員工自己繳納)等。另外用人單位特別是服務行業，他們考慮的是有城市戶口的畢業生就業后能夠使用家庭的人脈提高工作業績，而這是農村戶口的畢業生無法企及的，這無疑會造成就業率的下降。

學習成績、英語水平、實習經歷和計算機能力等是影響大學生就業的重要因素，一般來說，綜合素質較好的畢業生往往就業也比較樂觀，但這些不是就業中的歧視現象，因為上述因素會決定就業者在工作崗位上勞動生產率的高低，用人單位在選擇求職者考慮這些因素是無可厚非的。

3 結論及政策建議

從所做的調查和實證分析可以看出，在大學生就業過程中存在普遍的歧視現象，包括性別歧視、戶籍歧視和地域歧視等，其中更顯著的是性別歧視。由于畢業生的性別、戶籍以及居住地的不同，在其它條件（如及英語、計算機水平等）相同的條件下，他們在面臨同樣的工作機會時所遭遇的結果是迥然不同的。為解決大學生就業存在的歧視，政府和大學應該進行改革。

首先，建立就業公平促進機構，完善有關法規和政策。目前保護就業者權益最基本的法律武器只有《勞動法》，但是由于就業歧視不構成違法，求職者和招聘單位之間還沒有構成勞動關系，《勞動法》就無能為力。歐美等西方國家在保障公平就業和反對就業歧視方面制定了一系列法律，比如美國，有《1963年公平薪資法案》、《1964年民權法案第七章》、《1967年雇傭年齡歧視法案》、《1978年懷孕歧視法案》和《殘障人士法案》等。這些法律都規定:雇主不能根據種族，膚色，宗教，性別，血統和地域、年齡，殘障，國籍，懷孕，信仰等方面存在就業歧視行為，否則要受到法律的嚴懲。正是有這些細致入微的法律文件，保障歐美等國就業機會相當公平。

其次，不僅僅只為反就業歧視立法，在當前市場供求變化和就業壓力加大的情況下，同步制定《促進就業法》，出臺有利于中小企業發展和企業多雇傭員工的減稅政策，這當然需要國家財政為解決就業問題開道。擺脫“血汗工廠”式的惡性就業增長方式，也才能更大程度上地實現就業的和諧發展。

最后，高校建立以市場為導向的培養模式，強化社會實踐，加強與用人單位的合作，使實踐教學內容更接近于社會現實，讓大學生提前得到就業方面的體驗，以實現畢業于就業的“零距離”。學生應該提高自身能力，高校擴招后高等教育由精英教育變成大眾教育，高教質量下降，大學生素質鮮見提高，就業能力不強。因此，大學生還得從自身做起努力學習，提高素質，增強就業能力。

[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,都陽,王美艷.戶籍制度與勞動力市場保護[J].經濟研究,2001，(12).

[9]黃志嶺,姚先國.教育回報率的性別差異研究[J].世界經濟,2009，(7).

[10]李長安.我國大學畢業生就業問題研究報告[R].2003，(12).