基于風險承受能力的大學生就業選擇的實證

楊衛春

0 引言

Freeman（1971）在研究美國專業人員勞動力市場的變化時，集中分析了大學生的職業選擇，提出職業選擇的經濟理論。該理論認為，影響個人職業選擇的因素可分為兩類：第一，個人本身的偏好和能力;第二，市場所決定的工資和工作特性。

根據這個理論，我們考慮到大學生就業選擇時需要面對的是就業崗位收入的情況，不同行業的穩定性不同注定了他們的收入的不確定性的不同，即風險程度不同。這是工資的特性。其次我們考慮個人的風險承受能力，它是個人的特性將反映出個人偏好的不同。工作的穩定性是大學生普遍關注的，不同行業的穩定性相差很大，例如公務員的工作工資和工作性質都很穩定，而營銷人員的工資和工作不確定性卻非常大。因而，我們提出假設，大學生就業選擇時風險承受能力應當作為一個考慮因素。本文建立模型驗證該假設，并基于假設和結論提出大學生就業選擇的建議。

1 研究設計

1.1 問卷調查

大學生風險承受能力是一個大學生的一個特質，不同的大學生擁有不同的內在風險承受能力。我們通過問卷調查并對問卷中每個選項進行賦值，評估這一個體特質。

（1）問卷設計

風險容忍度作為人的一個內在特征會受到性別、年齡、專業、年級、家庭背景等多方面的影響。因而，在調查問卷里我們設計了性別、年齡、專業、年級、家庭背景這幾項作為調查者的背景資料。調查問卷共有20題。每一題均是對調查者風險承受能力的衡量。

（2）數據選取方式

中南大學是一所綜合性大學，學科覆蓋面廣，擁有來自全國各地的學生，具有代表性。調研對象為中南大學從大一到研究生三年級共七個年級的學生。為了使樣本具有代表性我們在設定的五大類專業（文科類、理科類、工科類、醫學類、經管類）中分別抽取樣本。

問卷調查表中每一個題目選項均是按風險承受能力高低排列，我們將每個題目中反映風險承受力最低的選項賦值為1分，承受力高一級的選項賦值加1分，以此推算出其他選項的評分，加總20個題目的得分我們得到每位調查者的風險承受能力的分數。分數分布在20～77分之間。

1.2 模型構建及策略提出

通過問卷調查結果統計得到的個體風險承受能力的評估分數，我們建立計量回歸模型分析不同因素對風險承受能力的影響程度；通過回歸模型研究風險評估分數對就業方向的影響，試圖找出大學生風險承受能力與職位選擇之間的內在關系。這種關系的確定要針對每一個行業風險度以及每個就業崗位的風險程度不同，我們試圖從大學生內在風險承受能力角度對大學生就業提出建議，實現人才與崗位更加合理的匹配。

2 描述性統計分析

被調查的535名大學生中，男女比例基本持平，被調查者平均年齡21.1歲，符合我們研究大學生就業問題的樣本條件。本次調查覆蓋了所有學科，具有專業普遍性。統計結果顯示：平均分數為44.17226分。經過標準正態分布檢驗結果顯著，表明分數的分布服從標準正態分布。（分布圖見圖1，檢驗結果見表1）。

表1 風險承受能力測評分數的正態分布檢驗結果

3 實證分析

3.1 風險承受能力對職業選擇的影響

3.1.1 模型構建

在建立模型的過程中，有性別、專業、年級、月平均開支等多個變量。本文將女性設定為0，男性設定為1；專業按大類分為文科、理科、工科、醫學、經管，分別采用1、2、3、4、5表示；從本科一年級到研究生三年級分別用1、2、3、4、5、6、7表示；同時，將用月平均開支表征大學生的家庭背景。調查數據中對大學生就業選擇分為：A黨政機關、B國企、C外企、D自主創業、E其他，本文通過構建模型觀察性別、專業、月平均開支、風險承受能力評估分數對就業選擇的影響。

假設個體i的效用為性別、風險得分、月平均收入的線性函數：

那么，個體i選擇職業的 j的慨率可以表達為：

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

在假設隨機擾動項服從weibull分布，即 F(εij)=exp(-e-εij)那么

對最終的式子運用最大似然估計的方法估計系數值，并進行統計檢驗。由于個體選擇何種職業有很大的個體差異性，確切地分析每一個個體的職業選擇是如何受各因素的影響不太現實，一般的線性估計模型不適用，在此使用的是概率模型。

最后需要估計的方程可寫為：score

其中：Score—風險測評得分、Sex—性別變量、Expense—月平均花費；

下標1—黨政機關、2—國企、3—外企、4—自主創業。3.1.2 模型的估計

采用極大似然估計法，得到各變量的系數估計值（見表2）。

表2 多元選擇的模型系數估計

從統計角度講，該模型中月平均花費與性別的系數不顯著。進一步數據分析，用似然比檢驗（likelihood-ratio test）檢驗平均月花費與性別這兩個變量，結果如下：

似然比檢驗：性別變量

卡方值chi2(3)=6.87

P值＞卡方值（chi2）=0.0762

似然比檢驗月平均開支變量

卡方值chi2(3)=2.12

P值＞卡方值（chi2）=0.5482

從結果中，我們可以得知expense變量不顯著，可以從模型中去除。進一步修改模型為：

重新計算，得到新的各因變量的系數估計值（見表3）。

表3 修整后的模型新的系數估計值

3.1.3 模型的結果及分析

運用該模型我們得出了不同風險承受能力（用分數表征）對不同職業選擇的概率。

(1)男性風險承受力對職業選擇影響

圖1表明男性的職業選擇的概率隨得分的不同而變化。由圖可知，風險得分的增加，個體選擇自主創業的概率穩步上升，而選擇黨政機關、國企、外企的概率均下降。與現實情況相符：風險承受力較低，較為保守的人會偏向于選擇黨政機關、國企等較為穩定的工作，而風險承受能力較高的人會偏向于選擇外企、自主創業。

圖1 男性的職業選擇的概率隨得分的變化

(2)女性風險承受力對職業選擇影響

由圖2可知，同男性個體的職業選擇規律相似，女性個體的職業選擇也呈現風險得分越高越傾向于自主創業，但是很重要的一點不同表現在p3fem線即個體選擇外企的偏好程度上。女性個體的該線落點較高，我們認為女性對外企有特殊偏好，是受外界影響。

圖2 女性的職業選擇的概率隨得分的不同而變化的圖：

3.2 分析風險承受能力的影響因素

本節試圖對影響風險承受能力的因素加以分析。

3.2.1 模型構建

風險承受能力是個體的一個綜合衡量的指標，一般而言，它應與個體的閱歷、知識構成有很大的關聯性。年齡，專業，家庭經濟收入等這些都影響的風險承受能力水平。在選取年級作為解釋變量前，我們將驗證年級是否對風險具有顯著影響。首先驗證年級是否對風險具有顯著影響。對五類專業，分別用OLS回歸。解釋變量為虛擬變量年級、性別、月平均支出，解釋變量為風險評估分數?；貧w方程建立為：

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

3.2.2 模型估計及修正

根據前述的模型方程，運用OLS回歸估計各變量的系數。得到回歸結果見表4。

表4 五類專業年級對風險承受能力分別回歸結果

結果顯示，系數估計均不顯著，即年級不能作為風險承受能力的一個解釋變量，從總體上來說是年級對風險影響不大，對于個體來說風險承受力隨年級的變化不顯著,因而舍去年級作為風險承受能力評估分數的一個解釋變量。統計分析顯示出被調查人群年齡分布比較集中，所以不選擇年齡作為自變量，因此我們選擇大學生的專業、性別、月開支作為自變量。模型的建立過程中，由于所分類的五個專業（文科、理科、工科、醫學、經管）無法直接進行統計回歸，故采用設置虛擬變量的方法進行研究。

OLS估計建立風險評估分數（以下簡稱分數）的分析框架：

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

其中 score指分數，maj01—maj05 是文/理/工/醫學/經管五類專業的虛擬變量組，expense為月平均收入，sex為性別，1-男，0-女。

3.2.3 修正模型估計結果的分析

修正后的模型估計如下表，可以看出修正后的各變量均顯著，意味著選取的變量組對風險評估分數有很強的解釋能力，繼續對回歸結果展開進一步分析：

（1）專業對風險承受能力的影響

表5 OLS回歸的結果對各因變量的系數估計

不同專業的學生其風險承受的能力不同。按專業分，風險承受能力從高到低依次為：經管、理科、工科、文科、醫學。其中的經管類比醫學類系數估計多2.15。這個結果是現實情況很好的反映，醫學類學生就業目標是較為穩定的醫院等單位，而經濟管理類學生就業方向是企業、金融機構等風險較高的單位，相對應的學生的風險承受能力醫學類學生明顯低于經管類學生。

（2）性別對風險承受能力的影響

性別變量的系數估計值為2.3，因為女性設為為0，男性設為1，反映出在風險承受能力方面，男性確實具有更大的偏好性。

（3）月平均開支對風險承受能力的影響

月平均開支對風險得分的影響在統計上來說是非常顯著的，算出其標準化系數為0.268.表明月平均開支高也即家庭背景較好的個體風險承受能力較高。該變量的顯著性符合我們設立模型初期的預期。家庭對父母對子女有潛移默化的影響，這種影響也會體現到大學生這類群體的風險偏好程度上來。

[1] 陳曉宇,閔維方.論高等教育的預期收益與勞動力市場化[J].教育研究,1999.(1).

[2] 賴德勝.大學生擇業取向的制度分析[J].宏觀經濟,2003,(7).

[3] 岳昌君.大學生就業選擇的行業因素分析[J].北京大學教育經濟研究,2003，(1).