基于知識結構的高職院校教師生存特征比較

收稿日期：2013-02-07

作者簡介：何霞，廣州番禺職業技術學院工商管理系副教授。（廣州/511483）

*本文系廣東省教育科學“十二五”規劃2011年度研究項目“廣東省高職院校教師流失現狀調查與激勵體系構建研究”（項目批準號2011TJK168）、廣州番禺職業技術學院重點項目“高職院校教師流失現狀分析及激勵體系構建研究”（項目批準號C-G-3）及暨南大學教學改革研究項目“基于創新人才培養的創業教育生態系統本土化構建探究”的階段性成果。 摘要：高職院校教師知識結構的生存特征研究為保障教師隊伍建設的持續穩定發展提供了新視角。借助廣東省某高職院校2007～2012年人事檔案數據及生存分析方法，對高職教師的離職率和留任時間進行了實證研究。結果顯示，高職教師留任時間普遍較短，留任時間的均值和中值分別只有3.05年和2年，且存在明顯的負時間依存性；Kaplan-Meier估計顯示，知識結構對高職院校教師的留任時間具有顯著影響。文章進一步采用Cox比例風險模型，在控制了性別、年齡、崗位選擇等因素后發現，知識結構對高職教師留任時間的影響依然顯著，分析結果具有穩健性。

關鍵詞：高職教師流失；知識結構；生存分析；Cox比例風險模型 一、研究問題

擁有一支素質高且穩定的教師隊伍對高職院校的生存與發展而言，具有舉足輕重的作用。然而，高職院校目前普遍存在教師離職率高、留任時間短等問題，讓我們不得不反思究竟是何種原因導致了教師的嚴重流失。國內外眾多學者從經濟待遇、管理體制、考核標準、職業發展等諸多方面對這一問題展開透徹分析，并在激勵措施的制定和實施上進行了一系列有益探索。[1]然而，高職院校教師的生存特征往往表現出持續期短、不穩定且具有負時間依存性（negative duration dependence，即隨著留任時間的增長，教師的離職風險下降）的特點，單純依靠靜態的激勵研究并不一定能解決現實問題。因此，在設計和制定教師激勵措施的同時，應結合高職教師留任時間的生存特征差異，細致分析教師從在職轉向離職的動態變化過程。

本文嘗試采用生存分析方法[2]，深入探討知識結構對高職教師生存過程的影響，為降低高職教師離職率、延長教師留任時間提供實證依據。對高職教師這一特殊群體而言，知識結構的重要性不言而喻。知識結構既是促進教師專業化發展、提高教育教學質量的重要條件，也是高職教師區別于其他社會群體的關鍵特征。依據經典人力資本理論，擁有豐富經驗、較高學歷和能力的教師更期望得到與之相對應的崗位和薪酬。[3]教師的知識水平越高，職業遷移的意愿和能力就越強，而受教育程度和職稱則是體現高職院校教師知識結構的主要特征①。因此，本文以受教育程度和職稱作為高職院校教師知識結構的“代理變量”，將難以衡量的“知識結構”轉化為兩個易測變量，以便更準確地預測教師留任時間及制定教師激勵制度。

具體而言，本文的研究工作將基于統計學的生存分析方法，從以下兩個方面展開：第一，基于知識結構，對高職教師離職率和留任時間的分布特征加以描述；第二，應用生存分析的Cox比例風險模型，估計各研究因素對高職教師留任時間的影響。

二、研究方法和數據處理

（一）研究方法

以往對教師流失問題的研究要么采用最小二乘法擬合回歸模型來預測事件發展變化的因果關系，要么采用Logistic回歸來預測結局事件是否發生。這些傳統方法都是基于截面數據的靜態分析，無法反映教師離職或留任狀況隨時間而改變的規律，也不能對觀測期內不同時間截面上的變量取值變化給予正確的描述和解釋，從而造成信息的損失，甚至引起系統估計的偏差。生存分析方法通過為預測變量設置相應的示性函數，對分布復雜的時間數據進行生存函數估計，不僅解決了傳統方法的限制，揭示出傳統方法無法得到的生存特征，而且也精確地反映了預測事件發展變化的動態過程。

本文將采用生存分析的壽命表法（Life Tables）計算不同知識結構的高職教師在各時點上生存函數的估計值（留任率），從時間維度上反映高職教師總體的生存狀況；采用Kaplan-Meier法比較不同知識結構教師的留任時間差別；采用Cox Regression模型分析在控制其他因素的情況下知識結構對高職教師生存狀況的影響。

·高職教育· 基于知識結構的高職院校教師生存特征比較 （二）數據處理

定義高職院校教師留任時間為教師從進入該校到辭職離開（中間沒有間隔）所經歷的時間。為方便后續的數據分析和處理，本研究以“年”為單位，對高職教師的留任時間進行記錄。教師離職稱之為“失敗事件”（failure event）。關于數據處理有兩點需要說明：（1）數據刪失（censor）問題。數據刪失是生存分析中非常普遍但須加以控制的現象。主要有兩種類型： 左刪失（left censoring）和右刪失（right censoring）。前者是指事件在觀測之前即已發生并持續至觀測期內的樣本，后者是指到觀測期末仍未終止的樣本。右刪失問題對于研究分析沒有影響，生存分析方法能夠有效進行處理，但對于左刪失問題目前仍缺乏有效的解決手段，大多數研究采取舍棄左刪失觀測值的做法。本研究的樣本為2007～2012年高職院校離（在）職教師，進入觀測期內的樣本都記錄了明確的起始時間（即入校時間），因此可以恰當地處理左刪失問題，避免了教師的留任時間被低估。（2）多個持續時間段 （multiple spells）問題。這是指高職教師如果在學校持續工作一段時間，離開學校后（至少一年），有可能再次返回該校工作，因此同一名教師可能存在多個留任時間。我們采取的處理方法是將同一名教師的多個留任時間視為相互獨立的留任時間段。

本文的樣本數據來源于廣東省某高職院校的人事檔案，主要分為兩部分：一是該校離職教師數據，共221例，留任時間為教師入校時間與離職時間的差值；二是該校在職教師數據，共373例，留任時間為教師入校時間與研究截止時間的差值。由此，我們得到了594個觀測樣本。接著，我們對高職教師的留任時間進行統計，為每一個時間段定義了結局變量（out variable），并對多個持續時間段進行了標記，最終的統計分析結果如表1所示。

（一）高職教師留任時間的總體情況

表2是描述性統計分析結果。第1行針對全部樣本，給出了高職教師留任時間的均值和中值，分別是3.05年和2.00年；第2行將分析樣本局限于離職教師，此時的均值和中值都有所下降，分別降至2.03年和1.00年；第3行選擇了在職教師樣本，相對于離職樣本和全樣本而言，留任時間均有所提升，均值和中值分別上升至3.65年和3.00年。整體而言，離職教師的留任時間普遍較短，并拉低了全體教師留任時間的均值和中值。

（二）高職院校不同知識結構教師的留任情況

表3的上半部分反映了高職院校不同教育背景教師的留任情況。這里，我們將高職教師留任率定義為高職院校在職教師人數與總人數之比。總體而言，高職教師留任率普遍偏低，平均留任率為6279%，其中最低為高中及以下學歷教師，為3929%；最高為大專學歷教師，為6892%。數據結果與高職院校近年來教師隊伍建設的總體發展情況基本一致。

表3的下半部分反映了高職院校不同職稱教師的留任情況。從表3可知，在發生離職行為的221名教師中，無職稱教師43人、初級職稱教師88人、中級職稱教師70人、副高及以上職稱教師20人。平均而言，高職教師中留任率最低的是副高及以上職稱教師，為35.48%；最高的是無職稱教師，為67.18%。原因可能在于，職稱較高的教師更容易在勞動力市場找到工作，如果其對學校工作滿意度較低，就很容易發生辭職行為，從而導致雙方聘用關系中斷；無職稱人員大多為剛入校不久的新教師，他們可能會由于沒有職稱，在勞動力市場上的議價能力較弱而處于被動地位，因此暫不考慮離職。

四、生存分析結果

（一）高職院校不同教育背景教師的生存特征比較

1.高職院校不同教育背景教師留任率的分布情況

從上述對樣本數據的統計描述中，我們得到了調查截止時點高職院校不同教育背景教師的留任率，但這一分析結果無法反映高職教師留任率的動態變化特征。因此，我們采用生存分析的壽命表法對不同時點高職教師的生存比例進行估計，從而動態地描述高職院校不同教育背景教師留任率的變化情況。

利用壽命表法，我們對樣本數據中四種學歷的高職教師的留任率進行了估計，其中高中及以下學歷的觀測個體有28人，大專學歷的有74人，本科學歷的有286人，研究生學歷的有206人。表4反映了高職院校不同教育背景教師留任率的分布情況。例如，具有研究生學歷的高職教師來校當年有78%的人留任；來校1年后，有68%的人留任……。從表4可知，除高中及以下學歷教師外，對于相同時點（如來校后的某年），留任率隨高職教師受教育程度的提高而降低，留任率從高到低依次為大專、本科、研究生。留任率最低的是高中及以下學歷的教師，這可能是因為高校歷來比較重視求職者的學歷，高中及以下學歷教師在高職院校的生存環境較差，故留任率較低。2.Kaplan-Meier估計

采用生存概率的非參數估計方法——乘積極限法（Product limit method）對高職院校不同教育背景教師的留任時間進行了比較。表5是利用樣本數據獲得的高職院校不同教育背景教師留任時間的均值和中位數估計。由表5可知，高中及以下學歷教師留任時間的均值為5.225年，大專學歷教師為9.799年，本科學歷教師為7.054年，研究生學歷教師為4.082年。隨著教育程度的提高，高職教師的留任時間大幅度縮短。同時，我們還利用Log Rank、Breslow、Tarone-Ware方法分別對高職院校不同教育背景教師的留任時間進行整體比較，查看他們的留任時間是否存在顯著差異。分析結果顯示，3種檢驗統計量的P值均小于0.05（Sig.=0.000），證明高職院校不同教育背景教師在留任時間上存在顯著差異。

圖1高職院校不同教育背景教師留任時間的生存特征曲線

圖1是高職院校不同教育背景教師留任時間（年）的生存曲線。圖中顯示，除高中及以下學歷教師外，其他學歷教師生存曲線所在的位置與其受教育水平呈反方向變化，即受教育程度越高，生存曲線所處的位置越低（即教師的生存狀況越差）。留任時間由長至短依次為大專、本科、研究生、高中及以下學歷。Kaplan-Meier的分析結果同樣支持該結論，教育程度較高的教師在勞動力市場更容易獲得工作，具體表現為留任時間相對縮短。從圖1中還可以看出，不同學歷教師留任人數下降速度最快的時點以及生存函數曲線的趨穩時間都存在顯著差異，學歷較高教師的流失主要發生在來校后的1～3年，學歷較低教師的流失主要發生在來校后的5～6年；平穩時間由早到晚分別是研究生、高中及以下學歷、大專、本科。結合生存表可知，研究生學歷教師的留任率趨穩時間大約在5年左右、高中及以下學歷教師在6年左右、大專學歷教師在8年左右、本科學歷教師在9年左右。

（二）高職院校不同職稱教師的生存特征比較

1.高職院校不同職稱教師留任率的分布情況

利用壽命表法，我們對樣本數據中四種職稱教師的留任率進行了估計，其中無職稱教師有131人，初級職稱教師有240人，中級職稱教師有192人，副高及以上職稱教師有31人。表6顯示了高職院校不同職稱教師留任率的分布情況。

從表6中的數據來看，高職教師留任時間隨著職稱的升高而降低，分別為15年、11年、11年、9年。第0～6年中，對于相同時點（如來校后的某年），留任率從高到低依次為中級、初級、無職稱、副高及以上職稱；第6～14年中，對于相同時點，留任率從高到低依次為中級、無職稱、初級、副高及以上職稱。以上數據分析結果顯示，中級職稱教師在全時段留任率最高，副高及以上職稱教師在全時段留任率最低；初級職稱教師在前5年留任率較高，但超過5年之后，教師流失較大；無職稱教師則與初級職稱教師相反，超過5年之后，教師留任情況反而趨于穩定。

2.Kaplan-Meier估計

我們同時也對高職院校不同職稱教師的留任時間進行了比較。表7是利用樣本數據獲得的高職院校不同職稱教師留任時間的均值和中位數估計。

根據表7可知，無職稱教師留任時間的均值為8.584年，初級職稱教師為6.485年，中級職稱教師為7.294年，副高及以上職稱教師為4.367年。從中位生存時間的估計來看，中級職稱教師的中位生存時間大大超過其他組別，為11年；無職稱教師和整體估計一致，為8年；初級職稱教師的中位生存時間為7年；副高及以上職稱教師的中位生存時間最短，為3年。表7中的整體比較結果也證明，高職院校不同職稱教師在留任時間上差異顯著（3種檢驗統計量的P值均小于0.05）。

圖2高職院校不同職稱教師留任時間的生存特征曲線

圖2是高職院校不同職稱教師留任時間（年）的生存曲線。圖中顯示，中級職稱教師生存曲線所在的位置最高。這說明從一開始，中級職稱教師的生存狀況就明顯好于其他組別，全程也都比其他職稱教師更好。副高及以上職稱教師的流失速度最快，流失主要發生在來校后的第3年，且基本在9年內流失殆盡。無職稱和初級職稱教師由于后期存在失訪數據，所以兩個曲線都有高于40%的累計生存率，且在第6年兩條曲線發生了交叉。在第0～6年，留任時間從長到短依次為中級、初級、無職稱、副高及以上；在第6～14年，留任時間由長至短依次為中級、無職稱、初級、副高及以上。因此，Kaplan-Meier的分析結果也支持了上述壽命表的分析結果。從圖2中還可以看出，高職院校不同職稱教師的生存狀況（留任時間）在全時間段內存在顯著差異，各組別的生存曲線沒有重疊。結合生存表，我們得出各組別生存函數曲線的平穩時間：無職稱教師8年左右、初級職稱教師9年左右、中級職稱教師8年左右、副高及以上職稱教師8年左右。這說明不同職稱教師留任率趨穩時間差別不大，在職8、9年左右各類職稱教師的留任率都趨于穩定。

（三）Cox Regression過程

實際研究中，我們更感興趣的是，在控制其他因素的影響后知識結構是否還能顯著影響高職教師留任的持續時間。這需要借助統計學領域中的Cox Regression過程進行多變量生存分析建模，基本結構如下：

h（t，X）=h0（t）e β1X1+β2X2+…βkXk

其中，h（t，X）代表在k個因素同時影響生存過程的情況下，時間t處的風險函數（Hazard Function）；h0（t）代表沒有任何自變量影響下的生存狀況；X代表一組影響生存過程的因素。

對上式取對數，移項得：

Log[Rh（t）]=Log[h（t，X）/h0（t）]=β1X1+β2X2+…+βkXk

在這里，回歸系數β的實際含義是，當變量X改變一個單位時，引起教師離職風險改變倍數的自然對數值。Cox Regression過程使用最大似然法來估計β值，并標記為B。其雖不能給出各時點的風險率，但由于Cox回歸模型對生存時間分布無要求，并可估計出各研究因素對風險率的影響，因而應用范圍更廣。對于生存時間不連續的情形，Cox回歸模型也可以通過Logistic變換將函數表達式推廣到離散情形。因此，本文嘗試利用Cox回歸模型，在控制包括性別、年齡和崗位選擇（含教師、教輔和管理人員）等變量的情況下，探討高職教師的知識結構是否影響其留任時間。Cox回歸結果見表8。

2 倍對數似然值 整體（得分）無效模型 Cox回歸模型 x2 df Sig.2584.096 2512.794***（2548.463***） 67.533（35.633） 10（7） 0.000注：a.對照組是女性；b.對照組是高中及以下學歷教師；c.對照組是無職稱教師；d.對照組是教輔人員；e.***、**和*分別表示參數的估計值在1%、5%和10%的統計水平上顯著；f.括號中為僅包含性別、年齡、崗位選擇等傳統變量的Cox回歸結果。

表8顯示，在納入所有自變量后，Cox回歸模型的“-2倍對數似然值”為2512.794，x2值為67.533，自由度為10，P=0.000<0.05。因此可以認為當前的Cox回歸模型與原無效模型相比具有顯著差異，新變量的納入有一定價值，模型總體檢驗有顯著意義。同時，變量檢驗結果也表明，在控制了性別、年齡、崗位等變量的影響后，知識結構仍然是影響高職教師留任時間的重要因素。學歷的生存系數估計值B均為負，表明受教育程度為大專、本科、研究生的高職教師，與高中及以下學歷教師相比，離職風險較低，留任時間更長。高職院校教師的離職風險從高到低依次為高中及以下學歷、研究生學歷、本科學歷、大專學歷，其中大專學歷教師的離職風險為對照組（高中及以下學歷）的0269倍、本科學歷教師的離職風險為對照組的0270倍、研究生學歷教師的離職風險為對照組的0499倍。這一結果也說明，在沿海發達城市，教育資本投資取得了較好回報。教師受教育程度越高，獲得再就業的可能性就越大，因此離職率也越高；而高中及以下學歷教師的離職率高則可能是由于高中及以下學歷教師在高職院校的職業發展受到較大限制所致。

高職院校不同職稱教師的生存系數估計以無職稱教師為對照組。整體而言，隨著職稱的上升，離職風險先下降再上升，呈∪型分布。離職風險從高到低依次為：副高及以上職稱、無職稱、初級職稱、中級職稱，其中副高及以上職稱教師的離職風險是對照組（無職稱教師）的2.796倍，初級職稱教師的離職風險是對照組的0.845倍，中級職稱教師的離職風險是對照組的0.650倍。當然，U型風險曲線的結論還要在后續研究中利用精確的類間兩兩比較加以驗證。

五、結論與建議

本文從高職院校人事檔案中找出2007～2012年間教師離職情況的真實數據，在控制性別、年齡、崗位選擇等傳統變量的前提下，以受教育程度和職稱作為教師知識結構的替代變量，對教師留任時間和留任率進行生存分析。結果表明：其一，知識結構的確是影響高職教師離職的主要因素。我們在引入性別、年齡、崗位選擇等傳統變量的基礎上，依次加入學歷和職稱這兩個反映知識結構的代理變量，模型的整體擬合優度提高了47%。換而言之，包含知識結構變量的生存分析模型的擬合優度（x2值為67.533）要遠好于僅包含傳統變量的模型（x2值為35.633）。其二，不同知識結構特征的高職教師之間無論是平均留任時間、在某一時點的留任率、留任人數下降速度還是留任率趨向穩定的時間都存在差別。高學歷、高職稱教師對工作單位的依存度明顯較弱，研究生學歷、副高及以上職稱教師的離職時間主要集中在來校后第3年（見圖1、圖2）。高職院校中，大專學歷、中級職稱教師的生存狀況最好，高中及以下學歷、副高及以上職稱教師的生存狀況最差、流失率最高。其三，具有年齡和性別優勢的高職教師離職風險更大。年齡是高職院校教師生存狀態的保護因素。高職教師在整個生存時間內，年齡每增加一歲，發生離職的風險會降低2.2%（Exp=0.978）。目前，高職院校在職教師的年齡普遍偏小（本樣本均值為32.995歲），因此存在一定程度的人員流失風險。性別也是導致高職院校教師離職的重要因素，男性教師離職的可能性更高。在樣本數據整個生存時間內，男教師的離職風險是女教師的2.027倍，女教師的留任時間更長。其四，從崗位選擇來看，專任教師的離職風險最大，是教輔人員的2.371倍。而行政與教輔人員由于工作任務和性質較為接近，因此離職風險差別不大（Sig.=0.079>0.05）。

在政策操作層面，本文的實證結果表明，作為教師離職的根本內因，知識結構會放大高職教師對自身市場價值的成本收益比較，因此通過分析高職教師知識結構的生存特征可以預測教師離職事件發生的時間，從而揭示教師任職的初始狀況和目標狀況之間復雜的變化過程。例如，根據留任人數下降速度的時間特點，我們認為解決高職稱、高學歷教師群體流失問題應主要集中在其來校后的前3年。實踐中，我們通常以3年為界對新教師進行入職管理，但缺乏實證支撐。本研究利用生存分析方法證實，入職3年是高職稱、高學歷教師產生離職意愿的敏感時期。因此，人事管理中，可將3年作為具有實踐意義的界值加以合理應用；在這段時期，采取差異化培訓、多元激勵等措施會收到意想不到的效果。同時，數據分析結果也顯示，在知識結構的代理變量中，職稱對高職教師留任的影響更大，教師在職稱評定前后的職業穩定性會有顯著差異，這提示我們在制定激勵政策時應對這類教師群體給予特別關注。樣本數據中，本科學歷、中級職稱教師在來校10年后發生重大流失，這也從一個側面反映出他們的忠誠度實際上是最高的，但現有的激勵機制忽視了他們對職業發展的需求。此外，生存分析結論也解釋了傳統政策的困境——性別、年齡和崗位的不同會在一定程度上影響高職教師的離職選擇，因此在制定教師激勵政策時可針對高職教師的這些特點進行設計與調整。

注釋：

① 用受教育程度和專業背景等特征變量代理知識結構是國內外學者在研究知識結構問題時常用的方法[4][5]，本文用受教育程度和職稱來代理高職教師的知識結構亦是此類方法在教育學研究領域的一種嘗試。

參考文獻：

[1]何霞，袁祖望.高職教師“職業高原”現象個體成因類型調查[J].高教探索，2009（6）：119-122.

[2]陳家鼎.生存分析與可靠性[M].北京：北京大學出版社，2005.

[3]Gomez-Mejia， L.R.， Balkin， D.B..Compensation， organizational strategy and firm performance [M].Cincinnati， OH：South-Western， 1992.

[4]古家軍，胡蓓.TMT知識結構、職業背景的異質性與企業技術創新績效關系——基于產業集群內企業的實證研究[J].研究與發展管理，2008，20（2）：28-33.

[5]黃昕，李常洪，薛艷梅.高管團隊知識結構特征與企業成長性關系——基于中小企業板塊上市公司的實證研究[J].經濟問題，2010（2）：89-94.

（責任編輯于小艷）