周碩 羅小杰 唐鋮 黃宇翔
吉林大學
后疫情時期來臨,生活秩序和就業(yè)環(huán)境逐步恢復,疫情對我國乃至整個世界都產(chǎn)生了深遠的影響。后疫情時期并不是我們原來想象的疫情完全消失,一切恢復如前的狀況,而是疫情時起時伏,隨時都可能小規(guī)模爆發(fā),從外國外地回流以及季節(jié)性的發(fā)作,而且遷延較長時間,對各方面產(chǎn)生深遠影響的時代。世界現(xiàn)代化城市的成功經(jīng)驗表明,人才資源的快速增長是城市現(xiàn)代化建設的最直接、最重要的推動力量。人才是城市經(jīng)濟社會可持續(xù)發(fā)展的動力,實施城市人才發(fā)展結構戰(zhàn)略,構筑人才高地是決定城市競爭力的一個重要因素。而疫情發(fā)生后,由于遇到突發(fā)公共衛(wèi)生事件的沖擊,城市運行受到強烈打擊,各地政府終于意識到城市的人才結構對于城市免疫力的影響程度,可以說,城市的人才結構決定了城市免疫力,于是,各地政府不僅僅局限于高等人才的引進,各地人才政府調(diào)整了各個層次的人才吸引政策,接收各個程度、各個層次的人才,給予按照層次不同設置的人才補助、落戶補貼、租房補貼、落戶政策、安家費等。努力在做好人才引進的同時調(diào)整人才結構至最優(yōu)。
后疫情時期,國家人才方針實時調(diào)整,各地為促進經(jīng)濟繁榮,出臺了最新的人才扶持政策,而同時,國家為了促進我國落后地域的經(jīng)濟發(fā)展,出臺了一系列的地方性扶持計劃,例如“三支一扶”、“大學生志愿服務西部計劃”等。反觀在疫情影響下,人才資源市場活躍度明顯下降,而通過新冠疫情的爆發(fā),各地政府也發(fā)現(xiàn)城市的人才結構決定了城市面對突發(fā)公眾事件的免疫力程度,于是,修改了新的人才引進政策,如上海、杭州、廣州等地,相較于疫情前,開放了落戶限制,提高了落戶就業(yè)人才補貼;南京、鄭州石家莊等地根據(jù)學歷水平給予房租補貼、購房補貼。在當今中國,研究就業(yè)人口的流動及就業(yè)人才走向?qū)τ谖覈案鳟數(shù)厝瞬耪畬崟r調(diào)整就業(yè)政策、進行就業(yè)指導、實施人才引進工作有著非常大的作用。那后疫情時期對于大學生的就業(yè)地域影響有多大呢?影響因素有哪些方面呢?這就成為社會及政府需要關注的問題。
李春玲(2020)較為全面的從就業(yè)壓力,心理壓力等方面研究了新冠疫情沖擊下大學生的就業(yè),認為疫情影響更多大學生選擇中小城市,提出“因勢利導推動應屆畢業(yè)生基層就業(yè)趨勢,促進人才流動和區(qū)域平衡發(fā)展”。陳建幫(2020)提出對大學生就業(yè)引導工作的思考,認為要正確引導大學生在新冠肺炎疫情下降低擇業(yè)要求,“先就業(yè)再擇業(yè)”。岳昌君(2020)梳理了2003年“非典”疫情以來的全國高校畢業(yè)生就業(yè)狀況調(diào)查數(shù)據(jù),分析此次疫情對高校畢業(yè)生就業(yè)可能帶來的不利影響。張美玲,趙子涵冰(2020)對比2019年末的新冠疫情與2003年的非典疫情,并根據(jù)政府當時對后非典時期做出的舉措提出了“1234”改進工作新模式。侯文哲(2020)注重于學生個人的心理素質(zhì)、就業(yè)能力與就業(yè)預期三方面,認為“95后”大學生因為時代問題心理素質(zhì),就業(yè)能力較低,就業(yè)預期過高,疫情沖擊只是一個影響大學生就業(yè)困難的因素。李春陽,畢會娜(2020)從區(qū)域考慮到疫情對不同區(qū)域大學生的沖擊力度不同,認為疫情使結構性失業(yè)更加突出,建議高校設立新科研助理崗位。
我國學者主要是研究高校人才流動的現(xiàn)狀與特征,而對其就業(yè)地區(qū)選擇因素的研究不是很多。武毅英等(2013)運用勞動力市場分割理論,從城鄉(xiāng)、區(qū)域和行業(yè)三個方面分割中國勞動力市場,研究高校畢業(yè)生就業(yè)流動問題,認為制度性分割是流動不均衡的主因。黃艷等(2013)同樣認為在城市二元勞動力市場分割的影響下,要弱化高校畢業(yè)生就業(yè)自由流動受限的壁壘,需要政府一方面深化就業(yè)體制改革和發(fā)揮宏觀調(diào)控作用。馬莉萍,潘昆峰(2013)利用logit模型分析了不同類型高校畢業(yè)生的生源地、院校地和就業(yè)地三者關系的差異。何仲禹,翟國方(2015)以城市類別作為研究對象,通過logit模型得出選擇就業(yè)地時,職業(yè)發(fā)展機遇和家庭因素是最重要的,而地區(qū)特質(zhì)和其自然生態(tài)環(huán)境因素的影響最小。趙晶晶(2016)基于空間流動網(wǎng)絡視角定量測度了高校畢業(yè)生的流動強度。馬莉萍,劉彥林(2018)研究了在代際流動中大學教育的作用,表明大學教育可以促進學生向上流動。鄧峰和郭建如(2020)通過多層線性交互分類模型,得出了各地區(qū)生源畢業(yè)生的五種就業(yè)流動路徑,研究表明各地區(qū)之間的高校畢業(yè)生流動是多向流動的復雜關系。
對高校畢業(yè)生流向的研究一直是學者所關注的方向,大部分學者主要以高校畢業(yè)生的流動為主體進行研究,研究模型較為多樣。但是由本研究小組的信息收集調(diào)查表明國內(nèi)外相關研究的文獻較少,根據(jù)中國知網(wǎng)數(shù)據(jù),2000年至2020年間關于畢業(yè)生流向的文獻年均產(chǎn)出數(shù)量為8.25篇。提出應對畢業(yè)生流動不均衡的措施方法大致相同,以理論為主。并且在對影響畢業(yè)生對就業(yè)城市的因素研究還不夠深入。
新冠肺炎疫情從突發(fā)到現(xiàn)在,國內(nèi)情況已經(jīng)得到控制,之前人們的主要精力集中于應對疫情所帶來的巨大沖擊,而從學術視角深入分析這一公共衛(wèi)生危機對社會各個領域的影響還只是剛開始。本研究小組發(fā)現(xiàn)學者對突發(fā)公共衛(wèi)生事件下大學生狀態(tài)及特征的研究較少,提出的應對措施理論性更強,例如在面對后疫情時期擇業(yè)難的問題,學者多建議畢業(yè)生先就業(yè)后擇業(yè),確沒有詳細提出就業(yè)后如何再擇業(yè)。
本研究使用的數(shù)據(jù)來自對全國的各所高校的學生進行調(diào)查,調(diào)查問卷一共包括個人基本情況,家鄉(xiāng)的基本情況、疫情對就業(yè)觀點的影響程度、個人期望就業(yè)情況等部分,問卷通過隨機抽查的方式,一共收集到了457份問卷,有效問卷457份,其中共有男性279名,占比61.05%,共有女性178名,占比38.95%。如表一,調(diào)研對象基本包括小學及以下、初中、普高/中專/技校/職高、專科、本科、碩士、博士學生人群,基本符合全國調(diào)研學生對象分布。

表一 調(diào)研對象學歷分布表
1.因變量
學生的就業(yè)區(qū)域(或傾向的區(qū)域)是我們調(diào)查的主要問題,這個問題可以理解為一個現(xiàn)實的選擇行為,為了有效的反映出疫情前后學生就業(yè)的選擇地域的選擇因素,本研究聚焦于疫情前后影響學生就業(yè)地域的選擇的各種因素。學生的就業(yè)區(qū)域(或趨向的區(qū)域)包括了全國的東部地區(qū)(北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南)中部地區(qū)(山西、安徽、江西、河南、湖北和湖南)西部地區(qū)(內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆)東北地區(qū)(遼寧、吉林和黑龍江)沒有考慮過。將沒有考慮過賦值為0,西部地區(qū)賦值為1,東北地區(qū)賦值為2,西部地區(qū)賦值為3,東部地區(qū)賦值為4。
2.自變量
問卷主要包括三種類型的自變量:自身及家庭因素、學校因素、社會因素。自身因素包括性別、家人對就業(yè)對象的選擇、疫情發(fā)生后,是否影響對于離家鄉(xiāng)遠近的選擇;學校因主要是包括高校所在層次、高校所在地域、高校就業(yè)推薦;社會因素主要是包括城市的影響因素、國家政策的影響因素、就業(yè)風險。
問卷效度可以采用 KMO 和 Bartlett 值來檢驗問卷數(shù)據(jù)是否具有有效性,通過SPSS對樣本數(shù)據(jù)進行分析后如下圖。KMO 值為0.911,大于 0.7,這代表問卷數(shù)據(jù)的充足度比較高,適合對其采用因子分析。Bartlett 球形檢驗的近似卡方值為1370.033,顯著水平為0.000<0.01,表示各變量之間存在很強的相關性。
通過對性別與家人對就業(yè)選擇的影響因素以及疫情發(fā)生后,有影響您對于就業(yè)城市距離家鄉(xiāng)遠近的考慮進行分類匯總分析,結果如下表:

表二 分類匯總分析結果表
通過對性別以及您選擇一座城市最看重的因素進行交叉分析,結果如表3:

表三 性別以及選擇城市最看重的因素交叉結果分析表
利用相關分析去研究“您愿意在高校所在地就業(yè)嗎和您所在高校的院校層次”“您高校所在的地域為”“疫情后,您會更加愿意參與高校的就業(yè)指導及就業(yè)推薦嗎”共3項之間的相關關系,使用Kendall相關系數(shù)去表示相關關系的強弱情況。具體分析可知:
您愿意在高校所在地就業(yè)嗎和您所在高校的院校層次之間的相關系數(shù)值為-0.095,接近于0,并且p值為0.126>0.05,因而說明您愿意在高校所在地就業(yè)嗎和您所在高校的院校層次之間并沒有相關關系。您愿意在高校所在地就業(yè)嗎和您高校所在的地域為之間的相關系數(shù)值為0.162,并且呈現(xiàn)出0.01水平的顯著性,因而說明您愿意在高校所在地就業(yè)嗎和您高校所在的地域為之間有著顯著的正相關關系。您愿意在高校所在地就業(yè)嗎和疫情后,您會更加愿意參與高校的就業(yè)指導及就業(yè)推薦嗎之間的相關系數(shù)值為0.191,并且呈現(xiàn)出0.01水平的顯著性,因而說明您愿意在高校所在地就業(yè)嗎和疫情后,您會更加愿意參與高校的就業(yè)指導及就業(yè)推薦嗎之間有著顯著的正相關關系。
1.城市影響因素
如下圖,通過對城市吸引力的影響因素進行成分矩陣分析:

圖一 城市吸引力成分矩陣分析表
城市吸引力=0.241*政策支持+0.346環(huán)境水平+0.408*房價水平+0.542*生活節(jié)奏+0.392*薪酬待遇+0.681*消費水平+0.520*幸福指數(shù)+0.711*社保水平
2.國家政策
利用Spearman相關分析去研究對于國家鼓勵高校畢業(yè)生到基層、到中西部地區(qū)就業(yè)、三支一扶、大學生志愿服務西部計劃、您對此是否愿意參與分別和對于國家鼓勵高校畢業(yè)生到基層、到中西部地區(qū)就業(yè)、三支一扶、大學生志愿服務西部計劃,您對此是否了解共1項之間的相關關系,使用Spearman相關系數(shù)去表示相關關系的強弱情況。

表五 Spearman相關分析表
具體分析可知:變量之間的相關系數(shù)值為0.309,并且呈現(xiàn)出0.01水平的顯著性,因而說明對于各個變量之間有著顯著的正相關關系。
3.風險
模型公式為:疫情催生了許多新挑戰(zhàn)和新機遇,您會更愿意向這些新興領域發(fā)展嗎=1.380 +0.254*疫情后,是否會讓您對于就業(yè)風險更加避讓+0.224*您的性別:模型R方值為0.080,意味著疫情后,是否會讓您對于就業(yè)風險更加避讓,您的性別:可以解釋疫情催生了許多新挑戰(zhàn)和新機遇,您會更愿意向這些新興領域發(fā)展嗎的8.0%變化原因。對模型進行F檢驗時發(fā)現(xiàn)模型通過F檢驗(F=11.225,p=0.000<0.05),也即說明疫情后,是否會讓您對于就業(yè)風險更加避讓,您的性別:至少一項會對疫情催生了許多新挑戰(zhàn)和新機遇,您會更愿意向這些新興領域發(fā)展嗎產(chǎn)生影響關系,另外,針對模型的多重共線性進行檢驗發(fā)現(xiàn),模型中VIF值全部均小于5,意味著不存在著共線性問題;并且D-W值在數(shù)字2附近,因而說明模型不存在自相關性,樣本數(shù)據(jù)之間并沒有關聯(lián)關系,模型較好。

表六 線性回歸分析表
4.疫情發(fā)生后
如下圖,建立疫情發(fā)生前后,對于您的就業(yè)選擇狀況影響因素成分矩陣:

圖二 疫情對就業(yè)選擇成分矩陣
疫情對就業(yè)影響=0.748*就業(yè)適應區(qū)域影響+0.856薪資水平影響+0.835*就業(yè)率影響
如下圖,建立疫情前后感情對就業(yè)選擇的影響因素成分矩陣:

圖三 疫情中感情對就業(yè)選擇成分矩陣
疫情中感情對就業(yè)影響=0.761*家鄉(xiāng)影響+0.616*高校影響+0.760*家人、戀人影響:
如下圖,建立疫情發(fā)生前后城市的相關水平對就業(yè)選擇的影響因素成分矩陣
圖3中每個單元格負責預測邊界框的置信度c及邊界框。邊界框的大小可以由向量(bx,by,bw,bh)來表示;邊界框的中心坐標(bx,by)代表相對于每個單元格左上角頂點坐標的偏移量,其大小是相對于單元格的比例。(bw,bh)是邊界框的寬與高,其數(shù)值是相較于整個輸入圖片的寬和高大小。采用sigmoid函數(shù)處理偏移量,將邊界框的中心點位置約束在當前單元格中,根據(jù)邊界框預測的偏移量(tx,ty,tw,th),由式(1)~式(4)可計算出邊界框相對于整張圖片的位置和大小。

圖四 疫情對就業(yè)選擇成分矩陣
疫情對就業(yè)的影響=0.745*疫情對城市經(jīng)濟發(fā)展的影響+0.699*疫情催生的新興產(chǎn)業(yè)+0.757*就業(yè)風險+0.732*薪資待遇及職業(yè)發(fā)展趨勢。
研究基于對全國各所高校學生的457份調(diào)查數(shù)據(jù),用線性回歸與kendalls相關系數(shù)模型分析了疫情前后對學生就業(yè)地域選擇的影響因素,得到以下主要結論:
第一,大學生在選擇就業(yè)區(qū)域時,無論性別、學歷還專業(yè),都更加重視就業(yè)區(qū)域能提供的就業(yè)機會與發(fā)展前景,說明大學生更加注重自己以后的發(fā)展狀況。
第二,在學校因素方面,高校所在地域?qū)Υ髮W生選擇未來就業(yè)區(qū)域有顯著影響,并且在疫情后,大學生也更愿意參與高校的就業(yè)指導及推薦。
第三,大學生選擇就業(yè)區(qū)域時,在城市吸引力方面,社保水平影響最大,其次是消費水平,影響最小的是政策支持。
第四,疫情發(fā)生后,大學生一邊愿意向疫情催生出的新興領域發(fā)展,其中女生占比更多,一邊對就業(yè)風險更加避讓。相比較下,避讓就業(yè)風險的比例要略大于想要在新興領域發(fā)展的比例。
第五,疫情對就業(yè)影響明顯,其中在就業(yè)情況、考慮就業(yè)城市家鄉(xiāng)之間的遠近、人才政策改進、人才補貼政策四個方面存在顯著性差異。
綜上,疫情對大學生就業(yè)及就業(yè)地域選擇影響明顯,大學生普遍都非常重視就業(yè)城市的機遇和發(fā)展前景,其中薪酬待遇、房價水平等皆是影響后疫情時期大學生就業(yè)地域選擇的重要因素。總之,各地在引進人才,增加城市競爭力方面,要充分考慮大學生真實需求,進一步優(yōu)化政策。因此,國家如何指導大學生正確形成就業(yè)觀,地方如何有針對的制定引進人才就業(yè)的政策,采取吸引人才的措施,大學生如何以客觀、理性的方式接收疫情相關的信息,并結合自身優(yōu)勢和職業(yè)發(fā)展規(guī)劃合理選擇都非常重要。對此,可以從以下幾個方面著手:
第一,國家出臺宏觀政策,增加大學生就業(yè)渠道,幫助大學生樹立正確的就業(yè)觀,先就業(yè)再擇業(yè)。增加國企、事業(yè)單位、政府等針對大學生的就業(yè)崗位,推進新興產(chǎn)業(yè)發(fā)展,促進經(jīng)濟發(fā)展。政府應擴大針對大學生的選調(diào)招考規(guī)模,提高高校畢業(yè)生在國考招考中的比例。能夠吸引追求低就業(yè)風險的大學生就業(yè)。
第二,地方可以根據(jù)大學生需求與當?shù)靥厣贫ê线m的人才吸引政策。支持當?shù)靥厣髽I(yè),重點企業(yè),發(fā)展中小企業(yè),提高其抗壓能力、增強其穩(wěn)定性,為大學生就業(yè)提供多元化選擇。重視社保水平,落實大學生在當?shù)鼐蜆I(yè)的各種優(yōu)惠幫扶政策,當?shù)卣瞥鲋С謳椭髮W生創(chuàng)業(yè)的政策,調(diào)控傳統(tǒng)產(chǎn)業(yè)與新興企業(yè)之間的平衡,盡可能減少社會環(huán)境變化對人才帶來的壓力,增強大學生的就業(yè)自信心。
第三,建立權威真實,清晰明了的信息發(fā)布平臺。疫情發(fā)生后,各地均有推出或改進相關人才引進政策,這一方面的政策信息眾多。政府可以針對人才需求建立清晰明了,全面具體的信息發(fā)布平臺,不止為大學生提供當?shù)鼐蜆I(yè)信息,就業(yè)福利,還可以為大學生提供當?shù)氐纳钚畔ⅲ绠數(shù)丨h(huán)境、消費水平、房價水平、醫(yī)療條件等或者發(fā)布一些將要實施的政策,在體現(xiàn)城市吸引力的同時,讓大學生充分接收消息,全面考慮,進行就業(yè)城市選擇。
第四,當?shù)卣谶M行大學生人才引進計劃的同時,也應該從大學生的家庭方面考慮。疫情發(fā)生后,常出現(xiàn)因為地方疫情防控要求或是公司要求出現(xiàn)“難回家,回家難”的問題,導致大學生在就業(yè)城市選擇時,更加注重與家鄉(xiāng)、家人、愛人的距離,更加注重在居住地就業(yè),在就業(yè)地落戶的情況。地方可以根據(jù)大學生的能力盡可能提供人才及家屬落戶政策,在稅收、房價等方面提供優(yōu)惠政策。
第五,注重疫情后對大學生進行就業(yè)指導和幫助。如果學校能夠為大學生提供完善的大學生職業(yè)生涯規(guī)劃以及就業(yè)指導相關課程,引導大學生樹立正確的就業(yè)觀和人生觀,幫助大學生掌握準確獲取就業(yè)相關信息的能力,以形成一套完整的指導體系,就可以較多程度上幫助大學生正確面對疫情對就業(yè)帶來的影響。同時,還要盡可能在學校設立就業(yè)心理指導咨詢辦公室,為大學生在就業(yè)選擇迷茫時提出意見,緩解就業(yè)選擇給學生帶來的壓力。