第三章已经证明，高校的招生工作、培养模式和就业指导工作会影响大学生的就业能力，进而对就业结果产生影响。事实上，高校为大学生提供了一个吸取知识养料的平台，而这些养料能否被大学生所吸收并转化人力资本存量，则取决于大学生本人的努力程度。本章将要论述大学生自身因素是如何影响就业能力的大小，进而对就业结果产生影响的。
《转型时期教育扩展对劳动力市场影响研究》课题组于2005年6月专门对北京某高校毕业生展开了一次问卷调查（见附录，第250页）。共回收问卷1546份，有效问卷1533份，其中，本科生1414份，涉及25个专业，研究生119份，涉及14个专业。剔除出国和升学等情况，已经实现就业和尚未实现就业的本科生共1196人，研究生118人。第一节将对本科毕业生通过自身因素反映出来的就业能力与就业结果的相关性做出实证分析，研究生的情况将在第二节讨论。
由于问卷选项涉及的多是非数值型变量，只能通过逻辑回归模型（Logistic Regression Model）进行分析。Logistic回归模型是将一个二分变量（又称0-1变量）的一项取值的发生比率p作为模型的原始因变量，p的取值范围为[0，1]；然后，对p做Logit变换得到一个新的对数变量ln[p/（1——p）]，再以这个对数变量作为因变量与模型中的自变量建立线性回归模型，即ln[p/（1——p）]=∑BiXi。这时，p与自变量Xi之间的关系为Logistic回归模型：p=1/[1+exp（——∑BiXi）]。
一、综合素质、就业能力与大学生就业
学习努力程度反映了大学生的学习状态和学习过程，综合素质是这种状态和过程的最终结果，两者是高度相关的。学习努力程度难以量化，就通过综合素质的高低来反映大学生就业能力的大小。
综合素质是一个综合而抽象的概念，它需要通过具体的指标来体现。可以采用八个指标来反映大学生的综合素质的高低，这些指标大多数都是非数值型的，即没有数量大小的概念，只有是与否、有与无的判断，需要在技术层面做出如下处理。
第一个指标是政治面貌，将政治面貌为中共党员的赋值为1，其他情况赋值为0，这个指标反映了大学生的思想进步状态，具有中共党员身份的毕业生比非党员毕业生具有更强的就业能力。第二个指标是成绩名次，将处于前10%的赋值为4，处于11%～30%的赋值为3，处于31%～70%的赋值为2，处于后30%的赋值为1，它反映了该生学习成绩所处的相对位置，名次越靠前就业能力越大。第三个指标是英语水平，将通过国家四级或四级以上的（或专业四级）赋值为1，否则赋值为0.第四个指标是计算机水平，通过国家二级或二级以上者（或高级程序员）赋值为1，否则赋值为0.第三和第四两个指标反映了大学生的基本素质与一般人力资本存量的大小，通过的级别越高，意味着拥有更大的就业能力。第五个指标是其他证书，有一项或一项以上其他证书的情况赋值为1，没有的赋值为0，这些证书包含着特定的专业技能和专有性人力资本，与某些用人单位具有较强的对接性，拥有这些证书则意味着拥有更大的就业能力。第六个指标是是否做过学生干部工作，是赋值为1，否赋值为0，它反映了大学生的沟通与组织协调能力，做过学生干部的毕业生具有更大的就业能力。第七个指标是是否获得过奖学金，是为1，否为0，它综合地反映了大学生的学习成绩，尤其是专业课成绩，获得者具有更大的就业能力。第八个指标是实习经历，有一个月以上的实习经历者赋值为1，否则为0，它反映了大学生的实践锻炼情况，并折射出该生的动手能力与创新精神，有实习经历的毕业生比没有实习经历的毕业生具有更大的就业能力。
以就业去向，即是否就业作为因变量，将已经实现就业的赋值为1、未实现就业的赋值为0.这样，该回归模型是一个双变量逻辑回归模型类型（Binary Logistic Regression Model）。
在Logistic回归模型中，回归系数Bi对自变量与因变量关系的描述是非线性的，比较复杂。当Bi＞0时，自变量对因变量的影响是正向的，即自变量增大时，因变量也增大；当Bi＜0时，自变量对因变量的影响是反向的，即自变量增大时，因变量减小。根据Logistic曲线的特点，在多元回归时，考虑到自变量所取的单位不同，要比较各个自变量的相对作用，应看自变量的标准化偏回归系数Bi，其绝对值越大，该变量的影响就越大。
把上述指标的数据录入SPSS进行逻辑回归。根据各虚拟变量的偏回归系数Bi，可以看出本科生综合素质的各指标反映出来的就业能力对就业结果的影响。政治面貌对于本科生就业的影响是正向的，也是显著的，即具有中共党员身份的本科生比非中共党员本科生更容易实现就业。成绩名次对于就业也有帮助，但并不显著，这可能与学生高估自己的成绩排名有关。英语国家四级对于大学生就业有显著的正向影响，即通过英语四级的学生更容易找到工作。计算机对就业的影响也是正面的，但其影响力度低于英语四级。即通过英语国家四级比通过计算机国家二级更具就业竞争力。相对而言，是否当过学生干部对于就业的影响更大，其B值最高，为0.65，其影响也是显著的。奖学金的影响也是正向的，但影响力度较低。实习的作用更大，其B值为0.64，仅次于学生干部的影响力度。可见，综合素质对就业的影响都是正向的，只是不同指标反映出来的就业能力对就业结果的影响力度不同。其中，学生干部和实习经历的影响最大，其次是政治面貌和英语，再次是计算机和奖学金，影响最小的是成绩名次。
就业与否只是反映就业结果的最简单、最直接的一个指标，它还不能反映大学生就业状况的全貌。问卷中还设计了“有几家单位同意接收你”、“你的就业地区”、“你的就业行业”、“你的就业单位性质”、“就业单位对你承诺的月薪”等选项，希望可以从就业结构与就业质量层面进一步反映大学生自身因素通过就业能力对就业结果的影响。但“你的就业地区”、“你的就业行业”、“你的就业单位性质”、“就业单位对你承诺的月薪”都是针对已经实现就业的毕业生的，而被调查者中只有572人实现了就业，不仅人数较少，而且还有很多数据缺失项，所以，只对“有几家单位同意接收你”这个指标做出分析。
该指标是数值型的，将备选答案为0家、1家、2～5家、6～10家、10家以上分别赋值为0、1、2、3、4，并作为模型的因变量。由于因变量被赋了5个不同的值，所以，就使用多变量逻辑回归模型（Multinomial Logistic Regression Model）。将上述八个指标作为自变量带入Logistic模型，回归结果如下。
可见，政治面貌、成绩名次、英语、计算机、其他证书、干部、奖学金和实习对于接收单位个数都有正向的影响。并且，除了成绩名次，其他指标的影响都是显著的，即具有中共党员身份、成绩名次靠前、通过英语国家四级、通过计算机国家二级、拥有其他证书、曾做学生干部工作、获得过奖学金、有过一个月以上实习经历的毕业生，可能比没有这些条件的毕业生获得更多用人单位的接收函。其中，影响最大的是其他证书和实习，其B值分别为0.860和0.733，其次是干部、英语、计算机、奖学金，政治面貌的影响最小。可见，综合素质对接收单位个数的影响与对就业与否的影响基本一致；但也有不同的地方，主要表现为政治面貌作用的弱化，而其他证书的作用却被强化了。也就是说，政治面貌对于一个本科生能否就业是非常重要的，但对于其能否获得更多接收单位的重要性则大大降低，原因可能是有些单位并不看重党员身份；而其他证书则更有利于大学生获得更多的就业机会。
总之，通过综合素质的各指标反映出来的就业能力与就业结果都是正相关的，尤其是政治面貌、英语、计算机、学生干部、实习等，这说明就业能力越大，就业机会就越多，也就越容易实现就业。这证明了子命题1.2的一部分，即通过综合素质反映出来的就业能力决定着就业结果。只是构成综合素质的各种指标的影响力大小不同，显著性水平也有差异而已；同时，对于能否就业与接收单位个数——这两个就业结果的不同层面的影响也不尽相同。
二、就业意愿、就业能力与大学生就业
就业意愿通过以下五个指标来体现。第一个指标是就业地区预期，将希望在北京就业的作为基准变量，将希望在广东、江苏、浙江等其他沿海地区就业的归为一类，作为一个虚拟变量；将希望在中部地区和西部地区就业的情况合并，作为另一个虚拟变量，这个指标反映了就业意愿在地区结构上的差异。由于在北京就业的竞争非常激烈，而在其他沿海地区和中西部地区会相对宽松一些，因而，愿意去其他沿海地区或中西部地区就业的毕业生就具有更大的就业地区选择空间，实现人力资本价值的难度也较低，即期望在其他沿海和中西部地区就业的毕业生的就业能力大于期望在北京就业的毕业生的就业能力。第二个指标是是否愿意去农村就业，是为1，否为0，它反映了就业意愿在城乡结构上的差异。愿意去农村就业的毕业生的择业范围较宽，有利于实现人力资本的价值，因而，就业能力较强。第三个指标是就业行业预期，根据第二章的行业划分标准，期望在高工资行业就业的赋值为1，期望在低工资行业就业的赋值为0，它反映就业意愿在就业行业结构上的差异。由于高工资行业的就业竞争压力较大，不易于实现人力资本的价值，因而就业能力较小；而低工资行业就业竞争压力小，容易实现人力资本的价值，因而就业能力较大。第四个指标是就业单位性质预期，将体制内就业和体制外就业分别赋值为1和0.体制外一般不解决户口问题，甚至不提供“三险一金”待遇。如果大学生不要求在体制内就业，即不要求解决户口和“三险一金”问题，则其择业面就会更广一些，更容易实现人力资本的价值，因而就业能力较大；而预期在体制内就业的毕业生的就业能力较小。第五个指标是期望月薪，分别将选项为1000元以下、1000～1999元、2000～2999元、3000～3999元、4000～4999元、5000元及以上的赋值为1、2、3、4、5、6.显然，期望月薪越高，越难以实现就业，就业能力越小。
以就业与否作为因变量，将上述五个指标的数据带入双变量逻辑回归模型。
可以看出，预期在除北京以外的其他沿海地区就业有利于实现就业，换句话说，期望在其他沿海地区就业要比期望在北京就业更容易实现就业目标，这说明了就业地区预期反映出来就业能力与就业结果是正相关的。预期在中西部地区就业的情况类似，只是这种相关性并不显著。愿意去农村也有利于实现就业目标，而且两者的相关性是显著的。而最希望的就业行业与就业与否却是负相关的，期望在高工资行业就业是不利于就业的。就业单位性质预期与期望月薪对于本科生就业的影响并不太显著，但从B值来看，都是正相关的，即希望在体制内就业或希望获得更高月薪的毕业生可能更容易实现就业。这似乎有些出人意料：一种解释是，大学生作为高层次的劳动力，进入体制内就业单位没有太大的障碍；另外一种解释是，希望在体制内就业或月薪期望较高的毕业生大多是就业能力较强或比较自信的。
这表明，就业预期是影响大学生就业能力大小的重要因素，只是不同指标的影响不尽相同而已。就业地区预期、就业城乡预期和就业行业预期反映出来的就业能力与就业与否具有正相关的关系；而就业单位性质预期和月薪预期反映出来的就业能力与就业与否的结果是负相关的。但从Wald值来看，凡是能通过检验的都表明就业能力与就业结果是正相关的，也就是说，就业能力越大，就越容易实现就业。
同样，再以接收单位个数作为因变量，做多变量逻辑回归模型分析，结果如下。
与对就业与否的影响类似，就业地区选择的预期对接收单位个数也有一定的影响，选择在其他沿海地区就业将会获得更多的录用机会，而且，影响是显著的；但选择在中西部地区就业似乎并不能增加就业机会，但影响并不显著，这可能与我国中西部地区的经济水平发展较慢、吸纳大学生就业的单位相对较少有关。单纯从就业难易程度来看，最容易实现就业的是其他沿海地区，其次是北京，再次是中西部地区。愿意去农村工作明显有助于增加就业机会；期望在高工资行业就业将明显减少就业机会，而期望在体制内单位和高工资单位就业的情况并非如此。
通过就业意愿的6个指标反映出来的就业能力中，3个证明了就业能力与接收个数是正相关的，3个证明了就业能力与接收个数是负相关的；但在能通过检验的指标中，3个证明了两者是正相关的，1个证明了两者是负相关的。这在很大程度上证实了就业能力对于就业结果的决定性作用。
把就业意愿体现出来的就业能力对就业与否和对接收单位个数的影响结合起来，从总体上证明了子命题1.2一部分的正确性，即通过就业意愿反映出来的就业能力决定了就业结果。
三、就业行为、就业能力与大学生就业
为了反映大学生寻找工作的努力程度和实际行动，我们设计了三个指标。第一个指标是投递简历份数，将选项为10份以下、10～19份、20～49份、50份以上的分别赋值为1、2、3、4，投递简历份数越多，表明越努力寻找工作，实现人力资本价值的可能性就越大。第二个指标是大学生的求职费用，包括印制简历、交通费用等支出，分别将选项为100元以下、100～499元、500～999元、1000～1999元、2000～2999元、3000元及以上的赋值为1、2、3、4、5、6.出于理性人假定，这种支出的目的是希望得到更理想的工作职位，因而，它也是一种投资，求职费用越多，就业能力也就越大。第三个指标是收到面试通知的个数，这一方面体现了大学生前期寻找工作的成果，另一方面也体现了大学生为面试准备而投入的劳动量。显然，付出的劳动越多，获得工作岗位的机会越大，越容易实现人力资本的价值，就业能力也就越大。
仍以就业与否作为因变量，将上述三个指标的数据带入双变量逻辑回归模型，结果如下。
投递简历的多少对于大学生能否就业的作用是负面的，即投递简历越多，越不容易实现就业，似乎有点出人意料，这或许与我国当前的就业环境是比较吻合的。目前我国就业管理体制有些混乱，教育部门、人事部门以及高校等单位举办的大学毕业招聘会名目繁多、鱼龙混杂，毕业生盲目地奔波于这些大大小小的招聘会，结果分散了精力，反而不利于实现就业。有些用人单位参加招聘会的目的是为了自我宣传，而并非招贤纳士，“只招不聘”无疑加大了大学生的求职成本。也就是说，就业能力对于就业结果的决定性影响是以市场机制正常发挥作用为条件的，当前的劳动力市场环境使就业能力对于就业结果的作用打了折扣。求职费用与就业与否是正相关的，也是显著的，即求职费用越多，实现就业的可能性就越大。面试个数与就业与否的相关性更大，B值达到了0.423，影响也是显著的。
可见，通过就业行为体现出来的就业能力对于就业结果具有重要的影响。寻找工作需要花费大量的时间、精力与金钱，求职费用太少、面试个数太少以及准备不充分就可能无法实现就业。当然，寻找工作也有一个选择方式的问题，盲目的努力与付出并不能带来回报。
以接收单位个数作为因变量，做多变量逻辑回归模型分析。
就业行为对于接收单位个数的影响与对就业与否的影响类似。投递简历数与接收单位个数是负相关的，即过多地投递简历并不能增加就业机会。求职费用与面试个数，尤其是面试个数与接收单位个数具有较强的正相关性，这说明大学生在寻找工作的过程中要付出大量劳动、消极等待是难以获得满意的工作职位的。通过就业行为体现出来的就业能力对就业结果具有重要影响，只是体现就业行为的不同指标对就业结果的影响方向与大小和显著性水平不同而已。
综合看来，投简历数体现出来的就业能力与就业结果是负相关的，这可能是由我国特定的劳动力市场环境造成的；而求职费用和面试个数反映出来的就业能力与就业结果都是正相关的。这也在很大程度上证明了子命题1.2一部分的正确性，即通过就业行为反映出来的就业能力与就业结果是相对应的。
