大学生就业力结构模型的重构与启示，本文主要内容关键词为：大学生就业论文,重构论文,启示论文,模型论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F08；G40—054 文献标识码：A 文章编号：1003—4870(2014)06—0040—07 人力资本理论推崇教育的经济价值，高等教育的经济价值体现在其引发的人力资本聚集为我国产业结构升级和经济增长提供的强力支撑，但现实中产业结构升级的相对滞后，又引发了大学生就业难的社会顽疾。筛选假设理论对教育投资引发受教育者失业的质疑和对雇主如何筛选求职者的探究，引发了学界对受教育者所体现出来的能力“信号”的理性思考，笔者认为，这种思考本质上是对人力资本质量的考量。在人力资本理论与筛选假设理论的交叉地带，能否利用市场筛选的标准，定位并分析受教育者能力结构，探寻其质量提升的“内源式”发展路径，是个值得研究的新问题。特别是在调整产业结构的早期阶段，政府和高校如果能完成人力资本积累和劳动者素质能力提升的双层任务，不仅会为破解就业问题提供现实路径，也会为我国产业结构调整的深层推进提供内在动力。所以，深入探究高等教育培养人才的就业力现状，基于人才筛选标准的视角对大学生就业力结构进行靶向分析，使大学生就业力结构更加具象、清晰，促使大学生就业能力的信号与雇主筛选标准更趋匹配，成为了当前更充分自主择业时期的重要任务，这也是本文致力研究的内容。大学生就业力的定义较早由英国提高学生就业力合作组织(ESECT)提出，其将就业力(Employment Competence)定义为“一个组织使人更好的就业并能使他们成功的胜任所选择的职业的能力，包括成就、理解力和个人特质”[1]。对大学生就业力结构的描述可追溯到1997年英国高等教育全国调查委员会发布的《迪尔英报告》(The Dearing Report)，该报告的重要成果之一就是将“沟通、计算、利用信息技术和学会如何学习”确定为毕业生生涯成功的四项关键技能[2]。大学生就业力结构模型的构建最初可见于英国学者耐特和约克(Peter T Knight & Mant Yorke)的研究中，他们于2006年提出由可雇佣性构成的USEM理论，继而构建了可雇佣性模型。在这一模型中，可雇佣性由学科理解力、技能、自我效能感及元认知能力组成[3]。可雇佣性(Employability)在国内被称作就业能力，该模型引入国内后被学者广泛应用，但其测量维度对我国高等教育的适应性也存有争议，这成为该模型本土化的一大掣肘。 国内关于大学生就业力结构的研究并不多，且大多从学生自身的角度出发梳理能力结构，较少有基于数据和实证方面的调查研究，更少有人构建就业力结构模型。部分学者从人力资本理论的角度，阐释了高等教育人才培养与产业结构调整的关系，较为宏观地指出高校在解决人才培养模式与劳动力市场需求结构错位的方法策略[4]；也有学者在较小的区域内进行了问卷调查，分析了局部就业市场上大学生就业力的结构模型，如张体勤等构建了由谈判能力、捕捉机遇能力、压力承受能力、口头表达能力、问题解决能力、协调组织能力等十个指标组成的大学生就业力结构模型[5]；乔志宏等在Fugate提出的就业能力结构变量基础上，构建了大学生就业能力由适应性、职业认同、人力资本和社会资本组成的结构模型[6]。综合现有研究结果，当前我国关于大学生就业力结构的研究大都停留在现象描述和理论分析上，虽然较少研究基于区域性数据得出了大学生就业力结构的模型，但数据代表性不足，特别是对就业力结构模型中要素之间的相互影响缺乏探析。本文将通过大范围问卷调查和数据分析，致力于建构通适性更强、结构更加清晰、完整的大学生就业力结构模型，并阐释由模型建构而得出的有关启示。 二、数据获取与研究方法 为了获取反映我国大学生就业能力水平的有关指标，笔者从CNKI数据库中遴选了2008年来关于大学生就业力研究的论文173篇，整理出大学生就业力指标54个，然后选取50家用人单位作为调查和访谈对象，并按照指标重要程度筛选出23个影响因素。以这23个影响因素为基础，构建了衡量大学生就业力水平的指标框架，并对照指标框架制定了大学生就业力自我测评调查问卷。 (一)研究范围界定 本文只针对全日制本科生进行研究、讨论和分析，故而，文内大学生界定为本科生。 (二)指标框架的制定 在根据文献梳理的54个指标基础上，从国有企业、外资企业、合资企业、私营企业(民营企业)、机关及事业单位中，共选取50家用人单位作为调查和访谈对象，从中随机选取高层决策者、人力资源(人事)部门管理者342人作为调查样本，对54个就业力指标的重要性进行调查，最终按照指标重要程度进行排序，筛选出23个指标，并据此制定了就业力指标框架。 (三)问卷设计、施测 考虑到指标框架中的定性指标较多，为对定性指标进行定量测评，调查问卷中的定性指标以及定量指标统一采用百分制的形式进行打分。 为了使调查数据更具代表性，本研究在全国范围选择了20所高校进行问卷调查。从办学层次上看，有“985工程”院校、“211工程”院校、省属重点本科和省属普通本科院校；从办学类型看，有研究型大学、教学型大学、研究教学型大学和教学研究型大学；从类别上看，既有综合类、理工类大学，又有师范类、医学类、政法类大学；从所在区域来看，东、中、西部高校分别有9所、5所和6所。 施测中，在每所高校本科应届毕业生中随机发放问卷100份，共发放问卷2000份，回收1805份，其中有效问卷1534份，有效回收率为76.7%。在有效施测对象中，男生840人，女生694人；文科学生819人，理工科学生715人；涉及本科专业119个。整体而言，被调查高校的地域分布、水平层次、办学类型分布合理，调查对象的专业涉及面广，问卷结论应该具备较好的代表性。 (四)问卷信度、效度检验 为检验施测问卷的稳定性，测量所获资料的可靠程度，本文针对1534份有效问卷所获取的信息进行我国大学生就业力构成要素的信度分析，23个变量的克隆巴赫系数(Cronbach's alpha)α值为0.915＞0.6，表明该问卷的信度较为理想。 为测量问卷中各题项能否代表所要测量的内容或要素，本文从内容效度上进行分析施测工具包含研究主题的程度。本文选择单项与总和相关系数来测量问卷的效度，即采用单项与总和相关分析法获得相关系数，如果所得相关系数不显著，表明该题项鉴别力低，反之表明鉴别力高。通过将每个变量与变量总和分别进行相关分析后发现，问卷所考察的每个单项变量与变量总和的相关系数均在在0.01水平上显著，表明将各项问题列入因子分析具有较高的研究价值和可靠性。 在KMO和巴特利特(Bartlett)球度检验中，统计量的观测值为17651.471，相应的概率P值近似为0.000，小于显著水平0.05，可说明单位矩阵与相关系数矩阵存在显著差异。KMO值为0.939，接近于1，表明得到的数据适合做因子分析。 (五)基于主成分分析法的因子分析 为了分析各指标的内在联系，准确定位提升就业力的关键增值要素，需要将较为分散的23个测量指标归类成几个综合性指标，本文采用因子分析法中的主成分分析法实现这一目的。主成分分析法是“一种数学变换的方法，它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列”，并且“在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分，依次类推，最后一个主成分具有的方差最小，并且每个主成分和前面的主成分都不相关”[7]。 本文中主成分分析是通过坐标变换的手段，将原有的p(p=23)个相关变量
进行线性组合，变换为一组不相关的变量
，公式如下：
即
依次为原有变量的主成分，其中
在总方差中所占比例最大，其余主成分在总方差中所占比例依次递减[8]。 原有23个描述大学生就业力的指标具有较大的关联性，通过主成分分析降维后的综合指标变量解释了原有指标体系中的大部分变量。为了更好的解释每个因子的实际意义，需要对数据进行极大方差旋转处理，使得旋转所得新因子及其载荷具有更简单的结构和更明显的实际意义。 最终，通过极大方差旋转和方差贡献率的综合衡量，本文将原有23个指标归类为6个新因子，并按各因子对方差贡献值的大小作为指标的权重，得出了反映当前大学生就业力结构的综合指标。 三、因子分析及回归分析 通过主成分分析和极大方差旋转后，从23个指标中得到了6个主因子(综合指标)，变量相关系数矩阵的前6个主因子的特征值都大于1，且揭示了原始变量标准化方差的78.495%。这6个主因子被旋转和提取后，使得其含义更为清楚，更容易进行聚类分析，为更好地立大学生就业力结构框架体系提供了数据依据。为此，本文将反映大学生就业力的因素分为6个大类(见表1)，进而探究大学生就业力的组成与现状。
(一)因子分析结果及因子解释 为更好地探析大学生就业力的组成，本文将依据因子载荷与因子分类表为6个因子进行适当命名(见表2)。按照因子方差贡献率的大小，6个因子分别命名为：工作能力、外显特质、职业素养、社交能力、素质拓展、个人背景。 1.工作能力 该项主成分包含了实践动手能力、解决问题能力、创新能力、创业精神、应变能力、职业规划能力、学习能力、表达能力等8个负荷值大于0.5的变量，该因子描述的是大学生在工作中应体现出来的各种素质和能力，因此命名为工作能力。工作能力因子的方差贡献率为21.878%，是6个因子中最大的。 2.外显特质 该项主成分包含的主要变量有个人气质、外在形象和学业成绩，其中个人气质和外在形象是大学生在求职时的外显特征，学业成绩则是直接交呈用人单位的书面材料(主要是成绩单)，所以综合3个变量在求职时的作用，将第二个主成分命名为外显特质。这项指标反映的是大学生给用人单位的直观形象，也是大学生获得就业机会的叩门石。外显特质因子方差解释的贡献率为14.499%，在6个因子中排在第2位。 3.职业素养 该项主成分包含的主要变量有敬业精神、工作忠诚度和求职目标，这3个变量组成的因素是用人单位考查学生职业化水平高低的主要方面，求职目标也包含了求职动机，它们结合起来反映的是大学生从择业到从业过程中所需要的职业素养，因此将第三个主成分命名为职业素养。该因子方差解释的贡献率为12.931%，在6个因子中排在第3位。
4.社交能力 该项主成分包含的主要变量有团队协作能力、组织沟通能力和社会适应能力，均为个体与组织间互动联系，形成良性双向推动力量的发展要素，体现的是个体融入组织，在推动组织发展的同时实现个人的成长进步的一类能力，因此将该主成分命名为社交能力。该因子方差解释的贡献率为12.562%，与第3个主成分大致相当。 5.素质拓展 该项主成分包含的主要变量有获奖情况、社会实践经历和职业认证，属于大学生就业力中的显性因素、个性因素，也是区别于其他求职者的竞争性优势，因此将该主成分命名为素质拓展。在用人单位招聘大学生的初选阶段，素质拓展因子中包含3项要素是具有决定性作用的重要能力组成。该因子方差解释的贡献率为8.354%，在6个因子中排在第5位。 6.个人背景 该项主成分包含的主要变量有学校背景、家庭背景和专业类型，是大学生就业能力的固定组成部分，在此命名为个人背景。该因子方差解释的贡献率为8.271%，在6个因子中排在末位。 (二)因子综合得分与回归分析 为了深入分析6个因子之间的关系，本文将针对各原始变量的均值和因子载荷值进行回归分析，进而探讨各因子与大学生就业力的相关性。 1.均值分析 通过对各因子中包含变量均值的再次平均计算，得出了因子平均值，按照均值大小降序排列，得出因子中变量均值的平均值一览表(见表3)。数据显示，职业素养和社交能力两个综合指标得分排名靠前，说明大学生对已储备的两种素质能力自评较高。而个人背景和素质拓展因大学生自评分值较低，排在6个综合指标的末席。 2.相关性分析 通过相关性分析，得出了6个因子之间存在的联系及相关程度(见表4)。根据相关系数可知，外显特质与素质拓展、职业素养与素质拓展、职业素养与个人背景三对因子之间的相关关系不显著，其他因子均存在显著的两两相关关系，这充分说明6个因子对大学生就业力水平的影响并不是完全独立的。结合因子的相关关系与理论含义，本文将外显特质、素质拓展、个人背景三个因子归类为大学生就业力组成结构中的显性指标；将工作能力、职业素养、社交能力三个因子归类为隐性指标。
3.因子的综合得分计算 如果要对调查对象的就业力水平进行综合评价，需要计算各因子的得分，并以各因子的方差贡献率为权重计算出综合得分，本文选取如下模型进行计算[9]。
F为原始变量综合得分值，
为因子得分，运用以上7个方程式即可得出每个调查对象的就业力水平得分值及排名情况。 4.回归结果分析 利用线性回归模型，将上述得分结果进行回归，方程式如下：
Y代表就业力水平，
分别代表工作能力、外显特质、职业素养、社交能力、素质拓展、个人背景，ε代表随机扰动项[10]。 本文以就业力水平为因变量，分别以各因子中载荷分值最大的变量和均值最大的变量为自变量进行两次回归分析(见表5)，结果显示回归1的相关系数R值较高，且因子数量更加合理，所以本文采用回归1的结果进行分析。从回归1的T检验及相关性分析，
在t=0.05显著性水平下通过了检验，且R值显示出选用方程的拟合度很高，表示出很好的解释能力，P=0.000＜0.01，可以认为Y与
之间的线性回归关系显著。根据β值可以得出，自变量对因变量影响程度最大的为个人背景，其余依次为素质拓展、职业素养、工作能力、外显特质、社交能力。 四、结论及建议 本文致力于探析我国大学生就业力的组成结构及其影响，在对大学生就业力结构进行测量的同时，链接就业市场的人才筛选标准，双向定位大学生就业力的23个变量，运用因子分析中的主成分分析法提取出6个因子，并进行相关性分析和回归分析，探测到因子间的关联及对就业力水平的线性影响关系。最终得出以下结论和建议：
其一，当前，我国大学生就业力结构主要由工作能力、外显特质、职业素养、社交能力、素质拓展、个人背景6部分构成。基于此，本文创新性地建构了我国大学生就业力结构模型(见图1)。该模型涵盖的各种素质能力使得大学生在特定组织的人才筛选中，具备特定的竞争力，并能促使其职业生涯不断发展进步。
图1 大学生就业力结构模型图 较之于其他学者创建的模型，本研究建构模型的创新之处在于：一是构建模型的变量经过用人单位靶定，对大学生就业力的定位测量更加实用、准确，研究路径与就业市场上双向选择的轨迹更加吻合；二是把大学生就业力结构清晰地厘定为显性和隐形两部分，运用指标进行细分、描述，使抽象、模糊的大学生就业力以更加具象的结构展现；三是构建模型的基础数据更具代表性，数据来源打破地域局限，在全国范围合理分布，样本选取方法更科学，使得所构建模型比基于地域数据得出的模型更具通适性；四是模型构建过程中，利用主成分分析和回归分析法对各测量指标和维度之间的内在联系进行了分析，使得指标归类更加准确，从而整个模型对大学生就业力结构的解释更加适切。 其二，从因子中变量均值的平均值看，大学生对职业素养、社交能力和工作能力等隐性指标自我评价较高，而外显特质、个人背景和素质拓展等显性指标相对较低。建议求职者一方面要注重显性指标中可控因素(如个人形象气质、社会实践经历)的提升，另一方面要更加重视求职过程中隐性指标所包含丰富能力的挖掘和展示。现实中，很多学生在求职过程中表现地不够自信，没有正确认识自己能力结构，无法向用人单位充分展示储备的丰富能力，导致了劳动力信息失真，在一定程度上也影响了劳动力市场上人职的顺畅对接、匹配。 其三，根据回归结果可知，6个因子中，个人背景发生变化时对大学生就业力水平影响最大，素质拓展次之。由于个人背景是大学生就业能力中几乎固定不变的组成，所以，素质拓展是提升大学生就业力水平的关键增值因素，这一点与“学生对素质拓展自测打分结果较低”遥相呼应。从而，本文认为增加大学生在校期间的获奖积累、丰富社会实践经历、加强职业资格认证和培训是提升大学生就业力水平的重要举措。 其四，从大学生的能力组成结构看，隐性指标涵盖内容(从原始变量的数量来看)要远大于显性指标，所以，本文建议用人单位选拔人才时应通过多种方式，从多个角度全面考查学生能力，尽量避免依靠单一的“材料选人”、“笔试选人”模式，从多个角度探测学生具备的综合能力。同时，建议用人单位依照岗位要求制定合理、科学的人才筛选标准，通过对学生具备的显性指标和隐性指标的综合考察，衡量学生就业能力与岗位的匹配度，做到合理选才、人尽其才。 其五，从当前大学生就业能力结构出发，政府教育行政部门应组织力量调研我国人力资本积累的现状，理清人力资本积累——产业结构调整——扩大就业之间的复杂关系，加大对大学生就业、创业的支持力度，释放人力资源的巨大潜能，充分发挥大学生在推进产业结构升级中的重要作用。
标签：大学论文; 大学生论文; 因子分析论文; 成分分析论文; 方差分析论文; 因子载荷论文; 能力模型论文; 大学生现状论文; 解释变量论文; 素质拓展论文;
