个人社会资本对大学生就业市场的影响，本文主要内容关键词为：就业市场论文,资本论文,大学生论文,社会论文，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。
一、问题的提出
近年来，随着中国高等教育规模的迅速扩大，大学毕业生就业问题变得越来越严重。在影响就业的各种微观因素中，个人非社会资本因素（包括个人人力资本、公共信息）和个人社会资本因素可能起着重要的作用。与此相关联的一个理论问题是，与个人非社会资本因素相比，大学毕业生个人的社会资本尤其是社会网络对个体就业和工资存在什么样的影响？能否促进整体劳动力市场效率？本文旨在从比较的角度对个人社会资本或网络的使用进行效率判断，以施行加强性或替代性的公共政策。
许多早期的国外研究支持“社会资本或社会网络有助于提高劳动力市场效率”的假说。在西方发达国家，尽管个人正式的工作搜寻（如寻访公司、参加招聘会等）是影响个体就业和工资的重要因素，但半数以上的个体往往会利用其拥有的社会资本尤其是社会网络寻找工作(Holzer,1987; Campbell等，1990)。理由在于，一方面，从工人的角度看，通过社会资本或网络去寻找工作，成本较低，且具有更高的工作匹配程度(Holzer,1988; Montgomery,1991)；另一方面，公司也乐于采用社会资本或网络招募工人，因为公司可以招募到高质量的工人(Rees,1966; Doeringer等，1971)。因此，社会资本或社会网络的运用将促进劳动力市场效率：借助社会资本或网络的工人将获得更高工资，就业概率更高，公司也将获得更高利润(Montgomery,1991)。因此，这也将是检验劳动力市场效率的重要标准。
然而，近期一些文献也讨论了社会网络造成的无效率问题。一方面，过多的社会网络使用，可能减弱了失业造成的压力，造成工人的工作搜寻动力不足，从而过少使用正式的工作搜寻方法，导致失业率上升，如欧洲南部地中海地区国家的高失业率现象(Cahuc等，2002)；另一方面，即使我们承认社会网络对就业的正影响，但这种影响可能是凹的，因此，过多的社会网络容易造成“拥挤效应”(Wahba等，2003)。尤其在城市，因为每一个人有太多的朋友传递信息，造成了就业信息的竞争，相互间造成了负的外部性。
本文通过考察个人社会资本对就业和工资的影响来判断中国大学毕业生劳动力市场效率。首先从“质”与“量”的角度来区分社会资本因素，并将其与非社会资本因素（主要是人力资本和公共信息）进行对比分析；并利用“2005年大学生就业课题组”采集的微观问卷调查数据，确保研究具有明显的独特意义。已有国内相关研究均采用经典的OLS估计或单一的Logit估计（郑美群等，2005；陈成文、邝小军，2004；岳昌君等，2004），估计结果均具有选择性偏差，并影响到结论的可靠性。本研究采用Heckman两步法进行估计，从而可以更准确地把握各因素对就业概率和初始工资的影响。
二、计量方法与数据
在微观个体数据的采集过程中，由于具有工资数据的样本不具有随机数据的特征，因此，对所得工资数据的回归将造成选择性偏差（伍德里奇，2003）。基于此，本文在计量亡采用Heckman两步法，其回归方程有两个，一个是就业概率方程，另一个是工资方程。
就业概率方程：
本文所使用的数据来源于“大学生就业问题课题组”2005年5～6月进行的“大学毕业生就业问卷调查”，调查采用分层整体抽样法，在湖南、江西、广西等地选择了30余所大专以上院校，其中“211重点院校”2所，一般本科院校7所，国有民办二级学院5所，其他职业院校18所，问卷调查的对象是2005届毕业生。此次调查共发出问卷7000份，回收问卷4500份，有效问卷3300余份。由于调查注重了不同地域、不同级别、不同专业、不同生源特点，因此，能较为客观地反映大学生就业的真实状况。
表1 大学生毕业后的去向
已经签约 自主创业
继续深造或出国
尚未找到接收单位 其他总计
人数（人）
984436
540 757
4743191
比例(%) 30.84 13.66 16.9223.72 14.82
100
问卷将学生是否就业分为“已经签约”、“自主创业”、“继续升学或出国”、“尚未找到工作”和“其他”5种情形。在3191个样本中，毕业后的去向及所占比例如表1所示。
由于大学毕业生中“自主创业”和“继续深造或出国”没有工资数据，因此在用Heckman两步法对就业概率和初始工资进行估计时，只定义“已经签约”为就业，“尚未找到接受单位”为非就业。这样，删除1450个样本，还剩1741个，其中“已就业”984个，“未就业”757个。
对于分类解释变量，也就是自变量，我们采用虚拟变量的方式。本文选取以下因素作为影响大学生就业的“社会资本”因素，并将其划分为数量因素和质量因素。(1)数量因素：学校地点，以“地级市”为基准变量；找熟人帮忙，以“没有托熟人帮忙”为基准变量。“找熟人帮忙”是明显的“社会资本”数量因素；同时，一般来说，省会城市的人口密度要大于地级市，因此，在省会读书的大学生就可能接触更多的社会关系，增加其社会资本，所以，“学校地点”也是数量因素。(2)质量因素：学校类型，以“职业技术学院”为基准变量；父母最高文化程度，以“高中及以下”为基准变量；父亲的工作性质，以“其他”为基准变量。学校类型决定校友资源的质量，父母文化程度和父亲工作性质则决定家庭社会资本的质量。
另外，还有一些因素对社会资本的数量和质量都有影响。以“是否是党员”为例，加入“中国共产党”，其实就如同加入了一个社会团体，有机会结识更多的人，同时，所结识的也大多是各方面比较优秀的人，因而它同时影响数量和质量。这些双重因素包括：“是否是党员”，以“否”为基准变量；“是否做过学生干部”，以“否”为基准变量；“家庭所在地”，以“西部省份”为基准变量；“家庭所在地”，以“农村”为基准变量。
三、估计结果及分析
本文运用Stata软件对样本数据进行Heckman两步法回归，经过多次反复检验，最终确定进入工资方程的解释变量和控制变量。其中，社会资本因素有“学校类型”、“是否是党员”、“是否是学生干部”、“家庭所在地”、“父母最高文化程度”、“父亲工作性质”；非社会资本因素有“所学专业”、“学历层次”、“成绩排名”、“是否获得过奖学金”、“是否通过英语四六级”、“是否有实习或兼职经验”、“参加的面试次数”、“求职花费”。而进入就业概率方程的自变量则还要加上“是否找了熟人帮忙”、“是否参加了就业指导”、“学校是否提供了就业信息”等变量，以便消除多重共线性。
（一）社会资本对就业概率影响的回归分析
在就业概率方程中，将通过10%显著水平检验的自变量归纳为表2。
这些自变量分为社会资本因素和非社会资本因素，并按系数β从大到小排列。第二列为回归估计结果，也就是Probit模型的系数β；第三列是各自变量对应的p值，均小于0.1；第四列
是Z=α+βX(X=1)的值，即当以上各自变量取1时的Z值；第五列是对应的Probit模型的F()，也就是此时的就业概率；而第六列
表示Z=α+βX(X=0)的值，也即各自变量取基准变量时的Z，第七列为相对应的F()。最后一列是各自变量取1和取基准变量时的就业概率之差：若为正，则表示相对于基准变量而言，自变量取1时的就业概率要高；反之，为负则低。
从表2可以看出，尽管部分“社会资本”因素对大学生就业具有显著的正影响，尤其是质量因素对就业概率的影响比数量因素大，但大量的社会资本因素对就业没有显著正影响。
一方面，社会资本因素对就业概率有一定的正影响。在学校类型中，相对于基准变量“职业技术学院”，“211重点院校”的学生找工作有显著的优势，他们找到工作的概率高出“其他院校”约7.79%。同时，家庭社会资本对大学生就业的影响比大学生自身社会资本的积累似乎更为重要。父亲的工作性质中，“科级以上干部”的子女找工作相对有显著的优势，约高5.5%；父母的最高文化程度一项中，“中专文化”的父母的子女找到工作的概率显著高于基准变量“高中及以下”，高出3.43%。家庭所在地中，“东部省份”的学生相对“西部省份”的学生具有明显的优势，就业率高出3.43%。大学生自身社会资本的积累因素中，“党员”和“当过学生干部”的学生就业概率高出3.43%。
但另一方面，多项社会资本变量对就业没有显著影响：包括学校类型中的“普通本科”，学校地处“省会城市”，家庭所在地为“城市”，父母文化程度为“大专”、“本科及以上”，父母职业为“干部”、“专业技术人员”和“经理”等。甚至在“托熟人帮忙”这一项上，相对于基准变量“没有”“找了1～3个人”的效果不显著，而“找了4人以上”的却有显著的负影响，就业概率低3.62%。
我们将所有显著影响就业的因素，不管是社会资本因素还是非社会资本因素，按系数从大到小排列，结果发现，影响就业的前三位因素都是非社会资本因素，即“学生专业”、“学校的就业指导”和“学校提供的就业信息”。例如，“经济管理”专业的就业率显著高于基准变量“医学”专业的学生16.2%；学校就业指导在“4次以上”，学生的就业概率提高约13%；学校提供的就业信息“充足”，就业概率提高10.33%。同时，我们也可以看出，即使学校的就业指导只有“1～3次”，提供的就业信息“一般”，学生的就业概率也会有3.43%的提高。此外，“获得过奖学金的学生”比没有获得过的学生就业概率高近5.5%，它对就业的影响高于“父亲的工作性质”和“父母的最高学历”等家庭社会资本因素；“获得非英语证书”的大学生就业也存在明显的优势，他们比其他学生就业概率高3.43%。这说明，在提高就业概率上，学生自身的素质比其家庭出身更为重要。
以上结果说明，尽管社会资本因素对就业有一定正影响，但总体来说，影响程度有限。学生自身的非社会资本因素对其就业概率的影响远远大于社会资本。
（二）社会资本对初始工资影响的回归分析
接下来分析社会资本对初始工资的影响。在工资方程中，将所有通过10%显著性水平检验的自变量归纳为表3。
表3 社会资本对初始工资影响的计量分析结果
自变量
系数β p值
自变量 系数βp值
211重点院校 0.308182 0.0000经济管理专业0.72459210.0010
普通本科院校 0.1596452 0.0010农林专业0.57534570.0200
家在东部省份 0.0954391 0.0880求职花费在1000元以上0.12337090.0190
父母学历中专-0.0803513 0.0820本科学历0.08642490.1000
父亲是科级以上干部 -0.1053788 0.0800获得英语四、六级证书0.07178450.0720
党员-0.1211281 0.0020参加过3～5次面试
-0.07774890.0950
理科专业 0.8093643 0.0000有兼职或实习经验
-0.09181090.0360
文、史、哲专业
0.7720958 0.0000常数项 2.873555 0.0000
工科专业 0.7343454 0.0010
首先，社会资本对大学毕业生初始工资的正影响不显著。一方面，尽管“学校类型”和“家庭所在地”两项对初始工资有显著正影响，如“211重点院校”的学生找到工作后的工资要高大约30.8%，“普通本科院校”的学生也要高出约16%。然而“学校类型”是一个双重的因素，既是社会资本因素，又是非社会资本因素，这些学校的学生能够获得高工资，既是他们利用校友资源获得的，更多的是学校声望和学生自身能力的体现。
其次，剩下的三个社会资本因素，“父母最高文化程度”、“父亲的工作性质”和“是否是党员”，却对初始工资有负的影响。父亲是“科级以上干部”的，子女的工资要低于基准变量“其他”约10.5%；“党员”毕业生的工资竟然比非党员毕业生工资低12.1%。而在Probit方程中，它们对就业概率都是正的影响。
再次，从总体看，对工资影响最大的是学生的非社会资本因素，尤其是人力资本因素。其他因素不变条件下，相对于基准变量“医学”专业，所就读的“专业”，包括文学、史学、经济管理、理工科和农学专业，对初始工资的影响均显著为正，其中工资最低的“农学”专业的学生都要高出57.5%，而工资最高的“理学”专业的学生竟高出医学专业学生近81%。其中的主要原因在于，本次调查问卷所调查的医学类学校全是职业技术学院，学生的初始工资要远低于“211重点院校”和普通本科院校。对工资有显著正影响的其他一些非社会资本因素包括：“找工作的花费”、“学历层次”和“学生英语过级情况”。同时，我们发现，“学校提供的就业指导”和“学校提供的就业信息”这两个对就业概率有显著影响的因素，对初始工资却几乎没有影响。
以上分析表明，尽管部分社会资本因素对就业有显著正的影响，但总体来说，社会资本尤其是社会网络对提高就业概率的作用不大；而且，社会资本尤其是社会网络对初始工资基本上没有正影响，甚至有负的影响。这说明，当前学生自身的社会资本因素基本上无助于劳动力市场效率的改进。
西方大量的相关研究得到了社会资本或网络有助于劳动力市场效率的结论，而我们的结论则完全相反。虽然岳昌君等(2004)也认为，个人社会资本因素对大学生就业没有显著影响，理由可能是学生就读的学校与生源地相距太远，导致个人社会网络不能发挥作用，但本文的结果不支持他们的假说。因为本文数据来源的地区性更强，学校与生源地距离更近，仍然得到“社会资本没有显著影响”的结论。因此，我们需要寻找其他的理由。
一个可能的原因是中国劳动力市场的转型特征，即已经基本完成了由计划经济体制向市场化体制的转型，企业或公司用人机制更趋于市场理性化，导致劳动力供给者的个人社会资本因素作用消失，尤其是对劳动力供给者的初始工资影响。在计划经济体制下，企业不以追求经济效益为目标，因此，用人上的“唯关系论”在所难免，但随着企业或公司改制的完成，许多用人单位明确限定了招聘的底线要求，所以，即使一个大学毕业生拥有良好的社会资本，也同时需要拥有相应的非社会资本，如人力资本因素。
第二个可能的原因，是中国劳动力市场的过剩特征。已有西方研究之所以得到个人社会资本或网络有助于劳动力市场效率的结论，是因为他们以发达国家的劳动力市场为背景，主要问题是解决劳动力短缺问题，因此，主要是雇主借助于社会网络招募工人，动力主要来自于劳动力需求方；而在中国，主要问题是解决就业，动力来自于劳动力供给方。劳动力市场供过于求，大学毕业生运用社会资本求职只是单方向的，雇主的工作空位很容易被填充，因此没有利用社会资本招募工人的动力。同时，在西方社会，现有雇员往往推荐够资格者以保护自己的声誉(Rees,1966; Doeringer等，1971)，也就是负“连带”责任；而在中国，工作推荐者往往是不负责任的，推荐的往往是“关系户”。因此，个体社会资本尤其是社会网络可能会损害市场效率。
第三个可能的原因，是大学毕业生市场的特殊性。(1)现代信息社会已不同于过去，网络的利用大大降低了正式搜寻的相对成本，劳动力供需双方不必像以前那样依赖社会资本尤其是社会网络进行工作匹配，尤其对于大学毕业生这一群体而言，对互联网的利用会更加充分；(2)大学毕业生所处的市场是一个高端劳动力市场，面向的是技术岗位，因此，雇主更愿意为此付出更高的招募成本。
四、结论和政策建议
（一）基本结论
通过上述分析，可以得到以下结论：(1)尽管部分社会资本的“质”和“量”对就业有一定的显著正影响，但从总体来看，学生自身社会资本因素无助于劳动力市场效率的改进。我们的经验研究表明，大量的社会资本因素对提高就业概率和初始工资没有显著正影响；社会资本中的社会网络因素，对就业和工资提高甚至具有显著的负影响。(2)非社会资本因素是影响就业和初始工资的决定性因素，也是促进劳动力市场效率的主要着眼点。“学校提供的就业指导”和“信息”主要影响就业概率；而个人人力资本因素，包括“学历”、“获得四、六级证书”等，则主要影响初始工资。
我们的这一结论也表明，中国的劳动力市场转型取得了实质性成就，因为用人机制逐步向市场化、人力资本化的方向转变。但我们的结论存在两个理论缺陷：一是由于只有一个年度（2005年）的微观数据，我们不能通过面板数据来检验时间序列上个人社会资本或网络对就业是否存在明显差异，比如说，是否按照预期，随着市场化的演进，其作用逐步减弱？二是我们的数据来源地域性较强，基本上来自于中部地区，因此，数据覆盖面不大，可能影响结论的可靠性。因此，进一步的研究需要提高数据的质量。
（二）政策建议
我们的研究结论表明，个人人力资本和公共信息两大因素是影响劳动力市场效率的重要力量。因此，政府和管理部门可以运用公共政策进行积极干预。我们认为，一个重要的政策转变就是，政府和管理部门要把提供和加强公共信息传播作为公共教育政策的重要组成部分来对待。如果把高等教育人才培养看做“产品”的全过程，学生在校期间是产品的“生产”阶段，毕业生的就业过程是产品的“销售”阶段，那么，政府就应该为劳动力这种产品的“销售”提供“公共产品”。也就是说，政府对高等教育的公共资助，应该由教育的“生产”环节转向“销售”环节。传统体制下的“统包统分”固然不对，完全的放任自流也一样极端，二者均不可取。因为，即使在西方发达国家，劳动力市场也仍然是一个特殊的信息不完全市场，政府的公共信息传播对于个人的工作搜寻成功非常重要，能够有效提高劳动力市场效率。因此，政府和相关教育管理部门应该关注以下几个方面的工作。
第一，政府公共信息传播政策的“深化”。当前，尽管各级劳动人事部门进行了许多有益的就业信息传播，但明显是应急性的措施，限于部门职能之责，并没有与整个高等教育发展体系结合起来思考。政府公共教育政策调整的一个重要方面就是，原有这些信息传播措施都需要进一步“深化”。具体体现在，专门的人员配备和组织；人员素质及其培训；信息的搜集及加工整理；劳动力供需的科学预测等。尤其重要的是，各级财政要安排专门的教育经费用于公共信息传播。以往的公共教育政策只注重教育过程中的投入，如大量的实验设备、资产等，却忽视了就业环节中的公共支持。各级教育评估时也往往只重“硬件”建设，不看“软件”建设。今后，可能需要设置长期专门的经费账户，并确保经费充足。
第二，政府公共信息传播政策的“广化”。一是就业信息搜集面的扩大，既涵盖厂商空缺岗位信息，又覆盖失业者信息；既覆盖大中城市，又涉及城镇与农村。二是信息平台的拓展，既利用好劳动力交易市场等实体场所，又充分发挥互联网搜集信息的便捷优势。三是协调好政府公共信息传播与市场职业中介机构的关系，明确各自的作用领域，规范市场中介行为。
第三，学校既要抓高质量的教育，也要抓大学生的就业指导。而且要贯穿于一个大学生整个大学期间的全过程。高质量的教育有助于提升学生的人力资本，后者又有助于提升学校品牌，二者相得益彰。同时，要将就业指导与人生观教育、专业思想教育、实践经验、合作精神等紧密联系起来，进行系统性的教育，让学生在成长过程中尽早适应社会的需要。