高校毕业生就业状况监测指标体系分析与建构

刘海滨，徐 文

（东北师范大学教育科学学院，思想政治教育研究中心，吉林长春130024）

高校毕业生就业状况监测指标体系分析与建构

刘海滨，徐 文

（东北师范大学教育科学学院，思想政治教育研究中心，吉林长春130024）

高校毕业生就业状况一直是政府、高校和社会广泛关注的焦点，笔者对当前我国高校毕业生就业状况监测指标进行了全面梳理和分析，提出了构建高校毕业生就业状况监测指标体的原则。在此基础上，构建出一套高校毕业生就业状况监测指标体系，并运用层次分析法和模糊综合评价法得到数值型监测结果——高校毕业生就业状况指数，用来表征高校毕业生就业状况。

高校毕业生；就业监测；指标体系

高校毕业生就业状况监测是指对高校毕业生就业的状况进行动态的呈现，通过统计学、计算机科学等相关学科的原理，结合经验对毕业生就业状况进行趋势预测与危机预警，而高校毕业生就业状况监测内容的总合即是监测指标体系。

1999年，教育部第一次向社会公布直属高校毕业生就业率被视为我国高校毕业生就业状况监测的开始，虽然经过了10多年的发展，但目前我国高校毕业生就业状况监测仍处于起步阶段，尚未形成权威的就业状况监测指标体系。

高校毕业生就业状况监测指标体系目前存在4方面的问题：一是指标比较单一和片面，不能很好地反映毕业生就业整体状况；二是指标偏重于“量”而忽略“质”，不能很好地反映监测主体间的差异性；三是指标统计时缺乏统一的标准与操作方法，即使按照同一指标进行统计，统计结果的准确性也不高；四是指标间关联度较差，较多关注的是高校毕业生，而较少考查与毕业生表现高度相关，并提供教育服务的高校这一主体［1］，同时也缺失通过指标间加权运算后综合反映高校毕业生就业状况的权威指标。因此，构建一套全面、科学、规范的高校毕业生就业状况监测指标体系尤为迫切。

一、高校毕业生就业状况监测指标体系构建的原则

（一）全面性原则

高校毕业生就业状况的监测是一项系统工程，监测主体包括国家、社会、高校、毕业生、家长等，监测内容包括就业质量和就业数量、客观状况和主观状况等多方面要素。因此，指标的构建要充分考虑各主体的监测需求，将各方面内容进行综合处理，最终全面反映高校毕业生就业状况。

（二）独立性原则

主要是指标与指标之间需要通过一定的分类规则，彼此之间要相对独立，尽可能地避免重复或者耦合。

（三）可评性原则

指标的目的是要让相关人员来进行评价。因此，在构建指标体系的时候，应该让相关人员能够对指标的好坏程度作出尽可能的准确判断，避免模棱两可的评价和选择。

（四）可测性原则

用于监测的每项指标应该具有明确的物理内涵和一定范围的外延，有量和客观的测量标准，并在科学、准确的前提下，力求数据采集简单易行，便于计算和使用。

二、高校毕业生就业状况监测指标体系的指标项

基于上述基本原则，在充分借鉴国外相关研究成果的基础上，结合我国高校毕业生的就业特点，设计就业率等相关指标项117个。本研究在117个指标项的基础上，设计调查问卷，问题设置上客观调查与主观回答相结合，通过邮件、网络等途径发放问卷5500张，回收有效问卷4981张。通过对调查问卷的统计结果的研究并集合专家意见，现建构出以就业率等5个一级指标和26个二级指标构成的高校毕业生就业状况监测指标体系（见表1）。

表1 高校毕业生就业状况监测指标体系

（一）就业率指标（A1）

就业率是指就业毕业生占需就业毕业生总数的百分比，它不仅成为社会和高等教育消费者判断大学毕业生就业形势最直观的工具，也成为教育主管部门评判一所高校教育质量和办学水平的标尺［2］。因此，就业率是最直观反映高校毕业生就业状况的指标，可以从宏观上反映毕业生的就业状况。本文把就业界定为经济学意义上的就业，即一定年龄阶段内的人们所从事的为获取报酬或经营收入而进行的活动，并把毕业状况分为五类：国内外签约就业；国内外非签约就业；自主创业；国内外升学；待业。因此，就业率的计算方法为：

其中已就业人数包括国内外签约就业，国内外非签约就业和自主创业。需就业人数为毕业生总数减去国内外升学人数①本统计方法与麦可思人力资源信息管理咨询公司2009、2010《中国大学生就业蓝皮书》就业率的概念一致，与教育部统计并公布的就业率统计方法不同，后者将升学和出国都归类为就业，计算结果为非失业率。。

就业率指标包括两个二级指标，初次就业率（B1）和年底就业率（B2）。分别在毕业生毕业当年的6月30日和12月31日进行数据采集，采集对象为毕业生全体。签约就业以就业协议和派遣证为有效计数，非签约就业以用人单位出具的文字证明材料为有效计数，自主创业以注册登记记录为有效计数，升学以录取通知书为有效计数。

（二）就业分布指标（A2）

就业分布是指就业毕业生在区域、行业数量分布上呈现出的特征指标，可以很好地反映出不同监测主体在毕业生就业质量上的差异性。就业分布指标包括各区域就业比率（B3）、高校所在区域就业比率（B4）、经济发达区域就业比率（B5）、各行业分布比率（B6）、高校对应行业就业比率（B7）、国内外知名和大型企业就业比率（B8）、国家导向就业比率（B9）七个二级指标。数据采集适宜在毕业生毕业当年的6月30日根据毕业生派遣信息进行计数。

各区域就业比率（B3）是根据毕业生就业区域，按照国务院发展研究中心发布的《地区协调发展的战略和政策》提出的八大综合经济区域进行比例统计，是客观描述区域构成的指标。

高校所在区域就业比率（B4）是指毕业生在高校所在地归属的八大综合经济区域中就业所占的比例，本指标可以很好地反映高校对于归属地的贡献度。

经济发达区域就业比率（B5）是指高校毕业生在经济相对发达省份就业所占的比例，本指标从一定程度上可以反映出高校毕业生的就业质量。依据2005－2010年各省份经济发展水平与全国平均水平的差异结合中国科学院《中国现代化报告2010》中省份进入第一次现代化与第二次现代化的顺序，本文界定上海、北京、天津、重庆、浙江、江苏、广东、山东、辽宁、福建为经济发达省份。

各行业分布比率（B6）是指根据毕业生就业的行业，按照我国国家统计局《国民经济行业分类统计标准》提出的二十个一级行业分类进行比例统计，是客观描述行业构成的指标。

高校对应行业就业比率（B7）是指毕业生在高校对应度较高的一个或几个行业中就业所占的比例，本指标在一定程度上反映出高校人才培养对于行业的贡献度，特别是对非综合性高校而言意义较大。

国内外知名和大型企业就业比率（B8）是指按照相关评价标准 ，毕业生在国内外知名和大型企业单位就业所占的比例，本指标在一定程度上可以反映毕业生的就业质量。

国家导向就业比率（B9）是指毕业生积极响应国家号召，参加“三支一扶”“特岗教师计划”“村官计划”等项目所占的比例，国家在特定时期，会实施一些导向性的促进大学生就业的项目［3］，本指标反映出高校毕业生对于国家就业导向的贡献度。

（三）创业指标（A3）

创业即创办事业、自谋职业、自主就业，这是一种积极主动的就业形式［4］。创业指标是对毕业生创业率（B10），创业项目（B11），创业团队（B12）进行统计和描述，可以完整地对高校毕业生创业状况进行监测。数据采集以毕业生毕业当年6月30日进行，对创业的毕业生进行电话或问卷等方式采集信息。

创业项目划分为自雇型创业、技能型创业、知识型创业三种；创业团队划分为独立创业、合伙创业、家族企业三种。

（四）需求指标（A4）

需求指标可以反映出一个区域和行业的工作岗位供给状况，对于高校毕业生而言，更多数量的需求信息，更高质量的需求信息会显著地影响就业结果。

需求信息的采集以年为计量周期，即毕业生毕业前一年的7月1日——毕业当年的6月30日，包含各种渠道（电话、媒体、网络等）提供给毕业生的需求信息，以需求岗位数为计量单位，最好建立专门的需求信息数据库，避免信息缺失、失真或重复。

需求指标包括供需比（B13）、经济发达区域需求比率（B14）、国内外知名和大型企业需求比率（B15）、各区域需求比率（B16）、各行业需求比率（B17）五个二级指标，其中供需比可以从宏观上反映出就业市场的供需状况，经济发达区域需求比率、国内外知名和大型企业需求比率两个指标可以从一定程度上反映需求信息的质量，各区域需求比率、各行业需求比率可以反映监测主体为毕业生提供需求信息的结构特征。

供需比（B13）的计算方法为：

经济发达区域需求比率（B14）的计算方法为：

国内外知名和大型企业需求比率（B15）的计算方法为：

各区域需求比率（B16）的统计方法，根据用人单位的归属地不同，按八大综合经济区域分别统计岗位数占需求信息岗位总数的比例。

各行业需求比率（B17）的统计方法，根据用人单位的所属行业不同，按二十个一级行业分类分别统计岗位数占需求信息岗位总数的比例。

（五）满意度指标（A5）

满意度是监测毕业生和用人单位对就业过程满意程度的评价指标，是反映就业机会的可获得性、工作稳定性、工作场所的尊严和安全、机会平等、收入、个人发展等有关方面满意程度的综合概念［5］，对于毕业生就业能力培养、高校就业服务工作绩效、供需双方对接过程及就业质量研究都有重要的价值。满意度指标包括岗位与意愿相适度（B18）、岗位与专业相适度（B19）、薪资满意度（B20）、职业发展前景与工作环境满意度（B21）、平均月薪①月薪是指工资、奖金、业绩提成、现金福利补贴等所有的现金收入，平均月薪是指大学生毕业半年后实际每月工作收入的平均值。水平（B22）、求职成本（B23）、求职渠道（B24）、求职时间（B25）、岗位与毕业生能力相适度（B26）九个二级指标，满意度各二级指标的选项设置见表2。

表2 满意度指标选项设置

满意度指标的数据采集主要通过各种形式的调查问卷，在毕业生毕业后半年，即12月31日进行统计，其中除岗位与毕业生能力相适度（B26）的统计对象是用单位以外，其他指标的统计对象都是就业的毕业生。对毕业生进行问卷调查时，如果已就业毕业生人数小于3000人，问卷样本容量就确定为已就业毕业生总数；如果已就业毕业生人数大于3000人，问卷可以采取抽样的方式进行，样本容量要大于3000。对用人单位进行抽样调查时，样本容量要在500家以上，抽样时要兼顾区域与行业分布，减少误差。

其中B18、B19、B20、B21、B24、B26指标要进行各个选项百分比的统计，B22和B25指标要进行加权平均数的统计。

三、高校毕业生就业状况指数

利用本文构建的指标体系对高校毕业生就业状况进行监测时，有些指标是以描述结构为主，没有质和量的判别，而有些指标有质和量的意义，这些指标能反映出就业状况某一方面的特征。在对监测主体间横向比较或对同一监测主体进行周期比较时，这些指标众多，很难从宏观上体现差异性，因此有必要把所有指标的监测结果按照一个模型进行加工处理，最后得出相对直观的结论，这就要运用多指标综合评价方法［6］，为此本文引入高校毕业生就业状况指数。高校毕业生就业状况指数是根据指标体系监测数据，采用层次分析法确定各级指标的权重集，运用模糊综合评价法得到唯一的数值型监测结果，能够很好地反映监测主体的特征，具备监测主体间的比较意义。

（一）确定高校毕业生就业状况监测指标权重集

权重是指某一监测指标在整体评价中相对的重要程度，反映了人们对其价值的认知程度。权重集是监测指标体系权重系数的集合，确定权重集的方法主要有专家咨询法、德尔菲法和层次分析法。由于毕业生就业状况监测指标差异大、准则多、结果难于计量，因此采用层次分析法较为合适。

层次分析法（Analytic Hierarchy Process简称AHP）是将决策有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法［7］。运用层级分析法确定就业状况监测指标权重集分以下几个步骤：

1.确定参与运算高校毕业生就业状况指数的指标表

并不是所有的指标都需要参与高校毕业生就业状况指数的运算，本文选择5个一级指标和16个二级指标参与运算，如表3所示，为方便计算，对指标进行重新编号。

表3 参与高校毕业生就业状况指数运算的指标表

2.建立层次结构

本文在运算过程中将最终的结果（B）设置为第一层，一级监测指标为第二层，二级监测指标为第三层。

3.为每层建立判断矩阵

对每一层的n个监测指标需要建立一个n×n的成对的判断矩阵A，对不同的指标的相对重要性评价加以量化。进行成对比较时，让第i行（i＝1，2，…，n）的指标相对于第j行（j＝1，2，…，n）指标进行度量，我们一般采用1－9的离散尺度进行度量，具体标准如表4，则aij＝k，k＝1，2，…，9，那么

表4 游离尺度定义表

4.求解及一致性检验

对于判断矩阵A的最大特征根λmax与其对应的特征向量w可用MATLAB软件求解，此时w对应的各分向量值就为该指标的权重。计算权重以后，要进行一致性检验，来确定结果是否良好。取CR作为衡量判断矩阵一致性的指标，

表5 RI值表

5.得出权重集

通过一致性检验后，“归一化”最大特征值对应的特征向量，即可得到n个指标的权重集，然后依次计算各层元素的组合权重。

（二）模糊综合评判法求高校毕业生就业状况监测指数

模糊综合评判法是评估信息综合处理方法的一种，是在模糊环境下，考虑了多种因素的影响，为了某种目的对一事物作出综合决策的方法［8］。针对高校毕业生就业状况的监测主体的复杂性及其监测指标模糊性，采用模糊数学的理论与技术，对这种受多因素影响的复杂的监测主体，进行综合处理，从而得到其定量的结果，即高校毕业生就业状况监测指数（B）。由于在监测指标的选择、监测信息的采集、指标权重的设定上汇聚了毕业生、高校就业工作者、专家、用人单位的参与，所以利用本文构建的指标体系和运算模型得出的结果可以较准确、客观地反映监测主体的就业状况特征。

模糊综合评判法数学模型：假设指标集为U＝｛U1，U2，…，UN｝，评价等级集为V＝｛V1，V2，…，VN｝，指标的权重集为W＝｛w1，w2，…，wN｝，U的第i个指标对应评价等级集中的评价V1，V2，…，VM的隶属度分别为Ri1，Ri2，…，Rim，于是U的这一指标Ui对于V中的每一个评价的隶属度组成了V的模糊子集，记Ri＝｛Ri1，Ri2，…，Rim｝，对每一指标Ui（i＝1，2，…，N）都求出对应的Ri，放在一起则构成U× V上的模糊矩阵，即

对指标权重集W 和R做模糊矩阵乘法得

通过“归一”矩阵加权求得综合评价值，即高校毕业生就业状况指数。

高校毕业生就业状况监测指标体系的构建，以及引入的就业状况监测指数可以较全面、客观、准确地描述高校就业状况，便于高校间比较，根据指数的高低在一定程度上可以发挥就业预警的作用，也方便政府和教育主管部门进行决策参考。但高校毕业生就业监测是一项系统的工程，还需要在督管机构、运行机制、平台建设和立法保障等多方面规划和协调。因此，建立完善的高校毕业生就业监测系统还需要更多专家和就业工作者们来研究和投入。

［1］张水玲.美国就业驱动之高等教育评估的经验及借鉴［J］.高等农业教育，2010（2）：88.

［2］侯定凯，林似非.关于改进高校毕业生就业率政策的思考［J］.复旦教育论坛，2005（1）：66.

［3］邹云龙，曹扬.关于大学生就业“基层”路径的探讨［J］.东北师大学报：哲学社会科学版，2009（1）：81.

［4］冯政，翟涛.创业促进就业评估指标体系研究［J］.中国劳动，2006（0）：16.

［5］涂晓明.大学毕业生就业满意度影响因素的实证研究［J］.高教探索，2007（2）：117.

［6］杜栋，庞庆华，吴炎.现代综合评价方法与案例精选［M］.北京：清华大学出版社，2008：17.

［7］张吉军.模糊层次分析法（FAHP）［J］.模糊系统与数学，2000（2）：80.

［8］郭立彬.基于模糊综合评判法的高校大学生就业质量评价模型［J］.科技经济市场，2007（4）：245.

Analysis and Construction of College Graduates Monitoring Indicator System

LIU Hai－bin，XU Wen
（Ideological and Political Education Research Center of Northeast Normal University，Changchun 130024，China）

Employment of college graduates has been the government，universities and community－wide focus，the paper on the current status of indicators for monitoring the employment of college graduates to conduct a comprehensive analysis of the comb and put forward the employment situation of university graduates indicators for monitoring the principle of the body.On this basis，build a set of monitoring indicators of college graduates employment system，and the use of AHP and fuzzy comprehensive evaluation by numerical monitoring results－index of employment of college graduates，is used to characterize the employment status of college graduates.

college graduates；employment monitoring；index system

G40

A

1001－6201（2011）02－0170－07

［责任编辑：何宏俭］

2010－11－20

国家社会科学基金“十一五”规划2008年度教育学类课题（BIA080031）；东北师范大学学生思想政治教育实践创新研究项目（SZ1077）

刘海滨（1979－），男，辽宁沈阳人，东北师范大学学生就业指导服务中心副主任，博士研究生；徐文（1983－），男，湖南益阳人，东北师范大学学生就业指导服务中心职员，软件工程硕士。