基于Logistic回归模型的大学生毕业去向问题研究

2020-02-21 09:33李香琪林莉熊娜娜
大陆桥视野 2020年1期
关键词:因变量薪资考研

文 / 李香琪 林莉 熊娜娜

促进就业是民生根本。随着高校扩招和毕业生人数的逐年增长,如何在经济增速逐步放缓、失业率不断攀升的大环境下,促进高校毕业生就业成为全社会共同关注的热点问题。本文利用Logistic回归模型,对某高校在校大学生毕业去向进行回归分析,以期总结出大学生就业的主要趋势和影响因素,促进大学生更好地就业。

一、logistic回归模型概述

(一)二分类因变量logistic回归

在logistic回归的应用中,很多情况下因变量分为两种,比如“是”与“否”“计划考研”与“毕业就业”“先成家”与“先立业”“步行上班”与“乘公交车上下班”。一般多元回归模型通常表示如下:

其中:εi期望为零,yi为0-1型的随机变量,其概率的分布如下:

也就是因变量是0-1型的随机变量时,因变量的均值就代表的是给定自变量时,y =1概率的取值。

(二)参数形式logistic回归

假设上述模型是多元线性函数,那么方程如下:

做参数估计时,先做如下对数变换:

得到:

这个模型它的参数估计一共可以分为2种情形,第一,在大样本的条件下,数据分为几组,每一组的个数为ni,由于其设有异方差性,所以要用加权的最小二乘法预估其中参数.当样本量较大时,模型的近似方差为:

第二,在小样本下,先把概率函数合写为:

其中 :yi=0,1 ;i=1,2,...,n.于是得到因变量的似然函数:

然后取自然对数,再对照logistic回归,得到:

用极大似然估计法去预估参数,不能用封闭的形式,所以考虑迭代法。

(三)logistic回归模型估计

参数估计采用最大似然估计法,先从总体抽取随机样本,列出似然函数,为了简便,两边取对数再求偏导,求出驻点,得到似然方程组和迭代公式;再看某些自变量是否对因变量有影响.即先按实际意义算,得出对数似然函数,对总体的参数进行整体求偏导数,再令其为零后继续估计参数。

二、大学生毕业去向的logistic回归分析

本文利用某高校在校大学生对未来是就业还是考研的调查数据,从年龄、期望薪资、性别3个角度探索影响大学生毕业去向的因素。用因变量y =1表示毕业生计划考研;y=0表示学生选择毕业后直接工作;x1是期望薪资;自变量x2是大学生年龄;x3是性别:x3=1表示男性,x3=0表示女性。调查对象锁定为在校本科生,数据如下:

表1

为详细了解大学生毕业去向,调查组在校内随机抽取了300个同学做了意愿调查,记录下每个人的期望薪资、年龄、性别,并询问每个同学毕业后的打算。

(一)变量情况统计

根据调查数据,按照SPSS操作规程,依次点击SPSS相对应的软件,点击OK运行,得到如下输出结果:

表2

表2中可以看出,x3的系数是-2.429,代表以女生为基准,男生打算考研的系数是-2.429,相比女生少一些。从显著性看,x1的P值是0.012,远小于0.05,代表这个自变量(期待薪资)对因变量的影响很显著.与x1相比,x2的显著性值为0.235,在置信度为0.05的显著性检验下,x2(年龄)对因变量(是否打算考研)的影响就不显著,x3(性别)对是否打算考研的影响也不显著。可以看出,本科里面女生比男生更倾向于考研,而男生比女生更倾向于直接就业;期望薪资会影响在校本科生决定是否考研:如果本科生对未来的期望薪资高,那么他更倾向于读研,年龄基本不影响毕业去向。

(二)方差分析

方差分析结果如下表3所示:

表3

表 3中可以看出,F值等于 5.648,大于 1.96;显著性 sig 值是 0.004,小于 0.05.在 0.05 的置信水平下检验,三个自变量的共同作用对因变量的影响是显著的,显著性为0.004,小于0.05,说明在校本科生的年龄、性别、期望薪资的共同作用对是否决定考研具有显著影响。

(三)相关性检验和回归结果分析

相关性检验结果如表4:

表4

相关性矩阵中所示的x3与x2相关系数为-0.334,说明性别和年龄的相关性不强.x1与x2的相关系数为0.491,说明期望薪资与年龄相关性也很低,近乎为不相关;x1与x3相关系数为-0.645,说明性别与期望薪资相关性也不强。

从检验的显著性表(省略)中可以看出x2的P值为0.235,大于0.05,可以认为x2的显著性检验不显著,x2是年龄,决定将其剔除,继续用y对性别与理想薪资两个自变量做回归,得出输出结果:

表5

表5中,可以看出x1期望薪资对因变量y的影响是显著的,SPSS没有给出Logistic回归的标准化回归系数,对于Logistic回归,回归系数不能达到普通线性回归的标准版的解释,由此得知,并不一定要计算标准化回归系数.如果要分析回归方程中每一个自变量的重要性,可直接对显著性的取值进行比较。x1(期望薪资)的sig值小,显著性高,也就说明x1期望薪资对毕业生的影响更深.当然,回归分析的基本假定是自变量之间没有较强的多重共线性,即如果3个自变量(年龄、性别、期望薪资)之间存在多重共线性,那么意味着回归系数的大小和显著性概率就不具有代表性了,这时要采取一定合适的办法来消除多重共线性,比如避免对单个参数t检验等。

表6

表6为拟合起步前模型外的变量的卡方检验,x1(期望薪资)的显著性值小于0.05,三个变量的总体显著性值为0.009,小于0.05,故x1有资格进入模型,以上结果通过检验。

三、促进大学生就业的对策建议

logistic回归分析结果表明,计划本科结束后读研的学生,期望薪资较高,而期望薪资较低的学生,倾向于毕业后直接工作,毕业去向与性别及年龄关系不大。说明期望薪资对在校大学生就业去向的影响较大,绝大部分同学会单一的把薪资高低作为考研还是就业的抉择依据,故只有加强全方位的就业教育,才能解决这种以薪资期望决定就业去向的局面,促进大学生们更好地就业。

(一)培育健康的就业观念

应加强对在校大学生世界观、人生观、价值观教育,帮助其树立起积极健康的、适合自身发展的就业价值观。应鼓励学生结合自己的专业、兴趣、爱好等,调整薪资和就业预期,选择合适的就业岗位,转变一味追求高薪的就业观念,减少享乐主义、功利主义、拜金主义等不良风气对大学生就业的消极影响,帮助大学生树立起远大的职业理想。

(二)做好大学生职业生涯规划教育

高校应从大一开始,就做好大学生的职业生涯规划教育。根据大学生的心理特征、现实需要、实践诉求设置职业教育课程体系,满足不同年龄、不同性别大学生的学习需求。并组建职业兴趣小组,帮助学生科学进行职业定位,做好职业生涯规划,积极引导大学生调整以薪资要求决定是否考研还是就业的心态,帮助学生确定好自己的就业选择,以更好地适应复杂多变的就业环境。

(三)加强分类指导并创造更多就业机会

为促进大学生就业,高校应加强对考研和直接就业大学生的分类指导,并为大学生创造更丰富的就业选择机会,帮助他们更好地实现自己的人生目标。高校应利用自身的区域优势,加强与当地企业和用人单位之间的沟通联系,为大学生与用人单位之间架设更加顺畅的沟通桥梁。

猜你喜欢
因变量薪资考研
我的考研故事
不简单以“住房薪资”引才——遵循“一步一重天”的人才发展规律
调整有限因变量混合模型在药物经济学健康效用量表映射中的运用
考研,我是怎么坚持过来的
考研,我是怎么坚持过来的
工作十二年后,我才去考研
偏最小二乘回归方法
谈谈如何讲解多元复合函数的求导法则
精心设计课堂 走进学生胸膛