高職畢業(yè)生就業(yè)質(zhì)量影響因素預(yù)測性回歸方程
——以江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院為例

胡 乙

（江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，南京 211168）

目前，國內(nèi)外學(xué)界鮮有對就業(yè)質(zhì)量影響因素建立預(yù)測性回歸方程。缺少以上成果，學(xué)界難以從眾多因素（變量）中，發(fā)現(xiàn)對就業(yè)質(zhì)量高低最具預(yù)測性的因素（變量），難以有效提高員工就業(yè)質(zhì)量。故本文將建立此類回歸方程，找出各影響因素（變量）參數(shù)，以供學(xué)界、政府、企業(yè)決策。

一、研究背景與國內(nèi)外相關(guān)文獻綜述

目前國外學(xué)者多用體面勞動（Decent Work，簡稱為DW），作為就業(yè)質(zhì)量定義。譚永生等指出：“經(jīng)文獻綜述，國外多用體面勞動代替就業(yè)質(zhì)量，其分為工作的基本權(quán)利、平等就業(yè)、社會保護、社會對話等項目。”[1]國外學(xué)者尚未明確就業(yè)質(zhì)量定義。

國內(nèi)學(xué)者傾向于區(qū)分就業(yè)質(zhì)量與體面勞動。譚永生等指出：“國內(nèi)學(xué)者認為就業(yè)質(zhì)量不等同于DW，但是后者可以直接反映前者水平。DW包括就業(yè)數(shù)量與質(zhì)量，DW的程度就是就業(yè)質(zhì)量的水平。”[1]據(jù)此，就業(yè)質(zhì)量定義包含DW的內(nèi)容。

蘇麗鋒在國內(nèi)外研究的基礎(chǔ)上認為：“就業(yè)質(zhì)量（Job Quality，簡稱JQ），是勞動者在就業(yè)過程中，所處境遇的客觀體現(xiàn)與個人對工作好壞的主觀評價的綜合體，是衡量經(jīng)濟發(fā)展質(zhì)量的重要指標(biāo)?！盵2]本文采用以上定義，并定義JQ影響因素即影響JQ高低的具有解釋性的變量。

弗蘭克·J.法博茲、塞爾吉奧·M.?？柕虾捅颂亍.科姆指出：“在科學(xué)上，因索指那些能夠給其他變量提供普遍解釋的變量。”[3]據(jù)此，JQ影響因素（變量）指對JQ客觀體現(xiàn)與主觀評價提供普遍解釋的變量。

目前，國內(nèi)外學(xué)界對JQ影響因素（變量），既有共識，也有爭議。Patricia Findlay，Colin Lindsay，jo McQuarrie，從四個維度提出JQ影響因素：工作內(nèi)在因素維度、雇傭因素維度、工作環(huán)境因素維度、職業(yè)發(fā)展因素維度[4]。本文采用前三個因素維度，同時，吸取Karl Marx政治經(jīng)濟學(xué)、Hartmann社會學(xué)等相關(guān)觀點，增加新的因素。

Karl Marx主張用工作創(chuàng)造性與自主權(quán)來衡量JQ。本文采用以上因素。此外，Leanne Roncolato等指出：“女權(quán)主義社會學(xué)家與經(jīng)濟學(xué)家，反對僅僅采用Karl Marx階級身份與資本工作關(guān)系因素，主張從社會背景、社會關(guān)系、社會權(quán)利等研究JQ。”[5]故本文采用其社會關(guān)系因素，下文將對目前相關(guān)研究方法進行綜述。

多元回歸方程為含有多個自變量的等式，戴維·R.安德森、丹尼斯J.斯威尼和托馬斯 A.威廉斯指出：“描述y的均值如何依賴 x1，x2，x3，…xp的方程稱為多元回歸方程（multiple regression equation，簡稱 MRE）?！盵6]據(jù)此，欲研究影響 JQ 均值的因素（變量），學(xué)界首先應(yīng)將相關(guān)因素（變量），設(shè)計為數(shù)值型變量，方能建立相應(yīng)MRE，但目前學(xué)界鮮有如此操作。

目前國內(nèi)外學(xué)界多將JQ設(shè)計為間斷變量，用非常滿意、比較滿意、不滿意等類別來衡量JQ的高低，故國內(nèi)外學(xué)界多數(shù)用邏吉斯回歸分析法、區(qū)別分析法等來判定各影響因素能否有效預(yù)測JQ，鮮有建立預(yù)測性MRE。本文將相關(guān)因素（變量）設(shè)計為連續(xù)型數(shù)值變量，以建立最佳回歸方程。

二、研究目標(biāo)、研究創(chuàng)新點與研究方法

本文目的是進行預(yù)測，即以江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院畢業(yè)生為例，從JQ均值影響因素（變量）中，找出對其最具預(yù)測力的因素（變量），建立最佳MRE，有效提高JQ。

本文的創(chuàng)新點是：將相關(guān)變量均設(shè)計為數(shù)值型變量，以符合MRE要求。同時，本文運用經(jīng)濟學(xué)學(xué)科消費者信心指數(shù)的相關(guān)成果，通過相關(guān)因素（變量）的變化，來預(yù)測JQ均值變化。

3.亞太地區(qū)各RTA條款的對比。為考察亞太地區(qū)各RTA的簽署質(zhì)量和真實承諾水平，本文以亞太地區(qū)內(nèi)部各國簽署實施的46個FTA協(xié)定原文為研究主體，就各雙邊以及多邊RTA涉及的條款范圍和實際法律約束程度進行了對比分析，計算結(jié)果詳見表3。

為建立MRE，本文運用問卷調(diào)查法收集數(shù)據(jù)。本文借鑒了Patricia Findlay等提出“what shapes JQ”問卷內(nèi)容，增加了政治經(jīng)濟學(xué)、社會學(xué)視角下相關(guān)因素（變量）。問卷運用Likert5級量表，從三個維度因素（變量）預(yù)測JQ均值變化，即工作內(nèi)在因素、雇傭因素維度、工作環(huán)境因素維度。

本文定義高職畢業(yè)生為我國專科學(xué)校、職業(yè)技術(shù)學(xué)院畢業(yè)生。本文研究總體為江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院2014級、2015級畢業(yè)生，研究樣本為學(xué)院2014級、2015級旅游管理、涉外旅游、商務(wù)英語、商務(wù)日語、空中乘務(wù)專業(yè)畢業(yè)生，此類學(xué)生均已正式就業(yè)。本文排除了自主創(chuàng)業(yè)、兼職、升學(xué)類學(xué)生。通過問卷星網(wǎng)絡(luò)調(diào)查，本次回收有效問卷166份，其中男性為19人，占11.45%；女性占147人，占88.55%。下文將描述如何建立相應(yīng)MRE。

三、預(yù)測性回歸方程建立過程及結(jié)果

戴維·R.安德森等描述 MRE 等式為：E（y）=β0＋β1x1＋β2x2＋β3x3＋…＋βpxp。其中，β0、β1等參數(shù)在現(xiàn)實中，通常未知，故應(yīng)用樣本去估計它們[6]。據(jù)此，本文運用簡單隨機樣本的統(tǒng)計量去代替上述未知統(tǒng)計量。

本文將運用樣本數(shù)據(jù)得出bp，將其作為βp的估計量，并找出對JQ均值最具預(yù)測力的因素（變量）。為檢驗問卷信度，本文首先運用SPSS20.0版本軟件，對問卷進行信度檢驗（可靠性分析），結(jié)果如下：

SPSS顯示，α系數(shù)為0.901。吳明隆指出：“α系數(shù)值越高，則量表內(nèi)部一致性越高。α系數(shù)超過0.9，信度非常理想?！盵7]據(jù)此，整份量表內(nèi)部一致性信度甚佳。本文可依此建立相應(yīng)MRE。

戴維·R.安德森等指出：“多元判定系數(shù)（R2），表示對估計的MRE擬合優(yōu)度的度量，即MRE能解釋依變量變異性的比例?！盵6]此方程中，修正R2為0.662，說明4個自變量，即工作中，能更加自如地處理各類社會關(guān)系；能在工作中發(fā)揮更多創(chuàng)造性，擁有更多自主權(quán)；工作技能得以提高；工作壓力越來越輕，情緒越加愉快因素（自變量），能有效解釋JQ均值66.2%的變異量。該方程擬合優(yōu)度較高，同時，F(xiàn)檢驗證明該方程依變量與自變量間有顯著性關(guān)系。

戴·維R.安德森等指出：“MRE中，F(xiàn)檢驗用于確定在依變量與自變量之間是否存在一個顯著性關(guān)系，故稱F檢驗為總體的顯著性檢驗?！盵6]此類方程中，F(xiàn)檢驗值為7.414，P＝0.007<0.05，證明該方程依變量與自變量之間有顯著性關(guān)系。下文將描述方程的回歸系數(shù)。

此方程中，4個自變量回歸系數(shù)達到顯著水平。其中，對JQ均值變化最具預(yù)測力的自變量為“更加自如處理各種社會關(guān)系因素（自變量）”，其解釋變異量為57.3%。下文將描述對最佳回歸方程及顯著性檢驗結(jié)果。

SPSS說明，具有顯著性關(guān)系的方程中，4個變量的t檢驗值分別為 8.347、2.417、2.82、2.723，且 P 值均低于 0.05，證明每一個單個參數(shù)均達到顯著水平，能顯著影響JQ均值。

同時，結(jié)果顯示，該組方程回歸方程系數(shù)均達到顯著性水平。此外，為避免多重共線性，本文運用方程膨脹系數(shù)（variance inflation factor，簡稱VIF）來測量MRE中各自變量線性重合程度。

SPSS顯示，4個自變量VIF值均未超過10，容差均超過0.4，故自變量間沒有線性重合。同時，SPSS中顯示了方程的非標(biāo)準(zhǔn)回歸系數(shù)為0.167，標(biāo)準(zhǔn)誤差為0.212，4個因素（變量）標(biāo)準(zhǔn)化回歸系數(shù)分別為 0.497、0.166、0.152、0.177，均為顯著性關(guān)系。

此外，方程整體性檢驗的 F 值為 81.81（P＝0.000<0.05），說明檢驗值達到顯著性水平，以上自變量能有效解釋JQ數(shù)值。

據(jù)此，針對學(xué)院高職畢業(yè)生，非標(biāo)準(zhǔn)化MRE如下：

JQ 均值＝0.167＋0.523×工作中社會關(guān)系＋0.152×工作更多創(chuàng)造性＋0.177×工作技能提高＋0.105×工作越加輕松

針對學(xué)院高職畢業(yè)生，標(biāo)準(zhǔn)化MRE如下：

JQ均值＝0.497×工作中社會關(guān)系＋0.166×工作更多創(chuàng)造性＋0.185×工作技能提高＋0.144×工作越加輕松

回歸方程顯示，針對學(xué)院高職畢業(yè)生，對JQ均值最具預(yù)測力的因素（變量），是員工工作中擁有更好的社會關(guān)系因素（自變量），其解釋變異量為57.3%。據(jù)標(biāo)準(zhǔn)化回歸系數(shù)顯示，方程中4個自變量的β值分別為0.497、0.166、0.185、0.144，均為正數(shù)，表示對JQ的影響均為正向，自變量數(shù)值越高，JQ均值越高。

四、對方程結(jié)果的討論與未來研究方向

標(biāo)準(zhǔn)化MRE參數(shù)bp說明了其對JQ的影響程度。以工作中擁有更好社會關(guān)系因素（變量）為例，b1＝0.497，說明在其它條件恒定情況下，更好社會關(guān)系的可能性提高1單位，JQ均值增加0.497。

同時，未來更多收入的因素（變量）、每周更多休息時間的因素（變量）、工作更加穩(wěn)定的因素（變量）、身體更加健康的因素（變量）、接受更多技能培訓(xùn)等因素（變量），均未能達到顯著性水平，故對JQ均值無顯著性影響，不能有效解釋其變化。

方程顯示，工作中擁有更好社會關(guān)系因素，對JQ均值最具預(yù)測力，此可能源于工作的本質(zhì)。

工作的本質(zhì)是產(chǎn)生社會關(guān)系，工作是一項快樂的、創(chuàng)造性活動，是人區(qū)別與動物的特點。Karl Marx指出：“工作的本質(zhì)，不僅取決于工資與工作條件，而且在于工作中產(chǎn)生的社會聯(lián)系、工作所產(chǎn)生的社會組織與機構(gòu)。低質(zhì)量JQ根源于資本對勞動力的控制?！盵5]以上觀點證實了本回歸方程結(jié)果。

本文的不足包括：樣本量未達到200份，可能影響方程的準(zhǔn)確性。同時，本文未能從社會背景、社會關(guān)系、社會權(quán)力維度，設(shè)計更為詳細的JQ影響因素（變量），可能影響方程的整體檢驗性。

此外，針對低收入家庭且正在自主創(chuàng)業(yè)的畢業(yè)生，學(xué)界可能為研究影響JQ因素（變量）提供更有價值的觀點。