性别对财经类高校毕业生就业的影响分析Word下载.docx
《性别对财经类高校毕业生就业的影响分析Word下载.docx》由会员分享，可在线阅读，更多相关《性别对财经类高校毕业生就业的影响分析Word下载.docx（16页珍藏版）》请在冰豆网上搜索。
比率（%）
30.05
27.00
27.40
24.21
30.30
20.20
与此同时，女大学生就业难乎其难成了近年来严峻的社会问题。
一般而言，人们普遍认为女大学生的择业观、择业心理以及传统的性别观念等因素有使女大学生较男大学生就业困难。
但就理论而言，性别到底在大学生就业中起到多大的作用，是否能够成为一个独立的影响因素？
关于这个问题的研究虽不鲜见，但是结论莫衷一是，本文另辟奚径，针对某财经类高校2008年毕业生有关就业基本情况的数据资料，从微观的角度分析性别对就业的影响，进而得出财经类院校的女大学生就业受到的性别歧视程度并不大，而且学历、政治面貌和专业是影响该校大学生就业的三大重要因素。
这一结论给大学教育以及女大学生个人提供参考。
二、相关研究成果综述
约翰．穆勒在19世纪中期时就指出，除了身体的强壮程度外，在性别之间不存在自然的不平等…如果自然并未使男人和女人不平等，法律就更不应该使他们不平等…男人和女人应该完全相互平等，女人不应该比男人依赖于女人更依赖于男人，除非他们的感情使他们如此。
而后在前新古典时期，韦伯等人认为妇女报酬低的原因在于习俗和公众的观点、妇女在就业中的从属性（相对于作为家庭收入主要提供者的丈夫而言）、缺乏工会的支持、生活标准较低、未受过良好的教育、可选择的就业机会少。
埃吉沃斯（1922）和福西特（1917，1919）提出了“拥挤”的概念，并认为在其他情况不变时，妇女们过分集中于某些部门（产业或职业）会降低女性的工资。
缪尔达尔（1944）提出“累积性因果关系原理”，将美国的黑人问题看作是三种原因在恶性循环中相互作用和相互强化的结果，这三种原因是：
白人反对黑人的行为，黑人的贫困和黑人的人力资本和文化特点。
布朗芬．伯伦纳（1939，1957）考察了买方垄断、工会和雇主歧视对差别性工资的影响。
贝克尔（1957）提出了歧视系数这一概念：
假定女性和男性工人具有相的劳动生产率，如果工资相同雇主就可以随机雇用他们，但如果雇主有歧视偏好——对女性有偏见，好像女性给他们带来了心理成本，这种心理成本的强度用歧视系数d来表示。
结果，有歧视偏好的雇主将支付高额的生产成本且获取较低的利润。
贝克尔在对有关歧视行为进行假设基础上提出的分析为后来的研究提供了一个出发点。
阿尔钦和克塞尔（1962）认为，垄断行为会引起其他企业的进入或政府保护竞争政策的干预，所以不实行歧视的利润并不会比实行歧视多。
菲利普斯（1972）从性别、婚姻状况、种族、民族或其他特征构成了企业在决定雇用时所采用的廉价筛选指标。
中国国内对于性别和就业问题的研究主要是从经济体制改革后，在西方理论的基础上结合中国的现实进行的。
郭正模（1994）在《“劳动歧视”问题初探》中运用西方经济学对劳动歧视理论和对经济生活中的“劳动歧视”现象进行了剖析。
赵琳琳（2001）从文化与教育角度对妇女就业进行反思。
程胜利、刘艳艳（2004）以报纸这一印刷媒介中的招聘广告为切入点，以招聘为视角对就业领域的性别歧视进行研究。
张抗私（2004）提出了前、中、后劳动力市场中的性别歧视有不同表现及效率损失，并提出了改良的建议。
张莹（2007）以对女性就业权的问卷调查得出的数据为依据,从法律上对中国女性就业的现状、就业性别歧视产生的原因、减少就业性别歧视的措施、法律在就业性别歧视中的作用、完善就业性别歧视的法律对策等方面作了比较全面的分析。
随着女大学生就业难问题的突出，对女大学生就业中遭受到的性别歧视的研究也越来越多。
谭卫华（2001）从大学生社会化、社会发展的关系和职业社会学研究的视角入手，分析了大学生就业的行为。
王小波（2002）在经过调查，在寻找工作时投递简历10份以下的男生多于女生约11%，而投递简历在20份以上的女生大约也多于男生11%。
但女生投递简历多，寻找工作时间长而参加面试的机会却总体比男生少。
叶文振（2002）在对女大学生是否“同民同工”问题进行多变量的统计模拟，并在此基础上深入探讨了劳动力市场歧视女大学生的原因。
吴新慧（2004）将大学生所遭遇到的歧视分为性别歧视、学历歧视、院校歧视和身体歧视，指出就业歧视是指性别、学历、户籍等不同而造成的对某些大学毕业生的区别对待、偏见和排斥，以及由此带来的就业机会的剥夺和损害。
王一兵（2005）采用半参数有序Probit模型分析了女大学生的就业满意度，并与标准有序Probit模型进行了比较，发现前者明显优于后者。
苏荔萍（2007）总结了造成女大学生就业劣势的政治、经济、文化因素等主客观原因，提出重树社会性别观念，倡导女大学生自主创业。
吴晓翠（2007）从经济学角度将女大学生就业难的原因概括为，政策失灵、生儿育女和操持家务等非市场劳动的束缚、统计性歧视等。
三、研究方法和数据
总结发现，大多文献多运用经济学等理论分析方法来解释女大学生就业难的问题，本文另辟奚径，运用统计分析模型对其进行实证分析。
（一）分析框架
本文基于某财经类高校2008年毕业生就业的微观数据，首先采用LogisticRegression模型对大学毕业生就业的机会比率及性别差异进行定量分析，并对该财经类高校毕业生就业的微观因素做出一个影响力的优先顺序排列，然后对女大学生和男大学生的就业情况和影响因素进行对比分析。
本文所有涉及毕业生资源与就业情况的数据均来源于截止为2008年6月30日，2008年辽宁省普通高等学校本专科毕业生就业派遣某财经高校信息库，可确保数据质量。
1、因变量的设置
本文因变量的含义为毕业生是否就业，是一个二分变量，对就业赋值为1，对非就业赋值为0。
与辽宁省高校毕业生就业指导中心2008年8月31日统计全省各高校初次就业率有所不同，本文使用的就业率以实际掌握的就业协议书、劳动合同、研究生入学通知书、出国留学邀请函为准，办理了省、市就业代理但是未提供任何工作证明的同学按照待就业处理，因此该就业率将低于辽宁省高校毕业生就业指导中心公布的初次就业率。
该财经类高校2008届毕业生共有2949人，其中有12个数据缺失，可供使用的数据为2937个。
这2937个毕业生就业去向分为五类：
协议就业、劳动合同就业、灵活就业、升学和出国以及待就业。
本文将前四种情况统计为就业。
其中729人非就业，占总毕业生人数的24.8%，2208人就业，占75.2%（参见图1）。
图1初次就业率
2、自变量的设置
考虑到毕业生的个人特征，特别是人力资本方面的特征，是影响其就业的重要因素，本文根据该信息库统计的数据对2949个样本进行比较分析，得到毕业生是否就业大致与以下几个因素有关：
第一，性别是影响大学生就业的因素之一，且以“女性”为基准变量。
第二，专业是影响大学生就业的重要因素。
财经类高校的主要任务是培养财经类人才，因此将2008年该财经类高校毕业生的专业分为财经类专业和非财经类专业，并以“非财经类专业”为基准变量。
第三，学历也是当今社会中影响毕业生就业的一个十分重要的因素。
该校毕业生分为本科毕业生和高职专科毕业生，并以“高职专科”为基准变量。
第四，政治面貌在一定程度上反映了毕业生在校期间的表现和成绩，所以成为了影响就业的一个微观因素。
政治面貌分为党员与非党员，且以“非党员”为基准变量。
3、模型选择
由于本文的因变量与自变量均为二分变量，因此采用LogisticRegression的FwordLR功能，首先对该财经类高校大学毕业生就业的四个影响因素进行筛选和排序；
然后分别对女大学生和男大学生就业因素进行同样方法的回归分析。
（二）财经类高校毕业生就业影响因素的综合分析
运用LogisticRegression的FwordLR功能，对该财经类高校大学毕业生就业的四个影响因素进行筛选和排序，具体内容参见表2。
表2：
大学毕业生LogisticRegression分析（FwordLR）
未标准化系数
系数标准误差
Wald值
P值
Exp（B）值
第一步
学历
2.699
0.169
254.276
0.000
14.863
常数
-1.327
0.162
66.837
0.265
第二步
政治面貌
0.851
0.170
25.054
2.342
2.626
239.067
13.822
-1.350
0.163
68.818
0.259
第三步
专业
-0.572
0.160
12.793
0.564
0.838
0.171
24.113
2.311
2.793
0.179
242.252
16.334
-0.996
0.188
27.935
0.370
从表2中可以看到，LogisticRegression分三步筛选出三个影响因素，并且这三步的PredictedPercentageCorrect（即是否就业的猜中几率）为79.7%，Hosmer-Lemeshow检验显示拟合优度的P值都在98%以上。
因此，用LogisticRegression来估计就业概率是合理的。
第一步筛选出第一个重要变量——“学历”。
根据发生比率Exp（B）的系数判断，学历每增加一个等级，其获得工作的机会比率会增加14.86倍。
学历在一定程度上代表了毕业生的能力，所以，这说明当前用人单位倾向于录用高学历或者说更有能力的毕业生。
表3显示，2008年该财经类高校本科生的就业率远远高于高职专科的毕业生，为79.76%。
可见，学历在财经类高校毕业生就业中起到很大的作用，至少在本科与高职专科的比较中是这样的。
直观的比较，可由图2看出。
表3：
财经类高校毕业生就业与学历的关系
高职专科
本科
总计
非就业
79.04%（181）
20.24%（548）
24.82%（729）
就业
20.96%（48）
79.76%（2160）
75.18%（2208）
100%（229）
100%（2708）
100%（2937）
注：
各表格括号中的数字为各学历毕业生是否就业的绝对数值（单位：
人）。
图2：
财经类高校毕业生就业与学历的关系
第二步将“政治面貌”选入模型，该因素成为影响就业的次重要因素。
其OR值达到1.045，表明从总体来看，党员大学生就业机率是非党员大学生的1.045倍。
表4显示，毕业生中有13.24%的是党员，而党员大学生中又有88.69%都能顺利就业，非党员毕业生的就业率仅为72.12%。
更直观的比较由图3显示。
显然，在高校中只有表示良好、学习成绩优异、道德品质优秀并且经过一系列考察的学生才能加入中国共产党，用人单位自然更倾向于选择这类学生。
同时，一些公务员或其他企事业单位也会对政治面貌提出明确的要求，这也在一定程度上造成了党员毕业生的就业率高于非党员毕业生。
表4：
财经类高校毕业生就业与政治面貌的关系
非党员
党员
26.88%（685）
11.31%（44）
73.12%（1863）
88.69%（345）
100%（2548）
100%（389）
图3：
财经类高校毕业生就业与政治面貌的关系
第三步模型中增加了“专业”变量，它是影响该财经类高校毕业生就业的第三大变量。
其OR值为1.045，表明从总体来看，财经类专业毕业生的就业机会比率是非财经类专业毕业生的1.045倍，并没有太大的影响。
表4显示，财经类专业毕业生的就业率要略高于非财经类专业毕业生，财经类的就业率为75.28%，非财经类的就业率为74.46%，差异不太大。
这是因为该财经类高校虽然以经济学、管理学为主，但是同时注意高科技人才的培养。
计算机科学与技术专业的毕业生不仅掌握计算机的相关知识，同时掌握相应的经济管理知识，属于复合型人才，具有较强的竞争实力。
2008届毕业生协议就业率居于前三位的专业（含方向）有：
计算机科学与技术（就业率为71.43%），财务管理（就业率为62.50%），日语（国际商务方向）（就业率为60%）。
2008年计算机科学与技术专业首批大学生毕业，其协议就业率就居于全校各专业之首，这是因为经济增长主要依靠技术的创新，社会对高新科技人才需求大，该市对软件业的投入巨大，高新园区、软件园相继成立各类软件公司，对计算机人才需求巨大。
财经类高校毕业生就业与专业的关系
非财经类
财经类
25.54%（95）
24.72%（634）
74.46%（277）
75.28%（1931）
100%（372）
100%（2565）
图4：
财经类高校毕业生就业与专业的关系
最后，将四个影响就业的变量一起放进模型，“性别”通过了微弱的负显著性检验，说明财经类高校的男学生比女学生在就业中有微弱的优势（参见表5）。
表5：
大学毕业生LogisticRegression分析（Enter）
性别
-0.067
0.097
0.481
0.488
0.935
-0.583
0.161
13.133
0.558
24.146
2.312
2.803
0.180
242.550
16.487
-0.971
0.192
25.616
0.379
从表6可以看出，在该财经类高校中女大学毕业生与男大学毕业生的就业率没有太大差别，分别为74.65%和76.17%。
这与全国范围内的女大学生处于劣势的大情况不太一致。
这是因为适合财经类专业的用人单位有很多属于第三产业，第三产业创造就业岗位的能力较强，对女大学生的需求会多一些，而这在一定程度上能抵消一部分女大学在就业中的劣势。
更直观的比较由图5显示。
表6：
财经类高校毕业生就业与性别的关系
女
男
25.35%（485）
23.83%（244）
74.65%（1428）
76.17%（780）
100%（1913）
100%（1024）
图5：
财经类高校毕业生就业与性别的关系
尽管如此，从就业单位的性质来看，女大学生并非在所有的单位中都处于劣势。
从表7中可以看出，女大学生在升学、出国和灵活就业上都高于男大学生，尤其是在升学方面，高出男大学生7.17个百分点。
升学或出国在某种程度上来说，是劳动力市场上强大的就业压力使然，就业和择业的艰难使她们转而选择进一步深造。
同时表7还进一步显示：
女大学生在政事单位的就业率要小于男大学生。
一般而言，女大学生都比较容易进入通过公开考试雇用的单位，政事单位恰恰有这样的特点，但是这里为什么相反呢？
表8对男女大学生在政事单位的就业情况做出了比较。
从中可以看出，由于将部队统计到政事单位中，而男大学生进入部队的有6人，占到男大学生在政事单位的就业比例的19.36%。
所以，这使总的就业率高于女大学生。
同时，还能看到在其他政事单位中女性大学生的就业率均高于男大学生，事实和研究结果是一致的。
表7：
财经类高校毕业生就业单位性质与性别的关系
男大学生
升学
19.09%（272）
11.92%（93）
16.55%（365）
出国
16.35%（233）
16.15%（126）
16.28%（359）
政事单位
2.17%（31）
3.98%（31）
2.81%（62）
企业
6.81%（667）
53.33%（416）
49.12%（1083）
灵活就业
15.58%（222）
14.62%（114）
15.24%（336）
100%（1425）
100%（780）
100%（2205）
表8：
政事单位就业率与性别的关系
部队
6.45%
（2）
19.36%（6）
12.90%（8）
党政机关
35.48%（11）
45.16%（14）
40.32%（25）
科研设计单位
6.45%（3）
3.22%
（1）
4.84%（3）
高等教育单位
8.07%（5）
中、初待教育单位
0.00%（0）
1.61%
（1）
其他事业单位
38.71%（12）
25.81%（8）
32.26%（20）
100%（31）
100%（62）
（三）财经类高校男女大学生就业影响因素对比分析
性别对财经类高校毕业生的影响还可以通过Logistic，Regression做进一步的分析。
回归分析结果见表9和表10。
表9：
女大学毕业生LogisticRegression分析（FwordLR）
2.741
0.199
190.231
15.509
-1.357
0.190
51.282
0.257
2.680
180.565
14.583
0.717
0.206
12.149
2.048
-1.377
52.606
0.252
2.823
0.209
183.003
16.824
0.711
0.207
11.835
0.001
2.036
-0.688
0.218
10.001
0.002
0.502
-0.882
0.242
13.267
0.414
表10：
男大学毕业生LogisticRegression分析（FwordLR）
2.591
0.325
63.643
13.342
-1.242
0.315
15.551
0.289
1.112
0.305
13.341
3.042
2.495
0.326
58.518
12.118
-1.266
0.316
16.061
0.282
从表9中可以看到，LogisticRegression分三步筛选出三个影响女大学生就业的因素，并且这三步的就业与否的猜中几率（即PredictedPercentageCorrect）为79.9%，Hosmer-Lemeshow检验都显示拟合优度的P值在91%以上。
同样从表9中可以看出，LogisticRegression分三步筛选出两个影响男大学生就业的因素，并且这两步的就业与否的猜中几率为79.3%，Hosmer-Lemeshow检验都显示拟合优度的P值在86%以上。
因此，用LogisticRegression来估计性别对就业概率的影响是合理的。
在两个回归分析中，“学历”都最先进入模型，成为影响就业的首要因素。
由表11可以看出，高职专科的女大学生的就业率要比本科女大学生的低很多，男大学生的也是一样，低了56.34个百分点。
同时，高职专科的女大学生的就业率低于男大学生1.94%，本科女大学生的就业率却高于男大学生1.03%。
可见，女生接受本科教育，丰富自己的专业知识，对以后进入劳动力市场是很有帮助的，比男大学生接受本科教育获得的收益还要大。
女大学生的OR值为15.334，男大学生的OR值为12.826，再次证明这一点。
由以上分析可以看出，财经类高校的本科女大学生在就业中并没有受到明显的歧视。
更直观的比较可由图6看出。
表11：
财经类高校毕业生就业与性别、学历的关系
79.53%（136）
77.59%（45）
20.22%（349）
21.25%（199）
20.47%（35）
22.41%（13）
79.78%（1393）
78.75%（767）
100%（171）
100%（58）
100%（1742）
100%（966）
图6：
财经类高校毕业生就业与性别、学历的关系
第二步进入模型的都是“政治面貌”变量，说明无论是男大学生还是女大学生，政治面貌都是用人单位第二看中的影响因素。
在相同的学历条件下，用人单位将关注的焦点向毕业生的道德品质倾斜。
入党需要经过一系列的考核，需要得到老师和同学的认可，在一定程度上反映了大学生的品德和先进性。
党员女大学生的就业率就比非党员的就业率高出了14.63个百分点。
同时，女大学生的OR值为2.596，男大学生的OR值为3.554，说明男大学生中的党员比女大学生的更有优势。
这也解释了为什么男大学生在政事单位的就业率高于女大学生。
由表12可以看出，无论是否为党员，男大学生的就业率都比女大学生的高，分别为3.51%和1.01%。
可见，党员女大学生与男大学生的就业率差距更大。
更直观的比较可由图7看出。
表12：
财经类高校毕业生就业与性别、政治面貌的关系
27.23%（454）
升级会员 