金融危机下大学生就业影响因素的实证研究
随着金融风暴的到来，原本积重难返的大学生就业问题变得更加严峻，一方面，2010年全国高校超过600万的毕业生需要就业；另一方面，很多企业削减招聘岗位甚至取消了校园招聘计划，这“两重压力”对于即将要毕业的大学生而言，是相当现实而又棘手的。
一、研究回顾
传统的经济理论表明，一国或地区的经济增长有赖于技术进步、劳动力增加和资本积累等因素，经济增长与就业增长应该是互动和正相关的。经济的较快增长会扩大对劳动力的需求，增加就业、降低失业。世界各国经济增长的进程也证明了经济增长与就业增长人数之间的这种互动机制。
北京师范大学赖德胜在《大学毕业生就业难：现象、原因及对策》一文中对我国大学毕业生就业难的现象分析指出，解决大学毕业生就业难的问题既要依赖经济发展，也要进行体制的改革。河南城建学院樊铮钰《论金融危机下大学生的就业问题》，简要概述了金融危机下大学生的就业形势，分析了金融危机下大学生就业问题对社会、经济、政治稳定造成的负面影响，并从不同层面提出了切实可行的应对措施。中北大学王晋光《金融危机下大学生就业困境的对策分析》中指出：造成大学生就业困难的原因，主要不是由于大学扩招，而是与我国的产业结构不合理和人才培养结构不合理有关，解决金融危机下大学生就业问题的相关对策。唐山学院代冬芳、王金明在《金融危机对我国大学生就业的影响与对策研究》中提出了金融危机对大学生就业产生极大的影响，在金融危机背景下分析了大学生就业的影响因素，并提出从就业政策、热点调整、职业规划等六个方面做好大学生就业工作的对策建议。
二、金融危机对大学生就业的影响因素分析
（一）国家的相关就业政策不完善
劳动力需求是引致性需求，它取决于产品需求，而产品需求又因金融危机引发的消费和投资的下降而下降，因此，金融危机下的劳动力需求不足很难由供给条件的改善来调整。而在此背景下，由于劳动力市场管制以及员工技能上的差异，企业将首先取消新增的劳动力需求。因此，如果没有专项的大学生就业政策，将很难有效解决大学生就业的问题。
（二）大学生就业热点已经被重新调整
随着金融危机影响的日益扩散，大学生就业热点已经被重新调整，而农业、教育、医药、行政等行业受金融危机影响较小，IT行业尚未受到显著影响。此外，与老百姓生活息息相关的生活消费品行业也是金融危机中受影响较小的行业，就业形势较好。根据历年调查统计，国家各级机关及事业单位是吸纳大学生就业的大户，这一就业市场也是相对稳定的。
（三）大学生选择就业的区域差异
由于我国经济发展的地区间与城乡间差异，经济欠发达地区特别是西部地区很难对大学生形成有效需求。而大城市则对大学生有着强劲的需求，但是一些地方性的需求抑制（显性的指标限制与隐性的行政限制）与对中小企业或非正规部门的需求抑制（户口、社会保障、流动等），导致了大学生就业市场的人为分割。
（四）劳动力市场难以短时间吸纳毕业大学生
在时间结构上，大学毕业生供给超量增长在短期内超出了需求的增长，越来越多的大学生在寻找工作，劳动力市场还需要时间逐步调整，逐步消化大学毕业生在短期内的超量供给。
（五）学生就业能力突显不足
随着我国经济体制改革的深入和劳动力市场的结构性变化，用人单位的需求模式也发生了显著变化，大学毕业生的就业能力并不是基于职业路径的需要进行建构与培养，难以满足人力资源市场的需求。
三、金融危机对大学生就业影响的实证分析
本文首先将利用主成分分析法对所选的指标进行降维处理，将这些指标归纳为少数不相关的重要指标，从而简化计算和消除指标之间的相关性。接下来，对相关指标进行线性分析，建立线性回归模型；最后对模型进行检验并进行分析得出结论。该模型的结论不仅能对2010届毕业生就业提出建设性的意见，而且对今后毕业生就业工作有针对性的开展有着借鉴之意义。
（一）模型建立
我们首先考虑对货币供应量、存款、贷款、国内信贷、外汇、金融债券、储备货币七个金融指标采用因子分析方法来减少变量个数，之后再用得出的主成分与大学生就业率进行线性回归方法解出模型和综合评价。
具体步骤如下：
第一步：首先考察收集到的原有变量之间是否存在一定的线性关系，是否适合采用因子分析提取因子。这里借助巴特利特球度检验和KMO检验方法进行分析。通过SPSS操作后，得出结果，从中巴特利特球度检验统计量的观测值为215.88，相应的概率P接近0。如果显著性水平α为0.05，由于概率P小于显著性水平α，应拒绝零假设，认为相关系数矩阵与单位阵有显著差异。同时，KMO值为0.768，根据Kaiser给出了KMO度量标准可知原有变量适合进行因子分析。
第二步：采用主成分分析法提取因子并选取特征根值大于1的特征值。操作后得出公因子方差，货币供应量为0.980，存款为0.992，贷款为0.982，国内信贷为0.981，外汇为0.996，金融债券为0.927。由此可知，此时所有变量的共同度均较高，各个变量的信息丢失都较少。因此，本次因子提取的总体效果较理想。
第一组数据项描述了初始因子解的情况。可以看到，第1个因子的特征根值为5.857，解释原有的6个变量总方差的97.609%（5.857/6*100%），累计方差贡献率为97.609%；第2个因子的特征根值为0.135，解释原有6个变量总方差2.246%（0.135/6*100%），其余数据均类似。在初始解中由于提取了6个因子，因此，原有变量的总方差均被解释。
第二组数据项描述了因子解的情况。可以看到，国内信贷的相关系数为0.998，货币供应量的相关系数为0.996，存款的相关系数为0.991，贷款的相关系数为0.990，外汇的相关系数为0.990，金融债券的相关系数为0.963。由于提取的因子，都接近1，总体上，原有变量的信息丢失较少，因子分析效果较理想。
（二）模型求解
第一步：前面建立了一个主成分模型，在计算主成分的步骤中将出现因子载荷矩阵，我们可以取得每个主成分的方差，即特征根，它的大小表示了对应主成分能够描述原来所有信息的多少（更多情况下是由方差贡献率来反映）。对七个变量进行提取了一个主成分变量，故主成分的模型可以为：
F1=r11S1+r12S2+r13S3+r14S4+r15S5+r16S6
由相关数据可知主成分的线性方程模型为：
F1＝0.998S1+0.996S2+0.991S3+0.990S4+0.990S5+0.963S6
第二步：求出了主成分的线性方程后就再与大学生就业率进行线性分析（方法：做完第一步后就可以得出F的值，然后将该值与大学生就业率进行线性回归分析），得出调整的判定系数R=0.854较接近于1，拟合优度较好。
同时，被解释变量的总离差平方和为0.389，回归平方和及均方均为0.365，F检验统计量的观测值为58.368，对应的概率P值为0.000，依据该表可进行回归方程的显著性检验。如果显著水平α为0.05，该模型的回归系数显著性检验的概率P值小于显著水平α，应拒绝原假设，认为主成分F与被解释变量间（大学生就业率Y）的线性关系显著，由此表可以得出线性回归方程的常量α、β系数分别为-1.444、1.009E-06，将其代入线性回归方程y=α+βF得最终的回归方程。
大学生就业率为：
y=-1.444+(1.009E-06)F
（三）模型的检验
成对样本统计量检验后表明，实际就业率与模型检验就业率样本的平均值分别为0.18015和0.18817，无较大差异，实际就业率略低于模型检验就业率。实际就业率与模型检验就业率两组样本的简单相关系数为0.971，它表明，在显著水平α为0.05时，样本二者的线性相关程度很强。由成对样本检验也表明，t检验统计量观测值对应的双尾概率p值接近于1，在显著水平α为0.05时，由于概率p值大于显著水平α，应接受零假设，即认为总体上就业率的平均值与0无显著差异。
四、对策建议
基于以上的实证分析，应对金融危机下的大学毕业生就业危机，必须整合政府、学校和大学生个人的资源，通过制定各种有效的政策、制度、措施，创造各种有利条件，引导大学生合理定位，找准方向，促进大学生就业。
第一，政府方面。建立政府统一的大学生就业市场，取消户籍、档案等因素对大学生就业的限制，实现就业自由流通。举行针对性较强的应届大学生就业洽谈会，开展免费政策咨询、就业指导和就业推荐等服务。广泛建立政府投入的高校毕业生技能培训和见习基地，提升毕业生实践能力和工作经验。继续组织实施好“到村任职”、“大学生志愿服务西部计划”、“三支一扶计划”、“特岗教师计划”等项目，加大对大学生下基层工作的支持力度。应制定更切实可行的创业扶持政策，加大对大学生创业的支持和宣传力度。
第二，高校方面。充分发挥大学生就业工作的主导作用。高校应通过各种渠道收集就业信息，建立健全用人单位数据库，通过全方位的信息发布平台，为学生及时、有效、准确地传递信息；定期召开各类校园招聘会，为学生提供一定数量的就业岗位和应聘机会，同时做好企业招聘服务、就业追踪等工作。组织专门人员联系企业，建立各种产学研基地，既为学生实践实习提供保障，也可发挥高校技术前沿的引领作用，帮助企业进行创新技术，达到双方共赢的目的。
第三，大学生自身方面。大学生要端正就业心态，理性看待就业前景，提前规划布局。拓展实践空间，提升核心竞争力。利用大学期间，大学生要掌握扎实的专业基础知识，修炼实践技能，参加各种校园科技活动和社会实践，通过各种途径培养锻炼自己，塑造较强的综合素质，尝试在平凡中练就真功。
