“双高计划”背景下高职毕业生就业绩效因素检验与优化策略

摘 要 提高高职毕业生就业质量是我国职业教育现代化发展与职业教育政策实施的关键。基于人力资源开发视角，构建高职毕业生就业绩效影响因素研究模型，以重庆市某“双高计划”建设院校毕业生为研究对象，采用判断抽样调查法，对影响毕业生就业绩效的内部因素进行统计分析，利用Logistic模型对影响毕业生就业绩效的内部因素进行实证检验。研究发现：技术性知识、沟通表达能力、职业态度、就业政策学习对毕业生就业绩效影响更为重要，沟通表达能力、职业意识、就业政策学习对毕业生就业绩效呈现显著正向影响。提升高职院校毕业生就业绩效，需要完善高职院校就业质量监管评价机制、构建高职院校“四位一体”的育人新格局、优化学生职业素养培养新模式、拓宽教师职业知识储备新广度。

关键词 双高计划;高职毕业生;就业绩效;内部因素;质量评价机制

中图分类号 G717.38 文献标识码 A 文章编号 1008-3219（2022）20-0073-07

一、引言

作为最大的民生工程、民心工程、根基工程，就业是社会稳定的重要保障。2017年10月，习近平总书记在十九大报告中明确提出要“实现更高质量和更充分就业”，对就业提出了“质”和“量”的发展要求。2019年1月，国务院印发《国家职业教育改革实施方案》，提出“要建立健全职业教育质量评价和督导评估制度”，并将高职院校毕业生就业质量纳入职业教育质量评价体系。2019年12月，全国197所高职学校入选中国特色高水平高职学校和专业建设计划，覆盖29个省市，中央在五年内将支持100多亿元，这对我国高职教育的发展带来前所未有的机遇[1]。在“双高计划”背景下探索职业教育就业质量意义深远，关乎“双高”学校和“双高”专业的实际建设成效。

本文立足国家职业教育改革总体要求与建设目标，以就业绩效满意度作为毕业生就业质量的测量指标，采用判断抽样调查法，收集和整理已实现就业的毕业生就业数据（截至2021年8月30日），基于人力资源开发视角，构建了高职毕业生就业绩效影响因素研究模型，利用Logistic模型对毕业生就业绩效影响因素进行实证分析，挖掘高职院校教育教学工作与毕业生就业绩效的内在联系，反思职业教育存在的短板与不足，为推动高职毕业生更高质量更充分就业和职业教育内涵发展提供数据参考。

二、研究方法

（一）理论基础与研究模型

1.理论基础

经济学家西奥多·舒尔茨认为人力资本是当今时代促进国民经济增长的主要原因，它包括劳动者知识程度、工作能力、技术水平以及健康状况等因素体现的价值总和[2]。

2.毕业生就业绩效影响因素研究模型

在就业质量评价指标体系构建层面，国外学者将员工关注程度较高的劳动薪酬、人身安全和健康等物质要素和涉及员工满意度水平的劳资关系、权利自由、休息时间分配等权利因素融进了就业质量评价指标体系，如国外学者Mortonp从人身安全、人力资源、劳资关系、组织管理、权利自由、劳动时间分配、劳动薪酬、性别平等、职业安全以及保险保障10个方面构建了就业质量评价指标体系[3]，而国内学者张抗私等筛选出工作特征中的8个变量、个人特征中的6个变量，以收入满意度作为中介变量对影响毕业生就业质量的因素进行了实证分析[4]。从研究视角看，瞿晓理对如何通过提升高职大学生的心理资本以提高他们的就业质量作出了相关思考[5];陈丽君分析了贫困生家庭资本、人力资本与就业质量的关系[6];罗浩准从社会资本这一视角实证分析了大学生就业质量影响因素并提出了相应对策[7]。也有学者将工作满意度作为评判就业质量高低的指标，如沈晓梅等人认为就业绩效包括过程绩效和结果绩效[8];石庆华等人提出从获得绩效和满意绩效两个不同维度解释了就业绩效[9]。而人力资源开发的实质就是要改变员工的知识K（knowledge）、技能S（skill）和能力A（ability），KSA变化后，表示人的“动机+态度”的中介变量（intervening variable）也会随之发生变化，从而改变员工就业后的行为（behavior）及对组织的忠诚度与满意度，即KSAIBs模型[10]。根据前人的研究能够得出毕业生就业满意绩效内部要素一般包括知识储备、职业能力、职业行为、职业素养等四个方面：依据舒尔茨对人力资本的阐释，增加自身的知识储备是进行人力资本投资的内在要义;依据能力结构论从能力特性和能力结构两方面界定了能力的多元化特性，其中动手操作能力、沟通表达能力是能力结构的一般因素，团队协作能力、创新思维能力则构成了能力结构的特殊因素;职业行为则指毕业生的系列求职实践准备行为;职业素养中个体的素养犹如水面上漂浮的冰山，无法通过外在行为表现科学有效区分绩效优劣，对个体行为起到关键作用的则是职业意识、职业道德、职业习惯、职业态度、职业精神等水下部分。依据人力资本理论和KSAIBs模型，构建影响毕业生就业绩效的影响因素研究模型，见图1。而影响毕业生就业绩效因素中，既有来自学生本人层面的知识储备、职业能力、职业素养和职业行为等内部因素，又有来自家庭、学校、企业及社会层面的外部因素，但事物的发展规律与发展趋势是由事物自身的内部矛盾所决定的，也将直接影响毕业生就业绩效，因此本文主要研究影响毕业生就业绩效的自身内部因素。

（二）数据来源

以重庆市某“双高计划”建设院校已实现初次就业的毕业生作为调查样本进行判断抽样调查。本次调查共发放问卷400份，最终回收有效样本396份，有效样本率99%。针对调查问卷中的测量指标采用Likert5级量表依序从低到高进行赋值，在各内部因素对影响毕业生就业绩效重要性方面，非常重要=5，重要=4，中立=3，不重要=2，非常不重要=1;在毕业生就业绩效感知方面，非常高=5，高=4，中立=3，不高=2，非常不高=1。采用SPSS26.0软件对量表进行信度和效度检验，量表的标准化Cronbach’sα系数为0.967，大于0.9，说明样本数据信度质量很高;使用KMO和Bartlett检验进行效度验证后得出，KMO值为0.906，大于0.8，样本数据效度非常好。

从参与本次调查的完成初次就业毕业生的基本信息看：在性别结构上，女生样本比例占57.32%，男生样本比例占42.68%;从年龄分布看，毕业生年龄在22岁以下占45.45%，22～26岁之间占46.46%，另有8.09%的毕业生年龄在26岁及以上;从毕业生的专业类别看，电子信息类毕业生占10.35%，土木制造类、装备制造类分别占17.17%、18.69%，文化艺术类、公共管理服务类分别占9.34%、17.42%，财经商贸类占27.02%。

三、研究结果

（一）毕业生就业绩效满意度

从表1可以看出，毕业生认为实际所得工作报酬与自身就业薪酬期望吻合度非常高的比例达28.03%，对自身工作发展前景的认可程度非常高的占25.51%，对就业单位文化的认可程度非常高的占26.01%，对工作地点的满意程度非常高的占26.26%，对每日承担工作量的满意程度非常高的占26.26%。整体而言，29.29%的毕业生认为就业绩效满意度非常高，1.26%的毕业生认为自身的就业绩效满意度非常不高。从平均值和标准差判断，毕业生不再过分看重实际所得工作报酬、工作地点以及每日承担工作量，对就业单位的文化认同和未来广阔的工作发展前景成为毕业生测量自身就业绩效的重要参考标准。

（二）毕业生就业绩效内部因素重要性评价

1.知识储备对毕业生就业绩效的影响

从表2可以看出，认为技术性知识对就业绩效的影响非常重要的占49.24%，认为专业理论性知识对就业绩效的影响非常重要的占47.22%，认为人文知识对就业绩效影响非常重要的占40.66%。可见，毕业生认为技术性知识的储备对就业绩效的影响更大。

2.职业能力对毕业生就业绩效的影响

从表3可以看出，47.22%的毕业生认为沟通表达能力对就业绩效影响非常重要，45.45%的毕业生认为创新思维能力对就业绩效影响非常重要，45.2%的毕业生认为动手操作能力对就业绩效影响非常重要，43.69%的毕业生认为团队协作能力对就业绩效影响非常重要。可见，在职业能力方面，毕业生认为沟通表达能力对自身就业绩效影响更大。

3.职业行为对毕业生就业绩效的影响

从表4可以看出，38.64%的毕业生认为学习就业政策对自身就业绩效非常重要，38.13%的毕业生认为参加顶岗实习对提升自身的就业绩效非常重要，36.87%的毕业生认为收集就业信息对自身的就业绩效非常重要。这表明毕业生认为学习就业政策这一职业准备行为对进入职场后自身就业绩效影响更大。

4.职业素养对毕业生就业绩效的影响

从表5可以看出，44.95%的毕业生认为职业态度对就业绩效影响非常重要，42.68%的毕业生认为职业意识对就业绩效影响非常重要，42.42%的毕业生认为职业道德对就业绩效影响非常重要，40.15%的毕业生认为职业习惯对就业绩效影响非常重要。可见，相比职业意识、职业道德和职业习惯，毕业生认为职业态度对自身就业绩效影响程度更深。

（三）毕业生就业绩效内部因素实证检验

1.计量模型设计及变量选取

实证分析中，通过拟合（i-1）个Logistic回归模型，成为累积的Logistic回归模型，以三个不同水平的被解释变量为例，假设被解释变量的取值为1、2、3，相应的取值水平概率为π1、π2、π3，对m个自变量拟合两个模型如下：

Logit[π1/（1-π1）]=Logit[π1/（π2+π3）]=-ɑ1+β1X1+β2X2+…+βmXm  （1）

Logit[（π1+π2）/π3]=Logit[（π1+π2）/π3]=-ɑ2+β1X1+β2X2+…+βmXm （2）

上式中，回归系数βm表示在其他解释变量不变的情况下，某一解释变量改变一个单位，被解释变量提高一个及以上等级的对数优势比。利用有序Logistic回归模型对影响毕业生就业绩效的内部因素进行实证分析。实证模型包括知识储备、职业能力、职业行为和职业素养4个解释变量和就业绩效1个被解释变量。

2.变量间的显著性差异与相关性

为了检验不同变量之间是否存在多重共线性问题，运用SPSS26.0软件对解释变量和被解释变量进行方差分析，从表6可以看出，各解释变量在0.01水平均呈现出显著差异性。对各解释变量与被解释变量进行Spearman相关分析发现，知识储备、职业能力、职业行为及职业素养4个解释变量与被解释变量就业绩效呈现出显著正相关。

3.有序Logistic回归模型似然比检验

对知识储备、职业能力、职业行为及职业素养4个解释变量与被解释变量就业绩效进行模型似然比检验。检验结果见表7，卡方值为125.548，p值小于0.05，显示拒绝原假设，说明在构建有序Logistic回归模型时，放入的自变量具有有效性，模型构建有意义。

四、讨论与建议

（一）模型回归结果

通过对制约毕业生就业绩效的内部因素进行有序Logistic回归模型分析，计量结果见表8。

1.知识储备

技术性知识对毕业生就业绩效具有正向促进作用，但统计意义并不显著。高职院校育人的重点是结合市场需求和产业经济结构调整培养技能型人才，但高职院校设定的“专业教学标准”与用人单位参照的“行业职业标准”还存在一定的脱节问题，毕业生在传统职业教育模式下顺利完成专业技能学习拿到学历证书进入职场的同时，还需要一定的职业技能等级证书，才能达到行业职业复合型人才标准。事实上，大多数毕业生往往有技术知识而无职业技能等级证书，这是毕业生就业绩效满意度的“瓶颈”。毕业生的理论知识和人文通用知识对毕业生就业绩效表现为负向影响关系，通过实地走访及座谈交流发现其原因可能是，学生为提升自身就业竞争力，在校期间为实现教育投资收益最大化，不断增加自身人力资本投资，尤其在专业理论性知识学习方面会投入更多的时间和精力，但是对学生而言，就业准备越充分，其对工作的期望值也就越高，这是导致毕业生就业绩效满意度降低的重要原因。