《财经研究》
2022第48卷第7期
“慢就业”的职业损失:工资收入和工作职位
靳卫东1 , 李淑玥1 , 何丽2     
1. 青岛大学 经济学院, 山东 青岛 266061;
2. 山东财经大学 管理科学与工程学院, 山东 济南 250014
摘要: “慢就业”是毕业生为了找到合适工作而主动选择暂不就业的状态,普遍被视为高质量就业的具体表现,而其职业损失常常被忽略。这容易夸大“慢就业”对毕业生就业的促进作用,忽略了很多毕业生选择消极“慢就业”以及“慢就业”对毕业生就业能力的抑制作用,从而有可能使“慢就业”成为毕业生高质量就业的阻碍。文章从工资收入和工作职位两个方面,考察了“慢就业”对毕业生就业的负面影响,结果显示:“慢就业”显著降低了毕业生的工资收入和工作职位。进一步机制分析表明,受限于较低的就业意愿,很多毕业生选择消极“慢就业”,很难借此提高需求与供给匹配程度;同时,“慢就业”所产生的“职业空档期”导致毕业生就业能力下降,也阻碍了其实现要求与能力的匹配;而且,两项匹配都存在滞后效应,会抑制毕业生的长期职业发展。据此,文章认为可以从加强毕业生就业服务、发展“间隔年”项目以及建立终身学习制度等方面促进各级各类毕业生及时和高质量就业。
关键词: “慢就业”    个体—环境匹配    就业质量    职业发展    
Occupational Loss of “Slow Employment”: Wage and Job Position
Jin Weidong1, Li Shuyue1, He Li2     
1. School of Economics, Qingdao University, Qingdao 266061, China;
2. School of Management Science and Engineering, Shandong University of Finance and Economics, Jinan 250014, China
Summary: “Slow employment” is a state in which graduates voluntarily choose not to be employed temporarily in order to find suitable jobs. It is generally regarded as a concrete manifestation of high-quality employment. However, its occupational loss is often ignored. This tends to exaggerate the positive role of “slow employment” on graduate employment, and relatively ignore the negative “slow employment” of many graduates and the inhibitory effect of “slow employment” on graduate employability, which may make “slow employment” an obstacle to the high-quality employment of graduates. This paper studies the impact of “slow employment” on the employment status of graduates, and makes the following contributions: First, different from a large number of literatures that mainly analyze the promoting effect of “slow employment” on graduate employment, it demonstrates the occupational loss caused by “slow employment” from the two aspects of wage and job position. Second, according to the job search theory, human capital accumulation theory and individual-environment matching theory, it discusses how “slow employment” affects graduate employment, and theoretically and logically reveals the occupational loss of “slow employment”. Third, it adopts the instrumental variable method, Hausman-Taylor estimation and PSM analysis to resolve the issues of endogeneity and sample selection bias, which provides reliable empirical evidence for the occupational loss caused by “slow employment”. The results show that “slow employment” hinders the high-quality employment of graduates and significantly reduces the wage level and job positions of graduates. Further mechanism analysis shows that many graduates have low employment willingness, and the negative “slow employment” based on this reduces the degree of demand-supply matching in employment for graduates. At the same time, the “career gap” created by “slow employment” hinders graduates from accumulating applicable vocational skills, which will lead to the depreciation of knowledge acquired by graduates in school, and reduce the degree of their requirement-ability matching. Moreover, the hysteretic nature of “slow employment” limits the long-term career development of graduates, inducing wage level growth and job advancement. Therefore, promoting the timely employment and high-quality employment of graduates of all levels and types requires that: First, schools should strengthen employment services for graduates and improve their employability and willingness to work. Second, the government should develop a high-quality “gap year” plan to increase the non-cognitive ability of graduates. Third, the whole society should establish a lifelong learning system to help the long-term career development of graduates.
Key words: “slow employment”    individual-environment matching    quality of employment    career development    

一、引 言

延缓就业、暂不就业的各级各类毕业生逐渐增多,形成了普遍的“慢就业”现象。对于“慢就业”的发生及影响,当前存在两种截然不同的观点:一种观点认为,“慢就业”打破了“毕业即找工作或读研”的固有模式,是在物质生活水平提高的基础上高质量就业的具体表现,是必要的蓄力、尝试和磨合期,有利于提高毕业生就业概率和职业发展成就(谢勇和李珣,2010;谭杰和吴强,2021)。另一种观点则认为,“慢就业”在客观上造成了“职业空档期”,不利于毕业生及时接受在职培训和工作锻炼,并且容易成为“不就业”“懒就业”的借口,对毕业生就业和职业发展都将产生阻碍(蒋利平,2020)。那么,“慢就业”到底是有利还是有害呢?这不仅涉及对我国就业形势和就业矛盾的准确判断,而且关乎每个毕业生的就业选择,甚至会影响很多家庭的教育决策,已成为社会关注的焦点。因此论证“慢就业”对毕业生就业的实际影响,具有重要的社会价值。

工作搜寻理论认为,为了找到合适岗位,劳动者需要投入一定的工作搜寻时间。大量实证研究也表明,延长工作搜寻时间能够提高劳动者人与职的匹配程度进而可以改善就业状况(Nekoei和Weber,2017),是工资增长、职位晋升和工作满意度提升的重要决定因素(王子成和杨伟国,2014;刘复兴和朱俊华,2017)。特别是,我国各级各类毕业生的就业匹配程度较低(蒋承等,2014),增加工作搜寻时间具有更为重要的现实意义。有调查资料显示,很多毕业生选择“慢就业”就是为了匹配到更好的岗位,此类“慢就业”者占比达到70%以上(廉思,2021)。因此,以工作搜寻为目的的“慢就业”可以被视为一种人力资本投资,而在没有匹配到合适的工作岗位之前,保持一定的观望和等待时间成为毕业生的理性选择。然而,在增加人与职匹配程度的同时,“慢就业”也会对毕业生就业造成负面影响。首先,“慢就业”产生了“职业空档期”,会造成培训机会流失和人力资本损失,降低毕业生就业的工资水平(Mroz和Savage,2006);其次,长时间保持不就业状态有可能降低毕业生就业意愿或者产生其他负面影响,不利于获取工资丰厚的岗位(Schmieder等,2016;Nekoei和Weber,2017);最后,毕业生在职业生涯早期选择“慢就业”,由此产生的负面影响很可能具有滞后性,会阻碍其长期工资增长(Mroz和Savage,2006)。并且,“慢就业”的负面影响不只局限于工资收入减少,还包括了职位晋升受阻和工作满意度下降等非货币损失。目前大量文献侧重于分析“慢就业”的产生根源、主要形式和就业促进效应,较少关注其造成的负面影响,而有关“慢就业”的货币和非货币职业损失研究更是鲜有涉及。

毕业生就业状况不仅是“慢就业”影响的结果,也是毕业生选择“慢就业”的重要原因,两者互为因果。并且如果就业意愿和就业能力较低,通过“慢就业”毕业生能够获得技能要求低、工作压力小的“友好型”工作岗位,那么根据补偿性工资差别理论,他们的工资收入和工作职位必然较低。这就产生了内生性和样本选择偏差问题。很多文献通过访谈、抽样调查和统计描述等方法来考察“慢就业”对毕业生就业的影响,难以得到可靠的研究结论(蒋利平,2020);而采用倾向得分匹配等计量方法来消除样本选择偏差(胡艳婷和蒋承,2021),同样会产生有关“慢就业”影响的估计偏误。基于此,“慢就业”的职业损失分析确实存在计量方法选择上的困难。

借鉴已有研究,本文论证“慢就业”对毕业生就业的负面影响,在解决内生性和样本选择偏差问题后实证分析发现,“慢就业”降低了毕业生的工资收入和工作职位。其中,低就业意愿所产生的消极“慢就业”以及“慢就业”所造成的就业能力下降是阻碍毕业生高质量就业的重要原因。而且,这种负面影响还具有滞后性,明显抑制了毕业生的长期职业发展。本文可能的边际贡献体现在三个方面:第一,区别于大量文献主要分析“慢就业”对毕业生就业的促进作用,本文从工资收入和工作职位两个方面论证“慢就业”所造成的职业损失。第二,根据工作搜寻理论、人力资本积累和个体—环境匹配理论等,探讨了“慢就业”影响毕业生就业的机制,揭示了“慢就业”职业损失的原因。第三,采用工具变量法、Hausman-Taylor估计和PSM分析等方法来解决内生性和样本选择偏差问题,为“慢就业”职业损失提供了相对可靠的经验证据。

二、理论机制分析

如前文所述,“慢就业”延迟了毕业生入职时间,有助于毕业生搜寻合适工作。根据个体—环境匹配理论,合适工作既要满足毕业生的就业期望,具有较高的需求—供给匹配程度;又能保证毕业生充分回应工作任务要求,实现要求—能力匹配(Edwards,2007;罗英姿和陈尔东,2021)。这两项匹配分别决定了毕业生工作满意度和企业用工满意度,都会产生积极的职业发展结果,即:可以提高毕业生工资收入和工作职位。那么,“慢就业”能否增进需求—供给匹配和要求—能力匹配就成为判断其是有利还是有害的关键。

(一)“慢就业”与需求—供给匹配。工作搜寻理论认为,劳动力市场信息是不完全的,毕业生投入更多搜寻时间有利于匹配到符合就业期望的合适工作(Eriksson和Rooth,2014;Nekoei和Weber,2017)。另外,通过社会考察、工作实习和创业实践等活动,“慢就业”能够让毕业生体验不同职业,提高他们的职业认知,以明确工作搜寻目标(王尧骏和张姗姗,2020;杨宜勇和蔡潇彬,2021)。而且,很多毕业生的自我认知不足、就业期望过高,甚至根本不知道自己适合什么工作以及什么是最好的工作(罗明忠和陶志,2017)。“慢就业”可以帮助他们认识自我,了解自己的爱好、兴趣和优势(Tomlinson,2012),借此形成合理的就业期望,提高工作搜寻效率(胡艳婷和蒋承,2021)。由此可见,“慢就业”能够促进毕业生实现需求—供给匹配,有助于毕业生高质量就业。

不过,“慢就业”分为积极“慢就业”和消极“慢就业”(林成华和洪成文,2014)。目前认为“工作太累”“工作没意思”“跟人打交道太累”的暂不就业者占比达到62%(廉思,2021),其中不就业且无任何就业计划的毕业生比例仍在迅速增加(孟续铎,2018)。这些毕业生明显缺乏就业意愿,“慢就业”已成为“逃避就业”“懒就业”和无限期拖延就业的借口(蒋利平,2020)。显然,这种“慢就业”不可能产生积极的工作搜寻和认知积累,反而会阻碍毕业生实现需求—供给匹配,导致消极的就业结果(林成华和洪成文,2014;罗英姿和陈尔东,2021)。由此本文提出假说1:“慢就业”阻碍了毕业生实现需求—供给匹配,降低了其工资收入和工作职位。

(二)“慢就业”与要求—能力匹配。要求—能力匹配重点关注毕业生的就业能力,强调毕业生的知识、能力和素质能充分回应工作任务要求。目前随着智能技术进步,人才培养的复杂程度不断增加,毕业生在校所获知识与工作任务要求错位的现象日益普遍(胡艳婷和蒋承,2021)。因此,传统研究所关注的学历、专业和知识已不再那么重要,相反不限于特定专业和职业的非认知能力越来越受到重视,比如人际沟通、团队协作和组织管理能力等以及踏实肯干、乐于奉献和个人意志等素质(Edwards,2007;罗英姿和陈尔东,2021)。“慢就业”类似于西方国家的“间隔年”计划,涉及国际游学、志愿服务和创业实践等活动,有利于培养毕业生的非认知能力,理应可以促进毕业生实现要求—能力匹配。比如,志愿服务能够培养毕业生的奉献精神(Edwards,2007;Tomlinson,2012),国际游学对毕业生的人际沟通能力有较高要求(乔治·库,2019)。

然而,如前文所述,“慢就业”延迟了毕业生入职时间,产生了“职业空档期”,也会对毕业生就业造成不利影响。首先,“职业空档期”使毕业生丧失了在岗培训和工作锻炼机会,会阻碍适用性职业技能积累(Mroz和Savage,2006)。其次,“职业空档期”导致毕业生在校所获知识被闲置,容易发生遗忘、变得生疏或不再适用,进而造成知识折旧,即不能及时更新知识而无法保持原有的价值创造力。最后,如果“职业空档期”过长,有可能被企业视为负面“信号”(Eriksson和Rooth,2014),那么毕业生的就业能力将被人为贬低。三方面因素都会降低毕业生就业能力,不利于毕业生的要求—能力匹配,会对就业造成负面影响。由此可得假说2:“慢就业”阻碍了毕业生实现要求—能力匹配,降低了其工资收入和工作职位。

(三)“慢就业”的滞后性影响。如前文分析,“慢就业”降低了毕业生的个体—环境匹配程度,对毕业生就业造成了负面影响。事实上,这种负面影响还存在滞后效应,会抑制毕业生的长期职业发展。一方面,受制于个体—环境匹配程度,毕业生就业的地域和职业选择会直接作用于其长期职业发展成就(张车伟,2006);另一方面,如果毕业生没有匹配到合适工作,在就业以后很可能会被迫跳槽和再次择业(Mroz和Savage,2006;王子成和杨伟国,2014),那么就不能通过“干中学”持续性积累适用性职业技能,也将限制其长期的工资增长和职位晋升。据调查,随着“慢就业”人数增加,毕业生半年离职率不断增长,甚至已达到30%以上(刘复兴和朱俊华,2017)。这从侧面说明了消极“慢就业”的发生必然会造成毕业生的职业损失。

此外,“慢就业”产生的“职业空档期”不利于毕业生积累职业技能,将导致毕业生在校所获知识折旧。按优势积累理论,技能积累损失和已有知识折旧不仅直接降低毕业生的本期价值创造能力,还限制毕业生未来的人力资本积累,对其长期职业发展造成阻碍。换言之,在职业生涯早期处于获取社会资源的劣势地位,那么毕业生在后期也只能获得相对较低的职业发展成就(罗英姿和陈尔东,2021;Curry等,2022)。即,“慢就业”的负面影响具有“记忆效应”或者“疤痕效应”,将为毕业生职业发展打上难以磨灭的“烙印”(Schmillen和Umkehrer,2017)。由此提出假说3:“慢就业”的负面影响具有滞后性,在长期内抑制了毕业生工资增长和职位晋升。

三、检验方法和数据说明

(一)检验方法。

1.随机效应模型。相对于毕业生的就业现状,包括工资收入和工作职位,其“慢就业”行为发生在职业生涯早期是一个非时变解释变量。所以,“慢就业”的职业损失无法依靠固定效应模型得到有效估计。借鉴高梦滔和毕岚岚(2009)以及王媛和杨广亮(2016)的研究,本文在“慢就业”职业损失估计的有效性与无偏性之间取舍,选择了随机效应模型。在随机效应模型中,一方面非时变解释变量可以降低估计的有偏程度;另一方面引入更多控制变量以及采用工具变量法也能消除不可观测遗漏变量的不利影响。回归方程为:

$ {Y}_{it}={\alpha }_{0}+{\alpha }_{1}{Emp}_{i}+{\alpha }_{2}{X}_{it}+{\varepsilon }_{it} $ (1)

其中, $ {Y}_{it} $ 表示毕业生 $ i $ 在第 $ t $ 年的就业状况,即工资收入和工作职位; $ {Emp}_{i} $ 表示毕业生 $ i $ 的“慢就业”持续时间,即暂不就业持续时间; $ {X}_{it} $ 表示控制变量,包括个体特征、家庭特征和地区特征等; $ {\alpha }_{0} $ 为常数项, ${\varepsilon}_{it}$ 为随机扰动项。

“慢就业”会影响毕业生就业状况,而就业状况也是毕业生选择“慢就业”的重要原因,两者之间存在互为因果关系。并且,宏观经济形势、劳动力市场供求、历史文化环境、就业观念和个人偏好等地区和个体特征都可以同时作用于毕业生就业与“慢就业”,从而也会产生内生性问题。因此,本文采用工具变量法进行随机效应模型估计。借鉴刘畅等(2017)以及马俊龙和宁光杰(2017)的研究,选择社区层面“慢就业”持续时间作为毕业生个体“慢就业”持续时间的工具变量,核算方法是:统计每个毕业生所属社区内所有毕业生的“慢就业”持续时间,再求出平均值。首先,社区层面“慢就业”持续时间反映了社区内其他毕业生的就业决策,存在明显的同伴效应和示范效应(马俊龙和宁光杰,2017;刘畅等,2017),是毕业生个体“慢就业”选择及其持续时间的重要影响因素。换言之,社区层面“慢就业”持续时间与毕业生个体的“慢就业”决策紧密相关,符合工具变量的相关性要求。其次,毕业生就业状况主要取决于其职业认知、自我认知、就业意愿和就业能力等,显然不受社区层面“慢就业”持续时间的直接影响。也就是说,社区层面“慢就业”持续时间通过且仅能通过毕业生个体“慢就业”持续时间而作用于其就业状况,符合工具变量的排他性要求。最后,社区层面“慢就业”持续时间取决于地区教育质量、劳动市场环境甚至是“间隔年”项目建设情况等,很难为单个毕业生的就业状况所影响,具有很好的外生性。

2. Hausman-Taylor模型。在估计方程式(1)中,解释变量与不可观测的个体效应很可能相关,所以上述随机效应模型估计在某种程度上是有偏的。为了充分利用面板数据信息,同时考虑到非时变解释变量估计,借鉴王媛和杨广亮(2016)以及刘自敏等(2017)的研究,采用Hausman-Taylor模型重新进行相关估计,回归方程为:

$ {Y}_{it}={\alpha }_{0}+{\alpha }_{1}{X}_{it}+{\alpha }_{2}{Z}_{i}+{\alpha }_{region-i}+{\lambda }_{t}+{\mu }_{i}+{\varepsilon }_{it} $ (2)

其中, $ {Y}_{it} $ 表示毕业生 $ i $ 在第 $ t $ 年的就业状况,即工资收入和工作职位; $ {X}_{it} $ 为时变解释变量, $ {Z}_{i} $ 为非时变解释变量,包括“慢就业”持续时间 $ {Emp}_{i} $ $ {\alpha }_{region-i} $ 表示地区固定效应, $ {\lambda }_{t} $ 表示时间固定效应, $ {\mu }_{i} $ 为不可观测的个体效应, ${\varepsilon}_{it}$ 为剩余随机误差项。

(二)数据说明。

1.数据来源。本文数据来源于2012年、2014年、2016年和2018年中国劳动力动态调查数据(CLDS)。中国劳动力动态调查建立了劳动力个体、家庭和社区三个层面的调查数据库。根据研究目标,本文选取18—64岁劳动力样本,从中筛选出具有大专及以上学历的样本,并删除没有毕业时间、就业时间、工资收入和工作职位等统计数据的样本。其中,毕业时间是指毕业生初始就业之前最近的毕业时间;就业时间是指毕业生的初始就业时间;工资收入是指工资性劳动收入,即小时工资数,不包括经营性收入及其他收入来源;工作职位是指在工作岗位上所管理的人员数。最后,按小时工资数排序,删除工资收入最大和最小各2%的样本,以增加数据信度。由此,本文共获得毕业生样本2 865个,其中按照毕业时间与就业时间考察,及时就业的样本为2 351个,选择“慢就业”的样本为514个。

2.指标设置。首先是被解释变量。本文选择毕业生的工资收入和工作职位作为被解释变量,同时以相对工资收入和相对工作职位作为被解释变量的衡量指标。其中,为了消除工龄及其所产生职业技能积累的影响,以充分体现“慢就业”所造成的毕业生就业变化,本文核算相对工资收入的方法是:按照工龄分组,对每个样本组中所有毕业生的小时工资数取均值,再进行取对数处理,然后计算样本组内每个毕业生的小时工资对数值与前者的差额。同理,本文核算相对工作职位的方法是:按照工龄分组,对每个样本组中所有毕业生所管理人员数取均值,然后计算样本组内每个毕业生所管理人员数与前者的差额。其次是解释变量。本文选择“慢就业”持续时间作为解释变量,以毕业生暂不就业的持续时间作为“慢就业”持续时间的衡量指标。如前文所述,除了毕业生的职业认知、自我认知、就业意愿和就业能力等,毕业生及其家庭的偏好、就业观念以及宏观经济形势和劳动力市场等因素都会影响毕业生的入职时间。为了消除这些可观测和不可观测因素的影响,以充分体现毕业生为了找到合适工作而主动暂不就业的持续时间,本文核算毕业生暂不就业持续时间的具体方法是:按照毕业生就业年份分组,统计每个样本组内所有毕业生就业时间与毕业时间的差额,然后求出平均值,再计算每个毕业生就业、毕业时间差与平均值的差额,得到毕业生暂不就业持续时间的相对值。最后是控制变量。毕业生的工资收入和工作职位受很多因素影响,将毕业生个体特征、家庭特征和地区特征作为控制变量引入估计方程。其中,个体特征包括:年龄、性别、户籍、政治面貌、自评健康状况以及人力资本水平(英语水平、专业资格证书、受教育年限和高校类型);家庭特征包括:家庭人均收入、父母受教育水平、父母是否处于管理岗位、提供信息或帮助的人数以及家庭社会地位等级;地区特征包括:人均GDP和市场化指数。

表1所示,首先,与“慢就业”样本相比,及时就业样本的工资收入更多、工作职位更高,初步反映了“慢就业”所造成的职业损失,一定程度上证明了假说1、假说2和假说3。其次,两组样本相比,很多变量都存在显著差别,比如:“慢就业”样本的健康状况更好,更有可能是211或985高校毕业生,父母的受教育水平更高,以及家庭社会地位更高;而中共党员以及拥有更多专业资格证书的毕业生更倾向于及时就业。特别是,以拥有专业资格证书的数量为衡量指标,毕业生就业能力并没有因为“慢就业”而有所提升,也初步验证了假说2。最后,在地区特征方面,地区经济发展和市场化水平越高,越有利于毕业生及时就业。这反映了宏观经济形势和劳动力市场对毕业生就业的重要影响。所以,本文选择差额指标来衡量解释变量和被解释变量,并采用工具变量法和Hausman-Taylor模型,预期能够得到更为精确的实证检验结果。

表 1 核心变量的描述性统计
变量 衡量指标 样本均值 T检验
Pr(|T| > |t|)
及时就业
“慢就业”
工资收入 小时工资对数的相对值 0.335 0.232 0.0100
工作职位 所管理人员数的相对值 1.999 0.34 0.0000
“慢就业”持续时间 暂不就业的相对持续时间 −0.445 2.036 0.0000
个体特征 年龄 毕业生的年龄 35.14 34.77 0.3471
性别 男性人口占比 48.32 50.78 0.3126
户籍 城镇户籍人口占比 84.60 85.21 0.2321
政治面貌 中共党员为1,其他为0 0.310 0.230 0.0003
自评健康状况 非常不健康为1,比较不健康为2,一般为3,
健康为4,非常健康为5
3.926 4.014 0.0193
英语水平 听说读写能力:很难进行为1,勉强能为2,
比较熟练为3,非常熟练为4
1.392 1.387 0.9366
专业资格证书 拥有专业资格证书的数量 0.557 0.189 0.0000
受教育年限 大专为14,本科为16,研究生为19,博士为22 15.68 15.49 0.0001
高校类型 211或985高校的毕业生占比 17.27 20.82 0.0574
家庭特征 家庭人均收入 家庭总收入/家庭人口数(万元) 3.576 3.875 0.2653
父亲受教育水平 未上学为0,小学为1,初中为2,高中/中专/技校为3,
大专为4,本科为5,研究生为6,博士生为7
3.185 3.251 0.0129
母亲受教育水平 未上学为0,小学为1,初中为2,高中/中专/技校为3,
大专为4,本科为5,研究生为6,博士生为7
3.064 3.111 0.0032
父亲是否处于管理岗位 处于管理岗位为1,其他为0 0.0910 0.0739 0.2153
母亲是否处于管理岗位 处于管理岗位为1,其他为0 0.0345 0.0409 0.4781
提供信息或帮助的人数 提供过求职方面信息或帮助的人数 0.752 0.850 0.3297
家庭社会地位等级 14岁时的主观家庭地位 3.912 4.222 0.0012
地区特征 人均GDP 各省份的人均GDP(万元) 5.729 5.350 0.0016
市场化指数 市场化指数总评分 7.692 7.232 0.0000
样本量 2 351 514

四、实证结果分析

(一)基准回归结果。以毕业生的工资收入和工作职位作为被解释变量,以“慢就业”持续时间作为解释变量,本文采用工具变量法进行随机效应模型估计,结果如表2中列(1)至列(6)所示。依次加入控制变量,“慢就业”对毕业生工资收入都产生了负向影响,并且在5%的置信水平上显著;同时,“慢就业”对毕业生工作职位也有抑制作用,且在1%的置信水平上显著。另外,本文进行Hausman-Taylor估计,如表2中列(7)和列(8)所示,“慢就业”也显著降低了毕业生的工资收入和工作职位。假说1和假说2得到验证,说明“慢就业”对毕业生就业产生了负面影响,显著降低了毕业生的工资收入和工作职位。

表 2 “慢就业”职业损失的回归分析
工具变量法 Hausman−Taylor估计
(1) (2) (3) (4) (5) (6) (7) (8)
“慢就业”持续时间 −0.205**
(0.0874)
−0.0687***
(0.00645)
−0.170**
(0.0855)
−0.0681***
(0.00645)
−0.178**
(0.0859)
−0.0687***
(0.00647)
−0.171***
(0.0251)
−0.103***
(0.0102)
个人特征 控制 控制 控制 控制 控制 控制 控制 控制
家庭特征 不控制 不控制 控制 控制 控制 控制 控制 控制
地区特征 不控制 不控制 不控制 不控制 控制 控制 控制 控制
地区固定 不控制 不控制 不控制 不控制 不控制 不控制 控制 控制
时间固定 不控制 不控制 不控制 不控制 不控制 不控制 控制 控制
Constant −3.387***
(0.293)
0.881***
(0.104)
−3.054***
(0.311)
0.958***
(0.113)
−3.283***
(0.419)
0.808***
(0.152)
−3.826***
(1.196)
1.720***
(0.609)
R2 0.186 0.158 0.226 0.161 0.226 0.161
N 2 865 2 865 2 865 2 865
注:括号内为聚类稳健标准误的t值,*表示p<0.1,**表示p<0.05,***表示p<0.01。列(1)、列(3)、列(5)、列(7)中被解释变量为工资收入,而列(2)、列(4)、列(6)、列(8)中被解释变量为工作职位。为简化,没有详列控制变量的结果,可参见本文工作论文,下表统同。

(二)稳健性检验。通过替换衡量指标、调整研究样本和改变研究方法进行稳健性估计。

1.替换衡量指标。先替换“慢就业”持续时间的衡量指标。按照前文指标设置,“慢就业”持续时间的衡量指标是,按照毕业生就业年份分组进而核算得出的暂不就业持续时间相对值。这在一定程度上消除了毕业生就业年份的宏观经济形势和劳动力市场等因素影响,能充分体现毕业生基于个体特征和为找到合适工作而主动选择暂不就业的持续时间。不过,毕业年份的宏观经济形势和劳动力市场状况也会影响毕业生“慢就业”决策,并作用于暂不就业持续时间。为此,根据毕业年份,本文重新对毕业生样本进行分组,核算得出了毕业生暂不就业持续时间的相对值。相关估计结果如表3所示,“慢就业”仍然明显减少了毕业生的工资收入,同时也显著降低了其工作职位。列(7)和列(8)采用Hausman-Taylor模型的估计结果显示,“慢就业”对毕业生就业的负面影响依然十分显著。这都验证了前文实证分析结果的稳健性。再替换毕业生就业状况的衡量指标。一般认为,毕业生就业状况的衡量指标不仅包括工资收入和工作职位等外在成就,而且还应该包括内在的就业体验,比如:工作胜任情况、工作内容可控性、可支配资源和社会贡献感等。特别是,在激烈的市场竞争中,外在成就很容易受到宏观经济形势和劳动力市场等因素影响,而内在的就业体验更能反映个人就业状况(罗英姿和陈尔东,2021)。所以,根据CLDS的问卷设置,采用“工作的自主程度”来衡量毕业生的就业体验进而从侧面反映其就业状况,具体赋值方法是:“完全由他人决定”为1、“部分由自己决定”为2、“完全由自己决定”为3。估计结果如表4所示,“慢就业”没有改善毕业生的就业体验,两者之间呈现出显著的负相关关系,由此也验证了前文实证分析结论的稳健性。

表 3 替换“慢就业”衡量指标的稳健性检验
(1) (2) (3) (4) (5) (6) (7) (8)
“慢就业”持续时间 −0.123**
(0.0516)
−0.0686***
(0.00605)
−0.100**
(0.0498)
−0.0682***
(0.00606)
−0.104**
(0.0499)
−0.0686***
(0.00607)
−0.0950***
(0.0218)
−0.104***
(0.00879)
个人特征 控制 控制 控制 控制 控制 控制 控制 控制
家庭特征 不控制 不控制 控制 控制 控制 控制 控制 控制
地区特征 不控制 不控制 不控制 不控制 控制 控制 控制 控制
Constant −3.418***
(0.299)
0.848***
(0.103)
−3.030***
(0.314)
0.926***
(0.112)
−3.268***
(0.423)
0.776***
(0.151)
−3.416***
(1.153)
1.390**
(0.595)
R2 0.164 0.169 0.210 0.171 0.211 0.171
N 2 865 2 865 2 865 2 865
注:列(1)、列(3)、列(5)、列(7)中被解释变量为工资收入,而列(2)、列(4)、列(6)、列(8)中被解释变量为工作职位。
表 4 替换就业状况衡量指标的稳健性检验
(1) (2) (3) (4)
“慢就业”持续时间 −0.263**(0.110) −0.235**(0.108) −0.187*(0.105) −0.142**(0.0509)
个人特征 控制 控制 控制 控制
家庭特征 不控制 控制 控制 控制
地区特征 不控制 不控制 控制 控制
Constant 0.274
(0.356)
−0.113
(0.380)
0.295
(0.365)
1.042***
(0.857)
R2 0.208 0.251 0.286
N 2 865 2 865 2 865 2 865
注:列(1)至列(3)是采用工具变量法的随机效应模型估计,列(4)为Hausman-Taylor估计。

2.调整研究样本。先选择城镇户籍毕业生作为研究对象。“慢就业”是毕业生的理性选择,是为了匹配到合适工作而主动选择暂不就业的状态。与农村劳动力相比,城镇户籍劳动力的就业质量普遍较高,包括就业率、工资收入和人力资本水平等方面;同时,在表2中户籍类型对毕业生就业状况也有正向影响。所以,相对于农村户籍毕业生,城镇户籍毕业生很可能更倾向于选择“慢就业”,以寻求高质量就业。本文筛选出城镇户籍毕业生作为研究对象,重新检验“慢就业”的影响。如表5所示,无论是从工资收入还是从工作职位来看,“慢就业”都显著降低了毕业生就业质量。而且,在列(7)和列(8)中,使用Hausman-Taylor模型进行相关估计,“慢就业”对毕业生工资收入和工作职位的影响仍然显著为负值。接下来再选择高人力资本水平毕业生作为研究对象。在前文理论分析中,人力资本水平较高的毕业生将面临更大的技能积累损失和已有知识折旧以及由此所产生的优势积累效应,预期“慢就业”的负面影响更大。所以,本文筛选出在工作中需要较高知识和技能的毕业生作为研究对象,他们的人力资本水平相对更高,借此能够充分体现“慢就业”对毕业生就业的影响。根据CLDS的问卷设置,选择“在工作中需要脑力思考的频率”作为毕业生人力资本的衡量指标,赋值方法为:“从不”为1、“很少”为2、“有时”为3、“经常”为4。选择中位数以上的样本作为高人力资本水平的毕业生,估计结果如表6所示。与前文实证分析结果相似,在列(1)至列(6)中“慢就业”显著降低了毕业生的工资和职位;同时,在列(7)和列(8)Hausman-Taylor估计中,“慢就业”对毕业生就业的负面影响依然显著。

表 6 基于高人力资本水平毕业生的稳健性检验
(1) (2) (3) (4) (5) (6) (7) (8)
“慢就业”持续时间 −0.249**
(0.114)
−0.0801***
(0.0113)
−0.251**
(0.115)
−0.0800***
(0.0113)
−0.258**
(0.115)
−0.0807***
(0.0113)
−0.186***
(0.0227)
−0.102***
(0.0152)
个人特征 控制 控制 控制 控制 控制 控制 控制 控制
家庭特征 不控制 不控制 控制 控制 控制 控制 控制 控制
地区特征 不控制 不控制 不控制 不控制 控制 控制 控制 控制
Constant −3.057***
(0.358)
0.893***
(0.139)
−3.369***
(0.389)
0.990***
(0.153)
−3.683***
(0.537)
0.925***
(0.211)
−4.383***
(0.972)
1.018**
(0.402)
R2 0.192 0.137 0.201 0.140 0.201 0.141
N 1 238 1 238 1 238 1 238
注:列(1)、列(3)、列(5)、列(7)中被解释变量为工资收入,而列(2)、列(4)、列(6)、列(8)中被解释变量为工作职位。
表 5 基于城镇户籍毕业生的稳健性检验
(1) (2) (3) (4) (5) (6) (7) (8)
“慢就业”持续时间 −0.207**
(0.0949)
−0.0662***
(0.00707)
−0.162*
(0.0933)
−0.0655***
(0.00707)
−0.163*
(0.0937)
−0.0662***
(0.00708)
−0.157***
(0.0401)
−0.0990***
(0.00956)
个人特征 控制 控制 控制 控制 控制 控制 控制 控制
家庭特征 不控制 不控制 控制 控制 控制 控制 控制 控制
地区特征 不控制 不控制 不控制 不控制 控制 控制 控制 控制
Constant −3.235***
(0.316)
0.867***
(0.117)
−2.959***
(0.333)
0.947***
(0.126)
−2.992***
(0.457)
0.756***
(0.171)
−4.006**
(1.696)
1.476**
(0.607)
R2 0.197 0.169 0.232 0.172 0.232 0.173
N 2 427 2 427 2 427 2 427
注:列(1)、列(3)、列(5)、列(7)中被解释变量为工资收入,而列(2)、列(4)、列(6)、列(8)中被解释变量为工作职位。

3.改变研究方法。首先,就业意愿较低的毕业生只能获得较低的工资和职位,同时也倾向于选择消极“慢就业”(罗明忠等,2018;廉思,2021)。为了避免由此所产生的样本选择偏差,本文采用PSM模型重新进行相关估计。其次,前文选择社区层面“慢就业”持续时间来反映地区教育质量、劳动力市场状况和“间隔年”项目建设等地区因素的影响,并将其作为毕业生“慢就业”行为的工具变量。那么,为了更好地反映宏观地区因素的影响,本文选择省级层面平均的“慢就业”持续时间作为工具变量,重新进行估计。最后,鉴于GMM方法不需要了解随机误差项的准确分布信息,允许随机误差项存在异方差和序列相关,所以在纳入社区层面“慢就业”持续时间作为工具变量进行异方差工具变量估计时,采用了GMM方法。如表7所示,三种估计结果均表明,“慢就业”显著降低了毕业生的工资收入和工作岗位,同样验证了前文研究结论。

表 7 改变研究方法的稳健性检验
PSM IV GenExtInst (IV-GMM)
(1) (2) (3) (4) (5) (6)
“慢就业”持续时间 −0.155**
(0.0735)
−0.0621***
(0.0123)
−0.178**
(0.0859)
−0.0687***
(0.00647)
−0.108**
(0.0462)
−0.0604***
(0.00517)
控制变量 控制 控制 控制 控制 控制 控制
Constant −4.100***
(0.813)
1.486***
(0.499)
−3.283***
(0.419)
0.808***
(0.152)
−3.715***
(0.412)
0.834***
(0.122)
R2 0.124 0.170 0.225 0.159 0.195 0.151
N 739 2 865 2 865
注:列(1)、列(3)、列(5)中被解释变量为工资收入,而列(2)、列(4)、列(6)中被解释变量为工作职位。工具变量已通过了相关检验。

(三)机制检验。

1.毕业生的需求—供给匹配分析。根据个体—环境匹配理论,需求—供给匹配反映了毕业生就业期望的实现程度,包括是否充分发挥了个人优势和是否实现了个人价值等,集中体现为毕业生的工作满意度(罗英姿和陈尔东,2021)。如果“慢就业”可以促进毕业生实现需求—供给匹配,相应地能够增加毕业生的工作满意度,那么他们的个人价值感、工作热情和工作绩效都会提高,最终将转化为更高的工资收入和工作职位(Edwards,2007;王子成和杨伟国,2014)。基于CLDS的问卷设置,本文选择“在工作中感到有价值”来反映毕业生的需求—供给匹配程度,赋值方法是:“从不”为1、“一年数次或更少”为2、“一月数次”为3、“一周数次”为4、“每天”为5。

本文采用中介效应模型检验了“慢就业”持续时间对毕业生工资收入和工作职位的影响。如表8所示,第一步是基准模型回归,列(1)和列(2)中“慢就业”持续时间降低了毕业生的工资和职位;第二步将解释变量对中介变量进行回归,列(3)中“慢就业”不利于毕业生“在工作中感到有价值”;第三步在基准模型中加入中介变量,列(4)和列(5)中“慢就业”持续时间的估计系数依然显著为负,但绝对值明显小于第一步的系数。这说明,“慢就业”对毕业生就业存在直接阻碍效应,同时“在工作中感到有价值”能够在“慢就业”影响毕业生就业中发挥部分中介效应。这就验证了假说1,即“慢就业”阻碍了毕业生实现需求—供给匹配,降低了其工资和职位。

表 8 基于需求-供给匹配的“慢就业”影响分析
(1)工资收入 (2)工作职位 (3)在工作中感到有价值 (4)工资收入 (5)工作职位
“慢就业”持续时间 −0.178**(0.0859) −0.0687***(0.00647) −0.333**(0.164) −0.169**(0.0858) −0.0678***(0.00645)
在工作中感到有价值 0.0220**(0.00916) 0.00929**(0.00435)
控制变量 控制 控制 控制 控制 控制
Constant −3.283***(0.419) 0.808***(0.152) 1.422**(0.593) −3.026***(0.302) 0.999***(0.122)
R2 0.226 0.161 0.308 0.233 0.164
N 2 865 2 865 2 312 2 312 2 312

2.毕业生的要求—能力匹配分析。基于CLDS的问卷设置,“掌握目前的工作技能所需要时间”反映了工作岗位所要求职业技能的复杂程度。如果“慢就业”有利于提高毕业生就业能力,包括适用性职业技能和非认识能力等,借此毕业生增加了要求—能力匹配程度,可以从事更为复杂的工作,那么其工资收入和工作职位就会更高。因此,以“掌握目前的工作技能所需要时间”来衡量毕业生在劳动力市场上的就业能力大小,借此考察“慢就业”对毕业生就业能力进而对其要求—能力匹配和就业质量的决定作用,赋值方法为:“一天”为1、“几天”为2、“大约一周”为3、“不到一个月”为4、“一个月到三个月”为5、“超过三个月不到一年”为6、“一年以上”为7以及“三年以上”为8。

本文根据中介效应模型检验了“掌握目前的工作技能所需要时间”在“慢就业”与毕业生就业之间的中介效应。如表9所示,第一步是基准模型回归,列(1)和列(2)中“慢就业”持续时间降低了毕业生的工资收入和工作职位;第二步将解释变量对中介变量进行回归,列(3)中“慢就业”减少了毕业生“掌握目前的工作技能所需要时间”;第三步在基准模型中加入中介变量,列(4)和列(5)中“慢就业”持续时间的估计系数仍显著为负,但其绝对值明显小于第一步的系数。这说明,“慢就业”对毕业生就业存在直接阻碍效应,而“掌握目前的工作技能所需要时间”也在“慢就业”影响毕业生就业中发挥了部分中介效应。这证明了假说2,即“慢就业”阻碍了毕业生实现要求—能力匹配,降低了其工资和职位。

表 9 基于要求-能力匹配的“慢就业”影响分析
(1)工资收入 (2)工作职位 (3)掌握目前的工作
技能所需要时间
(4)工资收入 (5)工作职位
“慢就业”持续时间 −0.178**
(0.0859)
−0.0687***
(0.00647)
−0.136**
(0.0642)
−0.168**
(0.0858)
−0.0670***
(0.00651)
掌握目前的工作技能所需要时间 0.0181***
(0.00517)
0.00362*
(0.00210)
控制变量 控制 控制 控制 控制 控制
Constant −3.283***
(0.419)
0.808***
(0.152)
0.227
(1.099)
−3.303***
(0.294)
1.089***
(0.0565)
R2 0.226 0.161 0.091 0.228 0.162
N 2 865 2 865 2 336 2 336 2 336

五、进一步分析

(一)“慢就业”的滞后性影响。为了检验“慢就业”对毕业生就业的长期滞后性影响,将研究样本进行分组,分组标准类同于前文被解释变量的指标设置:按照工龄大小,每3年工龄期的毕业生样本为一组。然后,采用Hausman-Taylor模型,分组估计每个样本组内“慢就业”对毕业生工资收入和工作职位的影响,结果如表10所示。从总体上看,“慢就业”显著降低了毕业生整个职业生命周期内的工资收入,同时也阻碍了其职位晋升。假说3得证,说明“慢就业”对毕业生长期职业发展产生了独特的“记忆效应”,显著降低了毕业生长期内的工资水平和工作职位。

表 10 “慢就业”的滞后性影响
工龄分组 0—3年 3—6年 6—9年 9—12年 12—15年
A. 工资收入 “慢就业”持续时间 −0.139***(0.176) −0.128***(0.304) −0.284***(0.101) −0.147***(0.0395) −0.176**(0.0877)
控制变量 控制 控制 控制 控制 控制
Constant −10.39***(3.016) −8.898*(4.808) −6.439*(3.705) −6.682***(2.506) −18.37***(2.822)
N 364 475 402 305 292
工龄分组 15—18年 18—21年 21—24年 25年以及上
“慢就业”持续时间 −0.479***(0.147) −0.109*(0.0606) −0.352*(0.188) −0.347***(0.0380)
控制变量 控制 控制 控制 控制
Constant −4.441(5.253) −13.87***(2.888) −40.22***(10.25) 8.941(5.727)
N 265 211 206 345
工龄分组 0—3年 3—6年 6—9年 9—12年 12—15年
B. 工作职位 “慢就业”持续时间 −0.219***(0.0334) −0.331***(0.0388) −0.163***(0.0210) −0.128***(0.0362) −0.0478***(0.0134)
控制变量 控制 控制 控制 控制 控制
Constant −11.06***(3.242) −5.353***(0.805) 9.683***(2.264) −0.724(1.145) 1.529***(0.539)
N 364 475 402 305 292
工龄分组 15—18年 18—21年 21—24年 25年以及上
“慢就业”持续时间 −0.102*(0.0546) −0.107***(0.0146) −0.288***(0.0145) −0.00124(0.0213)
控制变量 控制 控制 控制 控制
Constant 12.88***(3.108) 4.512***(1.315) 3.393***(0.830) 1.032(0.978)
N 265 211 206 345

(二)异质性分析。

1.毕业生的就业意愿差异。按前文理论分析,就业意愿是毕业生“慢就业”的重要决定因素。如果毕业生的就业意愿较低,选择了消极“慢就业”,将很难找到合适工作,进而需求—供给匹配程度和就业质量都较低。根据CLDS的问卷设置,“感知工作无趣的频率”和“努力完成工作任务”反映了毕业生的工作主动性和积极性,能够体现毕业生的就业意愿。其中,“感知工作无趣的频率”的赋值方法是:“从不”为1、“一年数次或更少”为2、“一月数次”为3、“一周数次”为4、“每天”为5;“努力完成工作任务”的赋值方法是:“非常不同意”为1、“不同意”为2、“同意”为3、“非常同意”为4。以这两项指标的中位数为标准,本文将毕业生样本分为两组,估计结果如表11所示。当“感知工作无趣的频率”较高和“努力完成工作任务”较小时,毕业生的就业意愿较低,那么无论是从工资收入还是从工作职位来看,“慢就业”都显著降低了毕业生就业质量。这进一步验证了前文有关需求—供给匹配的机理分析。

表 11 基于就业意愿差异的“慢就业”影响分析
A. 工资收入 感知工作无趣的频率 努力完成工作任务
就业意愿较高 就业意愿较低 就业意愿较高 就业意愿较低
“慢就业”持续时间 0.0822(0.217) −0.242**(0.0948) −0.0883(0.158) −0.270**(0.106)
控制变量 控制 控制 控制 控制
Constant −4.643***(0.827) −4.142***(0.334) −4.292***(0.549) −4.035***(0.384)
R2 0.170 0.247 0.160 0.239
N 1 156 1 156 1 132 1 132
B. 工作职位 感知工作无趣的频率 努力完成工作任务
就业意愿较高 就业意愿较低 就业意愿较高 就业意愿较低
“慢就业”持续时间 0.0432(0.0626) −0.0983***(0.00874) −0.00854(0.0211) −0.0743***(0.00660)
控制变量 控制 控制 控制 控制
Constant 0.213(0.571) 1.015***(0.131) 0.0177(0.304) 1.038***(0.118)
R2 0.071 0.241 0.065 0.140
N 1 156 1 156 1 132 1 132

2.毕业生的就业能力差异。毕业生的职业技能越高,其培训需求和培训回报就越大,而优势积累效应也会更加突出。另外,如前文理论分析,毕业生在校所获知识越多,将面临更大的知识折旧,由此产生的优势积累效应也会更大。换言之,人力资本水平越高进而就业能力越强的毕业生,反而要承受更大的“慢就业”负面影响。

基于CLDS问卷设置,本文选择“互联网使用程度”来衡量毕业生的人力资本水平,采用“感知身心俱疲的频率”来反映毕业生是否回应了工作任务要求,两项指标都体现了毕业生的就业能力。其中,“互联网使用程度”的赋值方法是:“从不”为1、“很少”为2、“有时”为3、“经常”为4;“感知身心俱疲的频率”的赋值方法是:“从不”为1、“一年数次或更少”为2、“一月数次”为3、“一周数次”为4、“每天”为5。以这两项指标的中位数为标准,本文把毕业生样本划分为两组,估计结果如表12所示。当“互联网使用程度”较高和“感知身心俱疲的频率”较低时,毕业生的就业能力较高,“慢就业”显著降低了毕业生的工资收入和工作职位。这也验证了前文有关要求—能力匹配的机理分析。

表 12 基于就业能力差异的“慢就业”影响分析
A. 工资收入 互联网使用程度 感知身心俱疲的频率
就业能力较低 就业能力较高 就业能力较低 就业能力较高
“慢就业”持续时间 −0.147(0.162) −0.226**(0.106) −0.0166(0.242) −0.323***(0.107)
控制变量 控制 控制 控制 控制
Constant −4.408***(0.825) −4.138***(0.332) −4.163***(0.705) −4.449***(0.400)
R2 0.141 0.179 0.138 0.155
N 1 429 1 429 1 156 1 156
B. 工作职位 互联网使用程度 感知身心俱疲的频率
就业能力较低 就业能力较高 就业能力较低 就业能力较高
“慢就业”持续时间 −0.0270(0.0236) −0.104***(0.00927) −0.0449(0.0466) −0.0978***(0.00913)
控制变量 控制 控制 控制 控制
Constant 0.215(0.272) 0.966***(0.137) 0.548(0.438) 0.965***(0.130)
R2 0.058 0.254 0.040 0.242
N 1 429 1 429 1 156 1 156

六、结论与建议

日益增多的“慢就业”现象普遍被视为高质量就业的具体表现,鲜有文献分析“慢就业”所造成的职业损失。这容易夸大“慢就业”对毕业生就业的促进作用,相对忽略了很多毕业生选择消极“慢就业”以及“慢就业”对毕业生就业能力的抑制作用,从而有可能使“慢就业”成为毕业生高质量就业的障碍。为此,本文从工资收入和工作职位两个方面论证“慢就业”对毕业生就业的负面影响,有利于全面认识各级各类毕业生的就业形势和就业矛盾。

研究结果发现,“慢就业”阻碍了毕业生高质量就业,显著降低了毕业生的工资收入和工作职位。进一步机制分析表明,很多毕业生的就业意愿较低,以此为基础产生的消极“慢就业”降低了毕业生的需求—供给匹配程度;同时,“慢就业”在客观上产生了“职业空档期”,有碍于毕业生积累适用性职业技能,并将导致毕业生在校所获知识的折旧,降低了毕业生的要求—能力匹配程度;而且,“慢就业”的负面影响具有滞后性,也限制了毕业生的长期职业发展,包括工资增长和职位晋升。基于CLDS数据,本文采用工具变量法和Hausman-Taylor估计等方法为此提供了经验证据支持。

据此,为了促进各级各类毕业生及时就业和高质量就业,提出如下建议:第一,学校应加强毕业生就业服务,提高他们的就业能力和就业意愿。比如:帮助毕业生树立科学的就业观念,特别是针对消极“慢就业”群体,需要有效激发他们的就业意愿;引导毕业生深入了解各类职业和工作岗位,帮助他们实现需求—供给匹配;鼓励学生参加各种课外实践活动,增强毕业生综合就业能力。第二,政府应发展高质量的“间隔年”计划,增加毕业生的非认知能力。作为“慢就业”的正规替代形式,“间隔年”计划可以为毕业生提供参加游学、公益、实习和实践等机会,有利于对毕业生在非认知能力方面进行阶段性赋能,提高他们的要求—能力匹配程度。要尽快搭建起相关的组织机构平台,加强资金和政策支持,为“间隔年”计划提供更多更有保障和更规范的高质量项目。第三,全社会应建立终身学习制度,助力毕业生的长期职业发展。知识创新必然会引发生产的持续变革,终身学习对于劳动力实现个体—环境匹配具有特殊的意义;要把在校学习、在职培训和继续教育等贯穿于毕业生的整个职业生命周期,以助力各级各类毕业生的长期职业发展。

① 类似于西方国家的“间隔年”计划,“慢就业”是指毕业生基于个体特征,包括职业认知、自我认识和就业意愿等,为了找到合适工作而主动选择暂不就业的状态,借此可以参加游学、公益、实习和实践等活动,以提升自身就业能力。据调查,选择“慢就业”的毕业生逐渐增多(王尧骏和张姗姗,2020),在我国某些地区高中(中专)和高职(大专)毕业生选择“慢就业”的比例甚至已达到56%左右(谭杰和吴强,2021)。

② 根据毕业生的就业年份差别,参照我国国民经济与社会发展规划周期,本文进行5年期样本分组。这既可以使每组样本中有足够数量的“慢就业”毕业生,又能够保证每个样本组内所有毕业生所面临的宏观经济形势和劳动力市场状况基本相似。具体分组情况可以直接向作者索取。

③ 根据已有研究,如果毕业生的需求—供给匹配程度较高,必然表现为较高的就业意愿,比如:“感到工作充实有趣”(Edwards,2007)和“工作态度较为积极”等(罗英姿和陈尔东,2021)。所以,考虑到CLDS的问卷设置,本文采用“感知工作无趣的频率”和“努力完成每日应该做的工作任务”来反映毕业生的就业意愿,从侧面体现毕业生的需求—供给匹配程度。

主要参考文献
[1] 高梦滔, 毕岚岚. 村干部知识化与年轻化对农户收入的影响: 基于微观面板数据的实证分析[J]. 管理世界, 2009(7): 77–84,92.
[2] 胡艳婷, 蒋承. 专业匹配对高校毕业生工资起薪的影响——基于倾向得分匹配法的实证研究[J]. 华东师范大学学报(教育科学版), 2021(4): 53–63.
[3] 蒋承, 范皑皑, 张恬. 大学生就业预期匹配程度研究: 以北京市为例[J]. 高等教育研究, 2014(3): 34–39.
[4] 蒋利平. 社会主要矛盾转化视角下大学生“慢就业”现象解读及治理[J]. 当代青年研究, 2020(6): 70–76. DOI:10.3969/j.issn.1006-1789.2020.06.011
[5] 廉思. “尼特族”的群体特征及行为动机研究[J]. 人民论坛, 2021(1): 84–87. DOI:10.3969/j.issn.1004-3381.2021.01.022
[6] 林成华, 洪成文. 大学生就业公平失衡的社会危机与化解对策研究——基于政府责任的视角[J]. 中国高教研究, 2014(7): 8–13.
[7] 刘畅, 易福金, 徐志刚. 父母健康: 金钱和时间孰轻孰重?——农村子女外出务工影响的再审视[J]. 管理世界, 2017(7): 74–87. DOI:10.3969/j.issn.1002-5502.2017.07.007
[8] 刘复兴, 朱俊华. 大学生就业结果的影响因素研究——人力资本、SCCT职业发展理论的视角[J]. 西南大学学报(社会科学版), 2017(5): 30–37,189.
[9] 刘自敏, 杨丹, 冯永晟. 递增阶梯定价政策评价与优化设计——基于充分统计量方法[J]. 经济研究, 2017(3): 181–194.
[10] 罗明忠, 陶志. 大学生工作搜寻的“摘麦穗”效应——风险容忍视角下的大学生就业满意度分析[J]. 南方经济, 2017(12): 66–80.
[11] 罗明忠, 万盼盼, 陶志. 影响就业困难人员工作搜寻决策的主要因素——基于广州市某区的问卷调查分析[J]. 经济与管理评论, 2018(2): 5–15.
[12] 罗英姿, 陈尔东. 基于人与环境匹配理论的高校毕业生职业发展评价体系构建[J]. 高等教育研究, 2021(3): 70–78.
[13] 马俊龙, 宁光杰. 互联网与中国农村劳动力非农就业[J]. 财经科学, 2017(7): 50–63.
[14] 孟续铎. 当前高校毕业生就业形势和主要问题[J]. 中国劳动, 2018(5): 4–13.
[15] 乔治·库. 非认知能力: 培养面向21世纪的核心胜任力[J]. 金红昊, 译. 北京大学教育评论, 2019(3): 2–12,187.
[16] 谭杰, 吴强. 新时代下尼特族群体特征的新趋势——基于广东四个县区实证调查的分析[J]. 中国青年研究, 2021(6): 84–93. DOI:10.3969/j.issn.1002-9931.2021.06.012
[17] 王尧骏, 张姗姗. 间隔年: “95后”学生毕业的另一种打开方式[J]. 教育评论, 2020(2): 3–10.
[18] 王媛, 杨广亮. 为经济增长而干预: 地方政府的土地出让策略分析[J]. 管理世界, 2016(5): 18–31.
[19] 王子成, 杨伟国. 就业匹配对大学生就业质量的影响效应[J]. 教育与经济, 2014(3): 44–52,57. DOI:10.3969/j.issn.1003-4870.2014.03.008
[20] 谢勇, 李珣. 大学生的工作搜寻时间及其影响因素——基于生存模型的实证研究[J]. 北京大学教育评论, 2010(2): 158–167,192. DOI:10.3969/j.issn.1671-9468.2010.02.014
[21] 杨宜勇, 蔡潇彬. 新时代创业带动就业活力充分释放[J]. 经济与管理评论, 2021(2): 64–71.
[22] 张车伟. 人力资本回报率变化与收入差距: “马太效应”及其政策含义[J]. 经济研究, 2006(12): 59–70.
[23] Curry M, Mooi-Reci I, Wooden M. Intergenerationally penalized? The long-term wage consequences of parental joblessness[J]. Social Science Research, 2022, 103: 102650. DOI:10.1016/j.ssresearch.2021.102650
[24] Edwards J. Challenges and opportunities for the internationalization of higher education in the coming decade: Planned and opportunistic initiatives in American institutions[J]. Journal of Studies in International Education, 2007, 11(3-4): 373–381. DOI:10.1177/1028315307303920
[25] Eriksson S, Rooth D-O. Do employers use unemployment as a sorting criterion when hiring? Evidence from a field experiment[J]. American Economic Review, 2014, 104(3): 1014–1039. DOI:10.1257/aer.104.3.1014
[26] Mroz T A, Savage T H. The long-term effects of youth unemployment[J]. Journal of Human Resources, 2006, 41(2): 259–293.
[27] Nekoei A, Weber A. Does extending unemployment benefits improve job quality?[J]. American Economic Review, 2017, 107(2): 527–561. DOI:10.1257/aer.20150528
[28] Schmieder J F, von Wachter T, Bender S. The effect of unemployment benefits and nonemployment durations on wages[J]. American Economic Review, 2016, 106(3): 739–777. DOI:10.1257/aer.20141566
[29] Schmillen A, Umkehrer M. The scars of youth: Effects of early-career unemployment on future unemployment experience[J]. International Labour Review, 2017, 156(3-4): 465–494. DOI:10.1111/ilr.12079
[30] Tomlinson M. Graduate employability: A review of conceptual and empirical themes[J]. Higher Education Policy, 2012, 25(4): 407–431. DOI:10.1057/hep.2011.26