基于結構方程全模型的大學生就業(yè)預期情況分析

目錄摘要30.引言41.問題的分析41.1研究目的41.2研究方法42.問卷數(shù)據(jù)的收集52.1數(shù)據(jù)來源52.2抽樣方法52.3問卷內容及執(zhí)行情況53．問卷數(shù)據(jù)的處理63.1定性變量的分類及賦值方法63.1本文變量的設置64．用結構方程全模型分析大學生的預期就業(yè)手段和就業(yè)區(qū)域情況74.1結構方程全模型簡介74.2模型的根本假定84.3本文擬采用的結構方程全模型路徑圖及形式84.4模型的識別114.5模型的參數(shù)估計以及參數(shù)的顯著性檢驗114.6模型的整體擬合評價124.7模型參數(shù)估計結果的解釋134.8模型存在的問題145.結論15參考文獻16附錄17附錄一生源地按東·中·西部地區(qū)經(jīng)濟興旺水平劃分17附錄二所在專業(yè)就業(yè)率情況按統(tǒng)計的就業(yè)率排名劃分17附錄三大學生就業(yè)與深造意向調查問卷20附錄四全模型LISREL軟件程序26附錄五全模型LISREL軟件輸出結果27基于結構方程全模型的大學生就業(yè)預期情況分析楊曉潔雷文興魯科言〔云南大學統(tǒng)計系，昆明650091〕摘要：本文基于云南大學數(shù)學與統(tǒng)計學院2005級統(tǒng)計系本科生于2007年10月至11月期間收集的題目為“大學生就業(yè)與深造意向調查〞的原始問卷資料，從大學生的就業(yè)預期角度出發(fā)，欲分析影響大學生預期就業(yè)手段和預期就業(yè)地域的相關因素。文章對各個影響因素、大學生預期就業(yè)手段、預期就業(yè)地域分別建立了測量方程，對影響因素與就業(yè)預期建立了結構方程，從而得到了大學生就業(yè)預期情況的結構方程全模型〔SEM〕。然后，我們對模型的參數(shù)進行了估計、對參數(shù)顯著性以及模型整體的擬合效果進行了檢驗，均說明模型擬合結果相對令人滿意。并且，我們著重分析了影響大學生預期就業(yè)手段和預期就業(yè)地域的因素，獲得了與現(xiàn)實一致的結果，亦即：大學生的社會經(jīng)濟地位、對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)手段均有影響，但影響差異不大。另外，大學生的社會經(jīng)濟地位對他們的預期就業(yè)地域有影響，但大學生對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)地域幾乎沒有影響。關鍵字：大學生就業(yè)與深造意向調查結構方程全模型〔SEM〕引言隨著我國經(jīng)濟的不斷開展，我國高校大規(guī)模擴招，越來越多的年輕人獲得了接受教育的時機。從社會開展的角度來講，大批高素質的人才培養(yǎng)是與我國快速開展的社會經(jīng)濟水平相適應的。然而，由此也帶來了兩方面的問題：一是本科生的就業(yè)矛盾日益突出，幾乎每一個大學生都在切身感受就業(yè)的恐慌；二是人才的競爭加劇，加之市場對于人才的需求多元化，考研或出國深造成為提高我們本科生自身核心競爭力的一種渠道，同時也是躲避就業(yè)難的一種新途徑；那么，在如此就業(yè)形勢嚴峻、人才競爭加劇的當今社會，大學生們對自己將來的就業(yè)有怎樣的預期呢？本論文基于云南大學數(shù)學與統(tǒng)計學院2005級統(tǒng)計系本科生于2007年10月至11月期間收集的題目為“大學生就業(yè)與深造意向調查〞的原始問卷資料，欲從大學生的就業(yè)預期角度出發(fā)，結合結構方程模型，分析大學生預期就業(yè)手段和預期就業(yè)地域方面的相關情況，并期望推廣結構方程模型應用于問卷分析的方法。問題的分析1.1研究目的本論文在采用量表方式對問卷中的定性變量予以賦值后，欲分析影響大學生預期就業(yè)手段和預期就業(yè)地域的因素，并期望得到各個因素與大學生預期就業(yè)手段、預期就業(yè)地域之間的關系的度量。需注意：〔1〕該調查的調查對象是云南大學全日制在讀本科生。調查對象僅僅是來自大學生這個總體的一個群或層。根據(jù)抽樣調查的相關理論，云南大學在讀本科生并不具有典型代表性，即它作為大學生總體的一個群被抽出并不具備隨機性和強代表性。因此，本論文從這份調查數(shù)據(jù)出發(fā)，僅僅只是從一個相對小的視角研究大學生預期就業(yè)手段、預期就業(yè)地域方面的情況，結果不一定適用于大學生總體?！?〕問卷數(shù)據(jù)歸屬于2007年10月這個時點，因此，本論文的分析結果當然是對2007年10月這個時點相關情況的反映。1.2研究方法本論文考慮建立結構方程全模型來研究大學生預期就業(yè)手段和預期就業(yè)地域〔內生潛變量〕與其各個因素〔外生潛變量〕之間的關系，并量化這種關系。結構方程模型的優(yōu)勢就在于引入潛變量〔不可直接觀測的量〕，使人們考慮問題的思路躍然紙上，顯得更加系統(tǒng)化。也就是，它以如下的方式考慮問題：X指標X指標外生潛變量內生潛變量Y指標那么，研究外生潛變量對內生潛變量的影響實質上就是間接研究X指標對Y指標的影響。只不過，結構方程把由同一個潛變量控制的指標劃分為一類，表示這一類指標受該潛變量的影響，使得問題的分析更加的系統(tǒng)。值得注意的是，本論文的研究根底——問卷資料來自于第二方的調查資料，第二方事先并未考慮過用結構方程模型分析問卷。那么，本文運用結構方程模型分析問卷，問卷中的問題就不一定能很好地切合結構方程模型，由此可能引起相當?shù)恼`差。這也就決定了我們在確定運用結構方程模型分析問卷時，已有心理準備面對模型可能出現(xiàn)的整體擬合效果不好等問題，故本文著眼于推廣結構方程模型建模方法在問卷分析中的應用。也就是說，欲用結構方程模型分析問卷，應該事先根據(jù)相關理論或經(jīng)驗初步設定幾個潛變量，然后在問卷中為每一個潛變量設置假設干的題目來測量它。問卷數(shù)據(jù)的收集2.1數(shù)據(jù)來源本論文數(shù)據(jù)來自于云南大學數(shù)學與統(tǒng)計學院2005級統(tǒng)計系本科生于2007年10月至11月期間收集的題目為“大學生就業(yè)與深造意向調查〞的原始問卷資料。該次調查的調查對象為云南大學全日制在讀本科生〔云南大學二級學院的學生不包括在內〕。具體說來，本論文僅僅提取在問卷的“甄別問題〞局部答復“就業(yè)〞的那局部人〔共計280人〕的相關信息進行分析。2.2抽樣方法該次調查按學科類別〔文科、理科、工科、其他〕和年級〔大一、大二、大三、大四〕將研究總體分為16個層，由于“其他類〞的大一和大四的數(shù)據(jù)難以取得，因此，僅針對其余14個層進行抽樣。根據(jù)抽樣框，在每層中按簡單隨機抽樣抽取20%的班級，同時在抽中的班級中按簡單隨機抽樣抽取30%的學生。2.3問卷內容及執(zhí)行情況調查問卷詳見附錄三。該次調查專門成立調查組，按照被抽中學生的花名冊由專人負責發(fā)放問卷，共計發(fā)放問卷788份，實際收回問卷758份，提取有效問卷706份。3．問卷數(shù)據(jù)的處理3.1定性變量的分類及賦值方法3.1本文變量的設置表1指標的設置變量符號變量名取值情況X1生源地X1=1西部；X1=2中部；X1=3東部X2戶口類型X2=0農(nóng)村戶口；X2=1城鎮(zhèn)戶口X3父親受教育程度X3=1初中以下；X3=2初中；X3=3高中或中專X3=4大專或本科；X3=5研究生以上X4母親受教育程度X4=1初中以下；X4=2初中；X4=3高中或中專X4=4大?；虮究?；X4=5研究生以上X5月可支配生活費X5=1300元以下；X5=2300~500元X5=3500~800元；X5=4800元以上X6對就業(yè)形勢的看法X6=1很不好；X6=2不好；X6=3一般X6=4較好；X6=5非常好X7所學專業(yè)前景看法X7=1很不好；X7=2不好；X7=3一般X7=4較好；X7=5非常好X8參加就業(yè)輔導的次數(shù)X8=0參加0次；X8=1參加1次X8=2參加2次；X8=3參加4次以上X9就業(yè)資格證書個數(shù)X9=0、1、2、3……X10四、六級考證情況X10=0四、六級都沒過；X10=1過四級；X10=2過六級X11參加社會實踐次數(shù)X11=0從不參加；X11=1參加1、2次X11=2參加3、4次；X11=3參加4次以上Y1是否自主創(chuàng)業(yè)Y1=0否；Y1=1是Y2工作地域Y2=1農(nóng)村地區(qū)；Y2=2縣級地區(qū)Y2=3地級城市及州市；Y2=4省會城市及直轄市表2潛變量的設置變量符號變量名變量包括的指標外生潛變量1社會經(jīng)濟地位X1、X2、X3、X4、X52對就業(yè)狀況的把握X6、X7、X83自身能力X9、X10、X11內生潛變量1預期就業(yè)手段Y12預期就業(yè)地域Y24．用結構方程全模型分析大學生的預期就業(yè)手段和就業(yè)區(qū)域情況4.1結構方程全模型簡介很多社會、教育、心理等研究中涉及的變量，都不能準確、直接地測量，比方學習動機、家庭社會經(jīng)濟地位等，我們稱這樣的變量為潛變量。潛變量往往只能通過一些外生指標去衡量，比方用父母受教育程度、學生戶口類型、父母收入等外生指標來衡量學生的社會經(jīng)濟地位〔潛變量〕。傳統(tǒng)的統(tǒng)計分析方法不能妥善處理這些潛變量，而結構方程全模型那么能同時處理潛變量及其指標。它是一種基于變量的協(xié)方差矩陣來分析多個變量之間關系的一種統(tǒng)計方法，也稱為協(xié)方差結構分析。并且，它有機地整合了多元統(tǒng)計中的因子分析方法、生物學中的路徑分析方法以及計量經(jīng)濟學中的聯(lián)立方程模型。結構方程全模型由測量方程和結構方程組成。假設結構方程模型中只包括測量方程，那么又稱為驗證性因子模型。關于測量方程和結構方程的形式，最普遍的情況是設定為線性模型。測量方程用來描述指標與潛變量之間的關系，用下述模型表示：結構方程用來描述外生潛變量與內生潛變量之間的關系，用下述模型表示：4.2模型的根本假定〔1〕一般假定，每一個指標只在其對應的潛變量上有不為0的因子負荷，而在其他潛變量上的因子負荷為0。內生變量之間的路徑〔相關或單方面影響〕依據(jù)經(jīng)驗和相關理論而定?！?〕測量誤差項與外生潛變量之間〔〕、測量誤差項與內生潛變量之間不相關〔〕；〔〕、〔〕、〔〕不相關。4.3本文擬采用的結構方程全模型路徑圖及形式結合研究目的，首先我們根據(jù)相關研究及經(jīng)驗，找出影響大學生的預期就業(yè)手段和預期就業(yè)地域這兩個內生潛變量的外生潛變量。然后，對問卷中的相關指標進行初步歸類，建立驗證性因子模型，并進行相關的參數(shù)估計、不斷修正，最終確定潛變量的結構后，再參加結構方程模型。下列圖為擬采用的結構方程全模型的路徑分析圖，欲對各路徑參數(shù)進行估計。X1X2X1X2X3X4X5社會經(jīng)濟地位X6X7X8對就業(yè)狀況的把握X9X10X11自身能力預期就業(yè)手段預期就業(yè)地域Y1Y212123圖1擬采用的全模型路徑分析圖圖1的符號說明：正方形或長方形表示指標；圓或橢圓表示潛變量；單向箭頭表示單向影響；雙箭頭表示相關；單向箭頭指向指標表示測量誤差；單向箭頭指向潛變量表示內生潛變量未被解釋的局部。注意：〔1〕確定需要用哪些指標衡量潛變量，可以根據(jù)經(jīng)驗分析進行初步歸類，也可以使用多元統(tǒng)計分析中因子分析的方法進行探索。然后，對初步歸類的指標建立驗證性因子模型〔即只有測量方程〕，并進行相應的參數(shù)估計，比擬附屬于同一潛變量的各路徑參數(shù)的大小，進行相應的路徑刪減?！?〕結構方程全模型是否可識別不僅取決于數(shù)據(jù)質量，更取決于模型設定形式是否正確。模型形式的正確性就表現(xiàn)在潛變量指向指標的單向路徑、外生潛變量之間的雙向路徑、內生潛變量之間的單向或雙向路徑、外生潛變量指向內生潛變量的單向路徑劃定是否正確。每一條路徑對應一個待估參數(shù)〔主要是模型中的系數(shù)〔負荷〕、誤差方差、潛變量之間的相關系數(shù)〕。一般的思路是先建立驗證性因子模型，不斷修正〔刪減路徑或改變路徑相連方式〕、保證指標與潛變量之間的附屬關系成立后，再建立結構方程，不斷修正，漸漸修改為相對理想的模型?！?〕在沒有任何理論依據(jù)或經(jīng)驗的前提下，我們要考慮任意兩個外生潛變量之間、任意兩個內生潛變量之間的相關關系〔路徑為雙向〕，然后根據(jù)模型的參數(shù)估計結果進行相應的路徑增減?！?〕由圖1，注意到本文擬采用的模型中，兩個內生潛變量和均分別只用一個指標和衡量，相當于潛變量就是指標。原那么上，結構方程模型并不允許這樣的情況出現(xiàn)，因為單指標潛變量的存在會使得模型無法識別。倘假設這種情況真的出現(xiàn)了，需在參數(shù)估計時固定負荷或方差等〔詳見附錄四的程序〕。本文模型的設定形式不得不包含單指標的潛變量，主要是由于我們基于第二方設計的問卷進行相關問題的分析，使得問卷內容設計和模型形式設定脫節(jié)，從而導致有些潛變量找不到一定數(shù)量的、適宜的指標來測量。對照圖1，模型的形式設定為：4.4模型的識別常用判斷模型是否可識別：在結構方程模型中，共有個可觀測變量，記為模型中自由估計的參數(shù)個數(shù)，那么模型可識別的一個必要條件是：該模型中共含有35個參數(shù)，包括11個負荷、3個潛變量之間的相關系數(shù)、11個觀測變量的誤差方差、結構模型的8個未知參數(shù)、2個內生潛變量的誤差方差。由于，故該模型可識別。4.5模型的參數(shù)估計以及參數(shù)的顯著性檢驗1、模型的參數(shù)估計利用結構方程模型軟件LISREL8.70對模型的未知參數(shù)進行估計，源程序、輸出結果分別見附錄四和附錄五。結構方程模型參數(shù)估計的根本思想是：求參數(shù)使得模型隱含的協(xié)方差矩陣與樣本協(xié)方差矩陣“差距〞最小。對這個矩陣之間“差距〞的不同定義方法，產(chǎn)生了不同的模型擬合方法及相應的參數(shù)估計。最常用的結構方程模型參數(shù)估計方法是極大似然函數(shù)法〔ML〕，雖然此法需要假定觀測指標的分布為正態(tài)或近似正態(tài)分布，但很多研究說明，即使指標的分布不為正態(tài)分布，ML方法也能得到適宜的估計，尤其在大樣本條件下。也即，ML估計是穩(wěn)健的。2、模型參數(shù)的顯著性檢驗LISREL8.70的輸出結果給出了未標準化情況下，各因子負荷的估計以及與各負荷相應的標準差估計值和統(tǒng)計量值。一般可簡單地取值大于2為顯著，即此時認為相應的負荷顯著不為0。假設有某幾個因子負荷不顯著，每次取消一個路徑，重新運行程序后，再進行負荷的顯著性檢驗，重復此過程，直到各個負荷均顯著為止。LISREL8.70的輸出結果也給出了標準化情況下參數(shù)的估計結果。標準化情況下，參數(shù)估計結果不受各指標或因子量綱的影響，便于對變量之間的相互關系進行分析。本文的模型采用標準化情況下的參數(shù)估計結果，并且分兩步確立：第一步建立驗證性因子模型，確定潛變量的結構；第二步按照圖1的模型〔即參加結構方程〕，運行程序，刪除不顯著的路徑后再次運行程序，共經(jīng)歷兩次路徑刪除后，估計結果顯示所有的因子負荷在置信水平下，均已顯著。從而得到本文估計模型的具體形式：此外，輸出結果〔見附錄五〕中沒有包含違背常理的參數(shù)估計值，比方說沒有出現(xiàn)方差小于0、相關系數(shù)大于1等情況，說明用該模型擬合原始數(shù)據(jù)是適宜的。4.6模型的整體擬合評價根據(jù)結構方程模型中評價模型擬合優(yōu)劣的相關理論，通常采用以下幾種指標來評價模型的擬合效果：〔1〕相對擬合指數(shù)〔CFI〕：取值于0—1之間，越接近于1，模型整體擬合越好；〔2〕近似均方根誤差指數(shù)〔RMSEA〕：其值越小越好。一般認為，RMSEA低于0.1表示好的擬合，低于0.05表示非常好的擬合?！?〕調整后的擬合優(yōu)度指數(shù)〔AGFI〕：取值于0—1之間，越接近1，模型整體擬合越好。本文模型的擬合優(yōu)劣指標匯總如下：表3模型的擬合指數(shù)指標CFIRMSEAAGFI取值0.730.130.76結合各個擬合指數(shù)的判斷標準，由表1知，模型整體擬合效果一般。前述4.3節(jié)的注意〔4〕已分析過原因。4.7模型參數(shù)估計結果的解釋每一個觀測指標對其附屬的潛變量的標準化參數(shù)估計值〔即負荷〕，有效地反映了該指標與相應潛變量之間的相關程度，同時也反映了潛變量對相應觀測指標的解釋能力。這可以由下列圖中各路徑的參數(shù)清晰地表征出來：X1X1X2X3X4X5社會經(jīng)濟地位X6X7X8對就業(yè)情況的把握X9X10X11自身能力預期就業(yè)手段預期就業(yè)地域Y1Y2-0.1030.4040.7120.7680.8100.6530.5190.6790.6340.9000.4270.2340.9970.983-0.0520.1630.1620.1450.2540.1230.1910.9390.886121230.8370.4930.3430.5740.7310.5390.5980.1910.8180.9450.0050.0330.410各個路徑參數(shù)意義誤差項方差圖2結果路徑圖比照圖1和圖2，顯然，在參數(shù)估計過程中，一些不顯著的路徑和方向被刪除了。由結果路徑圖，我們可以看出：〔1〕大學生的社會經(jīng)濟地位、對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)手段均有影響，但影響差異不大。這與現(xiàn)實情況是相符的，通常家庭社會經(jīng)濟地位決定了大學生自主創(chuàng)業(yè)的原始資本〔資金來源以及人際關系等〕，對就業(yè)情況的把握程度決定了大學生自主創(chuàng)業(yè)的動機和方向，而自身能力那么決定了大學生自主創(chuàng)業(yè)的勇氣和膽識?！?〕大學生的社會經(jīng)濟地位對他們的預期就業(yè)地域有影響，但大學生對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)地域幾乎沒有影響。這也與現(xiàn)實情況相符，大學生的社會經(jīng)濟地位上下決定了他們對于就業(yè)地域的偏向〔比方，現(xiàn)實中，比起家庭社會經(jīng)濟地位相對低的學生，往往是家庭社會經(jīng)濟地位相對高的學生更偏向于選擇各方面條件都相對較好的地域工作譬如省會城市，也即家庭社會經(jīng)濟地位相對低的學生更能容忍相對差一些的工作地域〕。另外，大學生對就業(yè)情況的把握程度以及自身能力對預期就業(yè)地域影響不顯著，不管大學生對就業(yè)情況的把握程度如何，也不管大學生自身能力如何，現(xiàn)實中大學生預期就業(yè)地域的選擇往往是家鄉(xiāng)、興旺城市或學校所在地?！?〕相比于預期就業(yè)地域對預期就業(yè)手段的影響，預期就業(yè)手段對預期就業(yè)地域的影響要更顯著。這也是顯然的，自主創(chuàng)業(yè)必然要考慮目標地域的供求情況，通常省會城市等需求相對大，供應才有市場?！?〕5個潛變量在13個觀測指標上的標準化因子負荷不小于0.712的有6個。在標準化的情況下，指標與潛變量之間的復相關系數(shù)就是因子負荷的平方。因此，有6個復相關系數(shù)大于0.5，也就是說，相應的潛變量能解釋指標的50%以上。但僅有6個復相關系數(shù)大于0.5，再次說明模型的解釋能力一般，原因仍然是問卷內容設計和模型形式設定脫節(jié)，使得衡量潛變量的指標不恰當或過少。4.8模型存在的問題〔1〕通常從擬合原始數(shù)據(jù)的能力和預測性能兩方面評價一個模型。結構方程模型那么更偏向于驗證我們事先提出的關于潛變量的結構、潛變量之間的因果關系是否成立，并且量化變量之間的相互影響關系。假設主要關注的是模型的預測性能，那么結構方程并非首選?！?〕本文的模型擬合原始數(shù)據(jù)的能力一般，主要歸咎于問卷內容設計與模型形式設定的脫節(jié)，使得無法找到一定數(shù)量的、恰當?shù)闹笜藖砗饬繚撟兞?。也就是說，本文建構的模型遷就于問卷，模型形式的設定可能有失偏頗。這也給問卷設計者提出了參考建議：要把問卷內容設計與欲采用的模型相結合，問卷內容要緊扣模型?！?〕本文的模型不得不引入單指標潛變量，為保證模型的可識別性，又不得不在進行參數(shù)估計時固定某些負荷以及某些誤差的方差,雖然無法衡量這會使模型整體估計受到多大程度的影響，但造成誤差是確定無疑的。一般說來，衡量潛變量的指標越多，潛變量的結構越穩(wěn)定，模型參數(shù)估計越容易收斂。為保證模型的可識別性，每個潛變量應至少用三個指標來衡量。5.結論本文基于第二方的原始調查問卷數(shù)據(jù)，采用量表方式進行賦值后，構建了結構方程全模型來研究影響大學生預期就業(yè)手段和預期就業(yè)地域的因素，并采用定性分析和定量分析相結合的方法，闡述和量化了各個因素與大學生預期就業(yè)手段、預期就業(yè)地域之間的關系。模型整體擬合程度及解釋能力根本能滿足要求。模型擬合的結果顯示；大學生的社會經(jīng)濟地位、對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)手段均有影響，但影響差異不大；大學生的社會經(jīng)濟地位對他們的預期就業(yè)地域有影響，但大學生對就業(yè)情況的把握程度、自身能力對他們的預期就業(yè)地域幾乎沒有影響。本文由于問卷內容設計與模型形式設定的脫節(jié)，使得模型整體擬合效果一般。因此，本文的視野并不在于向讀者展示所建立的結構方程對潛變量的結構、潛變量之間的因果關系能在多大程度上給予有力的解釋，而在于推廣一種問卷數(shù)據(jù)分析的方法、一種驗證并確定一些不可直接測量的變量之間相互關系的方法。參考文獻[1]AlanAgresti著，張淑梅，王睿，曾莉譯．屬性數(shù)據(jù)分析引論[M]．第二版．北京：高等教育出版社出版，2023．[2]王靜龍，梁小筠編著．定性數(shù)據(jù)分析[M]．上海：華東師范大學出版社，2004．[3]候杰泰，溫忠麟，成子娟著．結構方程模型及應用[M]．北京：教育學出版社，2005．[4]黃芳銘著．結構方程模式：理論與應用[M]．北京：中國稅務出版社，2005．[5]程琰，溫忠麟譯．LISREL使用手冊[M]．[6]張堯庭等編著．定性資料的統(tǒng)計分析[M]．廣西師范大學出版社，1991．[7]趙臣，顏菲菲．結構方程模型在心理問卷結構效度分析中的應用[J]：浙江體育科學．2023年，第3期：49—52．[8]陳玉強，徐陽華，林志揚．應用結構方程模型研究醫(yī)院效勞補救[J]：解放軍醫(yī)院管理雜志．2023年，第2期：19-23．[9]陳海賢，陳潔．貧困大學生希望特質、對應當時與情緒的結構方程模型研究[J]：中國臨床心理學雜志．2023年，第4期：128-132．[10]陶雪萍，朱幫助．網(wǎng)絡信任對網(wǎng)絡忠誠影響路徑的結構方程模型[J]：信息與管理工程．2023年，第3期：383-386．[11]李春艷，肖國東．企業(yè)創(chuàng)新戰(zhàn)略影響因素的結構方程模型實證分析[J]：徐州工程學院學報．2023年，第3期：26-32．[12]孫鳳．主觀幸福感的結構方程模型[J]：統(tǒng)計研究．2007年，第2期：28-32．附錄附錄一生源地按東·中·西部地區(qū)經(jīng)濟興旺水平劃分我國大陸區(qū)域經(jīng)濟的產(chǎn)生，應該說是依據(jù)其經(jīng)濟開展水平與地理位置相結合長期演變而形成的，我國大陸區(qū)域整體上可劃分為三大經(jīng)濟地區(qū)〔地帶〕。三大經(jīng)濟地區(qū)由于自然條件與資源狀況的不同，因而有著各自的開展特點。東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12個省、自治區(qū)、直轄市；面積為129.4萬平方公里，占我國全部國土面積的13.5%。東部地區(qū)背負大陸，面臨海洋，地勢平緩，有良好的農(nóng)業(yè)生成條件，水產(chǎn)品、石油、鐵礦、鹽等資源豐富，這一地區(qū)由于開發(fā)歷史悠久，地理位置優(yōu)越，勞動者的文化素質較高，技術力量較強，工農(nóng)業(yè)根底雄厚，在整個經(jīng)濟開展中發(fā)揮著龍頭作用。中部地區(qū)包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9個省、自治區(qū)；面積為281.8萬平方公里，占我國全部國土面積的29.3%。中部地區(qū)位于內陸，北有高原，南有丘陵，眾多平原分布其中，屬糧食生產(chǎn)基地。能源和各種金屬、非金屬礦產(chǎn)資源豐富，占有全國80%的煤炭儲量，重工業(yè)根底較好，地理上承東啟西。西部地區(qū)包括重慶、四川、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆10個省、自治區(qū)；面積為541.4萬平方公里，占國土面積的56.4%。西部地區(qū)幅員遼闊，地勢較高，地形復雜，高原、盆地、沙漠、草原相間，大局部地區(qū)高寒、缺水，不利于農(nóng)作物生長。因開發(fā)歷史較晚，經(jīng)濟開展和技術管理水平與東、中部差距較大，但國土面積大，礦產(chǎn)資源豐富，具有很大的潛力。資料來源：中華人民共和國統(tǒng)計局官方網(wǎng)站附錄二所在專業(yè)就業(yè)率情況按統(tǒng)計的就業(yè)率排名劃分就業(yè)率排名〔專業(yè)大類〕專業(yè)就業(yè)率〔%〕月均收入〔元〕專業(yè)就業(yè)率〔%〕月均收入〔元〕工學902,208理學842,068管理學892,160教育學841,968經(jīng)濟學882,266醫(yī)學821,710歷史學872,053法學792,010農(nóng)學871,807哲學762,112文學862,138就業(yè)率排名〔專業(yè)小類〕專業(yè)就業(yè)率〔%〕月均收入〔元〕專業(yè)就業(yè)率〔%〕月均收入〔元〕石油工程993,399德語912,872工程造價991,949通信工程912,418金屬材料工程962,120工程力學902,326航海技術963,600地理科學902,003過程裝備與控制工程962,266交通運輸902,057油氣儲運工程952,622藥物制劑901,818給水排水工程952,088工業(yè)工程902,283農(nóng)業(yè)機械化及其自動化951,866日語902,495輪機工程953,220市場營銷902,298建筑環(huán)境與設備工程952,163動物科學901,911土木工程952,194預防醫(yī)學902,021材料成型及控制工程942,128制藥工程901,886包裝工程942,182治安學902,611財務會計教育942,210水利水電工程892,286熱能與動力工程942,288中藥學892,010水文與水資源工程942,118金融學892,530測繪工程942,453國際商務893,335電氣工程及其自動化942,269應用化學892,035機械設計制造及其自動化942,090工業(yè)設計892,099平安工程942,352英語教育891,830法語934,043英語892,163車輛工程931,996環(huán)境工程881,954醫(yī)學影像學931,679財政學882,118機械工程及自動化932,154植物保護881,759印刷工程931,919園藝881,793會計學932,111藥學882,042學前教育931,597化學882,043工程管理932,153高分子材料與工程882,024朝鮮語932,647材料化學882,043紡織工程922,005電子信息工程882,217護理學921,889網(wǎng)絡工程882,214財務管理922,341國際經(jīng)濟與貿(mào)易872,138人力資源管理922,156對外漢語872,336城市規(guī)劃922,462新聞學87

2,218醫(yī)學檢驗921,836食品質量與平安872,091自動化922,275歷史學872,047物流管理922,321信息工程872,533交通工程922,228廣告學872,045化學工程與工藝922,014農(nóng)學871,733審計學912,362水產(chǎn)養(yǎng)殖學872,069電子科學與技術912,447動物醫(yī)學871,748物流工程912,322電子信息科學與技術872,208保險912,779工商管理872,129材料物理912,221管理科學872,083建筑學912,651電子商務862,153就業(yè)率上下的評價標準：所在專業(yè)就業(yè)率90%——就業(yè)率高的專業(yè)85%所在專業(yè)就業(yè)率<90%——就業(yè)率一般的專業(yè)所在專業(yè)就業(yè)率<85%——就業(yè)率低的專業(yè)資料來源：資料根據(jù)：麥可思(MyCOS)-中國大學生就業(yè)研究課題組《中國大學畢業(yè)生就業(yè)〔2023〕》附錄三大學生就業(yè)與深造意向調查問卷執(zhí)行單位________問卷編號_______訪問員編號：訪問日期：訪問地址：訪問員承諾：大學生就業(yè)與深造意向調查問卷親愛的同學：您好！占用您一點珍貴時間，請您和我們共同完成這份調查。該調查針對目前全國總體就業(yè)形勢嚴峻，本科生就業(yè)壓力前所未有而展開的。因此，考研也成為大多數(shù)本科生延期就業(yè)的一種舉措，出國留學也逐漸成為一些有一定經(jīng)濟條件和知識能力的本科生的選擇。就業(yè)與深造已然是我們所有本科生共同面臨的抉擇了。為了能更好的更有利的幫我們做出選擇,我們特進行此次問卷調查并承諾對您的個人信息進行絕對保密.謝謝你的合作!!請按照你們現(xiàn)在的真實想法填寫，非常謝謝！根本問卷個人信息p1．您的性別〔〕A．男B．女p2.您的出生年份________p3．您所在年級〔〕A．大一B．大二C．大三D．大四p4．您所在學院__________所學專業(yè)是________p5．您的月生活費支出〔〕A．300元以下B．300～500元C．500～800元D．800元以上家庭信息f１．您的家庭所在地區(qū)______省(直轄市)_______市(州)_____(縣)f2．您入學前的戶口類型()A．農(nóng)村B．城鎮(zhèn)F3．〔1〕您父親的受教育程度:〔〕〔2〕您母親的受教育程度:〔〕A．初中以下B．初中C．高中或中專D．大?；虮究艵.研究生以上甄別問題d1．您大學畢業(yè)的初步打算〔〕A．就業(yè)〔包括自主創(chuàng)業(yè)〕B．深造〔考研或出國留學〕C．就業(yè)與深造同時準備D.正在猶豫中E.尚未考慮d2.您的目標是否有過改變：()(是請答復下列問題3，否請?zhí)^3繼續(xù))A．是B．否d3.如果有改變那么〔1〕促使您改變最重要的原因是〔〕〔2〕促使您改變的次重要原因是〔〕〔3〕促使您改變的第三重要原因〔〕A．就業(yè)形勢B．專業(yè)前景C．考研前景D．家庭原因E．個人興趣改變F.其它〔對于A卷與B卷的說明：選擇就業(yè)的人，答復A卷問題；選擇深造的人，答復B問題；選擇就業(yè)與深造的人，答復Ａ卷與B卷問題；選擇其他的人，無需答復問卷?！常辆韆1.您在就業(yè)選擇過程中最注重的是〔〕A．職業(yè)開展前景B．薪水C．適合自己的工作D．感興趣的工作E．熱門職業(yè)F.有工作就行G.其他a2.您對現(xiàn)在就業(yè)形勢的看法〔〕A．形勢很不好，非常困難B．形勢不好，就業(yè)壓力大C．形勢一般，就業(yè)容易D．形勢較好，就業(yè)壓力小E.形勢非常好，就業(yè)容易F.不了解或不關心a3.就業(yè)信息的來源(1)第一信息來源〔〕(2)第二信息來源〔〕(3)第三信息來源〔〕A．網(wǎng)絡B．學校C．同學D．家人朋友E．中介組織Ｇ．報刊雜志a4.您認為用人單位注重畢業(yè)生的條件〔〕〔1〕注重條件1〔〕〔2〕注重條件2〔〕〔3〕注重條件3〔〕A．道德瀆職B．實踐能力C．社會經(jīng)歷D．社會學歷E．專業(yè)F．特長G．性別a5.您已經(jīng)通過的英語考試有〔1〕GRE(〕A.通過B.沒通過〔2〕TOEFL〔〕A.通過B.沒通過〔3〕IELTS〔〕A.通過B.沒通過〔4〕CET-6〔〕A.通過B.沒通過〔5〕CET-4〔〕A.通過B.沒通過〔6〕沒有〔〕(7〕其它〔〕a6.您是否已考取相關就業(yè)資格證書〔〕A．沒有B．有a7.您參加過社會實踐的次數(shù)〔〕A．從不B．1～2次C．3～4次D.4次以上a8您是否了解就業(yè)輔導的情況〔〕A.是B.否a9.您是否參加過就業(yè)方面的輔導〔〕A.是B.否a10.您參加過就業(yè)輔導的次數(shù)〔〕A.1次B.2次C.3次D.4次E.5次以上a11.請您對參加過的就業(yè)輔導作出評價〔〕A.很不好B.不好C.一般D.較好E.非常好F.不關心a12.您在就業(yè)方面希望獲得的幫助〔1〕希望獲得的幫助一〔〕〔2〕希望獲得的幫助二〔〕〔3〕希望獲得的幫助三〔〕A.應聘方面技巧B.求職心理輔導C.職業(yè)規(guī)劃輔導D.專業(yè)前景分析E.其他a13.您希望學校什么時候開始開設就業(yè)指導課程〔〕A大一

B．大二

C．大三

D．大四a14.您認為所學專業(yè)前景如何〔〕A．非常好B．較好C．一般D．不好E．非常不好F.不關心a15．您打算選擇同專業(yè)對口的職業(yè)〔〕A．是B．否C.不確定a16．您是否期望回家就業(yè)〔〕A．是B．否C.待定a17．您是否打算自主創(chuàng)業(yè)〔〕A.是B.否a18.您期望就業(yè)工作單位是〔〕A.企業(yè)單位B.政府部門C.事業(yè)部門D.其他a19.您期望工作的地域是〔〕A.省會城市及直轄市B.地級城市及州市C.縣級城市D.農(nóng)村地區(qū)Ｂ卷b1．您選擇深造最主要原因〔〕A．提高自身學歷和能力B．緩解就業(yè)壓力，增加就業(yè)砝碼C．適應社會潮流D．迫于家庭壓力E.其它b2．您深造信息的來源是〔〕〔1〕信息來源一〔〕〔2〕信息來源二〔〕〔3〕信息來源三〔〕A．網(wǎng)絡B.學校C.同學D.家人朋友E.中介組織F.報刊雜志b3.您已經(jīng)通過的英語考試有〔1〕GRE〔〕A.通過B.沒通過〔2〕TOEFL〔〕A.通過B.沒通過〔3〕IELTS〔〕A.通過B.沒通過〔4〕CET-6〔〕A.通過B.沒通過〔5〕CET-4〔〕A.通過B.沒通過〔6〕沒有〔〕〔7〕其它〔〕b4．您是否了解深造輔導〔〕A.是B.否b5.您是否參加過就業(yè)輔導〔〕A.是B.否b6.您參加過就業(yè)輔導的次數(shù)〔〕A.1次B.2次C.3次D.4次E.4次以上b7.您對參加過的深造輔導的評價〔〕A.很不好B.不好C.一般D.較好E.非常好F.不了解b8.您最希望得到深造輔導的方向〔〕A.考研方向B.心理輔導C.專業(yè)能力輔導D.綜合實力提升E.面試技巧F.其他b9.您認為什么時候開始輔導課程比擬適宜〔〕A．大一B.大二C.大三D.大四b11.您對所學專業(yè)考研率的認識〔〕A.非常不好B.不好C.一般D.較好E.非常好F.不關心b12．您是否打算跨學科深造〔〕A．是B．否b13.您選擇跨學科的主要原因〔〕A．個人興趣B.專業(yè)前景C.專業(yè)學習困難D.父母的預期E.其他b14．您選擇深造的方式〔〕A．考研B．出國留學b15.如果您選擇考研,那你考研的方向是〔〕A．本校B．其他學校c.待定b16.影響您選擇學校的最主要因素是〔〕A．學校所在地B．學校排名C．所選專業(yè)排名D.個人能力E.其他b17.您是否選擇回家鄉(xiāng)深造〔〕A.是B.否C.待定b18.您認為研究生的優(yōu)勢是〔1〕更好找工作〔〕A.是B.否〔2〕待遇更好〔〕A.是B否〔3〕開展空間更大〔〕A.是B.否〔4〕為科研做準備〔〕A.是B.否〔5〕其它〔〕附錄四全模型LISREL軟件程序DANI=13NO=280MA=CMCMSY1.0000.4192.327-0.1720.1622.9000.1770.2500.3011.0000.1230.1620.5280.5320.9580.0350.3800.6630.6610.6931.2610.1090.1420.3810.2880.2850.3090.3350.0260.105-0.0780.0030.0230.141-0.0360.9490.127-0.012-0.1870.2440.0220.2060.0300.5322.0420.5510.233-1.818-0.932-1.024-0.560-0.5421.3932.60719.4910.3310.380-0.5940.0430.0470.7260.1350.352-0.326-1.0605.237-0.045-0.0240.2300.0420.1070.1500.093-0.178-0.306-1.3810.7500.7250.033-0.127-0.256-0.135-0.078-0.065-0.0790.1690.1520.5030.331-0.0180.369MONY=2NE=2NX=11NK=3PH=STPS=STTD=DIBE=FU,FIPALY1001PALX5(100)3(010)3(001)FILY1,1TE1,1VA1LY1,1VA0.005TE1,1FILY2,2TE2,2VA1LY2,2VA0.0768TE2,2FITD9,9VA1TD9,9FRBE21PAGA111100OUAD=OFFIT=1000SSSCMIND=3附錄五全模型LISREL軟件輸出結果NumberofInputVariables13NumberofY-Variables2NumberofX-Variables11NumberofETA-Variables2NumberofKSI-Variables3NumberofObservations280DANI=13NO=280MA=CMCovarianceMatrixVAR1VAR2VAR3VAR4VAR5VAR6VAR11.000VAR20.4192.327VAR3-0.1720.1622.900VAR40.1770.2500.3011.000VAR50.1230.1620.5280.5320.958VAR60.0350.3800.6630.6610.6931.261VAR70.1090.1420.3810.2880.2850.309VAR80.0260.105-0.0780.0030.0230.141VAR90.127-0.012-0.1870.2440.0220.206VAR100.5510.233-1.818-0.932-1.024-0.560VAR110.3310.380-0.5940.0430.0470.726VAR12-0.045-0.0240.2300.0420.1070.150VAR130.033-0.127-0.256-0.135-0.078-0.065CovarianceMatrixVAR7VAR8VAR9VAR10VAR11VAR12VAR70.335VAR8-0.0360.949VAR90.0300.5322.042VAR10-0.5421.3932.60719.491VAR110.1350.352-0.326-1.0605.237VAR120.093-0.178-0.306-1.3810.7500.725VAR13-0.0790.1690.1520.5030.331-0.018CovarianceMatrixVAR13VAR130.369DANI=13NO=280MA=CMParameterSpecificationsLAMBDA-XKSI1KSI2KSI3VAR3100VAR4200VAR5300VAR6400VAR7500VAR8060VAR9070VAR10080VAR11009VAR120010VAR130011BETAETA1ETA2ETA100ETA2120GAMMAKSI1KSI2KSI3ETA1131415ETA21600PHIKSI1KSI2KSI3KSI10KSI2170KSI318190PSIETA1ETA22021THETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR8222324252627THETA-DELTAVAR9VAR10VAR11VAR12VAANI=13NO=280MA=CMNumberofIterations=33LISRELEstimates(MaximumLikelihood)LAMBDA-YETA1ETA2VAR11.000--VAR2--1.000LAMBDA-XKSI1KSI2KSI3VAR30.688----(0.106)6.485VAR40.712----(0.056)12.668VAR50.752----(0.054)13.995VAR60.910----(0.061)15.033VAR70.378----(0.033)11.331VAR8--0.505--(0.070)7.202VAR9--0.971--(0.112)8.650VAR10--2.798--(0.338)8.283VAR11----2.060(0.108)19.119VAR12----0.363(0.054)6.788VAR13----0.142(0.040)3.599BETAETA1ETA2ETA1----ETA20.382--(0.088)4.342GAMMAKSI1KSI2KSI3ETA10.1220.1600.144(0.065)(0.073)(0.067)1.8712.1892.164ETA20.286----(0.096)2.990CovarianceMatrixofETAandKSIETA1ETA2KSI1KSI2KSI3ETA10.995ETA20.4192.250KSI10.1370.3391.000KSI20.1390.038-0.0521.000KSI30.1480.1030.163-0.1031.000PHIKSI1KSI2KSI3KSI11.000KSI2-0.0521.000(0.080)-0.652KSI30.163-0.1031.000(0.071)(0.081)2.305-1.266PSINote:Thismatrixisdiagonal.ETA1ETA20.9351.993(0.081)(0.177)11.49111.285SquaredMultipleCorrelationsforStructuralEquationsETA1ETA20.0610.114SquaredMultipleCorrelationsforReducedFormETA1ETA20.0610.054ReducedFormKSI1KSI2KSI3ETA10.1220.1600.144(0.065)(0.073)(0.067)1.8712.1892.164ETA20.3330.0610.055(0.098)(0.031)(0.028)3.3901.9551.932THETA-EPSVAR1VAR20.0050.077SquaredMultipleCorrelationsforY-VariablesVAR1VAR20.9950.967THETA-DELTAVAR3VAR4VAR5VAR6VAR7VAR82.4260.4930.3930.4330.1920.694(0.213)(0.052)(0.046)(0.059)(0.019)(0.074)11.3809.4618.4647.39810.1369.378THETA-DELTAVAR9VAR10VAR11VAR12VAR131.10011.6641.0000.5930.349(0.187)(1.673)(0.053)(0.030)5.8856.97211.23711.661SquaredMultipleCorrelationsforX-VariablesVAR3VAR4VAR5VAR6VAR7VAR80.1630.5070.5900.6570.4260.269SquaredMultipleCorrelationsforX-VariablesVAR9VAR10VAR11VAR12VAR130.4610.4020.8090.1820.055GoodnessofFitStatisticsDegreesofFreedom=60MinimumFitFunctionChi-Square=362.576(P=0.0)NormalTheoryWeightedLeastSquaresChi-Square=341.107(P=0.0)EstimatedNon-centralityParameter(NCP)=281.10790PercentConfidenceIntervalforNCP=(226.792;342.935)MinimumFitFunctionValue=1.300PopulationDiscrepancyFunctionValue(F0)=1.00890PercentConfidenceIntervalforF0=(0.813;1.229)RootMeanSquareErrorofApproximation(RMSEA)=0.13090PercentConfidenceIntervalforRMSEA=(0.116;0.143)P-ValueforTestofCloseFit(RMSEA<0.05)=0.000ExpectedCross-ValidationIndex(ECVI)=1.44590PercentConfidenceIntervalforECVI=(1.250;1.666)ECVIforSaturatedModel=0.652ECVIforIndependenceModel=4.400Chi-SquareforIndependenceModelwith78DegreesofFreedom=1201.661IndependenceAIC=1227.661ModelAIC=403.107SaturatedAIC=182.000IndependenceCAIC=1287.913ModelCAIC=546.786SaturatedCAIC=603.766NormedFitIndex(NFI)=0.698Non-NormedFitIndex(NNFI)=0.650ParsimonyNormedFitIndex(PNFI)=0.537ComparativeFitIndex(CFI)=0.731IncrementalFitIndex(IFI)=0.735RelativeFitIndex(RFI)=0.608CriticalN(CN)=69.008RootMeanSquareResidual(RMR)=0.315StandardizedRMR=0.116GoodnessofFitIndex(GFI)=0.842AdjustedGoodnessofFitIndex(AGFI)=0.760ParsimonyGoodnessofFitIndex(PGFI)=0.555DANI=13NO=280MA=CMModificationIndicesandExpectedChangeModificationIndicesforLAMBDA-YETA1ETA2VAR1--0.386VAR2----ExpectedChangeforLAMBDA-YETA1ETA2VAR1---0.152VAR2----StandardizedExpectedChangeforLAMBDA-YETA1ETA2VAR1---0.228VAR2----CompletelyStandardizedExpectedChangeforLAMBDA-YETA1ETA2VAR1---0.228VAR2----ModificationIndicesforLAMBDA-XKSI1KSI2KSI3VAR3--7.53514.150VAR4--0.9645.914VAR5--2.5696.790VAR6--7.55130.951VAR