摘要：利用网络招聘平台数据实证检验疫情对高校毕业生就业的影响发现，疫情冲击下毕业生就业市场供需两端均受到影响，表现为招聘需求下降、求职人数上升、就业景气降低；疫情对不同城市的高校毕业生就业影响存在异质性；在短期内疫情给毕业生就业带来负向冲击，但在国家政策扶持下就业形势逐渐好转；毕业生受疫情影响会改变就业地点，调整预期薪酬和期望行业，趋向于选择“慢就业”，而获得offer和实际签约的比例明显降低。为降低各类突发事件对高校毕业生就业的负向影响，要充分利用网络大数据进行就业形势监测和预判，将其作为传统数据的补充指标；为提高毕业生就业匹配效率、减缓结构性矛盾，可利用网络大数据开展职位空缺、就业匹配等相关研究，从需求端来引导高等教育改革和大学生就业指导。
2020年初暴发的新冠肺炎疫情不仅给我国社会经济带来巨大影响，也对高校毕业生就业造成较大冲击。据中国人民大学中国就业研究所发布的《应届生就业市场景气报告》显示，受疫情影响，2020年第一、二季度高校毕业生就业景气指数同环比均出现明显下降。理论上讲，新冠疫情对高校毕业生的影响范围广泛，不仅使其就业机会减少、求职渠道受阻，而且会造成工作搜寻延长、心理压力加大，特别是对于异地求学的毕业生而言，在疫情期间无法及时返校，仅能通过在线方式进行工作搜寻，无疑造成就业难度进一步增加。为保障疫情期间就业稳定，2020年5月由教育部、人社部等6部门联合发布“十大专项行动”，通过推进企业稳岗扩就业、开展网上就业服务、推进创业带动就业等方式促进高校毕业生就业。由此可见，新冠肺炎疫情对高校毕业生就业造成的影响和冲击，已成为社会各界关注的焦点。那么，疫情冲击下高校毕业生就业形势有何变化？疫情影响毕业生就业的方向、程度及范围如何？毕业生的求职预期和就业结果又有哪些改变？本文拟对以上问题进行深入分析，边际贡献在于：在研究方法上，不同于已有文献定性描述疫情对高校毕业生就业的影响，本文利用定量方法实证检验疫情影响就业的方向、程度和范围，并探讨其异质性及时间趋势效应；在研究视角上，受企业端数据限制，已有文献多聚焦于高校毕业生供给端分析其求职经历和就业去向，本文不仅探讨疫情冲击下毕业生就业供求两端的变化，而且分析疫情对就业匹配的影响；在研究数据上，传统研究多使用行政记录数据或调查数据来分析高校毕业生就业问题，这些数据存在主观性强、调查频率有限和非抽样误差等缺点，本文使用的网络大数据具有海量性、及时性、客观性、真实性等特点，能够弥补传统就业数据的不足。
为客观刻画疫情冲击下高校毕业生就业形势，本文使用智联招聘网络大数据，从企业招聘需求、毕业生求职供给以及就业市场景气等角度进行分析。考虑到三季度之后2021届毕业生将进入求职市场，为排除新进样本干扰，故选取2020年1—9月数据重点分析疫情对2020届毕业生的影响。需要说明的是，本文使用的数据并非网络爬取，而是直接从招聘网站后台提取。在提取数据时，将招聘职位名称描述中有“应届”字段视为需求端数据，将学历为大专及以上且毕业时间为2020年的求职者视为供给端数据。
图1分月度汇报了毕业生就业供需情况及就业景气指数变动趋势。其中，就业景气指数参照中国人民大学中国就业研究所CIER指数构建方法，利用招聘需求人数与求职申请人数之比测算得到。该值大于1时表明就业市场需求多于供给，景气程度较高，反之则较低。已有研究证实，该指数与宏观经济波动密切相关，能作为反映就业市场变化的重要指标。本文利用该指数对高校毕业生就业市场进行分析，具有一定的科学性，同时也拓展了该领域研究。从需求端来看，受疫情影响，企业招聘需求呈现先下降后回升的趋势；从供给端来看，2020年1—3月毕业生在线求职人数明显上涨，之后逐渐回落趋稳；从就业景气指数来看，1月之后出现连续下降，3月降至0.72，但在国内疫情防控向好、国家政策大力扶持下，4月之后指数逐月攀升，由0.81上升至9月的1.68。
已有研究表明，疫情突发事件不仅会影响经济增长，而且对就业规模、失业率及就业市场产生冲击。本文在匹配网络招聘大数据与统计年鉴数据的基础上，通过构建计量模型，实证检验疫情冲击对毕业生就业的影响效应。
（一）变量选取及描述统计
被解释变量包括城市层面的高校毕业生招聘需求、求职供给和就业景气三个方面。数据来源于智联招聘55个核心业务城市的网络大数据，按照2019年和2020年1—9月份的月度数据进行提取，共得到990个样本。关于核心解释变量疫情冲击，用疫情发生前后进行测量，其中，疫情发生前（2019年）取值为0，发生后（2020年）取值为1。
在控制变量方面，本文加入反映城市疫情程度的变量，主要用城市累计确诊人数来衡量，该数据依据国家卫生健康委员会网站发布的数据整理得到。此外，还加入了城市等级、行政区域、城市人口规模、人均GDP、财政支出、在岗职工、学生数量、产业结构和内资企业比例等变量，主要依据《2019年中国城市统计年鉴》等整理得到。相关变量情况如表1所示。
（二）计量模型
1.基准模型。考虑高校毕业生就业受到多种因素的影响，为排除这些因素的干扰，本文采用似不相关回归模型来估计疫情冲击的影响效应，如式（1）所示：
在上式中，Demand、Supply和CIER分别为高校毕业生招聘需求、求职供给和就业景气；
（三）实证结果
在表2中，第（1）、（2）列在加入控制变量后，得到疫情冲击对招聘需求和求职供给的影响系数分别为-0.848和1.590，且两者均在1%水平下显著。这表明在排除其他因素后，受疫情影响，各城市高校毕业生招聘需求明显下降，但求职供给人数却显著增加。从需求看，本次新冠疫情影响范围广泛，不仅对社会经济造成巨大冲击，而且因与春节假期重叠，导致企业返工困难、停工停产，招聘需求骤减，ab特别是对旅游、航空、酒店等人员密集型行业及部分抗风险能力较差的中小企业招聘影响严重，甚至出现裁员危机。c从供给看，2020年我国高校毕业人数高达874万，再加上60万归国留学生，这无疑造成了较大的集中就业压力。按照疫情防控要求，高校毕业生求职过程由线下转为线上，这使得网络求职申请人数增加，线上求职竞争加剧。第（3）列为疫情冲击对就业景气的影响，其系数为-0.256且在1%水平下显著。这表明疫情发生后，受需求下降和供给上升的双重影响，就业景气出现明显下降。此外，疫情程度对毕业生招聘需求和求职供给均有明显的负向影响，而对就业景气的影响显著为正。结合现实来看，疫情严重的一般为人口流动性大、企业数量多的发达城市。尽管疫情对毕业生供需两侧均造成负向冲击，但对供给侧的负向影响要大于需求侧，导致就业景气综合效应为正。在城市等级方面，以一线城市作为参照组，新一线、二线和三线的招聘需求和求职供给均明显较少。在行政区域方面，以东部作为参照组，中部招聘需求和就业景气相对较高，而求职申请相对较少；西部的求职申请相对较少；东北的招聘需求和就业景气均相对较低。
（四）异质性分析
疫情程度、城市等级及行政区域差异，可能导致疫情的影响效应存在异质性。在表3模型（1）中，疫情冲击和疫情程度的交互项对招聘需求有显著的负向影响，表明企业所在城市疫情程度越严重，其招聘需求受疫情冲击的负向效应也越明显。模型（2）考察了不同等级城市中疫情影响的差异。从需求看，疫情冲击与一线、新一线城市的交互项系数显著为负，表明与三线城市相比，疫情造成一线和新一线城市的招聘需求下降更明显；从供给看，疫情冲击与新一线城市的交互项系数显著为正，表明受疫情影响，新一线城市的求职申请人数增加更明显。模型（3）结果显示，从需求来看，疫情冲击与东部地区的交互项系数显著为负；从供给来看，疫情冲击与中、西部地区的交互项系数显著为正；从就业景气来看，疫情冲击与东、中部地区的交互项系数显著为负。以上表明，与东北地区相比，疫情发生后东部地区毕业生招聘需求明显下降，而中、西部求职申请人数明显增加，在供求两侧因素的影响下，东、中部地区毕业生就业景气明显下降。
（五）时间趋势效应
鉴于高校毕业生就业市场呈现季节性特点，并且疫情发生后国家出台了一系列促进大学生就业政策，这在一定程度上能够缓冲疫情带来的负向影响。本文以9月作为参照组，引入疫情冲击与月度时间变量的交互项，以识别这种时间趋势效应。表4第（1）列疫情冲击与2—4月交互项系数显著为负，而与其他月份的交互项系数不显著。表明在疫情发生后，企业对毕业生的招聘需求在2—4月明显降低，之后逐渐平稳。第（2）列疫情冲击与2月和7月的交互项系数显著为负，与3—5月的交互项系数显著为正，表明疫情冲击首先给毕业生求职供给带来明显负向影响，之后随着在线求职方式推广及高校毕业季到来，越来越多的毕业生通过网络投递简历，求职申请人数明显增加，这一趋势延续到7月开始出现下降。第（3）列疫情冲击与1—2月、6—8月的交互项系数显著为正，而与3—5月的交互项系数显著为负。结合现实来看，在1—2月，疫情冲击对高校毕业生就业供需两侧均造成负向影响，但供给侧的下降幅度更大，这使得就业景气短期内上升；在3—5月，疫情冲击造成企业招聘需求下降和在线求职供给增加的双重因素叠加，致使就业景气明显下降；在6—7月，随着国家促进就业政策的大力扶持以及疫情防控的持续向好，毕业生就业景气也在逐月回升。
三、疫情冲击影响高校毕业生就业的微观机制
前文表明，疫情短期内对毕业生就业造成巨大冲击，但在政策干预下，就业景气逐渐回升。那么，疫情下毕业生求职预期和就业结果有何变化？本文进一步从微观视角进行分析。
（一）变量选取及描述统计
本部分数据来源于网络招聘平台2020年2月至4月的在线调查，共收集到高校毕业生样本7571个。该调查旨在了解疫情发生后毕业生求职经历及就业选择的变化，问卷不仅有疫情影响的相关题目，还有毕业生个人特征、校园经历、求职过程、就业去向等问题，样本涉及大专、本科和研究生等不同学历层次，并且覆盖了中国内地31个省市自治区，具有一定的代表性。
被解释变量高校毕业生就业情况分为求职预期和就业结果两方面。其中，求职预期包括就业地点、预期薪酬、期望行业三个维度，分别对应问卷中“就业地点改变”“预期薪酬下降”“期望行业变化”三个题目；就业结果用毕业生选择“慢就业”、获得offer情况和实际签约情况来测量，对应问卷中“就业去向为拟升学或待就业”“是否获得offer”“是否与用人单位签约”三个问题。核心解释变量疫情感知主要用毕业生自我感知求职是否受到疫情影响来衡量，对应问卷中“春节期间暴发的新型肺炎疫情是否对您求职产生影响？”，若选择“是”取值为1，“否”则取值为0。此外，已有研究认为人力资本、社会资本及家庭经济条件等会对毕业生就业产生影响，a为排除这些因素干扰，本文在分析中还加入了校园经历（包括实习经历、学习成绩、参加竞赛）、个体特征（包括性别、户籍、外向性、宜人性、情绪稳定性、学历层次、专业类型）、家庭特征（包括家庭收入、父母学历、父母职务）等控制变量。
表5中为变量说明与描述性统计。在删除缺失关键变量的样本后，共保留有效样本5179个。其中，认为求职受疫情影响的占62.9%，未受影响的占37.1%。通过对比两类毕业生样本可知，前者就业地点改变、预期薪酬下降和期望行业变化的比例明显更高，并且选择“慢就业”的占比更多，而获得offer和实际签约的比例相对更低。此外，受疫情影响的样本成绩更好、女性更多、情绪稳定性更低、本科及经管类专业的比例更高，而在未受影响的样本中，大专学历及农/法/医学等专业的占比更多。
（二）实证结果
本文利用Probit模型分析疫情感知对高校毕业生就业的影响效应，在回归中加入校园经历、个人特征、学历层次、专业类型、家庭特征和所在省份等控制变量。表6中第（1）至（3）列分别将就业地点改变、预期薪酬下降、期望行业变化作为被解释变量，得到疫情感知的系数分别为0.050、0.174和0.084，且均在1%水平下显著。由此表明，受疫情影响的毕业生求职预期也会发生变化，表现为改变就业地点、降低预期薪酬及改变期望行业等方面。第（4）列为疫情感知对毕业生“慢就业”的影响，系数为0.024且在1%水平下显著，表明受疫情影响的毕业生选择拟升学或待就业等“慢就业”形式的概率会增加。第（5）、（6）列分别检验了疫情感知对毕业生获得offer和实际签约的影响，系数分别为-0.098和-0.113，且均在1%水平下显著，表明因受疫情影响，毕业生获得offer和实际签约的概率均明显下降。
（三）稳健性检验
考虑到高校毕业生疫情感知对就业的影响可能会存在自选择偏差引起的内生性问题，本文采用倾向得分匹配法（PSM）中的核匹配、半径匹配和卡尺内k近邻匹配三种方法对此进行检验。以核匹配为例，得到疫情感知影响就业地点、预期薪酬和期望行业的平均处理效应（ATT）分别为0.049、0.016和0.078，对“慢就业”、获得offer和实际签约的影响效应分别为0.017、-0.097和-0.118，且均在1%水平下显著。由此可见，使用PSM得到的系数大小与前文一致，即结论具有稳健性（由于篇幅限制，该部分结果未列出，备索）。
四、研究结论与启示
在全球范围内，以高校毕业生为主的青年群体就业历来倍受关注。特别是在新冠肺炎疫情突发事件冲击下，如何对毕业生就业市场进行及时研判、对重点区域和城市的就业进行精准施策，成为政府和社会各界高度关注的话题。本文利用网络招聘平台数据，通过构建计量模型，从宏观和微观层面实证检验疫情对高校毕业生就业的影响效应与机制发现：第一，新冠肺炎疫情对高校毕业生就业市场造成了冲击，表现为企业招聘需求明显下降，求职投递人数明显上升，就业景气显著降低；第二，疫情冲击对不同区域、城市毕业生就业的影响存在异质性，疫情较严重、一线、新一线及东部的城市招聘需求下降明显，新一线、中西部的城市求职人数增加明显；第三，短期内疫情对毕业生就业产生负向冲击，但在政策干预下，就业景气逐渐回暖；第四，受疫情影响，毕业生会改变就业地点、调整预期薪酬和期望行业，并且选择“慢就业”的比例增加，而获得offer和实际签约比例会明显降低。
以上结论意味着，尽管疫情在短期内对高校毕业生就业造成较大冲击，但在国家政策引导下，毕业生就业形势逐渐趋稳，未来仍需进一步关注不同区域和城市间的就业结构矛盾，引导毕业生理性择业。建议要充分利用网络大数据进行毕业生就业形势的监测和预判，将其作为传统就业数据的补充指标，以更好地应对各类突发事件对高校毕业生就业市场的冲击，降低其负向影响。同时，也可以利用企业招聘需求大数据开展职位空缺、就业匹配等研究，从需求端来引导高等教育改革和大学生就业指导，为促进毕业生就业匹配效率、减缓结构性矛盾、提升就业质量等提供依据。
（毛宇飞，首都经济贸易大学劳动经济学院讲师；曾湘泉（通讯作者），中国人民大学劳动人事学院教授。）
以上文章原载于《学术研究》2022年第1期，文章不代表《学术研究》立场。
篇幅原因有所删减，未经授权不得转载。
