第五章、数据分析
一、描述性统计分析
（一）样本基本信息
如表 1 所示，反映了研究样本的基本信息情况。本研究共有有效样本 451 个，其中男性样本数量为 240 个，占比 53.2%，女性样本数量为 211 个，占比 46.8%，性别分布情况较为合理；在样本的来源地分布方面，城镇样本数为 290 个，占比64.3%，农村样本数为 161 个，占比 35.7%，城镇样本数量较大，城镇与农村样本的分布差异较为明显；在年龄分布上，调查样本的平均年龄为 26 岁，其主要年龄段介于 25 岁至 28 岁之间，样本数为 290 个，占比 64.3%，24 岁以下及 29 岁以上的样本数量分别为 116 个、45 个，占比情况为 25.7%与 10%，样本的年龄分布情况较为合理。
表1 样本基本信息
（二）样本就业质量情况
如表 2 所示，反映了样本的就业质量情况。其中，有 50.1%的调查者将工作地点选在北京、上海、广州、深圳等一线城市，占整个样本数量的一半之多；而选择在东部地区与中部地区工作的情况基本持平，分别为 19.3%与 20.4%；选择在西部地区工作的比例最少，只有 4.2%；其他地区的比例为 6%。在单位性质的分布方面，在国家机关工作的样本数量最少，仅占比 5.1%；在民营企业工作的样本数最多，占比为 39%，接近样本总数的 4 成；在国有企业工作的情况次多，占比 23.7%；此外，选择在事业单位、合资或外资企业及其他性质单位工作的样本占比分别为12.6%、13.3%与 6.3%。在薪资水平的评价方面，有 54.5%的调查者认为毕业后首份工作的薪资水平在同行业中处于中等水平，占到整个样本数量的一半以上；分别有 5.8%与 25.3%的调查者认为其毕业后首份工作的薪资水平在同行中“非常低”
或“较低”，加总后占到样本总数的 31.1%，表明调查样本的整体薪资水平不高；仅有 4 位调查者表示享有的薪资水平在同行中“非常高”，占比 0.9%；认为薪酬水平“较高”的调查者占比也较低，为 13.5%。在就业单位的社会保险缴纳情况方面，通过调查显示，有 72.3%的单位可以为职工提供齐全的五险一金，其余 27.7%的企业无法为员工完全缴纳五险一金，总体情况较为乐观。此外，在就业单位的在职培训方面，有 74.5%的单位能够为员工提供定期或不定期的职业培训，有 25.5%的单位不能为员工提供在职培训，整体情况也较好。
表2 样本就业质量情况
（三）主要变量的分布情况
表 3 列出了调查问卷中测量变量的数据分布情况，具体包括变量的中值、均值、标准差及标准误差的情况。
表 3 主要变量分布情况
二、信度与效度检验
（一）量表的效度检验
调查问卷的效度通常是指量表的有效性与正确性，即调研问卷能够测量出其所欲测量特性的程度。效度越高表明问卷测量的结果所代表的测验行为的真实度越高，它反映了对问卷的系统误差的控制程度。所以在进行数据分析前，对问卷的效度加以检验，可以有效地确保测量数据的质量。在文中，笔者采用主成分因子分析的方法对问卷的效度进行检验与分析。
1、大学生人力资本量表的效度检验
通过运用 SPSS 16.0 统计软件进行分析，首先对我国新生代大学生的人力资本量表进行 KMO 取样适当性检验与巴特利特(Bartlett)球度检验，以确定文章数据能否进行因子分析。如下表 4 所示， KMO 值为 0.606，根据 Kaiser 提出的 KMO 检验标准，虽然 KMO 值在 0.7 以下，但却高于 0.5，表明该组数据可以进行因子分析。巴特利特 Bartlett 球度检验值为 143.006，自由度 df=10，p<0.001，达到显着水平。两项检验均表明本次调查所得的大学生人力资本数据适合进行因子分析。
表 4 大学生人力资本量表的 KMO 与 Bartlett 检验
然后对样本数据进行主成分因子分析，最大迭代次数为 50 次，并进行正交旋转，共提取出特征值大于 1 的两项因子，累计解释的总方差为 74.479%。如下表 5所示，院校类型、综合成绩排名、能力素质三个指标分布在因素 1 上，可以命名为我国新生代大学生的“受教育程度”；实习经历、学生工作经历两项指标分布在因素 2 上，可以命名为我国新生代大学生的“实践经验”。这与舒尔茨与贝克尔等人提出的人力资本构成要素（受教育程度、工作经验）相一致，表明本问卷采用的人力资本量表具有较高的效度。
表 5 大学生人力资本旋转成分矩阵
图 2 新生代大学生人力资本结构框架
2、大学生社会资本量表的效度检验
通过运用 SPSS 16.0 统计软件进行分析，首先对我国新生代大学生的社会资本量表进行 KMO 取样适当性检验与巴特利特(Bartlett)球度检验，以确定文章数据能否进行因子分析。如下表 6 所示， KMO 值为 0.657，根据 Kaiser 提出的 KMO 检验标准，虽然 KMO 值在 0.7 以下，但却高于 0.5，表明该组数据可以进行因子分析。巴特利特 Bartlett 球度检验值为 2105.034，自由度 df=28，p<0.001，达到显着水平。两项检验均表明本次调查所得的大学生社会资本数据适合进行因子分析。
表 6 大学生社会资本量表的 KMO 与 Bartlett 检验
然后对样本数据进行主成分因子分析，最大迭代次数为 50 次，并进行正交旋转，共提取出特征值大于 1 的两项因子，累计解释的总方差为 73.504%。如下表 7所示，母亲职业地位、父亲职业地位、父亲受教育程度、母亲受教育程度、家庭人均年收入五项指标均分布在因素 1 上，可以命名为我国新生代大学生社会资本中的“先赋性社会资本”；网络规模、网络跨度、网络密度三项指标分布在因素 2上，可以命名为我国新生代大学生社会资本的“后致性社会资本”。这与科尔曼提出的社会资本构成要素（先赋性社会资本、后致性社会资本）相一致，表明本问卷采用的社会资本量表具有较高的效度。
表 7 大学生社会资本旋转成分矩阵
图 3 新生代大学生社会资本结构框架
3、大学生就业质量量表的效度检验
通过运用 SPSS 16.0 统计软件进行分析，首先对我国新生代大学生的就业质量量表进行 KMO 取样适当性检验与巴特利特(Bartlett) 球度检验，以确定文章数据能否进行因子分析。如下表 8 所示， KMO 值为 0.720，根据 Kaiser 提出的 KMO检验标准， KMO 值大于 0.7，表明该组数据适合进行因子分析。巴特利特 Bartlett球度检验值为 891.341，自由度 df=36，p<0.001，达到显着水平。两项检验均表明本次调查所得的大学生就业质量数据适合进行因子分析。
表 8 大学生就业质量量表的 KMO 与 Bartlett 检验
然后对样本数据进行主成分因子分析，最大迭代次数为 50 次，并进行正交旋转，共提取出特征值大于 1 的三项因子，累计解释的总方差为 68.101%。如下表 9所示，单位声誉、单位前景、单位规模三项指标均分布在因素 1 上，可以命名为我国新生代大学生就业质量中的“职业前景”；单位福利、单位薪水两项指标分布在因素 2 上，可以命名为我国新生代大学生就业质量的“物质回报”；单位性质、单位地域、解决户口、专业对口四项指标分布在因素 3 上，可以命名为我国新生代大学生就业质量的“工作状况”，这与我国学者王霆开发的大学生就业质量模型的主要成分相一致，表明本问卷采用的就业质量量表具有较高的效度。
表 9 大学生就业质量旋转成分矩阵
图 4 新生代大学生就业质量结构框架
（二）量表的信度检验
调查问卷的信度主要是指量表测量结果的精准程度，是表明测量数据一致性与稳定性的指标，其目的是控制和减少随机误差。在本文中，笔者采用克隆巴赫信度系数（Cronbach’s α）对问卷的信度进行检验与分析。通常来说，α 系数的取值在 0 到 1 之间，α 系数的数值越高，信度就越高，问卷的内部一致性就越好。一般地，当 α 数值大于 0.7 时，问卷即可信。
1、大学生人力资本各个维度分量表的信度检验
根据前文因子分析的结果，对分属于我国新生代大学生受教育程度、实践经验的变量分别进行信度检验，输出的内部一致性α系数分别为 0.841 与 0.816，表明分量表的内部一致性较好。
表 10 大学生人力资本量表的信度检验
2、大学生社会资本各个维度分量表的信度检验
根据前文因子分析的结果，对分属于我国新生代大学生先赋性社会资本、自致性社会资本的变量分别进行信度检验，输出的内部一致性α系数分别为 0.807、0.738，表明分量表的内部一致性较好。
表 11 大学生社会资本量表的信度检验
3、大学生就业质量各个维度分量表的信度检验
根据前文因子分析的结果，对分属于我国新生代大学生职业前景、物质回报、工作状况的变量分别进行信度检验，输出的内部一致性α系数分别为 0.685、0.891与 0.771。虽然职业前景一项的α系数较低，但三个维度的α系数均大于 0.6，尤其是“物质回报”维度的指标，α系数为 0.891，信度标准“很高”，表明分量表的内部一致性较好。
表 12 大学生就业质量量表的信度检验
