摘要：借助网络招聘平台数据，通过实证检验，探究疫情对高校毕业生就业的影响得悉，疫情冲击之下，毕业生就业市场供需两端都遭受了影响，呈现出招聘需求下降，求职人数上升，就业景气降低的状况；疫情对于不同城市的高校毕业生就业影响存有异质性；在短期内，疫情给毕业生就业带来了负向冲击，不过在国家政策扶持下，就业形势渐渐好转；毕业生受疫情影响会更改就业地点，调整预期薪酬以及期望行业，倾向于选择“慢就业”，并且获得offer和实际签约的比例大幅度降低。把降低各类突发事件给高校毕业生就业造成的负向影响这件事做好，就得充分借助网络大数据实施就业形势监测以及预判，把它当作传统数据的补充指标；为了提高毕业生就业匹配效率，减缓结构性矛盾，能够利用网络大数据开展职位空缺、就业匹配等种种相关研究，从需求端来引导高等教育改革以及大学生就业指导。
在2020年年初的时候，暴发了新冠肺炎疫情，这种疫情，不但给我国的社会经济带去了巨大的影响，而且还对高校毕业生的就业造成了比较大的冲击。根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》所显示的情况，由于受到疫情的影响，在2020年的第一季度以及第二季度，高校毕业生就业景气指数，不管是同比还是环比，都出现了明显的下降。从理论方面来讲，新冠疫情针对高校毕业生的影响范畴宽广，不但致使其就业机遇变少、求职途径受到阻碍，并且会致使工作搜寻时段拉长、心理压力加重，特别是针对那些在异地求学的毕业生而言，在疫情这段时期没办法及时返回学校，仅仅能够借助在线的方式来开展工作搜寻，毫无疑问会造成就业难度更进一步加大。2020年5月教育部、人社部以及等6部门联合发"十大专项行动"，目的是保障疫情期间就业稳定，是借助推进企业稳岗以扩大就业、开展网上就业服务、推进创业带动就业等办法来促进高校毕业生获得就业机会、影响到疫情冲击下高校毕业生就业形势有变化、已经成为备受社会各界关注的焦点、那么、疫情冲击之下高校毕业生就业形势究竟发生哪些态势改变、这个里头疫情对、到底在多大水平范围程度方向上影响毕业生就业、再者了毕业生本身产生一系列包括求职预期上作的就业结果有啥哪些方面发生的改变呢。此文本打算针对上面那些问题展开深度剖析，其边际贡献是：于研究方法方面，和已有文献以定性方式描述疫情给高校毕业生就业造成的影响不一样，该文本借助定量手段实证查验疫情对就业的影响方向、程度以及范围，并且探究其异质性以及时间趋势效应；在研究视角层面，因企业端数据受限，已有文献大多着重于高校毕业生供给端去剖析其求职经历以及就业去向，此文本不但探讨疫情冲击下毕业生就业供求两端的变动，还分析疫情对就业匹配的影响；在研究数据领域，传统研究大多运用行政记录数据或者调查数据来剖析高校毕业生就业问题，而这些数据存有主观性强、调查频率受限以及非抽样误差等缺陷，该文本所采用的网络大数据具备海量性、及时性、客观性、真实性等特性，能够弥补传统就业数据的不足。
一、疫情冲击下高校毕业生就业形势分析
是为了能够客观地去刻画疫情冲击之下高校毕业生的就业形势而成此篇，本文运用智联招聘网络大数据，从企业招聘需求这个角度，从毕业生求职供给这个角度，以及就业市场景气这个角度来展开分析。鉴于三季度之后2021届毕业生将会进入求职市场，为了排除新进样本所带来的干扰，所以选取2020年1至9月的数据重点去分析疫情带给2020届毕业生的影响。需要加以说明的是，本文所用的数据并非采取网络爬取的方式，而是直接从招聘网站后台提取的。获取数据之际，把招聘职位名称阐述里含有“应届”这个字段的，当作需求端数据，而把学历是大专以及之上，并且毕业时间为2020年的求职者，视作供给端数据。
图1按月度汇报了毕业生就业供需情况，以及就业景气指数变动趋势。就业景气指数是参照中国人民大学中国就业研究所CIER指数构建方法，通过招聘需求人数与求职申请人数之比测算出来的。当该值大于1的时候，就表明就业市场需求比供给多，景气程度比较高，反过来就比较低了。已经有研究证明，该指数跟宏观经济波动联系紧密，能够作为反映就业市场变化的重要指标。本文借助该指数对高校毕业生就业市场展开了分析，具有一定科学性，同时也拓展了该领域研究。就需求端而言，因疫情产生影响致使企业招聘需求展现出去先下降随后又回升的态势，从供给端来讲，2020年1月至3月期间毕业生在线求职人数显著上涨，随后渐渐回落并趋向稳定，从就业景气指数分析，1月以后出现持续不断下降，3月时降至0.72，然而在国内疫情防控状况持续变好、国家政策加以大力扶持的情况下，4月之后指数逐月实现攀升，从0.81上涨至9月的1.68。
二、疫情冲击影响高校毕业生就业的实证分析
已经有相关研究明确显示，疫情所引发的突发事件，这般情况不但会对经济的增长态势造成影响，而且还会针对就业的规模、失业率以及就业方面的市场带来冲击。在本文当中，是基于将网络招聘大数据跟统计年鉴的数据相互匹配的基础之上，借助构建进行计量的具体模型，从而以实证的方式检验疫情冲击对于毕业生就业所产生的影响效应 ，这种效应究竟是怎样的。
（一）变量选取及描述统计
包括城市层面的高校毕业生招聘需求、求职供给以及就业景气这三个方面的是被解释变量。数据源自智联招聘55个核心业务城市的网络大数据，是按照2019年和2020年1至9月份的月度数据来进行提取的，一共得到了990个样本。对于核心解释变量疫情冲击，是用疫情发生前后去进行测量的，其中，疫情发生前（2019年）取值为0，发生后（2020年）取值为1。
本文在控制变量这方面，加入了用来反映城市疫情程度的变量，此变量主要是用城市累计确诊人数去衡量，该数据是依据国家卫生健康委员会网站所发布的数据而整理得出拿来用的。除此之外，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、产业结构以及内资企业比例等变量，这些变量主要是依据《2019年中国城市统计年鉴》等进行整理从而得到的。相关变量的情况如同表1所示。
（二）计量模型
1.考量诸多影响高校毕业生就业的因素，为将这些因素干扰排除，基于此，本文会用上似不相关回归模型，去对疫情这个冲击所带来的影响效应加以估计，呈现形式就如同式（1）所展示的那样：
于上述式子里面，Demand是专门针对高校毕业生的招聘需求，Supply是高校毕业生的求职供给，CIER所代表的则是就业景气，像这样。
（三）实证结果
于表2当中，第（1）列、第（2）列，于加入控制变量之后，所获取的疫情冲击针对招聘需求以及求职供给的影响系数分别是-0.848与1.590，并且此两者皆于1%水平里显著。这显示出在排除掉其他因素以后，受到疫情的影响，各个城市的高校毕业生招聘需求显著下降，然而求职供给人数却有明显增加。着眼于需求方面，此次新冠疫情波及范畴宽广，不单单给社会经济带来极大冲击，还由于和春节假期相重合，致使企业返工遭遇难题、停工停产，招聘需求陡然减少，尤其是对旅游、航空、酒店这类人员密集类型的行业及部分抗风险能力比较弱的中小企业招聘产生严重影响，甚至出现裁员危机。从供给角度出发，2020年我国高校毕业人数多达874万，再加上60万归国留学生，这毫无疑问造成了较大的集中就业压力。先是依据疫情防控的要求，高校毕业生的求职过程，从原本的线下变为了线上的形式，这就致使网络求职申请的人数有了增加，进而使得线上求职的竞争变得加剧起来。并且，第（3）列是关于疫情冲击对就业景气所产生的影响，它的系数是-0.256，而且在1%水平的情况下是显著的。这意味着疫情出现以后，受到需求下降以及供给上升这两个方面的双重影响，就业景气呈现出明显的下降态势。另外，疫情程度对毕业生来讲，招聘需求以及求职供给都存在明显的负向影响，不过对于就业景气的影响显著是正的。面对现实情况而言，疫情严重的常常是人口流动性大以及企业数量众多的发达城市，虽说疫情对毕业生供需两侧都带来了负向冲击，可是对供给侧的负向影响要比需求侧更大，致使就业景气综合效应呈现为正。在城市等级层面，把一线城市当作参照组，新一线、二线以及三线的招聘需求与求职供给明显均比较少。在行政区域方面，将东部作为参照组，中部招聘需求与就业景气相对较高，然而求职申请相对较少，西部的求职申请一样相对较少，东北的招聘需求和就业景气均相对处于较低水平。
（四）异质性分析
疫情的程度，城市的等级，以及行政区域具备差异性，这当中可能致使疫情所产生的影响效应存有异质性。于表3模型（1）里，疫情冲击与疫情程度的交互项针对招聘需求有着显著的负向影响，这表明企业所处城市的疫情程度一旦越严重，那么其招聘需求遭受疫情冲击的负向效应也就越显著。模型（2）对不同等级城市之中疫情影响的差异展开了考察。从需求方面来看，疫情产生的冲击，和一线、新一线城市的交互项系数，显著呈现为负，这表明，跟三线城市相比较而言，疫情致使一线和新一线城市的招聘需求下降，更为明显；从供给角度而言，疫情的冲击，与新一线城市的交互项系数，显著表现为正，这意味着，受到疫情的影响，新一线城市的求职申请人数增加，更为明显。模型（3）的结果展示出来了，就需求方面而言，疫情冲击跟东部地区的交互项相关系数显著呈负；从供给角度来讲，疫情冲击和中、西部地区的交互项系数显著为正；从就业景气这一维度看，疫情冲击与东、中部地区的交互项系数显著是负的。以上情况表明，跟东北地区相比较，疫情出现之后东部地区毕业生招聘需求显著下降，而中、西部求职申请人数显著增多，在供求两侧因素的作用下，东、中部地区毕业生就业景气显著下降。
（五）时间趋势效应
由于高校毕业生就业市场体现出季节性特性，况且疫情发生以后国家颁布了一系列推动大学生就业的政策，这在一定程度上能够对疫情带来的负面效应起到缓冲作用。本文把9月当作参照组，引进疫情冲击与月度时间变量的交互项，以此来识别这种时间趋势效应。表4第（1）列中疫情冲击与2至4月交互项系数显著为负，然而与其他月份的交互项系数并不显著。这表明在疫情发生之后，企业对毕业生的招聘需求在2至4月显著降低，而后逐渐变得平稳。首先，第（2）列中，疫情冲击跟2月以及7月的交互项系数显著呈现为负，和3—5月的交互项系数显著呈现为正；然后，这表明疫情冲击一开始给毕业生求职供给带来显著负向影响，接着，随着在线求职方式的推广以及高校毕业季的到来，越来越多的毕业生借助网络投递简历，求职申请人数显著增多，并且，这一趋势延续到7月开始出现下降；最后，第（3）列里，疫情冲击与1—2月、6—8月的交互项系数显著为正，然而与3—5月的交互项系数显著为负。联系实际情况而言，在一月至二月期间，疫情猛击对高校毕业生就业供需两边都带来了负面作用，然而供给侧的降低幅度更为突出，这促使就业景气在短期内得以提升；于三月至五月之时，疫情冲击造成企业招聘诉求降低以及在线求职供给有了增长这两个因素相互交叠，从而导致就业景气显著下滑；在六月至七月之际，伴随国家推动就业政策的大力支持以及疫情防控态势持续向好，毕业生就业景气逐月攀高。
三、疫情冲击影响高校毕业生就业的微观机制
前面内容显示，疫情在短时间以内，给毕业生就业带去了极大的冲击，不过，在政策进行干预的状况下，就业景气正渐渐回升。那么，疫情之下，毕业生求职预期以及就业结果有着怎样的变化呢？此文进一步从微观的视角展开分析。
（一）变量选取及描述统计
2020年2月至于4月时，网络招聘平台进行了一次在线调查，在这里面的本部分数据就来源于此调查，一共收集来了7571个样本，属于高校毕业生的。这个调查的目的在于，去把控疫情已然发生之后，毕业生在求职经历方面以及就业选择方面的变化情况，问卷一方面有着和疫情影响相关的类别，而这里面，又有毕业生个人特征、校园经历、求职过程、就业去向等诸多问题，样本涉及不同学历层次，有大专、本科以及研究生，而且覆盖了中国内地三十一个省市自治区，具备一定的代表性。
高校毕业生就业情况作为被解释变量分为两方面，一方面是求职预期，另一方面是就业结果。求职预期包括三个维度，一个维度是就业地点，一个维度是预期薪酬，最后一个维度是期望行业。就业地点对应问卷中“就业地点改变”这一题目，预期薪酬对应“预期薪酬下降”这一题目，期望行业对应“期望行业变化”这一题目。就业结果通过毕业生选择“慢就业”、获得 offer 情况以及实际签约情况来测量 ，“慢就业”对应问卷中“就业去向为拟升学或待就业”这一问题，获得 offer 情况对应“是否获得 offer”这一问题，实际签约情况对应“是否与用人单位签约”这一问题。作为核心解释变量之一的疫情感知呢，主要是通过毕业生对自我求职期间是否受疫情影响进行了自身的感知方面得来 ，其对应的是问卷里所展现所呈现出来的 “春节期间暴发的新型肺炎疫情是否对您求职历程产生影响？” 这样一个问题。要是选择了 “是” 这种情况 ，那么所取的值就为 1 ，而一旦选择 “否” 这种状况 ，所得到用来衡量的值就为 0。此外，已有研究提出人力资本、社会资本以及家庭经济状况等会对毕业生就业造成影响，为了排除这些因素的干扰，本文在分析时，还添加了多种控制变量，具体地说，包括校园经历，这里的校园经历包含实习经历、学习成绩、参加竞赛；还包括个体特征，个体特征涵盖性别、户籍、外向性、宜人性、情绪稳定性、学历层次、专业类型；另外包括家庭特征，家庭特征有家庭收入、父母学历、父母职务。
那表5当中呈现的是变量说明以及描述性统计，在把缺失关键变量的样本给删除之后，总共保留下来有效样本5179个，其中，觉得求职受到疫情影响的占比是62.9%，没受到影响的占比为37.1%，经由对比两类毕业生样本能够知道，前面那类就业地点改变、预期薪酬下降以及期望行业变化的比例显著更高些，同时选择“慢就业”的占比更多些，然而获得offer以及实际签约的比例相对更低些。此外，受到疫情影响的样本，其成绩更为优良，女性数量更多，情绪稳定性更低，本科以及经管类专业的占比更为高居，然而，在未受到影响的样本当中，大专学历以及农/法/医学等专业的所占比例倒是更多。
（二）实证结果
采用Probit模型来分析疫情感知对高校毕业生就业所产生的影响效应之时，在回归里面加入校园经历、个人特征、学历层次、专业类型、家庭特征以及所在省份等控制变量。表6里面第（1）至（3）列，分别将就业地点发生改变、预期薪酬出现下降、期望行业产生变化当作被解释变量，所得到的疫情感知的系数分别是0.050、0.174以及0.084，并且全都在1%水平之下显著。由此能够表明，受到疫情影响的毕业生，其求职预期也会出现变化，会体现于这些方面，像改变就业地点，降低预期薪酬，以及改变期望行业等。第（4）列是关于疫情感知，对毕业生“慢就业”所产生的影响，其系数为0.024，并且在1%水平下显著，这表明受到疫情影响的毕业生，选择拟升学或者待就业等“慢就业”形式的概率会增加。毕业生获得offer的情况，以及实际签约的状况，在第（5）、（6）列分别被检验了疫情感知所带来的影响，其系数分别是-0.098以及-0.113，并且这两个系数均在1%水平下面显著，这表明了因为受到疫情的影响，毕业生获得offer的概率明显下降了，同时实际签约的概率也明显下降了。
（三）稳健性检验
鉴于高校毕业生疫情觉察对于就业起到的影响里会暗藏因自选择偏差引出的内生性问题，此文运用倾向得分匹配法里的核匹配、半径匹配以及卡尺内k近邻匹配这三种方式来针对此予以检验。比如说以核匹配当示例来讲，获得这种影响疫情察觉效果作用于就业地点、预期薪酬以及期望行业的平均处理效应也就是ATT，它们分别是0.049、0.016以及0.078，对于那种“慢就业”状况下，还有获得offer以及实际签约的影响效应，不一样，分别是0.017、 -0.097以及 -0.118，并且这些全部都是在处在1%水平时有显著表现的，依据这些情况能够见到，采用PSM获取的其系数大小跟前面文章里所提到的是趋于相同水准的。而且基于此得到这样一个意思，就是得出的结论是具备有着比较强劲稳妥性那样的特性的呀（鉴于字数这一方面存在着一定的限制，所以呢此类部分的结果没有把它罗列出来，要是有需要的话可以提供再索要查看的哈）。
四、研究结论与启示
在世界范围之内，以高等院校毕业学生作为主要构成的青年人群就业向来备受留意。尤其是在新型冠状病毒肺炎疫情这一突发事件产生冲击的状况下，怎样针对毕业生就业市场予以适时判断，怎样针对重点区域以及城市的就业推出精确应对举措，变成了政府以及社会各个方面高度重视的议题。本文借助网络招聘平台数据，采取构建计量模型之举，于宏观以及微观层面，实证检验疫情针对高校毕业生就业所产生的影响效应与对应机制，从中竟发现：其一，新冠肺炎疫情给高校毕业生就业市场带来冲击，这冲击呈现为企业招聘需求显著下降，求职投递人数显著上升，就业景气显著降低；其二，疫情冲击对各不同区域、城市毕业生就业的影响存有异质性，疫情较为严重、身处一线、新一线另有东部的城市，其招聘需求下降显著，新一线、中西部的城市求职人数增加显著；其三，短期内疫情对毕业生就业产生负向冲击，不过在政策干预之下，就业景气渐渐回暖；其四，受疫情影响，毕业生会变更就业地点，调整预期薪酬以及期望行业，且选择“慢就业”的比例有所增加，而获得offer以及实际签约比例会显著降低。
以上结论表明，虽然疫情于短期内给高校毕业生就业带来较大冲击，不过在国家政策引导之下，毕业生就业形势正慢慢趋向稳定，未来还是得进一步去关注不同区域以及城市之间的就业结构矛盾，还要引导毕业生理性地选择职业。建议应当充分借助网络大数据来开展毕业生就业形势的监测以及预判，把它当作传统就业数据的补充指标，从而能够更好地应对各类突发事件对高校毕业生就业市场所造成的冲击，降低那种负向影响。此刻，还能够借助企业招纳需求大数据开始职位空闲、就业适配等探究，从需求方面去引领高等教育革新与大学生就业指引，给增进毕业生就业适配效率、缓解结构性矛盾、提高就业品质等打下基础。
先说毛宇飞，是首都经济贸易大学劳动经济学院的讲师，再说曾湘泉，他是通讯作者，还是中国人民大学劳动人事学院的教授。
