您现在的位置: 首页» 研究成果» 课题研究 »正文
朋友推荐对成功跳槽有多重要?北大光华学者量化实证研究告诉你丨学术光华

衡量一个社会的劳动力市场水平,很大程度上要看企业与求职者如何传播和交换工作信息。无论对于求职者还是招聘方,熟人推荐都是一种不可或缺的机会选择。从宏观角度审视,来自社交网络的工作推荐对劳动者、企业、劳动力市场会产生怎样的作用?推荐信息在市场中又是如何传递的?既有的研究可以证明社会关系对传播和推荐工作信息的重要性,但却缺少对推荐人与被推荐人之间的信息交互程度和性质的研究。

随着移动互联网高速发展,位置感知与全球定位系统(GPS)不断普及,统计通话时长、上网流量、GPS定位等数据逐渐成为了可能,这也为量化研究人们跳槽前后信息流程度与物理空间活动情况变化提供了可行的新方法。

为考察信息交换在城市劳动力市场中的作用,北京大学光华管理学院助理教授吴祁与合作者依托中国北方某城市电信运营商的手机信令数据记录展开了研究。研究表明,来自全球定位系统(GPS)设备(如移动电话)的新数据可能有助于我们理解市场的运作方式。研究成果《信息、移动通信与推荐效应》(Information, Mobile Communication, and Referral Effects)近日在国际顶级期刊American Economic Review(《美国经济评论》)发表。American Economic Review于1911年由美国经济学会创刊发行,被誉为美国最重要、影响最大的经济理论期刊,也是世界公认的最具有学术声望的顶级期刊之一。

 

近四分之一的人通过推荐找到工作

研究基于手机信令数据,统计了求职者跳槽前后与朋友分享工作相关信息的变化,这些数据包括通话记录(个人身份标识、通话位置、通话时间与时长)与地理位置信息等,相较于传统观测数据具有高频、颗粒度较细等优势。此外,研究团队还将呼叫数据与企业职位空缺、周围房价数据等进行合并编译,形成辅助数据。

如何确定研究对象是否跳槽了?GPS定位可以实现印证。研究团队通过手机定位数据梳理,选定了观察工作日上午9点到下午6点之间使用电话位置最频繁的地点,将其标注为工作位置;同一周晚上10点到第二天清晨7点之间使用最频繁的位置,将其标注为住宅位置;而在样本期间至少通过一次电话的人将被视为朋友,当一个人的工作位置搬到朋友的工作场所时,研究将这个朋友认定为推荐人。

研究数据对应了180万人,其中年龄达到16岁以上、能够通过GPS确定其有效工作时间至少为45周、常用工作地点不超过2个的人,实际人数为45.6万。在这群人之中,有8%的人被确定成为换工作的人,他们满足如下条件:在2个地方工作过,任一工作地点至少被观察了4周,只换过1次工作,两个工作地点之间距离至少在1公里以上。作者发现,8%的在职转换率与中国劳动力市场文献中计算的7%相近,但这一数据显示中国在职人士的跳槽流动性低于西方国家,2009年的研究显示,欧盟的在职转换比例高达15%-18%。

与美国劳动者相比,中国劳动者更倾向于依赖非正式的搜索方式。有38%的中国劳动者通过亲戚朋友找到工作,而美国劳动者的比例为30%。正式的搜索方式,如搜索空缺广告、在职业介绍所注册或直接联系雇主的情况,在美国劳动者中更为普遍。

基于上述定义,作者发现,四分之一的工作转换是基于工作推荐的。

 

推荐对年轻工作者、从农村到城市的打工者以及换行业工作者尤为重要

通过数据梳理,研究发现工作变动大多数发生在社会经济发展水平相当的地区之间。从城区到城区的工作变化最为频繁,达到了49.6%,而城乡之间的工作变化只有15.4%。富裕地区(房价高于中位数的地区)之间的工作变动占总比例近四分之三(73.5%),而这种地区之间的劳动力流动与地区间的通话量有着较强的相关性。城区之间总通话次数占比相较于其他地区明显更高,达到了63.7%,富人区之间和非富人区之间分别占通信流量的80.9%和13.1%。为了验证两个序列之间的关系,研究团队将跳槽次数对通话量的影响做了回归分析,纳入了出发地、目的地的固定效应,得出了相似结论。

推荐的作用在中国的城市劳动力市场中有多大?研究量化分析了跳槽者在朋友工作场所找工作的倾向与在附近地点找工作的倾向的差异,作者发现,如果一个工作地点有求职者的朋友,那么求职者选择这个工作的可能性相较其他工作增加了近3倍。

在效应异质性方面,推荐对年轻工作者、从农村到城市的打工者以及换行业工作者尤为重要。这些环境中信息不对称更为严重,因此推荐可以在一定程度上缓解劳动力市场中信息不对称的问题。

 

工作推荐是如何起作用的?

推荐是如何起作用的?通过分析详细的电话记录,研究者找到了跳槽者与推荐人(朋友)之间的信息流的规律,为既往研究中信息交换的假设提供了实证证据。作者对跳槽者换工作前后的通话频率的动态进行了量化分析。研究发现,跳槽者与推荐人和非推荐人之间的通信模式截然不同,一方面通话频率明显高于其他朋友,另一方面信息流强度呈现倒U型,在换工作之前达到峰值。相比之下,跳槽者与其他朋友的信息流在整个样本期内都保持稳定,跳槽前后几个月没有明显变化。此外,跳槽者与推荐人的沟通强度在跳槽之后仍然保持较高水平,换工作之前是朋友,换工作之后是朋友和同事。这是首个记录了求职者和推荐人之间围绕工作变动的沟通强度不断增加的实证分析。

研究还发现强关系有着更大的推荐效应,为文献中关于弱关系与强关系的论证提供证据。除了信息流和社会关系中强关系的比例,个人社会联系的多样性也很重要。社交网络有着更大的社会经济多样性的个体,在换工作时更有可能使用推荐这一方式。

 

推荐促进求职者和招聘方匹配,提高了劳动力市场效率

“邻居、同乡之间的信息传递在城市经济学中是比较重要的一个机制,数据正好可以观测到邻居、同乡对一个人转换工作概率的影响。”作者将基于通信信息定义的推荐人和以往文献中基于其他社会关系定义的推荐人(如邻居/同族/同乡等)在推荐效应上进行了对比,并进一步验证和支持这些测度的有效性。通过地理信息和个人可观测信息,作者构造了邻居、同乡的变量测度,并发现,一方面邻居和同乡更有可能相互交流;另一方面,这两种关系的推荐效果是积极而显著的,但它远低于基于本研究基准定义估计的推荐效应。也就是说,以往文献中对于工作推荐效应的估计很有可能是真实效应的一个下界。

通过推荐传递的工作信息对员工来说是很有价值的。研究发现,推荐的工作往往与更高的工资和更好的非工资福利、更短的通勤时间、更有可能从兼职过渡到全职、以及从常规工作过渡到优质工作有关。

与此同时,通过推荐网络传递的信息对公司也是有益的。接受推荐员工的企业更有可能成功招聘到新员工,实现更高的匹配率,并经历更快的增长。这些结果提供了启发性的证据,证明推荐通过促进求职者和招聘方之间更好的匹配,提高了劳动力市场的效率。

作为拓展,作者进一步对那些在成功找到工作之前经历过失业的个人进行分析,研究结果是失业人员与其推荐人之间在工作转换前后的信息交流规律与之前的发现惊人地相似。他们与推荐人之间的电话数量也呈现出倒U形,在再就业时达到峰值。这些发现提供了相关性证据,表明研究所记录的沟通模式和推荐效应可能适用于包括在职和失业状态中的所有求职者。

 

 

吴祁,北京大学光华管理学院应用经济学系助理教授。2021年毕业于康奈尔大学(Cornell University),获经济学博士学位。主要学术研究聚焦于社会网络 (social networks) 对市场竞争以及福利效应的影响。运用实证分析方法和通信大数据,研究了社会网络对消费者的产品选择、产品市场定价和竞争的影响,以及社会网络在信息传递和工作推荐中的作用和对劳动力市场的影响。

北京光华管理学院 版权所有 京ICP备05065075-1 | 微信 | 微博 | 相关链接[ 返回页顶 ]
© 2015 Guanghua School of Management Peking University