814 心 理 学 报 46卷

表2 各模型的拟合指标

模型

χ2

df

χ2/df

NFI IFI TLI CFI RMSEA

零模型

9198.22 630 14.60

一维模型 3959.65 595 6.66 0.57 0.61 0.58 0.61 0.106 四维模型 2558.36 588 4.35 0.72 0.77 0.75 0.77 0.082 六维模型 1844.95 579 3.19 0.80 0.85 0.84 0.85 0. 066七维模型1 1683.88 573 2.94 0.81 0.87 0.86 0.87 0. 062七维模型2 1631.60 573 2.85 0.82 0.88 0.86 0.88 0. 061八维模型 1468.39 566 2.59 0.84 0.90 0.88 0.90 0. 056

注：一维模型(依据De Cuyper et al., 2011a); 四维模型(根据Fugate et al., 2004)：适应(乐观开朗、学习)、职业认同、社会资本(社会

支持、网络差异、人际关系、团队合作)、人力资本(问题解决); 六维度模型：人际关系与团队合作合并、社会支持与网络差异合并; 七维度模型1：人际关系与团队合作合并; 七维度模型2：社会支持与网络差异合并。

表3 各潜变量在外显变量上的载荷和误差

外显变量 职业认同 人际关系 乐观开朗 问题解决

X1 0.66 (0.49) 0.70 (0.35) 0.77 (0.34) 0.68 (0.36) X2 0.78 (0.44) 0.74 (0.33) 0.71 (0.36) 0.72 (0.35) X3 0.73 (0.44) 0.72 (0.35) 0.61 (0.42) 0.75 (0.30) X4 0. 81 (0.35) 0.66 (0.31) 0.68 (0.38) 0.74 (0.31) X5 0.71 (0.42) 0.66 (0.37) 0.73 (0.35) 0.69 (0.38)

X6 0.67 (0.43) 0.64 (0.40) 外显变量 社会支持 学习能力

团队合作

网络差异

X1 0.80 (0.44) 0.58 (0.53) 0.74 (0.29) 0.78 (0.32) X2 0.79 (0.47) 0.68 (0.38) 0.82 (0.21) 0.66 (0.52) X3 0.63 (0.53) 0.75 (0.31) 0.74 (0.28) 0.61 (0.59) X4

0.67 (0.46)

0.76 (0.33)

注：外显变量字母后面的数字分别代表外显变量数目

3 大学生可就业能力与主客观就业

绩效的关系

3.1 被试

被试来自北京、西安、河北、山东12所高校的应届毕业大学生。被调查大学生第一时间点填写可就业能力问卷, 在第二个时间点(隔2周)填写职业探索问卷和报告录用通知书数, 并请最熟悉被调查大学生的同学或老师通过他评填写主观就业绩效问卷。共发放600份问卷, 将3份问卷进行匹配, 得到有效匹配问卷530份, 有效率为88%。具体情况如下。文科类41.7%, 理工类55.8%, 未填2.5%; 男50.8.8%, 女48.9%, 未填0.4%; 汉族89.2%, 少数名族10.4%, 未填0.4%; 来自农村46.6%, 城市53.0%, 未填0.4%。 3.2 研究工具

可就业能力问卷采用本研究得到的36个题目的问卷, 职业探索问卷采用Werbel (2000)8个题目

的问卷, 主观就业绩效采用王苑(2006) 6个题目的问卷, 以上3个工具都采用Likert 5点量表从“1—完全不同意”到“5—完全同意”进行评价。其中英文问卷经过多次英汉循环互译确定每个项目的文字表述。客观就业绩效—录用通知书数用一个题目考察：“您收到的单位录用通知书数是多少？”。为了检验本研究设计变量的测量模型, 建立3个竞争模型(如表4)。结果表明, 一维模型、两个二维模型的RMSEA (0.102 / 0.088 / 0.086 )都达不到心理测量学的基本要求(一般标准为0.08, Bollen, 1989), 3个模型的其它拟合指标都比三维模型的要低。所以, 数据拟合结果表明, 本研究设计的3个变量的模型最优。

3.3 描述性统计结果

各研究变量的描述性统计结果显示(表5), 可就业能力与主观就业绩效(0.26, p < 0.01)呈显著相关, 但与录用通知没有显著相关(‒0.02, p > 0.05)。可就业能力平方与录用通知呈显著相关(‒0.11, p <

0.05), 但与主观就业绩效(0.05, p > 0.05)、

职业探索