就職活動における大学ブランドのシグナリング効果

(1)

就職活動における大学ブランドのシグナリング効果

13D8104013D

平塚祐希

中央大学理工学部情報工学科田口研究室

2017

年

3

月

概要：本研究では，実際の大学別就職実績のデータを用いて，学歴が採用にどの程度影響を与えているのかを明らかにすることを目的とする．大学のレベルごとの企業の採用率を求める．そのうえで，就職活動に関する企業側・学生側の利得，学生が教育を受ける際のコストを仮定したモデルを設定する．モデルの中で，企業が学生の質をどう見ているかというパラメータを仮定して，シグナリング効果の有無を計算し，企業が大学のランクに対応して、学生の質をどう見ているのかを探る．

キーワード：学歴，採用比率，シグナリング，Fisher の正確確率検定

1 はじめに

現在の就職活動には”学歴フィルター”というものが存在していると言われている． ”学歴フィルター”とは，企業が学歴によって学生への対応に差をつけることを指している．

本研究の目的は，実際のデータを用いて企業が大学のランクに対応して，学生の質をどう見ているのか探ることである．

2 使用するデータ

本章では使用するデータについて説明を行う．本研究では

2016

年有名

77

大学人気

342

社就職実績データ，および大学群ランキングのデータを扱う．

3 採用率及びFisher

の正確確率検定

3.1 採用率

本研究では採用率を用いる．採用率は，各業界の大学群ごとの就職者数を

universities，業界問わず大学群全

体の就職者数

total

として，両者の比として推定する．

(3.1)

式

3.1

に沿って採用率を算出すると，東京一工は電気機器・電子の業界に強く，早慶上智になると銀行・証券・

損保・生保の業界に強く．MARCH は早慶上智に劣りはするが上記

4

業界，それに加え自動車業界が強く，成成明学も銀行業界は強い．成成明学や日東駒専になると，

社の企業への就職率は低い．

3.2 Fisher

の正確確率検定

3.2.1 概要

フィッシャー(Ronald Fisher)の正確確率検定は，分割表

(クロス集計表)の各行(各列)が独立かどうかを調べるノ

ンパラメトリック検定である．

3.2.3 分析結果

今回の研究では，棄却域の確率を

1%とする．その中

で有意差があり，差が大きいものは以下の表の項目であった．

表

3.1

差が大きかったものの業界別大学群採用率

以上の表から，負の差のほとんどが東京一工・早慶上智間，業界的には銀行・商社・保険を除く第

3

次産業に分類される業界であること，正の差は第

2

次産業や通信など理学系の業界が占めていることが明確になった．

4

シグナリングゲーム

4.1 シグナリングゲームの概要

シグナリングゲームとは非協力ゲームの中の，不完備情報の展開型ゲームである．各プレイヤーは他のプレイヤーが知らない個人情報を持っており，確率によって相手の持つ個人情報を推測して，その期待値によって行動を決める．

4.1.1 基本構造

シグナリングゲームは以下の要素から成る．

1.

プレイヤーの集合

N：意思決定をする主体．今回

の論文では

N={i|i=1,2}とする．

2.

意思決定点

v：各プレイヤーが意思決定，つまり戦

略の決定を行う点．

3.

情報集合

H：ある1

人のプレイヤーの意思決定点を有している．2 つ以上の意思決定点を持つ情報集合では，プレイヤーはその情報集合において自分がどの意思決定点にいるか識別できない．

4.

行動集合

A：受け手であるプレイヤーの行動(戦略)

の集合．

5.

タイプ集合

T：プレイヤーのタイプ(特性)の集合．

6.

シグナル集合

M：送り手であるプレイヤーが送る

シグナル(メッセージ)の集合．

7.

利得

u：プレイヤーの利得．

8.

信念ｐ：各プレイヤーがすべての情報集合におい

て，どの意思決定点にいるのか推測する確率のこと．

9.

自然：初期点で混合戦略を選ぶ仮想的なプレイヤー

4.1.2 要素間の関係

シグナリングゲームとは以下のようなゲームである．

(1)自然が，シグナルの送り手のタイプt

をある確率分布

p(t)に従ってタイプの集合T

から選ぶ．この時，送り手

は自分のタイプを知るが受け手は確率分布

p(t)しかわか

らない．

(2)送り手はt

を知った後，あるシグナル

m

をシグナル

の集合

M

から選び，受け手に送る．

(3)受け手はシグナルm

を知った後(タイプは正確には知

らない)，ある行動

a

を行動集合

A

から選ぶ．

(4)送り手の利得Us(t,m,a)と，受け手の利得Ur(t,m,a)

が決まる．

図

4.1

シグナリングゲームの木

4.2 完全ベイズ均衡

不完備情報ゲームの解を導く代表的な考え方は，完全ベイズ均衡がある．

完全ベイズ均衡は，以下の

2

つの条件を満たす，すべてのプレイヤーの戦略と信念の組み合わせのことである．

4.2.1 逐次合理性の条件

すべてのプレイヤーは，すべての情報集合において，

与えられた戦略と与えられた信念によって期待利得を計算する．そのとき，その戦略で与えられた行動は，他のどんな行動と比較しても期待利得を最大にしている．そのような戦略は，与えられた信念の下で最適反応という．

4.2.2 整合性の条件

すべてのプレイヤーのすべての情報集合において，与えられた信念は，与えられた戦略と整合的である．

total es universiti employment

(2)

4.4 信念

不完備情報ゲームの解となる信念は，適当に与えられるものではなく，予測される戦略と一貫してなければならない．

5 就職活動モデル 5.1 学生の設定

学生にはタイプがあり，𝑡

₁₁=生産能力が高い学生，

𝑡₁₂=生産能力の低い学生とする．学生は自身がどちらの

タイプであるか分かったうえで，発するシグナル

m

を選択する．学生側の利得の設定方法は，進学する大学によって異なる．下位の大学に行く学生の利得は，コストが

0

であるため学生の収入そのものである．一方，上位の大学に行く学生の利得は，学生の収入から合格にかかるコストを引いたものとする．各モデルの学生の利得は以下のようになる．

表

5.1 モデル1(東京一工・早慶上智)の学生の利得

表

5.2 モデル2(早慶上智・MARCH)の学生の利得

表

5.3 モデル3(MARCH・成成明学)の学生の利得

表

5.4 モデル4(成成明学・日東駒専)の学生の利得

5.2 企業の設定

企業は，学生がどちらのタイプであるかわからない状態で学生の出すシグナル

m

を受け取り，その学生を雇うか雇わないか(a)を選択する．企業の利得の求め方は，

企業が選択する行動によって異なる．企業が学生を採用した(𝑎

₁

を選択した)場合は，社員がもたらす成果と社員に支払う給料の差となる．社員がもたらす成果を

results

とすると以下の式のようになる．

gain = results − salary (5.3)

一方，学生を採用しなかった(𝑎

₂

を選択した)場合は，プレイヤー𝑁

₁

の代わりに雇った学生がもたらす成果と支払う給料の差と，学生を雇っていれば得られるはずだった利得を機会損失として計上し求める．代わりに雇った学生がもたらす成果を𝑟𝑒𝑠𝑢𝑙𝑡𝑠

_𝑁̅̅̅̅₁

，プレイヤー𝑁

₁

がもたらすはずだった成果を𝑟𝑒𝑠𝑢𝑙𝑡𝑠

_𝑁₁

とすると，以下の式のようになる．

gain = (𝑟𝑒𝑠𝑢𝑙𝑡𝑠𝑁̅̅̅̅₁− salary) − (𝑟𝑒𝑠𝑢𝑙𝑡𝑠𝑁₁− salary) (5.4)

上の式で企業側の利得を算出すると，以下のようにな

る．

表

5.5 モデル1(東京一工・早慶上智)の企業の利得

表

5.6 モデル２(早慶上智・MARCH)の企業の利得

表

5.7 モデル3(MARCH・成成明学)の企業の利得

表

5.8 モデル4(成成明学・日東駒専)の企業の利得

6 就職活動モデルにおけるシグナリング効

果

シグナリングゲームを適用し，完全ベイズ均衡と自然が選ぶ確率を算出すると，以下のような結果になった．

モデル

1(東京一工・早慶上智)

・能力が高い学生が偏差値の高い大学へ行く割合は

0.28

・𝐻

₂₁

において𝑣

₂₁

である確率が

1，𝑣₂₃

である確率が

0，

𝐻22

において𝑣

₂₂

である確率が

0，𝑣₂₄

である確率が

1

という信念のとき，𝐻

₁₁

にいる学生は東京一工に通い，𝐻

₁₂

にいる学生は早慶上智に通い，𝐻

₂₁

にいる企業は学生を雇い，𝐻

₂₂

にいる企業は学生を雇わない

図

6.1 モデル1(東京一工・早慶上智)

・自然が与える割合は，𝑝

_{能力が高い}

：𝑝

_{能力が低い}= 3：7

モデル

2(早慶上智・MARCH)

・能力が高い学生が偏差値の高い大学へ行く割合は

0.47

・モデル

1

と同じ信念のとき，𝐻

₁₁

にいる学生は早慶上智に通い，𝐻

₁₂

にいる学生は

MARCH

に通い，𝐻

₂₁

にいる企業は学生を雇い，𝐻

₂₂

にいる企業は学生を雇わない

・自然が与える割合は，𝑝

_{能力が高い}

：𝑝

_{能力が低い}= 5：5

モデル

4(成成明学・日東駒専)

・能力が高い学生が偏差値の高い大学へ行く割合は

0.51

・モデル

1

と同じ信念のとき，𝐻

₁₁

にいる学生は成成明学に通い，𝐻

₁₂

にいる学生は日東駒専に通い，𝐻

₂₁

にいる企業は学生を雇い，𝐻

₂₂

にいる企業は学生を雇わない．

・自然が与える割合は，𝑝

_{能力が高い}

：𝑝

_{能力が低い}= 6：4 7 まとめ

・大学受験を考える際，第

2

次産業や通信などの理学系の企業，銀行・商社・保険業界をすでに志望しているのならより偏差値の高い大学へ進学したほうが有利である

・東京一工の学生には，学力以外に採用されにくくなる要因がある可能性がある

・東京一工の学生は本研究で取り扱った業界以外の職業

(行政機関など)に就いている可能性がある

・東京一工に比べ、早慶上智・MARCH・成成明学・日東駒専の方が，大学のレベルに応じた学生が集まっていると企業はとらえている

参考文献

[1]サンデー毎日編集部(2016)，「有名77

大学人気

342

社就職実績」，『サンデー毎日』,2016 年

8

月

7

日号，

pp.86-97．

[2]ヒューマンデザイン総合研究所，“学生フィルターは

大学群で決まる!?理系なら通過!?”，

(オンライン)，入手先< http://career-

information.com/1111>，(参照日 2017

年

1

月

10 (参照日 2017

年

1

月

10

就職活動における大学ブランドのシグナリング効果