大学评测
2026年10月6日 · guide

看就业数据选校:毕业生就业率怎么比才公平

一、「就业率」到底在统计什么:分子与分母

把两所学校的「就业率」放在一起比之前,先要弄清楚这个数字本身在量什么。同一个毕业生群体,按不同的定义可以算出两个不一样的「就业率」。

以澳大利亚官方 QILT 毕业生成果调查(GOS)为例,它对两类就业指标分别给出定义。其一是 Full-time employment,定义为:毕业生中从事全职工作(每周 35 小时或以上)者,占「可全职就业者」的百分比。其二是 Overall employment,定义为:毕业生中从事任何形式工作(含全职、兼职或临时工作)者,占「可就业者」的百分比。

这里有两个边界必须看清。第一,分母不是全体毕业生,而是「可就业者」或「可全职就业者」。一个继续深造、或因其他原因暂时不找工作的人,通常不会被算进分母。第二,全职的门槛很具体:Full-time employment 指每周 35 小时或以上,且是「跨所有工作的合计时长」。

所以,同样的群体,用「总体就业」口径可能得到一个数字,用「全职就业」口径可能得到另一个数字。比较两个学校的数字前,先确认双方用的是哪一个口径。

还要知道,这类就业率本身是抽样估计。QILT 的方法学说明,其就业结果定义参考澳大利亚统计局(ABS)的 Labour Statistics: Concepts, Sources and Methods,并会在结果中给出 90% 置信区间来标示准确度。也就是说,数字自带误差范围,相差很小的两个数未必代表真实的差距。

二、统计时点不同,结论可能相反

就业率还有一个容易被忽略的变量:统计发生在毕业后的哪个时间点。不同国家、不同数据库的时点差得非常远。

澳大利亚 QILT 的 GOS 由高校毕业生在「完成学业后大约四到六个月」填写,测量的是短期就业结果,包括技能运用、继续深造活动和毕业生满意度。

英国教育部(DfE)的 LEO 毕业生成果统计走的是另一条时间轴:它给出的是毕业后 1 年、3 年、5 年、10 年(YAG)的就业与收入结果,口径落在 2018/19 税年,并与 2014/15 到 2017/18 的过往税年作比较。

美国教育部的 College Scorecard 在专业领域级数据里,以「毕业后一年」为口径,提供毕业时累计债务与毕业后一年收入。

把这三个时点放在一起就能明白:一所学校如果按「毕业四到六个月」的口径看,量的是刚离校时的落脚情况;如果按 LEO 的「毕业后十年」口径看,量的是长期的职业轨迹。同一所学校,用 4 个月口径和用 10 年口径去比,结论可能完全相反。跨系统、跨数据库比就业率,第一步永远是先把时点对齐。

三、本地生与国际生必须分开看

即便时点和口径都对上了,还有一个会严重扭曲比较的坑:把本地生和国际生混在一起算。

QILT 的做法是,国内毕业生结果放在 National Report,而 International Report 把在澳国际毕业生与国内毕业生分开比较。英国 LEO 同样明确:UK domiciled(英国本土)与 International(欧盟及非欧盟)的结果分开呈现。

为什么要分开?海外就业市场、语言门槛、签证限制,都会把国际毕业生单独拉成一组。结果就是:两所学校的「总就业率」看起来不同,可能只是因为两校本地生占比不同,而不是哪所学校的出口更好。中国申请人属于国际生这一组,真正该看的,是和你身份相同的人群那一条曲线,而不是被本地生比例稀释过的总值。

四、公平比较的三步:对齐、查变、回原始字段

要把就业数据比得公平,可以固定走三步。

第一步,对齐口径。比之前先确认几项:分子分母怎么定义(是「可就业者」还是「全体毕业生」、是「全职」还是「总体」)、统计时点在毕业后多久、是否区分本地生与国际生、覆盖的是哪一国哪一层的数据库。这几项里只要有一项不一致,直接比大小就没有意义。

第二步,查口径有没有变过。同一来源、同一指标,也可能因为定义修订而失去可比性。QILT 在说明 2025 年数据时明确提示:授课型研究生全职就业率维持在 88.3%,研究型研究生为 84.0%,本科全职就业率从 74.0% 上升到 75.4%;但「这些变动很可能归因于 2025 年劳动力定义方式的改变」。也就是说,哪怕来源相同、指标名称没变,数字背后的算法换了,跨年比较也要打折扣。

第三步,回到原始数据字段确认。数字会过期,数据有更新日期。美国 College Scorecard 的专业领域数据明确标注「本数据最后更新于 2026 年 6 月 10 日」,比较时不能把旧数据当成现状。如果需要一次横向看多所,美国教育部的官方对比工具允许「一次最多比较 10 所院校」,可查看成本、学生债务、毕业率、录取考试分数与录取率、学生群体多样性、毕业后收入等字段。最后的核对动作,就是回到这些原始字段,逐条确认分子分母、时间点、是否分本地/国际,以及数据到底更新到哪一年。

把这三步走完,你拿到的才是一个能支撑选校取舍的公平比较,而不是两个看起来很高、却来自不同世界的百分比。