内生性是本研究中不可避免的问题。为解决实证中内生性问题，本文参考Feyrer(2009a，2009b)、Lin和Sim(2013)等的做法，采用工具变量方法予以处理。因此，本文引入高校就业网浏览量和2013年高校就业率，为高校就业率的工具变量，并利用二阶段最小二乘法来减少可能出现的内生性问题。

采用这两个变量作为工具变量的原因有以下两点。首先，用人单位岗位需求冲击会引致高校就业率波动，表现为用人单位岗位需求增加会扩大其提供给高校毕业生的岗位数额，而在各高校的就业信息网发布招聘信息或参加高校组织的双选会则是用人单位最为直接且有效的高校招聘渠道。此外，应届毕业生作为高校就业信息网浏览的另一主力，需通过此渠道来获取有效求职信息。显然，高就业网浏览量意味着就业的供求双方信息的充分交互与匹配，最终有利于高校就业率的提升。综上所述，高校就业信息网的浏览量增加能够有效促进高校就业率的提高。现实当中我们也可以观察到，高校主页和招生就业网是高校最主要的两个网站且网站的投入、更新和维护也相对比其他网站更多。不过，考虑到各高校就业信息网的搭建时间差异无法精准测算当年就业网浏览量或者部分高校就业信息网未公布总浏览量及浏览量的动态数据，而就业网置顶通知的平均浏览量由于置顶消息的内容与时间不同导致选择标准异质，也使其无法作为网站浏览量的代理指标，我们选择采用高校就业网发布的2015年毕业生就业质量年度报告^[9]的平均浏览量作为高校就业率的工具变量。由于发布信息主题一致，我们根据发布时间长短取浏览量的平均值，确保就业质量报告网页的浏览量在一定程度上有效测度了高校就业网的浏览量。其次，依据工具变量的构建原理，本文选取往期的就业率作为工具变量，即采用2013年高校就业率作为2015年高校就业率的工具变量。由于高校历年就业率作为该校毕业生被社会认可的重要评判指标之一，会影响用人单位对该高校毕业生的认可度，如高校一直保持较高的历年就业率，用人单位自然会更倾向于吸收该校毕业生。不过，考虑到2014年高校就业率会在一定程度上影响2015年留学生数量(部分留学生会参考2014年高校就业率做出留华决定)，即存在反向因果关系，所以本文选择2013年高校就业率一定程度上确保工具变量的外生性。

回归结果如表8所示，二阶段最小二乘法的F统计值分别为22.842和28.844，均大于Staiger和Stock(1997)提出的临界值(10)，因而可以拒绝弱工具变量的假设，表明工具变量的有效性，且工具变量的回归结果与前期结论相一致，表明回归结果是可靠的。

表8　工具变量回归结果(www.daowen.com)

续表

注：括号内的数值为t统计值；*，**和***分别代表统计显著性为10%，5%和1%。