科技创新是国家和民族的灵魂，而科技工作者正是这个灵魂的缔造者。进入21世纪以来，国家在科技创新方面开始投入大量人力、物力和财力，为的是要在15年时间内使我国进入创新型国家的行列。因而科技人员也必将在这一过程中扮演分量极重的角色。与此同时，《劳动合同法》的颁布实施，一方面对劳动力市场的完善产生了积极地作用，另一方面也对企业的雇佣和解雇行为产生了重要影响。　　 为了能够更好的说明问题，本研究将视角放在企业科技工作者这一特殊群体上，并将企业科技工作者的流动情况作为研究的唯一因变量，将企业面临的解雇成本和劳动者的工作年限作为研究的自变量。进一步通过《企业科技工作者状况调查》课题的数据，建立Logistic回归模型，来考察解雇成本或工作年限对企业科技工作者流动的影响情况。此外，通过综述国内外的相关研究成果，本研究发现：一方面，从理论上看，可以通过劳动需求理论、工作搜寻与匹配理论，以及内部人——外部人理论来解释企业所面临的解雇成本是如何影响劳动者的流动。一般认为，解雇成本的增加，会致使企业降低对劳动力的需求，减少对已被雇佣者的解雇，而且企业中的内部人也会运用特殊的地位和权力，来阻止企业的雇佣行为，从而降低了劳动者的流动率，以及与企业提供的工作岗位之间匹配程度。可见，三大理论为本研究的主要研究变量提供了理论上的支持。另一方面，从实证研究上看，本研究首先从解雇成本的测算入手，全面回顾了国外关于这一变量的估算方法。考虑到我国的特殊国情，以及研究所使用数据的情况，本研究了借鉴Lazear(1990)研究解雇成本对就业影响时，估算解雇成本的方法，即利用企业在解雇工人的时候，所必须支付给工人的经济补偿金月数来衡量解雇成本的大小。进一步来考察国外关于解雇成本与劳动力市场流动的研究文献，结果发现，国外的研究多从整个国家，甚至多个国家的角度出发，利用较大规模的时间序列数据和面板数据，通过相对高深的一些计量方法来考察劳动力市场制度变化前后，解雇成本对劳动力流动的影响情况。同时，本研究也对国内关于劳动力市场流动的影响因素研究进行了总结，结果发现，大多数研究所使用的数据，都是通过自己调查或是借用相关课题的微观数据，并且所使用的研究方法，基本上都是Logistic回归方法。而在研究变量的选择上，还没有发现有研究将企业所面临的解雇成本作为模型的自变量。可见，通过对相关实证研究的回顾，不但为本研究找到了解雇成本的估算方法，还为本研究的研究变量选择，以及研究方法的运用，找到了实证基础。　　 在此基础上，本研究建立了Logistic计量模型，将“解雇成本”和“工作年限的平方”作为研究的自变量纳入到模型中，并将研究的因变量——“企业科技工作者的流动”，设置为二分变量，即令“0”代表“没有流动”，“1”代表“流动”。进一步地，通过改进计量模型，引入企业科技工作者个人特征变量和所在企业的特征变量作为模型的控制变量，考察在性别、婚姻状况、学历背景、是否具有留学经历、专业技术职称、行政职务、企业历史、企业的所有制性质、企业的规模，以及企业所处的地区等情况下，解雇成本是如何影响企业科技工作者的流动状况。在比较是否具有控制变量的Logistic模型之后，一方面，可以看出在没有各类外生变量存在于模型中时，解雇成本是如何作用于企业科技工作者的流动状况；另一方面，还可以考察这些外生变量是如何影响流动的，从而使得对企业科技工作者群体的研究更加接近于实际情况。　　 通过SPSS16.0统计分析软件中的Binary Logistic回归方法，本研究得到如下一些结论：　　 在不考虑个人和企业的特征变量情况下，本研究分别通过“解雇成本”和“工作年限的平方”两个自变量，来考察在解雇成本增加，或是工作年限增加的情况下，企业科技工作者的流动情况。结果发现，在Logistic回归模型(1)中，“解雇成本”和“工作年限的平方”两个自变量的系数都为负，且都通过了0.01水平上的显著性检验。这表明，随着解雇成本的增加，企业科技工作者的流动是会减少的；工作年限的增加，企业科技工作者的流动将会呈现出一种“倒U”型的变化趋势，即刚开始随着工作经验的丰富，企业科技工作者的流动增加，到了一定的年限，企业科技工作者将趋于稳定，从而其流动减少。　　 当把个人特征变量纳入到模型中时，模型(2)所对应的回归方程，除了“性别”、“婚姻状况”和“是否留学”三个特征变量外，各个变量分别在0.01或0.05水平上通过了显著性检验。这说明将这些特征变量作为模型的控制变量加入到回归方程的做法是合适的。在此基础上，本研究进一步来考察各个特征变量对因变量的影响情况。“解雇成本”和“工作年限的平方”两个主要自变量仍然在0.01水平上通过了显著性检验，且系数都为负。其解释结果，如前所述。再来考察其他变量的影响情况：随着年龄的增加，企业科技工作者的流动将增加；随着学历的提升，企业科技工作者的流动将减少；随着行政职务的提升，企业科技工作者的流动将增加。此外，分别将“性别”、“婚姻状况”、“是否留学”与“企业科技工作者流动”进行相关分析，发现：女性企业科技工作者流动较少；已婚企业科技工作者流动较多；具有留学经历的企业科技工作者，其流动较多。　　 当把企业特征变量纳入模型中时，模型(2)所对应的回归方程中，各个变量都通过了0.01水平上的显著性检验，表明将企业特征变量作为模型的控制变量加入到回归方程的做法是合适的。模型主要考察的两个自变量——“解雇成本”和“工作年限的平方”，依然在0.01水平上通过了显著性检验，且系数都为负。其解释结果，如前所述。对于模型中其他变量来讲，越是企业历史悠久的企业，其内部的企业科技工作者的流动较少；国有化程度越低的企业，其内部的企业科技工作者的流动较多；企业规模越小，其内部的企业科技工作者的流动较多；越是在不发达的地区，其内部企业科技工作者的流动越少。　　 研究所得出的结论大都是符合实际情况的，但是这些仅仅是运用调查的数据来证实了一些客观的现象，还没有更深层次地剖析原因。因而未来的研究可以从以下一些方面入手，进行更加深入的分析：　　 第一，研究的自变量较少。本研究只考察了解雇成本和工作年限两个自变量，实际中，影响企业科技工作者流动的因素是很多的。但是由于此次问卷调查中没有涉及，因而无法对其他变量进行考察。　　 第二，解雇成本的估算，实际上偏低。本研究的解雇成本仅仅指，企业在解雇或与劳动者协商一致的情况下解除劳动合同时，所需要支付的经济补偿金。而实际中，解雇成本还包括招聘、培训，以及其他的非货币成本。因此，未来的研究可以加入对这些方面的考察。　　 第三，研究对象的范围较大，没有挖掘出深层次的原因。本研究所依据的是全国性质的调查数据，且在进行问卷调查过程中没有对被试进行相关培训，以至于在对问卷的填写上存在一定的偏差。今后的研究，可以以某一个地区或城市为调查背景进行研究。　　 第四，研究的数据缺乏连续性，不利于做长期的评估。但是要进行长期的研究和调查需要较大的成本支出，因而最好是由政府或是社团组织来进行。可以通过建立一个动态的数据库，再以一定的周期进行调查。