張?jiān)绘?/p>

摘要：基于江蘇省2000-2017三次產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)人數(shù)統(tǒng)計(jì)相關(guān)數(shù)據(jù)，利用成分?jǐn)?shù)據(jù)分析方法對其進(jìn)行降維，結(jié)合灰色預(yù)測GM（1，1）構(gòu)建江蘇省三次產(chǎn)業(yè)結(jié)構(gòu)預(yù)測模型和就業(yè)需求預(yù)測模型，分析產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)需求之間的關(guān)系。經(jīng)檢驗(yàn)，預(yù)測模型具有較高的擬合精度，結(jié)果表明，產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)需求存在一定的關(guān)系。

Abstract： Based on the statistical data of industrial structure and employment in Jiangsu Province from 2000 to 2017， this paper uses component data analysis method to reduce the dimension of industrial structure and employment demand prediction model in Jiangsu Province， combining grey prediction GM （1，1）， and analyses the relationship between industrial structure and employment demand. The results show that there is a certain relationship between industrial structure and employment demand.

關(guān)鍵詞：成分?jǐn)?shù)據(jù);就業(yè)需求;灰色模型

Key words： compositional data;employment demand;Grey Model

中圖分類號：F224;F249.21 ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）13-0060-04

0 ?引言

隨著社會經(jīng)濟(jì)改革的不斷發(fā)展與壯大，勞動(dòng)力就業(yè)市場的供求關(guān)系發(fā)生了較大變化，各次產(chǎn)業(yè)間的產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)需求也發(fā)生了一定的變動(dòng)，現(xiàn)有的勞動(dòng)力供給狀況并不能滿足產(chǎn)業(yè)發(fā)展的需要，就業(yè)市場出現(xiàn)了一系列問題，如何把握勞動(dòng)力市場就業(yè)需求趨向、穩(wěn)定就業(yè)，已成為迫切需要解決的問題，產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)需求的預(yù)測具有重要的現(xiàn)實(shí)意義。

很多因素都與就業(yè)需求存在一定的關(guān)聯(lián)，諸如種族、教育、性別[1]、求職強(qiáng)度[2]等，Wang（2019）運(yùn)用c-lasso模型，研究美國最低工資水平與就業(yè)率的關(guān)系[3];秦夢迪（2018）以德國人口普查數(shù)據(jù)和聯(lián)邦就業(yè)調(diào)查數(shù)據(jù)為基礎(chǔ)，研究就業(yè)產(chǎn)業(yè)空間關(guān)系、就業(yè)年齡空間關(guān)系和就業(yè)通勤空間的關(guān)系分析方法[4]，而社會資本與人力資本對城鎮(zhèn)居民就業(yè)質(zhì)量也會造成一定影響[5][6];王莉（2017）基于協(xié)調(diào)發(fā)展這一視角，分析就業(yè)結(jié)構(gòu)轉(zhuǎn)變和城鎮(zhèn)化水平之間的關(guān)系，并以1979-2014年數(shù)據(jù)對我國的就業(yè)結(jié)構(gòu)與城鎮(zhèn)化進(jìn)行實(shí)證分析[7];賀凌基于2013年和2015年全國高校畢業(yè)生就業(yè)狀況調(diào)查數(shù)據(jù)，對高校畢業(yè)生的就業(yè)落實(shí)情況、就業(yè)起薪的專業(yè)和性別差異進(jìn)行實(shí)證分析[8]。

目前常用的預(yù)測方法有二十多種，比如BP神經(jīng)網(wǎng)絡(luò)法[9]、多元線性回歸預(yù)測法[10]、灰色預(yù)測模型法[11][12]、ARIAM模型[13]等，除此以外，程昌品（2010）提出了一種基于信息增益比的決策樹法對畢業(yè)生就業(yè)進(jìn)行預(yù)測[14]，Wang（2007）和郭麗娟（2016）分別提出了兩種降維法，解決了長期預(yù)測組合數(shù)據(jù)的困難[15][16];雪婧（2016）提出基于灰色系統(tǒng)理論的就業(yè)預(yù)測模型，并采用非線性映射法將經(jīng)濟(jì)下行區(qū)間下內(nèi)蒙古就業(yè)結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)換為轉(zhuǎn)角數(shù)據(jù)從而預(yù)測[17];李國鋒（2009）采用成分?jǐn)?shù)據(jù)建模，構(gòu)建了山東省三次產(chǎn)業(yè)就業(yè)結(jié)構(gòu)預(yù)測模型和偏最小二乘通經(jīng)分析模型，并對山東省的三次產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行預(yù)測分析，分析三次產(chǎn)業(yè)就業(yè)需求結(jié)構(gòu)與產(chǎn)業(yè)投資結(jié)構(gòu)、三次產(chǎn)業(yè)產(chǎn)值結(jié)構(gòu)之間的關(guān)聯(lián)關(guān)系[18];單良（2018）運(yùn)用“協(xié)調(diào)系數(shù)”和“標(biāo)準(zhǔn)差橢圓”模型，測度中國產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)協(xié)調(diào)性的時(shí)空演變特征[19]。以上方法為預(yù)測就業(yè)規(guī)模和結(jié)構(gòu)提供了一定的借鑒，因此本文從產(chǎn)業(yè)結(jié)構(gòu)預(yù)測與就業(yè)需求的預(yù)測的角度出發(fā)，在運(yùn)用成分?jǐn)?shù)據(jù)降維的基礎(chǔ)上建立灰色預(yù)測模型，分別對三次產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)需求進(jìn)行預(yù)測，分析結(jié)構(gòu)變化與就業(yè)增長的關(guān)系，試圖從中歸納出一般特征，從而對就業(yè)規(guī)模和結(jié)構(gòu)進(jìn)行預(yù)測和分析。

2 ?實(shí)證分析

改革開放以來，特別是近些年，隨著經(jīng)濟(jì)的快遞發(fā)展，江蘇省產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了巨大變化，在產(chǎn)業(yè)結(jié)構(gòu)演變發(fā)展的過程中，三次產(chǎn)業(yè)相應(yīng)的勞動(dòng)力就業(yè)構(gòu)成逐漸由第一產(chǎn)業(yè)占優(yōu)勢而變成第二、三產(chǎn)業(yè)占優(yōu)勢，江蘇省就業(yè)總量的增長迅速與產(chǎn)業(yè)結(jié)構(gòu)的變化始終有著一定的關(guān)系，黨和政府歷來都高度重視就業(yè)工作，從2002年以來，制定出臺了一系列政策措施。2009年12月，中央經(jīng)濟(jì)工作會議指出：擴(kuò)大就業(yè)是保障和改善民生的頭等大事。2010年初，中央提出要把促進(jìn)就業(yè)放在經(jīng)濟(jì)社會發(fā)展的優(yōu)先位置。2018年7月國家發(fā)展和改革委員會在新聞發(fā)布上公布我國上半年就業(yè)形勢穩(wěn)中向好，下一步將繼續(xù)推動(dòng)“十三五”促進(jìn)就業(yè)規(guī)劃目標(biāo)。十九大報(bào)告更是明確指出要推動(dòng)實(shí)現(xiàn)更高質(zhì)量的就業(yè)。

2.1 產(chǎn)業(yè)結(jié)構(gòu)預(yù)測

2017年我國的GDP總量首次突破80億元的門檻，江蘇省以8.59萬億緊追廣東省，而人均GDP、綜合競爭力和地區(qū)發(fā)展與民生指數(shù)均居全國各省第一，本文采用江蘇省2000-2017年三次產(chǎn)業(yè)的就業(yè)比重的數(shù)據(jù)來進(jìn)行建模分析，全部數(shù)據(jù)來源于江蘇省統(tǒng)計(jì)局（http：//tj.jiangsu.gov.cn/index.html），見表1。

表1為江蘇省2000-2017年三次產(chǎn)業(yè)產(chǎn)值比重，江蘇省第一、第二、第三產(chǎn)業(yè)產(chǎn)值比重由2000年的12.2%、51.9%、35.9%逐步優(yōu)化，到2017年演變?yōu)?.7%、45.0%、50.3%，其中，第一產(chǎn)業(yè)產(chǎn)值比重不斷下降，第二產(chǎn)業(yè)產(chǎn)值比重在2000-2006年略有上升，此后呈下降趨勢，在2017年略有上浮，第三產(chǎn)業(yè)產(chǎn)值不斷呈現(xiàn)不斷上升的趨勢，從2015年起，第三產(chǎn)業(yè)的產(chǎn)值比重最大，首次超過第二產(chǎn)業(yè)，實(shí)現(xiàn)了產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化轉(zhuǎn)型。

采用球坐標(biāo)變換法對原始成分?jǐn)?shù)據(jù)進(jìn)行降維，通過公式（1）和公式（3）將成分?jǐn)?shù)據(jù)轉(zhuǎn)化為角度數(shù)據(jù)，見表2。

2.3 分析結(jié)果對比

將產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)的真實(shí)值與預(yù)測值數(shù)據(jù)繪制在圖1，可以看出產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)之間存在一定的正相關(guān)關(guān)系，隨著第一產(chǎn)業(yè)GDP占比的下降，第一產(chǎn)業(yè)就業(yè)占比大幅度下降，而第二產(chǎn)業(yè)GDP占比呈現(xiàn)先上升后下降的趨勢，第二產(chǎn)業(yè)就業(yè)占比呈現(xiàn)緩慢上升，最終趨于平衡，第三產(chǎn)業(yè)GDP占比在近幾年內(nèi)呈現(xiàn)迅猛上漲，而就業(yè)占比也穩(wěn)重有增，兩者之間的相互調(diào)整和演變過程推動(dòng)了江蘇省經(jīng)濟(jì)的發(fā)展，從2000-2017年中，隨著產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化，逐步從第二產(chǎn)業(yè)主導(dǎo)向第三產(chǎn)業(yè)主導(dǎo)演變，勞動(dòng)力也逐漸從低效率生產(chǎn)部門向高效率生產(chǎn)部門轉(zhuǎn)化，在2015年時(shí)，第三產(chǎn)業(yè)GDP占比首次超過第二產(chǎn)業(yè)，運(yùn)用灰色預(yù)測模型對2018-2022年的產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行預(yù)測，結(jié)果表現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)最終趨于“三二一”結(jié)構(gòu)。

從1998年起，由于國有企業(yè)改革，導(dǎo)致不少員工面臨下崗，從第一產(chǎn)業(yè)產(chǎn)生的勞動(dòng)力直接向第二第三產(chǎn)業(yè)發(fā)展，因此從圖上可知，第二第三產(chǎn)業(yè)呈現(xiàn)大幅度上漲，隨著互聯(lián)網(wǎng)的發(fā)展以及產(chǎn)業(yè)結(jié)構(gòu)的變化，第二和第三產(chǎn)業(yè)提供了大量的就業(yè)崗位，服務(wù)業(yè)的迅猛發(fā)展使得第一產(chǎn)業(yè)的規(guī)模不斷萎縮，預(yù)計(jì)未來第三產(chǎn)業(yè)將超越第二產(chǎn)業(yè)，而第一產(chǎn)業(yè)的就業(yè)占比將繼續(xù)下降。

3 ?結(jié)論

成分?jǐn)?shù)據(jù)在社會、經(jīng)濟(jì)、技術(shù)等眾多領(lǐng)域中都較為普遍，本文針對時(shí)間序列的成分?jǐn)?shù)據(jù)，利用球坐標(biāo)變換法對其進(jìn)行降維，并分別建立產(chǎn)業(yè)結(jié)構(gòu)預(yù)測模型和就業(yè)結(jié)構(gòu)預(yù)測模型，用于分析成分?jǐn)?shù)據(jù)隨時(shí)間的變化規(guī)律，通過對三次產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展趨勢的實(shí)證研究，展望中國產(chǎn)業(yè)結(jié)構(gòu)的未來狀況，為進(jìn)一步分析中國產(chǎn)業(yè)結(jié)構(gòu)升級對經(jīng)濟(jì)增長及就業(yè)起到的帶動(dòng)作用。通過分析可知，江蘇省第三產(chǎn)業(yè)的產(chǎn)值比重和就業(yè)比重接近甚至超越第二產(chǎn)業(yè)，體現(xiàn)了發(fā)展中國家發(fā)展到了工業(yè)化中期的程度，在未來幾年中，江蘇省第二、三產(chǎn)業(yè)吸納勞動(dòng)力的能力仍然不斷進(jìn)步，但是其產(chǎn)業(yè)結(jié)構(gòu)發(fā)展與現(xiàn)代化產(chǎn)業(yè)發(fā)展規(guī)律的要求還相差的較遠(yuǎn)，同時(shí)與發(fā)達(dá)國家相比還有一定的差距，基本上符合生產(chǎn)發(fā)展規(guī)律，驗(yàn)證了基于成分?jǐn)?shù)據(jù)的預(yù)測模型在建模過程中成功的反映了數(shù)據(jù)的規(guī)律，具有一定的合理性。

雖然建模結(jié)果基本上符合發(fā)展規(guī)律，但預(yù)測本身存在的誤差無法避免。在實(shí)際預(yù)測過程中，由于國家的各種政策性因素會對數(shù)據(jù)造成一定的波動(dòng)，導(dǎo)致原始數(shù)據(jù)受到一定的影響，使得預(yù)測模型精確度達(dá)不到預(yù)期的標(biāo)準(zhǔn)。因此只能盡量減少誤差，確保預(yù)測結(jié)果合理性，未來的研究中可以考慮引入濾波變換，剔除各種政策性因素對原始數(shù)據(jù)的干擾，進(jìn)一步提高模型的預(yù)測精度。

參考文獻(xiàn)：

[1]Luciana Cassarino-Perez;Gemma Crous;Anouk Goemans;Carme Montserrat;Jorge Castellà Sarriera.Pathways from care to education and employment： A meta-analysis[J].Children and Youth Services Review， 2018.

[2]Da M V S P， Turban D B . Insight into job search self-regulation： Effects of employment self-efficacy and perceived progress on job search intensity[J]. Journal of Vocational Behavior， 2018， 108：57-66.

[3]Wuyi Wang， Peter C.B. Phillips， et al. The heterogeneous effects of the minimum wage on employment across states[J]， Economics Letters， 2019（174）： 179-185.

[4]秦夢迪，李京生.德國慕尼黑大都市區(qū)小城鎮(zhèn)就業(yè)空間關(guān)系研究[J].國際城市規(guī)劃，2018，33（06）：27-35.

[5]董芳，周江濤.提高就業(yè)質(zhì)量：人力資本與社會資本孰輕孰重[J].經(jīng)濟(jì)問題，2019（01）：35-40.

[6]劉瑩瑩，梁栩凌，張一名.新生代農(nóng)民工人力資本對其就業(yè)質(zhì)量的影響[J].調(diào)研世界，2018（12）：30-35.

[7]王莉，范徐飛.我國就業(yè)結(jié)構(gòu)與城鎮(zhèn)化協(xié)調(diào)發(fā)展研究[J]. 農(nóng)村經(jīng)濟(jì)，2017（11）：75-80.

[8]賀凌，岳昌君.產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型背景下高校不同專業(yè)畢業(yè)生就業(yè)結(jié)果的性別差異——基于2013年和2015年全國高校抽樣調(diào)查數(shù)據(jù)的實(shí)證研究[J].中國高教研究，2018（07）：60-66.

[9]Nasruddin， Nyayu Aisyah， M.I Alhamid， Bidyut B. Saha， S. Sholahudin， Arnas Lubis，Solar Absorption Chiller Performance Prediction based on the Selection of Principal Component Analysis[J]，Case Studies in Thermal Engineering， 2019， 100391.

[10]Richárd Kicsiny.Black-box model for solar storage tanks based on multiple linear regression[J]. Renewable Energy.2018：857-865.

[11]Zheng-Xin Wang;Qin Li;Ling-Ling Pei.A seasonal GM（1，1） model for forecasting the electricity consumption of the primary economic sectors[J]. Energy， 2018：522-534.

[12]Wang J， Ma X， Wu J， et al. Optimization models based on GM （1， 1） and seasonal fluctuation for electricity demand forecasting[J]. International Journal of Electrical Power & Energy Systems， 2012， 43（1）：109-117.

[13]王先述.基于Cramer法則和ARMA模型的我國高校畢業(yè)生就業(yè)預(yù)測[J].統(tǒng)計(jì)與決策，2010，2010（22）：97-99.

[14]程昌品，陳強(qiáng).基于信息增益比的決策樹用于畢業(yè)生就業(yè)預(yù)測[J].計(jì)算機(jī)仿真，2010，27（2）：299-302.

[15]Wang H ， Liu Q ， Mok H M K ， et al. A hyperspherical transformation forecasting model for compositional data[J]. European Journal of Operational Research， 2007， 179（2）： 459-468.

[16]郭麗娟，王惠文，關(guān)蓉.基于等距l(xiāng)ogratio變換的成分?jǐn)?shù)據(jù)判別分析方法[J].系統(tǒng)工程，2016（2）：153-158.

[17]雪婧.經(jīng)濟(jì)下行區(qū)間下內(nèi)蒙古就業(yè)預(yù)測模型仿真分析[J]. 計(jì)算機(jī)仿真，2016，33（10）：174-177.

[18]李國鋒，劉黎明，陳緒根.山東省三次產(chǎn)業(yè)就業(yè)需求結(jié)構(gòu)分析與預(yù)測研究[J].數(shù)理統(tǒng)計(jì)與管理，2009（3）：386-394.

[19]單良，張濤.中國產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)協(xié)調(diào)性時(shí)空演變研究[J].中國人口科學(xué)，2018（2）：39-49.