劉志民，趙杏娜

(南京農(nóng)業(yè)大學，江蘇 南京210095)

引言

新世紀以來的中央第15個一號文件強調(diào)指出，當前農(nóng)業(yè)發(fā)展仍是現(xiàn)代化建設的短板，農(nóng)村建設仍是全面建成小康社會的短板。加快農(nóng)業(yè)與農(nóng)村發(fā)展，需要大批農(nóng)業(yè)科技專業(yè)人才投身農(nóng)業(yè)現(xiàn)代化建設，需要激發(fā)各類人才到農(nóng)業(yè)農(nóng)村創(chuàng)新創(chuàng)業(yè)的熱情，也對農(nóng)科人才提出了更高要求。那么未來我國農(nóng)科人才的需求情況到底如何？據(jù)此，本文以2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)作為原始序列，擬通過灰色預測模型對2020—2025年我國農(nóng)科人才的需求總量及結(jié)構(gòu)層次情況進行分析。

在灰色預測方面，國內(nèi)學者已有不少探索。羅黨等(2003)指出灰色模型GM(1,1)應用廣泛，可以根據(jù)模型的發(fā)展系數(shù)，調(diào)整模型的預測范圍。通過構(gòu)建不同的GM(1,1)模型背景值，輸出模型時間響應函數(shù)和模型精確度檢驗表，對比了相互之間的特點，得出灰色模型的高精確度和強適用性，完善了模型的應用價值[1]。劉志民等(2010)對我國農(nóng)科人才需求預測影響因素進行分析，采用灰色系統(tǒng)模型對我國農(nóng)科人才需求總量及不同區(qū)域增長情況進行預測分析，研究結(jié)論為優(yōu)化我國農(nóng)科人才發(fā)展指明了方向[2]；江瑜和周志英(2009)首先論證了經(jīng)濟時代金融行業(yè)人才的緊缺和重要性，基于金融行業(yè)人才需求所呈現(xiàn)出的特征，選用灰色預測模型對未來幾年的人才需求總量進行預測，并使用殘差檢驗和后驗差檢驗論證了模型的有效性，為有關(guān)部門實施人才管理提供科學的參考依據(jù)[3]。模型建立方面：張立(2011)構(gòu)建企業(yè)人力資源模型以及灰色GM(1,1)預測模型，借助數(shù)學軟件Matlab進行編程計算，將擬合值與實際值進行比較，發(fā)現(xiàn)灰色模型符合二級精度檢驗，說明灰色預測模型具備良好的預測實用性[4]；李少鵬等(2008)針對高校畢業(yè)生的供需情況構(gòu)建了灰色GM(1,1)預測模型，運用定量與定性相結(jié)合的方法分析了畢業(yè)生的供需特點，為制定解決大學生就業(yè)矛盾的相關(guān)政策措施提供了參考依據(jù)[5]。徐榮，曹安照(2006)強調(diào)了社會進步與科技人才密不可分的關(guān)系，在研究科技人才的供給特征上，論證了灰色模型的適用性，因此構(gòu)建灰色GM(1,1)模型，并做相關(guān)性檢驗，預測結(jié)果驗證了模型的可靠性[6]。卞永峰，李恩平(2013)對山西省經(jīng)濟發(fā)展轉(zhuǎn)型期所面臨的人才短缺情況進行了分析，依據(jù)以往10年的科技人才數(shù)量構(gòu)建了灰色系統(tǒng)模型，結(jié)合趨勢外推法預測了未來年份人才需求量，研究結(jié)果為建設創(chuàng)新人才培養(yǎng)隊伍指明了方向[7]。陶永坤等(2019)通過對科技人力資源增長趨勢的判斷，依據(jù)灰色系統(tǒng)理論預測模型對湖南長沙縣科技人才增量進行分析，并將結(jié)果與實際值進行測評比對，結(jié)果證明了該模型的高精準度和可靠性[8]。馮長敏(2018)運用GM(1,1)模型對近幾年北京春運鐵路客運量數(shù)據(jù)進行預測分析，預測結(jié)果證明了灰色模型的良好精度，對現(xiàn)實中處理春運分流提供了很大幫助[9]。宋晨曉等(2018)在以往12年的數(shù)據(jù)基礎上，將灰色預測模型與Matlab編程相結(jié)合，預測中醫(yī)醫(yī)院衛(wèi)生人力資源需求情況，預測結(jié)果顯示灰色預測精確度高，擬合效果良好[10]。王韋霞(2018)以安徽省某高校人員職稱結(jié)構(gòu)為案例，利用馬爾科夫鏈和灰色預測模型對該校2019年教師總?cè)藬?shù)進行預測，通過預測結(jié)果總結(jié)該校師資隊伍發(fā)展規(guī)律，為實現(xiàn)師資隊伍的合理配置提供了參考價值[11]。以上研究既為本研究留存了探索的空間，又為本研究的開展提供了有益線索。

一、概念與模型選擇

(一)農(nóng)科人才

農(nóng)科人才是指具有大專及以上學歷，專門從事農(nóng)業(yè)科研、技術(shù)、推廣工作，具有較高創(chuàng)造力、能夠為經(jīng)濟發(fā)展做出貢獻的人。本文將農(nóng)科人才在結(jié)構(gòu)上分為四個層次：農(nóng)科博士、農(nóng)科碩士、農(nóng)科本科及農(nóng)科專科。在研究生教育層次，包含作物學、園藝學、農(nóng)業(yè)資源利用、植物保護、畜牧學、獸醫(yī)學、林學、水產(chǎn)八個一級學科[12]；在本科及專科教育層次，主要指農(nóng)業(yè)院校設立的“目錄內(nèi)專業(yè)”，包含植物生產(chǎn)類、草業(yè)科學類、森林資源類、環(huán)境生態(tài)類、動物生產(chǎn)類、輕工紡織食品類、農(nóng)業(yè)工程類、林業(yè)工程類、農(nóng)林經(jīng)濟管理類[13]。

(二)人才需求預測

人才需求預測，就是指對未來一定時期內(nèi)各種專門人才需求量的預測。應用預測技術(shù)可以預測出人才的需求量，同時可對未來人才的學歷層次、數(shù)量等分別進行預測，在此基礎上，結(jié)合各種外界因素，促進人力資源的合理利用和開發(fā)。本研究將對農(nóng)科人才未來年份的人才數(shù)量規(guī)模及學歷層次(農(nóng)科博士、農(nóng)科碩士、農(nóng)科本科、農(nóng)科?？?分別進行預測。本文對農(nóng)科人才需求的界定為：人才需求=畢業(yè)生規(guī)?！辆蜆I(yè)率。

(三)預測模型選擇

灰色預測模型稱為GM模型，GM(1,1)表示一階、單變量的線性動態(tài)灰(grey)模型(model)，用于時間序列預測的是其離散形式的微分方程型預測模型。GM(1,1)預測模型的實質(zhì)是對原始數(shù)據(jù)序列作一次累加生成，使生成序列成一定規(guī)律，并用典型曲線擬合，建立其數(shù)學模型?；疑A測方法可以避免由于個人經(jīng)驗、知識、偏好等造成的人為主觀臆斷[14]?；疑A測模型能夠?qū)ι鐣?jīng)濟的行為特征和發(fā)展趨勢進行整理和描述，總結(jié)系統(tǒng)發(fā)展內(nèi)在規(guī)律，為系統(tǒng)預測研究提供參考意義。人才系統(tǒng)中既包含已知信息也包含未知信息，它與政治經(jīng)濟、社會發(fā)展之間的關(guān)系錯綜復雜，我們認為它是一個半明半暗的灰色系統(tǒng)，所以文章將采用灰色GM模型對農(nóng)科人才需求量及各層次需求人數(shù)進行預測?；疑到y(tǒng)理論在研究數(shù)據(jù)序列較短、統(tǒng)計數(shù)據(jù)年份較少時能夠呈現(xiàn)明顯的變化趨勢，預測建模時不需要了解原始數(shù)據(jù)的先驗分布具體情況，也能反映出研究問題的真實趨勢，具有較高的預測精度?；疑A測模型的這些優(yōu)勢，為其在人才預測方面打下廣泛的基礎。

(四)灰色預測模型建模與檢驗

1.灰色預測模型的建模方法及步驟如下[15]：

2.GM(1,1)的精度檢驗與預測[16]:

(1)事前檢驗

(2)事中檢驗

(3)事后檢驗

事后檢驗一般采用滾動檢驗。令X(0)為原始序列，Xi(0)為建模序列的4維新陳代謝子列。如：Xi(0)={X(0)(1),X(0)(2),X(0)(3),X(0)(4),}；X5(0)={X(0)(2),X(0)(3),X(0)(4),X(0)(5)}…對Xi(0)作GM(1，1)建模。滾動殘差：

預測精度等級對照表，見表1：

表1 精度檢驗等級參照表

二、基于灰色GM(1,1)模型2020—2025年農(nóng)科人才需求總量預測

(一)灰色GM(1,1)模型建立

一般的，我們認為我國農(nóng)科在校生數(shù)能夠大體衡量農(nóng)科人才的培養(yǎng)規(guī)模，但不能基于此來預測未來年份農(nóng)科人才需求量。在對文獻進行研讀后，本文選擇農(nóng)科畢業(yè)生的有效供給數(shù)作為農(nóng)科人才需求量的原始數(shù)列進行灰色GM(1,1)模型預測，即農(nóng)科人才需求量等于農(nóng)科畢業(yè)生數(shù)乘以當年平均就業(yè)率。2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)見表2：

表2 2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)(單位：人)

資料來源：由本課題組中國工程院子課題組統(tǒng)計數(shù)據(jù)整理計算得出。

對于農(nóng)科人才總量的需求預測，首先對原始數(shù)據(jù)X(0)做一次累加生成，得到新的數(shù)據(jù)序列X(1)，給定原始時間2013—2017年資料序列見表3：

表3 2013—2017年建模數(shù)據(jù)序列 (單位：人)

構(gòu)造矩陣B和向量Yn：

代入GM(1,1)微分方程，得：

其時間響應函數(shù)為：X(k+1)=9570139.205064e0.013692x-9439762.205064

(二)灰色GM(1,1)模型檢驗

表4 GM(1,1)模型誤差檢驗表

由表4可知，我們建立的灰色GM(1,1)模型，計算后的平均模擬相對誤差為：0.023%，Δk<0.05，精度為二級。平均預測精度為：99.977%。灰色模型發(fā)展系數(shù)為-0.013692，a<0.1，表明模型可以進行中長期預測。從表5可以看出，預測模型通過高精度模型檢驗，說明建立的灰色預測模型非常成功，能達到較高的預測精度。

表5 模型精度檢1驗

注：A為每年農(nóng)科人才規(guī)模模型檢驗值；B為較高精度檢驗參照值；C為高精度檢驗參照值。級比﹡用于檢驗建模序列是否是光滑序列，若序列光滑，則表明可以建立灰色模型。?灰發(fā)展系數(shù)-α用于檢驗模型預測范圍的可行性。當-α≤0.3時，GM(1,1)模型可用于中長期預測；當0.3<α≤0.5時，模型可用于短期預測，中長期預測慎用；當0.8<α≤1時，應采用殘差修正模型；當-α>1時，不宜采用GM模型。

(三)灰色GM(1,1)模型預測

2020—2025年每年農(nóng)科人才需求總量預測結(jié)果見表6和圖1。

表6 2020—2025年農(nóng)科人才需求GM(1,1)模型預測值 (單位：人)

圖1 2020—2025年農(nóng)科人才需求預測結(jié)果(單位：人)

三、基于灰色GM(1,1)模型2020—2025年農(nóng)科各層次人才需求預測

(一)灰色GM(1,1)模型建立

對各層次農(nóng)科人才需求的預測，本文將重點分析各層次人才數(shù)量及在農(nóng)科人才總量中所占比重的變化情況，具體分為農(nóng)科?？?、農(nóng)科本科、農(nóng)科碩士以及農(nóng)科博士四個層次。以下建模數(shù)據(jù)是在各層次農(nóng)科畢業(yè)生有效供給數(shù)基礎上進行一階弱化后所建立的灰色GM(1,1)預測模型，一階弱化算子作用較為保守，用來消除數(shù)據(jù)不規(guī)則變動對預測結(jié)果的影響。原始數(shù)據(jù)為各層次農(nóng)科畢業(yè)生的有效供給數(shù)，可以較為直觀地反映不同層次結(jié)構(gòu)人才需求量及所占比重的變化?；疑獹M(1,1)模型的建模數(shù)列見表7：

表7 2013—2017年各層次建模數(shù)據(jù)序列 (單位：人)

對原始數(shù)列X(0)進行一次累加，得到新數(shù)列X(1),作為建模數(shù)列?；疑獹M(1,1)模型的參數(shù)估計值、白化方程及時間響應函數(shù)見表8：

表8GM(1,1)模型估計值及參數(shù)

(二)灰色GM(1,1)模型檢驗

表9 GM(1,1)灰色模型檢驗精度檢驗

注：A為每年農(nóng)科?？迫瞬乓?guī)模模型檢驗值；B為每年農(nóng)科本科人才規(guī)模模型檢驗值；C為每年農(nóng)科碩士人才規(guī)模模型檢驗值；D為每年農(nóng)科博士人才規(guī)模模型檢驗值；△為較高精度檢驗參照值；▲為高精度檢驗參照值。級比﹡用于檢驗建模序列是否是光滑序列，若序列光滑，則表明可以建立灰色模型。?灰發(fā)展系數(shù)-α用于檢驗模型預測范圍的可行性。當-α≤0.3時，GM(1,1)模型可用于中長期預測；當0.3<α≤0.5時，模型可用于短期預測，中長期預測慎用；當0.8<α≤1時，應采用殘差修正模型；當-α>1時，不宜采用GM模型。

表9是灰色預測模型精度檢驗表，從檢驗的結(jié)果可以看出，無論是事前檢驗、事中檢驗還是事后檢驗，各指標均通過了高精度參數(shù)檢驗，各層次灰色預測模型的灰發(fā)展系數(shù)均小于0.3，表明GM(1,1)模型可用于中長期農(nóng)科人才預測。模型的平均精度為99.75%，從上述的指標中可以看出，建立的灰色預測模型非常成功。

(三)灰色GM(1,1)模型預測

2020—2025年每年各層次農(nóng)科人才需求預測結(jié)果見表10和圖2。由此可知，2020—2025年博士需求量年均增長率為1.5%，到2025年我國農(nóng)科博士需求量約為2845人；2020—2025年之間我國農(nóng)科碩士需求量年均增長率為4.71%，到2025年，我國農(nóng)科碩士需求量預測為30010人；對于本科層次的農(nóng)科人才而言，2020—2025年之間我國本科需求量年均增長率為2.71%，到2025年，農(nóng)科本科需求量預測為80306人，較2020年增加約一萬人次；2020—2025年之間我國農(nóng)科專科需求量年均增長率為-1.47%，農(nóng)科?？粕枨罅砍手鹉昃徛陆第厔?。從側(cè)面反映了在新常態(tài)背景下，對于農(nóng)科人才的需求，更加注重培養(yǎng)結(jié)構(gòu)的優(yōu)化，聚焦于高層次、復合型人才。從各層次農(nóng)科人才年均增長率來看，由快到慢的增長的分別是農(nóng)科碩士、農(nóng)科本科、農(nóng)科博士以及農(nóng)科?？迫瞬拧D2為各層次農(nóng)科人才需求量情況，由圖可知，除農(nóng)科專科生外，農(nóng)科本科、碩士、博士的人數(shù)是在逐年穩(wěn)步增加的，說明社會對于高層次農(nóng)科人才的需求不斷增多。隨著經(jīng)濟進入新常態(tài)，農(nóng)業(yè)技術(shù)的轉(zhuǎn)型升級，會對低層次農(nóng)科人才產(chǎn)生一定的替代作用，對復合型農(nóng)科人才的需求更加迫切。

表10 2020—2025年農(nóng)科人才(層次)需求GM(1,1)模型預測值(單位：人)

圖2 2020—2025年各層次農(nóng)科人才需求預測結(jié)果(單位：人)

圖3是各層次農(nóng)科人才占農(nóng)科總?cè)瞬疟壤闆r，我們可以看到，農(nóng)科?？迫瞬潘伎?cè)瞬诺谋壤窍陆档模?020年的32.96%下降至2025年的28.59%；農(nóng)科本科人才所占的比例將逐年上升，由2020年的46.06%上升至2025年的52.38%，約占農(nóng)科總?cè)瞬诺囊话?；農(nóng)科碩士所占總?cè)瞬诺谋壤渤手鹉晟仙厔荩?020年的16.65%上升至約19.57%；農(nóng)科博士占總?cè)瞬诺谋壤兓淮螅髂攴莼颈３衷?.85%左右，但總體呈緩慢上升趨勢，也較為直觀地反映出我國博士生的培養(yǎng)除規(guī)模和數(shù)量外，注重品質(zhì)的提高，博士生的培養(yǎng)注重內(nèi)涵式發(fā)展。全面建設小康社會，促進農(nóng)業(yè)現(xiàn)代化發(fā)展，要牢牢把握“十三五”發(fā)展契機，加快新時代農(nóng)業(yè)經(jīng)濟的發(fā)展，農(nóng)科人才是關(guān)鍵。從以上預測的結(jié)果可以看出，在未來六年內(nèi)，我國農(nóng)業(yè)發(fā)展對農(nóng)科人才的需求呈現(xiàn)平穩(wěn)的增長趨勢，從2020年的143231人到2025年的153380人，平均每年需要補充1692人?？梢詮囊韵聝煞矫孢M行解釋：一方面是基于新常態(tài)的時代背景，全國不同產(chǎn)業(yè)都進入轉(zhuǎn)型發(fā)展新時期，農(nóng)業(yè)產(chǎn)業(yè)也由原來的粗放式發(fā)展逐步轉(zhuǎn)向集約式發(fā)展，農(nóng)業(yè)經(jīng)濟增長更加平穩(wěn)。對農(nóng)科人才的需求不再盲目，而是更加注重層次結(jié)構(gòu)的劃分和人才的創(chuàng)新能力，以復合型農(nóng)科人才需求為主。另一方面，在未來幾年的人才培養(yǎng)過程中，除了保障農(nóng)科人才總量的適量培養(yǎng)，農(nóng)業(yè)經(jīng)濟的發(fā)展還要求適度增加農(nóng)科博士生、碩士生、本科生的培養(yǎng)，減少農(nóng)科?？粕呐囵B(yǎng)，并且以培養(yǎng)高層次綜合型農(nóng)科人才為發(fā)展目標，不斷滿足農(nóng)業(yè)經(jīng)濟發(fā)展的需求。

圖3 2020—2025年各層次農(nóng)科人才所占比例

四、結(jié)論

本文列出了經(jīng)典GM(1,1)模型用于數(shù)列預測的步驟，對未來農(nóng)科人才需求進行了總量和不同層次的預測，主要結(jié)論如下：第一，利用GM(1,1)預測模型對原始數(shù)據(jù)進行一階弱化后建模，結(jié)果顯示，模型的平均精度為99%以上，以一階弱化后的結(jié)果為預測值具有較高的可信度；第二，從農(nóng)科人才結(jié)構(gòu)預測結(jié)果來看，未來六年我國農(nóng)科人才的總需求量呈穩(wěn)步上升趨勢，2020—2025年我國農(nóng)科人才需求預測數(shù)分別為：143231人、145206人、147207人、149237人、151294人、153380人。其中對?？粕男枨罅砍手鹉晗陆第厔?；對本科和碩士生的需求呈穩(wěn)步上升趨勢，且所占的比重在不斷增加；對于農(nóng)科博士而言，未來六年所占農(nóng)科總?cè)瞬诺谋戎鼗颈３植蛔?；第三，從各層次農(nóng)科人才所占比例上看，高層次人才所占的比重在加大，也說明未來對復合型人才的需求將不斷增多。