1978年 中国失业多因素分析.docx

1978年 中国失业多因素分析.docx

《1978年 中国失业多因素分析.docx》由会员分享，可在线阅读，更多相关《1978年 中国失业多因素分析.docx（17页珍藏版）》请在冰豆网上搜索。

1978年中国失业多因素分析

1978年~2002年中国失业多因素分析

关键词：

失业、第三产业产值、全国总人口数、多因素分析

（一）引言

在人的一生中失去工作可能是最悲惨的经济事件。

大多数人依靠他们的劳动收入来维持生活水平，而且，许多人不仅从工作中得到收入，还得到个人的成就感。

失去工作意味着生活水平降低，对未来的担忧及自尊心受到伤害。

因此，毫不奇怪，政治家在竞选时往往谈到他们提出的政策将有助于创造工作岗位。

——N·曼昆

进入新世纪尤其是加入WTO以来，中国经济飞速发展。

发展的同时，产生了诸多的问题。

这些问题严重制约着中国经济和社会的进一步发展。

失业即为其中之一。

在我国，失业不仅是经济问题，更是社会问题。

一方面，它影响着经济的增长；另一方面，它成为影响社会安定团结的隐忧。

故在此，我们对1978年到2002年的失业进行多因素分析研究。

（二）基本阐述

失业人员是指在劳动年龄内有劳动能力，目前无工作，并以某种方式正在寻找工作的人员。

包括就业转失业的人员和新生劳动力中未实现就业的人员。

《失业保险条例》所指失业人员只限定为就业转失业的人员。

根据有关规定，我国目前的法定劳动年龄是16-60岁，体育、文艺和特种工艺单位按照国家规定履行审批程序后可以招用未满16周岁的未成年人。

对企业中男年满60周岁、女年满50周岁的职工和机关事业单位中男年满60周岁、女年满55周岁的职工实行退休制度，对从事有毒、有害工作和符合条件的患病、因工致残职工可以降低退休年龄。

按照上述规定，在法定劳动年龄内的人员都可以寻求职业，从事社会生产经营等活动，并取得合法收入。

所谓有劳动能力，是指失业人员具有从事正常社会劳动的行为能力。

在法定劳动年龄内的人员，若不具备相应的劳动能力，也不能视为失业人员，如精神病人、完全伤残不能从事任何社会性劳动的人员等。

目前无工作并以某种方式寻找工作，是指失业人员有工作要求，但受客观因素的制约尚未实现就业。

对那些目前虽无工作，但没有工作要求的人不能视为失业人员。

造成失业的原因是多方面的，具体到不同国家或一个国家的不同时期，其主导因素并不完全相同。

国际上一般将失业原因分为非周期性失业和周期性失业两类。

其中非周期性失业包括：

*摩擦性失业，由于求职的劳动者与需要提供的岗位之间存在着时间上的差异而导致的失业，如新生劳动力找不到工作，工人想转换工作岗位时出现的工作中断等；

*季节性失业，由于某些行业生产条件或产品受气候条件、社会风俗或购买习惯的影响，使生产对劳动力的需求出现季节性变化而导致的失业；

*技术性失业，由于使用新机器设备和材料，采用新的生产工艺和新的生产管理方式，出现社会局部劳动力过剩而导致的失业；

*结构性失业，由于经济、产业结构变化以及生产形式、规模的变化，促使劳动力结构进行相应调整而导致的失业；

周期性失业，市场经济国家由于经济的周期性萎缩而导致的失业。

考虑到我国改革开放和市场经济建设时间较短，在这里，我们主要就非周期性失业进行研究。

（三）建立模型

其中，Y—全国失业总人数（万人）X1——净出口额（亿元）X2——第一产业产值（亿元）X3——第二产业产值（亿元）X4——第三产业产值（亿元）X5——全国总人口数（万人）

（注：

假定各产业产值为该产业发展状况的标准）

数据说明：

在选取影响因素时，通过以下两表对全国总人口数和全国经济活动人口数两个因素的分析，选取全国总人口数建立的模型较用全国经济活动人口数建立的模型对失业的影响更显著，故我们用全国总人口数建立模型。

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

20:

27

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-381.7618

283.3334

-1.347394

0.1910

X5（全国总人口数）

0.007339

0.002489

2.948306

0.0072

R-squared

0.274276

Meandependentvar

450.2280

AdjustedR-squared

0.242723

S.D.dependentvar

145.9440

S.E.ofregression

127.0028

Akaikeinfocriterion

12.60291

Sumsquaredresid

370983.6

Schwarzcriterion

12.70042

Loglikelihood

-155.5364

F-statistic

8.692507

Durbin-Watsonstat

0.168266

Prob（F-statistic）

0.007213

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

20:

28

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

84.33512

131.4987

0.641338

0.5276

X6（全国经济活动人口数）

0.006151

0.002168

2.837031

0.0093

R-squared

0.259229

Meandependentvar

450.2280

AdjustedR-squared

0.227022

S.D.dependentvar

145.9440

S.E.ofregression

128.3127

Akaikeinfocriterion

12.62344

Sumsquaredresid

378675.5

Schwarzcriterion

12.72095

Loglikelihood

-155.7930

F-statistic

8.048744

Durbin-Watsonstat

0.176467

Prob（F-statistic）

0.009339

（四）模型的参数估计、检验及修正

1、模型的参数估计及其经济意义

用Eviews进行OLS估计得（见附表1）

Y=3289.285-0.022757X1+0.064077X2-0.040653X3+0.067632X4-0.029455X5

SE=849.75670.0279170.0353660.0280960.0357080.008695

t=3.870855-0.8151911.811828-1.4469361.894007-3.387660

=0.814388

=0.765543F=16.67282

可见，X1、X2、X3的t值都不显著，另外，修正可决系数为0.765543，F值为16.67282。

故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。

2、计量经济学检验

（1）多重共线性检验及修正

用Eviews得相关系数矩阵表

X1

X2

X3

X4

X5

X1

1

0.868548443689

0.865263760672

.853*********

0.735277010146

X2

0.868548443689

1

0.984860483939

0.981281685729

0.940903856594

X3

0.865263760672

0.984860483939

1

0.997942133409

0.904329932875

X4

.853*********

0.981281685729

0.997942133409

1

0.916295325676

X5

0.735277010146

0.940903856594

0.904329932875

0.916295325676

1

有上表可以看出，各变量之间的相关系数均较大，说明模型存在较强的多重共线性。

从经济意义上来看，进出口可能发生在各个产业中，并且各个产业间相互关联较大。

下面我们利用逐步回归法（变量剔除法）进行修正（见附表2，3，4）

因X1的t值最小，我们先将其剔除，得：

Y=2999.091+0.051123X2-0.035967X3+0.062042X4-0.026391X5

SE=765.09910.0313280.0272700.0347490.007775

t=3.9198721.631824-1.3189271.785453-3.394557

=0.807896

=0.769475F=21.02759

可见，X2，X3，X4的t值仍然很小，故将X3剔除继续作OLS估计得：

Y=2147.867+0.015542X2+0.017020X4-0.017662X5

SE=418.08250.0162060.0066120.004150

t=5.1374230.9589942.573946-4.255825

=0.791187

=0.761357F=26.5228620

这时，X2的t值依然很小，故将X2剔除继续作OLS估计得

Y=2147.867+0.022590X4-0.015507X5

SE=362.17460.0031550.003483

t=5.3804927.159082-4.452537

=0.782043

=0.762228F=39.46857

此时，修正可决系数开始下降，但所有参数的t值都已经比较显著，且F值也有了一定的增加，故不再删除变量，选择此模型为修正后的模型。

（2）异方差检验（见附表5、6）

用样本分段法进行检验。

将样本分为两部分，对样本一（1978-1986）作估计得剩余平方和为14978.89，对样本二（1994-2002）作估计得剩余平方和为3763.823，两数值相除得F=3.9797<

故不存在异方差性。

（3）自相关性检验及修正（见附表7，8，）

有附表4知DW=0.371489，在显著性水平α=0.01下，查表n=25,k’=2，dL=0.981,du=1.305

由于DW

下面用广义差分法进行修正，由DW=0.3715得

=1-0.3715/2=0.81425,构造差分模型并估计，得：

DY=114.6561+0.017328DX4-0.003682DX5

SE=248.6170.007190.012141

t=0.4611762.409974-0.303271

=0.573740

=0.533144F=14.13287DW=1.00236

发现经过广义差分法修正后，DW值有所提高，但在不能判断的区域。

故进一步用迭代法进行修正，得：

Y=360.8702+0.016735X4-0.001531X5

SE=2151.5290.0081810.018534

t=0.1677272.045622-0.082626

=0.930446

=0.920013F=89.18234DW=1.018935

经迭代法修正后，DW值虽然又有所提高，但仍在不能判断的区域。

当我们进一步做对数线性回归进行修正时，发现DW统计量反而变小，在现行知识水平下不能继续对其进行修正。

（五）模型的分析

我们进行了一系列检验和修正后的最终结果如下：

Y=360.8702+0.016735X4-0.001531X5

SE=2151.5290.0081810.018534

t=0.1677272.045622-0.082626

=0.930446

=0.920013F=89.18234DW=1.018935

从模型中可看出：

（1）模型表明：

失业与第三产业产值有明显的相关关系，与全国人口数无明显的相关关系。

（2）模型的修正可决系数及F值较高，说明模型总体是显著的，而且拟合优度很好。

（3）由于修正后不能确定是否存在自相关性，故模型在这一点上是不理想的。

（六）总结：

1，尽管影响失业的因素错综复杂，但经过我们的分析，第三产业产值同全国人口总数对失业具有较大影响。

2，我们的模型到最后仍不能解决自相关性的问题。

经过分析，我们认为有以下几点原因：

（1）在时间数列数据中，经济变量的运行往往存在着一种变化趋势，表现在随时间前后期相关关联上所形成的惯性。

我国的经济发展从1978年走到2002年，其间经历了不同的经济、社会阶段。

同时，我国的国情是：

在这25年里，政府改革力度、市场开放程度、居民意识形态都是不断变革的。

这样，许多制度和政策具用一定的惯性作用。

（2）我们没有引入滞后变量，这可能会对模型产生一定影响。

（3）一些随机偶然因素的干扰或影响也会造成该问题。

许多社会经济变革难以量化其影响程度，例如98年的特大洪水、非典疫情、加入WTO、申奥成功等等。

（4）我国的统计数据含有一定的水分，而导致了我们赖以进行参数估计的数字基础不具备可靠性，可能也是重要原因之一。

（七）附表

附表1

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

16:

47

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3289.285

849.7567

3.870855

0.0010

X1

-0.022757

0.027917

-0.815191

0.4251

X2

0.064077

0.035366

1.811828

0.0858

X3

-0.040653

0.028096

-1.446936

0.1642

X4

0.067632

0.035708

1.894007

0.0736

X5

-0.029455

0.008695

0.0031

R-squared

0.814388

Meandependentvar

450.2280

AdjustedR-squared

0.765543

S.D.dependentvar

145.9440

S.E.ofregression

70.66720

Akaikeinfocriterion

11.55940

Sumsquaredresid

94883.21

Schwarzcriterion

11.85193

Loglikelihood

-138.4925

F-statistic

16.67282

Durbin-Watsonstat

0.725028

Prob（F-statistic）

0.000002

附表2

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

18:

14

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

2999.091

765.0991

3.919872

0.0008

X2

0.051123

0.031328

1.631824

0.1184

X3

-0.035967

0.027270

-1.318927

0.2021

X4

0.062042

0.034749

1.785453

0.0894

X5

-0.026391

0.007775

-3.394557

0.0029

R-squared

0.807896

Meandependentvar

450.2280

AdjustedR-squared

0.769475

S.D.dependentvar

145.9440

S.E.ofregression

70.07204

Akaikeinfocriterion

11.51378

Sumsquaredresid

98201.81

Schwarzcriterion

11.75756

Loglikelihood

-138.9223

F-statistic

21.02759

Durbin-Watsonstat

0.621812

Prob（F-statistic）

0.000001

附表3

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

18:

17

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

2147.867

418.0825

5.137423

0.0000

X2

0.015542

0.016206

0.958994

0.3485

X4

0.017020

0.006612

2.573946

0.0177

X5

-0.017662

0.004150

-4.255825

0.0004

R-squared

0.791187

Meandependentvar

450.2280

AdjustedR-squared

0.761357

S.D.dependentvar

145.9440

S.E.ofregression

71.29525

Akaikeinfocriterion

11.51718

Sumsquaredresid

106743.3

Schwarzcriterion

11.71220

Loglikelihood

-139.9648

F-statistic

26.5228620

Durbin-Watsonstat

0.382176

Prob（F-statistic）

00000

附表4

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

18:

17

Sample:

19782002

Includedobservations:

25

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

1948.678

362.1746

5.380492

0.0000

X4

0.022590

0.003155

7.159082

0.0000

X5

-0.015507

0.003483

-4.452537

0.0002

R-squared

0.782043

Meandependentvar

450.2280

AdjustedR-squared

0.762228

S.D.dependentvar

145.9440

S.E.ofregression

71.16496

Akaikeinfocriterion

11.48004

Sumsquaredresid

111417.9

Schwarzcriterion

11.62631

Loglikelihood

-140.5006

F-statistic

39.46857

Durbin-Watsonstat

0.371489

Prob（F-statistic）

0.000000

附表5

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

18:

30

Sample:

19781986

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

5281.461

1107.651

4.768166

0.0031

X4

0.086872

0.058476

1.485594

0.1879

X5

-0.049443

0.011682

-4.232279

0.0055

R-squared

0.902139

Meandependentvar

385.3333

AdjustedR-squared

0.869518

S.D.dependentvar

138.3215

S.E.ofregression

49.96480

Akaikeinfocriterion

10.92172

Sumsquaredresid

14978.89

Schwarzcriterion

10.98746

Loglikelihood

-46.14772

F-statistic

27.65568

Durbin-Watsonstat

1.424570

Prob（F-statistic）

0.000937

附表6

DependentVariable:

Y

Method:

LeastSquares

Date:

11/07/04Time:

18:

31

Sample:

19942002

Includedobservations:

9

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

10485.87

3528.489

2.971774

0.0249

X4

0.050572

0.013494

3.747685

0.0095

X5

-0.089728

0.031064

-2.888521

0.0277

R-squared

0.937998

Meandependentvar

590.8444

AdjustedR-squared

0.917331

S.D.dependentvar

87.10969

S.E.ofregression

25.04603

Akaikeinfocriterion

9.540510

Sumsquaredresid

3763.823

Schwarzcriterion

9.606251

Loglikelihood

-39.93229

F-statistic

45.38548

Durbin-Watsonstat

1.691186

Prob