问题的提出2.docx

问题的提出2.docx

《问题的提出2.docx》由会员分享，可在线阅读，更多相关《问题的提出2.docx（15页珍藏版）》请在冰豆网上搜索。

问题的提出2

计量经济分析

-----关于影响就业人数的因素

金融0893

2008946062

连思琦

2008946070

黄雨昕

2008946073

刘达真

2008946074

王雅婷

2008946072

李小玲

2008946067

徐茜

关于影响就业人数的因素

一、问题的提出

改革开放以来，我国经济增长速度总体上保持在较高的水平，“六五”、“七五”、“八五”和“九五”期间年均增长速度分别为10．7％、7．9％、12．0％和8．3％。

与此同时，从业人员也不断增加，但增长速度却呈下降趋势，从而就业弹性系数也不断下降。

　从1981—2000年二十年间的发展趋势看，经济增长就业弹性的变动并不是逐年下降，而是表现为差异显著的两个阶段：

一是80年代经济增长的高就业弹性阶段，“六五”期间就业弹性系数平均为0.310，“七五”前四年平均为0.298二是90年代以来经济增长进入低就业弹性阶段，就业弹性系数大幅度下降，“八五”期间平均为0.103，“九五”期间略有回升，平均为0.112。

两个阶段之间表现出截然不同的规律性，在经济同样处于高速增长的情况下，80年代从业人员同样保持了快速的增长速度，年均增长率在3％以上；而进入90年代，从业人员增长只有1％左右。

也就是说，80年代经济的高速增长伴随着就业岗位的大量增长，表现出劳动密集型经济的特点；而90年代就业弹性系数的急剧下降，反映了劳动力投入在经济增长中的贡献率趋于下降，资本、技术等投入要素以及制度性要素的贡献率提高。

在建设“社会更加和谐，人民生活更加富足”的全面小康社会的过程中，如何改革收入分配制度，缩小贫富差距，增加就业率，再一次成为人民关注的焦点。

二、理论模型

1）数据性质的选择。

由于所选的解释变量都存在比较完整的时间序列数据，因此选择21年的时间序列数据建立模型。

2）影响因素的分析

在众多就业的影响因素中，经济发展以及劳动力供给对于就业的影响是主要的。

因此，本文选择4个解释变量。

首先，货币供应量。

货币供应量的增加对于就业的影响应该是正向的。

其次，居民消费支出。

随着居民消费支出的增加，对于就业的需求也会随之增加，对于就业人数的影响是正向的。

再来，大学生毕业人数。

大学生毕业人数的增加，无疑也是增加劳动力的表现，但如今大学生就业率低，对于就业人数的影响有待分析。

最后，居民人均收入。

由于收入增加，会带动整个社会经济的发展，从而，人们对就业的需求也会增加，与就业成正比。

本文将运用计量经济学的相关知识对就业率的影响因素建立相应的回归模型，进行分析。

经过本组讨论，认为就业人数（Y）的影响因素有：

货币供应量（X1）、居民消费支出（X2）、大学生毕业人数（X3）、居民人均收入（X4）。

并将模型设定为：

Y=B1+B2X2+B3X3+B4X4+u

三、数据搜集

本文搜集了21年的数据，如下图所示：

1989-2009年的相关数据

　年份

Y

X1

X2

X3

X4

1989

51223

11949.6

8523.5

57.6

1862.2

1990

63909

15293.4

9113.2

61.4

2196.5

1991

64723

19349.9

10315.9

61.4

2409.2

1992

65554

25402.2

12459.8

60.4

2810.6

1993

66373

34879.8

15682.4

57.1

3499

1994

67199

46923.5

20809.8

63.7

4717.2

1995

67947

60750.5

26944.5

80.5

5860.7

1996

68850

76094.9

32152.3

83.9

6765

1997

69600

90995.3

34854.6

82.9

7250.4

1998

70637

104498.5

36921.1

83.0

7587.1

1999

71394

119897.9

39334.4

84.8

8064.3

2000

72085

134610.3

42895.6

95.0

8533.4

2001

73025

158301.9

45898.1

103.6

9226

2002

73740

185007.0

48881.6

133.7

7950.4

2003

74432

221222.8

52678.5

187.7

11094.4

2004

75200

254107.0

63833.5

239.1

12358

2005

75825

298755.7

71217.5

306.8

13747.9

2006

76400

345603.6

80120.5

377.5

15346.5

2007

76990

403442.2

95609.8

447.8

17926.2

2008

77480

475166.6

110594.5

511.9

20541.4

2009

77995

606225.0

121129.9

531.1

22327.9

注：

Y为就业人数（万人）

X1为货币供应量（亿元）

X2为居民消费支出（亿元）

X3为大学生毕业人数（万人）

X4为居民人均收入（元）

四、模型的估计与调整

1、运用Eviews的最小二乘计算

结果见下表：

表一

DependentVariable:

Y

Method:

LeastSquares

Date:

05/31/11Time:

17:

47

Sample:

19892009

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

59637.54

2298.073

25.95111

0.0000

X1

-0.020914

0.038564

-0.542318

0.5951

X2

0.211147

0.365487

0.577714

0.5715

X3

-38.22401

19.55584

-1.954609

0.0683

X4

1.250880

1.611784

0.776084

0.4490

R-squared

0.794871

Meandependentvar

70503.86

AdjustedR-squared

0.743589

S.D.dependentvar

6240.171

S.E.ofregression

3159.840

Akaikeinfocriterion

19.15869

Sumsquaredresid

1.60E+08

Schwarzcriterion

19.40738

Loglikelihood

-196.1662

F-statistic

15.49992

Durbin-Watsonstat

1.123361

Prob（F-statistic）

0.000023

由表可得估计结果：

Y=59637.54-0.0209X1+0.2111X2-38.2240X3+1.2501X4

（2298.073）（0.0386）（0.3655）（19.5558）（1.6118）

t=（25.9511）（-0.5423）（0.5777）（-1.9546）（0.7761）

R^2=0.794871F=15.49992

1）经济意义检验。

所估计的参数B1=596437.54,B2=-0.0209,B3=0.2111,B4=-38.2240，B5=1.2501。

货币供应量（X1）对就业人数应该成正效应B2有待检验，而大学生毕业人数（X3）对就业的影响也有待检验。

居民消费支出（X2）和居民人均收入（X4）的增加，就业人数也增加，符合经济意义。

2）统计推断检验。

在被解释变量（Y）观测值的总变差中，有79.4871%（R^2）由所估计的样本回归模型做出了解释；系数显著性检验：

给定a=0.05，查t分布表，在自由度为n-5=16时得临界值2.120，但X1，X2，X3，X4变量系数的t值均小于临界值，可能存在多重共线性。

而F0.05（4,16）=3.01

3）计量经济学检验。

给定显著性水平0.05，查DW表，当n=21，k'=4时，的临界值dL=0.927，dU=1.812，而DW统计量为1.123361，是否存在自相关不明确。

2、进行多重共线性检验并修正。

计算各解释变量的相关系数，选择X1，X2，X3，X4数据，得相关系数矩阵：

X1

X2

X3

X4

X1

1

0.990656541723

0.973890576289

0.985326788653

X2

0.990656541723

1

0.961943332456

0.997147161353

X3

0.973890576289

0.961943332456

1

0.9570872176

X4

0.985326788653

0.997147161353

0.9570872176

1

由表可看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。

因此，采用逐步回归法，分别作Y对X1，X2，X3，X4的一元回归，结果如表：

变量

X1

X2

X3

X4

参数估计值

0.029265

0.155007

27.48470

0.865612

T统计量

5.464169

6.323484

4.328274

6.519391

R^2

0.611111

0.677892

0.496475

0.691069

R’^2

0.590643

0.660939

0.469973

0.674810

其中，加入X4的方程R’^2最大，以X4为基础，顺次加入其他变量逐步回归，结果如表：

变量

变量

X1

X2

X3

X4

R’^2

X1,X4

-0.048027

（-1.818417）

2.181838

（2.970063）

0.710015

X2,X4

-0.184782

（-0.570600）

1.884699

（1.052257）

0.662842

X3,X4

-42.27606

（-2.905947）

1.945716

（5.010176）

0.766356

经比较，新加入X3的方程R’^2=0.766356，改进最大，且各参数t值检验显著，保留X3，再加入其他新变量逐步回归，结果如表：

变量

变量

X1

X2

X3

X4

R’^2

X1，X3，X4

-0.008286

（-0.266059）

-39.10516

（-2.046276）

2.091778

（3.082791）

0.753638

X2，X3，X4

0.098794

（0.335143）

-44.12510

（-2.773760）

1.448103

（0.941993）

0.754236

加入X1，X2后R’^2减小，且X1参数为负值不合理，X1，X2的t检验不显著，可看出X1，X2引起了多重共线性，予以剔除。

最后修正严重多重共线性影响后的回归结果为：

表二

DependentVariable:

Y

Method:

LeastSquares

Date:

06/04/11Time:

23:

18

Sample:

19892009

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

60178.15

1476.410

40.75977

0.0000

X3

-42.27606

14.54811

-2.905947

0.0094

X4

1.945716

0.388353

5.010176

0.0001

R-squared

0.789720

Meandependentvar

70503.86

AdjustedR-squared

0.766356

S.D.dependentvar

6240.171

S.E.ofregression

3016.297

Akaikeinfocriterion

18.99301

Sumsquaredresid

1.64E+08

Schwarzcriterion

19.14223

Loglikelihood

-196.4266

F-statistic

33.80010

Durbin-Watsonstat

1.181644

Prob（F-statistic）

0.000001

Y=60178.15-42.27606X3+1.945716X4

（1476.410）（14.54811）（0.388353）

t=（40.75977）（-2.905947）（5.010176）

R^2=0.789720R’^2=0.766356F=33.80010DW=1.181644

3.进行异方差检验。

用White检验进行检验，结果如表：

WhiteHeteroskedasticityTest:

F-statistic

1.679233

Probability

0.200197

Obs*R-squared

7.536256

Probability

0.183714

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/04/11Time:

23:

28

Sample:

19892009

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

37571576

14907571

2.520302

0.0235

X3

837927.7

459711.0

1.822727

0.0883

X3^2

2856.643

2925.937

0.976317

0.3444

X3*X4

-188.9935

146.7007

-1.288293

0.2172

X4

-24113.87

10822.96

-2.228028

0.0416

X4^2

3.007804

1.921006

1.565744

0.1383

R-squared

0.358869

Meandependentvar

7798326.

AdjustedR-squared

0.145159

S.D.dependentvar

22087147

S.E.ofregression

20421248

Akaikeinfocriterion

36.73701

Sumsquaredresid

6.26E+15

Schwarzcriterion

37.03544

Loglikelihood

-379.7386

F-statistic

1.679233

Durbin-Watsonstat

1.620117

Prob（F-statistic）

0.200197

从中得出，nR^2=7.536249，由White检验知，在a=0.05下，查x^2分布表，得临界值x^20.05（5）=11.0705>nR^2=7.536249，所以接受原假设，表明模型不存在异方差。

★现试对该模型进行修正。

若存在异方差，就可用加权最小二乘法修正，仅以1/X3为权重的修正结果展示：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/07/11Time:

13:

40

Sample:

19892009

Includedobservations:

21

Weightingseries:

1/X3

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

59213.01

1845.055

32.09281

0.0000

X3

-44.42298

32.61660

-1.361975

0.1900

X4

2.106082

0.485194

4.340704

0.0004

WeightedStatistics

R-squared

0.984805

Meandependentvar

67577.81

AdjustedR-squared

0.983116

S.D.dependentvar

35171.08

S.E.ofregression

4570.023

Akaikeinfocriterion

19.82399

Sumsquaredresid

3.76E+08

Schwarzcriterion

19.97321

Loglikelihood

-205.1519

F-statistic

14.56894

Durbin-Watsonstat

1.252057

Prob（F-statistic）

0.000173

UnweightedStatistics

R-squared

0.778794

Meandependentvar

70503.86

AdjustedR-squared

0.754216

S.D.dependentvar

6240.171

S.E.ofregression

3093.665

Sumsquaredresid

1.72E+08

Durbin-Watsonstat

1.169129

4.进行自相关检验。

由表二可得，给定显著性水平0.01，查DW表当n=21，k’=2时，得临界值dL=0.890，dU=1.277，而DW统计量为1.181644，是否存在自相关不明确。

★现试对该模型进行修正。

可得P=1-DW/2=1-1.181644/2=0.409178

Yt-0.409178Yt-1=b1（1-0.409178）+b2（X3t-0.409178X3t-1）+b3（X4t-0.409178X4t-1）+ut-0.409178ut-1

现对其进行回归，回归结果如图所示：

表三

DependentVariable:

Y-0.409178*Y（-1）

Method:

LeastSquares

Date:

06/07/11Time:

12:

48

Sample（adjusted）:

19902009

Includedobservations:

20afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

39427.62

687.6650

57.33552

0.0000

X3-0.409178*X3（-1）

0.839309

9.887025

0.084890

0.9333

X4-0.409178*X4（-1）

0.537648

0.274442

1.959056

0.0667

R-squared

0.761564

Meandependentvar

42772.53

AdjustedR-squared

0.733513

S.D.dependentvar

2417.999

S.E.ofregression

1248.229

Akaikeinfocriterion

17.23432

Sumsquaredresid

26487276

Schwarzcriterion

17.38368

Loglikelihood

-169.3432

F-statistic

27.14900

Durbin-Watsonstat

0.969239

Prob（F-statistic）

0.000005

从中得出回归方程为

Yt*=39427.62+0.839309X3t*+0.537648X4t*

Se=（687.6650）（9.887025）（0.274442）

t=（57.33552）（0.084890）（1.959056）

R^2=0.761564F=27.14900DW=0.969239

其中Yt*=Yt-0.409178Yt-1，X3t*=X3t-0.409178X3t-1，X4t*=X4t-0.409178X4t-1

所以，给定显著性水平0.01，查DW表当n=20，k’=2时，得临界值dL=0.863，dU=1.271，而DW统计量为0.969239，dL

所以，所估计的模型最终可能的结果为:

Y’=60178.15-42.27606X3+1.945716X4

（1476.410）（14.54811）（0.388353）

t=（40.75977）（-2.905947）（5.010176）

R^2=0.789720R’^2=0.766356F=33.80010DW=1.181644

五、本文的结论　

1）大学生毕业从业人数，实际就业率呈下降趋势。

自高校1999年开始扩招之后,大学生人数在不断上升,与此同时,就业率逐渐走低。

近几年的毕业生就业数据显示,就业区域集中,择业空间狭小。

大学生由于受文化、观念、生活习惯、家庭等诸多因素影响较,普遍具有毕业后回家庭所在地就业的打算与倾向。

这就必然导致局部大学生就业市场的过度饱和与过度竞争,加剧了大学生就业难的程度及其复杂性。

首先导致大学生就业率下降的因素很多，但最根本的原因是大学生本身的观念问题.大学生普遍存在城市就业的观念。

无论来自城市还是农村的大学生，大多数存在着毕业后到环境好的城市里工作的想法。

其次，重就业，轻创业的观念。

现在的大学生，由于过于注重就业，忽视了其本身的创业能力。

再加上“小钱不想赚，大钱又难赚”思想的作祟，从而错过了很多的创业机会。

第三，注重到高收入岗位就业，缺少吃苦精神。

大学生毕业选择岗位时，首先考虑的是高收入的单位，为自己生活得更好提供保证。

缺少到基层工作的吃苦和奉献精神。

第四，人口众多，大学生年年扩招，人数不断增多。

第五，很多大学生不是专业性人才，有些学校盲目扩招，教学质量下降，毕业的学生对本专业知识的掌握程度还很不够。

第六，实习机会少，缺乏实际经验，这