影响我国城镇就业人数的因素分析同名13482.docx

影响我国城镇就业人数的因素分析同名13482.docx

《影响我国城镇就业人数的因素分析同名13482.docx》由会员分享，可在线阅读，更多相关《影响我国城镇就业人数的因素分析同名13482.docx（17页珍藏版）》请在冰豆网上搜索。

影响我国城镇就业人数的因素分析同名13482

影响我国城镇就业人数的因素分析（同名13482）

进行定量分析。

基于分析得到的影响我国就业的主要因素，运用所建模型，结合国家的有关决策和规划，对我国以往年份就业人数进行拟合预测，以此判断所建模型能真实反映我国实际就业情况。

最后根据文章的研究结果，结合我国实际情况，向相关政府部门提出增加我国城镇就业人口数或降低城镇登记失业率的一些政策建议。

三、模型设定

由生产论一般均衡理论可知，任何一种生产要素的投入数量都是该要素的供给和需求达到均衡时决定的数量。

劳动力需求就是社会在生产吸收和容纳劳动力的能力和容量，最重要的劳动力需求主体是企业，也是最直接地反映当前社会经济活动水平以及因此而带来的对劳动力的需求。

供给是生产者在一定时期内在各种可能的价格下愿意而且能够提供出售的该种商品的数量。

劳动力也是生产中必需和重要的生产要素之一，因而，选取影响我国实际劳动力的因素可从影响劳动力的供给和需求两方面出发。

影响劳动力供给和需求的影响因子

（一）变量的选取

基于我国就业问题在城镇表现得更为明显和集中，所以我选择城镇年.就业人数为被解释变量，从城镇角度来研究中国就业问题。

解释变量从以下几个方面选取：

1.影响劳动力供给的因素主要是劳动力资源和消费因素。

一国的人口规模对劳动供给的影响在短期内不会马上产生影响，人口规模只在长期内起作用。

同时消费水平对劳动力供给数量也有影响，消费水平越高，劳动供给者要满足自己生活需要，就必须通过劳动获得收入满足自身消费需求，进而会增加劳动力的供给。

消费品市场与人们的日常生活息息相关，它体现了社会再生产过程最终的市场实现，反映了消费者最终需求的变化。

当消费品市场景气时，供给和需求会拉动社会投资增加，进而活跃资金市场，提高劳动者劳动力供给信心。

而消费品供给的满足程度，又直接决定了劳动力的质量，进而影响劳动力供给。

2.影响劳动力需求的因素有经济发展水平、投资、外贸、经济结构等。

经济增长水平是影响就业状况的决定因素之一。

就业率与实际经济增长率之间存在着正相关关系。

在经济复苏或繁荣时期，就业机会和就业岗位较多，就业规模较大，就业率高，就业状况就好。

反之，在经济衰落或萧条时期，经济增长率低，就业机会和就业岗位减少，就业规模萎缩，就业状况差，失业率就高。

3．劳动力供需的混合影响因子有货币政策、工资水平等。

货币政策：

货币政策通过利率、货币供应量等渠道会对居民就业产生重要影响。

国外学者的研究已经证实了这一点，他们大致从货币的储藏职能和货币的交易职能两个角度研究货币政策对居民就业的影响。

利率水平能够促进或抑制投资和储蓄，从而影响消费需求和投资需求，进而影响劳动力的需求和供给。

广义货币（M2）不仅反映现实的购买力，还反映潜在的购买力，若M2增速较快，则投资和中间市场活跃，增加就业，失业率减少。

工资水平：

企业在雇佣劳动力上也同样遵从市场经济的原则，即只有当劳动力的使用产生的总收入大于或等于因使用而产生的成本时，企业才能产生或扩大劳动力需求的意愿和行为。

同时，工资水平作为劳动者劳动的价值衡量，它也会影响到劳动供给者的供给。

（二）模型设计

根据以上分析，选取国内生产总值（X1），城镇居民消费水平（X2），城镇单位劳动人员就业总报酬（X3），货币供给量（X4）四个变量作为影响城镇就业总人数（Y）的主要因素，并进行多元回归分析。

模型设计为：

Y=β0+β1X1+β2X2+β3X3+β4X4+u

四、数据的收集

本文选取了1990-2008的各项指标，如下表：

年份

城镇就业人口数（万人）Y

城镇居民消费水平（亿元）X2

城镇单位劳动人员就业总报酬（亿元）X3

货币供给量（亿元）X4

GDP（亿元）X1

1990

17041

1596.0

2951.1

15293.4

18667.8223761059

1991

17465

1840.0

3323.9

19349.9

21781.4994107882

1992

17861

2262.0

3939.2

25402.2

26923.4764511214

1993

18262

2924.0

4916.2

34879.8

35333.9247145462

1994

18653

3852.0

6656.4

46923.5

48197.8564447092

1995

19040

4931.0

8255.8

60750.5

60793.7292113314

1996

19922

5532.0

9249.4

76094.9

71176.5916539871

1997

20781

5823.0

9602.4

90995.3

78973.0349964914

1998

21616

6109.0

9540.2

104498.5

84402.279768922

1999

22412

6405.0

10155.9

119897.9

89677.0547509045

2000

23151

6850.0

10954.7

134610.3

99214.5543084772

2001

23940

7113.0

12205.4

158301.9

109655.170558159

2002

24780

7387.0

13638.1

185007

120332.689274252

2003

25639

7901.0

15329.6

221222.8

135822.756149557

2004

26476

8679.0

17615

254107

159878.33791739

2005

27331

9410.0

20627.1

298755.7

183217.4

2006

28310

10423.0

24262.32307

345603.59

211923.5

2007

29350

11855.0

29471.51498

403442.2

257305.6

2008

30210

13519.0

35289.49727

475166.6

300670

注：

以上数据均来自《中国统计年鉴》

X2城镇消费水平值是城镇人口年最终消费总额

X3货币供给量为年末数

五、模型的估计与调整

（一）初步估计

对被解释变量与各解释变量进行回归分析，得到Eviews最小二乘计算结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

01/02/11Time:

10:

02

Sample:

19902008

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

16996.35

193.8052

87.69810

0.0000

X1

0.005929

0.025379

0.233619

0.8187

X2

1.012669

0.104614

9.680078

0.0000

X3

-0.775263

0.119149

-6.506675

0.0000

X4

0.053103

0.005890

9.016226

0.0000

R-squared

0.998753

    Meandependentvar

22749.47

AdjustedR-squared

0.998396

    S.D.dependentvar

4265.043

S.E.ofregression

170.8010

    Akaikeinfocriterion

13.33981

Sumsquaredresid

408421.8

    Schwarzcriterion

13.58835

Loglikelihood

-121.7282

    F-statistic

2802.440

Durbin-Watsonstat

1.738109

    Prob（F-statistic）

0.000000

从表中可以看出，该模型R2=0.998753，调整后R2=0.998396都很高，F统计量2802.440，明显显著，但在α=0.05的水平下，tα/2（19-5）=2.145，X1的t检验未通过，说明可能存在严重的多重共线性。

（二）修正多重共线性

用Eviews得到相关系数矩阵：

X1

X2

X3

X4

X1

 1.000000

 0.979915

 0.997915

 0.996645

X2

 0.979915

 1.000000

 0.971729

 0.969906

X3

 0.997915

 0.971729

 1.000000

 0.992453

X4

 0.996645

 0.969906

 0.992453

 1.000000

由相关系数矩阵可以看出，各解释变量之间的相关系数较高，证实确实存在多重共线性。

采用逐步回归的方法，检验和解决多重共线的问题，分别作Y对各解释变量的一元回归，得到如下结果：

变量

X1

X2

X3

X4

参数估计值

0.051457

1.258481

0.453401

0.030204

t统计量

15.54359

18.84558

12.45718

17.36028

R2

0.934262

0.954320

0.901267

0.946605

调整R2

0.930395

0.951633

0.895459

0.943464

逐步回归后剔除掉变量X1得到修正后的回归结果为：

Y^=16971.42+1.033813X2-0.748930X3+0.054355X4

t=（108.3789）（20.35780）（-20.03488）（23.06915）

R2=0.998748调整R2=0.998497F=3987.919DW=1.800647

DependentVariable:

Y

Method:

LeastSquares

Date:

01/02/11Time:

10:

29

Sample:

19902008

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

16971.42

156.5934

108.3789

0.0000

X2

1.033813

0.050782

20.35780

0.0000

X3

-0.748930

0.037381

-20.03488

0.0000

X4

0.054355

0.002356

23.06915

0.0000

R-squared

0.998748

    Meandependentvar

22749.47

AdjustedR-squared

0.998497

    S.D.dependentvar

4265.043

S.E.ofregression

165.3308

    Akaikeinfocriterion

13.23844

Sumsquaredresid

410014.0

    Schwarzcriterion

13.43727

Loglikelihood

-121.7652

    F-statistic

3987.919

Durbin-Watsonstat

1.800647

    Prob（F-statistic）

0.000000

逐步回归的结果减轻了多重共线性，剔除掉了国内生产总值这个变量，可能会带来一定的设定偏差，但是从实际来看，国内生产总值对就业的影响可以粗略用X2的影响代替，从宏观上说，国内经济增长了，城镇居民的消费水平也会同向变化，二者密切相关，因此基本不会影响到模型的可靠程度。

（三）异方差检验

对模型进行White检验，结果如下：

WhiteHeteroskedasticityTest:

F-statistic

1.057250

    Probability

0.467634

Obs*R-squared

9.764368

    Probability

0.369896

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

01/02/11Time:

11:

08

Sample:

19902008

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-25832.93

152118.6

-0.169821

0.8689

X2

-215.5299

263.2923

-0.818596

0.4342

X2^2

0.033604

0.083315

0.403337

0.6961

X2*X3

-0.029804

0.079483

-0.374970

0.7164

X2*X4

-0.000265

0.001702

-0.155654

0.8797

X3

128.1662

184.1636

0.695936

0.5040

X3^2

8.90E-05

0.018807

0.004734

0.9963

X3*X4

0.001089

0.000970

1.123456

0.2903

X4

2.175582

7.149148

0.304313

0.7678

X4^2

-4.96E-05

3.67E-05

-1.352678

0.2092

R-squared

0.513914

    Meandependentvar

21579.69

AdjustedR-squared

0.027828

    S.D.dependentvar

27955.78

S.E.ofregression

27564.06

    Akaikeinfocriterion

23.59183

Sumsquaredresid

6.84E+09

    Schwarzcriterion

24.08890

Loglikelihood

-214.1224

    F-statistic

1.057250

Durbin-Watsonstat

2.900012

    Prob（F-statistic）

0.467634

从表中可以看出，nR2=19*0.513914=9.764366，在α=0.05的水平下，远低于临界值X2（9）=16.9190，所以模型并不存在异方差。

（四）自相关检验

由回归结果得到DW=1.800647，查表得，在α=0.05的水平下，dL=0.859，du=1.848，模型的DW值在二者之间，因此可能存在自相关，从作出的残差图可以看出残差的变动有系统模式，连续为正和连续为负，表明残差存在一阶自相关，模型中的t和F统计量不可信，需采取措施补救。

运用科克伦·奥克特迭代法，对残差e进行滞后一期的自回归，得到回归方程

e^=0.804659et-1

DependentVariable:

E

Method:

LeastSquares

Date:

01/01/11Time:

11:

32

Sample（adjusted）:

19912008

Includedobservations:

18afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

E（-1）

0.804659

0.125013

7.636473

0.0000

R-squared

0.772958

    Meandependentvar

71.64222

AdjustedR-squared

0.772958

    S.D.dependentvar

961.8592

S.E.ofregression

458.3160

    Akaikeinfocriterion

15.14695

Sumsquaredresid

3570910.

    Schwarzcriterion

15.19641

Loglikelihood

-135.3225

    Durbin-Watsonstat

0.267496

再对模型进行广义差分，回归结果如下：

DependentVariable:

Y-0.804659*Y（-1）

Method:

LeastSquares

Date:

01/02/11Time:

14:

15

Sample（adjusted）:

19912008

Includedobservations:

18afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

3681.603

190.1273

19.36388

0.0000

X2-0.804659*X2（-1）

0.561179

0.251785

2.228804

0.0427

X3-0.804659*X3（-1）

-0.572488

0.101529

-5.638650

0.0001

X4-0.804659*X4（-1）

0.050563

0.005147

9.823364

0.0000

R-squared

0.970952

    Meandependentvar

5094.552

AdjustedR-squared

0.964727

    S.D.dependentvar

960.4531

S.E.ofregression

180.3829

    Akaikeinfocriterion

13.42117

Sumsquaredresid

455531.8

    Schwarzcriterion

13.61903

Loglikelihood

-116.7905

    F-statistic

155.9865

Durbin-Watsonstat

2.208027

    Prob（F-statistic）

0.000000

样本容量减少了1个，为18，DW值变为2.208027，在α=0.05的水平下，dL=0.820，dU=1.872，则有dU

β1^=3681.603/（1-0.804659）=18847.0572

由此，得到最终的城镇就业总人数回归模型的最终统计结果：

Y^=18847.0572+0.561179X2-0.572488X3+0.050563X4

（五）经济意义检验

从回归结果Y^=16971.42+1.033813X2-0.748930X3+0.054355X4可以看出：

城镇居民消费水平的系数为0.561179，表明城镇人口最终实际消费支出总额每增加1%，会使得城镇就业人数增加0.561179%，是方程所选变量正向系数中最大的，体现了消费对我国就业具有较大的拉动作用，从某种程度上也说明了经济发展对就业的促进作用；我国实际货币供应量每增加1%，会使得城镇就业人数增加0.050563%，这都与实际经济情况相符合。

值得注意的是，城镇单位劳动人员就业总报酬的系数为负值，表明我国城镇单位就业人员劳动报酬总额每增加1%，会使得城镇就业人数减少0.572488%，这是这几个指标中唯一对就业有负向作用的指标，联系我国现阶段的实际情况，由于劳动力是供过于求，工资水平对劳动力需求的抑制作用影响大于对劳动力供给拉动作用，因此也是符合实际的。

（六）虚拟变量

根据图形，模型在1995年有可能有一个节点，为此设立一个虚拟变量：

1，t>=1995（1995年以后）

D1=得到加入虚拟变量以后的模型：

0，t<1995（年以前）

YYt=β1+β2X2t+β3（X2t-6850.0）*D1+β4X3t+β5（X3t-10954.7）*D1+β6X5t+β7（X5t-134610.3）*D1+ut

对上式回归得：

DependentVariable:

YY

Method:

LeastSquares

Date:

01/02/11Time:

12:

45

Sample（adjusted）:

19912008

Includedobservations:

18afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

459.6107

96.97137

4.739653

0.0006

X2

-0.160529

0.482945

-0.332395

0.7458

（X2-6850）*D1

-0.129853

0.494477

-0.262608

0.7977

X3

0.026924

0.275080

0.097876

0.9238

（X3-10954.7）*D1

0.029017

0