计量经济学实验报告影响就业的因素分析.docx
《计量经济学实验报告影响就业的因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学实验报告影响就业的因素分析.docx（18页珍藏版）》请在冰豆网上搜索。
计量经济学实验报告影响就业的因素分析
影响中国就业的因素分析
【摘要】本文主要目的是研究生产规模、人力资本和经济结构对就业的影响，通过对1980—2011年我国国内生产总值、社会固定资产投资规模、恩格尔系数
与就业人员的数值进行计量经济分析，把四者的关系数量化。
最后，针对当前情况，提出几点能够解决劳动力就业，缓解就业压力的建议。
一、引言
我国是一个人口大国，具有极其丰富的劳动力资源，同时也是世界上就业压力最大的国家，仅仅每年由于人口因素新的劳动力增量就是1000万，这还不包括巨大的劳动力存量：
下岗、失业和农村的剩余劳动力。
就业问题一直以来都是国家经济发展过程中重点关注的问题，2008年国际金融危机不可避免地带来了我国的就业危机，2008年和2009年城镇登记失业率分别为4．2％和4．3％，是2005年后近几年的新高。
长期以来，我国劳动力市场就存在严重的供求矛盾。
尹庆双和奉莹提出：
一方面，我国就业矛盾的存在先于金融危机的发生，属于长期积累的问题，并不是金融危机造成的；另一方面，金融危机像一道催化剂，加剧了我国的就业矛盾，使其在金融危机中更加突显出来，并表现出巨大的结构性矛盾。
因此，可以确定的是在未来的很长一段时期内，就业问题无疑是政府面临的首要目标。
就业是民生之本，是社会稳定的基础。
随着科技的进步和资本有机构成的提高，经济增长对就业的拉动力逐步减弱，增加就业已成为摆在世界各国政府面前的一道难题。
特别是处于转型期的我国而言，扩大就业更是当前社会关注的热点。
数据表明，我国经济增长创造就业的能力下降，明显的标志是就业弹性下降：
二十世纪八十年代我国ＧＤＰ年均增长率为9.3%，就业增长率为3.0%，就业弹性系数为0.322，在九十年代前期ＧＤＰ年均增长率为12%，就业增长率为1.2%,就业增长弹性系数为0.1，二十世纪末我国ＧＤＰ年均增长率为8.3%，就业增长率为0.9%，就业弹性系数为0.1，经济增长与扩大就业之间的联系被大大削弱。
原因何在?
本文将利用经济学的相关原理及数量分析工具对就业的相关促进因素作一些探讨。
通过考察就业形势及相关因素的现状，提出相应的政策建议。
二、关于就业的相关理论
1、柯布—道格拉斯产出模型：
根据柯布—道格拉斯生产理论，产出的增长主要取决于投入的增长和技术的进步。
产出函数Ｙ=ＡＫαＬβ表明产出的增长必须有总要素生产率的提高，投入资本的增加或劳动力的增加。
根据单一要素增加，边际产品递减的规律，产出函数中任意要素的单独增长都不可能使产出持续增长。
因此就业的增加不仅与资本投入相关，而且还与劳动者的质量，即人们的生活水平相关。
2、达尔·尼夫的知识经济理论：
达尔·尼夫认为：
“国内的增长不是由于市场份额的扩大和加强而引起的，而是通过引入创造新市场的全新技术或提供解决问题的服务而实现的。
创造这些技术和服务所需要的知识技能,不论是在个人、组织还是国家水平上，日益成为经济增长和繁荣的关键”。
随着国际经济一体化，世界经济结构在调整，二十世纪九十年代，一个显著的变化是以物品为基础的增长明显地转向高技能、高技术和以服务为基础的增长。
高技能服务对ＧＮＰ的贡献率正在增长。
3、罗默内生模型：
罗默1990年提出的内生模型是Ｑ=ＨαＬβ∑Ｘｉ1-α-β，Ｘｉ为耐用资本设备，ｉ为设备编号，Ｈ是致力于最终产品的人力资本、Ｌ是劳动力。
这里，罗默提出了人力资本变量和固定资本变量。
三、模型设定：
研究影响就业的因素，需要考虑以下几个方面：
1、对就业情况常用就业人数去衡量，所以选用“就业人数”作为被解释变量去衡量就业情况。
2、数据性质的选择。
针对我国实际情况，决定采用时间序列数据进行分析。
3、影响因素的分析
（1）从国家统计局统计的资料来看，随着我国生产规模的不断扩大，就业人数也是随之不断增加的。
生产规模对就业存在影响。
因此，将“生产规模”作为模型的解释变量，用国内生产总值来表示。
国内生产总值GDP是核算体系中一个重要的综合性统计指标，也是中国新国民经济核算体系中的核心指标。
它反映一国（或地区）的经济实力和生产规模。
一个国家或地区的经济究竟处于增长抑或衰退阶段，从这个数字的变化便可以观察到。
一般而言，当GDP的增长数字处于正数时，即显示该地区经济处于扩张阶段；反之，如果处于负数，即表示该地区的经济进入衰退时期了。
所以可以用国内生产总值来表示生产规模。
（2）国家统计局统计的资料来看，随着我国人力资本投资不断增加，就业人数也是随之不断增加的。
人力资本对就业存在影响。
因此，将“人力资本”作为模型的解释变量，用恩格尔系数来表示。
恩格尔系数表示一个家庭中食品消费支出占总消费支出的比重，恩格尔系数越高表示用于食品的支出越多，在家庭收入一定的情况下，相应的用于教育的支出就越少。
根据舒尔茨的理论，学者认为人力资本存量随着受教育年限的增加而增加。
所以可以用恩格尔系数来衡量人力资本。
恩格尔系数=（城镇恩格尔系数+农村恩格尔系数）/2
（3）国家统计局统计的资料来看，随着我国经济结构的不断优化，就业人数也是随之不断增加的。
经济结构对就业存在影响。
因此，将“经济结构”作为模型的解释变量，用社会固定资产投资表示。
固定资产投资是社会固定资产再生产的主要手段。
固定资产投资额是以货币表现的建造和购置固定资产活动的工作量，它是反映固定资产投资规模、速度、比例关系和使用方向的综合性指标。
经济结构从一定社会生产关系的总和来考察，主要通过不同的生产资料所有制经济成分的比重和构成来表现。
固定资产投资是经济成分的重要组成部分，因此可以用固定资产投资来表示经济结构。
（4）虚拟变量：
从就业人数与时间的关系图中可以看出在1989年出现了明显的拐点。
因此引入虚拟变量D1,以1989年的转折点作为依据，并且采用加法模型。
1985年5月27日我国政府颁布《中共中央关于教育体制改革的决定》指出，国家计划内学生的毕业分配，实行在国家计划指导下，由本人选报志愿、学校推荐、用人单位择优录用的制度。
这是对以往毕业生分配制度的突破，为日后进一步深化改革并逐步过渡到“自主择业”的毕业生就业制度奠定了基础。
1989年3月，国务院批转了原国家教委提出的《高等学校毕业生分配制度改革方案》，明确提出了在过渡阶段实行以学校为主导向社会推荐就业，毕业生和用人单位在一定范围内双向选择的办法。
这种转变使得就业人数增加。
根据以上理论分析，把模型设定为：
LnL=C+C1Ln（G）+C2Ln（E）+C3Ln（T）+U
其中：
L代表就业，用就业人数表示；G代表生产规模，用国内生产总值表示；E代表人力资本，用恩格尔系数表示；T代表经济结构，用社会固定资产投资规模表示。
四、数据来源：
《中国统计年鉴》2013年选取从1978到2011年中全国的就业人数、ＧＤＰ值、恩格尔系数（取城镇和农村的加权值）、社会固定资产投资。
数据如下：
Obs
年份
L
（万人）
G
（亿元）
E
（%）
T
（亿元）
1980
42361.00
4545.62
59.3
910.90
1981
43725.00
4891.56
58.3
961.00
1982
45295.00
5323.35
59.7
1230.40
1983
46436.00
5962.65
59.3
1430.10
1984
48197.00
7208.05
58.6
1832.90
1985
49873.00
9016.04
55.6
2543.20
1986
51282.00
10275.18
54.4
3120.60
1987
52783.00
12058.62
54.7
3791.70
1988
54334.00
15042.82
52.7
4753.80
1989
55329.00
16992.32
54.7
4410.40
1990
64749.00
18667.82
56.5
4517.00
1991
65491.00
21781.50
55.7
5594.50
1992
66152.00
26923.48
55.3
8080.10
1993
66808.00
35333.92
54.2
13072.30
1994
67455.00
48197.86
54.5
17042.10
1995
68065.00
60793.73
54.4
20019.30
1996
68950.00
71176.59
52.6
22913.50
1997
69820.00
78973.03
50.9
24941.10
1998
70637.00
84402.28
49.1
28406.20
1999
71394.00
89677.05
47.4
29854.70
2000
72085.00
99214.55
44.3
32917.70
2001
72797.00
109655.17
43.0
37213.50
2002
73280.00
120332.69
42.0
43499.90
2003
73736.00
135822.76
41.4
55566.61
2004
74264.00
159878.34
42.5
70477.43
2005
74647.00
184937.37
41.1
88773.61
2006
74978.00
216314.43
39.4
109998.16
2007
75321.00
265810.31
39.7
137323.94
2008
75564.00
314045.43
40.8
172828.40
2009
75828.00
340902.81
38.8
224598.77
2010
76105.00
401512.80
38.4
251683.77
2011
76420.00
473104.05
38.3
311485.13
五、模型的估计与调整
1.Y、X1、X2、X3的散点图
从散点图可以看出y和x1x3不是线性关系，所以对yx1x3分别取对数。
2.从y随时间的变化图，结合我国就业政策的变化，我们可以看出1989年前后我国就业人数出现了明显的转折，为了分析就业与其影响因素在1989年前后的数量关系，引入虚拟变量D1，而1989年的就业人数为55329万人。
据此，我们设定了入以加法和乘法两种方式同时引入虚拟变量的模型：
LnY=C+C1LnX1+C2（LNX1-9.740516756256051）*D1+c3X2+c4LnX3+U
其中D1=1,1989年及以前
2，1990年以后
3.对加入虚拟变量的lnylnx1x2lnx3进行回归分析，结果如下：
DependentVariable:
LNY
Method:
LeastSquares
Date:
12/21/13Time:
20:
26
Sample:
19802011
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
7.737399
0.228516
33.85927
0.0000
LNX1
0.439785
0.049305
8.919732
0.0000
（LNX1-9.740516756256051）*D1
-0.166082
0.022144
-7.499942
0.0000
X2
0.003278
0.002359
1.389548
0.1760
LNX3
-0.141167
0.042794
-3.298755
0.0027
R-squared
0.978958
Meandependentvar
11.05766
AdjustedR-squared
0.975841
S.D.dependentvar
0.191884
S.E.ofregression
0.029825
Akaikeinfocriterion
-4.044356
Sumsquaredresid
0.024017
Schwarzcriterion
-3.815334
Loglikelihood
69.70969
Hannan-Quinncriter.
-3.968442
F-statistic
314.0434
Durbin-Watsonstat
1.112928
Prob（F-statistic）
0.000000
LnY=7.737399+0.439785LnX1-0.166082（LNX1-9.740516756256051）*D1+0.003278X2-0.141167LnX3
t=（33.85927）（8.919732）（-7.499942）（1.389548）（-3.298755）
R^2=0.978958修正后的R^2=0.975841
经济学意义检验。
从回归结果看出，x2所代表的恩格尔系数，恩格尔系数越低，人力资本投资越大，就业就越高，所以x2与就业成负相关，另外x3是生产规模，生产规模越大就业越高，与就业成正相关。
所以x2、x3经济学意义检验不过关，应排除。
4.排除x2x3以后的回归结果如下：
DependentVariable:
LNY
Method:
LeastSquares
Date:
12/21/13Time:
20:
39
Sample:
19802011
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
8.312074
0.175974
47.23458
0.0000
LNX1
0.278006
0.019019
14.61715
0.0000
（LNX1-9.740516756256051）*D1
-0.197778
0.023883
-8.281213
0.0000
R-squared
0.966653
Meandependentvar
11.05766
AdjustedR-squared
0.964353
S.D.dependentvar
0.191884
S.E.ofregression
0.036229
Akaikeinfocriterion
-3.708880
Sumsquaredresid
0.038063
Schwarzcriterion
-3.571468
Loglikelihood
62.34208
Hannan-Quinncriter.
-3.663332
F-statistic
420.3182
Durbin-Watsonstat
0.697811
Prob（F-statistic）
0.000000
5.异方差检验：
HeteroskedasticityTest:
White
F-statistic
14.22613
Prob.F（4,27）
0.0000
Obs*R-squared
21.70258
Prob.Chi-Square（4）
0.0002
ScaledexplainedSS
25.91522
Prob.Chi-Square（4）
0.0000
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/21/13Time:
20:
52
Sample:
19802011
Includedobservations:
32
Collineartestregressorsdroppedfromspecification
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.347131
0.182937
1.897543
0.0685
LNX1
-0.080339
0.040229
-1.997065
0.0560
LNX1^2
0.004649
0.002206
2.107490
0.0445
LNX1*（（LNX1-9.740516756256051）*D1）
-0.003246
0.002139
-1.517397
0.1408
（LNX1-9.740516756256051）*D1
0.015622
0.017966
0.869544
0.3922
R-squared
0.678206
Meandependentvar
0.001189
AdjustedR-squared
0.630532
S.D.dependentvar
0.002061
S.E.ofregression
0.001253
Akaikeinfocriterion
-10.38455
Sumsquaredresid
4.24E-05
Schwarzcriterion
-10.15553
Loglikelihood
171.1529
Hannan-Quinncriter.
-10.30864
F-statistic
14.22613
Durbin-Watsonstat
1.335466
Prob（F-statistic）
0.000002
由上表可以看到nR2=21.70258，由White检验知，nR2>5.9915（查表），所以拒绝原假设，不拒绝备择假设，存在异方差。
6.异方差的修正：
当w1=1/lnx1时R2=0.968771
当w2=1/l（nx1）2时R2=0.969492
当w3=1/sqr（lnx1）时R2=0.967903
当权数为1/l（nx1）2时效果最好，修正后的模型为：
LNY=8.4568+0.2616LNX1-0.1720（LNX1-9.740516756256051）*D1
SE=（0.1463）（0.0161）（0.0222）
T=（57.8036）（16.2670）（-7.7450）
R2=0.9695F=460.7851DW=0.7812
7.自相关检验：
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
8.456764
0.146302
57.80356
0.0000
LNX1
0.261649
0.016085
16.26691
0.0000
（LNX1-9.740516756256051）*D1
-0.171977
0.022205
-7.744913
0.0000
WeightedStatistics
R-squared
0.969492
Meandependentvar
11.00624
AdjustedR-squared
0.967388
S.D.dependentvar
2.900921
S.E.ofregression
0.038848
Akaikeinfocriterion
-3.569239
Sumsquaredresid
0.043767
Schwarzcriterion
-3.431827
Loglikelihood
60.10783
Hannan-Quinncriter.
-3.523691
F-statistic
460.7851
Durbin-Watsonstat
0.781240
Prob（F-statistic）
0.000000
由上表可得DW=0.78128.自相关修正：
Et=0.6937et-1,对原模型就行广义差分，得到广义差分方程
LNYt—0.6937LNYt-1=β1（1-0.6937）+β2（LNXt—0.6937LNXt-1）+vt
对上式的广义差分方程就行回归，得到结果如下：
DependentVariable:
LNY-0.6937*LNY（-1）
Method:
LeastSquares
Date:
12/21/13Time:
23:
04
Sample（adjusted）:
19812011
Includedobservations:
31afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3.067328
0.043071
71.21546
0.0000
LNX1-0.6937*LNX1（-1）
0.098341
0.012480
7.880030
0.0000
R-squared
0.681651
Meandependentvar
3.404152
AdjustedR-squared
0.670673
S.D.dependentvar
0.051406
S.E.ofregression
0.029500
Akaikeinfocriterion
-4.146492
Sumsquaredresid
0.025238
Schwarzcriterion
-4.053977
Loglikelihood
66.27063
Hann
升级会员 