您的当前位置:首页正文

就业人数的的影响因素

2020-05-04 来源:年旅网
龙源期刊网 http://www.qikan.com.cn

就业人数的的影响因素

作者:胡彬慧

来源:《中国经贸·下半月》2013年第10期

一、研究背景

就业问题一直是我国极为关注的问题,现今种种情况显示,学历大幅度通货膨胀,大学生在文凭方面已经没有任何竞争优势了。由于劳动力的供需存在很大的缺口,所以应对影响就业的因素作分析,能否从中找到解决就业问题的出口,找到制定经济政策的依据,这也是撰写本文此篇文章的原因。 二、本文特色

过去的大部分文献在讨论就业的影响因素时,考虑的是封闭经济体系,没有考虑出口品对就业的影响,本文加入出口总额作为其中一个解释变量继续探讨影响就业的各种因素。 三、数据选取

本文主要考虑变量国内生产总值,中央财政支出,平均工资水平,出口总额,年末总人口。由于中央财政支出和平均货币工资缺失2012年数据,并且平均货币工资水平1985年前的数据缺失。所以本文主要通过对1985年至2011年的数据进行计量经济分析,探讨相关经济变量对就业人数的影响。 四、初始模型建立与求解

变量设定:Y,x1,x2,x3,x4,x5分别表示就业人员总数(万人),国内生产总值(万人),中央财政支出(元),平均工资水平(亿元),出口总额,单位:元(亿元),年末总人口(万人)。由于数据量纲存在差异,所以建立模型是使用对数线性回归模型。 本文初步用Eviews的OLS 得到的求解结果:

L o g(Y)= -27.61114-0.044514L O G ( X1) -0.058076LOG(X2)-0.070799LOG(X3)+0.044319LOG(X4)+3.4 05493LOG(X5)+Rt

(5.396016)(0.485818)(0.032092)(0.137698)(0.049028)(0.093961) t=-5.116950 -0.473748 -1.184559 -0.514165 1.381003 7.009807 R2=0.970175

龙源期刊网 http://www.qikan.com.cn

五、模型检验及修正 1.结果分析

(1)模型的拟合优度非常好(R=0.970175),F统计量的值在给定显著性水平α=0.05的情况下也较显著;(2)变量除了ln X5均不显著(各自的t统计量的值的绝对值均小于2),说明其他个变量对ln Y的影响不显著,或者变量之间存在多重共线的影响使其t值不显著;(3)lnx1和lnx2与先验符号不一致。 2.计量经济学检验及修正 (1)多重共线性检验与修正 X之间相关系数矩阵:

变量间相关系数很高,通过逐步回归筛选变量后得到的模型为:

Yt=-26.82542+0.192401LOG(X3)+0.060549LOG(X4)+3.334541LOG(X5)+Rt (2)平稳性及协整检验 模型进行单位根检验得到:

其中{log(x5)}是二阶单整所以不能构成协整,并且差分结果缺乏经济意义支撑,不能进行协整检验。

(3)自相关检验和修正

在模型中,DW值为1.244049,对于样本量27,三个解释变量模型,5%显著性水平,查DW检验表得到dl=1.162和du=1.651,该模型处于是否存在自相关无法判断的情况,本文默认为无自相关,无需对自相关进行修正。 六、模型结论和建议 1.模型结论 最终回归方程为:

Yt=-26.82542+0.192401LOG(X3)+0.060549LOG(X4)+3.334541LOG(X5)+Rt t=-5.615358 -6.124940 2.058876 7.864875

龙源期刊网 http://www.qikan.com.cn

R2=0.973902 df=24 2.政策建议

由上述模型可以看出,出口总额和总人口的增长可以为我们创造更多的就业岗位,又由于保持经济的稳定增长和实现充分就业是我们所追求的宏观经济目标,所以我们应关注经济发展的现状以及未来的发展趋势,还要看到我国现今经济增长背后所存在的问题。由于平均工资水平的增加,就业人数是负相关关系,政府在相关政策提高工资水平和降低失业上应注意权衡取舍关系。 参考文献:

[1]中国统计局.中国统计年鉴.中国统计出版社,2011.

[2]游达明 杨晓辉 杨 立 丁 燕:基于多层线性模型的就业影响因素研究[J].统计与决策.2011.02.

[3]赵 利 曹 惠:技术进步影响就业结构的机理与例证.[J]北京工商大学学报,2008.07. [4]钱利珍:实际有效汇率变动对我国就业影响的实证分析[J].厦门大学.2009.04. [5]张建国:必须重视城市和城市建成区的规模——一个影响就业的重要因素[J].宁夏社会科学.2007.01.

因篇幅问题不能全部显示,请点此查看更多更全内容