城市科技竞争力视角下浙江省就业对策研究

辛金国，关建清

(杭州电子科技大学经济学院，浙江杭州310018)

0 引言

科技与就业一直是政府重点关注并力求解决的问题。在对城市科技竞争力的研究中，国外的相关专家学者利用SEM模型从给定基金投入的产出、成果和影响、受助企业的R＆D环境及基金组织的外部评价三个方面对韩国科技促进基金收入方面进行了评价［1］。国际比较方面，相关学者对美国和日本制造业研发投入的比较研究分析表明。研发投入和专利被引用次数将很大程度的影响经济增长水平［2］。国内研究方面，在对副省级城市［3］，以及区域中心城市科技竞争力评价研究中［4］，利用科技投入、科技产出、科技与经济社会协调发展和科技潜力四个以及指标建立评价城市科技竞争力的指标体系。另外一部分学者在对深圳市的城市科技竞争力评价研究中，利用科技产出力，科技支撑力两个一级指标，16个二级指标，运用主观赋权重方法，对全国15个副省级城市科技竞争力做了排名，并给出了再两个一级指标科技产出力和科技支撑力下的15个副省级城市的排名，通过比较分析，得出了提高深圳市城市科技竞争力的政策建议［5］。本文在前人研究的基础上，结合专家意见，建立了全面反映浙江省11个地级市城市科技竞争力的评价指标体系，利用数据挖掘软件Clementine建立关于城市就业率的BP神经网络模型，从宏观角度对城市科技竞争力对就业率的影响进行探讨，为浙江省从科技角度提高城市的就业率提供意见参考。

1 相关理论研究

城市科技竞争力是在一定社会经济文化背景下，一定的政策体制环境下，由经济、科技、文化等诸多要素形成的一个动态的有机统一体。自2008、2009年国际金融危机对浙江省经济形势严重冲击后，当前，浙江省就业形势基本上稳定。但是也应该看到，2008到2009年的金融危机中，大量关停倒闭的企业里，很大一部分是以初级加工生产为主、科技含量水平低的企业;而大量失业的基本上都是低技术含量的劳动者。当前，随着科技的日益进步，产业结构的不断调整，科技对企业(尤其是民营企业)的生存和发展以及城市就业水平的影响也越来越大。因此，在城市科技实力日益进步的背景下，城市就业率如何变化，如何保证就业率的稳步增长，就成为需要认真考虑和研究的问题。

城市科技进步会对就业率的增长产生正、负两种效应。科技进步对就业影响的负效应主要体现在部分行业受能源效率的改善和落后产能调整的影响减少就业。具体来讲，一方面由于技术进步带来的生产效率的提高，将摧毁一部分技术水平落后行业的劳动岗位，导致就业需求减少;另一方面，科技进步带来的低碳化技术必然会限制如钢铁，水泥，火电，重化工行业的发展，随着高能耗，高污染企业的关停和整顿，必然会导致一些低技术含量的劳动者的结构性失业。

科技进步对就业影响的正效应。一般来说，科技进步会拉长产业链，伴随着产业链的拉长，会催生新的行业，增加就业岗位。产业链的拉长一般表现在两方面，一方面为第三产业向第一产业和第二产业的延伸和渗透，如第三产业生产性服务业向产品的前期研发，中期包装设计，后期的维护和信息反馈等，产业链的渗透就意味着就业岗位的增加。另一方面，产业链的拉长还表现为三大产业内部相关联的产业通过融合提高综合竞争力，适应市场需求的新兴产业不尽会提高就业的数量，还能提高就业质量。

2 城市科技竞争力和就业率的实证分析研究

2.1 指标的选取

本文参考以往研究文献，结合浙江省每年公布的各地市科技进步统计监测报告和专家意见，建立了科技投入、科技产出、科技与社会协调发展和科技潜力为4个一级指标，相应38个二级指标，全面反映浙江省城市科技竞争力的评价指标体系。输出指标为浙江省11个地级市的就业率。指标数据都是基于浙江省11个地级市市辖区数据，不包含其行政管辖内的农村等地区。其中就业率是根据市区从业人员/年末市区总人口得出，市区从业人员不包括城镇私营和个体从业从业人员。数据来源于浙江省2011科技统计年鉴，浙江省11个地级市2011年统计公报，浙江省2010各地市科技进步统计监测报告及中国经济信息网数据库。

由于各指标数据量纲不统一，为了实现数据的无量纲化，根据以下公式:

对所有的指标变量进行归一化处理。

2.2 实证模型分析:

根据所建立的指标体系，利用数据挖掘软件Clementine建立关于就业率的BP神经网络模型，模型结构如表1所示:

表1 BP神经网络模型模型结构

由表1可知，模型具有很好的预测效果，预测精度达到98.987%，具有两个隐藏层。

模型分析评价如表2所示:

表2中的MYMN－就业率是模型对输出标量就业率的预测值。由表2可知，无论是训练样本集还是测试样本集，BP神经网络模型预测的绝对平均误差和标准差都控制在了1%以内，且测试样本集小于训练样本集;城市科技综合竞争力实际值和预测值之间的相关关系分别为0.948和0.984。测试样本集大于训练样本集。模型通过了测试样本集检验。预测效果非常好，可信度很高。

表2 比较MYMN－就业率与就业率

2.3 变量重要性分析

变量重要性分析是指输入变量对输出变量的解释程度，变量重要性越大，说明输入指标变量对输出变量的影响程度越大。模型分析中对就业率影响最大的前10位指标如表3所示:

表3 影响就业率的指标变量

由表3可以看出，在影响就业率的前10名指标变量中，有5个科技投入指标，1个科技产出指标，但是其对就业率的影响最大，位居第一位。3个科技潜力指标和1个科技与社会协调发展指标。

3 结束语

变量重要性分析表明，浙江省提高城市就业率，要做到以下几点:

首先加大城市科技建设的人力财力投入。一方面科技建设人力资源的投入可以解决部分高端人才的就业问题;另一方面科技的大量财力物力投入，伴随着基础设施的建设，仪器设备的需求，相关咨询服务行业的配合等，必将带来经济的增长和就业岗位的增加。

其次，加强城市的教育事业建设，尤其是高等教育的建设，高等教育建设是城市文化建设的重要组成部分，高等学府是一个城市科研创新、技术发明、人才培养的重要聚集地，引进高等教育人才，留住人才，必然会对城市的科技与经济建设带来强大的推动力，提高城市的经济文化建设水平，进而推动城市就业率的增长。

再次，关注城市的生态水平，加强生态科技的建设和发展，营造良好的居住环境。现代社会企业对城市生态水平的关注程度越来越高，企业更倾向于落户生态环境良好的城市，越多的企业进入，越多的工作岗位空缺，最终拉动城市就业率的增长。

最后，科技成果的成功应用，工业水平的改革创新对就业有着不可忽视的影响。随着城市科技水平的日益发展，技术水平的不断创新，城市产业结构的不断调整，必将对城市就业造成严重的冲击。前文提高，科技成果的运用对城市的就业率是把双刃剑，不过从浙江省整体水平上来看，城市科技竞争力的提升有利于城市就业率的提高。

［1］Sohn，Yong Gyujoo，Hong Kyuhan.Structural equation model for the evaluation of national funding on R＆D Project of SMEs in consideration wih MBNQA criteria［J］.Evaluation and Program Planning，2007，(1):10 －20.

［2］Branstetter，Yoshiaki，Ogura.Is academic science driving a surge in Industrial innovation?Evidence from Patent citations［J］.NBER working PaPer，2005，(8):3 －55.

［3］倪芝青，林晔，沈悦林.18城市科技竞争力评价研究［J］.中国科技论坛，2008，(7):92－96.

［4］吴之华.区域中心城市科技竞争力的评价研究［D］.秦皇岛:燕山大学，2011:21－27.

［5］陈秀珍.城市科技竞争力评价体系研究—以深圳市为例［J］.开放导报，2011，(2):76－80.

［6］谭永生.经济低碳化对中长期就业的影响及对策研究［J］.中国人口·资源与环境，2010，(12):76－80.