APP下载

基于Logit模型的我国各省市就业率预测研究

2016-06-12艾昕

中国市场 2016年20期
关键词:Logit模型就业率

艾昕

[摘要]就业率问题是民生问题,提高就业率有助于经济持续、健康地发展,同时,就业率的提高可以确保国家社会的安全和稳定。我国当前面临巨大的就业压力,失业、下岗等问题已经成为社会的焦点,这就需要对影响就业率的因素进行归纳和深入分析。文章采取Logit回归分析法研究影响中国各省市就业率增长的因素,通过确定因变量、选取解释变量、检验变量间多元共线性、构建模型,并利用SPSS20.0进行模型分析与检验,得出较显著的影响因素,最后根据Logit模型得出的结论给出提高就业率的相关建议。

[关键词]就业率;Logit模型;就业率影响因素

1Logit模型的构建与分析

Logit回归分析法是一种多变量分析法,模型的原理是利用多个自变量估计因变量的logit回归方程来对因变量进行预测,主要用于研究或预测某种现象发生的概率。

在经济模型中,选取的大多数自变量所反映的不是数量,而是某种性质或属性,这种变量我们称为虚拟变量,一般规定当该变量值取 1 时,表示存在某种性质或属性,取 0 时则表示不存在。

在Logit模型中,就业率增长情况被看作是一个虚拟变量问题,并且规定当变量值取1时,表示该省市的就业率相比上季度上升;当变量值取0时,表示该省市的就业率相比上季度下降。研究中一般取0.5作为各省市就业率增长情况的临界值,将样本带入得到的P大于0.5时,判断该省市就业率上升,反之,就业率下降。

Logit模型假设因变量发生的概率与其各影响因素之间呈现如下非线性关系:

2样本的选取原则

2.1样本数据时间的确定

研究数据来源于Wind数据库、中国统计局官网等权威数据库,本文选取2012年6月至2014年6月间的九个季度数据作为训练样本,包含279组数据,用于构建Logit回归分析模型,并选取2014年9月至2014年12月的两个季度数据作为预测样本,包含61组数据,用于检测所建模型的有效性。

2.2样本因变量的选取

为保证样本的全面性与真实性,本文选取我国31个省市(包括4个直辖市,分别为北京市、天津市、上海市和重庆市)的就业率增长情况作为因变量。我们将所选的340组样本分成了两组,就业率增长的为一组,赋值为1;就业率下降的为一组,赋值为0,其中,训练样本中赋值为1的数据有190组,赋值为0的数据有89组;预测样本中赋值为1的数据有40组,赋值为0的数据有21组。

2.3样本解释变量的选取

2.3.1CPI的累计同比(x1)

目前,劳动力供大于求的现状日益严峻,主动和非自发性失业严重等经济现象在目前物价上升的现实带动下,加剧了社会总需求的不足,进而影响社会总供给和社会再生产,同时,物价不断的上涨,加重了失业个人和家庭的心理负担,进而影响整个社会的稳定与发展。所以,明晰CPI对就业率的影响程度将有利于各省市实现稳定就业率的目标。

2.3.2高校数量(x2)

拥有较多高校的省市,将有更大的信息优势、资金优势和人才优势来发展第三产业。一方面,通过建立高新技术开发区、科技园等高科技专区将产生集群效应,在提高大学吸引力的同时提升了本省的就业环境;另一方面,大学生创业是解决就业的重要途径,高校对大学生创业理论与实践的教育以及高校所在地出台的促进大学生就业的相关政策对于大学生充分就业极为有效。

2.3.3GDP累计同比(x3)

就业和经济增长紧密联系,当经济繁荣时将增加对劳动力的需求;反之,当经济衰退时将减少对劳动力的需求,增加失业并减少劳动者报酬。

从历史数据看,我国经济与就业出现明显的不一致,出现“高增长、低就业”的现象。目前,我国处于经济增速换挡期,更应当着眼于经济发展和促进就业的良性互动,提高就业弹性,对经济结构不断优化,缩小贫富差距,继续保持中高速的经济增长。

2.3.4城镇单位就业人员工资总额累计同比(x4)

我国大学生逐步成为城镇单位就业主力军,但其期望工资与社会平均工资相比高出了正常水平,我国高等教育个人负担成本过高是造成这一现象的主要原因,其中包括高等教育收费过高、我国高等教育资本市场不完善等方面。同时,外来劳动力加剧了就业市场的竞争,但这种竞争主要是先后进入的外来劳动力之间的内部竞争,本地劳动力由于存在与外来劳动力之间的不完全替代性,使其在提高劳动率的同时对期望工资有了更高的要求。所以,工资水平高的省市对大学生和外地、本地劳动力均有更高的吸引力。

2.3.5社会服务经费(事业费)实际支出:累计值(x5)

正如经济发展需要与社会发展相协调,促进就业同样也需要与社会保障体系发展相协调。在就业压力相对较小的情况下,应加快建立完善的覆盖整个劳动力市场的社会保障体系,扩大社会保障的范围、适当提高保障水平;在就业压力较大时,首先要积极扩大就业,并通过适度的社会保障来促进就业,且以不妨碍就业为前提。各地方政府应注重本省市社会保障工作的科学性与全面性,形成自身的差异化优势吸引劳动力。

3各省市就业率增长情况的实证分析

3.1多元共线性分析

在进行Logit回归分析之前,首先要对自变量进行筛选。因为当变量之间存在严重的多元共线性时,容易使回归系数标准差产生偏差,从而使模型失效。

利用SPSS20.0工具多元共线性分析的检测结果见表1。

当检验结果中的VIF值大于等于10时,就说明自变量xi与其余自变量之间存在严重的多元共线性,由表1可知,本文所选取的变量间所对应的方差扩大因子VIF均小于10,可选用这5个自变量作为建立Logit模型的指标。

3.2模型拟合度检验

使用x1、x2、x3、x4、x5五个变量进行建模,得到表2并分析结果。

从表2中可以看出系统对模型的最初赋值方式,最开始仅对常数项赋值,结果为B=1.212,标准误差为S.E.=0.142,df=1,Sig=0.000,Exp(B)=3.359,P=0.000,达到了显著水平。

由表3可知,自由度为5,显著水平为0.05的卡方临界值为11.070,在对该模型的显著性检验中,χ2=23.982>11.070,df=5,并且相应的Sig.值小于0.05,因此在显著性水平为0.05的情况下,均通过检验。

由表4可知,检验结果仍然以卡方分布为标准,这里自由度为8,所以得出卡方临界值为15.507,χ2=13.307小于临界值,Sig.=0.087大于0.05,由此可知,Hosmer 和 Lemeshow 检验通过,模型能较好地预测结果。

3.3模型回归结果分析

由表5可知,除CPI累计同比x1的显著性水平为-0.296,影响系数为负以外,其余变量的影响系数均为正,其中高校数量x2的显著性水平为0.005,GDP累计同比x3的显著性水平为0.332,城镇单位就业人员工资总额累计同比x4的显著性水平为0.062,社会服务经费事业费实际支出累计值x5的显著性水平为0.003,都与假设一致。

3.4模型有效性检验与预测分析

由表6可知,Logit回归对就业率增长的省市预测正确率为78.1%,对就业率减少的省市预测正确率为84.4%,总体预测正确率为81.3%。将样本数据带入式(5)中,就可以计算得到各省就业实现增长的概率P。经计算得知,预测样本中的61组数据中,有12组数据的判别结果与虚拟变量值不同,所以得出该模型的预测准确率为80.3%。

4提高就业率的建议

4.1政府要控制合理的工资增长机制

工资水平增长较快,尤其是超过劳动生产率和物价增长速度,将带来两个问题:一是增加企业负担,削弱产品国际竞争力,从而减少就业量;二是超发的工资会带来通货膨胀的问题,影响经济健康发展,长期看也会减少就业。所以,对工资水平的增长,政府应采取审慎稳妥的态度,同时引导市场力量发挥作用,促进就业平稳增长。

4.2调节产业结构,大力发展第三产业

随着经济的不断发展和国际竞争的加剧,进一步优化产业结构,促进第三产业的发展,把发展的重点放在与科技进步相关的新兴行业上变得尤为重要。政府可通过财税政策措施,提高第三产业的产值份额和劳动就业比重,从而提高经济增长的就业弹性,同时,加大对中小企业的扶持力度,协调地区经济发展,减少结构性失业。

4.3高校进行教育改革,培养应用型人才

高校改革应将人才培养与人才市场需求相结合,充分考虑当前的社会需要和国家长远发展的人才需求。同时,学校应该积极调整专业结构和课程设置,增加课程的弹性,培养应用型、复合型的人才,以缓和用人单位与大学生就业之间的矛盾冲突,使得大学生在不断增强自身综合素质的同时,更加切合用人单位的实际需求。

参考文献:

[1]程华.GDP就业承载力研究[D].太原:山西财经大学,2011.

[2]刘春梅.经济增长视角下我国城镇职工工资与就业的动态效应分析[J].商业研究,2013(8).

[3]孙琳.基于Logit模型的中小企业信用风险评估[D].济南:山东财经大学,2013.

[4]崔志颖.中国大学生就业与经济增长关系的研究[D].济南:山东大学,2009.

猜你喜欢

Logit模型就业率
2017届毕业生就业率高职高专超本科
农民工犯罪倾向的影响因素分析
我国上市公司并购融资偏好实证研究
基于Logit模型的上市公司财务预警分析
数据
就业率公布有高也应有低
日本应届高中生就业率71.1%就业形势改善