我国城市人才吸引力评价的定量评估
2018-10-22陈蕾
陈蕾
[摘 要] 基于近两年来我国一些新一线城市和二线城市紧密出台的人才引进政策,选取一些有代表性的城市:西安、武汉、成都、杭州、南京、青岛、长沙、大连,根据经济发展水平、城市规模与环境、文化卫生水平、生活条件和事业前景五个维度,建立了人才吸引力的指标评价体系,并根据统计年鉴等调查数据,运用因子分析法深入分析影响新一线和二线城市人才吸引力的各种因素及其重要性,在因素的影响程度排序中依次由大到小为:生活和文化教育、城市环境与建设、事业平台和经济发展。选取西安市作为实例,评价其人才引进绩效,提出提高人均收入的同时,尽可能的降低城市生活成本等可行性建议。
[关键词] 人才竞争;因子分析模型;城市人才吸引力;定量评估
[中图分类号] C961 [文献标识码] A [文章编号] 1009-6043(2018)08-0043-03
一、引言
近些年,随着经济全球化的发展以及我国人口结构的改变,我国近30个城市开始“人才争夺战”,随着引进人才的政策相继出台,竞争越来越激烈。据资料显示,“全国毕业大学生凭毕业证即可在西安落户”、“各类专业人才引进成都将有30万-50万的激励补贴”、“武汉预计5年内留住100万大学生”、“2017年杭州市人才的净流入率,位居全国城市第一位”……成都截止2018年新落户36万人,近五年来青岛累计引进各类人才60万人,全市人才总量达到180万。通过各种报道我们可以看到落户政策、人才引进补贴金、人才引进专用住房等一列优惠措施加大了人才吸引力度。人才资源作为一个国家最重要的战略资源,综合国力其实就是人才的竞争。一个地区乃至一个国家拥有人才,才拥有了竞争力。人力资源区别其他资源的本质特征就是自主流动性,作为政府,人才的评价和吸引人才的政策力度是必须要解决的两个关键问题。
通过两个不同的层面对我国一些重要城市人才吸引力作出定量评估。第一层面是建立综合评价模型来评价一些重要指标对人才吸引力的影响程度;第二个层面是利用已建立的模型对选取的特定城市与其他城市做对比,分析各显著因素之间的差异和联系,进行人才引进的绩效评价。利用因子分析法,同时利用Matlab软件、SPSS统计软件和Excel软件,对已查找的充分的数据资料进行分析。
二、评价指标体系构建
参考国家统计局对人才标准的划分,此处对人才的界定是指,具有大专及以上学历的人员,以及具有初级以上专业技术职称的人员或在专业技术岗位上工作的人员。
在对各大城市人才吸引力的评价中,由于特大城市和一二线城市在很多指标上不在一个数量级,因此本文选取了一些城市规模相当的一线和新一线城市展开人才吸引模型探讨,共选取八座城市分别是西安、武汉、成都、杭州、南京、青岛、长沙、大连。在指标方面,若选取总量太多,在评价模型时太为复杂,可行性低,若数据太少则评价不够准确,脱离实际性。因此为尽可能客观反映吸引力,我们在遵循建立指标体系的可比性、科学性和系统性的原则之上,参考大量文献,并兼顾总量指标和相对指标,经过层层筛选分析,选取经济发展水平、城市规模与环境、文化卫生水平、生活条件和事业前景这5个二级指标和20个三级指标。指标体系如下所示:
三、基于因子分析的人才吸引力评价分析
因子分析的目的在于将复杂关系的变量,综合为数量较少的几个因子,分析其变量内部相关的依赖程度以及各指标之间的联系与区别。采用因子分析法建立模型,将通过不同的因子对变量的影响程度进行分析,建立客观的评价模型。
(一)统计指标数据指标处理
1.同向化处理
在评价城市人才的指标中,失业率、恩格尔系数和住宅商品房销售价格并不是越高越好,为方便比较,需要对这三个指标进行同向化处理。公式如下:
同向指标=-|原始指标-原始指标的平均值|
2.标准化处理
为了对变量进行比较并消除由于观测量纲的差异及数量级差异所造成的影响,将样本观测数据进行标准化处理,使标准化的变量均值为0,方差为1。其处理方法如下:
3.KMO检验
根据标准化后的数据,利用SPSS23.0统计软件进行KMO和巴特利特检验,以确认所选变量是否适合做因子分析,结果如表1所示:
由上表可知,巴特利特球度检验统计量的观测为682.558,相应的概率p接近0。若显著性水平α为0.05,概率p小于显著性水平α,应拒绝零假设,认为相关系数矩阵与单位阵有显著差异。同时,KMO值为0.610,根据KMO度量标准可知原有变量适合进行因子分析。
4.确定公因子数目、求解旋转后因子载荷矩阵、公因子命名
(1)公因子的确定
由表3特征根知,因子1的特征值λ1=14.417,占方差的72.084%。由图1知,当提取1、2个公因子时,特征值变化非常明显,当提取第5个以后的公因子时,特征值变化比较小,基本趋于平缓。由此说明,提取4个公因子对原变量信息的刻画有显著作用。因此,在这里我们提取4个公共因子,这4个公因子的累计方差达到94.571%,即这4个公因子可以反映原来20个指标的94.571的信息量,可见采用前4个公因子对这8个城市吸引力进行评价是比较合适的。
(2)未轉轴的因子载荷矩阵
表4是初始因子载荷矩阵,由此可写出因子分析模型的如下:
X1=0.832F1-0.101F2+0.347F3+0.134F4
X2=-0.102F1+0.628F2+0.332F3+0.623F4
......
X20=0.998F1+0.030F2+0.078F3-0.053F4
表4中的每个数据表示了相应因子变量对相应原变量的相对重要程度。由于得到的公共因子与各指标的载荷值分布归类比较困难,需要对因子载荷矩阵进行正交旋转,这里运用方差最大正交旋转法,得到旋转后的因子载荷矩阵表(表4)。
(3)转轴后的因子载荷矩阵及公因子命名
根据表5发现,旋转后的因子系数已经明显向两极分化,有了更鲜明的实际意义。因子载荷的绝对值越大,则表明该因子与变量的重叠性越高,在解释因子的时候就越重要。
第一主因子包含建成区绿化覆盖率、恩格尔系数、医院、卫生院个数、供水综合生产能力、普通高等学校等,并且载荷值较大,这些指标反映了城市的生活条件和文化教育水平,故将其命名为生活和文化教育因子。第二主因子包含公共交通运营车辆、建成区道路里程,这些指标都反映了城市的建设水平与城市环境,故将其命名为城市环境与建设因子。第三主因子包含高新科技企业数、专利申请数量和规模以上工业企业数量,该指标反映了城市所提供的事业平台,故将其命名为事业平台因子。第四主因子包含固定资产投资、城镇居民人均可支配收入和人均GDP等,这些指标反映了城市的经济发展水平,故将其命名为经济发展因子。
5.求得因子得分和综合绩效得分
(1)因子得分系数矩阵
采用回归法估计因子得分系数,并输出因子得分系数矩阵。具体结果见表7。
提取方法:主成分分析法。
旋转方法:凯撒正态化最大方差法。
组件得分。
(2)因子得分协方差矩阵
根据因子得分协方差矩阵,它是一个单位矩阵,说明主因子之间是不相关的。因此可以说明通过因子分析得到的主因子所包含的信息是不重复的。
提取方法:主成分分析法。
旋转方法:凯撒正态化最大方差法。
组件得分。
(二)人才吸引力評价结果及分析
由估计出的因子得分,可以量化描述城市人才吸引力水平,利用因子得分可以从不同角度对城市人才吸引力水平进行比较分析。为了便于对各城市进行人才吸引力评价,现利用各城市的因子得分表计算综合得分,吸引力水平的获取是基于总方差分解表中旋转后各因子的方差贡献率及计算所得的城市各因子得分获取的。其计算公式如下:
F=(67.731F1+10.117F2+9.154F3+7.568F4)/94.571
根据各各城市F值的大小进行排序并进行评价,表10给出了本文中8座的综合得分情况和排序。
结合表3至表7分析数据显示,影响人才吸引力的主要因素是生活和文化教育,其次是城市环境与建设,再者是事业平台,最后是经济发展状况。我们可以看出,吸引人才的首先还是一个地区的生活质量和基础设施建设,虽说地区经济发展很重要,但对于个人而言,高收入意味着高消费,人均可支配收入才是衡量收入状况的关键,但这些不及个人生活的质量要求以及子女的教育问题。
根据表8、表10数据显示,在选取的这八座城市中,杭州在生活和文化教育、城市环境与建设、经济发展方面位居第一,长沙在事业平台方面位居第一,南京、武汉、青岛吸引力处于中上位置,长沙、成都、大连处于中下位置,而西安在生活和文化教育、经济发展方面处于最后一位,且综合排名处于最后一位。由人才吸引力这一简单的方面可以反映我国西部和东部的综合实力差异和自然环境造成的优劣。可以说,人才吸引力的评价就是综合实力评价的缩影版。
四、实例分析——对西安市进行人才吸引力评价分析
西安作为全国科技和教育事业最发达的地区之一,无论在拥有高校数量还是毕业生质量方面都位居前列,但是同样高校毕业生流失严重,原因是本地就业机会不足,近几年的人才引进有改善这一方面的劣势,据不完全统计截止2018年5月底,西安市新增迁入人口突破45万人,其中博士以上876人,硕士1.2万人,本科14万人,大专9万多人,人才引进2万人。在“千人计划”、博士后支持项目、留学回国人员资助项目和境外人才智力引进项目中,较有成就。“人才新政+户籍新政+安居新政”的组合拳让西安在近两年的人才争夺战中令人刮目相看。
在本研究中,西安市的城市基础设施建设、城市环境、恩格尔系数、经济发展状况还是处于最末位,医院、卫生院个数、公交车运营车辆、建成区绿化覆盖率都是很重要的参考要素,这一方面的落后极大的影响了人才吸引水平。西安深处西部,自然资源有所限制,加快地区经济发展,结合“一带一路”建设发展机遇,提高固定资产投资,在提高人均收入的同时,尽可能的降低城市生活成本,购房优惠政策也是人才吸引的一个重大举措。
人才引进的建议和意见具体为:加强基础设施建设,提升西安市的生活环境、公共卫生医疗的服务水平。加大社会保障力度,加强公共交通的便利程度,提升人均住房面积,完善人才引进资金补贴和创业基金补助。加快“一带一路”发展进程,在经济发展中找寻机遇,提高软实力的竞争性。完善人才引进政策,购房优惠政策、落户门槛降低、提供更多的个人发展机会。完善人才评价机制,提高工作积极性,促进激励政策。“内留外引”政策,提高西安高校毕业生的留用率,留住本地人才。
五、主要研究结论及局限性
通过以2017年国家统计年鉴、2017年各大城市统计年鉴和各市人力资源和社会保障局官网的相关数据为依据,以杭州在内的八座有代表性的新一线城市和二线城市的人才吸引力为研究对象,构建了包含有20个相关统计指标的综合评价指标体系。
应用因子分析对各个城市的人才吸引力因素进行排序并计算各因素的作用权重,并给出八座城市的人才吸引力综合排名。研究数据表明,人才吸引力呈现出“东部强、西部弱”的态势,在较强的东部,杭州的人才吸引力最为强大,但在近两年来人才吸引力的增长速率不断在下降,原因是受武汉、青岛、长沙、成都等城市的人才引进政策不断冲击,政策优惠力度不断加大,造成各市竞争加剧的局面。在因素的影响程度排序中依次由大到小为:生活和文化教育、城市环境与建设、事业平台和经济发展。
本研究还存在一些局限性,本研究的数据均来源于各类统计年鉴和人力资源和社会保障厅官网,受数据的限制,尚有其他相关重要的测量指标数据未能获取,仅能得到相对条件下的相对结论,使得本研究与现实情况之间出现一些偏差,未来亟需引入一些新的能够容纳更多信息的方法。
[参考文献]
[1]李良成,杨国栋.我国区域人才竞争力评价与分析[J].技术管理与经济研究,2013(1):24-27.
[2]封荔,张超凤.基于熵值法的乐山市人才吸引力评价及提升对策分析[J].经济研究导刊,2013(5):121-124.
[3]孙锐,王通讯,任文硕.我国区域人才强国战略实施评价实证研究[J].科研管理,2011(4):113-119.
[4]万星辰,施杨,秦燕.城市人才吸引力评价指标体系的设计思路[J].产业与科技论坛,2013(12).10:253-254.
[5]国家统计局.中国统计年鉴2017[M].北京:中国统计出版社,2017.
[6]国家统计局,科学技术部.中国科技统计年鉴2017[M].北京:中国统计出版社,2017.
[责任编辑:赵磊]