江苏省三次产业就业需求分析与预测研究

张曰婷

摘要：基于江苏省2000-2017三次产业结构和就业人数统计相关数据，利用成分数据分析方法对其进行降维，结合灰色预测GM（1，1）构建江苏省三次产业结构预测模型和就业需求预测模型，分析产业结构与就业需求之间的关系。经检验，预测模型具有较高的拟合精度，结果表明，产业结构与就业需求存在一定的关系。

Abstract： Based on the statistical data of industrial structure and employment in Jiangsu Province from 2000 to 2017， this paper uses component data analysis method to reduce the dimension of industrial structure and employment demand prediction model in Jiangsu Province， combining grey prediction GM （1，1）， and analyses the relationship between industrial structure and employment demand. The results show that there is a certain relationship between industrial structure and employment demand.

关键词：成分数据;就业需求;灰色模型

Key words： compositional data;employment demand;Grey Model

中图分类号：F224;F249.21                           文献标识码：A                                  文章编号：1006-4311（2019）13-0060-04

0  引言

随着社会经济改革的不断发展与壮大，劳动力就业市场的供求关系发生了较大变化，各次产业间的产业结构和就业需求也发生了一定的变动，现有的劳动力供给状况并不能满足产业发展的需要，就业市场出现了一系列问题，如何把握劳动力市场就业需求趋向、稳定就业，已成为迫切需要解决的问题，产业结构与就业需求的预测具有重要的现实意义。

很多因素都与就业需求存在一定的关联，诸如种族、教育、性别[1]、求职强度[2]等，Wang（2019）运用c-lasso模型，研究美国最低工资水平与就业率的关系[3];秦梦迪（2018）以德国人口普查数据和联邦就业调查数据为基础，研究就业产业空间关系、就业年龄空间关系和就业通勤空间的关系分析方法[4]，而社会资本与人力资本对城镇居民就业质量也会造成一定影响[5][6];王莉（2017）基于协调发展这一视角，分析就业结构转变和城镇化水平之间的关系，并以1979-2014年数据对我国的就业结构与城镇化进行实证分析[7];贺凌基于2013年和2015年全国高校毕业生就业状况调查数据，对高校毕业生的就业落实情况、就业起薪的专业和性别差异进行实证分析[8]。

目前常用的预测方法有二十多种，比如BP神经网络法[9]、多元线性回归预测法[10]、灰色预测模型法[11][12]、ARIAM模型[13]等，除此以外，程昌品（2010）提出了一种基于信息增益比的决策树法对毕业生就业进行预测[14]，Wang（2007）和郭丽娟（2016）分别提出了两种降维法，解决了长期预测组合数据的困难[15][16];雪婧（2016）提出基于灰色系统理论的就业预测模型，并采用非线性映射法将经济下行区间下内蒙古就业结构数据转换为转角数据从而预测[17];李国锋（2009）采用成分数据建模，构建了山东省三次产业就业结构预测模型和偏最小二乘通经分析模型，并对山东省的三次产业结构进行预测分析，分析三次产业就业需求结构与产业投资结构、三次产业产值结构之间的关联关系[18];单良（2018）运用“协调系数”和“标准差椭圆”模型，测度中国产业结构与就业结构协调性的时空演变特征[19]。以上方法为预测就业规模和结构提供了一定的借鉴，因此本文从产业结构预测与就业需求的预测的角度出发，在运用成分数据降维的基础上建立灰色预测模型，分别对三次产业结构和就业需求进行预测，分析结构变化与就业增长的关系，试图从中归纳出一般特征，从而对就业规模和结构进行预测和分析。

2  实证分析

改革开放以来，特别是近些年，随着经济的快递发展，江苏省产业结构发生了巨大变化，在产业结构演变发展的过程中，三次产业相应的劳动力就业构成逐渐由第一产业占优势而变成第二、三产业占优势，江苏省就业总量的增长迅速与产业结构的变化始终有着一定的关系，党和政府历来都高度重视就业工作，从2002年以来，制定出台了一系列政策措施。2009年12月，中央经济工作会议指出：擴大就业是保障和改善民生的头等大事。2010年初，中央提出要把促进就业放在经济社会发展的优先位置。2018年7月国家发展和改革委员会在新闻发布上公布我国上半年就业形势稳中向好，下一步将继续推动“十三五”促进就业规划目标。十九大报告更是明确指出要推动实现更高质量的就业。

2.1 产业结构预测

2017年我国的GDP总量首次突破80亿元的门槛，江苏省以8.59万亿紧追广东省，而人均GDP、综合竞争力和地区发展与民生指数均居全国各省第一，本文采用江苏省2000-2017年三次产业的就业比重的数据来进行建模分析，全部数据来源于江苏省统计局（http：//tj.jiangsu.gov.cn/index.html），见表1。

表1为江苏省2000-2017年三次产业产值比重，江苏省第一、第二、第三产业产值比重由2000年的12.2%、51.9%、35.9%逐步优化，到2017年演变为4.7%、45.0%、50.3%，其中，第一产业产值比重不断下降，第二产业产值比重在2000-2006年略有上升，此后呈下降趋势，在2017年略有上浮，第三产业产值不断呈现不断上升的趋势，从2015年起，第三产业的产值比重最大，首次超过第二产业，实现了产业结构的优化转型。

采用球坐标变换法对原始成分数据进行降维，通过公式（1）和公式（3）将成分数据转化为角度数据，见表2。

2.3 分析结果对比

将产业结构与就业结构的真实值与预测值数据绘制在图1，可以看出产业结构与就业结构之间存在一定的正相关关系，随着第一产业GDP占比的下降，第一产业就业占比大幅度下降，而第二产业GDP占比呈现先上升后下降的趋势，第二产业就业占比呈现缓慢上升，最终趋于平衡，第三产业GDP占比在近几年内呈现迅猛上涨，而就业占比也稳重有增，两者之间的相互调整和演变过程推动了江苏省经济的发展，从2000-2017年中，随着产业结构的不断优化，逐步从第二产业主导向第三产业主导演变，劳动力也逐渐从低效率生产部门向高效率生产部门转化，在2015年时，第三产业GDP占比首次超过第二产业，运用灰色预测模型对2018-2022年的產业结构进行预测，结果表现产业结构最终趋于“三二一”结构。

从1998年起，由于国有企业改革，导致不少员工面临下岗，从第一产业产生的劳动力直接向第二第三产业发展，因此从图上可知，第二第三产业呈现大幅度上涨，随着互联网的发展以及产业结构的变化，第二和第三产业提供了大量的就业岗位，服务业的迅猛发展使得第一产业的规模不断萎缩，预计未来第三产业将超越第二产业，而第一产业的就业占比将继续下降。

3  结论

成分数据在社会、经济、技术等众多领域中都较为普遍，本文针对时间序列的成分数据，利用球坐标变换法对其进行降维，并分别建立产业结构预测模型和就业结构预测模型，用于分析成分数据随时间的变化规律，通过对三次产业结构的发展趋势的实证研究，展望中国产业结构的未来状况，为进一步分析中国产业结构升级对经济增长及就业起到的带动作用。通过分析可知，江苏省第三产业的产值比重和就业比重接近甚至超越第二产业，体现了发展中国家发展到了工业化中期的程度，在未来几年中，江苏省第二、三产业吸纳劳动力的能力仍然不断进步，但是其产业结构发展与现代化产业发展规律的要求还相差的较远，同时与发达国家相比还有一定的差距，基本上符合生产发展规律，验证了基于成分数据的预测模型在建模过程中成功的反映了数据的规律，具有一定的合理性。

虽然建模结果基本上符合发展规律，但预测本身存在的误差无法避免。在实际预测过程中，由于国家的各种政策性因素会对数据造成一定的波动，导致原始数据受到一定的影响，使得预测模型精确度达不到预期的标准。因此只能尽量减少误差，确保预测结果合理性，未来的研究中可以考虑引入滤波变换，剔除各种政策性因素对原始数据的干扰，进一步提高模型的预测精度。

参考文献：

[1]Luciana Cassarino-Perez;Gemma Crous;Anouk Goemans;Carme Montserrat;Jorge Castellà Sarriera.Pathways from care to education and employment： A meta-analysis[J].Children and Youth Services Review， 2018.

[2]Da M V S P， Turban D B . Insight into job search self-regulation： Effects of employment self-efficacy and perceived progress on job search intensity[J]. Journal of Vocational Behavior， 2018， 108：57-66.

[3]Wuyi Wang， Peter C.B. Phillips， et al. The heterogeneous effects of the minimum wage on employment across states[J]， Economics Letters， 2019（174）： 179-185.

[4]秦梦迪，李京生.德国慕尼黑大都市区小城镇就业空间关系研究[J].国际城市规划，2018，33（06）：27-35.

[5]董芳，周江涛.提高就业质量：人力资本与社会资本孰轻孰重[J].经济问题，2019（01）：35-40.

[6]刘莹莹，梁栩凌，张一名.新生代农民工人力资本对其就业质量的影响[J].调研世界，2018（12）：30-35.

[7]王莉，范徐飞.我国就业结构与城镇化协调发展研究[J]. 农村经济，2017（11）：75-80.

[8]贺凌，岳昌君.产业结构转型背景下高校不同专业毕业生就业结果的性别差异——基于2013年和2015年全国高校抽样调查数据的实证研究[J].中国高教研究，2018（07）：60-66.

[9]Nasruddin， Nyayu Aisyah， M.I Alhamid， Bidyut B. Saha， S. Sholahudin， Arnas Lubis，Solar Absorption Chiller Performance Prediction based on the Selection of Principal Component Analysis[J]，Case Studies in Thermal Engineering， 2019， 100391.

[10]Richárd Kicsiny.Black-box model for solar storage tanks based on multiple linear regression[J]. Renewable Energy.2018：857-865.

[11]Zheng-Xin Wang;Qin Li;Ling-Ling Pei.A seasonal GM（1，1） model for forecasting the electricity consumption of the primary economic sectors[J]. Energy， 2018：522-534.

[12]Wang J， Ma X， Wu J， et al. Optimization models based on GM （1， 1） and seasonal fluctuation for electricity demand forecasting[J]. International Journal of Electrical Power & Energy Systems， 2012， 43（1）：109-117.

[13]王先述.基于Cramer法則和ARMA模型的我国高校毕业生就业预测[J].统计与决策，2010，2010（22）：97-99.

[14]程昌品，陈强.基于信息增益比的决策树用于毕业生就业预测[J].计算机仿真，2010，27（2）：299-302.

[15]Wang H ， Liu Q ， Mok H M K ， et al. A hyperspherical transformation forecasting model for compositional data[J]. European Journal of Operational Research， 2007， 179（2）： 459-468.

[16]郭丽娟，王惠文，关蓉.基于等距logratio变换的成分数据判别分析方法[J].系统工程，2016（2）：153-158.

[17]雪婧.经济下行区间下内蒙古就业预测模型仿真分析[J]. 计算机仿真，2016，33（10）：174-177.

[18]李国锋，刘黎明，陈绪根.山东省三次产业就业需求结构分析与预测研究[J].数理统计与管理，2009（3）：386-394.

[19]单良，张涛.中国产业结构与就业结构协调性时空演变研究[J].中国人口科学，2018（2）：39-49.