城镇新增就业人数政府绩效指标分配研究

(成都理工大学 四川 成都 610059)

每年浙江省人社厅会对城镇新增就业人数考核，年初分配城镇新增就业人数的目标任务。杭州市就业管理局需要将浙江省人社厅下达的城镇新增就业人数分解到杭州市各个区县市，作为区县市的目标任务考核。本文综合运用地方政府绩效目标设置的方法和原则，以杭州市辖内区县的城镇新增就业人数指标为例，综合考虑杭州市各区县市不同特点、经济总体、人口规模、吸纳就业企业数量、经济结构、人口流动性，以及其他相关因素，建立科学合理的分配模型，用于每年的任务分解。

一、指标构建

根据宏观经济学中著名的劳动力供给需求模型：劳动力的供给曲线为上升曲线，劳动力需求曲线为下降曲线，二者的交点处决定了就业人数和平均工资。因此本文就业增长的影响因素从劳动力需求和劳动力供给两方面进行考虑。

表31区域就业增长前景影响因素

通过聚类分析，萧山区与其他各区县具有显著差异性。可以认为萧山区具有和其他区县显著不同的区域特征因此应该单独分为一类。下文以除萧山区的另一类地区为例进行预测。

二、模型求解

(一)线性回归建模

尝试在与(k=1，2，…，18)之间建立某种函数关系，这是数学中的拟合问题，一开始本文采用最直接简便的多元线性回归分析方法建立此多元回归模型：

y=b0+b1x1+b2x2+...+bkxk+ε

(二)然后，采用向后逐步回归的方式，去除了影响力不强的自变量，最终得到结果如下：

(三)岭回归和LASSO回归

利用R语言中的岭回归函数进行自动选择岭回归参数

从模型运行结果看，测岭回归参数值为0.0704，各自变量的系数显著提高(除个别自变量)，岭回归的预测中显著的变量与逐步回归最后选定的变量有极大的重合，最后，利用Lasso回归解决共线性问题，得到如下表格:

表1 变量选取顺序

由此可见，LASSO的变量选择依次是：X18、X17、X10、X16、X11、X1、X14、X15、X6、X2、X12、X9、X3、X7、X4、X8、X5、X13。绘出图形如下：

图1 LASSO的变量选择图

利用R语言给出其Cp值：

根据对Cp含义的解释(衡量多重共线性，其值越小越好)，取到第6步，使得Cp值最小，也就是选择X18、X17、X10、X16、X11、X14，这与上文多元线性回归选择的变量正好是吻合的，最后，由岭回归与LASSO结合给出的表达式为：

(四)非线性建模

很多时候因变量与自变量并不是严格的线性关系，于是进一步对18个变量进行曲线拟合，最后选定可拟合变量对应R方值最高的函数形式，给出模型表达式：

最后根据修正公式，绘制真实值和拟合值的表如下

图2 真实值拟合值对比

由图可知，除了个别异常值造成一定的差异，拟合值的趋势和真实值的趋势总体一致，且残差值相对地控制在较小范围之内。因此可以推测利用该回归模型进行估计是比较科学的，于是萧山区处理过程同理。