基于GM（1，N）模型的技术技能型人才需求预测与分析

马维旻　邱小群　杨裕　张衡

摘  要：本文在对近几年珠海市软件和信息服务业产业发展和人力资源资料进行分析的基础上，以产业增长率、产业发展环境优劣、岗位需求数量、技术技能人才比例、技术技能人才收入等数据作为人才需求数量预测依据，运用灰色数学模型GM（1，N），建立了技术技能型人才需求预测模型。通过MATLAB程序的运算和检验，证实本模型能很好地匹配产业人才需求真实数据，可用于软件和信息服务业技术技能型人才预测，对促进信息产业的发展有一定的指导意义。

关键词：人才需求预测;GM（1，N）模型;预测依据

中图分类号：G520.1       文献标识码：A 文章编号：2096-4706（2019）23-0163-03

Demand Forecast and Analysis of Technical Skilled

Talents Based on GM（1，N） Model

——Taking Zhuhai Software and Information Services as an Example

MA Weimin1，QIU Xiaoqun1，YANG Yu1，ZHANG Heng2

（1.Zhuhai City Polytechnic，Zhuhai  519090，China;2.Zhuhai Software Industry Association，Zhuhai  519085，China）

Abstract：Based on the analysis of the development of software and information service industry and the data of human resources in Zhuhai in recent years，this paper takes the data of industrial growth rate，industrial development environment，the number of post demand，the proportion of technical and skilled talents，and the income of technical and skilled talents as the basis for the prediction of the number of talents demand，and uses the grey mathematical model GM（1，N） to establish the technical and skilled talents demand forecast model. Through the calculation and test of MATLAB program，it is proved that this model can match the real data of industrial talent demand well，and can be used for the prediction of technical and skilled talents in software and information service industry，which has certain guiding significance for promoting the development of information industry.

Keywords：technology skilled personnel demand forecasting;GM（1，N） model;forecast factor

0  引  言

為实现“中国制造2025”的战略目标，党的十九大以来，国家对技术技能型人才培养高度重视，推出了一系列重大决策和工作部署，包括《国家职业教育改革实施方案（国发〔2019〕4号）》《国务院办公厅关于深化产教融合的若干意见（国办发〔2017〕95号）》等重要指导文件，为我国职业教育发展指明了方向，加快了职业教育改革步伐。广大职业院校更加明确了以培养高素质技术技能型人才为目标，以产业发展需求为导向，也愈加凸显了职业教育服务区域经济和社会发展的重要性。技术技能人才的培养和有效供给直接关系到国民经济的可持续发展，开展技术技能型人才预测一方面有利于高校科学设定人才培养目标、企业合理规划人力资源建设目标，提高院校和企业的资源使用效率[1]，另一方面在研究过程中，通过分析行业的人才现状与现实需求之间的矛盾，对指导专业建设、培养企业需要的人才、支持产业发展有重要的意义。

目前，有关人才需求预测相关研究的范围很广，如教育[2]、制造[3]、旅游[4]等，并建立了各种方法和模型，理论基础比较成熟，常用的方法有时间序列自回归模型[5]、灰色预测模型[3]、神经网络模型[6]等。也有一些学者结合预测需要，充分利用不同模型的优点，组合形成优势互补的预测模型，克服单个模型的某些局限，进一步提高预测的精度。但是，有关未来国家经济社会发展对技术技能型人才的需求量有多大、需求将会受到何种因素的影响等方面的研究目前还较少[7]。特别是在职业教育深刻变革的大背景下，根据区域经济发展、社会相关行业的现状及对人才需求的特点，开展人才需求调研和预测有十分重要的意义。

本文以珠海市软件和信息服务行业人才需求预测为例，建立人才需求预测GM（1，N）（Grey Model）模型。采用GM（1，N）模型的最主要优势是发挥其具有弱化数据随机性及拟合能力强的特点，此外，GM还有小样本、贫信息的优势。模型中引入的预测依据包含了本区域信息产业发展状况、人力资源状况，以及人才需求的特点等重要信息，突出了软件和信息服务业中以人才建设为行业发展核心的特征。

1  人才需求预测原则和依据

1.1  预测原则

人才需求预测是在分析产业发展特性、人才供需特性的基础上，找到影响人才需求的相关因素，借助定性分析或定量分析的技术手段，依据客观的资料，对能够反映人才需求的指标进行预测，从而能够把握人才需求变动的总体态势。为了提高人才需求预测的精度，以便为决策者提供更有价值的依据，人才需求预测遵循以下几个主要原则：

（1）与区域经济发展相适应。市场需求的大小直接决定了人才需求的规模，人才需求预测应结合产业发展现状。职业院校要结合市场人才需求来确定人才培养的合理规模。模型要基于行业的统计数据，以此来客观分析相关岗位的人才需求。

（2）预测数量适度超前性。人才需求预测要有一定的宽裕度和前瞻性。本区域产业的发展一般都是有规划的，特别是一个区域内的支柱产业。政府为推动相关产业的发展，在城市空间、企业扶持政策、产业链构建、外部运营环境等方面都会制订一些配套政策，可供预测时参考。

（3）预测依据的强相关性和可计算性。在预测依据选择方面，尽可能选取与人才需求相关性强的因素，相关性越强，其预测结果越可靠。指标的选择方法常见的包括AHP（层次分析法）、故障树分析法、专家评分法等。此外，尽量选取相关影响因素中能够量化的因素。对于一些非量化因素，可以采用专家评分法等进行量化。

1.2  预测依据

影响本地产业发展技术技能型人才需求的因素是多样的、多变的。不同的影响因素对人才需求的驱动作用力是不同的。简言之，人才的汇聚离不开人、财、物的支持。人的因素包括岗位稀缺型、技术技能型人才所占比例、人才供应量和岗位需求数量等等;财的因素包括即产业增长率、员工收入水平、地区消费水平等等;物的因素包括人才发展和产业发展环境、产业结构、基础教育条件（子女教育）、产业创新能力等客观条件[8]。但是在定量模型预测中，如果预测依据太多，一方面造成运算量增加，另一方面也减弱了核心依据的作用，降低模型可用性，因此本文选取以下五个因素作为影响技术技能型人才需求的主要依据。

（1）产业增长率。经济发展水平不仅决定着人才需求的数量，也决定着人才需求的层次和内容。产业增长率反映了产业的发展水平，产业增长越快，人才需求的增长也越强劲。职业教育供给侧改革直接服务于产业，就需要随产业发展变化做动态的调整。随着大数据、云计算、人工智能等新技术迅速得到应用和扩展，软件和信息服务产业活力不断增强，产值占全市电子信息产业的比重在三分之一以上，而且近10年每年的增长率都在10%以上，其中2017年为21.37%，2018年为12.31%。

（2）产业发展环境。珠海软件与信息服务业是珠海市的支柱产业，粤港澳大湾区建设上升为国家战略，为珠海市软件和信息服务业的就业市场开拓了极大的空间。政府部门不断提高支持和服务水平，积极引导和大力支持信息产业链和服务链建设，在城市空间、配套资金、运营环境等方面都推出了一系列支持政策。由于各类信息服务新型业态的快速涌现，以及产业政策的不断调整，特别是面向中小企业的税收优惠政策、企业的研发费用加计扣除政策，在一定程度上增强了信息服务产业对人才需求随时间变化的敏感性，刺激了人才需求范围和结构转变。改革开发多年来，企业的市场地位已相对比较稳固。珠海还建有国家高新技术产业开发区，包含了南方软件园、六个科技园区、中国工商银行软件开发中心、大学园区等，为人才可持续发展提供了良好的空间。另外，技术进步是影响人才需求的一个重要的长远性因素。软件和信息服务业运行效率的提升依赖于各种先进信息技术装备使用，进而对信息服务水平、产品或工程价格需求总量产生一定的间接影响。珠海地处改革开放前沿，吸引了大量外来人口，促进了产业研发和实施技术的不断革新，促进了服务方式的多元化、专业化，对人才需求的数量、质量提升产生了很大的推动作用。本文将产业发展环境划分成优、良、一般、差四个等级，每个等级中根据优劣可再划分三个等级，评分数值可以从0到11。

（3）岗位需求数量。岗位需求是人才需求预测的重要参考依据。珠海市人力资源和社会保障局委托第三方的机构和平台实时统计社会各类用工需求，并定期发布年度、季度人力资源市场供求分析报告。通过报告中列举的软件和信息服务业岗位数据，获得产业研发、生产、服务等总体人才需求信息。

（4）技术技能人才比例。随着珠海软件和信息服务业的发展，就业人数也逐年增加，对技术技能型人才的需求也随之增长。据《2018年珠海市软件和信息服务业经济运行发展报告》显示，自2010年起至2018年，珠海軟件和信息服务业从业人数从3.3万多人增加到6.7万多人，增长了一倍。其中大专及以上学历占从业人员的近80%，从事软件研发的人员占从业人员的近三分之一。除去软件研发人员，其余的主要是从事运营、维护、工程实施等方面技术技能型人员。

（5）技术技能型人才收入。目前，由于交通设施不断完善、就业信息更新及时，再加上落户政策的放松，客观上为人才流动提供了极大的便利性，产业间的人才流动正在迅速增长。人才的流动性要考察该地区人才的收入水平、居住水平以及消费水平，而收入是其中一个重要的推动因素。国家统计局数据显示，2016年珠海全体居民人均可支配收入已增长到40154.1元，突破40000元水平。2018年软件和信息服务业的人均收入水平有大幅度的提高，同比增加达到25.6%。

2  基于GM（1，N）模型的人才需求预测

基于以上预测原则和预测依据，我们收集了多个年度的《珠海市软件和信息服务业发展报告》和珠海人力资源和社会保障局发布的《珠海市人力资源市场供求分析报告》，从中得到如表1所示的预测依据数据。

GM（1，N）模型是一个多变量动态微分拟合模型，所需数据量较小，针对短期预测精度较高，且样本分布不需要具有规律性，检验方便，应用于多因素影响的目标系统。GM（1，N）模型包括一个系统特征数据序列Y（即：预测量）和相关因素序列Xi，i=2，3…N（即：影响因子，比如此例中的产业增长率、岗位需求等预测依据，每个因子对应一个数列。为获得或增强数列模型的规律性，GM（1，N）模型对这N个数列先进行一次累加生成，后进行数据预测，然后利用累加运算的逆运算进行还原，从而得到模型预测数据。GM（1，N）模型的建立及其计算步骤如下：

（1）对Y序列进行顺序累加形成新序列，再计算其紧邻生成序列Z：Z（1）（k）。

（2）构建如下微分方程，其中a、bi是预测模型参数：

（1）

（3）求解微分方程。一般用最小二乘法，得到式（1）中的参数a和bi，从而得到式（2）的预测模型：

（2）

（4）按照式（2）预测模型得到新的数列 ，然后数列前后两个数据相减即得到预测数据，如式（3）所示：

（3）

（5）预测结果及模型的可用性检测：利用以上GM（1，N）模型，通过MATLAB数学软件计算得到的预测结果如图1所示。预测的技术技能型人数从2011年始至2018年止，分别是[23916，18517，22353，28186，31847，31753，41135，44680]。预测结果的可用性须通过预测精度检测，一个是残差后验差检验，一个是小误差概率检验，如果检验处于允许范围内，则该模型可用于预测，否则需合理修正。经过计算，得到本预测模型的后验差C为0.2078，小误差概率值P为1。预测精度等级为好（C<0.35，P>0.95），说明本文构建的GM（1，N）能够很好地应用于技术技能型人才需求预测。

3  结  论

本文应用GM（1，N）数学模型建立了技术技能型人才需求GM预测模型。通过选取与人才需求紧密相关的五个预测依据，以珠海软件和信息服务业为例，验证了本模型的可用性和准确性。该模型预测准确性高、实用性强、操作好，可应用到各行各业专业人才需求的预测中。人才需求预测的结果，还可用于职业院校电子信息类专业人才培养方案的制订、建立有效的技术技能型人才需求与区域经济发展相适应的预测体系，以及企业人力资源建设统筹规划工作。后续研究将进一步完善算法，引入最优化的算法理论，加入更多预测依据，拓展该模型的应用领域，提升预测准确性。此外，预测是为决策服务的，后续还将与行业企业进行密切合作，在具體实践中不断提高本模型的可用性。

参考文献：

[1] 段湘莲.湖南省学科专业与支柱产业人才需求相适性及其需求预测 [D].长沙：湖南大学，2013.

[2] 周志，田楠，赵宇红.天津市义务教育学龄人口规模预测与分析——基于多因素灰色预测模型和人口推算法 [J].西南师范大学学报（自然科学版），2017，42（3）：49-55.

[3] 李慧，徐强.基于灰色系统GM（1，1）模型的制造业人才需求预测——以江苏省为例 [J].石家庄经济学院学报，2014，37（6）：1-4.

[4] 叶静，魏敏.基于ARIMA模型的浙江省旅游人才需求预测及人才培养研究 [J].成人教育，2014，34（3）：106-108.

[5] 肖凯成，蒋春霞，杨波.ARIMA模型在土建专业群人才需求预测中的应用 [J].科技信息，2013（6）：42+44.

[6] 孙剑青.北京市物流需求预测研究 [D].北京：北京交通大学，2016.

[7] 咸桂彩，何文章，张学英.我国人才需求预测研究：盘点与思考 [J].中国职业技术教育，2014（6）：5-9.

[8] 田楠.基于多因素灰色模型的技术技能型人才需求预测与分析——以天津市为例 [J].职业技术教育，2014，35（19）：43-48.

作者简介：马维旻（1969-），男，汉族，河南安阳人，教授，博士，研究方向：数据分析及算法优化技术。