以就业人员平均工资为指标的行业就业前景分析

2021-08-31李稚萱

科技经济导刊 2021年22期

李稚萱

(四川大学商学院，四川成都 610000)

自改革开放以来，我国就业问题得到显著改善，但由于我国人口众多，行业之间发展不平衡，且产业结构转型下资本与劳动不能很好地相适应，我国的就业形势依然很复杂[1]。

大学生就业问题就是其中最为凸显的问题之一，究其原因，一是就业岗位少，竞争压力大；二是教育结构的不平衡发展，部分大学生在高校接受的教育无法适应其他城市的就业环境[2]；三是大多数毕业生注重行业的发展前景，在择业过程中会考虑该行业工作岗位的稳定性、薪资水平能否满足自我的现实需要等因素[3]。北京、上海是毕业生向往的工作城市，而当下热门的行业，例如金融业和信息技术行业也是毕业生憧憬的工作。但由于我国各省市不同行业的就业条件与就业政策不同，不同省市之间的就业环境存在显著差异，从而导致员工工资在不同地区、不同行业间存在较大差异[4]。

1.描述性统计

1.1 不同地区平均工资的差异

从高校毕业生的角度来看，他们于不同行业在不同地区的就业前景并不清晰，因此具体分析各个行业在各个省市的就业前景对多数毕业生的择业有显著的实践意义；从社会就业的角度来看，行业工薪水平是衡量就业前景的一大指标，过大的行业差距会对从业者的就业观念、各行业间的均衡协调发展，乃至经济社会和谐稳定的发展产生巨大的负面影响，从而造成恶性循环，因此充分了解各行业的收入差距也具有重要意义。

本文拟将就业人员的平均工资水平作为衡量就业前景的指标，基于2019年中国统计年鉴的数据[5]，利用聚类分析分析不同地区平均工资的差异，借助因子分析法进一步探究不同行业在不同地区具体的平均工资水平，从而为高校毕业生就业选择提出建议，帮助毕业生完善就业规划，缓解当前环境下的就业压力。

由上图可得，北京、上海、西藏和天津的平均工资较高，其他地区的平均工资水平相差不大。北京、上海和天津在政治、

1.2 不同行业平均工资的占比差异

经济和文化等各方面上具有重要地位，因此其平均工资处于较高水平。

以2018年的数据为例，信息传输软件和信息技术服务业、金融业、科学研究和技术服务业的平均工资最高，究其原因，一是中国经济发展迅速，二是人类生活已进入大数据时代，信息技术已成为人类生活密不可分的一部分。而农林牧渔业的平均工资相对较低，主要是因为近年来大量农村人口向城市迁移，从事农林牧渔业的人数骤然降低。

2.不同地区平均工资的差异

2.1 基本思路

聚类分析是将研究对象分为相对同质的群组的统计分析方法。利用聚类分析可以将各省市按照其2018年就业人员平均工资水平分类，进一步识别不同类别城市间的收入差距。

2.2 聚类分析

根据树形图结果，可以将吉林至天津的所有城市归为第一类，西藏单独归为第二类，而北京和上海被划分到第三类。就2018年的数据来看，除北京、上海和西藏以外的其他省市，平均工资水平相差不大，北京和上海是全国经济最发达的地区，而西藏由于政府补助，就业人员的平均工资水平都处于偏高的水平，其他省市工资水平的具体差异将在下节中进一步分析。

3.不同行业在不同地区的平均工资水平

3.1 基本思路

因子分析是指研究从变量群中提取共性因子的统计技术。本节将不同行业作为自变量，就业人员的平均工资作为因变量，探究两者间的关系。

3.2 数据预检验

从KMO检验来看，KMO值为0.872，变量间相关性较强；从Bartlett’s球状检验来看，P值接近0，说明数据适合进行因子分析。

3.3 因子分析

3.3.1 因子数量确定

因子分析提取出的因子能否被接受取决于它们对原始数据的解释程度，一般要求在85%以上。首先我们通过碎石图预判出2-3个因子能反映原始数据的大部分信息，因此，我们将因子数量设置为3，此时解释程度为85.8%。

3.3.2 因子含义解释

为便于解释公因子的实际含义，利用方差最大法对成分矩阵进行旋转，得到下表所示的成分矩阵。

由旋转后的成分矩阵分析可得，行业1、4、9、11、13、15、16、17、18、19对F1的贡献度较大，称为社会工作与服务因子；行业2、3、5、6、7、12对F2的贡献度较大，称为工商业因子；行业8、10、15对F3贡献度较大，称为生活服务因子。

3.4 综合得分

公因子是变量的线性组合，基于得分系数矩阵计算出各主成分的得分。

综合得分是以各成分的方差贡献率为权重，对各项因子得分进行加权求和。F1、F2、F3的方差贡献率分别为44.46%、30.94%、24.60%，从而可以计算出各地区的综合得分。

从第一主成分来看，北京、天津和浙江得分较高，说明社会工作与服务类行业在这些地方较为发达；从第二主成分来看，北京、上海和新疆得分较高，北京和上海属于经济发达地区，适合商业发展，而新疆资源充足，适合于工业发展；从第三主成分来看，西藏、北京、上海、江苏和浙江得分较高，北京、上海、江苏和浙江的居民生活水平较高，对于居民服务的需求较高，因此居民服务类的就业人员平均工资较高，从综合得分来看，仍然是上海、北京和天津等经济发达城市得分较高。

4.结论与建议

本文中使用聚类分析和因子分析的方法，以就业人员的平均工资为指标，探究了不同省市、不同行业的就业前景，以期帮助高校毕业生了解当前的就业环境。总的来说，经济越发达的地区，就业人员的平均工资越高，尤其是北京和上海，这与人们的普遍认知相符合。除经济发展外，自然资源和政府补助也是影响各地区就业人员平均工资不同的重要因素，自然资源越丰富，政府补助越多，就业人员的平均工资也普遍越高。基于因子分析中的因子得分，我们对于高校毕业生的择业给出以下具体建议：

若偏好社会工作与服务类，最优选择为天津。天津是我国的港口城市，自然资源丰富，且作为中国直辖市之一，天津的经济相对发达，而就业人数少于北京和上海，从而导致其就业压力更小。若偏好工商业，则毕业生可以根据自身能力进行选择。若毕业生抗压能力较强，可以选择北京和上海这类高收入的地区；若偏好居民服务业，最优选择是江苏和浙江。