基于Logit模型的我国各省市就业率预测研究.docVIP

基于Logit模型的我国各省市就业率预测研究 　　[摘要]就业率问题是民生问题，提高就业率有助于经济持续、健康地发展，同时，就业率的提高可以确保国家社会的安全和稳定。我国当前面临巨大的就业压力，失业、下岗等问题已经成为社会的焦点，这就需要对影响就业率的因素进行归纳和深入分析。文章采取Logit回归分析法研究影响中国各省市就业率增长的因素，通过确定因变量、选取解释变量、检验变量间多元共线性、构建模型，并利用SPSS20.0进行模型分析与检验，得出较显著的影响因素，最后根据Logit模型得出的结论给出提高就业率的相关建议。 　　[关键词]就业率；Logit模型；就业率影响因素 　　1Logit模型的构建与分析 　　Logit回归分析法是一种多变量分析法，模型的原理是利用多个自变量估计因变量的logit回归方程来对因变量进行预测，主要用于研究或预测某种现象发生的概率。 　　在经济模型中，选取的大多数自变量所反映的不是数量，而是某种性质或属性，这种变量我们称为虚拟变量，一般规定当该变量值取 1 时，表示存在某种性质或属性，取 0 时则表示不存在。 　　在Logit模型中，就业率增长情况被看作是一个虚拟变量问题，并且规定当变量值取1时，表示该省市的就业率相比上季度上升；当变量值取0时，表示该省市的就业率相比上季度下降。研究中一般取0.5作为各省市就业率增长情况的临界值，将样本带入得到的P大于0.5时，判断该省市就业率上升，反之，就业率下降。 　　Logit模型假设因变量发生的概率与其各影响因素之间呈现如下非线性关系： 　　2样本的选取原则 　　2.1样本数据时间的确定 　　研究数据来源于Wind数据库、中国统计局官网等权威数据库，本文选取2012年6月至2014年6月间的九个季度数据作为训练样本，包含279组数据，用于构建Logit回归分析模型，并选取2014年9月至2014年12月的两个季度数据作为预测样本，包含61组数据，用于检测所建模型的有效性。 　　2.2样本因变量的选取 　　为保证样本的全面性与真实性，本文选取我国31个省市（包括4个直辖市，分别为北京市、天津市、上海市和重庆市）的就业率增长情况作为因变量。我们将所选的340组样本分成了两组，就业率增长的为一组，赋值为1；就业率下降的为一组，赋值为0，其中，训练样本中赋值为1的数据有190组，赋值为0的数据有89组；预测样本中赋值为1的数据有40组，赋值为0的数据有21组。 　　2.3样本解释变量的选取 　　2.3.1CPI的累计同比（x1） 　　目前，劳动力供大于求的现状日益严峻，主动和非自发性失业严重等经济现象在目前物价上升的现实带动下，加剧了社会总需求的不足，进而影响社会总供给和社会再生产，同时，物价不断的上涨，加重了失业个人和家庭的心理负担，进而影响整个社会的稳定与发展。所以，明晰CPI对就业率的影响程度将有利于各省市实现稳定就业率的目标。 　　2.3.2高校数量（x2） 　　拥有较多高校的省市，将有更大的信息优势、资金优势和人才优势来发展第三产业。一方面，通过建立高新技术开发区、科技园等高科技专区将产生集群效应，在提高大学吸引力的同时提升了本省的就业环境；另一方面，大学生创业是解决就业的重要途径，高校对大学生创业理论与实践的教育以及高校所在地出台的促进大学生就业的相关政策对于大学生充分就业极为有效。 　　2.3.3GDP累计同比（x3） 　　就业和经济增长紧密联系，当经济繁荣时将增加对劳动力的需求；反之，当经济衰退时将减少对劳动力的需求，增加失业并减少劳动者报酬。 　　从历史数据看，我国经济与就业出现明显的不一致，出现“高增长、低就业”的现象。目前，我国处于经济增速换挡期，更应当着眼于经济发展和促进就业的良性互动，提高就业弹性，对经济结构不断优化，缩小贫富差距，继续保持中高速的经济增长。 　　2.3.4城镇单位就业人员工资总额累计同比（x4） 　　我国大学生逐步成为城镇单位就业主力军，但其期望工资与社会平均工资相比高出了正常水平，我国高等教育个人负担成本过高是造成这一现象的主要原因，其中包括高等教育收费过高、我国高等教育资本市场不完善等方面。同时，外来劳动力加剧了就业市场的竞争，但这种竞争主要是先后进入的外来劳动力之间的内部竞争，本地劳动力由于存在与外来劳动力之间的不完全替代性，使其在提高劳动率的同时对期望工资有了更高的要求。所以，工资水平高的省市对大学生和外地、本地劳动力均有更高的吸引力。 　　2.3.5社会服务经费（事业费）实际支出：累计值（x5） 　　正如经济发展需要与社会发展相协调，促进就业同样也需要与社会保障体系发展相协调。在就业压力相对较小的情况下，应加快建立完善的覆盖整个劳动力市场的社会保障体系，扩