云南失業(yè)率影響因素分析和回歸診斷

1、<p>　　云南失業(yè)率影響因素分析和回歸診斷</p><p>　　【摘要】 本文基于統(tǒng)計年鑒中云南省2000—2011年失業(yè)率和與之相關(guān)的數(shù)據(jù)，運用線性回歸方法，建立了用于描述云南省失業(yè)率與相關(guān)變量之間定量關(guān)系的擬合模型，并對模型進行了異方差檢驗、序列自相關(guān)分析和異常點的檢驗。該模型對于探討造成云南省失業(yè)率影響因素具有一定的啟示作用。 </p><p>　　【關(guān)鍵詞】 失業(yè)率 影

2、響因素 線性回歸模型 </p><p><b>　　一、引言 </b></p><p>　　失業(yè)率是指失業(yè)人口（一定時期有工作意愿而仍未有工作的勞動力人口）占勞動人口的比率。失業(yè)是市場經(jīng)濟不可避免的一種經(jīng)濟社會現(xiàn)象。但失業(yè)人員數(shù)量過多，失業(yè)率過高，不僅會給失業(yè)者本人及家庭帶來極大沖擊，也會對經(jīng)濟發(fā)展和社會穩(wěn)定構(gòu)成重大威脅。因此，把失業(yè)率控制在社會可承受的范圍內(nèi)，是市場

3、經(jīng)濟環(huán)境下國家政府的重要目標(biāo)之一。 </p><p>　　目前國內(nèi)關(guān)于失業(yè)率的研究已取得一定的成果。田力（2003）研究了影響失業(yè)率的主要因素及降低失業(yè)率的對策，利用數(shù)學(xué)的窮舉法，就影響供給的因素、影響需求的因素以及同時影響供求雙方的因素三個方面，分析了與失業(yè)密切相關(guān)的七大因素，但其研究缺乏一個量化的統(tǒng)計模型。程紅莉和劉強（2003）以全國30個省市的相關(guān)數(shù)據(jù)為樣本研究了區(qū)域失業(yè)率差異影響因素。陳幼芳和張?zhí)鞎?

4、006）對云南的失業(yè)率進行了預(yù)測和研究，其貢獻在于給出了比較全面的預(yù)測模型，但是缺乏對模型的檢驗。本文使用線性回歸模型對云南省失業(yè)率的影響因素進行實證研究，通過變量選擇方法，篩選得到了對失業(yè)率具有顯著影響的因素，并建立了擬合模型，該模型通過了異方差性、序列相關(guān)性和異常值檢驗。 </p><p>　　二、數(shù)據(jù)與變量選擇 </p><p><b>　　1、數(shù)據(jù)來源 </b>

5、;</p><p>　　本數(shù)據(jù)來源于云南統(tǒng)計局網(wǎng)站（http：//www.stats.yn.gov.cn/TJJMH_Model/default.aspx）上統(tǒng)計公報公布的2001—2011的相關(guān)數(shù)據(jù)。 </p><p><b>　　2、變量選擇 </b></p><p>　　本文的失業(yè)率的影響因素的研究主要考察在眾多因素中哪些因素對失業(yè)率具有

6、顯著的影響。我們首先給出自變量的待選變量集。奧肯定律認(rèn)為經(jīng)濟增長與失業(yè)率是負(fù)相關(guān)的，故首先考慮把GDP引入待選變量集中。此外，由于失業(yè)保險是解決失業(yè)所產(chǎn)生的不利因素的社會機制，故考慮把享受失業(yè)保險人數(shù)、失業(yè)保險參保人數(shù)、失業(yè)保險金收入額也引入待選變量集中。云南勞動力資源供給的潛力相當(dāng)大，這將給云南的就業(yè)形勢造成不容忽視的壓力，故而把人口總數(shù)也引入變量集。固定資產(chǎn)投資是生產(chǎn)規(guī)模的重要表征，對就業(yè)情況產(chǎn)生著重要影響，故此，應(yīng)將其也引入變量集

7、中。綜上，我們選取失業(yè)保險參保人數(shù)（十萬人）、享受失業(yè)保險人數(shù)（萬人）、GDP（千億元）、人口總數(shù)（千萬人）、失業(yè)保險金收入額（億元）、生產(chǎn)性固定投資總額（百億元）為自變量，以城鎮(zhèn)登記失業(yè)率（%）為響應(yīng)變量。 </p><p><b>　　三、模型的建立 </b></p><p>　　1、用普通最小二乘法（OLS）估計模型 </p><p>　

8、　綜上分析，我們建立云南省失業(yè)率影響因素分析的六元回歸預(yù)測模型： </p><p>　　y=a0+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 </p><p>　　其中，x1系參保人數(shù)（十萬人）、x2系享受失業(yè)保險人數(shù)（萬人）、x3系GDP（千億元）、x4系人口總數(shù)（千萬人）、x5系失業(yè)保險金收入額（億元）、x6系生產(chǎn)性固定投資總額（百億元）、y系城鎮(zhèn)登記失業(yè)率（%）。 &

9、lt;/p><p>　　回歸方程的F檢驗的p值為0.016<0.05，這意味著，在5%的顯著性水平下，解釋變量對被解釋變量的聯(lián)合線性影響是顯著的。而系數(shù)的t檢驗中，p值最小的為0.208，故在5%顯著性水平下所有系數(shù)均不顯著，即每個解釋變量對被解釋變量的線性影響均是不顯著的。這說明模型自變量間很可能存在多重共線性。事實上，t-檢驗中解釋變量都不顯著，可能是由于某些自變量對因變量的影響被其他自變量掩蓋了。為了檢驗

10、多重共線性的存在，先求出自變量的樣本協(xié)方差矩陣，并求得該協(xié)方差矩陣的條件數(shù)（最大特征值與最小特征值之比）為1.7914*104，這說明六個變量之間存在很嚴(yán)重的多重共線性。故此，分別通過逐步回歸法和AIC準(zhǔn)則進行自變量的選擇。 </p><p>　　2、使用逐步回歸法進行變量選擇 </p><p>　　對六個自變量采用逐步回歸方法進行變量篩選，用SPSS軟件逐步回歸的結(jié)果如表1所示。 <

11、;/p><p>　　逐步回歸結(jié)果顯示選擇的自變量應(yīng)當(dāng)為失業(yè)保險參保人數(shù)（x1）和人口總數(shù)（x4）。在5%的顯著性水平下，他們的p值分別為.000和.000，表明這兩個解釋變量對方程的影響是顯著的。為了進一步確證上述變量選擇結(jié)果，我們使用AIC準(zhǔn)則對一些重點待選模型進行比較。比較結(jié)果如下：僅包含x1、僅包含x4和包含x1和x4兩個自變量和其他任意自變量搭配的模型，其AIC值均大于只包含x1和x4兩個自變量的模型的AIC

12、值。可見，AIC準(zhǔn)則提供的變量選擇的結(jié)果與逐步回歸法一致，均選擇x1和x4。 </p><p>　　以y為因變量，以x1和x4為自變量的回歸模型擬合結(jié)果如下： </p><p>　　在5%的顯著性水平下，所有解釋變量系數(shù)的t統(tǒng)計量的P值均小于0.05，故所有系數(shù)均不顯著為0，即每個解釋變量對被解釋變量的線性影響均是顯著的。F檢驗（p=0.000<0.05）的結(jié)果顯示方程顯著，即在5%

13、的顯著性水平下解釋變量對被解釋變量的聯(lián)合線性影響是顯著的。 </p><p>　　四、異方差性的White檢驗 </p><p>　　由異方差性的White檢驗來看，F(xiàn)統(tǒng)計量的p值為0.3869，在5%的顯著性水平下，落在接受域內(nèi)。所有的交叉項和獨立項的p值也都落在接受域內(nèi)，說明無法拒絕原假設(shè)，所以模型中不存在明顯的異方差性。 </p><p>　　五、序列相關(guān)的檢

14、驗 </p><p>　　由于散點圖沒有明顯的上升或下降趨勢，故序列之間沒有明顯的序列自相關(guān)。另一方面，使用拉格朗日乘數(shù)檢驗（LM）方法，得到F統(tǒng)計量的p值為0.3869，雖然在問題中樣本量較小，但p值達到0.3869，仍在一定程度上說明隨機誤差項之間不存在明顯的序列相關(guān)。 　　六、異常點檢驗 </p><p>　　異常點即為在預(yù)設(shè)統(tǒng)計模型下明顯與大多數(shù)數(shù)據(jù)點的統(tǒng)計規(guī)律不一致的數(shù)據(jù)點。在

15、線性模型下，異常點可采用下述的均值漂移模型來檢驗，該模型的向量形式可表示為， </p><p>　　hi=（0，…，1，…，0）T。其中hi中第i個元素為1，其余元素為0，X為自變量矩陣，Y為因變量向量。若顯著，說明第i個點的均值有漂移，則該點不符合既定的線性回歸方程yi=x而說明第i個點為異常點。為了檢驗是否顯著，我們采用參數(shù)顯著性檢驗方法。 </p><p>　　對異常點的檢驗過程如下

16、：新增加一個自變量z，可疑點所對應(yīng)的取值為1，其他元素取值為0，在模型（1）加入變量z再進行線性回歸，若z的系數(shù)顯著，則判定相應(yīng)的樣本點為異常值點。經(jīng)過計算，在5%的顯著性水平下，2000年和2002年的數(shù)據(jù)中變量z通過了系數(shù)的顯著性檢驗（其p值分別是0.014和0.006），故判定其為異常值點。 </p><p>　　將2000年和2002年的數(shù)據(jù)點剔除，利用剩余十個年度的數(shù)據(jù)重新進行逐步回歸得到由x1和x4組

17、成的模型，并得到以下的擬合方程： </p><p>　　y=-9.581-0.216x1+3.969x4，R=0.943，F(xiàn)=57.932 </p><p>　　可見，剔除2000年和2002年的異常點后，R變大了，表明模型的擬合優(yōu)度得到了改善。F 檢驗（p=0.000<0.05）的結(jié)果顯示方程顯著，即在5%的顯著性水平下解釋變量對被解釋變量的聯(lián)合線性影響是顯著的。該模型也通過了異方

18、差和序列相關(guān)檢驗。上述擬合模型即為我們最終所得的失業(yè)率對失業(yè)保險參保人數(shù)和總?cè)藬?shù)的線性回歸模型。 </p><p>　　七、模型的解釋與幾點啟示 </p><p>　　從上述模型看，在失業(yè)保險參保人數(shù)、享受失業(yè)保險人數(shù)、GDP、人口總數(shù)、失業(yè)保險金收入額和生產(chǎn)性固定投資總額這些自變量中，對失業(yè)率影響最顯著的是參保人數(shù)和人口總數(shù)。失業(yè)保險參保人數(shù)和失業(yè)率呈負(fù)相關(guān)，這說明失業(yè)保險對保障失業(yè)人員

19、的基本生活、降低失業(yè)者的再就業(yè)成本具有顯著意義，對就業(yè)起到積極的促進作用。人口總數(shù)和失業(yè)率呈正相關(guān)，說明人口增長給就業(yè)帶來了不可忽視的壓力。雖然，本文中使用的失業(yè)率是城鎮(zhèn)登記人口的失業(yè)率，而云南省是一個農(nóng)業(yè)大省，農(nóng)村人口占大多數(shù)，然而，近幾年進城務(wù)工的農(nóng)村勞動者人口數(shù)的不斷攀升，仍給城鎮(zhèn)勞動者的就業(yè)帶來一定壓力。某一地區(qū)流動人口的大量增長會在短期內(nèi)造成該地區(qū)勞動力市場的失衡，對本地區(qū)居民就業(yè)產(chǎn)生壓力，但流動人口也對本地區(qū)經(jīng)濟增長提供了勞

20、動力的支撐。面對由于這種原因造成的失業(yè)，各地區(qū)應(yīng)采取的措施是有效完善勞動力市場、加快勞動力市場的信息化建設(shè)、促進經(jīng)濟增長帶動就業(yè)以降低失業(yè)率。模型表明GDP對失業(yè)率的影響不顯著，這表明云南省經(jīng)濟增長對降低失業(yè)率的貢獻不大，這似乎與奧肯定律相違背，奧肯定律認(rèn)為針對整個國家而言，經(jīng)濟增長會引起失業(yè)率的下降。GDP對失業(yè)率的影響不顯著的原因</p><p><b>　　【參考文獻】 </b><

21、;/p><p>　　[1] 程紅莉、劉強：區(qū)域失業(yè)率差異影響因素的實證分析[J].統(tǒng)計與信息論壇，2003（3）. </p><p>　　[2] 田力：影響失業(yè)率的主要因素及降低失業(yè)率的對策[J].哈爾濱金融高等?？茖W(xué)校學(xué)報，2003（1）. </p><p>　　[3] 陳幼芳、張?zhí)鞎涸颇鲜I(yè)率預(yù)測和研究[J].經(jīng)濟問題探索，2006（6）. </p>