金融危機下的中國產業就業結構分析與預測

于成學,任 紅,楊雪婷

（大連民族學院a.經濟管理學院,b.組織人事部,遼寧大連 116605）

金融危機下的中國產業就業結構分析與預測

于成學a,任 紅a,楊雪婷b

（大連民族學院a.經濟管理學院,b.組織人事部,遼寧大連 116605）

對產業就業結構進行分析和預測能為制定就業政策提供依據。在對中國三次產業就業結構現狀進行分析的基礎上,運用灰色成份數據的預測方法對中國2008～2015年的三次產業就業結構進行預測。結果表明,到2015年,中國第一產業就業人口比重將降至30%左右;第二產業就業人口的比重則增到30%左右;而第三產業就業人口比重將上升到40%左右。可見,在金融危機期間,中國勞動力在產業間的流動是非常頻繁的。

就業結構;G M（1,1）模型;預測

2008年由美國次貸危機引發的金融危機席卷全球,世界各國經濟發展均受到不同程度的影響,國際經濟環境的惡化也直接導致中國經濟發展的速度下滑,從而導致原本艱難的就業形勢變得更為嚴峻。勞動就業結構反映一個國家社會勞動力的利用狀況,反映一個國家經濟發展的方向和水平[1]。對產業就業結構進行分析和預測有利于就業政策的制定。

目前,國內外關于就業結構預測問題的研究還相對較少,Puri用自回歸模型預測了美國南加利福尼亞州的就業結構變動[2];郭克莎描述了中國改革開放以來三次產業間勞動力結構的變動,并且分別分析了一、二、三產業內部就業比重的歷史變化,預測了產業就業結構的發展趨勢[3];胡雁雁分析比較了中國改革開放以來產業結構與就業結構的變動比例,計算出三次產業的就業彈性并對其發展趨勢作了預測[4]。高素英等構建了就業結構變動的Markov鏈模型,在此基礎上計算出河北省改革開放以來的就業結構變動的平均狀態轉移概率矩陣,同時通過設定初始就業結構向量,再利用求得的狀態轉移概率矩陣,對河北省未來10年的就業結構進行了預測[5]。不同于以上研究,本文將采用成分數據和灰色系統模型相結合的預測方法對中國產業就業結構進行預測,進而提出金融危機下產業就業結構優化調整的政策建議。

一、中國產業就業結構分析

大量統計數據表明,世界各國,特別是發達國家產業就業結構變化總的趨勢是隨著農業勞動生產率的不斷提高而發生變化,第一產業所占用的勞動力不斷減少,第二產業和第三產業所占用的勞動力不斷增加,隨著科學技術的進步,生產力的發展和工農業勞動生產率的不斷提高,第三產業所占用的勞動力不斷增加,逐步超過第二產業,只是由于社會生產力水平的差別,這種變化趨勢在不同國家和不同地區有著速度差別。2007年,中國總的就業人口數達到76 990萬人,其中第一產業占總量的比重最大,為40.8%,而第三產業占總量的比重僅為32.4%,與此形成鮮明對照的是發達國家的就業結構中,均是以第三產業就業人口為主,而且第三產業就業人口在總量中所占的比重都超過60%,見表1。

表1 部分國家三次產業就業人口所占比重分析（%）

然而,中國的產業就業結構還有很大的改善空間。為觀察近些年來中國產業就業結構各組成部分的變化情況,本文繪出了2000年、2003年和2007年產業結構的餅圖（如圖1、圖2、圖3）。

比較上面三個產業結構圖可以看出,第一產業就業人口所占的比重從2000年的50.0%減少到2007年的40.8%,第二產業就業人口所占的比重從2000年的22.50%先減少2003年的21.6%,然后又上升到2007年的26.8%,而第三產業就業人口所占的比重則從2000年的27.5%上升到2007年的32.4%。從2008年10月至今,中國大量的制造業關停并轉,造成大量的工人失業,金融危機是造成此期間產業結構發生變化的主要根源,而產業結構急劇變化是造成就業結構發生變化的壓力所在。

在已知就業結構隨時間變化的規律情況下預測未來年份的就業結構狀況,通常主要采用分別預測各就業人口成份的未來份額,但是這種方法往往造成所有就業人口份額的預測值總和不再等于1,出現這種結構的關鍵問題是餅圖中的成份數據是一組受約束的數據,即餅圖中各份額均大于等于零,并且總和必須為1,因此如果將餅圖中的p個份額用一個p維向量來表示,則它的自由度只有（p-1）。為了解決這個問題,本文將主要采用一種成份數據的預測建模方法,同時結合灰色系統理論對中國三次產業就業結構的發展規律和趨勢進行預測。

二、研究方法

在統計學中,餅圖各份額數據的組合又被稱為成份數據,如果有一組按時間順序收集的成份數據序列:

鑒于國內外研究現狀,本文要討論的問題是,如何根據已有的記錄信息建立成份數據的預測模型,并預測第T+l時刻的成份數據XT+l,下面給出成份數據預測建模的算法步驟如下:

1.對原成份數據做一個簡單的非線性變換

以上成份數據的預測建模方法能有效而準確地預測出隨著時間變化或突發事件發生目標值的未來發展變化趨勢。因此,運用此方法完全可以預測出金融危機下的中國產業就業結構變化趨勢。

三、中國產業就業結構預測

為了研究金融危機下的中國產業就業結構變化趨勢,本文對《中國統計年鑒》（2001～2008年）中第一、二、三產業就業人口數據進行處理,得出中國產業就業結構成份數據見表2。根據表2的數據,運用成份數據的預測方法,建立中國產業就業結構的動態規律分析模型,并對2008～2015年中國的產業就業結構的比例進行預測。

表2 中國2000～2007年就業結構數據

對于t=2000,2001,…,2007年,經非線性轉化得到的數據見表3。

表3 2000～2007年非線性轉化數據

對于t=2000,2001,…,2007年,經非線性映射得到的數據見表4。

表4 2000～2007年轉角數值（弧度）

表5 2008～2015年的轉角預測值（弧度）

從而得到中國三次產業就業結構在2008～2015年的預測值,見表6。

表6 2008～2015年中國三次產業就業結構預測值

根據以上預測,可以看出,從2008～2015年期間,中國第一產業就業人口比重將不斷下降, 2015年降至30%左右;第二產業就業人口的比重則呈現上升趨勢,預計2008～2015年間增到30%左右;而第三產業就業人口比重將大幅提升,到2015年,將達到40%左右。在金融危機的大背景下,以上預測結果顯示了中國的產業就業結構變化趨勢與金融危機直接相關。

四、結 語

本文基于成份數據的非線性降維方法,并結合灰色系統建模預測方法,對中國三次產業就業結構進行預測,結果表明,到2015年,中國三次產業就業結構為30.28∶30.34∶39.38,第一產業就業比重比2007年下降10.52個百分點,第二產業就業比重比2007年提高3.54個百分點,第三產業就業比重比2007年提高6.98個百分點。可見,在金融危機期間,中國勞動力在產業間的流動是非常頻繁的,因此,在此期間,應該制定有效的產業政策和就業政策對勞動力人口進行引導以應對金融危機的影響:首先,大力發展旅游、商貿、飲食、流通等就業容量大的服務業,同時擴展中、低端制造業和建筑業,在發展資本密集、高技術制造業中兼顧勞動密集型產業;另外,應該進一步培育和發展勞動力市場,建立以市場為導向的就業機制,消除體制性障礙,積極促進勞動力市場與資本、技術、產權等要素市場的相互貫通,建立勞動力資源供求信息傳遞網絡[8],提高勞動力市場的組織化、信息化水平,保障勞務輸出的有序性、穩定性和實效性引導勞動力在區域、城鄉、產業間合理流動,確保勞動力就業結構與產業結構實現同步調整,勞動力資源開發與經濟社會發展相協調。

[1]馬斌.廣東省就業結構的特征分析[J].廣東經濟, 2007（5）:33-36.

[2]PUR I.Foreeasting industrial employment figures in southern califomia:Abayesian vector autoregressive model[J].Regional Scienee,2000,134:503-514.

[3]郭克莎,王延中.中國產業結構變動趨勢及政策研究[M].北京:經濟管理出版,1999:33-36.

[4]胡雁雁.產業結構的就業比較分析[J].首都經濟貿易大學學報,2003（2）:41-44.

[5]高素英,田立法,王競,等.區域就業結構的Markov鏈預測分析[J].商業時代,2008（18）:95-97.

The Analysis and Forecast of Industrial Employment Structure in China during the Financial Crisis

YU Cheng-xuea,REN Honga,YANG Xue-tingb

（a.College of Economics andManagement,b.Department of Personnel and Organization, Dalian NationalitiesUniversity,Dalian Liaoning 116605,China）

The analysis and forecast of industrial employment structure can provide the right employment policy.Based on the analysis of the current status of the three industrial employment structures in China,thispaper forecasts the three industrial employment structures between 2008 and 2015 using grey principle data method.The result shows that the ratio of employment population for the first industrywill decrease by 30%in 2015,increase by 30%for the second industry in 2015,and increase by 40%for the third industry,which suggests that the flow ofChinese labor is very frequent during the financial crisis.

employment structure;Model of G M（1,1）;forecast

G306

A

1009-315X（2010）06-0581-04

2010-06-03

于成學（1970-）,男,遼寧大連人,副教授,博士,主要從事產業結構調整、企業創新管理研究。

（責任編輯 董邦國）