基于擴散指數法的小城鎮失業預警模型及實證分析
——以福建龍巖市為例

廖雅珍，廖添土

(1.遼寧大學 國際關系學院，遼寧 沈陽 110136；2.龍巖學院，福建 龍巖 364012；3.福建師范大學 經濟學院，福建 福州 350007)

一、文獻綜述

失業預警系統是一種對當前失業狀況或未來失業危機及其后果提前做出預報或警示的系統，目的是在高失業率出現前預先報警，及時采取對策，減少高失業危害。失業預警通常是通過引入相關參數變量、建立數學模型的方法，模擬計算出相對精確的失業“警戒線”[1-2]。國內此方面的研究有：(1)警情值的確定。馮熠和趙建國采用擴散指數法(DI)來確定失業的警戒線[3-4]；陳仲常采用正態分位數方法，加權數據得到警情值[5]；余華銀通過構建失業—經濟協調度指標來衡量中國失業情況[6]。(2)警兆指標的選擇。研究者大都從產業結構、經濟總量、勞動力供給和需求的角度分析。(3)預警方法。朱松林在運用神經網絡模型(NN模型)進行預警時與模糊理論、粗集理論結合起來，產生了良好的效果；陳仲常運用BP神經網絡模型來預測未來幾年的失業率[5]。

由于我國經濟發展不平衡，勞動人口分布不均衡，經濟結構變化迅速，地區、產業和就業狀況客觀存在差異等，需要具體問題具體分析。本文在借鑒前期研究基礎上，結合龍巖市基本情況，構建基于擴散指數法的失業預警模型，通過計算失業率的擴散指數來確定失業“警戒線”，并提出有針對性的政策建議。

二、基于擴散指數法的小城鎮失業預警模型

經濟發展通常是一個波動的發展過程，經濟運行過程總是景氣與不景氣交替進行的。相應的，失業率會隨著經濟的景氣變動而變動。我們利用分析經濟景氣的常用綜合指標——擴散指數，來判斷失業率的變動。

(一)失業預警系統

失業是一個經濟系統運行的結果，我們將失業模型嵌入到經濟發展主模型中，如圖1所示。選擇這些指標為一個系統的理由如下：

凱恩斯失業與有效需求理論。該理論認為就業水平取決于一國對產品和勞務的總需求水平，資本主義國家經濟危機和就業不足的根本原因在于私人投資和消費不足而造成的有效需求不足。因此我們考慮城鎮居民的消費是否會刺激生產，從而擴大就業[7]。當消費的人群規模大時，消費對就業的影響就會擴大，故需考慮人口因素。

菲利普斯曲線與失業。菲利普斯認為失業率與通貨膨脹率之間存在負相關關系。隨著市場在資源配置中決定性地位的逐步確立，就業的波動會相應增強，通貨膨脹在市場經濟條件下再分配的作用增強。我們選取城鎮居民的消費價格指數CPI，考慮龍巖的通貨膨脹是否會影響就業水平。

配第·克拉克定律與失業。配第·克拉克定律認為隨著經濟發展，農業勞動力比例下降，第二、三產業等非農業勞動力比例上升，在產業結構調整過程中需要轉換工作的人就越多，失業的風險也越大。我們采用產業結構偏離指數來衡量產業結構的偏離度。

圖1 失業預警系統結構圖

(1)

其中，S表示產業結構偏離度，Y1為第一產業GDP，Y2為第二產業GDP，Y3為第三產業GDP，L1為第一產業從業人數，L2為第二產業從業人數，L3為第三產業從業人數。

奧肯定律與失業。奧肯認為經濟增長速度快，就業崗位增加，就業水平高，失業率低；反之，就業水平低，失業率高。我們用GDP來表示經濟增長，探討與失業率的關系。對于中國而言，拉動經濟增長的主導是投資，因此我們考慮了城鎮固定資產投資因素。

勞動力供給曲線。勞動報酬既體現了勞動者就業的質量，也能反映就業的形勢。當勞動報酬提高時，在替代效應高于收入效應的情況下，價格越高，勞動力供給越多。勞動報酬越高，一般情況下會有越多的人參加勞動。當收入效應大于替代效應時，會出現向后彎曲的勞動力供給曲線。

(二)失業預警模型的逐步回歸改進及模型解釋

1.失業預警模型的逐步回歸改進

基于以上理論，我們確定了7個警兆指標： GDP(X1)，城鎮居民工薪收入(X2)，城鎮居民消費性支出(X3)，城鎮固定資產投資(X4)，產業結構偏離度(X5)，CPI(X6)，人口總數(X7)。將這7個變量作為解釋變量，限于數據局限性，以城鎮登記失業率作為被解釋變量，進行多元回歸分析，回歸分析模型為：

Y=C+C1*X1+C2*X2+……+C7*X7

(2)

本文采用eviews6.0分析，由于變量的顯著性不好，一半多的經濟變量t檢驗值未通過檢驗，使得回歸模型準確性不夠，我們采用逐步回歸法改進失業預警模型。逐步回歸法的基本思想是：將變量一個個引入模型，引入變量的條件是偏回歸平方和經檢驗顯著，同時每引入一個新變量后，逐個檢驗已選入的變量，將不顯著變量剔除，這樣可以保證最后所得的變量子集中的所有變量都是顯著的。我們采用backward(向后淘汰)方法來剔除存在共線性的多余變量，計算結果見表1。

表1 針對失業率的逐步回歸分析結果

調整后的可決系數為0.74，F=10.53，通過F檢驗，說明方程顯著性好；全部變量的t檢驗值均通過了檢驗。由于DW 檢驗存在較大的局限性，為了進一步檢驗方程是否存在序列相關性，采用LM 檢驗法，結果見表2。

由于P值較大，明顯大于5%，接受不存在序列相關的原假設。為了進一步驗證回歸方程是否存在異方差，采用Breusch-Pagan-Godfrey方法，結果見表3，P值明顯大于5%，接受不存在異方差的原假設。

表2 序列相關性檢驗

表3 異方差檢驗

2.模型解釋

GDP總量(X1)增加，失業率下降，即在龍巖地區并未形成經濟增長而就業下降的局面。城鎮居民的消費性支出(X3)符合凱恩斯有效需求理論，隨著城鎮居民消費的增加，生產擴大，就業增加。戶籍總人口(X7)增加，失業率增加，即目前龍巖的勞動力存量依然很大。有趣的是，這些保留指標反映的經濟含義與我們之前的預測有矛盾之處，呈現出地方特性：

產業結構偏離度(X5)與配第·克拉克定律并不相符，可能的原因有：龍巖在產業結構的調整過程中對勞動力的質量要求并不高，勞動者經過簡單的崗前培訓即可獲得勝任工作的能力；產業結構調整后吸納就業的能力大于因產業結構調整不適應而帶來的失業。

城鎮居民的工薪收入(X2)增加，失業量增加，這與城鎮化過程中大量的征地有關。由于征地或者城市化的推進，城鎮居民獲得了大量的財產性收入，即使工薪收入提高，也較難刺激他們參與就業。

(三)失業警戒線的確定

我們認為上述5個變量可以綜合反映出失業率的變動情況。以它們為警兆，根據擴散指數(DI)對失業率進行綜合評價和預警。擴散指數指在對各個經濟循環波動測定的基礎上，將所得擴張變量在一定時點上加權的百分比。以DIt表示t時擴張變量的比率，則：

(3)

當權重Wi相等時，

DIt=(1/K)*100

(4)

其中I為指示性函數。

失業率的擴散指數=[(高于平均數的警兆數目*1+持平的警兆數目*0.5)/全部警兆數目]×100%

各個指標的計量單位不一致，本文采用Z-Score法標準化處理；在有限的18年中完全等于平均數的可能性極小，因此本文將小于0.01的數約等于平均值；影響失業的因素有正向和負向因素，本文調整正負因素。這樣處理后，獲得失業率擴散指數波動圖，見圖2。

圖2 龍巖失業率擴散指數走勢圖(1995—2012)

DELPHI法對失業率擴散指數的設置規定如下：當DI∈(0，0.5]時，表示多數警兆指標都處于寬松狀態，屬于無警情；當DI∈(0.5，0.7]時，表示有半數以上的警兆指標處于緊張狀態，屬于輕度警情；當DI∈(0.7，0.9]時，表示有多半以上的警兆指標處于緊張狀態，屬于中度警情；當DI∈(0.9，1]時，表示絕大多數或所有的警兆指標都處于緊張狀態，屬于重度警情。從圖2可以看出，自2001年后，有半數以上的警兆指標處于緊張狀態。1995—2012年間，失業率每增長1個百分點，失業率擴散指數增長13.53%，當失業率擴散指數達到100%，即城鎮登記失業達到7.39%時，社會各方面的承受能力就達到了臨界值，社會會蘊藏動蕩的局勢。不過很多隱性失業未被統計在內，使得城鎮登記失業率未能真實反映出失業的程度。

三、政策建議

根據改進后的回歸模型，我們認為促進就業的方式有：

發展生產力。發展是硬道理，解決就業關鍵靠發展。首先應該大力發展勞動密集型產業，勞動密集型產業的發展意味著相對于經濟增長的就業彈性會增加。其次，要大力發展非國有經濟和民營經濟，鼓勵各種各樣的就業形式。一般來說，非國有經濟具有勞動密集型特點，2014年政府工作重點之一是制定非國有資本參與中央企業投資項目的辦法，在金融、石油、電力、鐵路、電信、資源開發、公用事業等領域向非國有資本推出一批投資項目，制定非公有制企業進入特許經營領域的具體辦法。

刺激城鎮居民消費。城鎮居民的消費層次和結構都較農村居民高，有利于內需規模的擴大。例如提高服務性產品的供給，可從提高精神消費(如文化、娛樂、旅游)、金融等高端服務消費入手，這與龍巖市的產業結構升級密切相關。

積極促進產業結構升級。龍巖市的經濟發展正處于工業化中期向工業化后期的轉變，在路徑依賴下資源型工業仍然是龍巖市工業的重要支柱，因此呈現出龍巖市第三產業產值增長率低于GDP增長率的情況，且增長率呈下降趨勢，見圖3。

圖3 龍巖市第三產業產值增長率與GDP增長率

此外，我們要考慮第三產業內部的協調性。龍巖市第三產業仍處于低層次水平，以傳統服務業為主體，新興服務業在第三產業中所占份額偏小。傳統行業累計實現增加

值占全市第三產業的43.9%；新興服務業累計實現增加值占第三產業比重僅28.6%。總體而言，龍巖市第三產業現代服務投資不足[8]。

我們還需考慮控制人口數量。人口越多，要就業的勞動力量就越大，必然會增加就業的難度。引導征地農民合理消費，積極就業。征地補償款的運用必須合理，否則是坐吃山空，不利于勞動者技能的提高。

參考文獻：

[1] Harvey Andrew.Forecasting,Structural Time Series Models and the Kalman Filter[M].Cambridge: Cambridge University Press,1990．

[2] Jones S,Riddell W C.The measurement of labor force dynamic with longitudinal data:The labor market activity survey filter[J].Journal of Labor Economics,1995,13(2):351-385.

[3] 馮煜.中國失業預警線探索[J].山西財經大學學報,2001(8):14-17.

[4] 趙建國.基于擴散指數法的失業預警模型及實證分析[J].財經問題研究,2005(9):81-84.

[5] 陳仲常,吳永球.失業風險預警系統研究[J].當代財經,2005(8):5-10.

[6] 余華銀,毛瑞豐.我國城鎮失業水平的適度性研究[J].統計教育,2006(9):36-40.

[7] 張得志.中國經濟高速增長過程中的勞動就業及其失業預警研究[D].上海:復旦大學,2007.

[8] 戴華東.加快龍巖市第三產業發展的路徑探析[J].龍巖學院學報,2013(6):77-83.