淺析影響失業(yè)的因素

章立會+++程玲

摘 要：過高的失業(yè)率給個(gè)人心靈造成創(chuàng)傷，使企業(yè)用人緊張，同時(shí)使整個(gè)社會資源無法得到充分利用。本文將通過eviews6研究失業(yè)率高低與相關(guān)因素的關(guān)系，來增加對失業(yè)率的了解，實(shí)現(xiàn)對失業(yè)率的有效預(yù)測，同時(shí)提出一些建議幫助有效控制失業(yè)率。

關(guān)鍵詞：失業(yè)；城鎮(zhèn)登記失業(yè)率；EVIEWS

一、變量的選擇

首先在中國知網(wǎng)上輸入“失業(yè)”、“影響失業(yè)的因素”、“與失業(yè)相關(guān)的因素”等關(guān)鍵詞搜索相關(guān)文章，選擇其中2010年以后的論文，確保文章內(nèi)容不過于陳舊，將其中涉及到影響失業(yè)因素的關(guān)鍵詞一一摘出，進(jìn)行統(tǒng)計(jì)篩選，總結(jié)出其中出現(xiàn)頻率較高的詞。通過查閱中華人民共和國國家統(tǒng)計(jì)局官網(wǎng)、山西省統(tǒng)計(jì)局官網(wǎng)以及2014年山西統(tǒng)計(jì)年鑒確定數(shù)據(jù)的可獲得性，選擇了2000年至2014年的指標(biāo)數(shù)據(jù)作為樣本。

X2t就業(yè)財(cái)政支出是對國民收入的再分配，目的是促進(jìn)就業(yè)，縮小貧富差距，預(yù)期符號為負(fù)。經(jīng)濟(jì)是基礎(chǔ)，地區(qū)生產(chǎn)總值的快速增加對就業(yè)具有促進(jìn)作用，所以選擇地區(qū)生產(chǎn)總值（億元）作為X3t，預(yù)期符號為負(fù)。第三產(chǎn)業(yè)就業(yè)的吸納人數(shù)遠(yuǎn)遠(yuǎn)大于第一、第二產(chǎn)業(yè)，選擇第三產(chǎn)業(yè)增加值指數(shù)（上年=100）為X4t，預(yù)期符號為負(fù)。城鎮(zhèn)登記失業(yè)人口的大幅度增加，會促使城鎮(zhèn)登記失業(yè)率的增加，選擇城鎮(zhèn)登記失業(yè)人數(shù)（萬人）為X5t，預(yù)期符號為正。城鎮(zhèn)登記失業(yè)率是衡量失業(yè)的標(biāo)志，所以選擇城鎮(zhèn)登記失業(yè)率為被解釋變量。

二、模型的設(shè)定與參數(shù)估計(jì)

城鎮(zhèn)登記失業(yè)率隨著地方財(cái)政一般預(yù)算支出、地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)產(chǎn)值的增加而降低，隨著城鎮(zhèn)登記失業(yè)人數(shù)的增加而增加，近似于線性關(guān)系，從而建立線性回歸模型為：

其中Yt為第t年山西省城鎮(zhèn)登記失業(yè)率，為回歸模型提供數(shù)據(jù)，利用Eviews6.0進(jìn)行最小二乘法估計(jì)模型參數(shù)，得到的結(jié)果如下：

三、模型檢驗(yàn)

（一）經(jīng)濟(jì)意義檢驗(yàn)

X2t地方財(cái)政一般預(yù)算支出系數(shù)為負(fù)，與預(yù)期一致，符合經(jīng)濟(jì)意義，解釋變量X3t地區(qū)生產(chǎn)總值、X4t第三產(chǎn)業(yè)增加值、X5t城鎮(zhèn)登記失業(yè)人數(shù)的符號均與預(yù)期相反。

（二）統(tǒng)計(jì)推斷檢驗(yàn)

模型的可決系數(shù)和修正可決系數(shù)很高，擬合優(yōu)度良好，F(xiàn)檢驗(yàn)值為28.66367，所有解釋變量對被解釋變量總體上影響顯著。

（三）計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)

1.模型多重共線性檢驗(yàn)及其修正

解釋變量X3t、X4t、X5t的符號與預(yù)期相反，這表明可能存在嚴(yán)重的多重共線性。選擇各解釋變量的相關(guān)數(shù)據(jù)進(jìn)行相關(guān)系數(shù)的計(jì)算，各解釋變量之間的有6個(gè)相關(guān)系數(shù)均超過0.9，證實(shí)確實(shí)存在多重共線性。為了進(jìn)一步了解多重共線性的性質(zhì)，我們做輔助回歸，即將每一個(gè)X變量分別作為解釋變量都對其余的X變量進(jìn)行回歸，所得結(jié)果輔助回歸的可決系數(shù)很高，X2t、X3t的方差擴(kuò)大因子遠(yuǎn)大于10，表明存在嚴(yán)重的多重共線性問題。

經(jīng)過多種方法的嘗試，最終發(fā)現(xiàn)采用剔除變量法可以有效解決多重共線性問題分別剔除不同變量進(jìn)行檢驗(yàn)，發(fā)現(xiàn)剔除X3t、X4t，將剩下的解釋變量數(shù)據(jù)進(jìn)行最小二乘法得出的系數(shù)符號符合預(yù)期，結(jié)果如下：

2.模型的異方差檢驗(yàn)及其修正

本文通過剔出變量的方法，避免了多重共線性的影響，但是如果刪除了重要的變量又有可能引起異方差。通過White檢驗(yàn)來檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲睿琻R2=13.422，χ20.05=10.5966，nR2>χ20.05且X2t與X5t的t檢驗(yàn)都顯著，表明模型存在異方差。

經(jīng)過多種方法的嘗試，本文適合采用對模型變換的方法來消除異方差的影響。將等式兩邊同除√X2t，然后進(jìn)行最小二乘法，得出式子如下：

nR2=10.48455小于χ20.05=10.5966，異方差問題得到解決。

3.模型自相關(guān)的檢驗(yàn)及其修正

由于經(jīng)濟(jì)系統(tǒng)的慣性、經(jīng)濟(jì)活動的滯后效應(yīng)、數(shù)據(jù)處理、蛛網(wǎng)現(xiàn)象、模型設(shè)定有偏誤等原因，時(shí)間序列數(shù)據(jù)中常常存在自相關(guān)關(guān)系，采用BG檢驗(yàn)的方法來判斷模型是否具有自相關(guān)，LM=TR2=14.099865，χ20.05（2）=10.5966，LM=TR2>χ20.05（2），則拒絕原假設(shè)，說明存在自相關(guān)。

采用廣義差分法進(jìn)行自相關(guān)問題的處理。回歸方程如下：

由于使用了廣義差分?jǐn)?shù)據(jù)，樣本容量減少了一個(gè)，為14個(gè)，LM=TR2<χ20.05，所以模型已無自相關(guān)，由此我得到的最終模型為Yt/=0.0065214353-0.0007641645X2t/+0.235019199X5t/。在其他因素不變的情況下，當(dāng)?shù)胤截?cái)政一般預(yù)算支出減少1億元時(shí)，城鎮(zhèn)登記失業(yè)率增加0.076，在其他因素不變的情況下，城鎮(zhèn)登記失業(yè)人數(shù)增加1萬人，城鎮(zhèn)登記失業(yè)率上升23.5%。

四、措施與辦法

政府要加大在失業(yè)保障方面的財(cái)政支出，保障失業(yè)者的基本生活，同時(shí)對失業(yè)者進(jìn)行培訓(xùn)，增加其工作技能，提高其抵御失業(yè)風(fēng)險(xiǎn)的能力。但是也不能完全盲目增加財(cái)政支出，政府對失業(yè)金的發(fā)放要防止“養(yǎng)懶漢”現(xiàn)象的發(fā)生，對于失業(yè)金的發(fā)放隨著失業(yè)時(shí)間的增加呈逐漸遞減的趨勢，鼓勵失業(yè)者積極去尋找工作。

在競爭激烈的社會，個(gè)人要加強(qiáng)自身的工作技能，增加自己的不可替代性。樹立正確的就業(yè)觀，切忌高不成低不就。積極繳納失業(yè)保險(xiǎn)，降低失業(yè)對自己造成的損失。如果有能力的話，順應(yīng)“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”的環(huán)境，進(jìn)行自主創(chuàng)業(yè)，不僅能夠解決自己的就業(yè)問題，還能容納他人就業(yè)。

本文僅選取4個(gè)指標(biāo)進(jìn)行衡量，且均是定量指標(biāo)，影響失業(yè)的還有不少定性指標(biāo)。由于部分?jǐn)?shù)據(jù)難獲得，所以選擇了樣本年數(shù)為2000年至2014年，樣本數(shù)有限，所得結(jié)果僅供參考。

參考文獻(xiàn)：

[1]中國統(tǒng)計(jì)出版社.山西統(tǒng)計(jì)年鑒2014[M].北京：中國統(tǒng)計(jì)出版社，2014.

[2]中華人民共和國國家統(tǒng)計(jì)局[EB/OL].http：//www.stats.gov.cn.

[3]龐皓.計(jì)量經(jīng)濟(jì)學(xué)[M].北京：科學(xué)出版社.2014.

作者簡介：

章立會（1995～），女，江蘇無錫人，人力資源管理專業(yè)。

程玲（1994～），女，山西大同人，工商管理專業(yè)，人力資源方向。