基于非線性回歸的城鎮(zhèn)就業(yè)影響因素修正分析

肖梅 周霞霞 陳震霆

【文章摘要】

針對城鎮(zhèn)就業(yè)這個影響我國宏觀經(jīng)濟指標中的重要問題，對城鎮(zhèn)就業(yè)模型進行優(yōu)化設計，就城鎮(zhèn)就業(yè)人數(shù)自身發(fā)展趨勢和外部因素影響兩個角度，主要從中觀層面以地區(qū)角度出發(fā)，從短期波動和長期均衡著手，分別考慮從協(xié)整關系和誤差修正建立模型。通過該模型從不同角度預測，確保了預測的可靠性。

【關鍵詞】

城鎮(zhèn)就業(yè)人數(shù)；非線性回歸分析法；協(xié)整關系；誤差修正

1 提出問題

失業(yè)或者說就業(yè)是影響到我國的社會和諧，也是關系到國計民生的重要問題。我國通常采用登記城鎮(zhèn)失業(yè)率的方式來進行統(tǒng)計，它是指城鎮(zhèn)登記失業(yè)人數(shù)同城鎮(zhèn)從業(yè)人數(shù)與城鎮(zhèn)登記失業(yè)人數(shù)之和的比。從經(jīng)濟學的角度來看，影響就業(yè)的因素比較多。消費、投資、政府購買和進出口這些重要的因素是從宏觀層面上來分析的；不同地區(qū)、不同產業(yè)表現(xiàn)出不同的特征是指中觀層面的因素。當然，政府實施的宏觀經(jīng)濟政策，以及對不同地區(qū)和不同產業(yè)實行的扶持政策對就業(yè)產生同樣會產生巨大的影響。

以往建立的模型對數(shù)據(jù)的運用很少誤差修正，往往模型的精確性和數(shù)據(jù)的可靠性得不到充分驗證。需要從協(xié)整關系和誤差修正建立模型，對影響就業(yè)的因素從指標，分行業(yè)、分地區(qū)、分就業(yè)人群角度，建立比較精確的數(shù)學模型。

2 分析問題

分析相關數(shù)據(jù)，尋找到影響就業(yè)的主要因素。價格指標包括CPI，PPI，房價等。增長指標包括投資，消費，PMI等。外貿指標包括出口，進口，順差等。金融指標包括M2，信貸，儲蓄等。這些指標跟城鎮(zhèn)就業(yè)人數(shù)存在某種非線性回歸關系。本文通過對城鎮(zhèn)就業(yè)模型進行優(yōu)化設計，主要從中觀層面以地區(qū)（云南）角度出發(fā)，建模方式上從短期波動和長期均衡著手，分別考慮從協(xié)整關系和誤差修正建立模型。

3 數(shù)學建模

3.1建模理論

（1）多元線性回歸模型理論

回歸分析方法是確定變量間相互作用與影響的建模方法。在多個影響因素時回歸分析方法兩種，分別是多元線性回歸和多元非線性回歸。本文的模型選用多元非線性回歸模型。在因子分析的基礎上建立非線性回歸模型，確定各因子與就業(yè)之間的函數(shù)關系。

（2）時間序列模型理論

根據(jù)時間序列自身發(fā)展變化的基本規(guī)律進行預測的時間序列模型，用以研究市場價格與時間的關系，一般采用ARIMA模型、誤差修正等幾個模型。

（3）組合模型

本文從多元非線性回歸模型和時間序列模型的基礎理論上，建立組合預測模型來分析預測結果， 使預測誤差和均方差都達到最小，并從協(xié)整關系和誤差修正兩個角度對城鎮(zhèn)就業(yè)人數(shù)進行綜合預測，力求預測結果的誤差和穩(wěn)定性達到最優(yōu)。

3.2建立模型

運用協(xié)整分析和誤差修正模型從城鎮(zhèn)就業(yè)人口自發(fā)展趨勢和外部因素影響兩個角度分別對市場價格進行預測。用組合模型組合結果使數(shù)據(jù)誤差和均方差達到最小，并從兩個角度對進行綜合預測使預測結果的誤差和穩(wěn)定性達到最優(yōu)。

3.2.1 數(shù)據(jù)處理

為避免異方差的問題，將所有自變量數(shù)據(jù)取對數(shù)化，分別表示為LY，LX1，LX2，，LX3，LX4，LX5，LX6，LX7，LX8，LX9，LX10，LX11。11個變量的相關性系數(shù)如表1所示：

根據(jù)數(shù)據(jù)的相關性分析，從表1可以看出， X4，X5，X6相關程度很大，X7和X8相關程度很大。從經(jīng)濟學角度考慮，剔除重復指標X4，X5，X6和X8。

3.2.2協(xié)整分析

（1）單位根檢驗

利用統(tǒng)計軟件Eviews可得到LY，LX1，LX2，LX3，LX7，LX9，LX10，LX11 8個變量隨時間變化的特征。下面僅列出LY、LX1、LX2效果圖：

發(fā)現(xiàn)變量都隨時間的變化呈上升趨勢，因此直接對變量進行回歸分析會產生“偽回歸”問題。對8個變量進行單位根檢驗（采用ADF檢驗法），模型的顯著水平為5%。各個變量的平穩(wěn)性檢驗結果如表2所示

（2）協(xié)整檢驗

對于變量而言，只要它們的階數(shù)相同，才有可能協(xié)整，所以LY和LX1，LX2，LX3之間有可能存在協(xié)整關系（即它們之間可能存在一個長期穩(wěn)定的比例關系），采用ADF檢驗法。

Ⅰ、LY與LX1之間的協(xié)整關系

以LY為因變量，LX1為自變量，利用Eviews軟件，試算后發(fā)現(xiàn)，得到相對好的線性回歸方程為： LY= 4.9934+ 0.3415LX1 。

ADF檢驗的結果顯示殘差序列不存在單位根，LY與LX1存在協(xié)整關系，LX1作為解釋變量是合適的。反之，以LX1為因變量，LY為自變量，得出來的方程，ADF檢驗的結果顯示殘差序列也不存在單位根， LX1與LY存在協(xié)整關系，LY作為解釋變量是合適的。

可見城鎮(zhèn)單位就業(yè)人員期末人數(shù)和城鎮(zhèn)單位就業(yè)人員平均勞動報酬互有促進作用。

Ⅱ、LY與LX2之間的協(xié)整關系

以LY為因變量，LX2為自變量，利用Eviews軟件，試算后發(fā)現(xiàn)，得到相對好的線性回歸方程為： LY = 2.106569+0.092979LX2（-1）+0.782829LY（-1） 。

ADF檢驗的結果顯示殘差序列不存在單位根，LY與LX2存在協(xié)整關系，LX2作為解釋變量是合適的。反之，以LX1為因變量，LY為自變量，得出來的方程，ADF檢驗的結果顯示殘差序列也不存在單位根，LX2與LY存在協(xié)整關系，LY作為解釋變量是合適的。

由此可見，城鎮(zhèn)單位就業(yè)人員期末人數(shù)和生產總值互有促進作用。

Ⅲ、LY與LX3之間的協(xié)整關系

以LY為因變量，LX3為自變量，利用Eviews軟件，試算后發(fā)現(xiàn)，得到相對好的線性回歸方程為： LY = 10.58442+0.125812LX3 。

ADF檢驗的結果顯示殘差序列存在單位根，反之，以LX1為因變量，LY為自變量，得出來的方程，ADF檢驗的結果顯示殘差序列存在單位根， LY與LX1不存在協(xié)整關系，即城鎮(zhèn)單位就業(yè)人員期末人數(shù)和城鎮(zhèn)居民家庭人均消費性支出不存在長期穩(wěn)定的比例關系， 城鎮(zhèn)單位就業(yè)人員期末人數(shù)和城鎮(zhèn)居民家庭人均消費性支出沒有直接的相互作用。

（3）三變量協(xié)整關系檢驗

對 LX1（自變量），LX2（自變量），LY（因變量）三個變量之間進行協(xié)整關系檢驗。即設置一個變量為被解釋變量，其它變量為解釋變量，進行OLS（普通最小二乘法）估計，并檢驗殘序列是否平穩(wěn)。以LY為被解釋變量 和LX1，LX2為解釋變量進行回歸得：

（1）

對上式的殘差進行平穩(wěn)性檢驗，結果發(fā)現(xiàn)殘差序列是平穩(wěn)的 但殘差項有較強的相關性，考慮加入適當?shù)臏箜?，得出分布滯后模型如下?/p>

（2）

上式的自相關性已經(jīng)消除，單位根檢驗殘差序列是平穩(wěn)的，三者之間存在長期穩(wěn)定的均衡關系，但LX1的系數(shù)偏小且不顯著，不能說明長期就業(yè)人員平均勞動報酬對就業(yè)的作用。

3.2.3 誤差修正模型

為了驗證LX1在短期內對LY的影響，可建立誤差修正模型如下：

（3）

該式表明，短期內城鎮(zhèn)單位就業(yè)人員平均勞動報酬對就業(yè)有著影響。

4 模型的討論與分析

本文建立模型，對未來城鎮(zhèn)就業(yè)人數(shù)的進行預測。通過三個不同的角度更好的確保預測的可靠性。結合建立的我國城鎮(zhèn)就業(yè)人數(shù)模型體系，參考運算得到仿真結果，依此找到影響結果的原因并分析問題，給經(jīng)濟決策者以參考，以提高增加我國城鎮(zhèn)就業(yè)人數(shù)。模型不能全面的考慮各種因素，還需具體問題具體分析，理論聯(lián)系實際，合理統(tǒng)籌，才能使就業(yè)模型更加符合我國宏觀經(jīng)濟發(fā)展的軌跡，更加具有實際的指導意義。

【參考文獻】

[1]姜啟源等編，大學數(shù)學實驗，北京：清華大學出版社，2005.2

[2]馬格雷伯等編，MATLAB原理與工程應用（第二版），北京：電子工業(yè)出版社，2006

[3]高隆昌等編，數(shù)學建?；A理論，北京：科學出版社，2007