海南省大健康產(chǎn)業(yè)人才需求多元回歸預(yù)測模型的構(gòu)建

陳燕瑩 黑啟明 劉春平 吳睿 符帥 ??

[摘要]文章首先根據(jù)文獻(xiàn)檢索法梳理國內(nèi)文獻(xiàn)關(guān)于人才需求預(yù)測方法的優(yōu)缺點，基于現(xiàn)有文獻(xiàn)研究，在考慮專家的意見和數(shù)據(jù)的易得性，選取3類共20個指標(biāo)因素，選取2009—2015年的數(shù)據(jù)，構(gòu)建基于海南省大健康產(chǎn)業(yè)各類衛(wèi)生技術(shù)人員數(shù)量和整個指標(biāo)體系因素之間的多元回歸模型。在具體分析中，由于多個指標(biāo)之間存在多重共線性關(guān)系，為保留盡可能多的指標(biāo)因素，采用主成分分析進(jìn)行降維處理，解決共線性問題，共提取2個公因子，并利用公因子構(gòu)建多元線性回歸預(yù)測模型。同時，結(jié)合趨勢外推法通過對整體指標(biāo)體系因素的未來值的預(yù)測代入回歸預(yù)測模型進(jìn)而進(jìn)行2016—2020年未來海南省大健康產(chǎn)業(yè)人才需求的預(yù)測。和海南省大健康產(chǎn)業(yè)各類衛(wèi)生人才及管理人員數(shù)目的實際值進(jìn)行比較，回歸預(yù)測模型具有較好的預(yù)測結(jié)果。

[關(guān)鍵詞]海南省；健康產(chǎn)業(yè)人才需求；預(yù)測模型

[DOI]1013939/jcnkizgsc201729101

2016年10月25日，國務(wù)院發(fā)布《“健康中國2030”規(guī)劃綱要》，明確健康中國的戰(zhàn)略目標(biāo)是，到2020年，建立覆蓋城鄉(xiāng)居民的中國特色基本醫(yī)療衛(wèi)生制度，健康素養(yǎng)水平持續(xù)提高，人人享有基本醫(yī)療衛(wèi)生服務(wù)和基本體育，主要健康指標(biāo)居于中高收入國家之列。到2030年，促進(jìn)全民健康的制度體系更加完善，健康服務(wù)質(zhì)量和健康保障水平不斷提高，健康產(chǎn)業(yè)繁榮發(fā)展，基本實現(xiàn)健康水平，主要健康指標(biāo)進(jìn)入高收入國家行列。[1]

為了保障健康服務(wù)指標(biāo)建設(shè)的達(dá)成，健康服務(wù)尤其是醫(yī)療服務(wù)質(zhì)量的改善與提高，促使整個社會基本醫(yī)療衛(wèi)生服務(wù)的可負(fù)擔(dān)，如何確保合理的健康服務(wù)人才的供給與布局，能夠相對準(zhǔn)確科學(xué)地進(jìn)行一個國家或者一個區(qū)域的健康產(chǎn)業(yè)人才的需求預(yù)測，明晰影響健康產(chǎn)業(yè)人才需求的因素就成為值得重點研究的問題之一。

在加快建設(shè)國際旅游島的背景下，健康服務(wù)業(yè)已成為海南省現(xiàn)實需求最大、增長速度最快的現(xiàn)代服務(wù)業(yè)之一。到2020年，全省健康服務(wù)業(yè)總規(guī)模達(dá)到1000億元以上，健康服務(wù)業(yè)占GDP比重達(dá)到15%左右，成為推動經(jīng)濟(jì)社會持續(xù)發(fā)展的重要力量。為了實現(xiàn)這一目標(biāo)，海南省必然需要大量的健康服務(wù)業(yè)專業(yè)人才，而截至2015年年底海南省統(tǒng)計年鑒及“十二五”期間衛(wèi)生科教工作總結(jié)文件的統(tǒng)計數(shù)據(jù)顯示，海南省每千常住人口執(zhí)業(yè)（助理）醫(yī)師數(shù)達(dá)到209人，每千常住人口注冊護(hù)士數(shù)達(dá)到271人，醫(yī)護(hù)比為1∶130，每千常住人口執(zhí)業(yè)藥師數(shù)達(dá)到031人，距離國家《“健康中國2030”規(guī)劃綱要》要求的健康指標(biāo)均存在一定的差距，例如，到2015年，每千常住人口執(zhí)業(yè)（助理）醫(yī)師應(yīng)達(dá)到22人，到2020年，達(dá)到25人，到2030年，達(dá)到30人；到2020年，每千常住人口注冊護(hù)士數(shù)應(yīng)達(dá)到314人，到2030年，達(dá)到47人；到2020年，每千常住人口執(zhí)業(yè)藥師數(shù)應(yīng)達(dá)到06人。

1人才需求預(yù)測方法的研究現(xiàn)狀

總體而言，我國目前的人才需求預(yù)測工作還十分薄弱，很多行業(yè)還沒有建立起具有宏觀指導(dǎo)性，自身行業(yè)獨特的人才需求特征指標(biāo)體系和規(guī)范化的預(yù)測模型。大部分的人才需求預(yù)測還停留在企業(yè)預(yù)測層面，大多采用傳統(tǒng)的時序外推法，只考慮時間序列因素，不關(guān)注外部因素造成的影響，當(dāng)外部經(jīng)濟(jì)環(huán)境、政策沖擊加上人口流動遷移發(fā)生重大變化時，傳統(tǒng)的預(yù)測方法將難以適應(yīng)人才預(yù)測的需要。

Scheffler等（2008）[2]是首位從國家間的角度，使用合適的縱向數(shù)據(jù)對158個國家的醫(yī)師人數(shù)的供求數(shù)量及是否符合世衛(wèi)組織的基本健康服務(wù)覆蓋的需求門檻進(jìn)行預(yù)測的學(xué)者。

Jenny X Liu、Yevgeniy Goryakin、Akiko Maeda等（2017）[3]基于經(jīng)濟(jì)學(xué)供需模型以經(jīng)濟(jì)增長、人口規(guī)模、健康水平覆蓋程度為解釋變量，使用世界衛(wèi)生組織健康市場勞動力觀察報告中的165個國家從1990年至2013年的健康市場勞動力數(shù)據(jù)對2030年的全球健康市場勞動力需求進(jìn)行預(yù)測。結(jié)果發(fā)現(xiàn)到2030年，全球需要各類健康衛(wèi)生技術(shù)人才高達(dá)8000萬人，為2013年的兩倍，而世界范圍內(nèi)勞動力的凈短缺達(dá)到1500萬人。隨著經(jīng)濟(jì)增長、人口增長及人口老齡化，對健康市場勞動力需求的高增長將由高收入國家向中等偏高收入國家轉(zhuǎn)移。大量的人才短缺會加劇國家間健康衛(wèi)生技術(shù)人才的全球爭奪與競爭。由于供不應(yīng)求，中等收入國家會面臨大量人才短缺。與此相反，低收入國家將面臨供求雙方的低增長，看似不會面臨人才短缺的現(xiàn)象，但是健康衛(wèi)生人員的數(shù)量遠(yuǎn)遠(yuǎn)低于世衛(wèi)組織對基本健康服務(wù)覆蓋所要求的人員需求門檻。

我國人才需求預(yù)測分析起始于20世紀(jì)80年代，經(jīng)濟(jì)增長的騰飛伴隨著大量的人才需求，因此擁有以經(jīng)濟(jì)增長的有關(guān)數(shù)據(jù)為基礎(chǔ)的預(yù)測傳統(tǒng)，以人才需求量作為預(yù)測量，進(jìn)行預(yù)測模型設(shè)計。這種思路容易忽視科學(xué)技術(shù)與知識的變革與疊代更替帶來的產(chǎn)業(yè)結(jié)構(gòu)升級和核心競爭優(yōu)勢的轉(zhuǎn)變，進(jìn)而對人才數(shù)量與其結(jié)構(gòu)變化的影響。

人才需求影響的因素很多，涉及社會、經(jīng)濟(jì)、科技等多種因素，很多地區(qū)的人才統(tǒng)計數(shù)據(jù)在1988年才開始建立，樣本數(shù)據(jù)很少，歷史數(shù)據(jù)遺漏與錯誤現(xiàn)象嚴(yán)重，存在“維度災(zāi)難”的問題。目前人才需求預(yù)測的模型建立方法有以下五種：一是時序趨勢外推預(yù)測法；二是多元回歸模型；三是灰色預(yù)測模型；四是神經(jīng)網(wǎng)絡(luò)預(yù)測模型；五是差分自回歸移動平均法與最小二乘支持向量機(jī)（ARIMA-LSSVM）組合預(yù)測模型等。

趙東旭（2015）[4]基于趨勢外推法對吉林省2001—2013年的接待入境旅游人數(shù)以時間t為自變量，時序數(shù)值y為因變量進(jìn)行二次曲線的模型擬合，然后基于該模型對未來8年（2014—2021年）的入境旅游人數(shù)進(jìn)行預(yù)測，平均誤差較小，方程擬合較好，有較高的預(yù)測精度。這種方法是對特定時間序列建立的靜態(tài)模型，只可根據(jù)時間序列的長度進(jìn)行未來短中期（4～5年或近10年）的預(yù)測，由于預(yù)測時刻越遠(yuǎn)，受到的干擾影響因素就越大，預(yù)測的精度就會下降，因而難以建立長期預(yù)測模型。

王小平、陳敏等（2014）[5]選取涉及宏觀經(jīng)濟(jì)因素、社會環(huán)境因素、對外經(jīng)濟(jì)因素、技術(shù)因素四類23種指標(biāo)構(gòu)建基于上海市金融業(yè)從業(yè)人員數(shù)量和這23種指標(biāo)因素間的回歸預(yù)測模型。文中利用主成分分析方法解決共線性問題，提取2個公因子，并利用公因子構(gòu)建線性回歸預(yù)測模型。通過預(yù)測模型估測的上海市金融業(yè)從業(yè)人員數(shù)量與實際就業(yè)人員數(shù)量相比，回歸模型具有較好的預(yù)測結(jié)果。這類模型預(yù)測的方法能夠清晰直觀地解釋所要分析問題的影響因素，容易理解問題背后深層次的內(nèi)在聯(lián)結(jié)與相互影響。但其缺點也非常明顯，選擇影響因素?zé)o可避免具有極強(qiáng)的主觀性，可能造成遺漏了重要的相關(guān)因素或挑選了次要因素，因而影響了預(yù)測因素的精確性。另外，這類模型目標(biāo)變量的預(yù)測是基于解釋變量的預(yù)測值可以獲得的前提下的，具有一定的局限性，對歷史數(shù)據(jù)的獲取量比較多。endprint

胡雪花（2009）[6]首先從經(jīng)濟(jì)、社會、科學(xué)技術(shù)、涉外經(jīng)濟(jì)四個方面進(jìn)行分析，建立了人才需求預(yù)測系統(tǒng)的指標(biāo)體系，選取了32個指標(biāo)，結(jié)合了相關(guān)性分析和灰度關(guān)聯(lián)分析，建立了三種灰色預(yù)測模型，并在實際數(shù)據(jù)的檢驗下選擇了等維動態(tài)GOM模型作為指標(biāo)預(yù)測的最優(yōu)模型。在對指標(biāo)分析建模的基礎(chǔ)上，建立了基于灰色理論的BP神經(jīng)網(wǎng)絡(luò)人才需求預(yù)測模型，并與此前的等維GOM模型進(jìn)行模型優(yōu)劣比較，在此基礎(chǔ)上，提出了基于灰色理論的Elman神經(jīng)網(wǎng)絡(luò)的改進(jìn)模型。最后實證結(jié)果表明，Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型能夠結(jié)合灰色理論和神經(jīng)網(wǎng)絡(luò)兩者對人才需求歷史數(shù)據(jù)不足達(dá)到雙重降維的優(yōu)點以及充分利用各指標(biāo)信息，反映人才系統(tǒng)動態(tài)性和指標(biāo)影響的動態(tài)化，具有強(qiáng)線性擬合特性和較強(qiáng)的適用性。

通過以上研究可知，各種預(yù)測方法皆存在自身的優(yōu)劣勢和適用的數(shù)據(jù)條件，而至今沒有學(xué)者運用科學(xué)的人才需求預(yù)測方法對醫(yī)療衛(wèi)生行業(yè)乃至整個大健康產(chǎn)業(yè)的人才需求情況進(jìn)行合理的預(yù)測工作。因此，本文以海南省為例，嘗試對海南省的大健康產(chǎn)業(yè)的人才需求預(yù)測進(jìn)行分析，為現(xiàn)實研究提供可借鑒之處。

2海南省大健康產(chǎn)業(yè)人才需求預(yù)測指標(biāo)選擇

多元線性回歸分析方法是常用的統(tǒng)計學(xué)方法，它可以利用收集到的歷史數(shù)據(jù)或者觀察數(shù)據(jù)去嘗試擬合模型，以研究學(xué)者關(guān)心的目標(biāo)變量與解釋變量之間的線性關(guān)系，檢驗解釋變量的顯著性特征和對模型的影響作用大小，進(jìn)而可以通過兩個或兩個以上的變量去解釋和預(yù)測另一個變量的關(guān)系。

根據(jù)勞動經(jīng)濟(jì)學(xué)的理論，勞動需求是一種“派生需求”，雇主之所以要雇用勞動力，是為了生產(chǎn)、銷售產(chǎn)品或者提供服務(wù)以獲得收益。根據(jù)傳統(tǒng)經(jīng)濟(jì)學(xué)的廠商理論，從宏觀角度上看，生產(chǎn)函數(shù)Q=（L，K），從中可以看出，產(chǎn)量的增長不僅依靠資本投入的增長，也憑借著勞動力的增加或者勞動生產(chǎn)率的提高。這取決于全社會的資本投資規(guī)模和科學(xué)技術(shù)革新突破帶來的生產(chǎn)率低增長。從微觀層度來看，各個企業(yè)的勞動力需求的變化，受限于產(chǎn)量的變化以及工資率的變化。而勞動力的需求變化還受到了勞動力供給的制約，除了工資因素外，還取決于所在國家或地區(qū)的人口規(guī)模、人口結(jié)構(gòu)、人口流動、所處的經(jīng)濟(jì)周期以及其他相關(guān)制度和政策沖擊的影響。

因此，依據(jù)現(xiàn)有的文獻(xiàn)指標(biāo)選擇方法，結(jié)合各方面收集到的資料和訪談專家的意見，在考慮指標(biāo)數(shù)據(jù)的易得性、適用性，以及不同行業(yè)研究對象上的差異性，本文選取了三類共20個指標(biāo)進(jìn)行預(yù)測分析，具體見表1。

3海南省大健康產(chǎn)業(yè)人才需求預(yù)測模型的構(gòu)建

31相關(guān)性及共線性分析

本文初步以海南省衛(wèi)生人員總量作為因變量（記為y1），以上述20個指標(biāo)作為自變量（即X1，…，X20），運用2009—2015年的歷史數(shù)據(jù)資料，建立回歸預(yù)測模型。

在做回歸分析之前，先利用統(tǒng)計軟件SPSS 230中文版對海南省衛(wèi)生人員總量y1與20個指標(biāo)因素之間的相關(guān)程度進(jìn)行考察，運用Pearson相關(guān)分析檢驗法，其相關(guān)系數(shù)參見表1。

從相關(guān)系數(shù)上看，在5%的置信水平下，海南省衛(wèi)生人員總量與全省居民消費價格指數(shù)、全省醫(yī)療保健和個人用品消費價格指數(shù)以及全省商品零售價格指數(shù)的相關(guān)系數(shù)分別為-0136、-0115和-0250，相關(guān)性較小，可將這三種價格指數(shù)予以剔除；同時，海南省衛(wèi)生人員總量和海南省全員勞動率以及海南省進(jìn)口總額的相關(guān)系數(shù)雖為0553和0679，因其相關(guān)系數(shù)相對小于其他系數(shù)指標(biāo)，且沒有達(dá)到5%的置信水平，故依然把這兩種指標(biāo)剔除；除了上述剔除的5種指標(biāo)因素外，其余的15種指標(biāo)與海南省衛(wèi)生人員總量具有極大的相關(guān)性，相關(guān)系數(shù)大，幾乎都在09以上，而且都是正相關(guān)。

從這20種指標(biāo)因素的相關(guān)因素上看，個別指標(biāo)之間的相關(guān)系數(shù)達(dá)到了08以上，存在共線性問題，因此需要對20個自變量進(jìn)行共線性診斷，共線性相關(guān)指標(biāo)參見表2和表3。

由表2和表3可以看出，共線性診斷給出了容差（Tolerance）和方差膨脹因子（VIF）、特征值（Eigenvalue）、條件索引（Condition Index）和方差比例（Variance Proportions）的值。根據(jù)統(tǒng)計學(xué)的標(biāo)準(zhǔn)判斷，如若容差≤01或VIF≥10，條件索引>10或者方差比例>05，特征根越小等，可判斷自變量間存在共線性。表2和表3表明，部分自變量間存在明顯的共線性。

32海南省大健康產(chǎn)業(yè)人才需求模型的構(gòu)建

為了解決自變量間存在的共線性問題，同時盡可能多地保留人才需求影響因素的變量，本文先采用主成分分析方法構(gòu)建回歸模型。

通過主成分分析法的碎石圖（見圖1）可知，對解釋自變量進(jìn)行降維處理，可以提前2個因子。根據(jù)旋轉(zhuǎn)因子載荷表（見表4）和主成分因子成分圖（見圖2），可得到主成分因子公式，見式（1）至式（3）。

a旋轉(zhuǎn)后在3次疊代后已收斂。

F1=0916X17+0814X3+0811X4+0808X15+0795X10+0781X9+0770X16+0728X13+0719X12+0716X11+0709X5（1）

F2=0915X20+0757X18+0726X2+0718X1（2）

經(jīng)過主成分分析后，提取2個公因子，利用F1和F2兩個公因子構(gòu)建回歸模型，根據(jù)散點圖可知，海南省衛(wèi)生人員總量和兩個公因子之間存在線性關(guān)系，因此構(gòu)建的多元線性回歸模型為：

從表5中的R2和調(diào)整后的R2的值可以看出構(gòu)建的回歸方程擬合度較好。從表6的方差分析表中的F值及其的顯著性Sig的概率值小于0001，說明多個自變量和因變量之間存在線性相關(guān)關(guān)系。將表7中的回歸系數(shù)代入式（3）中，可得到海南省衛(wèi)生人員總量預(yù)測模型為：

y1=59841857+5995327F1+4847101F2（4）

將式（1）和式（2）代入式（4），可得，endprint

y1=59841857+5995327（0916X17+0814X3+0811X4+0808X15+0795X10+0781X9+0770X16+0728X13+0719X12+0716X11+0709X5）+4847101（0915X20+0757X18+0726X2+0718X1）（5）

根據(jù)上述得出的海南省衛(wèi)生人員總量預(yù)測模型，將海南省2009—2015年的各項數(shù)據(jù)代入式（4）中，相關(guān)數(shù)據(jù)見表8。

由表8可看出回歸模型的預(yù)測值與實際值比較一致，絕對誤差均小于3%，除了2012年，其他年份的絕對誤差均小于13%。根據(jù)表8，將實際值和預(yù)測值，得到更直觀的圖形表示，見圖3。從圖3可以直觀地看出海南省衛(wèi)生人員總量的預(yù)測值的變化趨勢基本反映了實際值的變化趨勢。由此判斷，本文構(gòu)建的回歸預(yù)測模型用來預(yù)測海南省衛(wèi)生人員總量的預(yù)測值偏差率較低，可靠度比較高。

同理，可用相同的回歸模型預(yù)測方法對目標(biāo)變量海南省衛(wèi)生技術(shù)人員y2、海南省執(zhí)業(yè)（助理）醫(yī)師人數(shù)y3、海南省執(zhí)業(yè)醫(yī)師人數(shù)y4、海南省注冊護(hù)士人數(shù)y5、海南省執(zhí)業(yè)藥師人數(shù)y6、海南省大健康產(chǎn)業(yè)管理人員總數(shù)y7進(jìn)行預(yù)測，見表9。

由表9的海南省大健康產(chǎn)業(yè)各類衛(wèi)生技術(shù)人員以及管理人員總數(shù)的實際值與預(yù)測值的比較表可以得知，本文選取的大健康產(chǎn)業(yè)人才需求預(yù)測指標(biāo)體系相對比較合理，能夠通用與不同類型人才需求的預(yù)測，且各類人員總數(shù)的絕對誤差均小于53%，大多數(shù)低于3%，且都集中于2012年這一相對較異常的年份。通過觀察可以發(fā)現(xiàn)在各項指標(biāo)數(shù)據(jù)整體上揚時，尤其是衛(wèi)生和社會人員的平均工資于2012年還出現(xiàn)較大幅度增長的同時，全省執(zhí)業(yè)（助理）醫(yī)師人數(shù)和執(zhí)業(yè)醫(yī)師人數(shù)反而較2011年出現(xiàn)小幅減少的情況，導(dǎo)致這一年的絕對誤差相對較大。而在此之前的2011年并沒有出現(xiàn)重大的衛(wèi)生人力政策的沖擊和經(jīng)濟(jì)大環(huán)境的明顯惡化，而執(zhí)業(yè)醫(yī)師資格考試的錄取分?jǐn)?shù)線和通過率并沒有明顯的變化，因此，不排除因各地薪酬增加產(chǎn)生人才流動的可能性。綜上所述，可以發(fā)現(xiàn)本文構(gòu)建的多元回歸預(yù)測模型擬合度較高，預(yù)測精度較好，可靠性較強(qiáng)。

33結(jié)合趨勢外推法進(jìn)行未來預(yù)測

由于多元回歸預(yù)測模型具有較好的解釋能力，但是解釋變量的未來值現(xiàn)實中較難取得，因此需要靠趨勢外推法，將所有影響因素都全部歸結(jié)于時間這一變量，假定事物發(fā)展過程中沒有跳躍的非線性變化，事物發(fā)展的因素也影響著事物未來的發(fā)展，其條件不變或者變化不大。根據(jù)對人才需求預(yù)測指標(biāo)體系數(shù)據(jù)的觀察，各項指標(biāo)數(shù)據(jù)均呈上升趨勢，并無明顯的波動，其變化趨勢大多呈拋物線遞增趨勢，因此可以用時間t為自變量，各項指標(biāo)的時序數(shù)值為因變量，運用二次曲線進(jìn)行分別擬合，運用模型進(jìn)行未來值預(yù)測，再將各項指標(biāo)的未來值代入多元回歸方程中進(jìn)行目標(biāo)變量的預(yù)測，這就是將多元回歸預(yù)測與時序外推法相結(jié)合的組合預(yù)測法。通過趨勢外推法的二次曲線擬合模型，各項指標(biāo)的顯著性均小于003，都具有統(tǒng)計學(xué)意義，可以進(jìn)行未來值預(yù)測的同時代入多元回歸方程，因此可得到海南大健康產(chǎn)業(yè)2016—2020年未來五年的預(yù)測值，見表10。

根據(jù)表10的預(yù)測值，到2020年，海南省的常住人口達(dá)到96524萬人，此時，每千常住人口執(zhí)業(yè)（助理）醫(yī)師預(yù)計達(dá)到285人，超過“健康2030”規(guī)劃于2020年達(dá)到25人的標(biāo)準(zhǔn)；每千常住人口注冊護(hù)士數(shù)預(yù)計達(dá)到367人，超過“健康2030”規(guī)劃于2020達(dá)到314人的標(biāo)準(zhǔn)；每千常住人口執(zhí)業(yè)藥師數(shù)預(yù)計達(dá)到04人，未符合“健康2030”規(guī)劃于2020達(dá)到06人的標(biāo)準(zhǔn)。因此，由預(yù)測值可以看出，通過構(gòu)建的模型，海南省大健康產(chǎn)業(yè)人才需求中，作為健康產(chǎn)業(yè)的支柱細(xì)分產(chǎn)業(yè)醫(yī)療衛(wèi)生服務(wù)行業(yè)的執(zhí)業(yè)（助理）人數(shù)和注冊護(hù)士人數(shù)隨著模型的自然增長能夠滿足當(dāng)?shù)匦l(wèi)生服務(wù)的需求和達(dá)到國家規(guī)劃的標(biāo)準(zhǔn)，但其他醫(yī)藥、公共衛(wèi)生、衛(wèi)生技術(shù)、健康服務(wù)等細(xì)分行業(yè)的人才需求還有很大的缺口，應(yīng)把人才建設(shè)與教育培育、財政投入、政策支持傾向于這些行業(yè)的人才發(fā)展工作。

4研究展望

本文利用主成分分析多元回歸方法構(gòu)建了海南省大健康產(chǎn)業(yè)的各類人才需求預(yù)測模型，經(jīng)過實際數(shù)據(jù)計算，構(gòu)建模型的預(yù)測值和實際值比較接近，預(yù)測效果較好。但由于數(shù)據(jù)周期較短，海南省早年間的很多數(shù)據(jù)沒有進(jìn)行統(tǒng)計，尤其是衛(wèi)生總費用數(shù)據(jù)的統(tǒng)計及衛(wèi)生人員的收入數(shù)據(jù)早年間還沒有納入統(tǒng)計范疇，具體數(shù)據(jù)較少，在做具體回歸分析上可能存在數(shù)據(jù)不足導(dǎo)致的精確性下降問題。另外，海南省作為得天獨厚的自然條件旅游大省，到冬季很多候鳥型的游客會季節(jié)性地長達(dá)數(shù)月在海南過冬，但海南省常住型和流動型候鳥人口的數(shù)據(jù)于2011年才納入海南省的統(tǒng)計學(xué)年鑒，數(shù)量接近常住人口的1/4，因此海南省大健康產(chǎn)業(yè)整體的人才需求比預(yù)測值理論上應(yīng)該再上浮125倍左右，才能滿足真實的健康服務(wù)需求和負(fù)荷。同時，在今后的研究中希望能夠結(jié)合多種預(yù)測模型，如灰度預(yù)測模型、神經(jīng)網(wǎng)絡(luò)預(yù)測模型、ARIMA-LSSVM等模型，進(jìn)行比較分析，找出更精確的預(yù)測模型，更準(zhǔn)確地預(yù)測人才需求量。此外，還希望對全省大健康產(chǎn)業(yè)人才的初、中、高端各層次分布的合理性和地域分布的公正性以及其他影響人才需求與流動的因素進(jìn)一步地研究，以期為海南省的大健康產(chǎn)業(yè)人才建設(shè)與規(guī)劃政策提供數(shù)據(jù)支持和決策工具。

參考文獻(xiàn)：

[1]國務(wù)院“健康中國2030”規(guī)劃綱要[EB/OL].（2016-10-25）http：//wwwgovcn/zhengce/2016-10/25/content_5124174htm

[2]Scheffler R M，Liu J X，Kinfu Y，et alForecasting the Global Shortage of Physicians： An Economic- and Needs-based Approach[J].Bull World Health Organ，2008，86（7）：516-523B

[3]Jenny X Liu，Yevgeniy Goryakin，Akiko Maeda，et al Global Health Workforce Labor Market Projections for 2030[J].Human Resource for Health，2017（15）：11-23

[4]趙東旭基于趨勢外推法的吉林省英語旅游人才需求預(yù)測及培養(yǎng)對策[J].職業(yè)技術(shù)教育，2015（20）

[5]王小平，陳敏，胡瑞文上海金融人才預(yù)測需求模型的構(gòu)建[J].上海商學(xué)院學(xué)報，2015，2（15）

[6]胡雪花基于灰色理論和神經(jīng)網(wǎng)絡(luò)的人才需求預(yù)測模型[D].廣東：中山大學(xué)，2009endprint