基于主成分分析的中國各省市就業(yè)狀況研究

摘 要：近年來隨著經(jīng)濟和信息科技的快速發(fā)展，中國各省市之間就業(yè)市場發(fā)展呈現(xiàn)出了嚴(yán)重的不均衡性。文章基于《中國統(tǒng)計年鑒》（2017）中的就業(yè)數(shù)據(jù)，設(shè)計了包含19個維度的指標(biāo)體系，使用了主成分分析方法，對中國各省市的就業(yè)情況提取了3個主成分進行降維分析，使用了主成分得分對各省市就業(yè)情況進行了綜合排序。最后，得出了行業(yè)的分類信息，總結(jié)了3個層面的地區(qū)就業(yè)情況的總體特點與差異，并給出了成因分析。

關(guān)鍵詞：主成分分析；就業(yè)；PCA

中圖分類號：F241.4 文獻標(biāo)識碼：A 文章編號：1008-4428（2018）06-0134-03

一、 引言

中國就業(yè)市場上充斥著信息不對稱的狀況，對于求職者而言，他們大多都對行業(yè)沒有清晰的認(rèn)識，沒有明確的求職規(guī)劃，在求職中處于劣勢地位。同時全國就業(yè)市場又極度地發(fā)展不均衡，北上廣等一線城市牢牢占據(jù)榜首，每年吸引了大批年輕求職者，中西部常年吊車尾，每年都有大量人才流失。年輕勞力的缺失會使得經(jīng)濟發(fā)展遲緩，并且會形成惡性循環(huán)，最終會造成極其嚴(yán)重的后果。因此，對我國就業(yè)情況進行分析，可以為求職者制訂職業(yè)生涯規(guī)劃提供依據(jù)，也可以為企業(yè)或政府機構(gòu)調(diào)整相關(guān)戰(zhàn)略政策提供數(shù)據(jù)支持。

本文對我國31個省市的就業(yè)情況進行研究，在主成分分析的基礎(chǔ)上，使用主成分得分進行綜合排序。綜合得分函數(shù)越大，排名越靠前，反之亦然。根據(jù)分析結(jié)果，本文總結(jié)了3個方面就業(yè)狀況的總體特點與差別，并分析了差別的形成原因，總結(jié)了各個區(qū)域在就業(yè)市場上的優(yōu)勢與不足。

二、 主成分分析相關(guān)理論

主成分分析法是指將數(shù)據(jù)中具有一定相關(guān)性的指標(biāo)，重新組合成一組新的不相關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。例如，在就業(yè)問題分析中有M個指標(biāo)，主成分分析就是通過對這M個指標(biāo)進行線性組合，最后得出新的綜合指標(biāo)。對于選取的第一個線性組合，將其命名為F1，用方差來表示該成分的信息量。從理論上來說，F(xiàn)1的方差是最大的，故稱為第一個主成分。如果第一個主成分不能完全代表M個指標(biāo)的信息，就考慮選取第二個線性組合?？紤]到成分的有效性，此時在上一個主成分中出現(xiàn)過的信息不會再出現(xiàn)到第二個主成分中。以此類推，可以構(gòu)造出第三，第四，……，直至第M個主成分。

主成分分析本質(zhì)上是一種降維分析，在信息損失不多的情況下，將高緯數(shù)據(jù)轉(zhuǎn)換為幾個少數(shù)的主成分。在主成分提取中，通常選取累積貢獻率為85%作為閾值，取累積貢獻率不低于85%的前k個主成分，這樣既保證了信息的完整性，又成功地完成了對源數(shù)據(jù)的降維工作。本文將主成分分析用于就業(yè)狀況分析任務(wù)中，分析過程如下。

三、 基于主成分分析的就業(yè)狀況研究

（一）構(gòu)建指標(biāo)體系

在分析就業(yè)狀況之前，首先要構(gòu)建合適的指標(biāo)體系。本文基于2017年 《中國統(tǒng)計年鑒》，對我國各省市的就業(yè)情況進行了分析，選取了19個行業(yè)作為指標(biāo)體系，分別為：X1（農(nóng)、林、牧、漁業(yè)）、X2（采礦業(yè)）、X3（制造業(yè)）、X4（電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)）、X5（建筑業(yè)）、X6（批發(fā)和零售業(yè)）、X7（交通運輸、倉儲和郵政業(yè)）、X8（住宿和餐飲業(yè)）、X9（信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)）、X10（金融業(yè)）、X11（房地產(chǎn)業(yè)）、X12（租賃和商務(wù)服務(wù)業(yè)）、X13（科學(xué)研究和技術(shù)服務(wù)業(yè)）、X14（水利、環(huán)境和公共設(shè)施管理業(yè)）、X15（居民服務(wù)、修理和其他服務(wù)業(yè)）、X16（教育）、X17（衛(wèi)生和社會工作）、X18（文化、體育和娛樂業(yè)）、X19（公共管理、社會保障和社會組織）。本文將各省市19個行業(yè)的就業(yè)數(shù)據(jù)作為源數(shù)據(jù)，進行就業(yè)狀況分析。

（二）主成分分析法的計算步驟

第一步，先對 19 個指標(biāo)的原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。使用X表示源數(shù)據(jù)，X*表示標(biāo)準(zhǔn)化后的數(shù)據(jù)。可以使用源數(shù)據(jù)的協(xié)方差矩陣表示數(shù)據(jù)之間的相關(guān)性，也可以使用標(biāo)準(zhǔn)化之后數(shù)據(jù)的相關(guān)系數(shù)矩陣來表示，二者的值是相同的。本文使用相關(guān)系數(shù)矩陣。

第二步，計算相關(guān)系數(shù)矩陣。

第五步，計算主成分系數(shù)。

從以上的分析可以看出，主成分分析的實質(zhì)就是確定原來變量xj（j=1，2，…，m）在諸主成分Fi（i=1，2，…，m）上的荷載Iij（i=1，2，…，n；j=1，2，…，m）。從數(shù)學(xué)上可以證明，它們分別是相關(guān)矩陣m個較大的特征值所對應(yīng)的特征向量。

第六步，計算主成分得分重新構(gòu)建數(shù)據(jù)。

根據(jù)標(biāo)準(zhǔn)化的原始數(shù)據(jù)，按照各個樣品，分別代入主成分表達式，就可以得到各主成分下的各個樣品的新數(shù)據(jù)，即為主成分得分。具體形式可如下。依據(jù)主成分得分的數(shù)據(jù)，則可以進行進一步的統(tǒng)計分析。其中，常見的應(yīng)用有主成分回歸，變量子集合的選擇，綜合評價等。

四、 實驗結(jié)果與分析

文章基于中國統(tǒng)計年鑒數(shù)據(jù)，使用MATLAB編碼實現(xiàn)了主成分分析，計算了特征值、差值、貢獻率、累計貢獻率、主成分系數(shù)和主成分得分等，計算結(jié)果如下。

（一）特征值、差值、貢獻率和累積貢獻率

計算相關(guān)系數(shù)矩陣R的特征值和特征向量，得到了如表1的實驗結(jié)果。根據(jù)累積貢獻率進行升序排列，可以看出第一個特征貢獻率最大，達到了62.43%；第二個特征貢獻率有 16.52%；第三個特征貢獻率是6.85%。根據(jù)特征值累計貢獻率大于 85% 確定主成分的為 3，提取了 85.81% 的信息（見表1）。

（二）主成分提?。ㄒ姳?）

其中，主成分F1包括X1（農(nóng)林牧漁業(yè)），X2（采礦業(yè)），X4（電力熱力燃?xì)饧八a(chǎn)和供應(yīng)業(yè)），X6（批發(fā)和零售業(yè)），X7（交通運輸倉儲和郵政業(yè)），X8（住宿和餐飲業(yè)），X10（金融業(yè)），X11（房地產(chǎn)業(yè)），X14（水利環(huán)境和公共設(shè)施管理業(yè)），X16（教育），X17（衛(wèi)生和社會工作），X18（文化、體育和娛樂業(yè)）和X19（公共管理、社會保障和社會組織），這些行業(yè)與人們生活高度相關(guān)，全面涵蓋了衣食住行、學(xué)習(xí)、醫(yī)療、娛樂和政府事務(wù)。因此本文將F1命名為個人生活類行業(yè)（見表3）。

主成分F2在X9（信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)），X12（租賃和商務(wù)服務(wù)業(yè)），X13（科學(xué)研究和技術(shù)服務(wù)業(yè)），X15（居民服務(wù)、修理和其他服務(wù)業(yè)）等行業(yè)影響顯著，這些行業(yè)都屬于服務(wù)業(yè)，與人們生活相關(guān)，且X9和X13屬于高科技行業(yè)，因此本文將F2命名為高新服務(wù)業(yè)（見表4）。

主成分F3包括X3（制造業(yè)）和X5（建筑業(yè)），這些都屬于傳統(tǒng)行業(yè)，對工作者勞動力和熟練度要求很高。隨著日后我國平均教育水平的提高，從事這種勞動密集型產(chǎn)業(yè)的工作者會越來越少，相應(yīng)的人力資源成本也會提高。本文將F3命名為勞動型傳統(tǒng)產(chǎn)業(yè)（見表5）。

（三）綜合得分

總得分排名情況分析，北京、江蘇、廣東、上海、浙江、天津、四川、福建等就業(yè)情況都很好，寧夏、青海、西藏、山西就業(yè)情況較差。其中，北京最好，山西最差（見表6）。

五、 結(jié)論

實驗結(jié)果驗證了文章的理論假設(shè)，就業(yè)市場發(fā)展具有地區(qū)不均衡性，其中，北京、江蘇、廣東、上海和浙江等地就業(yè)狀況良好的原因是多元化的。第一，這些地區(qū)在改革開放進程比內(nèi)地和中西部地區(qū)要快，較早地完成了工業(yè)化，原始資本的積累使得這些地區(qū)相較其他地區(qū)更早地完成了產(chǎn)業(yè)轉(zhuǎn)型，由農(nóng)業(yè)轉(zhuǎn)變成了工業(yè)，由工業(yè)轉(zhuǎn)變成了高科技服務(wù)業(yè)。第二，上述地區(qū)是互聯(lián)網(wǎng)等高新服務(wù)業(yè)發(fā)展的集中地，北京有今日頭條等互聯(lián)網(wǎng)名企，騰訊坐落在廣東，上海金融業(yè)比較發(fā)達，浙江有阿里巴巴等許多互聯(lián)網(wǎng)企業(yè)，人工智能和互聯(lián)網(wǎng)等高科技企業(yè)更多地會選擇這些一線城市，吸引了許多年輕求職者。第三，政策的傾斜也使得區(qū)域發(fā)展不均衡，其他地區(qū)如內(nèi)地中西部應(yīng)努力結(jié)合自身優(yōu)勢，如鄭州結(jié)合自己身為交通樞紐的優(yōu)勢，把物流作為自己的一大重點。貴州則緊貼大數(shù)據(jù)的潮流，努力把自身打造成數(shù)據(jù)之都。綜上所述，我國就業(yè)狀況總體良好，可將行業(yè)分為個人生活行業(yè)，高新服務(wù)業(yè)和勞動型傳統(tǒng)行業(yè)，其中北上廣浙等地就業(yè)形勢良好。

參考文獻：

[1]林海明，杜子芳.主成分分析綜合評價應(yīng)該注意的問題[J].統(tǒng)計研究，2013（8）：25-31.

[2]中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒（2017）[M].北京：中國統(tǒng)計出版社，2017.

[3]賴德勝，蘇麗鋒，孟大虎，李長安.中國各地區(qū)就業(yè)質(zhì)量測算與評價[J].經(jīng)濟理論與經(jīng)濟管理，2011（11）：88-99.

[4]丁守海.中國城鎮(zhèn)發(fā)展中的就業(yè)問題[J].中國社會科學(xué)，2014（1）：30-47.

[5]范雪莉，馮海泓，原猛.基于互信息的主成分分析特征選擇算法[J].控制與決策，2013，28（6）：915-919.

[6]譚亞芳，劉娟，王才華等.一種稀疏可控的主成分分析方法[J].計算機科學(xué)，2017，44（1）：243-246.

[7]嚴(yán)碧峰.供給側(cè)改革背景下我國大學(xué)生就業(yè)狀況及促進對策研究[J].經(jīng)濟研究導(dǎo)刊，2017（19）：113-114.

[8]姚建平.多元視角下的城鄉(xiāng)低收入家庭就業(yè)狀況研究[J].社會保障評論，2017（2）.

作者簡介：

王夢華，女，河南周口人，南京財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院碩士研究生，研究方向：信息管理與信息系統(tǒng)、數(shù)據(jù)分析。