區(qū)域農(nóng)業(yè)科技人才需求關(guān)聯(lián)因素定量分析及預(yù)測

池敏青

摘 要： 【目的/意義】制定與經(jīng)濟社會協(xié)調(diào)發(fā)展的人才規(guī)劃和培養(yǎng)計劃關(guān)鍵在于對未來人才需求量的準(zhǔn)確預(yù)測，通過研究為制定福建農(nóng)業(yè)科技人才未來發(fā)展戰(zhàn)略提供理論支撐?！痉椒?過程】以2002-2016年的相關(guān)數(shù)據(jù)為分析基礎(chǔ)，采用相關(guān)性分析和逐步回歸方法對影響福建農(nóng)業(yè)科技人才需求數(shù)量的相關(guān)因素進行深入挖掘和排序，并在解析影響因素體系的基礎(chǔ)上采用組合預(yù)測模型進行需求量預(yù)測?！窘Y(jié)果/結(jié)論】分析表明，農(nóng)林牧漁業(yè)從業(yè)人員數(shù)、農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額、農(nóng)業(yè)機械總動力依次對農(nóng)業(yè)科技人員需求量存在明顯正相關(guān)關(guān)系?！笆濉睍r期福建農(nóng)業(yè)科技人才年均增長率為12.29%，人才的需求不僅在數(shù)量上仍有較大空間，而且年均增長速度也逐年上升。

關(guān)鍵詞： 農(nóng)業(yè)科技人才;需求關(guān)聯(lián)因素;組合模型預(yù)測;定量分析;福建省

中圖分類號：F322 文獻標(biāo)志碼：A 文章編號：1637-5617（2019）05-0080-07

Abstract： ?【Objective/Meaning】The key to making the talent planning and training plan in coordination with economic and social development lies in accurately predicting the future talent demand.【Methods/Procedures】Based on the analysis of relevant data from 2002 to 2016， the correlation analysis and stepwise regression method were used to deeply explore and sort the relevant factors influencing the quantity of demand for agricultural science and technology talents in Fujian Province， and the combined forecasting model was used to predict the demand on the basis of analyzing the influencing factor system.【Results/Conclusions】The analysis showed that the number of employees in agriculture， forestry， animal husbandry and fishery， the investment in fixed assets of the whole society in agriculture， forestry， animal husbandry and fishery， and the total power of agricultural machinery in turn had a significant positive correlation with the demand for agricultural scientific and technological personnel. During the 13th Fiveyear Plan period， the annual growth rate of agricultural scientific and technological talents in Fujian was 12.29%， and the demand for talents not only still had a large space in the quantity， but also the annual growth rate was increasing year by year.

Key words： ?agricultural scientific and technological talents;demand correlation factor;combined model prediction;quantitative analysis;Fujian Province

要實施農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革和鄉(xiāng)村振興戰(zhàn)略，就需要對農(nóng)業(yè)從業(yè)人員的數(shù)量和質(zhì)量提出更高要求，農(nóng)業(yè)科技人才更是現(xiàn)代農(nóng)業(yè)發(fā)展不可或缺的重要引擎。21世紀(jì)以來我國農(nóng)業(yè)科技人才數(shù)量呈現(xiàn)逐年增長態(tài)勢，1986-2016年我國公有經(jīng)濟企事業(yè)單位農(nóng)林牧漁業(yè)專業(yè)技術(shù)人員增長近1.2倍，年均增長率達2.15%[1-2]。但其整體數(shù)量和水平仍難以適應(yīng)我國農(nóng)業(yè)快速發(fā)展的迫切需要，同時還存在結(jié)構(gòu)不合理，高層次人才匱乏，科研創(chuàng)新和成果轉(zhuǎn)化能力不強等重大障礙。制定與經(jīng)濟社會協(xié)調(diào)發(fā)展的人才規(guī)劃和培養(yǎng)計劃，將有利于人才供給與經(jīng)濟需求在規(guī)模上的平衡，也有利于實現(xiàn)人才結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)的相耦合[3]?？茖W(xué)的人才規(guī)劃關(guān)鍵在于對未來人才需求量的準(zhǔn)確預(yù)測[4]，因此如何利用歷史數(shù)據(jù)和現(xiàn)有條件準(zhǔn)確預(yù)測人才需求量是一個亟待解決的問題。

無法定量描述人才對社會經(jīng)濟發(fā)展的貢獻和社會經(jīng)濟發(fā)展對人才的依賴程度，是人才需求預(yù)測遇到的一個根本性難題，至今尚無解決辦法;國內(nèi)外學(xué)者一致認(rèn)同“人才需求受經(jīng)濟、社會、政治、科教、政策等多種因素的綜合影響”[5-6]。實證分析中為實現(xiàn)預(yù)測模型的科學(xué)性和可操作性，往往只選取一定數(shù)量的重要影響因素，沒有必要且也不可能將所有因素都納入預(yù)測模型中，因此如何在眾多要素中獲取有效、高質(zhì)量的影響因子，是提高人才預(yù)測精度的前提和基礎(chǔ)，也是人才需求預(yù)測的重點和難點[7]。目前關(guān)于人才需求預(yù)測的研究較多。早期多數(shù)是沿著經(jīng)濟發(fā)展決定人才需求的思路，以經(jīng)濟增長的相關(guān)數(shù)據(jù)作為預(yù)測基礎(chǔ)，如GDP（包括總量、增長率、人均水平等）、固定資產(chǎn)投資規(guī)模、財政支出、勞動生產(chǎn)率等[8-10]。近年來的研究側(cè)重于綜合考慮經(jīng)濟因素、社會因素（人口規(guī)模、就業(yè)人數(shù)、人居可支配收入等）、政治因素，以及科教因素等對人口需求的綜合影響[11-12]。另外，劉鳳朝[13]構(gòu)建的科學(xué)技術(shù)進步-經(jīng)濟社會發(fā)展-人才需求和結(jié)構(gòu)變化預(yù)測模塊，論證了科技發(fā)展對人才需求的影響。田翔宇[14]從產(chǎn)業(yè)集群角度認(rèn)為區(qū)域人才需求不僅受經(jīng)濟、社會、政治等外部因素影響，還受到產(chǎn)業(yè)發(fā)展戰(zhàn)略、產(chǎn)業(yè)人力資源等內(nèi)部因素影響。同時，不少專家還提出環(huán)境和體制因素在預(yù)測過程中難以量化，在預(yù)測實踐中應(yīng)采用定量和定性預(yù)測、模型與專家預(yù)測相結(jié)合的方式進行人才預(yù)測[8，13]。學(xué)術(shù)界關(guān)于農(nóng)業(yè)科技人才需求的基本結(jié)論是：對高學(xué)歷、高層次農(nóng)業(yè)科技人才的需求呈現(xiàn)較高增長趨勢，層次越低的人才需求減少趨勢越明顯;國內(nèi)生產(chǎn)總值、第一產(chǎn)業(yè)總產(chǎn)值、農(nóng)業(yè)機械總動力、農(nóng)業(yè)從業(yè)人員、科技進步等是影響農(nóng)業(yè)科技人才需求的主要因素[15-17]。

通過文獻梳理可知，針對農(nóng)業(yè)科技人才需求影響因素的研究不多，對其影響因素挖掘深度不夠，缺乏系統(tǒng)合理的關(guān)聯(lián)因素體系且各影響因素的重要程度并不明確，總體上研究成果還比較零散和籠統(tǒng)，預(yù)測結(jié)果信度和效度并不理想。作為海峽西岸經(jīng)濟區(qū)創(chuàng)新體系重要組成部分的福建省，其農(nóng)業(yè)科技人才需求關(guān)聯(lián)因素和預(yù)測更是未見有較系統(tǒng)的文獻分析。因此，本文在經(jīng)濟社會環(huán)境中考慮人才需求預(yù)測問題，研究人才子系統(tǒng)及其與社會經(jīng)濟大系統(tǒng)之間的相互關(guān)系，對福建農(nóng)業(yè)科技人才需求綜合關(guān)聯(lián)因素進行深入探討并進行影響程度排序，并在此基礎(chǔ)上進行需求預(yù)測，為制定福建農(nóng)業(yè)科技人才未來發(fā)展戰(zhàn)略提供參考依據(jù)。

1 數(shù)據(jù)來源、研究方法及變量選取

1.1 數(shù)據(jù)來源及說明

該文采用《農(nóng)村實用人才和農(nóng)業(yè)科技人才隊伍建設(shè)中長期規(guī)劃（2010-2020年）》中關(guān)于“農(nóng)業(yè)科技人才”的界定：受過專門教育和職業(yè)培訓(xùn)，掌握農(nóng)業(yè)行業(yè)的某一專業(yè)知識和技能，專門從事農(nóng)業(yè)科研、教育、推廣服務(wù)等專業(yè)性工作的人員。由于“農(nóng)業(yè)科技人才”群體特殊性及相關(guān)統(tǒng)計工作尚未健全，該數(shù)據(jù)無法通過統(tǒng)計資料直接獲得，因此采用農(nóng)業(yè)科技人才需求數(shù)=農(nóng)林牧漁業(yè)從業(yè)人數(shù)×國有企事業(yè)單位平均每萬名職工中專業(yè)技術(shù)人員的比率。由于我國現(xiàn)階段國有企事業(yè)單位專業(yè)技術(shù)人員比率相對企業(yè)而言較高，因此該文測算的農(nóng)業(yè)科技人才是一個理論極大值[16]。

為避免經(jīng)濟社會體制變動和經(jīng)濟發(fā)展大起大落對人才發(fā)展規(guī)律的掩蓋，以及考慮歷史數(shù)據(jù)可獲得性和統(tǒng)計口徑、含義的一致性，選取福建經(jīng)濟發(fā)展相對穩(wěn)定且與預(yù)測期內(nèi)經(jīng)濟變動不大的時期數(shù)據(jù)作為分析對象。李朋波等[18]結(jié)合我國宏觀經(jīng)濟形式的變化，認(rèn)為在進行人才預(yù)測時，對歷史數(shù)據(jù)的收集應(yīng)以10年左右為宜。本文在綜合考慮自變量選取個數(shù)和模型自由度基礎(chǔ)上，選取2002-2016年15年的相關(guān)數(shù)據(jù)為分析對象，數(shù)據(jù)來源于《福建統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》。數(shù)據(jù)采用Eviews 7.2和Matlab2013b軟件進行分析，數(shù)據(jù)處理及繪圖采用Excel 2010軟件。

1.2 分析方法

人才需求預(yù)測核心思想是在歷史進程或人才與經(jīng)濟社會發(fā)展歷史過程中尋找統(tǒng)計規(guī)律，以此來外推未來人才需求量。根據(jù)美國斯坦福研究所統(tǒng)計，人才預(yù)測方法多達150余種，其中較為廣泛使用的有30余種。從方法上看有定性預(yù)測和定量預(yù)測，但仍以定量的數(shù)學(xué)模型預(yù)測為主（主要有時間序列法和相關(guān)分析法）[19-20]。李朋波等[18]對2009-2013年間定量預(yù)測方法使用頻次進行統(tǒng)計，發(fā)現(xiàn)相關(guān)回歸法、灰色系統(tǒng)法、時間序列法和組合預(yù)測法依次為最常使用的方法。福建農(nóng)業(yè)科技人才需求預(yù)測屬于地區(qū)宏觀預(yù)測，根據(jù)文獻資料顯示，適宜采用時間序列方法中的灰色預(yù)測模型和相關(guān)分析方法中的多元回歸預(yù)測模型。

灰色預(yù)測的基本思想是通過對原始數(shù)據(jù)逐步累加來減少隨機波動的干擾，得到規(guī)律性較強的生成數(shù)列再重新建模，由生成模型得到的數(shù)據(jù)通過累加生成的逆運算——累減生成得到還原模型，再由還原模型作為預(yù)測模型?；疑A(yù)測主要適用于“小樣本、貧信息、不確定”問題，尤其是在數(shù)據(jù)序列較短（歷史數(shù)據(jù)較少）且具明顯上升趨勢時，預(yù)測精度較高。常用的是GM（1，1）灰色預(yù)測模型，本文采用李群等[21-22]提出的基于比一般灰色模型預(yù)測精度更高的L-Q灰色預(yù)測模型。

回歸預(yù)測模型是根據(jù)最小二乘法原理，用簡單方程去擬合實際觀察值的一種建模方法。多元回歸預(yù)測模型運用回歸原理，通過尋找人才需求量與多種影響因素之間的函數(shù)關(guān)系，從影響因素的變化推知人才需求量的變化。因此多元回歸的基本模型是將經(jīng)濟社會發(fā)展過程引入到傳統(tǒng)人才預(yù)測模型結(jié)構(gòu)中，以回歸模型為基礎(chǔ)，建立人才總量與國民生產(chǎn)總值及其他各類指標(biāo)的多元線性回歸模型[23-24]。

組合預(yù)測是通過多種方法的運用，并賦予每種方法不同的比例來構(gòu)建最終的預(yù)測模型，實現(xiàn)對各種結(jié)果的優(yōu)化組合，從而提高預(yù)測精度。該文采用最優(yōu)加權(quán)法對多元線性回歸模型和灰色預(yù)測模型進行組合，得到一個性能相對較好的組合預(yù)測模型[25-26]。

1.3 變量選取

影響農(nóng)業(yè)科技人才需求的因素很多，且相互間可能存在相關(guān)性。本文在綜合前人研究成果基礎(chǔ)上，借鑒相關(guān)參考文獻中影響系數(shù)較高的指標(biāo)，并咨詢相關(guān)專家，選取“農(nóng)業(yè)科技人才數(shù)”為被解釋變量（因變量），即 Y =農(nóng)業(yè)科技人才數(shù)。解釋變量（自變量）分別選取代表經(jīng)濟因素的農(nóng)林牧漁業(yè)總產(chǎn)值（ x 1）、農(nóng)林牧漁業(yè)生產(chǎn)總值（ x 2）、農(nóng)林牧漁業(yè)生產(chǎn)總值增長率（ x 3）、農(nóng)林牧漁業(yè)人均生產(chǎn)總值（ x 4）、農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額（ x 5）;代表社會因素的農(nóng)林牧漁業(yè)從業(yè)人員（ x 6）;代表科技進步因素的農(nóng)業(yè)機械總動力（ x 7）、有效灌溉面積（ x 8）、農(nóng)村用電量（ x 9）、農(nóng)用塑料薄膜使用量（ x 10）、農(nóng)林牧漁業(yè)技術(shù)市場合同金額（ x 11）;代表政策因素的一般公共財政中農(nóng)林水事務(wù)支出預(yù)算（ x 12）。

2 人才需求關(guān)聯(lián)因素分析

利用Eviews 7.2計量軟件對變量進行相關(guān)性分析（表1）。

從表1可以看出因變量與自變量間存在一定相關(guān)性，且自變量間也存在一定相關(guān)性，為進一步分析農(nóng)業(yè)科技人才與其關(guān)聯(lián)因素間的關(guān)系，在此建立多元線性回歸模型，具體輸出結(jié)果如表2所示。

由以上結(jié)果可以看出回歸方程的擬合優(yōu)度 R 2=0.958483，調(diào)整后的擬合優(yōu)度達到0.709378，擬合效果較好，但從變量的 t 統(tǒng)計量結(jié)果可以看出所有自變量都未通過顯著性檢驗，說明此回歸方程中所有自變量對因變量都沒有表現(xiàn)出明顯的影響效果。在此結(jié)合上述相關(guān)系數(shù)矩陣結(jié)果，可推測自變量間可能存在較高相關(guān)性，造成回歸結(jié)果存在多重共線性，因此此處采用逐步回歸方法對自變量依次進行篩選與剔除，選取最佳變量。

通過Eviews 7.2計算軟件，采用逐步回歸方法對自變量進行選取，最終回歸結(jié)果見表3。

由回歸方程可知福建農(nóng)業(yè)科技人才需求量與農(nóng)業(yè)機械動力、農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額、農(nóng)林牧漁業(yè)從業(yè)人員數(shù)成正比關(guān)系，即隨著農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額、農(nóng)林牧漁業(yè)從業(yè)人員數(shù)和農(nóng)業(yè)機械總動力的增長，農(nóng)業(yè)科技人才需求量隨之增加。

3 人才需求預(yù)測實證分析

3.1 多元線性回歸模型預(yù)測

為進一步預(yù)測福建農(nóng)業(yè)科技人才需求量，在此需先對其影響因素進行短期預(yù)測，進而利用回歸方程Y=579.444x7+1526.943x5+4015.962x6對人才需求量進行預(yù)測。

采用變量自回歸方法分別對 x 5（農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額）、 x 6（農(nóng)林牧漁業(yè)從業(yè)人員數(shù)）、 x 7（農(nóng)業(yè)機械總動力）變量進行短期預(yù)測，結(jié)果如下：

預(yù)測精度檢驗（表7）：可求解出后驗差比值 C =0.6，小概率誤差 P =0.8489，根據(jù)表5模型精度等級表得出該灰色預(yù)測模型精度等級屬于“合格”，因此可將其用來預(yù)測近年來福建省農(nóng)業(yè)科技人才需求量。利用該灰色預(yù)測模型來預(yù)測福建農(nóng)業(yè)科技人才需求量（表8）。

4 結(jié)論與討論

（1）利用2002-2016年的相關(guān)數(shù)據(jù)，對影響福建農(nóng)業(yè)科技人才需求相關(guān)的12個因素進行相關(guān)性和逐步回歸分析，得出農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額、農(nóng)林牧漁業(yè)從業(yè)人員數(shù)、農(nóng)業(yè)機械總動力3個指標(biāo)與農(nóng)業(yè)科技人員需求量存在明顯正相關(guān)關(guān)系，回歸系數(shù)分別為1526.943、4015.962和579.444。所建立的回歸方程調(diào)整后的擬合優(yōu)度 R2 =0.905321，說明所篩選的3個自變量對因變量的解釋程度較高。

（2）由回歸系數(shù)排序可知，農(nóng)業(yè)科技人才數(shù)與農(nóng)林牧漁業(yè)從業(yè)人員數(shù)的相關(guān)度最高，此分析結(jié)果符合經(jīng)濟學(xué)常規(guī)，農(nóng)業(yè)科技人才是從業(yè)人員的一部分，從業(yè)人員的增加必然會帶來農(nóng)業(yè)科技人才數(shù)量的增加。農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額的回歸系數(shù)排第二，該指標(biāo)是體現(xiàn)農(nóng)業(yè)固定資產(chǎn)投資規(guī)模、結(jié)構(gòu)和發(fā)展速度的綜合性指標(biāo)，在一定程度上反映農(nóng)業(yè)產(chǎn)業(yè)發(fā)展規(guī)模中物質(zhì)的投入程度，說明農(nóng)業(yè)科技人才的需求與產(chǎn)業(yè)經(jīng)濟發(fā)展水平有著密切關(guān)系，產(chǎn)業(yè)發(fā)展規(guī)模、速度等水平越高，對科技人才的需求就越旺盛。目前福建省特色現(xiàn)代農(nóng)業(yè)發(fā)展還處于上升階段，對高精尖的農(nóng)業(yè)科技人才具有很大的潛在需求市場。農(nóng)業(yè)機械總動力的回歸系數(shù)排在第三，該指標(biāo)在一定程度上反映了農(nóng)業(yè)科技進步程度。農(nóng)業(yè)科技人才是農(nóng)業(yè)科技的重要載體，農(nóng)業(yè)科技進步會提高對科技人才素質(zhì)的要求，對具備先進技術(shù)知識的科技人才需求量將增加;同時技術(shù)進步也將對人力產(chǎn)生替代效應(yīng)，導(dǎo)致對低端科技人才和單純體力勞動者的需求減少，可見農(nóng)業(yè)科技進步程度與科技人才需求量是息息相關(guān)的。

（3）采用多元線性回歸預(yù)測模型和L-Q灰色預(yù)測模型，以及在此基礎(chǔ)上建立預(yù)測精度較高的權(quán)變組合預(yù)測模型，經(jīng)測算，預(yù)測結(jié)果如表9、圖1所示。

根據(jù)預(yù)測結(jié)果可知，福建省2017-2020年農(nóng)業(yè)科技人才需求量分別是466.2693萬人、517.1753萬人、587.0269萬人、682.9332萬人，年增長幅度分別為8.56%、10.92%、13.51%、16.34%;2017-2020年的預(yù)測數(shù)與2016年相比缺口為36.7821萬人、50.9060萬人、69.8516萬人、95.9063萬人。從歷史和預(yù)測數(shù)據(jù)可知，“十三五”時期福建農(nóng)業(yè)科技人才年均增長率為12.29%，而“十二五”時期年均增長率為5.23%，因此福建對農(nóng)業(yè)科技人才的需求不僅在數(shù)量上仍有較大空間，而且年均增長速度也逐年上升。農(nóng)業(yè)科技人才需求量預(yù)測的理論極大值在466萬以上，占當(dāng)前農(nóng)林牧漁業(yè)從業(yè)人員總數(shù)（2016年）的28.10%，可見福建現(xiàn)代農(nóng)業(yè)發(fā)展將對農(nóng)業(yè)科技人才的培養(yǎng)和供給造成壓力。

除了該文選取的關(guān)聯(lián)因素外，人才預(yù)測還受到如政治、環(huán)境和體制等不可控因素的影響，因此，在未來可預(yù)見時間內(nèi)進行預(yù)測必須定量和定性分析相結(jié)合、專家咨詢和數(shù)學(xué)模型相結(jié)合，并根據(jù)時間推移及目標(biāo)、環(huán)境變化不斷滾動修正結(jié)果，避免盲目發(fā)展傾向。孫林巖[19]認(rèn)為“數(shù)學(xué)模型預(yù)測是宏觀需求預(yù)測的重要參照系，但宏觀需求預(yù)測的關(guān)鍵步驟是對比分析研究”。因此，通過用目標(biāo)年與發(fā)達地區(qū)相當(dāng)社會經(jīng)濟水平時期的情況對比，以及人才增長與社會經(jīng)濟增長情況對比等是判斷預(yù)測結(jié)果準(zhǔn)確程度的一個重要手段，在對比研究的同時，還需要對預(yù)測結(jié)果社會承受能力進行分析，包括教育經(jīng)費、師資力量和培養(yǎng)能力等，這些將是進一步要開展的研究內(nèi)容，從而更加全面的分析人才發(fā)展趨勢，為福建農(nóng)業(yè)科技人才隊伍規(guī)劃和結(jié)構(gòu)優(yōu)化提供科學(xué)合理的依據(jù)。

參考文獻：

[1] 國家統(tǒng)計局社會科技和文化產(chǎn)業(yè)統(tǒng)計司，科學(xué)技術(shù)部創(chuàng)新發(fā)展司. 2017中國科技統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，2017.

[2]國家統(tǒng)計局，國家科學(xué)技術(shù)委員會. 1987中國科技統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社，1987.

[3]趙生龍，李曉方. 人才資源規(guī)劃與區(qū)域經(jīng)濟發(fā)展決策研究——以西安市為例[J]. 西北大學(xué)學(xué)報（自然科學(xué)版），2008（2）：329-333.

[4]JANTAN H， HAMDAN A R， OTHMAN Z A. Human talent prediction in HRM using C4.5 classification algorithm[J]. International Journal on Computer Science and Engineering， 2010， 2（8）：2526-2534.

[5]孫林巖. 地區(qū)人才需求的宏觀預(yù)測[J]. 預(yù)測，1988（3）：45-47，29.

[6]蔣正明，張書鳳，李國昊，等. 我國科技人才對經(jīng)濟增長貢獻率的實證研究[J]. 統(tǒng)計與決策，2011（12）：78-80.

[7]咸桂彩，何文章，張學(xué)英. 我國人才需求預(yù)測研究：盤點與思考[J]. 中國職業(yè)技術(shù)教育，2014（6）：5-9.

[8]李濤，宋光興. 區(qū)域人才資源需求預(yù)測方法研究[J]. 云南財經(jīng)大學(xué)學(xué)報，2006，22（3）：91-95.

[9]宋文超. 江西省國有企事業(yè)單位專業(yè)技術(shù)人才需求預(yù)測分析[D]. 上海：華東交通大學(xué)，2011.

[10] 李澤玲. “十三五”時期江西省科技人才需求預(yù)測模及對策研究[D]. 上海：華東交通大學(xué)，2016.

[11]白敏植，李軍，郭世璋，等. 邯鄲市人才需求總量和人才需求結(jié)構(gòu)預(yù)測分析[J]. 邯鄲職業(yè)技術(shù)學(xué)院學(xué)報，2010，23（1）：19-24.

[12]孫晉眾，林健. 人才需求預(yù)測指標(biāo)體系及其實證分析[J]. 沈陽航空工業(yè)學(xué)院學(xué)報，2007（1）：92-94.

[13]劉鳳朝. 關(guān)于人才需求預(yù)測研究的幾點方法論思考[J]. 預(yù)測，2001（4）：11-12，10.

[14]田翔宇. 產(chǎn)業(yè)集群區(qū)域人才需求預(yù)測的組合模型研究[D]. 長沙：中南大學(xué)，2009.

[15]劉志民，高耀，張振華. 中國農(nóng)科人才結(jié)構(gòu)與區(qū)域預(yù)測及需求因素分析[J]. 現(xiàn)代教育管理，2010（12）：21-24，97.

[16]柳曉冰. 農(nóng)業(yè)現(xiàn)代化進程中的科技人才培養(yǎng)機制研究[D]. 青島：中國海洋大學(xué)，2011.

[17]柏振忠. 現(xiàn)代農(nóng)業(yè)視角下的農(nóng)業(yè)科技推廣人才需求研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2011.

[18]李朋波，張慶紅. 國內(nèi)人才需求預(yù)測研究的進展與問題分析[J]. 當(dāng)代經(jīng)濟管理，2014，36（5）：72-80.

[19]孫林巖. 關(guān)于人才需求預(yù)測方法的探討[J]. 預(yù)測，1988（1）：15-17，41.

[20]SEOL H，PARK G，LEE H，et al. Demand forecasting for new media services with consideration of competitive of competitive relationships using the competitive Bass model and the thery of the niche[J]. Technological Forecasting and Social Change， 2012，79（7）：1217-1228.

[21]李群，王賓. 中國科普人才發(fā)展調(diào)查與預(yù)測[J]. 中國科技論壇，2015（7）：148-153.

[22]劉思峰. 灰色系統(tǒng)理論的產(chǎn)生與發(fā)展[J]. 南京航空航天大學(xué)學(xué)報，2004，36（2）：267-272.

[23]邢潔. 天津濱海新區(qū)人才需求預(yù)測與人才競爭力評價研究[D]. 天津：天津大學(xué)，2011.

[24]閆鄒先，郭德，尚秋芬. 西安市信息科技人才需求的灰預(yù)測及對策研究[J]. 情報雜志，2004（10）：28-29.

[25]王璨. 新疆兵團第七師農(nóng)業(yè)科技人才需求預(yù)測與隊伍建設(shè)研究[D]. 新疆：新疆大學(xué)，2015.

[26]陳廣英. 基于高新技術(shù)產(chǎn)業(yè)視角的山東科技人才需求預(yù)測研究[D]. 青島：中國海洋大學(xué)，2012.