基于文本挖掘的公眾失業(yè)感受指數(shù)構(gòu)建及其應(yīng)用

【摘要】建立科學(xué)失業(yè)統(tǒng)計(jì)指標(biāo)體系是實(shí)現(xiàn)充分就業(yè)目標(biāo)的關(guān)鍵所在。運(yùn)用文本挖掘失業(yè)率相關(guān)關(guān)鍵詞，使用主成分分析方法構(gòu)建公眾失業(yè)感受指數(shù)，基于混頻回歸模型分析失業(yè)率相關(guān)影響因素對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，并通過計(jì)算回歸模型的殘差平方和相對(duì)于總離差平方和的變化考察各因素對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)。結(jié)果表明：從應(yīng)用效果看，與通過抽樣調(diào)查法獲得的調(diào)查失業(yè)率相比，公眾失業(yè)感受指數(shù)具有更強(qiáng)的敏感性和先行性；從影響效應(yīng)看，通過混頻回歸模型證實(shí)高頻公眾失業(yè)感受指數(shù)對(duì)經(jīng)濟(jì)增速具有負(fù)向影響，二者之間變動(dòng)趨勢(shì)符合奧肯定律；從貢獻(xiàn)度看，公眾失業(yè)率感受指數(shù)變量的R 值相對(duì)更小一些，其對(duì)經(jīng)濟(jì)波動(dòng)的影響最大，通過引導(dǎo)微觀主體心理行為促進(jìn)經(jīng)濟(jì)增長(zhǎng)具有可行性。

【關(guān)鍵詞】公眾失業(yè)感受指數(shù)；文本挖掘；影響效應(yīng)；貢獻(xiàn)度

【作者簡(jiǎn)介】陳亮，博士，蘭州財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院副教授，研究方向：經(jīng)濟(jì)統(tǒng)計(jì)；贠麗君，蘭州財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院碩士研究生，研究方向：經(jīng)濟(jì)統(tǒng)計(jì)。

中圖分類號(hào)：C921.2 文獻(xiàn)標(biāo)識(shí)碼：A

引言

新形勢(shì)下，如何有效做好穩(wěn)增長(zhǎng)、穩(wěn)就業(yè)工作成為促進(jìn)我國(guó)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、推動(dòng)經(jīng)濟(jì)增長(zhǎng)的主要著力點(diǎn)。合理預(yù)判失業(yè)率未來走勢(shì)有助于決策者盡早預(yù)判失業(yè)率可能發(fā)生的方向性變化，從而動(dòng)態(tài)調(diào)整宏觀決策，多措施扎實(shí)做好穩(wěn)定就業(yè)工作。經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)研究中，通常使用國(guó)家統(tǒng)計(jì)局公布的城鎮(zhèn)登記失業(yè)率和調(diào)查失業(yè)率反映失業(yè)水平，但上述指標(biāo)數(shù)據(jù)存在較長(zhǎng)的時(shí)滯性、人為的統(tǒng)計(jì)誤差等缺陷[1]，也不能夠很好反映經(jīng)濟(jì)結(jié)構(gòu)的變化[2]。已有研究取得了較為豐碩的成果，但當(dāng)前關(guān)于失業(yè)率高頻數(shù)據(jù)方面的研究和宏觀分析相對(duì)有限。網(wǎng)絡(luò)搜索高頻失業(yè)率指標(biāo)可同時(shí)反映失業(yè)率變動(dòng)因素等低頻指標(biāo)和失業(yè)率實(shí)時(shí)變化情況，能夠彌補(bǔ)當(dāng)前失業(yè)統(tǒng)計(jì)的不足?；ヂ?lián)網(wǎng)搜索數(shù)據(jù)具有高頻、零成本等優(yōu)勢(shì)，我國(guó)互聯(lián)網(wǎng)快速發(fā)展，構(gòu)建網(wǎng)絡(luò)搜索高頻失業(yè)率指標(biāo)具有可操作性，也為學(xué)界拓寬了研究視角。

本文研究的邊際貢獻(xiàn)主要有如下兩點(diǎn)：一是將范圍取詞法和技術(shù)選詞法結(jié)合選取關(guān)鍵詞，在失業(yè)率相關(guān)影響因素的基礎(chǔ)上選取核心關(guān)鍵詞，運(yùn)用大數(shù)據(jù)文本挖掘技術(shù)爬取與失業(yè)相關(guān)的新聞文本作為關(guān)鍵詞的重要來源，進(jìn)而通過主成分分析方法構(gòu)建公眾失業(yè)感受指數(shù)，并與國(guó)家統(tǒng)計(jì)局公布的城鎮(zhèn)調(diào)查失業(yè)率進(jìn)行對(duì)比分析，增強(qiáng)相關(guān)結(jié)論的穩(wěn)健性；二是隨著互聯(lián)網(wǎng)在生產(chǎn)要素配置中的作用更加顯著，利用大數(shù)據(jù)方法測(cè)算勞動(dòng)力市場(chǎng)的就業(yè)或失業(yè)狀況已成為勞動(dòng)經(jīng)濟(jì)學(xué)一個(gè)新的突破口。本文擬應(yīng)用混頻回歸模型就公眾失業(yè)感受指數(shù)對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)展開實(shí)證分析，并進(jìn)一步對(duì)公眾失業(yè)感受指數(shù)的貢獻(xiàn)度進(jìn)行討論。

一、文獻(xiàn)綜述

在經(jīng)濟(jì)學(xué)方面，Ettredge 等（2005） [3]最早使用網(wǎng)絡(luò)搜索數(shù)據(jù)預(yù)測(cè)失業(yè)率，發(fā)現(xiàn)網(wǎng)絡(luò)搜索詞與美國(guó)失業(yè)率具有較強(qiáng)的關(guān)系。Askitas 和Zimmer?mann（2009） [4]以及D’Amuri和Francesca[5]運(yùn)用谷歌搜索引擎數(shù)據(jù)分別研究德國(guó)和意大利的失業(yè)率情況，建立的某些關(guān)鍵詞或關(guān)鍵詞組搜索數(shù)據(jù)與官方統(tǒng)計(jì)的月度失業(yè)率之間具有強(qiáng)相關(guān)性，并能夠較好地預(yù)測(cè)月度失業(yè)率變化的轉(zhuǎn)折點(diǎn)。Su（2014） [6]運(yùn)用中國(guó)百度搜索引擎和谷歌網(wǎng)絡(luò)數(shù)據(jù)，建立了失業(yè)率網(wǎng)絡(luò)搜索指數(shù)，失業(yè)率網(wǎng)絡(luò)搜索指數(shù)與出口增長(zhǎng)率、采購經(jīng)理指數(shù)等宏觀經(jīng)濟(jì)指標(biāo)具有強(qiáng)相關(guān)性，與宏觀經(jīng)濟(jì)指標(biāo)轉(zhuǎn)折點(diǎn)相同或接近，且早于官方宏觀經(jīng)濟(jì)數(shù)據(jù)發(fā)布幾個(gè)月，Granger因果關(guān)系分析結(jié)果表明，與失業(yè)相關(guān)的搜索指數(shù)可以改善宏觀經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)。Jaroslav和Ladislav（2015） [7]使用谷歌搜索引擎上與工作相關(guān)的搜索指數(shù)，對(duì)捷克、匈牙利、波蘭和斯洛伐克等不同經(jīng)濟(jì)體的失業(yè)率進(jìn)行預(yù)測(cè)和分析，結(jié)果顯示，加入谷歌搜索數(shù)據(jù)后模型預(yù)測(cè)性顯著提高，在線搜索數(shù)據(jù)為失業(yè)率建模提供了額外的信息價(jià)值。隨著實(shí)證研究方法的不斷改進(jìn)創(chuàng)新，大數(shù)據(jù)視角的失業(yè)率相關(guān)研究成果也不斷涌現(xiàn)。彭賡等（2013） [8]使用谷歌搜索引擎上與失業(yè)相關(guān)的綜合搜索指數(shù)，其預(yù)測(cè)效果優(yōu)于傳統(tǒng)調(diào)查數(shù)據(jù)。董恒新（2016） [9]結(jié)合Chow-Lin插值、神經(jīng)網(wǎng)絡(luò)、支持向量回歸機(jī)等方法，推算中國(guó)季度失業(yè)率，發(fā)現(xiàn)運(yùn)用支持向量回歸機(jī)方法的效果最好。Paul（2016） [10]建立MIDAS回歸模型評(píng)估失業(yè)率谷歌網(wǎng)絡(luò)搜索指數(shù)和美國(guó)人口普查局公布的企業(yè)就業(yè)預(yù)期數(shù)據(jù)等調(diào)查數(shù)據(jù)之間的關(guān)系，結(jié)果表明，在實(shí)時(shí)預(yù)測(cè)初期不確定性較多，預(yù)測(cè)效果不太好，但隨著谷歌數(shù)據(jù)和官方調(diào)查數(shù)據(jù)信息積累，模型不確定性顯著減少，加之谷歌數(shù)據(jù)具有及時(shí)性優(yōu)勢(shì)，在失業(yè)率預(yù)測(cè)方面優(yōu)于調(diào)查數(shù)據(jù)。Marinescu（2017） [11]運(yùn)用大數(shù)據(jù)方法收集2007—2011年求職者工作搜尋數(shù)據(jù)，分析了失業(yè)救濟(jì)金領(lǐng)取時(shí)限對(duì)失業(yè)的影響效應(yīng)。

雖然失業(yè)率網(wǎng)絡(luò)搜索指數(shù)在宏觀分析中運(yùn)用效果顯著，但需要克服諸多挑戰(zhàn)和陷阱，尤其是在搜索詞的選擇方面?；ヂ?lián)網(wǎng)搜索數(shù)據(jù)應(yīng)用的挑戰(zhàn)在于尋找合適的搜索詞，并根據(jù)相關(guān)搜索詞選擇適當(dāng)方法構(gòu)建綜合合成指數(shù)。哪些搜索詞與目標(biāo)變量相關(guān)性最強(qiáng)？用戶輸入搜索詞的動(dòng)機(jī)是什么？Askitas和Zimmermann（2009） [4]在構(gòu)建“搜索工作”關(guān)鍵子集后，還嘗試構(gòu)建消費(fèi)、零售等其他關(guān)鍵詞組，用于模擬失業(yè)調(diào)查過程。彭賡等（2013） [8]以經(jīng)濟(jì)恢復(fù)時(shí)期的美國(guó)失業(yè)率為研究對(duì)象，以“unemployment”作為初始關(guān)鍵詞，構(gòu)建了四層關(guān)鍵詞庫， 共計(jì)403 個(gè)關(guān)鍵詞庫。Lazer（2014） [12]強(qiáng)調(diào)需要特別考慮社交和搜索目的，用戶搜索是出于自我行為，還是由于其他人也在進(jìn)行類似的行為？現(xiàn)有的關(guān)鍵詞篩選主要有技術(shù)取詞法、經(jīng)驗(yàn)取詞法、范圍取詞法等三種方法。技術(shù)取詞法精度較高，但易受資源限制；經(jīng)驗(yàn)取詞法工作量較小，但主觀性較強(qiáng)；范圍取詞法分類標(biāo)準(zhǔn)確定，但需編程獲取拓展詞句，技術(shù)難度較高。比較上述三種取詞法優(yōu)劣勢(shì)，本文采用范圍取詞法與技術(shù)取詞法相結(jié)合的方法選取關(guān)鍵詞。結(jié)合國(guó)內(nèi)實(shí)情，當(dāng)前中國(guó)就業(yè)問題的突出矛盾已由勞動(dòng)供給過剩轉(zhuǎn)向勞動(dòng)需求不足，經(jīng)濟(jì)增長(zhǎng)率、產(chǎn)業(yè)結(jié)構(gòu)變化、農(nóng)村勞動(dòng)力占城鎮(zhèn)新就業(yè)人數(shù)的比例等指標(biāo)可用于衡量失業(yè)率變動(dòng)的長(zhǎng)期影響因素[13]。王勇和董恒新（2017） [1]選取青年失業(yè)等失業(yè)相關(guān)指標(biāo)、就業(yè)難等就業(yè)相關(guān)指標(biāo)、經(jīng)濟(jì)增長(zhǎng)等宏觀經(jīng)濟(jì)指標(biāo)作為初選關(guān)鍵詞，進(jìn)而運(yùn)用百度關(guān)鍵詞推薦功能組成關(guān)鍵詞庫。但從現(xiàn)有研究看，當(dāng)前國(guó)內(nèi)基于大數(shù)據(jù)方法對(duì)失業(yè)監(jiān)測(cè)相關(guān)關(guān)鍵詞較少，在百度搜索引擎上僅以“失業(yè)”作為關(guān)鍵詞進(jìn)行失業(yè)情況監(jiān)測(cè)[14]。目前，對(duì)網(wǎng)絡(luò)搜索數(shù)據(jù)的應(yīng)用主要集中于指數(shù)預(yù)測(cè)，而關(guān)于其內(nèi)在機(jī)理研究尚未形成系統(tǒng)的理論框架。

另外，由于數(shù)據(jù)集存在“鋸齒狀邊緣”的特征，解釋變量具有不同的時(shí)序，并且被解釋變量與解釋變量之間的時(shí)間頻率也不匹配，失業(yè)率數(shù)據(jù)按月發(fā)布，但是高頻網(wǎng)絡(luò)失業(yè)率數(shù)據(jù)頻率為日度。傳統(tǒng)計(jì)量模型采用插值或者降頻方法將不同頻數(shù)據(jù)轉(zhuǎn)換為同頻數(shù)據(jù)，這有可能造成數(shù)據(jù)信息新增或者損失，但MIDAS回歸可以有效解決上述問題[15]，使用中可以采用多種函數(shù)形式的加權(quán)函數(shù)，兼顧高頻數(shù)據(jù)信息和傳統(tǒng)低頻結(jié)構(gòu)化指標(biāo)，避免了數(shù)據(jù)信息新增或者損失。

已有研究成果浩如煙海，為本文提供了有益借鑒，但仍須進(jìn)一步改進(jìn)。從失業(yè)率數(shù)據(jù)收集方式看，基于互聯(lián)網(wǎng)大數(shù)據(jù)的失業(yè)率相關(guān)高頻數(shù)據(jù)為傳統(tǒng)調(diào)查數(shù)據(jù)提供了有益補(bǔ)充，并且互聯(lián)網(wǎng)豐富的信息影響著公眾就業(yè)決策，但現(xiàn)有研究較少涉及高頻失業(yè)率大數(shù)據(jù)的應(yīng)用，隨著信息獲取渠道的豐富，網(wǎng)頁數(shù)據(jù)等高頻相關(guān)數(shù)據(jù)也應(yīng)納入其中，數(shù)據(jù)應(yīng)用場(chǎng)景有待進(jìn)一步拓展。從失業(yè)率指數(shù)編制方法看，國(guó)家統(tǒng)計(jì)局編制的季度城鎮(zhèn)登記失業(yè)率和城鎮(zhèn)調(diào)查失業(yè)率在考慮中國(guó)國(guó)情的基礎(chǔ)上，選用抽樣調(diào)查樣本推斷全部失業(yè)人數(shù)，但受多方面原因影響，還有相當(dāng)一部分失業(yè)人數(shù)未納入統(tǒng)計(jì)數(shù)據(jù)，進(jìn)而導(dǎo)致估計(jì)結(jié)果與現(xiàn)實(shí)情況存在一定差異。而采用相關(guān)關(guān)鍵詞構(gòu)成的關(guān)鍵詞庫，運(yùn)用主成分分析方法合成失業(yè)率綜合指數(shù)，與實(shí)際情況更為接近，具有較好的可靠性和預(yù)測(cè)性。從失業(yè)率數(shù)據(jù)應(yīng)用看，現(xiàn)有研究文獻(xiàn)中運(yùn)用互聯(lián)網(wǎng)就業(yè)數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)開展分析研究的較少，加之研究工具更加廣泛和復(fù)雜，原有的問卷調(diào)查數(shù)據(jù)分析方法適用性受到一定限制，更加靈活的計(jì)量模型[16]或許是更好的選擇。

二、公眾失業(yè)感受指數(shù)構(gòu)建的理論基礎(chǔ)與應(yīng)用

（一） 理論分析：失業(yè)率影響因素

失業(yè)問題是影響社會(huì)穩(wěn)定的重要因素之一，國(guó)內(nèi)機(jī)構(gòu)和學(xué)者關(guān)于就業(yè)失業(yè)問題紛紛展開討論和深入研究。增長(zhǎng)緩解型失業(yè)理論認(rèn)為，經(jīng)濟(jì)增長(zhǎng)率的高低是影響就業(yè)增長(zhǎng)，進(jìn)而緩解失業(yè)的一個(gè)重要因素。失業(yè)率由勞動(dòng)力市場(chǎng)供求平衡決定，而勞動(dòng)力需求變化又受到宏觀經(jīng)濟(jì)波動(dòng)影響。以弗里德曼為代表的貨幣學(xué)派將失業(yè)理論歸因于“自然失業(yè)率”，假設(shè)勞動(dòng)力與資本在一定的生產(chǎn)規(guī)模條件下具有一個(gè)均衡值，而生產(chǎn)規(guī)模的擴(kuò)張才能自發(fā)地調(diào)節(jié)失業(yè)率。由于勞動(dòng)力供大于求，加之產(chǎn)業(yè)結(jié)構(gòu)綠色轉(zhuǎn)型對(duì)勞動(dòng)力需求減弱，進(jìn)一步加劇了社會(huì)失業(yè)，只能通過提升經(jīng)濟(jì)增長(zhǎng)速度來解決。另外，歐美等國(guó)家的就業(yè)狀況和失業(yè)率與經(jīng)濟(jì)波動(dòng)一般都存在一定的時(shí)滯性，這主要是企業(yè)在擴(kuò)充生產(chǎn)規(guī)模時(shí)，不僅需要新招收一部分工人，還需要適應(yīng)生產(chǎn)需要削減部分人員，因此經(jīng)濟(jì)波動(dòng)的變化并不能立即伴隨失業(yè)情況的相應(yīng)變化，失業(yè)一般滯后于經(jīng)濟(jì)波動(dòng)1至2年才體現(xiàn)出來。

2022年后，我國(guó)大學(xué)生就業(yè)難和企業(yè)招聘難現(xiàn)象并存，中國(guó)青年失業(yè)率中樞值快速抬升，其深層次原因在于就業(yè)供需結(jié)構(gòu)性錯(cuò)配。結(jié)構(gòu)性失業(yè)是勞動(dòng)力由于技能、知識(shí)結(jié)構(gòu)等與產(chǎn)業(yè)結(jié)構(gòu)、增長(zhǎng)方式等變動(dòng)導(dǎo)致的勞動(dòng)力需求結(jié)構(gòu)不匹配引起的失業(yè)，主要表現(xiàn)類型有結(jié)構(gòu)調(diào)整型失業(yè)、經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變型失業(yè)、技術(shù)進(jìn)步型失業(yè)、知識(shí)經(jīng)濟(jì)發(fā)展型失業(yè)等形式。由于研究方法及數(shù)據(jù)來源存在差異，國(guó)內(nèi)學(xué)者關(guān)于結(jié)構(gòu)性失業(yè)理論的研究結(jié)論不盡相同。當(dāng)前，中國(guó)面臨人口老齡化加劇、人口數(shù)量紅利逐漸消失等一系列經(jīng)濟(jì)社會(huì)問題，對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生沖擊，可能引發(fā)技能錯(cuò)配增加、青年自愿失業(yè)比例上升等結(jié)構(gòu)性失業(yè)問題。隨著經(jīng)濟(jì)增長(zhǎng)動(dòng)能發(fā)生改變，勞動(dòng)力就業(yè)市場(chǎng)存在區(qū)域差異，總體表現(xiàn)為兩極分化。在經(jīng)濟(jì)發(fā)展水平較高區(qū)域，高技能勞動(dòng)力就業(yè)比重提升；反之，在經(jīng)濟(jì)發(fā)展水平較低區(qū)域，低技能勞動(dòng)力就業(yè)比重增加更多[17]。

以曼昆為代表的新凱恩斯主義學(xué)派在解釋黏性工資時(shí)提出了效率工資理論。效率工資理論認(rèn)為，工人勞動(dòng)生產(chǎn)率與工資率呈正相關(guān)關(guān)系，它主要受實(shí)際工資水平的影響，效率工資理論的出現(xiàn)解釋了許多新古典經(jīng)濟(jì)學(xué)無法解釋的經(jīng)濟(jì)現(xiàn)象，包括非自愿性失業(yè)、工資差異等現(xiàn)實(shí)情形。通過拓展效率工資理論，絕對(duì)工資、相對(duì)工資、失業(yè)率和監(jiān)督成本等影響因素，解釋了激勵(lì)成本、勞動(dòng)效率與自然失業(yè)率之間相互作用的決定機(jī)制[18]。

學(xué)術(shù)界關(guān)于失業(yè)率影響因素的看法莫衷一是。總體看，宏觀經(jīng)濟(jì)及供求關(guān)系是影響就業(yè)的主要因素。經(jīng)濟(jì)發(fā)展水平、平均工資水平等影響因素在搜索數(shù)據(jù)中均可以找到相對(duì)應(yīng)的關(guān)鍵詞，宏觀經(jīng)濟(jì)及就業(yè)供求關(guān)系會(huì)引發(fā)相關(guān)關(guān)鍵詞搜索量的即時(shí)變化。因而，網(wǎng)絡(luò)搜索數(shù)據(jù)與失業(yè)監(jiān)測(cè)之間存在一定的相關(guān)性，選取對(duì)應(yīng)的關(guān)鍵詞運(yùn)用相關(guān)方法合成網(wǎng)絡(luò)搜索公共失業(yè)感受指數(shù)，可以進(jìn)一步對(duì)失業(yè)水平的走勢(shì)做出預(yù)測(cè)和判斷，并對(duì)其影響因素展開深入探究。

（二） 關(guān)聯(lián)機(jī)理：網(wǎng)絡(luò)搜索數(shù)據(jù)與失業(yè)率

本文基于失業(yè)率影響因素建立概念框架，分析網(wǎng)絡(luò)搜索數(shù)據(jù)與失業(yè)率之間的關(guān)聯(lián)機(jī)理（圖1）。該框架的核心思想在于：互聯(lián)網(wǎng)數(shù)據(jù)改變了勞動(dòng)力市場(chǎng)的搜尋與匹配機(jī)制，互聯(lián)網(wǎng)將搜索引擎中的勞動(dòng)力供給與需求進(jìn)行了匹配，百度搜索與失業(yè)之間高度相關(guān)。在互聯(lián)網(wǎng)搜索中，失業(yè)就業(yè)影響下勞動(dòng)力需求市場(chǎng)存在兩個(gè)表現(xiàn)：一是由于勞動(dòng)者供給方的網(wǎng)絡(luò)搜索行為與失業(yè)率變化的傳導(dǎo)存在一定的遲滯，找工作相關(guān)的網(wǎng)絡(luò)搜索詞與宏觀經(jīng)濟(jì)變量之間存在先行或滯后的關(guān)系；二是當(dāng)勞動(dòng)力供給方做出就業(yè)決策之后，會(huì)直接或間接引起市場(chǎng)上工資水平或者人員需求量的變化。同時(shí)，勞動(dòng)者把自己關(guān)于求職的體驗(yàn)和市場(chǎng)情況通過網(wǎng)絡(luò)平臺(tái)進(jìn)行分享，使線下勞動(dòng)力市場(chǎng)和線上平臺(tái)信息得到互通交換。勞動(dòng)者求職行為影響了勞動(dòng)力供需狀況，而信息搜尋導(dǎo)致了求職的決定。因此，該框架以失業(yè)率影響因素為全流程中間橋梁，將失業(yè)率監(jiān)測(cè)和互聯(lián)網(wǎng)信息搜索連接起來。

三、公眾失業(yè)感受指數(shù)的構(gòu)建

（一）關(guān)鍵詞的確定

1.關(guān)鍵詞選擇的原則和目標(biāo)

公眾失業(yè)感受指數(shù)是以關(guān)鍵詞為統(tǒng)計(jì)對(duì)象，合理選取關(guān)鍵詞將影響模型實(shí)證分析的準(zhǔn)確性。選擇合適的關(guān)鍵詞需要符合代表性、相關(guān)性、穩(wěn)定性原則，以確保構(gòu)建的網(wǎng)絡(luò)搜索公眾失業(yè)感受指數(shù)具有較高的準(zhǔn)確度和可靠性。

代表性原則：關(guān)鍵詞需要考慮不同網(wǎng)站在數(shù)據(jù)基礎(chǔ)、監(jiān)測(cè)對(duì)象等方面存在的顯著差異，研究者需要根據(jù)不同領(lǐng)域（如整體勞動(dòng)力市場(chǎng)、白領(lǐng)、藍(lán)領(lǐng)等） 特點(diǎn)選取相應(yīng)網(wǎng)站的關(guān)鍵詞，以確保指數(shù)具有代表性。

相關(guān)性原則：關(guān)鍵詞需選取與失業(yè)率影響因素密切相關(guān)的指標(biāo)。在失業(yè)相關(guān)指標(biāo)方面，關(guān)鍵詞包括“青年失業(yè)”等；在就業(yè)相關(guān)指標(biāo)方面，關(guān)鍵詞包括“應(yīng)屆畢業(yè)生”等；在宏觀經(jīng)濟(jì)指標(biāo)方面，關(guān)鍵詞包括“經(jīng)濟(jì)增長(zhǎng)”“物價(jià)水平”等。

穩(wěn)定性原則：關(guān)鍵詞需保持一定時(shí)序的連續(xù)性和穩(wěn)定性，即能夠長(zhǎng)期反映市場(chǎng)主體對(duì)就業(yè)形勢(shì)的看法和態(tài)度，部分關(guān)鍵詞可能由于突發(fā)事件而產(chǎn)生短期波動(dòng)，需要通過數(shù)據(jù)分析和實(shí)證研究剔除相關(guān)影響。

2.關(guān)鍵詞的來源

本文從失業(yè)率的概念和定義出發(fā)，結(jié)合失業(yè)率的相關(guān)影響因素，從以下幾個(gè)方面搜索關(guān)鍵詞。一是就業(yè)和求職，與就業(yè)和求職相關(guān)的詞語，如“就業(yè)機(jī)會(huì)”“求職網(wǎng)站”“招聘信息”“求職市場(chǎng)”等詞語反映了人們?cè)趯ふ夜ぷ骱途蜆I(yè)機(jī)會(huì)方面的關(guān)注和搜索；二是失業(yè)救濟(jì)和社會(huì)保障，與失業(yè)救濟(jì)和社會(huì)保障相關(guān)的詞語，如“失業(yè)救濟(jì)”“失業(yè)福利”“失業(yè)補(bǔ)助”“社會(huì)保障申請(qǐng)”等詞語反映了人們對(duì)失業(yè)后的經(jīng)濟(jì)補(bǔ)償和社會(huì)保障的關(guān)注；三是勞動(dòng)力市場(chǎng)和經(jīng)濟(jì)狀況，與勞動(dòng)力市場(chǎng)和經(jīng)濟(jì)狀況相關(guān)的詞語，如“失業(yè)率”“就業(yè)趨勢(shì)”“勞動(dòng)力市場(chǎng)”“經(jīng)濟(jì)衰退”等詞語反映了人們對(duì)整體勞動(dòng)力市場(chǎng)和經(jīng)濟(jì)狀況的關(guān)注和反應(yīng)；四是裁員和解雇，與裁員和解雇相關(guān)的詞語，如“裁員”“解雇”“裁減崗位”等詞語反映了人們對(duì)公司裁員和解雇行為的關(guān)注和擔(dān)憂。

（二） 公眾失業(yè)感受指數(shù)的構(gòu)建

本文利用百度關(guān)鍵詞推薦功能組成關(guān)鍵詞庫，逐一輸入初始關(guān)鍵詞，通過爬取百度新聞、新浪財(cái)經(jīng)、和訊網(wǎng)、騰訊財(cái)經(jīng)等權(quán)威財(cái)經(jīng)網(wǎng)站，得到200多個(gè)相關(guān)詞，從中剔除重復(fù)以及大量缺失值的關(guān)鍵詞數(shù)據(jù)，最終剩下43個(gè)關(guān)鍵詞從2011年1 月1 日至2023 年12 月31 日期間的日頻搜索量，包括PC端和移動(dòng)端的搜索量。

1.公眾失業(yè)感受指數(shù)的合成

通過查閱現(xiàn)有相關(guān)文獻(xiàn)發(fā)現(xiàn)，指數(shù)測(cè)算主要有主觀賦權(quán)和客觀賦權(quán)兩種方法，相對(duì)指數(shù)法和層次分析法等主觀賦權(quán)方法易受人為因素影響，而變異系數(shù)法、主成分分析法以及熵值法等客觀賦權(quán)方法根據(jù)數(shù)據(jù)本身特點(diǎn)進(jìn)行賦權(quán)，具有較好的規(guī)范性。由于本文使用43個(gè)關(guān)鍵詞對(duì)應(yīng)的搜索數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，指標(biāo)數(shù)量較多，且同行業(yè)間關(guān)鍵詞搜索具有一定的關(guān)聯(lián)性，綜合考慮上述問題以及各種指數(shù)編制方法的適用特點(diǎn)，本文運(yùn)用主成分分析法構(gòu)建網(wǎng)絡(luò)搜索公共失業(yè)感受指數(shù)。

主成分分析方法是利用降維的思想，將眾多與失業(yè)相關(guān)的關(guān)鍵詞轉(zhuǎn)化成若干個(gè)相互獨(dú)立且能夠充分反映失業(yè)變動(dòng)趨勢(shì)指標(biāo)的多元統(tǒng)計(jì)方法。其基本原理是用主成分分析法消除變量間的多元共線性，并將各個(gè)分量的載荷系數(shù)作為賦權(quán)的依據(jù)，從而解決指標(biāo)合成的權(quán)重問題。

2.構(gòu)建公眾失業(yè)感受指數(shù)

按照前文提出的主成分分析方法，對(duì)原始搜索數(shù)據(jù)進(jìn)行均值化處理，得到相應(yīng)的KMO值檢驗(yàn)結(jié)果為0.95，表示本文可以使用主成分分析法構(gòu)建公眾失業(yè)感受指數(shù)。經(jīng)過檢驗(yàn)，運(yùn)用主成分分析法將搜索關(guān)鍵詞合成若干個(gè)相互獨(dú)立且能充分反映總體信息的主成分。利用主成分分析法對(duì)失業(yè)相關(guān)的關(guān)鍵詞搜索數(shù)據(jù)進(jìn)行成分提取，得到第一、二主成分的累計(jì)方差貢獻(xiàn)率為81.32%，解釋了原始關(guān)鍵詞的大部分信息，且特征值均大于1，因此，此處選擇提取6個(gè)主成分。

3.公眾失業(yè)感受指數(shù)和城鎮(zhèn)登記失業(yè)率、調(diào)查失業(yè)率對(duì)比分析

將公眾失業(yè)感受指數(shù)與城鎮(zhèn)登記失業(yè)率、調(diào)查失業(yè)率進(jìn)行對(duì)比分析（圖2）。首先從數(shù)值大小看，三組數(shù)據(jù)由于數(shù)據(jù)來源、數(shù)據(jù)類型、編制方式均不同，指數(shù)數(shù)值存在較大差異，若單純比較指數(shù)值大小則意義不大，但三者之間的變化存在一定的趨同性。其次從數(shù)據(jù)活躍度看，公眾失業(yè)感受指數(shù)變化幅度更為活躍。城鎮(zhèn)登記失業(yè)率是截至2022年的季度數(shù)據(jù)，2022年前，公眾失業(yè)感受指數(shù)以城鎮(zhèn)登記失業(yè)率為中心點(diǎn)上下波動(dòng)，城鎮(zhèn)登記失業(yè)率基本上呈現(xiàn)一條直線，且城鎮(zhèn)登記失業(yè)率存在統(tǒng)計(jì)口徑窄、人員未登記等多種缺陷，其真實(shí)性受到學(xué)術(shù)界諸多質(zhì)疑。相較之下，調(diào)查失業(yè)率涵蓋城鄉(xiāng)全口徑調(diào)查失業(yè)率，更接近真實(shí)情況。我國(guó)自2018年1月對(duì)外公布調(diào)查失業(yè)率月度數(shù)據(jù)，觀察調(diào)查失業(yè)率和公眾失業(yè)感受指數(shù)兩者的走勢(shì)情況可以發(fā)現(xiàn)，兩者在部分時(shí)段的波動(dòng)情況高度相似， 分別在2020 年2 月、2020年3月達(dá)到階段性高點(diǎn)。最后從數(shù)據(jù)靈敏性看，公眾失業(yè)感受指數(shù)是基于互聯(lián)網(wǎng)搜索數(shù)據(jù)編制而來，搜索數(shù)據(jù)覆蓋全部群體，具有一定的即時(shí)性和先行性。通過指數(shù)的變動(dòng)幅度看即時(shí)性，公眾失業(yè)感受指數(shù)由于網(wǎng)絡(luò)搜索數(shù)據(jù)構(gòu)建所得，對(duì)失業(yè)相關(guān)詞語的搜索更加敏感，所以變動(dòng)幅度相對(duì)調(diào)查失業(yè)率更大。從2020年2月以后的數(shù)據(jù)看先行性，疫情發(fā)生后失業(yè)率更加直觀反映公眾失業(yè)感受指數(shù)，2020年2月后出現(xiàn)“斷崖式”下滑，而調(diào)查失業(yè)率滯后1至2個(gè)月，并且在這一階段公眾失業(yè)感受指數(shù)振幅更大，在疫情政策改變后，公眾失業(yè)感受指數(shù)出現(xiàn)下降趨勢(shì)，從2020年2月的6.5變化至2021年7月的-6.74。

四、轉(zhuǎn)型期中國(guó)失業(yè)影響因素的實(shí)證分析

美國(guó)經(jīng)濟(jì)學(xué)家奧肯根據(jù)美國(guó)歷史數(shù)據(jù)得出了經(jīng)濟(jì)增長(zhǎng)率與失業(yè)率之間存在負(fù)相關(guān)關(guān)系，奧肯定律在歐美國(guó)家具有普適性。而國(guó)內(nèi)學(xué)者多采用城鎮(zhèn)登記失業(yè)率驗(yàn)證奧肯定律，得出了在我國(guó)不適用的結(jié)論，即存在“高失業(yè)高增長(zhǎng)”的特征。同時(shí)，國(guó)內(nèi)學(xué)者沒有綜合考慮我國(guó)經(jīng)濟(jì)轉(zhuǎn)型期的復(fù)雜性，而是更注重研究經(jīng)濟(jì)增長(zhǎng)對(duì)就業(yè)的拉動(dòng)作用。因此，在研究失業(yè)影響因素時(shí)有必要將產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、固定資產(chǎn)投資、居民消費(fèi)、通貨膨脹水平以及匯率變動(dòng)水平等因素作為控制變量納入方程進(jìn)行實(shí)證分析，以期能夠更好地理解轉(zhuǎn)型期這些因素對(duì)失業(yè)的影響狀況。

（一） 變量說明

1.數(shù)據(jù)來源

運(yùn)用上文中構(gòu)建的公眾就業(yè)感受指數(shù)評(píng)估奧肯定律在中國(guó)的實(shí)踐性，公眾就業(yè)感受指數(shù)的時(shí)間區(qū)間為2011年1月1日至2023年12月31日的日度數(shù)據(jù)，經(jīng)濟(jì)增長(zhǎng)等指標(biāo)數(shù)據(jù)均來源于wind數(shù)據(jù)庫，數(shù)據(jù)時(shí)間區(qū)間為2011—2023年相關(guān)季度數(shù)據(jù)和月度數(shù)據(jù)。

2.變量描述

被解釋變量：經(jīng)濟(jì)增長(zhǎng)變動(dòng)水平。影響失業(yè)的相關(guān)因素很多，但從理論溯源和經(jīng)驗(yàn)證據(jù)看，經(jīng)濟(jì)增長(zhǎng)是影響失業(yè)率水平的核心因素。相關(guān)經(jīng)濟(jì)理論與實(shí)踐表明，失業(yè)率與實(shí)際經(jīng)濟(jì)增長(zhǎng)率之間存在負(fù)相關(guān)關(guān)系，經(jīng)濟(jì)高增長(zhǎng)是降低失業(yè)率的有效途徑。雖然近年我國(guó)經(jīng)濟(jì)增長(zhǎng)速度保持較高水平，但疫情后失業(yè)率仍處于較高水平，在經(jīng)濟(jì)高質(zhì)量發(fā)展過程中，需積極開辟新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，拓展就業(yè)渠道，增加新的就業(yè)崗位。本文參考多數(shù)文獻(xiàn)，選用GDP同比增長(zhǎng)的一階差分表示經(jīng)濟(jì)增長(zhǎng)變動(dòng)水平。

解釋變量：失業(yè)率變動(dòng)水平?；谏衔南嚓P(guān)研究，本文運(yùn)用公眾就業(yè)感受指數(shù)的一階差分表示失業(yè)率變動(dòng)水平。

控制變量：本文選取產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度、固定資產(chǎn)投資水平、通貨膨脹率、匯率變動(dòng)以及居民消費(fèi)作為控制變量。產(chǎn)業(yè)結(jié)構(gòu)與就業(yè)結(jié)構(gòu)相互制約與促進(jìn)，利用技術(shù)進(jìn)步使產(chǎn)業(yè)結(jié)構(gòu)整體效率向更高層次演進(jìn)[19]，用第三產(chǎn)業(yè)增加值/第二產(chǎn)業(yè)增加值表示。根據(jù)通貨膨脹促進(jìn)論，適度通脹將有利于調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，擴(kuò)大投資，拉長(zhǎng)就業(yè)鏈，降低失業(yè)率。匯率變動(dòng)直接影響出口企業(yè)產(chǎn)品的價(jià)格，進(jìn)而改變出口企業(yè)的投資決策，使出口企業(yè)的生產(chǎn)規(guī)模發(fā)生變化，勞動(dòng)力需求受到影響，人民幣匯率的調(diào)整對(duì)就業(yè)增長(zhǎng)率可產(chǎn)生顯著影響，人民幣貶值有助于提升就業(yè)率水平[20]?，F(xiàn)有關(guān)于居民消費(fèi)與失業(yè)關(guān)系的研究相對(duì)較少，但對(duì)經(jīng)濟(jì)衰退的研究發(fā)現(xiàn)，失業(yè)預(yù)期的惡化，伴隨著消費(fèi)下降，消費(fèi)者的購買決策會(huì)根據(jù)失業(yè)預(yù)期而發(fā)生變化，因此，消費(fèi)品銷售規(guī)模與失業(yè)或失業(yè)情緒有關(guān)。

（三） 轉(zhuǎn)型期失業(yè)影響因素實(shí)證檢驗(yàn)結(jié)果

從回歸結(jié)果看（表1），變量中公眾失業(yè)率感受指數(shù)變動(dòng)率系數(shù)為負(fù)，估計(jì)系數(shù)為-3.2702，系數(shù)值在所有影響因素中是最大的，與經(jīng)典的奧肯定律基本吻合。GDP增長(zhǎng)率與失業(yè)率之間存在負(fù)相關(guān)關(guān)系，與以往的研究存在較大差異[22]?，F(xiàn)有相關(guān)研究表明，網(wǎng)絡(luò)輿情信息反映了求職人員的需求、興趣和預(yù)期，通過搜索與失業(yè)或工作有關(guān)的關(guān)鍵詞可以在一定程度反映勞動(dòng)力市場(chǎng)活動(dòng)的信息。高頻日度公眾失業(yè)率感受指數(shù)能夠在一定程度反映部分傳統(tǒng)指標(biāo)無法反映的失業(yè)相關(guān)行為，并能夠捕捉短期動(dòng)態(tài)變化信息。經(jīng)濟(jì)增長(zhǎng)變動(dòng)率與失業(yè)率之間不顯著相關(guān)，這主要在于經(jīng)典奧肯定律暗含“一元市場(chǎng)”的假設(shè)，而我國(guó)存在較為明顯的二元經(jīng)濟(jì)結(jié)構(gòu)，導(dǎo)致“奧肯定律”在我國(guó)失靈，但現(xiàn)有研究顯示二者之間變動(dòng)趨勢(shì)符合奧肯定律，因而我國(guó)在經(jīng)濟(jì)發(fā)展過程中可參考根據(jù)奧肯定律制定的經(jīng)濟(jì)政策，避免走西方走過的誤區(qū)，以期更快更好地達(dá)到經(jīng)濟(jì)持續(xù)健康發(fā)展的目標(biāo)。

實(shí)證結(jié)果顯示，經(jīng)濟(jì)增長(zhǎng)率變動(dòng)的滯后項(xiàng)估計(jì)系數(shù)為0.9635，在10%的顯著水平下為正。經(jīng)濟(jì)增長(zhǎng)是增加就業(yè)的有效途徑，經(jīng)濟(jì)快速增長(zhǎng)必然帶來就業(yè)規(guī)模擴(kuò)大，即經(jīng)濟(jì)增長(zhǎng)與失業(yè)呈現(xiàn)反向變動(dòng)關(guān)系。但從目前我國(guó)發(fā)展?fàn)顩r看，經(jīng)濟(jì)增長(zhǎng)與失業(yè)之間呈現(xiàn)同向變動(dòng)，2023年我國(guó)GDP同比增速為5.2%，2023年12月，城鎮(zhèn)調(diào)查失業(yè)率仍保持在5.1%的高位水平。通常在經(jīng)濟(jì)不斷趨向成熟的過程中，就業(yè)彈性會(huì)出現(xiàn)逐漸減小的趨勢(shì)。相對(duì)于經(jīng)濟(jì)增長(zhǎng)，當(dāng)前我國(guó)的就業(yè)彈性總體呈下降趨勢(shì)，每創(chuàng)造一個(gè)增量?jī)r(jià)值所需的勞動(dòng)增量減少。固定資產(chǎn)投資占GDP的比重對(duì)經(jīng)濟(jì)增長(zhǎng)波動(dòng)的回歸系數(shù)為0.1731，在1%的顯著水平下為正，即固定資產(chǎn)投資具有逆就業(yè)傾向。從數(shù)據(jù)看，2023年我國(guó)固定資產(chǎn)投資完成額占GDP的比重仍達(dá)到40%，積極的財(cái)政政策雖然對(duì)經(jīng)濟(jì)增長(zhǎng)有明顯的拉動(dòng)作用，由于固定資產(chǎn)投資更多投向農(nóng)林水利、交通通信等基礎(chǔ)設(shè)施領(lǐng)域，這些行業(yè)就業(yè)吸納能力較弱。在當(dāng)前供給側(cè)改革和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整時(shí)期，政府投資對(duì)就業(yè)的影響率不是太高，解決就業(yè)的根本途徑還是要增加全社會(huì)總投資[23]。通貨膨脹率的系數(shù)為負(fù)，通貨膨脹率與失業(yè)率呈現(xiàn)此消彼長(zhǎng)關(guān)系，符合菲利普斯曲線描述的規(guī)律。

其他控制變量中，居民消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和匯率變動(dòng)均沒有通過T檢驗(yàn)，說明居民消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和匯率變動(dòng)對(duì)勞動(dòng)就業(yè)的效應(yīng)存在一定“時(shí)滯”，加之居民消費(fèi)和匯率變動(dòng)的估計(jì)系數(shù)偏小，這兩個(gè)變量短期內(nèi)引發(fā)的就業(yè)效應(yīng)不足。國(guó)內(nèi)外學(xué)者關(guān)于產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與失業(yè)率問題進(jìn)行了豐富的研究和探討，研究結(jié)果存在較大分歧，但總體上認(rèn)同產(chǎn)業(yè)結(jié)構(gòu)對(duì)就業(yè)結(jié)構(gòu)[24]和就業(yè)規(guī)模[25]具有重要影響作用。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化系數(shù)雖然不顯著，但其估計(jì)系數(shù)為-1.1012，影響效應(yīng)較大。近年來，我國(guó)產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，在集約型的經(jīng)濟(jì)增長(zhǎng)方式中，技術(shù)創(chuàng)新降低了低技能勞動(dòng)力的需求，就業(yè)崗位減少，導(dǎo)致失業(yè)加劇。而短期內(nèi)由于產(chǎn)業(yè)結(jié)構(gòu)與勞動(dòng)力素質(zhì)的黏性，勞動(dòng)者職業(yè)教育與培訓(xùn)需要一定的時(shí)間，使技術(shù)進(jìn)步帶來的就業(yè)效應(yīng)具有一定的滯后效應(yīng)，與此同時(shí)，我國(guó)第三產(chǎn)業(yè)的發(fā)展對(duì)就業(yè)拉動(dòng)效應(yīng)雖然較強(qiáng)，但仍然滯后于發(fā)達(dá)國(guó)家，導(dǎo)致其就業(yè)效應(yīng)不足。

（四） 基于奧肯定律測(cè)算失業(yè)率相關(guān)因素影響的貢獻(xiàn)度

測(cè)算結(jié)果顯示， 模型離差平方和SST 值為23.9485，基準(zhǔn)模型SSE0值為18.0919，依次去除相關(guān)變量后的R值如表2所示。去掉高頻公眾失業(yè)率感受指數(shù)的R值明顯小于去掉其他變量的R值，公眾失業(yè)率感受指數(shù)對(duì)GDP增長(zhǎng)率的影響最大。混頻回歸結(jié)果也顯示公眾失業(yè)率感受指數(shù)與GDP增長(zhǎng)呈現(xiàn)負(fù)相關(guān)，系數(shù)值在所有影響因素中最大。在經(jīng)濟(jì)轉(zhuǎn)型時(shí)期，宏觀經(jīng)濟(jì)一旦發(fā)生波動(dòng)，勢(shì)必影響微觀主體的信心，失業(yè)率相關(guān)數(shù)據(jù)會(huì)影響居民儲(chǔ)蓄、消費(fèi)、投資行為，進(jìn)而影響經(jīng)濟(jì)增速，網(wǎng)絡(luò)輿情引導(dǎo)對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要影響。其背后的原因在于，公眾失業(yè)感受指數(shù)是在綜合過去、現(xiàn)在和未來各種信息的基礎(chǔ)上形成的，居民掌握信息的程度越高越有助于形成合理的預(yù)期，非理性的輿情指數(shù)勢(shì)必加大宏觀經(jīng)濟(jì)政策的調(diào)控難度。因此，對(duì)失業(yè)相關(guān)影響因素進(jìn)行深入分析，有助于宏觀調(diào)控部門更有針對(duì)性地進(jìn)行數(shù)據(jù)發(fā)布和政策解讀，提升與公眾溝通的有效性，引導(dǎo)居民形成合理的判斷。

五、主要結(jié)論及政策建議

基于奧肯定律的相關(guān)理論，本文使用混頻回歸模型分析了失業(yè)率相關(guān)影響因素對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。利用宏觀低頻數(shù)據(jù)與公共失業(yè)感受指數(shù)高頻數(shù)據(jù)實(shí)證檢驗(yàn)了奧肯定律在中國(guó)的適用性，并通過計(jì)算回歸模型的殘差平方和相對(duì)于總離差平方和的變化考察各因素對(duì)經(jīng)濟(jì)增速的影響效應(yīng)。

（一） 主要結(jié)論

1.從應(yīng)用效果看

與通過抽樣調(diào)查法獲得的調(diào)查失業(yè)率指數(shù)相比，公眾失業(yè)感受指數(shù)具有更強(qiáng)的敏感性和先行性。公眾失業(yè)感受指數(shù)與城鎮(zhèn)登記失業(yè)率、調(diào)查失業(yè)率的整體變化存在一定的趨同性，但公眾失業(yè)感受指數(shù)中的搜索引擎數(shù)據(jù)包含大量互聯(lián)網(wǎng)用戶經(jīng)濟(jì)信息，提供了比調(diào)查領(lǐng)域更為廣泛的樣本，變動(dòng)幅度相對(duì)調(diào)查失業(yè)率更大，并且領(lǐng)先調(diào)查失業(yè)率1至2個(gè)月，具備更好的預(yù)警功能。轉(zhuǎn)型期中國(guó)經(jīng)濟(jì)面臨較大的不確定性，政府部門需要快速和可靠的失業(yè)信息，以制定合理的宏觀經(jīng)濟(jì)政策。

2.從影響效應(yīng)看

通過混頻估計(jì)回歸模型證實(shí)了高頻公眾失業(yè)感受指數(shù)對(duì)經(jīng)濟(jì)增速具有負(fù)向影響。雖然經(jīng)濟(jì)增長(zhǎng)變動(dòng)率與失業(yè)率之間不顯著，但研究結(jié)果顯示二者之間變動(dòng)趨勢(shì)符合奧肯定律。高頻日度公眾失業(yè)感受指數(shù)能夠在一定程度反映部分傳統(tǒng)指標(biāo)無法反映的失業(yè)相關(guān)行為，并能夠捕捉短期動(dòng)態(tài)變化信息。經(jīng)濟(jì)增長(zhǎng)與失業(yè)之間呈現(xiàn)同向變動(dòng)，高增長(zhǎng)未能有效拉動(dòng)就業(yè)，與此同時(shí)，固定資產(chǎn)投資具有逆就業(yè)傾向。其他控制變量中，居民消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和匯率變動(dòng)均沒有通過T檢驗(yàn)，說明居民消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和匯率變動(dòng)對(duì)勞動(dòng)就業(yè)的效應(yīng)存在一定“時(shí)滯”，加之居民消費(fèi)和匯率變動(dòng)的估計(jì)系數(shù)偏小，這兩個(gè)變量短期內(nèi)引發(fā)的就業(yè)效應(yīng)不足。

3.從貢獻(xiàn)度看

公眾失業(yè)率感受指數(shù)變量的R值相對(duì)更小一些，其對(duì)經(jīng)濟(jì)波動(dòng)的影響最大。該結(jié)果與混頻回歸估計(jì)結(jié)果反映的影響效應(yīng)是相一致的，通過引導(dǎo)微觀主體心理行為促進(jìn)經(jīng)濟(jì)增長(zhǎng)具有可行性。其次是匯率波動(dòng)的影響，當(dāng)匯率長(zhǎng)期趨勢(shì)穩(wěn)定并保持日常小幅波動(dòng)時(shí)，企業(yè)投資對(duì)匯率的反應(yīng)不敏感，匯率調(diào)整對(duì)就業(yè)的影響不大。固定資產(chǎn)投資和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整在經(jīng)濟(jì)波動(dòng)中帶來的失業(yè)影響較為接近，但其值低于公眾失業(yè)率感受指數(shù)。

（二） 政策建議

一是健全失業(yè)率監(jiān)測(cè)體系，構(gòu)建更為科學(xué)合理的失業(yè)測(cè)度指標(biāo)。鑒于互聯(lián)網(wǎng)作為一種求職方式越來越大眾化，網(wǎng)絡(luò)搜索數(shù)據(jù)可以作為失業(yè)調(diào)查數(shù)據(jù)的有效補(bǔ)充，提供可靠和快速的信息實(shí)時(shí)監(jiān)測(cè)宏觀經(jīng)濟(jì)活動(dòng)，為政府部門制定合理的宏觀經(jīng)濟(jì)政策提供參考。二是提升與公眾信息溝通的及時(shí)性、全面性。在調(diào)查失業(yè)率、GDP等數(shù)據(jù)發(fā)布的關(guān)鍵時(shí)點(diǎn)，宏觀調(diào)控部門應(yīng)加強(qiáng)上述經(jīng)濟(jì)指標(biāo)相關(guān)信息的解讀，從多方面、多角度充分披露相關(guān)信息，幫助公眾了解經(jīng)濟(jì)形勢(shì)與就業(yè)趨勢(shì)，及時(shí)消除數(shù)據(jù)誤解，打消顧慮甚至恐慌，促進(jìn)居民更理性地看待經(jīng)濟(jì)指標(biāo)的變化，形成合理預(yù)期。三是重視宏觀經(jīng)濟(jì)相關(guān)政策對(duì)失業(yè)率的影響效應(yīng)。當(dāng)前，我國(guó)的就業(yè)壓力依然較大，在此背景下，宏觀調(diào)控部門應(yīng)充分考慮產(chǎn)業(yè)調(diào)整等政策帶來的就業(yè)擠出效應(yīng)，應(yīng)大力發(fā)展勞動(dòng)密集型產(chǎn)業(yè)，提升第三產(chǎn)業(yè)的就業(yè)空間，激活民間資金，扶持中小微企業(yè)，并加強(qiáng)第三產(chǎn)業(yè)與第一、二產(chǎn)業(yè)的協(xié)調(diào)發(fā)展。

（責(zé)任編輯：陳勝）