基于ARIMA模型的浙江省旅游人才需求預測及人才培養研究

葉靜　魏敏

【摘要】在對近十五年浙江省旅游企業的從業人數統計資料進行分析的基礎上，論述浙江省旅游人才培養的供需現狀，運用ARIMA模型對浙江省未來幾年的旅游人才需求趨勢進行預測，并提出浙江省旅游人才培養的對策，以期進一步促進浙江省旅游產業的發展。

【關鍵詞】ARIMA；旅游人才；需求；人才培養

【中圖分類號】G712

【文獻標識碼】A

【文章編號】1001-8794（2014）03-0106-03

【收稿日期】2013-11-25

【作者簡介】葉靜（1982-），女，浙江寧波人，碩士，講師，教務處教學運行主管，研究方向為旅游教育、高等教育；魏敏（1975-），男，浙江寧波人，經濟學博士，工商管理博士后，副教授，研究方向為旅游管理理論與方法、旅游高等教育。

一、引言

人才資源的需求預測是各種人才工作的基礎，只有明確地知道未來的經濟發展需要多少人才，才能有針對性地進行培養。浙江是一個旅游大省，浙江省旅游業人力資源總量隨著旅游業的發展穩步增長、質量逐步提升。與此同時，很多高校都開設了旅游專業，如何滿足旅游市場的需求，適應旅游業的快速發展，培養出適應未來市場需求的高素質旅游人才，已成為這類高校當前的一項重要任務。因此，對旅游人才需求預測的研究可以防止盲目地擴大培養而造成人才資源的浪費，對創建具有學校特色的旅游專業具有一定的指導意義。

另一方面，由于旅游業的服務性特征導致旅游人才建設成為旅游業發展的核心。要想全面推進旅游業的發展，加快經濟建設，必須加大對旅游業人才隊伍的建設。因此，對浙江省旅游行業人才需求預測進行研究，探索培養滿足浙江省旅游業需求的人才，對促進浙江省旅游產業的發展，具有重要的現實意義。

二、浙江省旅游人才培養供需現狀

（一）從業人員

隨著浙江省旅游業的發展，旅游就業人數也逐年增加，據《中國旅游統計年鑒》顯示，自1995年起至2010年，浙江省直接旅游從業人數從4萬多增加到24萬多。這15年間，浙江省旅游從業人數均位于全國前十名。飯店從業人員占旅游從業人員的多數，其次是來自旅行社和其他企業的員工（本研究的旅游從業人數指的是《中國旅游統計年鑒》中的直接旅游從業人數，主要指的旅行社、星級飯店和其他旅游企事業單位的在職人數，未包括社會旅館和個體旅館的從業人員）。

“十一五”期間，我省旅游業發展迅速，人才隊伍建設取得了可喜的成績。至2010年末，浙江省旅游飯店、旅游景區、旅行社等直接從業人員24萬余人，間接旅游就業人數超過310萬，占全社會就業人數的61%以上。從學歷職稱上看，其中大專學歷占209%，本科學歷占762%，研究生學歷占08%；初、中級職稱人數分別占 2162%、78%，高級職稱人數為281%。從類型來看，旅游服務技能人才約占63%，專業技術人才占192%；旅游管理人才（含企業經營管理、旅游部門行政管理人才）占178%。從地域分布看，杭州、寧波、溫州三地人才占到總量的59%。進入“十二五”，浙江省旅游經濟繼續呈現平穩發展的態勢。據浙江省旅游經濟發展公報顯示，到 2011年末，旅游從業人員占全社會從業人員的698%。從以上數據看出，旅游從業人員數量不斷增長，但是從學歷職稱上來看，主要是低學歷、低職稱人員，從類型上看多為服務型人才，缺少高學歷、高職稱的高級旅游管理人才。

（二）人才培養

隨著市場需求的增大，旅游人才供給也逐年增加，全省旅游院校從1997年的58所、5297名學生，增加至2010年的109所院校、53902名學生。2010年，浙江省旅游局統計口徑內旅游行業培訓達2582萬人次，比2005年增長129倍。

三、基于ARIMA模型的人才需求預測

（一）ARIMA模型理論

ARIMA模型是一種時間序列預測方法，全稱為差分自回歸移動平均模型（Autoregressive Integrated Moving Average Model，簡記ARIMA），是由博克思（Box）和詹金斯（Jenkins）于20世紀70年代初提出的。它的基本思想是將預測對象隨時間的推移而形成的數據序列視為一個隨機序列，用數學模型來描述，模型被識別后可以從時間序列的過去值及現在值來預測未來值，而且這種模型的預測時間以短期為主。ARIMA模型的特點在于分析統計數據依時間變化的規律，以時間為綜合變量，反映了曾經發生過的所有影響因素間的因果關系和結構關系。ARIMA預測過程分模型的識別、估計和檢驗三個步驟：（1）模型的識別。對序列的平穩性進行識別，如果數據序列是非平穩的則進行平穩化處理。（2）參數估計。可用條件最小二乘法來估計模型中自回歸部分及滑動平均部分的參數，利用篩選出的最優模型進行預測。（3）模型檢驗。在前兩步的基礎上得到時間序列的初步模型，檢驗此初步模型是否合理，利用已通過檢驗的模型進行預測分析。

（二）應用ARIMA模型預測浙江省旅游人才的需求狀況

由于ARIMA近期預測效果比較好，為了使長期預測更精確，在運用ARIMA模型的同時，我們還考慮了人口、人均GDP、入境旅游人次和國內旅游人次對旅游從業人數的影響。因此，采用多元線性回歸方法，建立殘差與人口、人均GDP、入境旅游人次和國內旅游人次的回歸方程，以進一步得到殘差的預測值，最后把預測值與殘差預測值相加即得最終預測值。

經過對原始數據的平穩化識別，證明數據是平穩序列。依據自相關函數和偏相關函數的截尾和拖尾狀況判斷模型系數最佳參數p、d、q分別是0、1、0，即模型ARIMA（0，1，0）。將數據帶入SPSS190統計軟件實施運算，得出2013—2015年浙江省旅游人才需求趨勢預測。從圖1可以看到ARIMA（0，1，0）對原始數據擬合得很好，預測值落在真實值的95%的置信區間內，并給出了2011—2015年的預測值。

本文為了更清楚地了解所需旅游人才的具體類型，還預測了旅行社和星級飯店所需的從業人數（如表1所示）。

四、浙江省旅游人才培養的對策

（一）加強旅游人才隊伍培養

1培養應用型旅游專業人才

據2010年數據統計，浙江省旅游從業人員學歷職稱均偏低，本科學歷占762%，研究生學歷占08%；初、中級職稱人數分別占 2162%、78%，高級職稱人數僅為281%。發展應用型復合型人才是浙江省旅游業發展“十二五”規劃的重要任務之一。因此，浙江省各高校應大力發展旅游專業教育，尤其是旅游職業教育。相比浙江省歷年旅游從業人數在全國的排名，浙江省目前有旅游專業的高校比較少。為此，浙江省有條件的高校應加強旅游專業教育，并且重視對學生的專業技能培養。另外，加強旅游類專業與企業之間的校企合作，加大培養高層次創新型人才和復合型人才的力度。

2培養各類型的旅游人才

根據浙江省旅游業發展的趨勢，需求最大的為飯店從業人員和旅行社人員，根據2013—2015年的需求預測，飯店從業人數是旅行社從業人數的10倍。根據浙江省旅游業發展“十二五”規劃，還應大力開發圍繞旅游景區發展新趨勢，以及休閑度假旅游、文化旅游、海洋旅游、森林生態旅游、旅游工藝品設計制造等領域的各類緊缺人才。浙江省各高校應積極開展專業調查，針對市場需求適當地調整專業計劃和課程設置，適度地確定招生人數，合理培養各類型的旅游人才。

3完善旅游人力資源教育培訓體系

首先，繼續推動院校工程，加強各高校旅游專業建設。其次，構建良好的校企合作關系，為高校教師的在職培訓創建良好的平臺，提高專業教師的素質，從而使高校更好地服務社會。最后，確立和完善崗前和在職培訓制度，在各地建設和培育一批形式多樣、各具特色的培訓機構，實行崗前培訓，持證上崗。

（二）建立旅游人才流動機制

據統計，旅游業人才年流動比率在旅游發達國家高達40%以上。要進一步落實相關人才政策，建立和完善旅游人才資源的市場化配置和開發機制，健全信息化、國際化的旅游人才市場服務體系，構建浙江省旅游人才成長的良好環境。2010年底，浙江省旅游從業人數按照地域分布統計，杭州、寧波、溫州三地人才占到總量的59%，臺州為753%，紹興為668%，金華（不含義烏）為539%，湖州、舟山、麗水、嘉興、衢州等地人才占全省總量的比重都在5%以內。根據我省各地旅游業的發展情況，應建立以杭州為中心，以寧波、溫州為兩軸的旅游企業人力資源培育市場，充分發揮其輻射、帶動、示范作用，推動發展各地市旅游人才市場，帶動浙江省整個旅游業的發展。推動全省建立和完善人才供需信息發布及共享機制，推動長三角區域內旅游人才供需信息共享機制建設。

（三）完善旅游人才的激勵機制

旅游業作為服務型行業，準入門檻低，讓人誤以為工作簡單，因而不被重視，尤其是對于基層的服務人員更是如此，這也是目前很多旅游專業的畢業生轉行未從事旅游行業的原因。為改變這一現狀，應提高旅游業人才的待遇，以便增強對人才的吸引力。尤其是對高素質的旅游人才，應大力完善激勵機制，建立與現代企業制度相適應的企業經營管理人員薪酬制度。要堅持高素質旅游人才收入與經營業績直接掛鉤，拉開分配檔次，允許他們獲得較高的報酬。如自2010年開始，浙江省旅游從業人員也可以考取專業技術資格，對于旅游從業人員來說，這是一種有效的激勵措施，可以更好地調動浙江省高素質旅游人才的積極性，使旅游人才在推動旅游業發展的過程中，確立自己的工作目標，追求自身利益的最大化。旅游企業還應采取切實可行的措施，鼓勵和吸引優秀畢業生加入到旅游行業中來。

【參考文獻】

[1]生延超湖南旅游人才需求預測模型的構建[J].湖南商學院學報，2005，（4）：61-64.

[2]王昆欣，李成軍，褚蓓浙江省旅游人力資源現狀的分析[J].桂林旅游高等專科學校學報，2007，（12）：837-840.

[3]崔志英大同市衛生人力資源現狀及需要量預測研究[D].太原：山西醫科大學碩士學位論文，2008.

[4]謝龍漢，尚濤 SPSS統計分析與數據挖掘[M].北京：電子工業出版社，2012.