各省人力資源狀況研究

范 艷 玲

(中北大學 理學院 數學系，山西 太原 030051)

0 引言

近年來，可持續發展的戰略性思想已深入人心，其中區域經濟的可持續發展則是其中的重中之重.而人力資源是推動經濟走上可持續發展軌道的原動力，是現代經濟增長和發展的決定性因素，因此關注人力資源的投資、形成和積累，促進人的全面發展，已逐漸成為政府關心的焦點問題之一［1］.

人力資源狀況是指一個國家或地區在某一時間段內能夠投入社會經濟活動的勞動人口狀況.雖然我國人力資源的總量非常豐富，但是各省市的人力資源的總體狀況卻各不相同.目前國內學術界對我國局部區域內人力資源的研究較為充分，但是對各省市的人力資源狀況的對比研究尚且較少［2－5］.本文就是要考察各項人力資源指標在不同地區的差異以及隱藏在這種差異背后的經濟現象與規律.

本文通過主成分分析法，同時采用聚類分析，計算出了我國31 省市的人力資源狀況的總體得分，結合不同分析得出的結論來描繪出人力資源分布的地域類別特征.

1 人力資源指標體系的構建

本文主要從人力資源的投資和人力資源的存量兩個方面進行考察，來構建人力資源的主要評價指標體系.

從人力資源投資角度來看，人力資源投資將從教育水平、教育設施、科技投資、醫療保健和勞動力遷移5個方面來進行衡量;其中教育水平方面的代表性指標包括人均教育支出X1、教育經費支出占GDP 的比重X2和從事教育行業的人口比重X3;教育設施方面的代表性指標包括公共圖書館個數X4和總藏書量X5;科技投資方面的代表性指標包括R＆D 支出占GDP 的比重X6、R＆D 項目數X7和R＆D 人員全時當量X8;醫療保健方面的代表性指標包括每千人口醫院和衛生院床位X9、每千人口衛生技術人員數X10和人均醫療保障費X11;勞動力遷移方面的代表性指標主要是職業介紹機構數X12.

從人力資源的存量角度來看，將從人力資源的知識水平、技能狀況、健康水平和行業從業人員數量這4個方面來進行衡量;其中知識水平方面的代表性指標主要是平均受教育年限X13;技能狀況方面的代表性指標包括科學技術人員數X14、就業人員大專及以上學歷比例X15和2009年專利授權數X16;健康水平方面的代表性指標包括人口平均預期壽命X17、人口出生率X18、人口死亡率X19和自然增長率X20;從業人員方面的代表性指標包括第二產業從業人員比例X21和第三產業從業人員比例X22.

2 人力資源的樣本聚類實證分析

2.1 數據來源及其處理

本文根據中國統計年鑒(2010)的數據［6］，選取了我國31 個省(自治區、直轄市)作為分析樣本，得到了人力資源和人力資源存量的指標數據.

由于實際數據的單位往往不一致，因此對數據進行無量綱化處理，即對數據進行標準化處理，使得數據的均值為0，方差為1.然后采用主成分分析方法對人力資源狀況指標進行描述，再采用綜合評價的方法得到各個省市的人力資源狀況的綜合得分.

2.2 提取主成分

按照上述步驟，本文用SAS9.2［7－8］進行數據處理，得到的結果如表1 所示.

表1 相關矩陣的特征值

從表1 可以看出，原始數據中提取前5 個主成分特征值的累積總方差貢獻率已達到85.19%，可以用這5個主成分來代替原來的22 個指標對各地區的人力資源狀況進行衡量，從上表中，我們還注意到，最后一個主成分的特征值為0，可以認為最后一組變量的觀測值是無用的，它完全包含在了前21 組變量中了.這一點也可從第22 組變量的貢獻率為零來得出.因此，選擇舍棄第22 組變量的觀測值.

本文將用5 個主成分對數據進行分析.第一主成分為:

上式中，第一主成分中的變量系數為其所對應的特征向量的分量.其中，(i=1，2，…21)為標準化變量.同樣我們可以寫出第二主成分為:

其余主成分可類似給出.

2.3 主成分的命名

根據前5 個主成分所對應的特征向量，給出了各個主成分的名稱，第一主成分命名為“綜合性成分”;第二主成分命名為“科技投資和勞動力遷移”成分;第三主成分:人口基礎和財政支持;第四主成分:文化性因素;第五主成分:很難給出明顯的解釋.

2.4 人力資源狀況數值的計算

為了給出具體的人力資源狀況的計算公式，首先用SAS 軟件求出每個主成分的值，每個主成分的權重以各自的方差貢獻率占總體累積貢獻率的比重來確定，進而得到各個省市人力資源狀況的綜合得分公式:

將5 個主成分的值代入式(3)，即可求出我國31 省市人力資源狀況的總體評價值，如表2 所示.

表2 我國31 省市區人力資源總體狀況得分及排名

2.5 我國人力資源總體水平的地域聚類分析

為了便于分析各省市的人力資源狀況的相同點和不同點，更加確切地描述我國的人力資源狀況，在綜合評價的基礎上，本文利用5 個主成分做進一步的聚類分析.聚類方法采用系統聚類法，類間距離采用類平均距離，以歐氏距離平方法作為樣品之間的距離進行聚類，將31 省市分為3 類或者5 類較為合適，本文中將其分為5 類進行聚類研究，最終得出了分為5 類時的聚類結果.

表3 分為5 類時的聚類結果

表4 分為5 類時的聚類結果的對比

第1 類中，涵蓋了東部、中部和西部地區的14 個省區，其中河南、四川等人口大省在人口總量上的優勢較為明顯;河北、湖北、福建、陜西和黑龍江等省在科技投資和勞動力遷移指標上占據明顯優勢地位，其按第二主成分排序知，它們的得分都較高;中部九大省市當中，山西、內蒙、重慶、安徽、江西、湖南六省市在5 個主成分上的得分都較為均衡，但人力資源總體水平處于中等偏后的位置.

第2 類中，包括廣西、海南、貴州、云南、甘肅、青海、寧夏和新疆8 個地區，其中貴州、云南和甘肅在教育投資、醫療保健和勞動技能方面得分較大，優勢明顯;青海、寧夏、新疆和廣西在第三主成分上的優勢明顯;寧夏和新疆還在第四、第五主成分上的得分值都很大，但由于衡量總體水平的第一主成分的值很低，所以其總得分和排名均處于落后的地位，人力資源開發的任務最為艱巨.

第3 類中，山東是我國的人口大省，歷來也是我國的人才大省，近年來，山東省在其人才大省的基礎上，加大了科技投資，其在第二主成分中的表現占優，使得其優勢地位不斷加強;天津和遼寧地區由于開發歷史悠久，地理位置優越，勞動者的文化素質較高，技術力量較強，工農業基礎雄厚，所以其人力資源水平也有不俗的表現;江蘇、浙江和廣東等沿海發達地區，這三個省份在衡量人力資源水平的各項主成分中其得分都很高，因此，其總得分和排名均靠前列，但是在人口持續能力第五主成分上的值得分不高，尤其是江蘇和浙江其人口持續能力排名均靠后，又展現出了人力資源發展的不足.

第4 類中有北京和上海兩個地區，北京地區在總體各項主成分中占據優勢地位，其各項人力資源潛能已能得到較好的利用，并逐步轉化為人力資本投入到經濟社會的發展之中;雖然上海的人口持續能力得分很靠后，但上海地處沿海城區非常發達，吸引了各種投資和各行各業的人才，其它各項優勢明顯，使得其總體排名非常靠前，彌補了其人口持續能力低的狀況，由于其獨特的地理和經濟優勢，使得其展現出了人力資源發展的巨大潛力.

第5 類中，只有一個地區——西藏，自2000年西部大開發戰略實施以來，使得西藏在科技投資、醫療保健衛生服務和教育投資等方面均站在全國前列，但因其開發較晚，使得西藏這一地區在第一、第二和第五主成分上的得分均處于全國落后水平，特別是人力資源的技能水平和健康水平低，人均受教育年限等方面低，使得其人力資源水平處于全國最低水平.

3 結論與建議

3.1 結論

將我國31 省區人力資源狀況主成分分析的綜合得分和聚類分析結果相結合，可得出以下結論:區域之間人力資源發展水平存在巨大的差異;區域內部省區之間人力資源狀況也存在較大差異;人力資源向人力資本的轉化不足;區域人力資源水平的分類與區域經濟發達程度高度相關.

3.2 建議

西藏地處西部較為偏遠地區，其各項指標均遠遠落后于其它地區，但由于西部大開發戰略的實施，使得西藏等西部地區重新煥發出生機.盡管實施了西部大開發，但要加強其人力資源水平，提高其經濟增長速度，關鍵是提高其人力資源水平.由于其原有水平低，現在雖加大了投入，但其現有的人力資源存量依舊處于較低水平，特別是人力資源的技能水平和健康水平，人均壽命偏低，受教育年限低，其中西藏地區的人均受教育年限僅為4.55年，要提高這些地區的人力資源水平，還需要在提高現有的教育基礎的同時，大力開展成人培訓和教育，改善其生存條件，提高創新能力.

由于教育投資需要一段時間才能見效，盡管其現有人力資源投資較高，但要快速改變現狀，除了號召人才到西部創業外，還必須營造吸引人才的軟硬環境，形成良好的用人機制，構筑良好的經濟發展空間，為人才創造好的環境，體現人才的價值，從而提高現有人力資源的存量.

而廣大的中部地區，要想具備北京、上海、天津、廣東、江蘇、浙江和遼寧這樣的發展水平，就必須提高現有人力資源水平，除加大教育和科技投資外，還必須提高人力資源的素質，增加高精尖人才的儲備.由于中部地區經濟發展水平普遍不能與東部地區相比，要想在人才爭奪中取勝，還必須花大力氣搞經濟建設，從而吸引更多的人才.

由于西部地區較為落后，對西部地區實施大開發戰略，在大開發的同時開展成人培訓和成人教育，號召人才去西部創業，營造人才所需的軟硬環境.廣大中部的落后地區要在加大教育和科技投資的同時，提高人力資源的素質，增加高精尖人才的儲備;東部地區還應大力搞好經濟建設，吸引更多人才.

［1］劉英.基于SPSS 分新的人力資源梯度分布研究［J］.決策與信息(下旬刊)，2010(12).

［2］Mclacchlan G.Mixture models:Inference and application to clustering［M］.New York，Marcel Dekker，1988.

［3］MSYang，KL Wu.Unsupervised possiblistic clustering［J］.Pattern recognition，2006(39):5－21.

［4］R Krishnapuram，J Keller A.possibilistic approach to clustering［J］.IEEE Trans.On FuzzySystems，1993，1(2):98－110.

［5］陸遠權，馬壘信，何倩倩.我國31 省區人力資源狀況比較研究－基于因子分析和聚類分析［J］.科技與管理，2010，12(5):75－78.

［6］國家統計局.中國統計年鑒2010［M］.北京:中國統計出版社，2010.

［7］鄧祖新.數據分析方法和SAS 系統［M］.上海:上海財經大學出版社，2006.288－389.

［8］范金城，梅長林.數據分析(第二版)［M］.北京:科學出版社，2010.