中國就業景氣指數的構建、預測及就業形勢判斷
——基于網絡招聘大數據的研究

耿 林 毛宇飛

中國就業景氣指數的構建、預測及就業形勢判斷
——基于網絡招聘大數據的研究

耿 林 毛宇飛

中國人民大學中國就業研究所與中國領先職業發展平臺智聯招聘聯合推出了中國就業市場景氣指數(CIER)。該指數通過觀測不同行業、城市職位供需指標的動態變化，反映就業市場上職位空缺與求職人數的比例變化，能夠起到監測中國就業市場景氣程度以及就業信心的作用。選取2011年第1季度至2017年第1季度的CIER數據，運用季節分解法、H-P濾波、VAR模型等時間序列分析方法進行的分析表明，CIER指數與宏觀經濟景氣指標具有密切的聯動關系。該指數不僅能夠比較靈敏地反映中國就業市場的長期、中期及短期的動態變化特征，而且對宏觀經濟景氣程度也具有較好的敏感性，因此，可以作為監測宏觀經濟景氣程度的輔助指標。

中國就業市場景氣指數；向量自回歸模型；季節分解法；H-P濾波法

改革開放以來，我國經濟體制經歷了由計劃經濟向市場經濟的轉變。在此期間，就業市場的變化趨勢及特點備受人們的關注。作為市場經濟的重要組成部分，反映就業市場變動趨勢的指標需要具備及時性、準確性、代表性等特點，這對政府的宏觀市場調控、企業的招聘用工以及勞動者的求職應聘都具有重要的現實意義。2008年9月之后，美國次貸危機誘發的金融危機在全球蔓延，對我國經濟特別是出口貿易造成了巨大的沖擊，由此引發的國際訂單大幅減少，大批出口加工企業停產等，也給我國就業市場帶來了不利影響。當前，隱性失業增加、就業結構性問題突出，以及就業質量下降等問題，受到國內外學者和社會各界的廣泛關注。[1]鑒于此，中國人民大學中國就業研究所與中國領先職業發展平臺“智聯招聘”聯合推出中國就業市場景氣指數(以下簡稱CIER指數)，以反映我國就業市場的整體走勢。[2]

網絡搜索數據是當前大數據中應用最廣泛的數據來源之一。自國外學者金斯伯格(J.Ginsberg)等人運用大數據預測流行病的發生概率以來，這一方法逐漸被拓展到經濟學各領域中，包括對價格指數、個人消費行為、房地產價格變動等方面的預測。[3]關于大數據與勞動力市場的研究，茲姆曼(K.F.Zimmermann)等人運用谷歌大數據對失業率進行預測受到了學界的廣泛關注，之后陸續有學者運用招聘網站數據對勞動力市場中的工作搜尋、就業歧視和失業周期問題等進行分析。[4]目前，國內使用大數據進行勞動力市場的研究并不多，僅有的少數文獻使用網站搜索數據對失業率進行分析。[5]然而，這種研究方法一般使用特定的“失業”關鍵詞進行指數搜索，只能通過用戶對目前失業狀況的關注度來間接地反映失業率狀況，不能直接體現勞動力市場的求職和供給變動的趨勢。相比之下，本文使用的智聯招聘網站大數據，是實時記錄求職者投遞簡歷與企業發布崗位信息的行為數據，能夠更好地體現勞動力市場的供求變動。

本文重點介紹CIER指數的構建方法，搭建計量模型探討CIER指數與宏觀經濟景氣指標的關聯程度，在此基礎上，對當前就業總體形勢，以及分行業、地區的就業現狀進行分析，并嘗試利用所搭建的計量模型對2017年后3個季度的就業形勢進行短期預測。

一、就業景氣指數的構建

(一)CIER指數的構建方法

在我國就業市場中，如何準確測度勞動力的供求變化，及時獲取就業結構特點的相關信息，預測就業的短期波動與長期趨勢，一直都是亟須解決的難題。早在計劃經濟時期，我國就業市場的信息獲取，主要是通過統計報表制度來收集全國就業與失業的數據；在改革開放之后，這種報表制度逐漸消失，反映就業市場的信息主要由失業率、就業人數、領取失業救濟金人數、求人倍率等指標構成。然而，雖然政府在每個季度公布城鎮登記失業率、新增就業人數等數據，但這些數據指標的科學性和準確性卻受到普遍的質疑，且難以分析使用。以勞動力市場上核心指標失業率為例，我國官方發布的城鎮登記失業率，就有覆蓋面窄、登記機制不完善、失業定義不完整等缺陷，并且在數據表現上存在著數據僵化、缺少變化、不符合理論預期以及與其他宏觀經濟指標脫節等問題，使其最終無法及時反映勞動力市場供求的現實變化。

為研究我國就業市場的勞動力供求狀況、就業結構特點及變化趨勢，中國人民大學中國就業研究所在“智聯招聘”的大數據支持下，研發推出了反映我國就業市場供求匹配狀況時序變化的CIER指數。該指標采用智聯招聘(zhaopin.com)全站數據分析而得，通過不同行業、城市職位供需指標的動態變化，來反映勞動力市場上職位空缺與求職人數的比例的變化，從而起到監測勞動力市場景氣程度以及就業信心的作用。CIER指數是用來反映就業市場景氣程度的指標，其計算方法是：CIER指數=市場招聘需求人數/市場求職申請人數。該指數以1為分水嶺，當指數大于1時，表明就業市場中勞動力需求多于市場勞動力供給，就業市場景氣程度高，就業信心較高；當指數小于1時，說明就業市場競爭趨于激烈，就業市場景氣程度低，就業信心偏低。*需要說明的是，《中國就業季報》描述的CIER指數含義曾發生變化。2015年第2季度之前， CIER指數指的是“中國就業市場競爭指數”，分子是求職人數(供給)，分母是招聘人數(需求)。而2015年第3季度之后，CIER指數指的是“中國就業市場景氣指數”，分子是招聘人數(需求)，分母是求職人數(供給)。CIER指數不僅有全國總指數，還有分行業、分職業和分地區(城市)等結構性指數。

(二)CIER指數的特點

經歷CIER指數的編制、時序數據的積累，以及每個季度依此所做的就業形勢分析，我們發現，CIER指數具有代表性、準確性和及時性等特點。首先，反映市場的代表性。CIER指數是對全國五十多個大中城市網絡就業市場供求的綜合，是絕大多數新興行業及傳統行業網絡就業市場供求的綜合，亦是對不同職業網絡就業市場供求的綜合。這種綜合性使CIER總指數具備了反映全國勞動力市場供求匹配狀況的代表性特征。其次，反映市場的準確性。一方面，CIER指數的原始數據是網絡招聘與求職過程記錄的自然觀測數據，通過科學的規范、原則及口徑提取數據，再經簡單的匯總計算即可求得指數值，可規避人為因素的干擾；另一方面，不同于官方城鎮登記失業率的一成不變，CIER指數時間序列包含趨勢變化、周期性變化、季節波動及隨機因素，具有反映勞動力市場供求關系的敏感性。最后，反映市場的及時性。CIER指數編制的基礎數據是網絡招聘與求職數據，是網絡招聘公司的實時數據，可以按照每月的第一個工作日提取上月的全部所需數據。這種大數據獲得的迅捷與快速是以往調查數據所無法比擬的。

CIER指數在具有上述優勢的同時，也有其局限性，主要是：首先，網絡數據的局限。網絡招聘求職市場的供求狀況能否代表實體就業市場的供求狀況？這一點尚未獲得充分研究和證實。以往的經驗告訴我們，網絡市場與實體市場相比，擁有更多高學歷人才的求職和招聘。因此，在用CIER指數描述分析總體勞動力市場供求變化時，要小心并有所保留，但這一顧慮會隨著網絡招聘成本下降和網絡應用普及而減小。其次，商業公司經營業務變動風險。指數的基礎數據可能受到網絡招聘公司的經營狀況變化以及業務推廣情況的影響，如公司業務在某一特定時期會重點開展推廣企業招聘或人才求職的某一方面的工作，這時數據就會出現招聘或求職數單方面的非市場性增長，從而導致CIER指數的非市場性變化，可能造成對勞動力市場變動趨勢的誤判。

綜上所述，我們得出的基本結論是：CIER指數是對我國勞動力市場的一種自然觀察，它對我國勞動力市場變動的描述是有效、敏感和及時的。在我國目前尚無合適和令人滿意的失業率數據的情況下，CIER指數在一定意義上或可作為失業率的補充指標，用于勞動力市場宏觀經濟關系和宏觀經濟規律的研究。另外，CIER指數還分為CIER季度指數和CIER月度指數，若不做特別說明，本文中的CIER指數即指CIER季度指數。關于CIER指數的宏觀經濟分析特性，將另文作專門討論。

二、就業景氣指數與宏觀經濟景氣指標的關系

(一)就業景氣指數的分解與預測

當現實經濟數據為月度和季度等時間序列數據時，會發現數據存在著一定的月度或季度的循環變動，可能會掩蓋其本質規律。為了發現時序數據的本質規律，可以對其進行季節調整。采用季節調整法(seasonal adjustment)從時間序列中去除季節變動要素和不規則變動要素，從而得出序列潛在的趨勢循環分量，可以在沒有季節要素干擾的情況下更好地反映出經濟時間序列的客觀規律。目前有4種比較常用的季節調整方法：Census X12方法[6]、x11方法、移動平均方法和Tramo/Seats方法。

利用Census X12季節調整可以對時間序列進行分解，得到趨勢循環要素。然而這種方法并不能分解趨勢要素與循環要素。為了將趨勢要素與循環要素分解，比較常用的方法有回歸分析方法、移動平均法、階段平均法(phase average，PA方法)、HP(Hodrick-Prescott)濾波方法[7]和頻譜濾波方法(frequency band-pass filter，BP濾波)。本文采用Census X12季節調整和HP濾波相結合的方法，將CIER指數進行分解，分別找出其中的趨勢要素、季節要素、循環要素和不規則要素，以便更好地看到CIER指數所反映的勞動力市場的本質規律。

按上述方法對CIER指數進行分解的結果如圖1所示：

圖1 2011年第1季度至2017年第1季度CIER指數的分解圖

CIER指數的趨勢成分曲線呈現出明顯向上的趨勢，這一趨勢符合人口結構以及勞動年齡人口變動的大趨勢，從總量上來看，勞動力供給與勞動力需求的缺口逐年拉大，需求大于供給的趨勢日益明顯。CIER指數的季節成分曲線顯示，每年的第1季度和第2季度，季節成分都在低位運行，勞動力需求相對勞動力供給而言較為低迷，就業景氣程度低；第3季度和第4季度，季節成分持續拉升，相對于供給而言，勞動力需求更為旺盛，就業景氣程度高。CIER指數的周期成分則與宏觀經濟景氣程度有較強的同步性，從近兩年來看，2015年全年的CIER指數(周期成分)持續走低，這與當年的宏觀經濟狀況相吻合；2016年全年以及2017年第1季度的CIER指數(周期成分)低位企穩，也契合了2016年全年以及2017年第1季度宏觀經濟逐步企穩的大趨勢。

基于季節分解方法*由于篇幅所限，文中略去了基于季節分解法進行預測的詳細步驟，如需要相關資料，請與作者聯系。，本文預測了2017年后3個季度的CIER指數走勢，見圖2。預測結果顯示，2017年后3個季度，CIER指數將呈現持續上升的局面，預示著2017年就業市場將大概率地保持穩中向好的態勢。

圖2 2011年第1季度至2017年第1季度CIER指數以及2017年第2季度至第4季度CIER指數預測值

(二)就業景氣指數與宏觀經濟景氣指標的動態關聯性

西姆斯(C.Sims)提出向量自回歸模型(vector autoregressive model)，即VAR模型。[8]這種模型采用多方程聯立的形式，它不以經濟理論為基礎，在模型的每一個方程中，內生變量對模型的全部內生變量的滯后值進行回歸，從而估計全部內生變量的動態關系。本文首先剔除CIER月度指數的季節成分和趨勢成分，隨后估計宏觀經濟景氣指標PMI*制造業采購經理指數(PMI)是國際通行的經濟監測指標體系，許多國家通常將其與國內生產總值(GDP)、就業指數、生產者物價指數(PPI)、新屋開工/營建指標(與國內固定資產投資指標類似)、匯率、股指等并行，用來分析經濟走勢，幫助進行各種投資決策，進行階段性研究預測等，已成為政府、銀行、企業、各類金融機構以及財經媒體廣為使用的重要信息之一。國家統計局與中國物流與采購聯合會(CFLP)合作，于2004年啟動，進行試點和前期調查，2005年1月開始正式調查，同年7月正式對外公布中國制造業采購經理指數(CFLP-PMI)，一般簡記為PMI。與剔除了趨勢和季節成分之后的CIER月度指數之間的動態關系，據此驗證CIER指數與宏觀經濟的關聯性。

本文選取2011年1月至2017年3月共74個月的PMI數據和CIER月度數據進行實證分析。其中，PMI的數據來源于國家統計局官網。本文構建的VAR模型中包含兩個變量x和y。變量x代表剔除了季節與趨勢成分的CIER月度指數，變量y則代表制造業采購經理人指數PMI。

模型構建以及基于模型的分析的具體步驟如下：第一，對兩個變量進行的單位根檢驗表明兩個變量都是平穩變量，表明兩個變量可以建立VAR模型。第二，根據 SIC、AIC 和 LR 等準則，并結合所選取的樣本容量，確定 VAR 的最優滯后階數，構建VAR模型。第三，對所建的VAR模型進行穩定性檢驗。第四，如果所建VAR模型是穩定的，那么就可以基于這一模型進行脈沖響應函數檢驗，對兩個變量的動態關系進行分析。

1.單位根檢驗

單位根檢驗是為了判斷時間序列的平穩性。檢驗時間序列是否平穩通常用ADF檢驗。ADF檢驗需要進行一些假設檢驗來得到。ADF的原假設H0：該序列有一個單位根；備擇假設H1：序列沒有單位根，即該序列是平穩序列。具體來說，如果檢驗統計量的值小于對應顯著性水平的臨界值，則序列是平穩的，否則為非平穩序列。對變量x和變量y所做單位根檢驗的結果如表1所示?？梢?，x、y都是平穩序列，因此可以構造雙變量VAR模型。

表1 變量x和變量y的單位根檢驗

注：檢驗類型(c，t，k)的c、t、k分別表示單位根檢驗中是否具有截距項、時間趨勢項及滯后期數。

2.最優階數和穩定性檢驗

首先，根據SIC、AIC和LR三準則，并結合所選取的樣本容量，確定VAR的最優滯后階數為2。其次，通過計算VAR模型差分方程的特征根來檢驗所建立的VAR模型是否具有穩定性，計算結果如表1所示。從表1中的計量結果可以得出，所建立的VAR模型全部特征根小于1，即全部特征根都落在單位圓的內部，所以所建立的VAR模型是穩定的(見圖3)。

圖3 VAR模型穩定性檢驗的特征根單位圓圖

3.脈沖響應分析

通過脈沖響應函數能夠計量給隨機誤差項的一個單位正沖擊而對其他各個變量現在和后續取值的影響軌跡，也可以通過圖像直觀地描述變量相互間的動態效應與結果。通過檢驗，上述VAR模型是穩定的，可以做脈沖響應函數。

從圖4的左上圖可以看出，在本期給 CIER指數(剔除趨勢和季節成分)一個單位的正沖擊，當期就會有一個比較明顯的正響應，第2期相應減弱，第3期又有所加強，隨后就進入單調衰減過程，直至第12期之后，響應逐步消失。這表明，在本期給 CIER指數(剔除趨勢和季節成分)一個單位的正沖擊，短期內會對CIER指數(剔除趨勢和季節成分)產生正向影響，雖然這種正向影響會持續一段時間，但并不造成長期影響。

圖4的右上圖表示當期給PMI一個正的沖擊，CIER指數(剔除趨勢和季節成分)的脈沖響應函數?？梢钥闯觯斊诮oPMI一個正的沖擊，CIER指數(剔除趨勢和季節成分)當期無明顯響應，第2期有一個小的正響應，且隨后兩期正響應有所加強，第4期之后正響應開始衰減，進入單調下降過程，直至第12期，響應基本消失。這表明，在本期給PMI一個單位的正沖擊，短期內會對CIER指數(剔除趨勢和季節成分)產生正向影響，雖然這種正向影響會持續一段時間，但并不造成長期影響。

圖4的左下圖表示當期給CIER指數(剔除趨勢和季節成分)一個正的沖擊，PMI的脈沖響應函數。可以看出，短期內給CIER指數(剔除趨勢和季節成分)一個正的沖擊，會導致PMI的上升，且這一上升過程會持續到第9期，但上升幅度會逐步收窄，第9期之后，影響消失。這表明，給CIER指數(剔除趨勢和季節成分)一個正的沖擊，只會對PMI造成短期影響，不會造成長期影響。

從圖4的右下圖可以看出，在本期給制造業采購經理人指數PMI一個單位的正沖擊，PMI當期有一個明顯的正響應，隨后正向響應單調衰減，直至第12期趨于零。這表明，在本期給PMI一個單位的正沖擊，短期內會對CIER指數(剔除趨勢和季節成分)產生正向影響，雖然這種正向影響會持續一段時間，但并不造成長期影響。

本文建立的 VAR 模型是穩定的，所以脈沖響應函數的結果是可信的，由此表明CIER指數與PMI之間存在緊密聯系，可以反映現實的經濟狀況。

圖4 脈沖響應函數圖

三、供給側結構性改革背景下就業形勢判斷

(一)我國總體就業形勢判斷

在本節中，我們將利用2011年1月至2017年1月的PMI數據和CIER月度數據，對我國當前的就業形勢進行判斷。2016年以來，在供給側結構性改革的推動下，我國各項宏觀經濟指標逐漸趨穩，2016年GDP超74萬億元，增速達6.7%。與此同時，CIER指數呈現逐漸向好的態勢，由2016年第1季度的1.71增長為第4季度的2.41，與宏觀經濟變動保持一致。進入2017年第1季度，受春節之后職場中“跳槽熱”和高校畢業生“春季招聘期”等因素的影響，與上一季度相比，求職申請人數有明顯回升，而招聘需求人數變動較小。反映在CIER指數上呈現季節性回落，下降至1.91，這一變化與上一季度的趨勢預測相一致。此外，從CIER指數的同期變動來看，與2016年同期相比，本季度CIER指數相對較高，表明就業形勢較上一年有明顯好轉(參見圖5)。

(二)不同行業及職業就業形勢分析

1.就業形勢較好和較差的行業

表2中列出CIER指數最高和最低的行業排名?？傮w來看，在供給側結構性改革的進程中，不同行業間的就業景氣仍存在兩極分化現象。排名結果顯示，2017年第1季度就業景氣最好的仍為互聯網/電子商務行業，然而CIER指數卻由上季度的10.89下降為本季度的9.21。具體來看，與上一季度相比，互聯網/電子商務行業求職申請人數增加24%，而企業招聘需求人數僅增加5%，申請人數的變動幅度遠大于需求變動，因此CIER指數有所下降。這也間接地反映出互聯網行業員工在春節過后離職流動性較大這一事實。其他就業景氣較好的行業為交通/運輸、保險、中介服務和基金/證券/期貨/投資業等，這些行業與上季度相比，排名變動較小。值得注意的是，從2016年第4季度開始，房地產/建筑/建材/工程的CIER指數排名進入前10名，就業景氣程度較好。這是因為，2016年第2季度后，全國主要大中型城市房價上漲較快，國家為進行宏觀調控，在北上廣深一線城市，以及蘇州、杭州、天津等二線城市相繼出臺限購政策。2017年春節過后，再次引來新一輪“購房熱”，尤其是“環京周邊”的樓市更是受到購房者的青睞，以北京為首的一二線城市再次出臺更為嚴苛的“認房又認貸”限購政策來調控房價。這些政策的出臺，無疑會給就業市場帶來一定的“信號效應”，由此帶動房地產等行業的就業需求，也促進了就業形勢的趨好。

圖5 2011年第1季度至2017年第1季度全部求職申請人數、全部招聘需求人數、CIER指數

表2 2017年第1季度就業形勢較好和較差的職業排名

能源/礦產/采掘/冶煉、印刷/包裝/造紙及石油/石化/化工等行業的CIER指數仍然偏低，這些多屬于傳統制造業等。在當前供給側結構性改革的背景下，以制造業為代表的傳統行業面臨新的挑戰。一方面，受到國外“逆全球化”等不穩定因素的沖擊；另一方面，相關企業轉型升級進程緩慢，使得這些行業對于人才的招聘需求大幅縮小，形成就業形勢較差的緊張局面。與上一季度相比，這些行業的CIER指數均有所下降，這主要是受到季節性因素的影響。以能源/礦產/采掘行業為例，申請人數環比增加28%，而需求人數環比僅增加15%，申請人數增幅要高于需求人數的增幅，因此CIER指數呈現下降趨勢。隨著鋼鐵、煤炭行業“去產能”政策的推進，以及互聯網平臺與傳統行業的結合，這些行業的就業形勢將會逐漸好轉。

2.就業形勢較好和較差的職業

對于國有企業來講，一定要把企業產權的邊界劃分清楚明了，這樣一來會使得企業對利潤的分配更加合理科學，提高企業的資本利用率。此外還要注重塑造銀行和企業之間的關系，使得兩者之間的信用契約關系穩固堅定，進而形成對企業產生一種牽制作用。

表3顯示，2017年第1季度就業市場景氣指數較高的職業有技工/操作工、交通運輸服務、翻譯、銷售業務和證券/期貨等。與上一季度相比，技工/操作工的CIER指數明顯下降，從28.44下降為20.21。具體來看，技工/操作工職業的求職申請人數增加明顯，環比上升49.0%，而招聘需求人數僅增加5%。這可能是受到春節過后農民工返城以及技術工人離職流動的影響，使得求職申請人數變動大于招聘需求，因此CIER指數下降。保健/美容/美發/健身職業的CIER指數排名有明顯上升，從第10名躍居至第6名；并且，由于招聘需求增幅大于求職申請變動(招聘需求增加了31%，求職申請增加了24%)，使得CIER指數有所增加。此外，受春節過后房價上漲、樓市較熱的影響，房地產行業就業景氣趨好，也帶動了房地產開發/經紀/中介等職業表現出較好的就業形勢。

就業市場景氣指數較低的職業為IT管理/項目協調、環境科學/環保、物業管理、項目管理/項目協調等，這些職業多為項目管理類相關專業，勞動力市場人才供給充足，但企業招聘需求數量需求有限。同時，受到傳統制造業轉型和重工業改革升級的影響，相關企業對這些管理人員的招聘需求量整體下降，因此就業形勢相對較差。

表3 2017年第1季度就業形勢較好和較差的職業排名

(三)不同區域及一二線城市就業形勢分析

1.不同行政區域的職位供需狀況

按照行政區域劃分對55個樣本城市*在55個樣本城市中，東部地區城市為34個，占61.8%；中部地區城市為7個，占12.7%；西部地區城市為9個，占16.4%；東北地區城市為5個，占9.1%。進行分類，得到不同行政區域2017年第1季度CIER指數。圖6顯示，2017年第1季度的CIER指數呈現出東部、中部、西部及東北地區依次遞減的趨勢。其中，東部地區樣本城市的CIER指數相對較高，為1.60；中部和西部地區CIER指數較為接近，分別為1.35和1.33。相對而言，東北地區就業形勢仍然嚴峻，CIER指數為1.17。具體來看，在東北地區的樣本城市中，大慶市的CIER指數最高，為2.61，企業招聘需求明顯多于求職申請人數。這主要是由于大慶石油產業發達，并且大慶作為中國服務外包示范區，擁有技術服務優勢，人才需求旺盛；哈爾濱和長春兩市的CIER指數接近1，分別為0.95和0.98，招聘需求與求職申請基本持平；而沈陽和大連兩個城市的CIER指數相對較低，分別為0.57和0.73，就業形勢相對嚴峻。

圖6 不同行政區域CIER指數

從表4顯示的環比變動的情況來看，在需求人數方面，各地區的環比需求人數均有明顯下降，并且東、中、西和東北地區的招聘需求呈現依次遞增的趨勢，尤其是西部和東北地區的需求量下降幅度超過了10%。在申請人數方面，各行政區域的申請人數均有明顯上升，尤其是中部地區，環比增加32.9%，表明中部地區勞動力供給較為充足；東部和西部地區環比增加約26%，東部地區環比僅增加了12.9%。在CIER指數方面，各地區均呈現環比下降趨勢，其中，中部地區降幅最大，為0.59；西部地區降幅最小，為0.23。在需求人數方面，中部和西部地區同比分別增加71.8%和70.1%，表明中西部地區的就業回暖現象明顯，而東北地區同比增幅最少，為49%。在申請人數方面，東部地區對人才吸引的區域優勢明顯，同比增加最多，為2.9%，而中部、西部和東北地區同比均為負增長。在CIER指數方面，與2016年的同期數據相比，不同行政區域的CIER指數均有明顯提升，尤其是東部地區，同比增幅達0.78。

表4 不同行政區域環比變化情況

注：需求人數環比變動=100%×(本季度需求人數-上一季度需求人數)/上一季度需求人數；申請人數環比變動=100%×(本季度申請人數-上一季度申請人數)/上一季度申請人數；CIER指數環比增幅=本季度CIER指數-上一季度CIER指數。

按照城市劃分對55個樣本城市*按照《第一財經周刊》公布的城市等級劃分標準，在55個樣本城市中，一線城市為4個，占7.3%；新一線城市為17個，占12.7%；二線城市為24個，占43.6%；三線城市為10個，占18.2%。進行分類，得到不同等級城市2017年第1季度CIER指數。圖7顯示，2017年第1季度的CIER指數呈現一線、新一線、二線及三線城市依次遞增的趨勢。其中，一線樣本城市的CIER指數平均值為0.68，表明目前在一線城市中，企業招聘需求人數要少于求職申請人數；新一線樣本城市CIER指數為1，表明企業招聘需求人數與求職申請人數基本持平；在二線和三線樣本城市中，CIER指數平均值要高于1，平均約有2個左右的崗位對應1個求職者，表明在這些城市中，企業招聘需求人數要多于求職申請人數，就業形勢相對較好。

圖7 不同等級城市CIER指數

表5顯示，從環比變動來看，在需求人數方面，除三線城市的CIER指數環比上升之外，其他城市的招聘需求均有所下降。其中，新一線城市的環比下降最多，為-11.3%。在申請人數方面，各等級城市的環比增幅均超過24%。從CIER指數的環比變化來看，各個等級城市的CIER指數環比均有所下降。其中，新一線和二線城市降幅較大，分別為0.47和0.54，表明受到季節性因素影響最多；一線和三線城市環比降幅相對較小，分別為0.25和0.32。從同比變動來看，在需求人數方面，一線、新一線、二線和三線城市需求量呈遞增趨勢。在申請人數方面，除一線城市同比增加8.3%之外，其余等級城市的申請人數均有所下降。在CIER指數方面，不同城市的CIER指數同比均有所增加，并且二、三線城市的增幅較大，表明在新經濟紅利和宏觀經濟回暖等因素的驅動下，這些城市的就業形勢有了明顯好轉。

表5 不同等級城市環比變化情況

(四)不同規模企業的職位供需狀況

圖8和表6分別列出了不同規模企業2017年第1季度的CIER指數和環比變化情況。圖8顯示，2017年第1季度，中小型企業的CIER指數略低于1，表明中小型企業招聘需求與求職申請供需較為匹配，就業形勢相對穩定。而大型企業和微型企業的CIER指數明顯高于1，表明在大型和微型企業中，招聘需求人數多于申請人數。與上一季度相比，大型、中型和小型企業的CIER指數均有所下降，而微型企業的CIER指數變動較小。微型企業CIER指數為2.09，表明目前企業的招聘需求仍要高于求職申請人數。

圖8 不同規模企業CIER指數

表6 不同規模企業CIER指數環比變動情況

在表6中，從環比變動情況來看，在需求人數方面，中型企業有所下降，小型企業基本持平，而大型和微型企業均有明顯上升，增幅分別為10.4%和27.8%。在申請人數方面，不同規模企業的環比均明顯上升，增幅達20%以上，尤其是微型企業，環比增加了28.9%。在CIER指數方面，除微型企業變動較小之外，其他規模企業的CIER指數均受到季節性因素影響，表現出一定程度的下降。從同比變動情況來看，在需求人數方面，大型企業同比增幅最多，為119.3%，小型和中型企業分別增加了85.7%和60.6%，而微型企業需求量同比持平。在申請人數方面，除微型企業同比上升之外，小型、中型和大型企業的同比均下降。在CIER指數方面，除了微型企業略微下降之外，其他規模企業的CIER指數同比均有一定程度上升。這可能是由于微型企業處于“創業階段”，多數企業市場競爭力較弱，生存周期較短，因此就業需求較之前出現一定下降；小型、中型企業同比增幅較接近，分別為0.39和0.35；而大型企業增幅最多，為0.90，表明隨著國企改革的深入推廣，大型企業的就業形勢明顯轉好。

四、結語

綜上所述，中國人民大學中國就業研究所與中國領先職業發展平臺智聯招聘聯合推出CIER指數(中國就業市場景氣指數)，不僅能夠反映就業市場的整體走勢，還可以反映就業市場的分區域、分行業、分職業及分企業規模等結構性變化。同時，還可以通過對這一指標的分解分析，得到就業市場景氣程度的長期趨勢、季節特征及周期性變化情況，從而更細致地把握就業市場長期、短期及中期的景氣程度變化。本文利用VAR模型初步證明了CIER指數具有較好的宏觀經濟分析特性，與宏觀經濟景氣程度指標有著顯著的動態互動關系。這說明，CIER指數不僅能夠比較靈敏地反映中國就業市場的長期、中期以及短期的動態變化特征，而且對宏觀經濟景氣程度也具有較好的敏感性，因此，可以作為監測宏觀經濟景氣程度的輔助指標。

當然，網絡招聘數據也有其局限性。首先是代表性問題。網絡招聘求職市場的供求狀況是否可代表整體勞動力市場的供求狀況？這一點尚未獲得充分研究和證實。其次是商業風險問題。指數的基礎數據可能受到網絡招聘公司經營狀況變化和業務推廣情況的影響，導致CIER指數的非市場性變化，如果不能分辨出這種變化，可能會造成對就業市場變動的誤判。自CIER指數推出以來，這一指標就表現出了對中國就業市場的高度敏感性，對就業市場的結構性變化的捕捉與宏觀經濟結構的變化高度吻合，同時，基于這一指標對就業市場趨勢的預測準確度也保持了比較高的水平。但是，這兩個問題是基于互聯網所構建指標都會遇到的問題，目前還沒有一個比較系統且成熟的處理方法，因此，未來在這方面需要進行更深入的創新性研究。

[1] 曾湘泉：《深化對就業質量問題的理論探討和政策研究》，載《第一資源》，2013(2)。

[2] 曾湘泉：《中國就業戰略報告·2015——金融危機以來的中國就業季度分析》，北京，中國人民大學出版社，2015。

[3] Ginsberg, J., Mohebbi, M.H., and R.S.Patel, et al.“Detecting Influenza Epidemics Using Search Engine Query Data”.Nature, 2009, 457(7232):1012; Vosen, S., and T.Schmidt.“Forecasting Private Consumption: Survey-based Indicators vs.Google Trends”.JournalofForecasting, 2011, 30(6):565-578; Edelman, B.“Using Internet Data for Economic Research”.JournalofEconomicPerspectives, 2012, 26(2):189-206.

[4] Askitas, N., and K.F.Zimmermann.“Google Econometrics and Unemployment Forecasting”.Discussion Papers of Diw Berlin, 2009, 55:107-120; Kuhn, P., and K.Shen.“Gender Discrimination in Job Ads: Evidence from China”.QuarterlyJournalofEconomics, 2013, 128(1):287-336; Capiluppi, A., and A.Baravalle.“Matching Demand and Offer in On-line Provision: A Longitudinal Study of Monster.com”.IEEE International Symposium on Web Systems Evolution.IEEE, 2014:13-21.

[5] Su Zhi.“Chinese Online Unemployment-Related Searches and Macroeconomic Indicators”.FrontiersofEconomicsinChina, 2014, 9(4):573-605.

[6] 韓荊：《基于Census X12與HP濾波下的現金投放分析，載《工業技術經濟》，2009(10)。

[7] Sims，C.“Macroeconomics and Reality”.Econometrica.1980, 48(1); Hodrick.R.J., and E.C.Prescott.“Postwar U．S．Business Cycles：An Empirical Investigation”.JournalofMoney,CreditandBanking，1997,29(1).

[8] Sims，C.“Macroeconomics and Reality”.Econometrica.1980, 48(1).

ConstructionofChinaEmploymentMarketProsperityIndex(CIER)andEmploymentSituationAnalysisBasedonCIER——ResearchBasedonLargeDataonNetworkRecruitment

GENG Lin,MAO Yu-fei

(School of Labor and Human Resources,Renmin University of China, Beijing 100872)

The China Institute for Employment Research of Renmin University of China and Zhaopin ltd., a leading professional development platform in the country, jointly launched CIER ( China employment market prosperity index ), which reflected the overall trend of the employment market. The index, constructed on the basis of the big data on recruitment of Zhaopin Ltd. ( zhaopin. com ), can reflect the change of the ratio of job vacancies to job seekers in the job market through analyzing the dynamics of labor supply and labor employment of different industries, different urban and different positions, and can monitor the prosperity of China’s employment market and the confidence in the employment market. The authors selected CIER data from the first quarter of 2011 to the first quarter of 2017, using seasonal decomposition method, HP filtering method, VAR model to analyze the relationship between CIER and the macro economic prosperity index (PMI). The results show that CIER has close relationship with PMI. The authors predicted the trend of the CIER index for the next three quarters in 2017 using seasonal decomposition method，and analyzed the overall employment situation of China under the background of supply-side reform, and the employment structure of different industries, cities and regions, and put forward relevant policy suggestions.

China employment market prosperity index(CIER); purchasing manager index of manufacturing industry(PMI);vector autoregressive model (VAR); seasonal decomposition method; H-P filtering method

耿林：中國人民大學勞動人事學院助理教授，中國就業研究所副研究員；毛宇飛：中國人民大學勞動人事學院博士研究生(北京 100872)

(責任編輯武京閩)