城鎮新增就業人數政府績效指標分配研究

(成都理工大學 四川 成都 610059)

每年浙江省人社廳會對城鎮新增就業人數考核，年初分配城鎮新增就業人數的目標任務。杭州市就業管理局需要將浙江省人社廳下達的城鎮新增就業人數分解到杭州市各個區縣市，作為區縣市的目標任務考核。本文綜合運用地方政府績效目標設置的方法和原則，以杭州市轄內區縣的城鎮新增就業人數指標為例，綜合考慮杭州市各區縣市不同特點、經濟總體、人口規模、吸納就業企業數量、經濟結構、人口流動性，以及其他相關因素，建立科學合理的分配模型，用于每年的任務分解。

一、指標構建

根據宏觀經濟學中著名的勞動力供給需求模型：勞動力的供給曲線為上升曲線，勞動力需求曲線為下降曲線，二者的交點處決定了就業人數和平均工資。因此本文就業增長的影響因素從勞動力需求和勞動力供給兩方面進行考慮。

表31區域就業增長前景影響因素

通過聚類分析，蕭山區與其他各區縣具有顯著差異性。可以認為蕭山區具有和其他區縣顯著不同的區域特征因此應該單獨分為一類。下文以除蕭山區的另一類地區為例進行預測。

二、模型求解

(一)線性回歸建模

嘗試在與(k=1，2，…，18)之間建立某種函數關系，這是數學中的擬合問題，一開始本文采用最直接簡便的多元線性回歸分析方法建立此多元回歸模型：

y=b0+b1x1+b2x2+...+bkxk+ε

(二)然后，采用向后逐步回歸的方式，去除了影響力不強的自變量，最終得到結果如下：

(三)嶺回歸和LASSO回歸

利用R語言中的嶺回歸函數進行自動選擇嶺回歸參數

從模型運行結果看，測嶺回歸參數值為0.0704，各自變量的系數顯著提高(除個別自變量)，嶺回歸的預測中顯著的變量與逐步回歸最后選定的變量有極大的重合，最后，利用Lasso回歸解決共線性問題，得到如下表格:

表1 變量選取順序

由此可見，LASSO的變量選擇依次是：X18、X17、X10、X16、X11、X1、X14、X15、X6、X2、X12、X9、X3、X7、X4、X8、X5、X13。繪出圖形如下：

圖1 LASSO的變量選擇圖

利用R語言給出其Cp值：

根據對Cp含義的解釋(衡量多重共線性，其值越小越好)，取到第6步，使得Cp值最小，也就是選擇X18、X17、X10、X16、X11、X14，這與上文多元線性回歸選擇的變量正好是吻合的，最后，由嶺回歸與LASSO結合給出的表達式為：

(四)非線性建模

很多時候因變量與自變量并不是嚴格的線性關系，于是進一步對18個變量進行曲線擬合，最后選定可擬合變量對應R方值最高的函數形式，給出模型表達式：

最后根據修正公式，繪制真實值和擬合值的表如下

圖2 真實值擬合值對比

由圖可知，除了個別異常值造成一定的差異，擬合值的趨勢和真實值的趨勢總體一致，且殘差值相對地控制在較小范圍之內。因此可以推測利用該回歸模型進行估計是比較科學的，于是蕭山區處理過程同理。