基于GM（1，N）模型的技術技能型人才需求預測與分析

馬維旻　邱小群　楊裕　張衡

摘? 要：本文在對近幾年珠海市軟件和信息服務業產業發展和人力資源資料進行分析的基礎上，以產業增長率、產業發展環境優劣、崗位需求數量、技術技能人才比例、技術技能人才收入等數據作為人才需求數量預測依據，運用灰色數學模型GM（1，N），建立了技術技能型人才需求預測模型。通過MATLAB程序的運算和檢驗，證實本模型能很好地匹配產業人才需求真實數據，可用于軟件和信息服務業技術技能型人才預測，對促進信息產業的發展有一定的指導意義。

關鍵詞：人才需求預測;GM（1，N）模型;預測依據

中圖分類號：G520.1? ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）23-0163-03

Demand Forecast and Analysis of Technical Skilled

Talents Based on GM（1，N） Model

——Taking Zhuhai Software and Information Services as an Example

MA Weimin1，QIU Xiaoqun1，YANG Yu1，ZHANG Heng2

（1.Zhuhai City Polytechnic，Zhuhai? 519090，China;2.Zhuhai Software Industry Association，Zhuhai? 519085，China）

Abstract：Based on the analysis of the development of software and information service industry and the data of human resources in Zhuhai in recent years，this paper takes the data of industrial growth rate，industrial development environment，the number of post demand，the proportion of technical and skilled talents，and the income of technical and skilled talents as the basis for the prediction of the number of talents demand，and uses the grey mathematical model GM（1，N） to establish the technical and skilled talents demand forecast model. Through the calculation and test of MATLAB program，it is proved that this model can match the real data of industrial talent demand well，and can be used for the prediction of technical and skilled talents in software and information service industry，which has certain guiding significance for promoting the development of information industry.

Keywords：technology skilled personnel demand forecasting;GM（1，N） model;forecast factor

0? 引? 言

為實現“中國制造2025”的戰略目標，黨的十九大以來，國家對技術技能型人才培養高度重視，推出了一系列重大決策和工作部署，包括《國家職業教育改革實施方案（國發〔2019〕4號）》《國務院辦公廳關于深化產教融合的若干意見（國辦發〔2017〕95號）》等重要指導文件，為我國職業教育發展指明了方向，加快了職業教育改革步伐。廣大職業院校更加明確了以培養高素質技術技能型人才為目標，以產業發展需求為導向，也愈加凸顯了職業教育服務區域經濟和社會發展的重要性。技術技能人才的培養和有效供給直接關系到國民經濟的可持續發展，開展技術技能型人才預測一方面有利于高校科學設定人才培養目標、企業合理規劃人力資源建設目標，提高院校和企業的資源使用效率[1]，另一方面在研究過程中，通過分析行業的人才現狀與現實需求之間的矛盾，對指導專業建設、培養企業需要的人才、支持產業發展有重要的意義。

目前，有關人才需求預測相關研究的范圍很廣，如教育[2]、制造[3]、旅游[4]等，并建立了各種方法和模型，理論基礎比較成熟，常用的方法有時間序列自回歸模型[5]、灰色預測模型[3]、神經網絡模型[6]等。也有一些學者結合預測需要，充分利用不同模型的優點，組合形成優勢互補的預測模型，克服單個模型的某些局限，進一步提高預測的精度。但是，有關未來國家經濟社會發展對技術技能型人才的需求量有多大、需求將會受到何種因素的影響等方面的研究目前還較少[7]。特別是在職業教育深刻變革的大背景下，根據區域經濟發展、社會相關行業的現狀及對人才需求的特點，開展人才需求調研和預測有十分重要的意義。

本文以珠海市軟件和信息服務行業人才需求預測為例，建立人才需求預測GM（1，N）（Grey Model）模型。采用GM（1，N）模型的最主要優勢是發揮其具有弱化數據隨機性及擬合能力強的特點，此外，GM還有小樣本、貧信息的優勢。模型中引入的預測依據包含了本區域信息產業發展狀況、人力資源狀況，以及人才需求的特點等重要信息，突出了軟件和信息服務業中以人才建設為行業發展核心的特征。

1? 人才需求預測原則和依據

1.1? 預測原則

人才需求預測是在分析產業發展特性、人才供需特性的基礎上，找到影響人才需求的相關因素，借助定性分析或定量分析的技術手段，依據客觀的資料，對能夠反映人才需求的指標進行預測，從而能夠把握人才需求變動的總體態勢。為了提高人才需求預測的精度，以便為決策者提供更有價值的依據，人才需求預測遵循以下幾個主要原則：

（1）與區域經濟發展相適應。市場需求的大小直接決定了人才需求的規模，人才需求預測應結合產業發展現狀。職業院校要結合市場人才需求來確定人才培養的合理規模。模型要基于行業的統計數據，以此來客觀分析相關崗位的人才需求。

（2）預測數量適度超前性。人才需求預測要有一定的寬裕度和前瞻性。本區域產業的發展一般都是有規劃的，特別是一個區域內的支柱產業。政府為推動相關產業的發展，在城市空間、企業扶持政策、產業鏈構建、外部運營環境等方面都會制訂一些配套政策，可供預測時參考。

（3）預測依據的強相關性和可計算性。在預測依據選擇方面，盡可能選取與人才需求相關性強的因素，相關性越強，其預測結果越可靠。指標的選擇方法常見的包括AHP（層次分析法）、故障樹分析法、專家評分法等。此外，盡量選取相關影響因素中能夠量化的因素。對于一些非量化因素，可以采用專家評分法等進行量化。

1.2? 預測依據

影響本地產業發展技術技能型人才需求的因素是多樣的、多變的。不同的影響因素對人才需求的驅動作用力是不同的。簡言之，人才的匯聚離不開人、財、物的支持。人的因素包括崗位稀缺型、技術技能型人才所占比例、人才供應量和崗位需求數量等等;財的因素包括即產業增長率、員工收入水平、地區消費水平等等;物的因素包括人才發展和產業發展環境、產業結構、基礎教育條件（子女教育）、產業創新能力等客觀條件[8]。但是在定量模型預測中，如果預測依據太多，一方面造成運算量增加，另一方面也減弱了核心依據的作用，降低模型可用性，因此本文選取以下五個因素作為影響技術技能型人才需求的主要依據。

（1）產業增長率。經濟發展水平不僅決定著人才需求的數量，也決定著人才需求的層次和內容。產業增長率反映了產業的發展水平，產業增長越快，人才需求的增長也越強勁。職業教育供給側改革直接服務于產業，就需要隨產業發展變化做動態的調整。隨著大數據、云計算、人工智能等新技術迅速得到應用和擴展，軟件和信息服務產業活力不斷增強，產值占全市電子信息產業的比重在三分之一以上，而且近10年每年的增長率都在10%以上，其中2017年為21.37%，2018年為12.31%。

（2）產業發展環境。珠海軟件與信息服務業是珠海市的支柱產業，粵港澳大灣區建設上升為國家戰略，為珠海市軟件和信息服務業的就業市場開拓了極大的空間。政府部門不斷提高支持和服務水平，積極引導和大力支持信息產業鏈和服務鏈建設，在城市空間、配套資金、運營環境等方面都推出了一系列支持政策。由于各類信息服務新型業態的快速涌現，以及產業政策的不斷調整，特別是面向中小企業的稅收優惠政策、企業的研發費用加計扣除政策，在一定程度上增強了信息服務產業對人才需求隨時間變化的敏感性，刺激了人才需求范圍和結構轉變。改革開發多年來，企業的市場地位已相對比較穩固。珠海還建有國家高新技術產業開發區，包含了南方軟件園、六個科技園區、中國工商銀行軟件開發中心、大學園區等，為人才可持續發展提供了良好的空間。另外，技術進步是影響人才需求的一個重要的長遠性因素。軟件和信息服務業運行效率的提升依賴于各種先進信息技術裝備使用，進而對信息服務水平、產品或工程價格需求總量產生一定的間接影響。珠海地處改革開放前沿，吸引了大量外來人口，促進了產業研發和實施技術的不斷革新，促進了服務方式的多元化、專業化，對人才需求的數量、質量提升產生了很大的推動作用。本文將產業發展環境劃分成優、良、一般、差四個等級，每個等級中根據優劣可再劃分三個等級，評分數值可以從0到11。

（3）崗位需求數量。崗位需求是人才需求預測的重要參考依據。珠海市人力資源和社會保障局委托第三方的機構和平臺實時統計社會各類用工需求，并定期發布年度、季度人力資源市場供求分析報告。通過報告中列舉的軟件和信息服務業崗位數據，獲得產業研發、生產、服務等總體人才需求信息。

（4）技術技能人才比例。隨著珠海軟件和信息服務業的發展，就業人數也逐年增加，對技術技能型人才的需求也隨之增長。據《2018年珠海市軟件和信息服務業經濟運行發展報告》顯示，自2010年起至2018年，珠海軟件和信息服務業從業人數從3.3萬多人增加到6.7萬多人，增長了一倍。其中大專及以上學歷占從業人員的近80%，從事軟件研發的人員占從業人員的近三分之一。除去軟件研發人員，其余的主要是從事運營、維護、工程實施等方面技術技能型人員。

（5）技術技能型人才收入。目前，由于交通設施不斷完善、就業信息更新及時，再加上落戶政策的放松，客觀上為人才流動提供了極大的便利性，產業間的人才流動正在迅速增長。人才的流動性要考察該地區人才的收入水平、居住水平以及消費水平，而收入是其中一個重要的推動因素。國家統計局數據顯示，2016年珠海全體居民人均可支配收入已增長到40154.1元，突破40000元水平。2018年軟件和信息服務業的人均收入水平有大幅度的提高，同比增加達到25.6%。

2? 基于GM（1，N）模型的人才需求預測

基于以上預測原則和預測依據，我們收集了多個年度的《珠海市軟件和信息服務業發展報告》和珠海人力資源和社會保障局發布的《珠海市人力資源市場供求分析報告》，從中得到如表1所示的預測依據數據。

GM（1，N）模型是一個多變量動態微分擬合模型，所需數據量較小，針對短期預測精度較高，且樣本分布不需要具有規律性，檢驗方便，應用于多因素影響的目標系統。GM（1，N）模型包括一個系統特征數據序列Y（即：預測量）和相關因素序列Xi，i=2，3…N（即：影響因子，比如此例中的產業增長率、崗位需求等預測依據，每個因子對應一個數列。為獲得或增強數列模型的規律性，GM（1，N）模型對這N個數列先進行一次累加生成，后進行數據預測，然后利用累加運算的逆運算進行還原，從而得到模型預測數據。GM（1，N）模型的建立及其計算步驟如下：

（1）對Y序列進行順序累加形成新序列，再計算其緊鄰生成序列Z：Z（1）（k）。

（2）構建如下微分方程，其中a、bi是預測模型參數：

（1）

（3）求解微分方程。一般用最小二乘法，得到式（1）中的參數a和bi，從而得到式（2）的預測模型：

（2）

（4）按照式（2）預測模型得到新的數列 ，然后數列前后兩個數據相減即得到預測數據，如式（3）所示：

（3）

（5）預測結果及模型的可用性檢測：利用以上GM（1，N）模型，通過MATLAB數學軟件計算得到的預測結果如圖1所示。預測的技術技能型人數從2011年始至2018年止，分別是[23916，18517，22353，28186，31847，31753，41135，44680]。預測結果的可用性須通過預測精度檢測，一個是殘差后驗差檢驗，一個是小誤差概率檢驗，如果檢驗處于允許范圍內，則該模型可用于預測，否則需合理修正。經過計算，得到本預測模型的后驗差C為0.2078，小誤差概率值P為1。預測精度等級為好（C<0.35，P>0.95），說明本文構建的GM（1，N）能夠很好地應用于技術技能型人才需求預測。

3? 結? 論

本文應用GM（1，N）數學模型建立了技術技能型人才需求GM預測模型。通過選取與人才需求緊密相關的五個預測依據，以珠海軟件和信息服務業為例，驗證了本模型的可用性和準確性。該模型預測準確性高、實用性強、操作好，可應用到各行各業專業人才需求的預測中。人才需求預測的結果，還可用于職業院校電子信息類專業人才培養方案的制訂、建立有效的技術技能型人才需求與區域經濟發展相適應的預測體系，以及企業人力資源建設統籌規劃工作。后續研究將進一步完善算法，引入最優化的算法理論，加入更多預測依據，拓展該模型的應用領域，提升預測準確性。此外，預測是為決策服務的，后續還將與行業企業進行密切合作，在具體實踐中不斷提高本模型的可用性。

參考文獻：

[1] 段湘蓮.湖南省學科專業與支柱產業人才需求相適性及其需求預測 [D].長沙：湖南大學，2013.

[2] 周志，田楠，趙宇紅.天津市義務教育學齡人口規模預測與分析——基于多因素灰色預測模型和人口推算法 [J].西南師范大學學報（自然科學版），2017，42（3）：49-55.

[3] 李慧，徐強.基于灰色系統GM（1，1）模型的制造業人才需求預測——以江蘇省為例 [J].石家莊經濟學院學報，2014，37（6）：1-4.

[4] 葉靜，魏敏.基于ARIMA模型的浙江省旅游人才需求預測及人才培養研究 [J].成人教育，2014，34（3）：106-108.

[5] 肖凱成，蔣春霞，楊波.ARIMA模型在土建專業群人才需求預測中的應用 [J].科技信息，2013（6）：42+44.

[6] 孫劍青.北京市物流需求預測研究 [D].北京：北京交通大學，2016.

[7] 咸桂彩，何文章，張學英.我國人才需求預測研究：盤點與思考 [J].中國職業技術教育，2014（6）：5-9.

[8] 田楠.基于多因素灰色模型的技術技能型人才需求預測與分析——以天津市為例 [J].職業技術教育，2014，35（19）：43-48.

作者簡介：馬維旻（1969-），男，漢族，河南安陽人，教授，博士，研究方向：數據分析及算法優化技術。