基于文本挖掘的公眾失業感受指數構建及其應用

【摘要】建立科學失業統計指標體系是實現充分就業目標的關鍵所在。運用文本挖掘失業率相關關鍵詞，使用主成分分析方法構建公眾失業感受指數，基于混頻回歸模型分析失業率相關影響因素對經濟增長的影響，并通過計算回歸模型的殘差平方和相對于總離差平方和的變化考察各因素對經濟增長的影響效應。結果表明：從應用效果看，與通過抽樣調查法獲得的調查失業率相比，公眾失業感受指數具有更強的敏感性和先行性；從影響效應看，通過混頻回歸模型證實高頻公眾失業感受指數對經濟增速具有負向影響，二者之間變動趨勢符合奧肯定律；從貢獻度看，公眾失業率感受指數變量的R 值相對更小一些，其對經濟波動的影響最大，通過引導微觀主體心理行為促進經濟增長具有可行性。

【關鍵詞】公眾失業感受指數；文本挖掘；影響效應；貢獻度

【作者簡介】陳亮，博士，蘭州財經大學統計與數據科學學院副教授，研究方向：經濟統計；贠麗君，蘭州財經大學統計與數據科學學院碩士研究生，研究方向：經濟統計。

中圖分類號：C921.2 文獻標識碼：A

引言

新形勢下，如何有效做好穩增長、穩就業工作成為促進我國經濟結構轉型、推動經濟增長的主要著力點。合理預判失業率未來走勢有助于決策者盡早預判失業率可能發生的方向性變化，從而動態調整宏觀決策，多措施扎實做好穩定就業工作。經典計量經濟學研究中，通常使用國家統計局公布的城鎮登記失業率和調查失業率反映失業水平，但上述指標數據存在較長的時滯性、人為的統計誤差等缺陷[1]，也不能夠很好反映經濟結構的變化[2]。已有研究取得了較為豐碩的成果，但當前關于失業率高頻數據方面的研究和宏觀分析相對有限。網絡搜索高頻失業率指標可同時反映失業率變動因素等低頻指標和失業率實時變化情況，能夠彌補當前失業統計的不足。互聯網搜索數據具有高頻、零成本等優勢，我國互聯網快速發展，構建網絡搜索高頻失業率指標具有可操作性，也為學界拓寬了研究視角。

本文研究的邊際貢獻主要有如下兩點：一是將范圍取詞法和技術選詞法結合選取關鍵詞，在失業率相關影響因素的基礎上選取核心關鍵詞，運用大數據文本挖掘技術爬取與失業相關的新聞文本作為關鍵詞的重要來源，進而通過主成分分析方法構建公眾失業感受指數，并與國家統計局公布的城鎮調查失業率進行對比分析，增強相關結論的穩健性；二是隨著互聯網在生產要素配置中的作用更加顯著，利用大數據方法測算勞動力市場的就業或失業狀況已成為勞動經濟學一個新的突破口。本文擬應用混頻回歸模型就公眾失業感受指數對我國經濟增長的影響效應展開實證分析，并進一步對公眾失業感受指數的貢獻度進行討論。

一、文獻綜述

在經濟學方面，Ettredge 等（2005） [3]最早使用網絡搜索數據預測失業率，發現網絡搜索詞與美國失業率具有較強的關系。Askitas 和Zimmer?mann（2009） [4]以及D’Amuri和Francesca[5]運用谷歌搜索引擎數據分別研究德國和意大利的失業率情況，建立的某些關鍵詞或關鍵詞組搜索數據與官方統計的月度失業率之間具有強相關性，并能夠較好地預測月度失業率變化的轉折點。Su（2014） [6]運用中國百度搜索引擎和谷歌網絡數據，建立了失業率網絡搜索指數，失業率網絡搜索指數與出口增長率、采購經理指數等宏觀經濟指標具有強相關性，與宏觀經濟指標轉折點相同或接近，且早于官方宏觀經濟數據發布幾個月，Granger因果關系分析結果表明，與失業相關的搜索指數可以改善宏觀經濟指標的預測。Jaroslav和Ladislav（2015） [7]使用谷歌搜索引擎上與工作相關的搜索指數，對捷克、匈牙利、波蘭和斯洛伐克等不同經濟體的失業率進行預測和分析，結果顯示，加入谷歌搜索數據后模型預測性顯著提高，在線搜索數據為失業率建模提供了額外的信息價值。隨著實證研究方法的不斷改進創新，大數據視角的失業率相關研究成果也不斷涌現。彭賡等（2013） [8]使用谷歌搜索引擎上與失業相關的綜合搜索指數，其預測效果優于傳統調查數據。董恒新（2016） [9]結合Chow-Lin插值、神經網絡、支持向量回歸機等方法，推算中國季度失業率，發現運用支持向量回歸機方法的效果最好。Paul（2016） [10]建立MIDAS回歸模型評估失業率谷歌網絡搜索指數和美國人口普查局公布的企業就業預期數據等調查數據之間的關系，結果表明，在實時預測初期不確定性較多，預測效果不太好，但隨著谷歌數據和官方調查數據信息積累，模型不確定性顯著減少，加之谷歌數據具有及時性優勢，在失業率預測方面優于調查數據。Marinescu（2017） [11]運用大數據方法收集2007—2011年求職者工作搜尋數據，分析了失業救濟金領取時限對失業的影響效應。

雖然失業率網絡搜索指數在宏觀分析中運用效果顯著，但需要克服諸多挑戰和陷阱，尤其是在搜索詞的選擇方面。互聯網搜索數據應用的挑戰在于尋找合適的搜索詞，并根據相關搜索詞選擇適當方法構建綜合合成指數。哪些搜索詞與目標變量相關性最強？用戶輸入搜索詞的動機是什么？Askitas和Zimmermann（2009） [4]在構建“搜索工作”關鍵子集后，還嘗試構建消費、零售等其他關鍵詞組，用于模擬失業調查過程。彭賡等（2013） [8]以經濟恢復時期的美國失業率為研究對象，以“unemployment”作為初始關鍵詞，構建了四層關鍵詞庫， 共計403 個關鍵詞庫。Lazer（2014） [12]強調需要特別考慮社交和搜索目的，用戶搜索是出于自我行為，還是由于其他人也在進行類似的行為？現有的關鍵詞篩選主要有技術取詞法、經驗取詞法、范圍取詞法等三種方法。技術取詞法精度較高，但易受資源限制；經驗取詞法工作量較小，但主觀性較強；范圍取詞法分類標準確定，但需編程獲取拓展詞句，技術難度較高。比較上述三種取詞法優劣勢，本文采用范圍取詞法與技術取詞法相結合的方法選取關鍵詞。結合國內實情，當前中國就業問題的突出矛盾已由勞動供給過剩轉向勞動需求不足，經濟增長率、產業結構變化、農村勞動力占城鎮新就業人數的比例等指標可用于衡量失業率變動的長期影響因素[13]。王勇和董恒新（2017） [1]選取青年失業等失業相關指標、就業難等就業相關指標、經濟增長等宏觀經濟指標作為初選關鍵詞，進而運用百度關鍵詞推薦功能組成關鍵詞庫。但從現有研究看，當前國內基于大數據方法對失業監測相關關鍵詞較少，在百度搜索引擎上僅以“失業”作為關鍵詞進行失業情況監測[14]。目前，對網絡搜索數據的應用主要集中于指數預測，而關于其內在機理研究尚未形成系統的理論框架。

另外，由于數據集存在“鋸齒狀邊緣”的特征，解釋變量具有不同的時序，并且被解釋變量與解釋變量之間的時間頻率也不匹配，失業率數據按月發布，但是高頻網絡失業率數據頻率為日度。傳統計量模型采用插值或者降頻方法將不同頻數據轉換為同頻數據，這有可能造成數據信息新增或者損失，但MIDAS回歸可以有效解決上述問題[15]，使用中可以采用多種函數形式的加權函數，兼顧高頻數據信息和傳統低頻結構化指標，避免了數據信息新增或者損失。

已有研究成果浩如煙海，為本文提供了有益借鑒，但仍須進一步改進。從失業率數據收集方式看，基于互聯網大數據的失業率相關高頻數據為傳統調查數據提供了有益補充，并且互聯網豐富的信息影響著公眾就業決策，但現有研究較少涉及高頻失業率大數據的應用，隨著信息獲取渠道的豐富，網頁數據等高頻相關數據也應納入其中，數據應用場景有待進一步拓展。從失業率指數編制方法看，國家統計局編制的季度城鎮登記失業率和城鎮調查失業率在考慮中國國情的基礎上，選用抽樣調查樣本推斷全部失業人數，但受多方面原因影響，還有相當一部分失業人數未納入統計數據，進而導致估計結果與現實情況存在一定差異。而采用相關關鍵詞構成的關鍵詞庫，運用主成分分析方法合成失業率綜合指數，與實際情況更為接近，具有較好的可靠性和預測性。從失業率數據應用看，現有研究文獻中運用互聯網就業數據對宏觀經濟開展分析研究的較少，加之研究工具更加廣泛和復雜，原有的問卷調查數據分析方法適用性受到一定限制，更加靈活的計量模型[16]或許是更好的選擇。

二、公眾失業感受指數構建的理論基礎與應用

（一） 理論分析：失業率影響因素

失業問題是影響社會穩定的重要因素之一，國內機構和學者關于就業失業問題紛紛展開討論和深入研究。增長緩解型失業理論認為，經濟增長率的高低是影響就業增長，進而緩解失業的一個重要因素。失業率由勞動力市場供求平衡決定，而勞動力需求變化又受到宏觀經濟波動影響。以弗里德曼為代表的貨幣學派將失業理論歸因于“自然失業率”，假設勞動力與資本在一定的生產規模條件下具有一個均衡值，而生產規模的擴張才能自發地調節失業率。由于勞動力供大于求，加之產業結構綠色轉型對勞動力需求減弱，進一步加劇了社會失業，只能通過提升經濟增長速度來解決。另外，歐美等國家的就業狀況和失業率與經濟波動一般都存在一定的時滯性，這主要是企業在擴充生產規模時，不僅需要新招收一部分工人，還需要適應生產需要削減部分人員，因此經濟波動的變化并不能立即伴隨失業情況的相應變化，失業一般滯后于經濟波動1至2年才體現出來。

2022年后，我國大學生就業難和企業招聘難現象并存，中國青年失業率中樞值快速抬升，其深層次原因在于就業供需結構性錯配。結構性失業是勞動力由于技能、知識結構等與產業結構、增長方式等變動導致的勞動力需求結構不匹配引起的失業，主要表現類型有結構調整型失業、經濟增長方式轉變型失業、技術進步型失業、知識經濟發展型失業等形式。由于研究方法及數據來源存在差異，國內學者關于結構性失業理論的研究結論不盡相同。當前，中國面臨人口老齡化加劇、人口數量紅利逐漸消失等一系列經濟社會問題，對勞動力市場產生沖擊，可能引發技能錯配增加、青年自愿失業比例上升等結構性失業問題。隨著經濟增長動能發生改變，勞動力就業市場存在區域差異，總體表現為兩極分化。在經濟發展水平較高區域，高技能勞動力就業比重提升；反之，在經濟發展水平較低區域，低技能勞動力就業比重增加更多[17]。

以曼昆為代表的新凱恩斯主義學派在解釋黏性工資時提出了效率工資理論。效率工資理論認為，工人勞動生產率與工資率呈正相關關系，它主要受實際工資水平的影響，效率工資理論的出現解釋了許多新古典經濟學無法解釋的經濟現象，包括非自愿性失業、工資差異等現實情形。通過拓展效率工資理論，絕對工資、相對工資、失業率和監督成本等影響因素，解釋了激勵成本、勞動效率與自然失業率之間相互作用的決定機制[18]。

學術界關于失業率影響因素的看法莫衷一是。總體看，宏觀經濟及供求關系是影響就業的主要因素。經濟發展水平、平均工資水平等影響因素在搜索數據中均可以找到相對應的關鍵詞，宏觀經濟及就業供求關系會引發相關關鍵詞搜索量的即時變化。因而，網絡搜索數據與失業監測之間存在一定的相關性，選取對應的關鍵詞運用相關方法合成網絡搜索公共失業感受指數，可以進一步對失業水平的走勢做出預測和判斷，并對其影響因素展開深入探究。

（二） 關聯機理：網絡搜索數據與失業率

本文基于失業率影響因素建立概念框架，分析網絡搜索數據與失業率之間的關聯機理（圖1）。該框架的核心思想在于：互聯網數據改變了勞動力市場的搜尋與匹配機制，互聯網將搜索引擎中的勞動力供給與需求進行了匹配，百度搜索與失業之間高度相關。在互聯網搜索中，失業就業影響下勞動力需求市場存在兩個表現：一是由于勞動者供給方的網絡搜索行為與失業率變化的傳導存在一定的遲滯，找工作相關的網絡搜索詞與宏觀經濟變量之間存在先行或滯后的關系；二是當勞動力供給方做出就業決策之后，會直接或間接引起市場上工資水平或者人員需求量的變化。同時，勞動者把自己關于求職的體驗和市場情況通過網絡平臺進行分享，使線下勞動力市場和線上平臺信息得到互通交換。勞動者求職行為影響了勞動力供需狀況，而信息搜尋導致了求職的決定。因此，該框架以失業率影響因素為全流程中間橋梁，將失業率監測和互聯網信息搜索連接起來。

三、公眾失業感受指數的構建

（一）關鍵詞的確定

1.關鍵詞選擇的原則和目標

公眾失業感受指數是以關鍵詞為統計對象，合理選取關鍵詞將影響模型實證分析的準確性。選擇合適的關鍵詞需要符合代表性、相關性、穩定性原則，以確保構建的網絡搜索公眾失業感受指數具有較高的準確度和可靠性。

代表性原則：關鍵詞需要考慮不同網站在數據基礎、監測對象等方面存在的顯著差異，研究者需要根據不同領域（如整體勞動力市場、白領、藍領等） 特點選取相應網站的關鍵詞，以確保指數具有代表性。

相關性原則：關鍵詞需選取與失業率影響因素密切相關的指標。在失業相關指標方面，關鍵詞包括“青年失業”等；在就業相關指標方面，關鍵詞包括“應屆畢業生”等；在宏觀經濟指標方面，關鍵詞包括“經濟增長”“物價水平”等。

穩定性原則：關鍵詞需保持一定時序的連續性和穩定性，即能夠長期反映市場主體對就業形勢的看法和態度，部分關鍵詞可能由于突發事件而產生短期波動，需要通過數據分析和實證研究剔除相關影響。

2.關鍵詞的來源

本文從失業率的概念和定義出發，結合失業率的相關影響因素，從以下幾個方面搜索關鍵詞。一是就業和求職，與就業和求職相關的詞語，如“就業機會”“求職網站”“招聘信息”“求職市場”等詞語反映了人們在尋找工作和就業機會方面的關注和搜索；二是失業救濟和社會保障，與失業救濟和社會保障相關的詞語，如“失業救濟”“失業福利”“失業補助”“社會保障申請”等詞語反映了人們對失業后的經濟補償和社會保障的關注；三是勞動力市場和經濟狀況，與勞動力市場和經濟狀況相關的詞語，如“失業率”“就業趨勢”“勞動力市場”“經濟衰退”等詞語反映了人們對整體勞動力市場和經濟狀況的關注和反應；四是裁員和解雇，與裁員和解雇相關的詞語，如“裁員”“解雇”“裁減崗位”等詞語反映了人們對公司裁員和解雇行為的關注和擔憂。

（二） 公眾失業感受指數的構建

本文利用百度關鍵詞推薦功能組成關鍵詞庫，逐一輸入初始關鍵詞，通過爬取百度新聞、新浪財經、和訊網、騰訊財經等權威財經網站，得到200多個相關詞，從中剔除重復以及大量缺失值的關鍵詞數據，最終剩下43個關鍵詞從2011年1 月1 日至2023 年12 月31 日期間的日頻搜索量，包括PC端和移動端的搜索量。

1.公眾失業感受指數的合成

通過查閱現有相關文獻發現，指數測算主要有主觀賦權和客觀賦權兩種方法，相對指數法和層次分析法等主觀賦權方法易受人為因素影響，而變異系數法、主成分分析法以及熵值法等客觀賦權方法根據數據本身特點進行賦權，具有較好的規范性。由于本文使用43個關鍵詞對應的搜索數據作為基礎數據，指標數量較多，且同行業間關鍵詞搜索具有一定的關聯性，綜合考慮上述問題以及各種指數編制方法的適用特點，本文運用主成分分析法構建網絡搜索公共失業感受指數。

主成分分析方法是利用降維的思想，將眾多與失業相關的關鍵詞轉化成若干個相互獨立且能夠充分反映失業變動趨勢指標的多元統計方法。其基本原理是用主成分分析法消除變量間的多元共線性，并將各個分量的載荷系數作為賦權的依據，從而解決指標合成的權重問題。

2.構建公眾失業感受指數

按照前文提出的主成分分析方法，對原始搜索數據進行均值化處理，得到相應的KMO值檢驗結果為0.95，表示本文可以使用主成分分析法構建公眾失業感受指數。經過檢驗，運用主成分分析法將搜索關鍵詞合成若干個相互獨立且能充分反映總體信息的主成分。利用主成分分析法對失業相關的關鍵詞搜索數據進行成分提取，得到第一、二主成分的累計方差貢獻率為81.32%，解釋了原始關鍵詞的大部分信息，且特征值均大于1，因此，此處選擇提取6個主成分。

3.公眾失業感受指數和城鎮登記失業率、調查失業率對比分析

將公眾失業感受指數與城鎮登記失業率、調查失業率進行對比分析（圖2）。首先從數值大小看，三組數據由于數據來源、數據類型、編制方式均不同，指數數值存在較大差異，若單純比較指數值大小則意義不大，但三者之間的變化存在一定的趨同性。其次從數據活躍度看，公眾失業感受指數變化幅度更為活躍。城鎮登記失業率是截至2022年的季度數據，2022年前，公眾失業感受指數以城鎮登記失業率為中心點上下波動，城鎮登記失業率基本上呈現一條直線，且城鎮登記失業率存在統計口徑窄、人員未登記等多種缺陷，其真實性受到學術界諸多質疑。相較之下，調查失業率涵蓋城鄉全口徑調查失業率，更接近真實情況。我國自2018年1月對外公布調查失業率月度數據，觀察調查失業率和公眾失業感受指數兩者的走勢情況可以發現，兩者在部分時段的波動情況高度相似， 分別在2020 年2 月、2020年3月達到階段性高點。最后從數據靈敏性看，公眾失業感受指數是基于互聯網搜索數據編制而來，搜索數據覆蓋全部群體，具有一定的即時性和先行性。通過指數的變動幅度看即時性，公眾失業感受指數由于網絡搜索數據構建所得，對失業相關詞語的搜索更加敏感，所以變動幅度相對調查失業率更大。從2020年2月以后的數據看先行性，疫情發生后失業率更加直觀反映公眾失業感受指數，2020年2月后出現“斷崖式”下滑，而調查失業率滯后1至2個月，并且在這一階段公眾失業感受指數振幅更大，在疫情政策改變后，公眾失業感受指數出現下降趨勢，從2020年2月的6.5變化至2021年7月的-6.74。

四、轉型期中國失業影響因素的實證分析

美國經濟學家奧肯根據美國歷史數據得出了經濟增長率與失業率之間存在負相關關系，奧肯定律在歐美國家具有普適性。而國內學者多采用城鎮登記失業率驗證奧肯定律，得出了在我國不適用的結論，即存在“高失業高增長”的特征。同時，國內學者沒有綜合考慮我國經濟轉型期的復雜性，而是更注重研究經濟增長對就業的拉動作用。因此，在研究失業影響因素時有必要將產業結構調整、固定資產投資、居民消費、通貨膨脹水平以及匯率變動水平等因素作為控制變量納入方程進行實證分析，以期能夠更好地理解轉型期這些因素對失業的影響狀況。

（一） 變量說明

1.數據來源

運用上文中構建的公眾就業感受指數評估奧肯定律在中國的實踐性，公眾就業感受指數的時間區間為2011年1月1日至2023年12月31日的日度數據，經濟增長等指標數據均來源于wind數據庫，數據時間區間為2011—2023年相關季度數據和月度數據。

2.變量描述

被解釋變量：經濟增長變動水平。影響失業的相關因素很多，但從理論溯源和經驗證據看，經濟增長是影響失業率水平的核心因素。相關經濟理論與實踐表明，失業率與實際經濟增長率之間存在負相關關系，經濟高增長是降低失業率的有效途徑。雖然近年我國經濟增長速度保持較高水平，但疫情后失業率仍處于較高水平，在經濟高質量發展過程中，需積極開辟新的經濟增長點，拓展就業渠道，增加新的就業崗位。本文參考多數文獻，選用GDP同比增長的一階差分表示經濟增長變動水平。

解釋變量：失業率變動水平。基于上文相關研究，本文運用公眾就業感受指數的一階差分表示失業率變動水平。

控制變量：本文選取產業結構優化程度、固定資產投資水平、通貨膨脹率、匯率變動以及居民消費作為控制變量。產業結構與就業結構相互制約與促進，利用技術進步使產業結構整體效率向更高層次演進[19]，用第三產業增加值/第二產業增加值表示。根據通貨膨脹促進論，適度通脹將有利于調整產業結構，擴大投資，拉長就業鏈，降低失業率。匯率變動直接影響出口企業產品的價格，進而改變出口企業的投資決策，使出口企業的生產規模發生變化，勞動力需求受到影響，人民幣匯率的調整對就業增長率可產生顯著影響，人民幣貶值有助于提升就業率水平[20]。現有關于居民消費與失業關系的研究相對較少，但對經濟衰退的研究發現，失業預期的惡化，伴隨著消費下降，消費者的購買決策會根據失業預期而發生變化，因此，消費品銷售規模與失業或失業情緒有關。

（三） 轉型期失業影響因素實證檢驗結果

從回歸結果看（表1），變量中公眾失業率感受指數變動率系數為負，估計系數為-3.2702，系數值在所有影響因素中是最大的，與經典的奧肯定律基本吻合。GDP增長率與失業率之間存在負相關關系，與以往的研究存在較大差異[22]。現有相關研究表明，網絡輿情信息反映了求職人員的需求、興趣和預期，通過搜索與失業或工作有關的關鍵詞可以在一定程度反映勞動力市場活動的信息。高頻日度公眾失業率感受指數能夠在一定程度反映部分傳統指標無法反映的失業相關行為，并能夠捕捉短期動態變化信息。經濟增長變動率與失業率之間不顯著相關，這主要在于經典奧肯定律暗含“一元市場”的假設，而我國存在較為明顯的二元經濟結構，導致“奧肯定律”在我國失靈，但現有研究顯示二者之間變動趨勢符合奧肯定律，因而我國在經濟發展過程中可參考根據奧肯定律制定的經濟政策，避免走西方走過的誤區，以期更快更好地達到經濟持續健康發展的目標。

實證結果顯示，經濟增長率變動的滯后項估計系數為0.9635，在10%的顯著水平下為正。經濟增長是增加就業的有效途徑，經濟快速增長必然帶來就業規模擴大，即經濟增長與失業呈現反向變動關系。但從目前我國發展狀況看，經濟增長與失業之間呈現同向變動，2023年我國GDP同比增速為5.2%，2023年12月，城鎮調查失業率仍保持在5.1%的高位水平。通常在經濟不斷趨向成熟的過程中，就業彈性會出現逐漸減小的趨勢。相對于經濟增長，當前我國的就業彈性總體呈下降趨勢，每創造一個增量價值所需的勞動增量減少。固定資產投資占GDP的比重對經濟增長波動的回歸系數為0.1731，在1%的顯著水平下為正，即固定資產投資具有逆就業傾向。從數據看，2023年我國固定資產投資完成額占GDP的比重仍達到40%，積極的財政政策雖然對經濟增長有明顯的拉動作用，由于固定資產投資更多投向農林水利、交通通信等基礎設施領域，這些行業就業吸納能力較弱。在當前供給側改革和產業結構調整時期，政府投資對就業的影響率不是太高，解決就業的根本途徑還是要增加全社會總投資[23]。通貨膨脹率的系數為負，通貨膨脹率與失業率呈現此消彼長關系，符合菲利普斯曲線描述的規律。

其他控制變量中，居民消費、產業結構優化和匯率變動均沒有通過T檢驗，說明居民消費、產業結構優化和匯率變動對勞動就業的效應存在一定“時滯”，加之居民消費和匯率變動的估計系數偏小，這兩個變量短期內引發的就業效應不足。國內外學者關于產業結構調整與失業率問題進行了豐富的研究和探討，研究結果存在較大分歧，但總體上認同產業結構對就業結構[24]和就業規模[25]具有重要影響作用。產業結構優化系數雖然不顯著，但其估計系數為-1.1012，影響效應較大。近年來，我國產業結構不斷優化，在集約型的經濟增長方式中，技術創新降低了低技能勞動力的需求，就業崗位減少，導致失業加劇。而短期內由于產業結構與勞動力素質的黏性，勞動者職業教育與培訓需要一定的時間，使技術進步帶來的就業效應具有一定的滯后效應，與此同時，我國第三產業的發展對就業拉動效應雖然較強，但仍然滯后于發達國家，導致其就業效應不足。

（四） 基于奧肯定律測算失業率相關因素影響的貢獻度

測算結果顯示， 模型離差平方和SST 值為23.9485，基準模型SSE0值為18.0919，依次去除相關變量后的R值如表2所示。去掉高頻公眾失業率感受指數的R值明顯小于去掉其他變量的R值，公眾失業率感受指數對GDP增長率的影響最大。混頻回歸結果也顯示公眾失業率感受指數與GDP增長呈現負相關，系數值在所有影響因素中最大。在經濟轉型時期，宏觀經濟一旦發生波動，勢必影響微觀主體的信心，失業率相關數據會影響居民儲蓄、消費、投資行為，進而影響經濟增速，網絡輿情引導對經濟高質量發展具有重要影響。其背后的原因在于，公眾失業感受指數是在綜合過去、現在和未來各種信息的基礎上形成的，居民掌握信息的程度越高越有助于形成合理的預期，非理性的輿情指數勢必加大宏觀經濟政策的調控難度。因此，對失業相關影響因素進行深入分析，有助于宏觀調控部門更有針對性地進行數據發布和政策解讀，提升與公眾溝通的有效性，引導居民形成合理的判斷。

五、主要結論及政策建議

基于奧肯定律的相關理論，本文使用混頻回歸模型分析了失業率相關影響因素對經濟增長的影響。利用宏觀低頻數據與公共失業感受指數高頻數據實證檢驗了奧肯定律在中國的適用性，并通過計算回歸模型的殘差平方和相對于總離差平方和的變化考察各因素對經濟增速的影響效應。

（一） 主要結論

1.從應用效果看

與通過抽樣調查法獲得的調查失業率指數相比，公眾失業感受指數具有更強的敏感性和先行性。公眾失業感受指數與城鎮登記失業率、調查失業率的整體變化存在一定的趨同性，但公眾失業感受指數中的搜索引擎數據包含大量互聯網用戶經濟信息，提供了比調查領域更為廣泛的樣本，變動幅度相對調查失業率更大，并且領先調查失業率1至2個月，具備更好的預警功能。轉型期中國經濟面臨較大的不確定性，政府部門需要快速和可靠的失業信息，以制定合理的宏觀經濟政策。

2.從影響效應看

通過混頻估計回歸模型證實了高頻公眾失業感受指數對經濟增速具有負向影響。雖然經濟增長變動率與失業率之間不顯著，但研究結果顯示二者之間變動趨勢符合奧肯定律。高頻日度公眾失業感受指數能夠在一定程度反映部分傳統指標無法反映的失業相關行為，并能夠捕捉短期動態變化信息。經濟增長與失業之間呈現同向變動，高增長未能有效拉動就業，與此同時，固定資產投資具有逆就業傾向。其他控制變量中，居民消費、產業結構優化和匯率變動均沒有通過T檢驗，說明居民消費、產業結構優化和匯率變動對勞動就業的效應存在一定“時滯”，加之居民消費和匯率變動的估計系數偏小，這兩個變量短期內引發的就業效應不足。

3.從貢獻度看

公眾失業率感受指數變量的R值相對更小一些，其對經濟波動的影響最大。該結果與混頻回歸估計結果反映的影響效應是相一致的，通過引導微觀主體心理行為促進經濟增長具有可行性。其次是匯率波動的影響，當匯率長期趨勢穩定并保持日常小幅波動時，企業投資對匯率的反應不敏感，匯率調整對就業的影響不大。固定資產投資和產業結構調整在經濟波動中帶來的失業影響較為接近，但其值低于公眾失業率感受指數。

（二） 政策建議

一是健全失業率監測體系，構建更為科學合理的失業測度指標。鑒于互聯網作為一種求職方式越來越大眾化，網絡搜索數據可以作為失業調查數據的有效補充，提供可靠和快速的信息實時監測宏觀經濟活動，為政府部門制定合理的宏觀經濟政策提供參考。二是提升與公眾信息溝通的及時性、全面性。在調查失業率、GDP等數據發布的關鍵時點，宏觀調控部門應加強上述經濟指標相關信息的解讀，從多方面、多角度充分披露相關信息，幫助公眾了解經濟形勢與就業趨勢，及時消除數據誤解，打消顧慮甚至恐慌，促進居民更理性地看待經濟指標的變化，形成合理預期。三是重視宏觀經濟相關政策對失業率的影響效應。當前，我國的就業壓力依然較大，在此背景下，宏觀調控部門應充分考慮產業調整等政策帶來的就業擠出效應，應大力發展勞動密集型產業，提升第三產業的就業空間，激活民間資金，扶持中小微企業，并加強第三產業與第一、二產業的協調發展。

（責任編輯：陳勝）