鄭 巖,曾雪梅

(哈爾濱商業(yè)大學(xué) 財(cái)政與公共管理學(xué)院，黑龍江 哈爾濱 150028)

?

·經(jīng)濟(jì)理論與實(shí)踐·

基于優(yōu)化擴(kuò)散指數(shù)法的我國(guó)失業(yè)預(yù)警模型實(shí)證研究

鄭 巖,曾雪梅

(哈爾濱商業(yè)大學(xué) 財(cái)政與公共管理學(xué)院，黑龍江 哈爾濱 150028)

目前構(gòu)建失業(yè)預(yù)警模型主要基于擴(kuò)散指數(shù)法，但鑒于傳統(tǒng)擴(kuò)散指數(shù)法的缺陷，由此確定的失業(yè)“預(yù)警線”的實(shí)際預(yù)警效果并不理想。因此，本文基于優(yōu)化的擴(kuò)散指數(shù)法構(gòu)建失業(yè)預(yù)警模型并進(jìn)行回歸分析，認(rèn)為目前我國(guó)的失業(yè)狀況并未出現(xiàn)警情，但失業(yè)率擴(kuò)散指數(shù)呈現(xiàn)的上升趨勢(shì)需要高度重視，據(jù)此提出了“合理調(diào)整投資結(jié)構(gòu)、加大重點(diǎn)領(lǐng)域投資力度、提高投資效率”和“提高居民收入水平、積極鼓勵(lì)創(chuàng)新創(chuàng)業(yè)、促進(jìn)居民消費(fèi)升級(jí)”兩條防范失業(yè)警情出現(xiàn)的基本路徑。

失業(yè)預(yù)警模型；優(yōu)化擴(kuò)散指數(shù)法；實(shí)證研究

一、引言及文獻(xiàn)綜述

近年來(lái)，受經(jīng)濟(jì)下行壓力較大、化解過(guò)剩產(chǎn)能及一系列科技進(jìn)步等因素的影響，失業(yè)問(wèn)題日益成為整個(gè)社會(huì)關(guān)注的焦點(diǎn)，有些媒體、專(zhuān)家學(xué)者甚至對(duì)全國(guó)的就業(yè)數(shù)據(jù)是否準(zhǔn)確有所懷疑。這主要基于以下考慮：一方面，自2011年以來(lái)，我國(guó)經(jīng)濟(jì)持續(xù)下行，導(dǎo)致部分企業(yè)因生產(chǎn)經(jīng)營(yíng)困難而造成企業(yè)用工不足，為化解過(guò)剩產(chǎn)能而造成一部分職工下崗；另一方面，以移動(dòng)互聯(lián)網(wǎng)和云技術(shù)、大數(shù)據(jù)、新能源、機(jī)器人及人工智能技術(shù)等為代表的新一輪工業(yè)革命將在短期內(nèi)減少部分工作崗位，同時(shí)，以高校畢業(yè)生為主的青年就業(yè)群體的數(shù)量還在持續(xù)增加。因此，目前的就業(yè)形勢(shì)比較復(fù)雜且任務(wù)非常艱巨，有人甚至預(yù)言，2016年，我國(guó)可能因逐漸面臨職業(yè)難求、薪酬難漲的持續(xù)壓力而出現(xiàn)“失業(yè)潮”。的確，未來(lái)隨著我國(guó)經(jīng)濟(jì)持續(xù)新常態(tài)、經(jīng)濟(jì)結(jié)構(gòu)不斷調(diào)整和供給側(cè)結(jié)構(gòu)性改革的深入推進(jìn)，就業(yè)形勢(shì)難言樂(lè)觀。然而，失業(yè)并不可怕，它是市場(chǎng)經(jīng)濟(jì)國(guó)家普遍面臨的問(wèn)題，但失業(yè)率過(guò)高將會(huì)對(duì)經(jīng)濟(jì)社會(huì)構(gòu)成威脅。因此，如何判斷失業(yè)率過(guò)高，如何在失業(yè)率達(dá)到過(guò)高水平之前作出警示，進(jìn)而適時(shí)采取恰當(dāng)措施降低失業(yè)率，是一個(gè)需要深入研究且意義重大的問(wèn)題。

那么，為在一定時(shí)期內(nèi)，某一國(guó)家或地區(qū)的失業(yè)率在高于某一特定值時(shí)提前作出警示，以便及時(shí)采取措施，避免或減少高失業(yè)率引起的危害，由此產(chǎn)生了失業(yè)預(yù)警系統(tǒng)，其中的“特定值”即所謂的失業(yè)“預(yù)警線”。確定失業(yè)“預(yù)警線”是構(gòu)建失業(yè)預(yù)警系統(tǒng)的核心(勞動(dòng)和社會(huì)保障部勞動(dòng)科學(xué)研究所課題組，2002)。國(guó)內(nèi)外部分組織和專(zhuān)家學(xué)者運(yùn)用不同的方法對(duì)失業(yè)“預(yù)警線”進(jìn)行了模擬，并各自構(gòu)建了相應(yīng)的失業(yè)預(yù)警模型。

從國(guó)外研究來(lái)看，Andrew(1990)和Goldfarb(1993)等在構(gòu)建計(jì)量模型時(shí)引入與失業(yè)密切相關(guān)的經(jīng)濟(jì)變量，進(jìn)而根據(jù)統(tǒng)計(jì)數(shù)據(jù)模擬出精度較高的失業(yè)“預(yù)警線”；美國(guó)勞動(dòng)統(tǒng)計(jì)局(BLS)1945年后建立了失業(yè)率預(yù)測(cè)模型；Goldfarb(1993)采用ARIMA模型、Kalman濾波技術(shù)和X-11季節(jié)調(diào)整等方法估計(jì)失業(yè)率的標(biāo)準(zhǔn)差，據(jù)此確定的失業(yè)“預(yù)警線”上線為8%～10%，安全線在4%～6%以下。

從國(guó)內(nèi)研究來(lái)看，多數(shù)學(xué)者和研究機(jī)構(gòu)主要根據(jù)經(jīng)驗(yàn)判斷來(lái)進(jìn)行失業(yè)預(yù)警，而運(yùn)用定量方法確定失業(yè)“預(yù)警線”的研究較少，且受限于預(yù)警方法不足和預(yù)警數(shù)據(jù)難以獲取，其實(shí)際效果并不理想。首先，關(guān)于判斷失業(yè)預(yù)警的定量方法。其包括三個(gè)方面：一是基于傳統(tǒng)的擴(kuò)散指數(shù)法，通過(guò)對(duì)選取的失業(yè)警兆指標(biāo)進(jìn)行多元回歸并據(jù)此計(jì)算失業(yè)率的擴(kuò)散指數(shù)法(DI)來(lái)確定失業(yè)“預(yù)警線”，如王斌會(huì)和韓兆洲(2002)、趙建國(guó)(2005)、趙建國(guó)和苗莉(2008)、廖雅珍和廖添土(2014)；二是運(yùn)用卡斯特經(jīng)濟(jì)評(píng)價(jià)中心的季度數(shù)據(jù)建立失業(yè)率和失業(yè)人數(shù)回歸模型預(yù)測(cè)失業(yè)率“預(yù)警線”，如勞動(dòng)和社會(huì)保障部勞動(dòng)科學(xué)研究所(2002)、張得志(2007)；三是將非參數(shù)的神經(jīng)網(wǎng)絡(luò)模型引入失業(yè)風(fēng)險(xiǎn)問(wèn)題的研究中，以此預(yù)測(cè)中國(guó)未來(lái)失業(yè)風(fēng)險(xiǎn)的變化趨勢(shì)，如陳仲常和吳永球(2005)。其次，關(guān)于失業(yè)率數(shù)據(jù)的選擇。王斌會(huì)、韓兆洲(2002)以城鎮(zhèn)登記失業(yè)率作為參照，勞動(dòng)和社會(huì)保障部勞動(dòng)科學(xué)研究所(2002)、張得志(2007)選用城鎮(zhèn)調(diào)查失業(yè)率數(shù)據(jù)，趙建國(guó)(2005)、趙建國(guó)和苗莉(2008)則以1990年和2000年兩次人口普查為基礎(chǔ)，據(jù)此推算了真實(shí)失業(yè)率。總體來(lái)看，目前國(guó)內(nèi)關(guān)于失業(yè)預(yù)警的定量研究以擴(kuò)散指數(shù)法的應(yīng)用最為廣泛，但傳統(tǒng)擴(kuò)散指數(shù)法存在一定的缺陷，因而本文在對(duì)傳統(tǒng)擴(kuò)散指數(shù)進(jìn)行優(yōu)化的基礎(chǔ)上，運(yùn)用1990年—2014年相關(guān)經(jīng)濟(jì)指標(biāo)的數(shù)據(jù)計(jì)算失業(yè)率擴(kuò)散指數(shù)，并將其與運(yùn)用傳統(tǒng)方法計(jì)算的結(jié)果進(jìn)行比較分析，以期完善和改進(jìn)現(xiàn)有的研究成果，提高失業(yè)預(yù)警模型的實(shí)際應(yīng)用效果。

二、擴(kuò)散指數(shù)及其優(yōu)化

(一)擴(kuò)散指數(shù)

(二)優(yōu)化擴(kuò)散指數(shù)

三、基于優(yōu)化擴(kuò)散指數(shù)的失業(yè)預(yù)警模型

根據(jù)上述關(guān)于擴(kuò)散指數(shù)及優(yōu)化擴(kuò)散指數(shù)的基本原理，宏觀經(jīng)濟(jì)形勢(shì)的變動(dòng)方向、經(jīng)濟(jì)運(yùn)行的擴(kuò)張與收縮程度以及經(jīng)濟(jì)日常波動(dòng)的擴(kuò)散過(guò)程等都可以用擴(kuò)散指數(shù)這一較其他任何單一統(tǒng)計(jì)指標(biāo)更權(quán)威、更可靠的指標(biāo)來(lái)反映。而優(yōu)化后的擴(kuò)散指數(shù)較擴(kuò)散指數(shù)更科學(xué)、更合理。正因如此，擴(kuò)散指數(shù)法歷經(jīng)西方國(guó)家的充分實(shí)踐和不斷補(bǔ)充完善，由此形成的優(yōu)化擴(kuò)散指數(shù)法成為一種已經(jīng)被證明行之有效的經(jīng)濟(jì)景氣分析方法。由于失業(yè)率的變動(dòng)與經(jīng)濟(jì)的景氣變動(dòng)密切相關(guān)，因此，可以用擴(kuò)散指數(shù)來(lái)判斷失業(yè)率的變動(dòng)情況并構(gòu)建失業(yè)預(yù)警模型，即綜合評(píng)價(jià)一系列體現(xiàn)失業(yè)率變動(dòng)敏感性的警兆指標(biāo)，并運(yùn)用由此計(jì)算出的失業(yè)率擴(kuò)散指數(shù)來(lái)確定失業(yè)“警戒線”。

(一)失業(yè)預(yù)警模型的構(gòu)建

運(yùn)用擴(kuò)散指數(shù)法分析宏觀經(jīng)濟(jì)運(yùn)行既要以基本的經(jīng)濟(jì)學(xué)理論為基礎(chǔ)，又要緊密結(jié)合我國(guó)經(jīng)濟(jì)運(yùn)行的具體特征，選擇恰當(dāng)?shù)慕?jīng)濟(jì)指標(biāo)并適時(shí)進(jìn)行必要的調(diào)整。從經(jīng)濟(jì)學(xué)基本理論看，失業(yè)理論是西方經(jīng)濟(jì)學(xué)的一個(gè)重要組成部分，具體包括受經(jīng)濟(jì)周期影響的周期性失業(yè)、隨著季節(jié)變換而變化的季節(jié)性失業(yè)、因工作轉(zhuǎn)換而暫時(shí)出現(xiàn)的摩擦性失業(yè)以及由經(jīng)濟(jì)結(jié)構(gòu)變化而引起的結(jié)構(gòu)性失業(yè)。據(jù)此，可以歸納出影響失業(yè)率的四個(gè)主要方面：一是經(jīng)濟(jì)增長(zhǎng)的影響，即當(dāng)經(jīng)濟(jì)增長(zhǎng)放緩時(shí)，失業(yè)率上升；當(dāng)經(jīng)濟(jì)增長(zhǎng)加快時(shí)，失業(yè)率下降，二者呈負(fù)向變動(dòng)關(guān)系。二是經(jīng)濟(jì)結(jié)構(gòu)的影響，即經(jīng)濟(jì)結(jié)構(gòu)的變動(dòng)導(dǎo)致失業(yè)率的變動(dòng)方向不確定，如工業(yè)中產(chǎn)能過(guò)剩的行業(yè)，其失業(yè)率將上升，而快速發(fā)展的服務(wù)業(yè)等第三產(chǎn)業(yè)，其失業(yè)率將下降，即第三產(chǎn)業(yè)占比不斷上升而第二產(chǎn)業(yè)占比下降的經(jīng)濟(jì)結(jié)構(gòu)調(diào)整對(duì)失業(yè)率的影響較大。三是勞動(dòng)力供給及其影響因素。影響勞動(dòng)力供給的因素主要是勞動(dòng)人口數(shù)，而這又進(jìn)一步受到總?cè)丝跀?shù)、人口自然增長(zhǎng)率、經(jīng)濟(jì)活動(dòng)人口數(shù)的影響，同時(shí)，勞動(dòng)力的年人均貨幣工資、國(guó)家財(cái)政支出總額、撫恤和社會(huì)福利支出也將對(duì)勞動(dòng)力供給產(chǎn)生重要影響，并總體呈負(fù)向變動(dòng)關(guān)系，即勞動(dòng)力的年人均貨幣工資、國(guó)家財(cái)政支出總額、撫恤和社會(huì)福利支出若增加，則勞動(dòng)力就業(yè)的積極性就會(huì)降低，進(jìn)而影響整個(gè)社會(huì)的勞動(dòng)力供給總量。四是勞動(dòng)力需求及其影響因素。勞動(dòng)力的需求是影響失業(yè)率的決定性因素，而影響或體現(xiàn)勞動(dòng)力需求的因素主要在于加快經(jīng)濟(jì)增長(zhǎng)的“三駕馬車(chē)”(即全社會(huì)固定資產(chǎn)投資、社會(huì)消費(fèi)品零售總額和出口總額)，二者呈負(fù)向變動(dòng)關(guān)系，即“三駕馬車(chē)”的較快增長(zhǎng)將有效增加市場(chǎng)對(duì)勞動(dòng)力的需求，進(jìn)而有利于降低全社會(huì)的失業(yè)率。

因此，將上述影響經(jīng)濟(jì)增長(zhǎng)、經(jīng)濟(jì)結(jié)構(gòu)、勞動(dòng)力供給、勞動(dòng)力需求四個(gè)方面的相關(guān)經(jīng)濟(jì)變量設(shè)定為解釋變量，作為影響失業(yè)率的主要因素，具體包括14個(gè)變量：X1代表GDP，X2代表GDP增長(zhǎng)率，X3代表人均GDP，三者從不同角度反映經(jīng)濟(jì)增長(zhǎng)；X4代表第三產(chǎn)業(yè)增加值，X5代表工業(yè)增加值，二者之比代表經(jīng)濟(jì)結(jié)構(gòu)；X6代表總?cè)丝跀?shù)，X7代表人口自然增長(zhǎng)率，X8代表經(jīng)濟(jì)活動(dòng)人口*根據(jù)我國(guó)統(tǒng)計(jì)制度，經(jīng)濟(jì)活動(dòng)人口是指所有年齡在16歲及以上，在一定時(shí)期內(nèi)為各種經(jīng)濟(jì)生產(chǎn)和服務(wù)活動(dòng)提供勞動(dòng)力供給的人口。，三者代表自然的勞動(dòng)力供給；X9代表年人均貨幣工資，X10代表全社會(huì)固定資產(chǎn)投資，X11代表財(cái)政支出總額，X12代表?yè)嵝艉蜕鐣?huì)福利支出，X13代表社會(huì)消費(fèi)品零售總額，X14代表出口總額。其中，X9、X11、X12代表影響勞動(dòng)力供給的因素；X10、X13、X14代表形成和影響勞動(dòng)力需求的因素。另外，Y代表失業(yè)率，限于數(shù)據(jù)的局限性，本文采用城鎮(zhèn)登記失業(yè)率作為被解釋變量，即報(bào)告期末城鎮(zhèn)登記失業(yè)人數(shù)占期末城鎮(zhèn)從業(yè)人員總數(shù)與期末實(shí)有城鎮(zhèn)登記失業(yè)人數(shù)之和的比重。這里選取上述指標(biāo)1990年—2014年的樣本數(shù)據(jù)，且主要來(lái)源于1990年—2015年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》及適當(dāng)計(jì)算。將上述所有價(jià)值量指標(biāo)剔除價(jià)格因素，由此構(gòu)建的多元線性回歸模型為：Y=C+C1X1+C2X2+…+C14X14+ε。利用Eviews8.0計(jì)量分析軟件對(duì)該模型進(jìn)行回歸，結(jié)果見(jiàn)表1：

表1 失業(yè)預(yù)警模型的多元線性回歸結(jié)果

VariableCoefficientStd.Errort-StatisticProb.C-44.0048116.02227-2.7464780.0226X10.0002700.0001991.3560400.2081X20.0099770.0302950.3293270.7494X3-0.0039240.002397-1.6368730.1361X4-4.33E-056.85E-05-0.6324320.5428X53.92E-057.47E-050.5243330.6127X60.0006710.0001783.7629900.0045X70.3924490.1980221.9818460.0788X8-0.0005420.000171-3.1653140.0115X90.0004130.0001412.9252010.0169X10-1.89E-051.02E-05-1.8461960.0979X11-2.21E-057.13E-05-0.3095740.7639X128.44E-050.0003640.2317180.8219X131.65E-053.04E-050.5415940.6012X14-1.85E-051.90E-05-0.9780620.3536R-squared0.987620Meandependentvar3.502083AdjustedR-squared0.968362S.D.dependentvar0.705025S.E.ofregression0.125403Akaikeinfocriterion-1.045391Sumsquaredresid0.141534Schwarzcriterion-0.309107Loglikelihood27.54469Hannan-Quinncriter.-0.850054F-statistic51.28379Durbin-Watsonstat2.567392Prob(F-statistic)0.000001

根據(jù)計(jì)量經(jīng)濟(jì)學(xué)基本原理，R2統(tǒng)計(jì)量用來(lái)衡量在樣本內(nèi)因變量預(yù)測(cè)值的回歸是否成功，是自變量所解釋的因變量的方差。如果回歸完全符合，統(tǒng)計(jì)值會(huì)等于1，表明擬合優(yōu)度好；如果結(jié)果不比因變量的均值好，統(tǒng)計(jì)值會(huì)等于0，表明擬合優(yōu)度差。F統(tǒng)計(jì)量用來(lái)檢驗(yàn)回歸中所有的系數(shù)是否為零(除了常數(shù)或截距)，F(xiàn)統(tǒng)計(jì)量下的P值，即Prob(F-statistic)是F檢驗(yàn)的邊際顯著性水平。如果P值小于所檢驗(yàn)的邊際顯著水平，則拒絕所有系數(shù)都為零的原假設(shè)。DW統(tǒng)計(jì)量用來(lái)衡量殘差一階序列的相關(guān)性，當(dāng)DW值顯著接近于0或4時(shí)，則存在自相關(guān)性，而接近于2時(shí)，則不存在(一階)自相關(guān)性。t檢驗(yàn)是用t分布理論來(lái)推論差異發(fā)生的概率，從而比較兩個(gè)平均數(shù)的差異是否顯著。F檢驗(yàn)是一個(gè)聯(lián)合檢驗(yàn)，即使所有的t統(tǒng)計(jì)量都是不顯著的，F(xiàn)統(tǒng)計(jì)量也可能是高度顯著的。

結(jié)合表1的回歸結(jié)果，R2=0.987620，表明方程的擬合優(yōu)度較好；F統(tǒng)計(jì)量為51.28379，通過(guò)了F檢驗(yàn)，表明方程的顯著性較好；DW值為2.567392，通過(guò)了DW值檢驗(yàn)，表明方程不存在序列相關(guān)。然而，變量的顯著性并不好，有多個(gè)經(jīng)濟(jì)變量的t檢驗(yàn)值未通過(guò)，具體包括GDP(X1)、GDP增長(zhǎng)率(X2)、人均GDP(X3)、第三產(chǎn)業(yè)增加值(X4)、工業(yè)增加值(X5)、人口自然增長(zhǎng)率(X7)、全社會(huì)固定資產(chǎn)投資(X10)、財(cái)政支出總額(X11)、撫恤和社會(huì)福利支出(X12)、社會(huì)消費(fèi)品零售總額(X13)、出口總額(X14)等11個(gè)變量。通過(guò)t檢驗(yàn)值的變量?jī)H包括總?cè)丝跀?shù)(X6)、經(jīng)濟(jì)活動(dòng)人口(X8)、年人均貨幣工資(X9)等3個(gè)變量，這并不能有效解釋失業(yè)率的變動(dòng)情況。上述結(jié)果表明變量之間存在嚴(yán)重的共線性，模型中很可能存在統(tǒng)計(jì)上并不顯著但相互之間存在聯(lián)系的多余變量，這將使回歸模型無(wú)法進(jìn)行準(zhǔn)確的失業(yè)預(yù)警，因此需要對(duì)其加以修正和改進(jìn)。

(二)改進(jìn)的失業(yè)預(yù)警模型

解決多重共線的方法有很多，但各有優(yōu)勢(shì)和不足。如逐步回歸法和嶺回歸均能有效消除自變量之間的多重共線性，但嶺回歸是一種基于放棄回歸系數(shù)一般最小二乘估計(jì)的無(wú)偏估計(jì)性要求的方法，其估計(jì)量的質(zhì)量取決于k值的選取，由于k值的確定存在一定的人為因素，這就導(dǎo)致嶺回歸模型的對(duì)內(nèi)擬合效果較差，而逐步回歸模型則是對(duì)內(nèi)擬合效果最好的解決自變量多重共線性的方法(趙建國(guó)、苗莉，2008)。因此，本文綜合考慮選擇逐步歸回法，且主要采取向后剔除的逐步回歸。與普通逐步回歸法將變量逐個(gè)引入模型中不同，這里的向后剔除法從包括所有變量的模型入手，逐步剔除統(tǒng)計(jì)上不顯著的變量，使所有留在模型中的變量的顯著水平均達(dá)到slstay的默認(rèn)值。據(jù)此，在原失業(yè)預(yù)警模型中，將GDP(X1)、GDP增長(zhǎng)率(X2)、第三產(chǎn)業(yè)增加值(X4)、工業(yè)增加值(X5)、財(cái)政支出總額(X11)、撫恤和社會(huì)福利支出(X12)、社會(huì)消費(fèi)品零售總額(X13)、出口總額(X14)等8個(gè)顯著性水平明顯較低的變量逐步剔除后，剩余的6個(gè)變量滿(mǎn)足要求，包括人均GDP(X3)、總?cè)丝跀?shù)(X6)、人口自然增長(zhǎng)率(X7)、經(jīng)濟(jì)活動(dòng)人口(X8)、年人均貨幣工資(X9)及全社會(huì)固定資產(chǎn)投資(X10)，因而，改進(jìn)后的失業(yè)預(yù)警模型為：Y=C+C3X3+C6X6+C7X7+C8X8+C9X9+C10X10+ε，基于改進(jìn)模型的回歸結(jié)果見(jiàn)表2。

表2 改進(jìn)失業(yè)預(yù)警模型的多元線性回歸結(jié)果

VariableCoefficientStd.Errort-StatisticProb.C-23.201306.687689-3.4692560.0027X3-0.0003155.81E-05-5.4200590.0000X60.0003257.95E-054.0861570.0007X70.2096280.0936522.2383790.0381X82.25E-049.17E-05-2.4543250.0245X93.29E-045.50E-055.9858430.0000X10-7.73E-062.29E-06-3.3690470.0034R-squared0.971422Meandependentvar3.524000AdjustedR-squared0.961896S.D.dependentvar0.698826S.E.ofregression0.136412Akaikeinfocriterion-0.914779Sumsquaredresid0.334948Schwarzcriterion-0.573494Loglikelihood18.43474Hannan-Quinncriter.-0.820121F-statistic101.9769Durbin-Watsonstat1.166718Prob(F-statistic)0.000000

根據(jù)表2的回歸結(jié)果，R2=0.971422，表明方程的擬合優(yōu)度較好；F統(tǒng)計(jì)量為101.9769，通過(guò)了F檢驗(yàn)，表明方程的顯著性較好；同時(shí)，變量的顯著性也非常好，全部變量的t檢驗(yàn)值均通過(guò)了檢驗(yàn)。由于DW檢驗(yàn)存在較大的局限性，為進(jìn)一步檢驗(yàn)方程是否存在序列相關(guān)性，采用LM檢驗(yàn)的結(jié)果是：F統(tǒng)計(jì)量為2.283039，p值為0.1342；觀測(cè)值數(shù)量nR2為5.550498，p值為0.0623。由于p值均大于5%，即接受原假設(shè)(不存在序列相關(guān))。因此，人均GDP、總?cè)丝跀?shù)、人口自然增長(zhǎng)率、經(jīng)濟(jì)活動(dòng)人口、年人均貨幣工資及全社會(huì)固定資產(chǎn)投資等6個(gè)變量可綜合反映失業(yè)率的變動(dòng)情況，即可作為失業(yè)率擴(kuò)散指數(shù)的警兆指標(biāo)。從我國(guó)經(jīng)濟(jì)運(yùn)行的實(shí)際情況看，我國(guó)總體上仍然屬于投資拉動(dòng)型經(jīng)濟(jì)，全社會(huì)固定資產(chǎn)投資對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)依然很大，由此決定了投資對(duì)勞動(dòng)力需求的重大影響；同時(shí)，投資拉動(dòng)經(jīng)濟(jì)增長(zhǎng)將有效提升人均GDP增速，從而進(jìn)一步增加市場(chǎng)的勞動(dòng)力需求，全社會(huì)固定資產(chǎn)投資正是通過(guò)直接和間接兩種方式而成為降低失業(yè)率的重要途徑。另外，總?cè)丝跀?shù)、人口自然增長(zhǎng)率、經(jīng)濟(jì)活動(dòng)人口則制約著勞動(dòng)力供給的總量規(guī)模，年人均貨幣工資對(duì)勞動(dòng)力供給的影響是在這一總量規(guī)模約束下的一種有限作用。因此，模型最終保留的影響失業(yè)率的6個(gè)經(jīng)濟(jì)變量既符合理論要求，又與我國(guó)的實(shí)際情況相吻合。

(三)計(jì)算失業(yè)率擴(kuò)散指數(shù)

一方面，基于傳統(tǒng)方法計(jì)算的失業(yè)率擴(kuò)散指數(shù)。一般常用各變量的平均值進(jìn)行比較，因而先計(jì)算6個(gè)警兆指標(biāo)各自的平均數(shù)，并將高于平均數(shù)時(shí)點(diǎn)的警兆值賦為1，持平時(shí)點(diǎn)的警兆值賦為0.5，下降時(shí)點(diǎn)的警兆值賦為0，則每一時(shí)點(diǎn)的失業(yè)率擴(kuò)散指數(shù)等于該時(shí)點(diǎn)高于平均數(shù)的警兆數(shù)目乘以其權(quán)重1與該時(shí)點(diǎn)持平的警兆數(shù)目乘以其權(quán)重0.5之和占該時(shí)點(diǎn)全部警兆數(shù)目的百分比，由此計(jì)算的失業(yè)率擴(kuò)散指數(shù)走勢(shì)見(jiàn)圖1。

圖1:傳統(tǒng)方法計(jì)算的失業(yè)率擴(kuò)散指數(shù)

另一方面，基于優(yōu)化擴(kuò)散指數(shù)計(jì)算的失業(yè)率擴(kuò)散指數(shù)。一般以各指標(biāo)的環(huán)比增長(zhǎng)率為研究對(duì)象。先根據(jù)6個(gè)警兆指標(biāo)的回歸系數(shù)確定其權(quán)重序列為：w=[0.05，0.05，0.1，0.2，0.2，0.4]；再根據(jù)各指標(biāo)環(huán)比增長(zhǎng)率變化情況確定l=0.8；最后運(yùn)用Matlab和SPSS統(tǒng)計(jì)分析軟件即可計(jì)算得到失業(yè)率擴(kuò)散指數(shù)，其走勢(shì)見(jiàn)圖2。

圖2:優(yōu)化方法計(jì)算的失業(yè)率擴(kuò)散指數(shù)

由圖1和圖2可以看出，分別基于傳統(tǒng)方法和優(yōu)化方法計(jì)算的兩個(gè)失業(yè)率擴(kuò)散指數(shù)的走勢(shì)并不一致，將二者分別與城鎮(zhèn)登記失業(yè)率和真實(shí)失業(yè)率進(jìn)行比較可以發(fā)現(xiàn)，前者與城鎮(zhèn)登記失業(yè)率的走勢(shì)基本一致，但除了幾個(gè)重要拐點(diǎn)外，其余的擴(kuò)散指數(shù)都呈水平走勢(shì)，并沒(méi)有反映出失業(yè)率的實(shí)際波動(dòng)情況，而且由于城鎮(zhèn)登記失業(yè)率本身存在一定缺陷，與城鎮(zhèn)登記失業(yè)率走勢(shì)基本一致的失業(yè)率擴(kuò)散指數(shù)很可能存在同樣的不足；后者與真實(shí)失業(yè)率的走勢(shì)基本一致，其中，真實(shí)失業(yè)率根據(jù)丁仁船(2007)的處理辦法，即假設(shè)城鎮(zhèn)失業(yè)人口由下崗人員、大學(xué)生失業(yè)人數(shù)、外來(lái)失業(yè)人員和本地失業(yè)人數(shù)四類(lèi)構(gòu)成，并將其逐類(lèi)進(jìn)行合并調(diào)整計(jì)算而來(lái)。因此，基于優(yōu)化的擴(kuò)散指數(shù)計(jì)算的失業(yè)率擴(kuò)散指數(shù)更為科學(xué)合理，更符合失業(yè)預(yù)警模型的要求。究其原因，優(yōu)化擴(kuò)散指數(shù)充分考慮了相關(guān)指標(biāo)受到其自身擴(kuò)張度的影響，完全排除了人為縮放模型確定的波谷、波峰、波動(dòng)位勢(shì)和波形的可能，避免了將微增指標(biāo)的上升態(tài)勢(shì)擴(kuò)大為高峰、將微減指標(biāo)的下降態(tài)勢(shì)縮減為深谷等不合理現(xiàn)象的出現(xiàn)，因此，沒(méi)有引致變量指標(biāo)的失業(yè)波動(dòng)失真和失業(yè)預(yù)警失誤。這正凸現(xiàn)了優(yōu)化擴(kuò)散指數(shù)較傳統(tǒng)擴(kuò)散指數(shù)的優(yōu)勢(shì)。

運(yùn)用DELPHI法設(shè)定失業(yè)率擴(kuò)散指數(shù)的判定規(guī)則為：當(dāng)0

四、結(jié)論及建議

總之，優(yōu)化后計(jì)算的失業(yè)率擴(kuò)散指數(shù)較傳統(tǒng)方法計(jì)算的失業(yè)率擴(kuò)散指數(shù)更為科學(xué)合理，我國(guó)目前的失業(yè)狀況并未出現(xiàn)警情，但近兩年失業(yè)率擴(kuò)散指數(shù)呈現(xiàn)的上升趨勢(shì)需要高度重視，應(yīng)采取必要的應(yīng)對(duì)措施。根據(jù)改進(jìn)后的失業(yè)預(yù)警模型，全社會(huì)固定資產(chǎn)投資、經(jīng)濟(jì)活動(dòng)人口等6個(gè)警兆指標(biāo)是影響失業(yè)率的重要變量，因而成為防范失業(yè)警情出現(xiàn)的主要著力點(diǎn)。具體來(lái)說(shuō)：

一方面，全社會(huì)固定資產(chǎn)投資和經(jīng)濟(jì)活動(dòng)人口對(duì)失業(yè)率的影響較大且為負(fù)向牽引，這是因?yàn)楣潭ㄙY產(chǎn)投資的增加可以拉動(dòng)經(jīng)濟(jì)增長(zhǎng)，帶動(dòng)經(jīng)濟(jì)活動(dòng)人口和就業(yè)增加，必然導(dǎo)致失業(yè)率相應(yīng)下降，因而成為防范失業(yè)警情出現(xiàn)的一條重要路徑。雖然我國(guó)過(guò)去“投資拉動(dòng)型”的經(jīng)濟(jì)增長(zhǎng)已經(jīng)不可持續(xù)，且在當(dāng)前產(chǎn)能過(guò)剩的經(jīng)濟(jì)形勢(shì)下，完全依賴(lài)固定資產(chǎn)投資降低失業(yè)率并不合時(shí)宜,但經(jīng)濟(jì)增長(zhǎng)由“投資拉動(dòng)型”轉(zhuǎn)向“消費(fèi)拉動(dòng)型”還需要一定的時(shí)間，因?yàn)橄M(fèi)增長(zhǎng)最終依賴(lài)于產(chǎn)品的技術(shù)創(chuàng)新和產(chǎn)業(yè)升級(jí)，而這都迫切需要大量的投資。因此，合理調(diào)整投資結(jié)構(gòu)、提高投資效率，在產(chǎn)業(yè)升級(jí)、基礎(chǔ)設(shè)施完善、環(huán)境改善、城鎮(zhèn)化建設(shè)等方面加大投資力度，不僅能夠有效緩解產(chǎn)能過(guò)剩，而且能夠有效馳援經(jīng)濟(jì)增長(zhǎng)，進(jìn)而帶動(dòng)就業(yè)人口增加，有效防范失業(yè)風(fēng)險(xiǎn)。

另一方面，由于年人均貨幣工資、人均GDP、人口自然增長(zhǎng)率和總?cè)丝跀?shù)均對(duì)失業(yè)率產(chǎn)生一定影響，因而提高居民收入水平并引導(dǎo)居民合理消費(fèi)、積極就業(yè)等是防范失業(yè)警情出現(xiàn)的又一重要路徑。年人均貨幣工資主要影響居民的消費(fèi)水平，進(jìn)而影響宏觀經(jīng)濟(jì)中消費(fèi)的增長(zhǎng)。年人均貨幣工資與失業(yè)率呈負(fù)向變動(dòng)關(guān)系，年人均貨幣工資增長(zhǎng)引發(fā)的消費(fèi)增長(zhǎng)將通過(guò)拉動(dòng)經(jīng)濟(jì)來(lái)增加就業(yè)機(jī)會(huì)，進(jìn)而降低失業(yè)率。但這取決于兩個(gè)條件：一是年人均貨幣工資必須能夠?qū)崿F(xiàn)穩(wěn)定增長(zhǎng)?？梢酝ㄟ^(guò)營(yíng)造大眾創(chuàng)新、萬(wàn)眾創(chuàng)業(yè)的氛圍和環(huán)境，千方百計(jì)擴(kuò)大就業(yè)和創(chuàng)業(yè)機(jī)會(huì)；加快分配制度改革，提高農(nóng)民收入，提高居民財(cái)產(chǎn)性收入比重；推進(jìn)激活居民消費(fèi)的稅制改革，提高財(cái)政支出中保障性支出的比重。二是必須合理引導(dǎo)實(shí)現(xiàn)增長(zhǎng)的年人均貨幣工資轉(zhuǎn)化為有效的消費(fèi)支出。通過(guò)調(diào)整稅收和財(cái)政支出結(jié)構(gòu)，制定靈活適度的產(chǎn)業(yè)引導(dǎo)政策，穩(wěn)定居民消費(fèi)預(yù)期，提升居民邊際消費(fèi)傾向；認(rèn)真貫徹落實(shí)國(guó)家發(fā)改委發(fā)布的《關(guān)于促進(jìn)消費(fèi)帶動(dòng)轉(zhuǎn)型升級(jí)的行動(dòng)方案》，圍繞住房、汽車(chē)、旅游等在內(nèi)的十大方向共38個(gè)小項(xiàng)，促進(jìn)居民消費(fèi)的擴(kuò)大和升級(jí)。

[1]勞動(dòng)和社會(huì)保障部勞動(dòng)科學(xué)研究所課題組.我國(guó)失業(yè)預(yù)警系統(tǒng)與就業(yè)對(duì)策研究[J]．經(jīng)濟(jì)研究參考，2002(34)：55-57．

[2]Harvey,Andrew.Forecasting，Structural Time Series Models and the Kalman Filter[M].Cambridge University Press，1990.

[3]Goldfarb,R.S.,Adams,A.V..Designing a System of Labor Market Statistics and Information[Z].World Bank Discussion Papers，Washington，D．C．，1993(205)：156．

[4]王斌會(huì)，韓兆洲.廣州市失業(yè)預(yù)警系統(tǒng)研究[J].統(tǒng)計(jì)與預(yù)測(cè)，2002(5):14-16.

[5]趙建國(guó)．基于擴(kuò)散指數(shù)法的失業(yè)預(yù)警模型及實(shí)證分析[J]．財(cái)經(jīng)問(wèn)題研究，2005(11)：81-84．

[6]趙建國(guó),苗莉．基于擴(kuò)散指數(shù)的逐步回歸改進(jìn)失業(yè)預(yù)警模型及實(shí)證分析[J]．中國(guó)人口科學(xué)，2008(5)：52-56．

[7]張得志.中國(guó)經(jīng)濟(jì)高速增長(zhǎng)過(guò)程中的勞動(dòng)就業(yè)及其失業(yè)預(yù)警研究[D].上海:復(fù)旦大學(xué)，2007:131-133．

[8]陳仲常,吳永球．失業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究[J].當(dāng)代財(cái)經(jīng)，2005(8)：5-10．

[9]廖雅珍,廖添土.基于擴(kuò)散指數(shù)法的小城鎮(zhèn)失業(yè)預(yù)警模型及實(shí)證分析——以福建龍巖市為例[J].重慶交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2014(6)：45-48．

[10]王東,陳詩(shī)駿.基于優(yōu)化擴(kuò)散指數(shù)法對(duì)房地產(chǎn)周期波動(dòng)的研究[J].經(jīng)濟(jì)評(píng)論，2007(5)：77-79．

[11]李斌，丁烈云.房地產(chǎn)景氣預(yù)警中DI的改進(jìn)及與DI的精度比較研究[J].系統(tǒng)工程理論與實(shí)踐，2003(1):88-93.

[12]丁仁船，王大犇.1990年以來(lái)我國(guó)城鎮(zhèn)真實(shí)失業(yè)率有多高?[J].人口與發(fā)展，2007(6):27-31.

(責(zé)任編輯：汪愛(ài)琴)

Empirical Study on Early-warning Model of Unemployment in China Based on the Perspective of Optimizing Diffusion Index Method

Zheng Yan, Zeng Xuemei

( Harbin University of Commerce, Harbin 150028)

The early-warning model of unemployment has been constructed based on diffusion index method nowadays, but limited by the defect of traditional diffusion index method, the actual unemployment warning effect of the determined “l(fā)ine” is not ideal. Therefore, the paper builds the unemployed early-warning model based on the optimization of the diffusion index method, and holds the conclusion that our country did not appear alarm in the present, but it needs to attach great importance to the fact that unemployment rate diffusion index showed a rise trend. So accordingly puts forward two basic path against unemployed early-warning, the one is adjusting reasonably the investment structure, increasing investment in key areas and improving the efficiency of investment, and the other is improving the residents’ income level, encouraging actively innovation and entrepreneurship, promoting the Consumption upgrade.

Early-warning Model of Unemployment；Optimized Diffusion Index Method；Empirical Study

2016-08-26

國(guó)家社會(huì)科學(xué)基金項(xiàng)目“實(shí)現(xiàn)高質(zhì)量就業(yè)公共服務(wù)體系研究”(14BJY032)

鄭巖(1979-)，女，副教授，博士，研究方向：社會(huì)保障、財(cái)政學(xué)、西方經(jīng)濟(jì)學(xué)；曾雪梅(1992-)，女，碩士研究生，研究方向：勞動(dòng)與社會(huì)保障。

F241.4

A

1007-8576(2016)05-0013-07

10.16716/j.cnki.65-1030/f.2016.05.002