金融学院 08保险二班 姜宏 200826002
【摘要】本文通过对各地区的数据进行计量经济分析，探讨相关经济变量对就业人数的影响，并以工资额与就业人数为代表构建模型 【关键字】大学生就业 工资额 就业人数 一、引言
就业是我们很关注的问题，人口就业和收入分配是关系国计民生的热点问题。在国际金融危机冲击和复杂多变的经济形势下，深入贯彻落实科学发展观，及时解决经济运行中的问题，经济发展总体上呈现平稳发展的局面，就业局势总体保持稳定，新增就业人数创出新高，劳动报酬总额、工资水平稳步提高。
最近，据中国媒体援引人力和社会保障部的最新统计数据，二零一零年全国高校毕业生为630万人，比去年的611万多19万人，加上往届未能就业的，需要就业的毕业生数量很大，高校毕业生就业形势十分严峻。 随着九十年代末大学扩招和教育产业化政策推行以来，大学生人数的增幅远远超过经济增长所需要的人才增长，大学生就业不难才是怪事，\"毕业即失业\"成为中国大学生的普遍现象。 尽管如此，中国教育部决定继续扩大全日制专业学位硕士研究生招生规模，努力培养更多高层次、应用型人才。表面上看，研究生扩招能提高大学生学历层次，可以缓解就业难。但是，如果不清理高等教育积弊，扩招研究生来应对就业难将是饮鸩止渴，使就业矛盾更加突出。
随着市场就业体系的形成及隐性失业的显性化，单纯依靠经济发展对劳动力需求的拉动，难以全面解决劳动就业问题。从我国劳动力供需矛盾尖锐化的国情出发，通过各种途径减少劳动力市场上的过度供给，缓解就业压力，应当作为制定就业政策的一个重要考虑内容。作为长期决策，要确立高素质人才优先就业的方针。政府应对各类企业进行分类，对高科技企业，如电力、化工、电子信息、机械制造等行业，给予特殊劳动力的供给政策，进入这些企业的人员就当具备较高的学历水平。工资额也应和就业相适应，对此提出计量分析。 二、理论分析
就业问题是宏观调控的四大目标之一,由于就业涉及的影响因素众多,仅仅只从数据来判断影响因子是缺乏理论依据的.以城镇就业人数作为被解释变量以宏观指标作为解释变量建立模型,发现城镇就业人数受经济增长、工资额、居民消费支出和固定资产投资影响很大.
（一）经济增长是扩大就业的基础。据专家分析上半年国民经济快速发展，为城镇新增就业工作完成年初预期目标的70％奠定了坚实基础。上半年，我国国内生产总值同比增长11．5％，比上年同期加快0．5个百分点；财政收入增长30．6％，为近年来最高水平；城镇居民人均可支配收入实际增长14．2％，农民人均现金收入实际增长13．3％，增幅之高为近年来所少有。而劳动和社.会保障部信息中心的一份研究报告指出，经济增长1个百分点能够带来就业增长0．107个百分点。“城镇登记失业率呈下降趋势。”劳动和社.会保障部新闻发言人尹成基指出，中国城镇登记失业率改变了上世纪90年代后期出现的逐
1
年走高势头，2006年比2005年下降了0．1个百分点；今年上半年为4．1％，同比又下降了0．1个百分点。“经济持续高速增长，带动劳动力市场高位运行。”劳动和社.会保障部信息中心副主任翟燕立认为，劳动力供求变化与国民经济高度相关，劳动力市场已成为中国宏观经济晴雨表之一。2003年至2006年，中国经济连续4年两位数加速增长，创下改革开放以来从未有过的高增长的上升周期。而今年上半年，经济增长率更是创下了11．5％的新高，迅速拉动了劳动力市场的发展。
（二）随着经济结构的不断调整,非公有制经济有了快速发展,同时由于人们择业观念转变,很多人离开国有和集体单位,进入混合经济单位及私营个体经济单位就业，使得就业方式日趋多样化。“十五”期间非公有经济成为全省扩大就业的主渠道，公有制经济单位就业人员比重下降,非公有制经济单位就业人员比重上升。2000年，城镇国有经济单位就业人员为314.8万人，占城镇全部就业人员的48.2％；集体经济单位91.2万人，占14.0％；非公有经济就业人员246.9万人，占37.8%。到2005年，城镇国有单位就业人员为208.7万人，仅占城镇就业人员总数的28.6％，下降了近20个百分点；集体单位下降为30.8万人，占4.2％，下降了近10个百分点；而非公有制经济单位就业人数则呈快速上升的态势，就业人员达491.2万人，占城镇就业人员的67.2％，上升29.4个百分点。其中个体123.6万人，占16.9％；私营企业82.4万人，占11.8％;股份合作单位、联营经济单位、有限责任公司、股份有限公司、港澳台投资经济单位、外商投资经济单位就业的人员达到92.2万人，占12.6％;自营劳动者188.9万人，占25.9％。这说明，城镇的就业人员中，其就业结构已呈现多元化趋势。 三、计量分析 （一）散点图分析
各地区工资总额（x）对就业人数（y）的分析
初步预测可能存在异方差
（二）构建模型
假设模型1.y=a＋bx+ u 假设模型2.lny=a+lnx+u （三）参数估计及模型检验
假设模型1.y=a＋bx+ u
其中y代表就业人数；代表工资总额；u代表随机误差，表示未纳入模型的其他因素对就业人数的影响。
2
假设模型满足古典假设，用EViews拟合的数据用最小二乘法对模型进行参数估计。估计后的模型标准表格式如下：（见附表）
Y=18.10736674+0.2303484446*X T=（0.3273）（6.7823） Se=（55.3257）（0.0340）
R^2=0.6216 F=46.0001 DW=1.8071 利用white检验：
White Heteroskedasticity Test: F-statistic
Obs*R-squared 10.28009 Probability 12.96895 Probability
0.000479 0.001527
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 12/29/10 Time: 15:21 Sample: 1901 1930
Included observations: 30 Variable C Y Y^2 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Durbin-Watson stat
Coefficient -1324.012 -7.115290 0.015156 Std. Error 28942.99 39.63356 0.010432 t-Statistic -0.045746 -0.179527 1.452769 Prob. 0.9638 0.8589 0.1578 29507.50 75102.71 24.89104 25.03116 10.28009 0.000479
0.432298 Mean dependent var 0.390246 S.D. dependent var 58645.25 Akaike info criterion 9.29E+10 Schwarz criterion -370.3656 F-statistic
2.329360 Prob(F-statistic)
经检验存在异方差。而且由以上分析可知可决系数比较小，模型拟合不是很好，做更改模型处理，再进行分析。
假设模型2.lny=a+lnx+u
其中y代表就业人数；x代表工资总额；u代表随机误差，表示未纳入模型的其他因素对就业人数的影响。该模型可以进行弹性分析。
假设模型满足古典假设，用EViews拟合的数据用最小二乘法对模型进行参数估计。估计后的模型标准表格式如下：（见附表）
LNY=-0.789315319+0.9041003052*LNX T=（-1.3825）（10.9710） Se=（0.5709）（0.0824）
R^2=0.8112 F=120.3633 DW=1.7310
由以上分析可知可决系数高，该模型拟合好。通过White检验可知不存在异方差，通过偏相关系数检验和 LM检验可知不存在自相关。可将模型变换为：
Y=e^0.7893x^0.9041
模型参数的经济含义：工资额每增加1%，就业人数平均增加0.9041%，由此可知工资额与就业人数存在高度相关。
（四）结论
工资额与就业人数存在高度相关。今天，还有很多意见认为为了“经济增长”可以暂时不考虑民生，他们认为只有\"经济增长\"了，才能保住民生。然而，这种舍本趋末的\"经济增长\"又有何意义呢？实际上，劳动法不仅不能暂缓落实，还应该进一步加大落实力度，工人的工资不仅不能减少，还应该逐年提高。尽管一个企业增加工资或者增加雇工，必然会使得总需求有相应的增加，但这些新增的需求要被成千上万的企业瓜分掉，使得我们几乎无法实际观察到这种增加，但是，如果我们采取一项强制的政策措施，让所有企业一起加薪，则总需求和总就业的增加是显着的，是可以观察到的。西方国家，有强大的工会，工
3
人高工资，这不仅没有把企业搞垮，反而却保持了长期的繁荣。实施工资与企业增值相挂钩的办法。简单来说，就是：如今天普遍实施17%的增值税那样，规定工资也应 当占有一个相对固定的比例，如从现在的大约11%逐步强制提高到30-40%左右。工资额与就业人数在一定程度上呈现正相关。
附表：
（一） 建立初始模型1的EViews输出表：
Dependent Variable: Y Method: Least Squares
Date: 12/29/10 Time: 11:39 Sample: 1 30
Included observations: 30 Variable
C X R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Durbin-Watson stat CoefficienStd. Error t-Statistic
t 18.10737 0.230348 55.32568 0.033963 0.327287 6.782337 Prob. 0.7459 0.0000 321.9600 284.0305 13.26361 13.35702 46.00010 0.000000 0.621622 Mean dependent var 0.608109 S.D. dependent var 177.8066 Akaike info
criterion
885225.0 Schwarz criterion -196.9542 F-statistic
1.807191 Prob(F-statistic)
（二）建立初始模型2的EViews输出表：
Dependent Variable: LNY Method: Least Squares
Date: 12/29/10 Time: 11:59 Sample: 1 30
Included observations: 30 Variable C LNX R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Durbin-Watson stat CoefficienStd. Error t-Statistic
t -0.789315 0.904100 0.570939 -1.382487 0.082408 10.97102 Prob. 0.1778 0.0000 5.422964 0.905158 1.070558 1.163971 120.3633 0.000000 0.811274 Mean dependent var 0.804534 S.D. dependent var 0.400184 Akaike info
criterion
4.484130 Schwarz criterion -14.05836 F-statistic
1.730995 Prob(F-statistic) 4
（三）构建模型所引用的数据资料：（来自2009年统计年鉴）
各地区城镇单位就业人员工资总额和人数
地 区 工资总额 就业人数 地 区 工资总额
北 京 天 津 3545.6 886.5 297.0 113.9 湖 北 湖 南 1282.2 1265.4 就业人数
414.1 334.6 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南
5
1398.2 1073.0 761.8 1557.5 689.5 1162.2 2287.8 2520.0 2917.8 1021.2 1318.0 695.0 2699.0 1953.2 452.3 广132.0 广193.7 海499.9 重196.3 四240.2 贵338.1 云1147.1 西689.8 陕277.3 甘319.6 青230.3 宁536.9 新332.4
东 西 南 庆 川 州 南 藏 西 肃 海 夏 疆 3800.5 1222.2 810.7 220.2 196.7 70.5 743.1 249.8 1578.3 444.2 588.1 91.2 812.0 280.9 95.0 28.6 1038.0 106.8 517.7 107.5 163.6 39.4 195.4 52.0 715.1
130.0
安徽财经大学金融学院
计量经济学课程论文
论文题目 关于影响就业人数因素的计量分析
学生姓名 姜 宏
学 号 200826002
学科专业 08保险（2）班
6
因篇幅问题不能全部显示，请点此查看更多更全内容