《就业主成分分析》由会员分享，可在线阅读，更多相关《就业主成分分析（12页珍藏版）》请在金锄头文库上搜索。
1、目录一、研究的背景及意义1二、理论综述2（一）凯恩斯以前的就业理论2（二）近代凯恩斯的充分就业理论2（三）现代就业理论2三、具体实证分析3（一）指标选取及来源3（二）主成分分析4四、相应建议10参考文献：11摘要：就业问题是一个影响国家民生的重要问题，就业问题牵涉广泛，影响深远。近年来，我国高校毕业生数量逐年增多，大学生面临严峻的就业形势，加上 09年全球金融危机的影响，就业形势至今仍处于紧张的状况。面对即将就业的大学生，选择一个好的城市就业发展比较关键。因此必须对就业问题进行全面深入分析。本文研究对象是我国31个省市直辖市地区就业影响因素，通过对就业相关因素进行主成分分析，分析我国各个省市的
2、就业情况，并向当前大学生提出就业意见，从而提高我国的就业率。【关键词】 就业形势 经济发展 主成分分析 就业城市选择一、研究的背景及意义 我国的经济一直在飞速发展，可是在经济发展的背后却存在着许多重大的问题，就业问题就是其中一个不容忽视的问题，其已成为各国面临和关注的一个焦点。对于就业压力日益严峻的中国市场来说，积极扩大就业,降低社会失业率,是近年来我国政府宏观调控的主要目标之一。作为一个特殊的群体，大学生的就业将遭遇多方面的挑战和挤压，在整群环境担忧的情况下，应届毕业生在就业过程中或许将不得不面对残酷的现实。 大学生就业难已不是一个新问题，每年全国都会有几百万的大学生毕业，但是仍然会有百分之
3、十几的应届大学生找不到工作。从目前高校对大学生的就业状况统计看，大学生就业前途仍旧不容乐观。受2009年金融危机的影响，带来的工作岗位的减少，大量员工失业。目前形势虽然有所缓和，但是对于没有社会经验的应届毕业生来说，就业形势紧张的现状似乎仍然无法避免。根据现状调查了解很多大学生比较喜欢到北京、上海、广东这些一线城市就业发展，然而对于就业最好的城市的选择是不是真的适合，这就需要我们根据数据分析各省市的就业形势，对大学生就业给出指导性建议。我们知道就业的影响因素是多方面的，有国内生产总值、总人口数、固定资产投资总额、工业总产值、农林牧渔业总产值、城镇单位就业人员平均工资合计、就业人员总数、失业人员
4、总数等。通过2011年中国统计年鉴查找最新相关数据，利用SPSS软件分别对各个因素进行了主成分分析，进而从数据分析中了解各个省市的就业发展现状。二、理论综述（一）凯恩斯以前的就业理论该理论诞生于凯恩斯宏观经济理论出现以前，其理论基石是萨伊定律，坚信生产会自动创造需求，倡导自由放任的市场经济观念，反对政府干预经济。该理论从萨伊定律出发，认为经济社会中并不存在大规模的失业，失业是劳动力生产供求不相称的结果。如果工资可以随劳动力供求变化而自由涨落，那么通过市场价格机制的自发调节作用，可使一切可供使用的劳动力资源都被用于生产，从而实现充分就业，即通过市场均衡自动实现充分就业。因此就此理论，要想解决失业
5、问题就必须降低劳动力工资。（二）近代凯恩斯的充分就业理论该理论产生于1929-1933年第一次世界经济危机时期，是建立在一个使严格意义上的非自愿失业成为可能运行方式的理论体系。凯恩斯认为，失业增加的根本原因是周期性的经济萧条所引起的有效需求不足。为此，要治理这种失业就必须依靠政府通过反周期的扩张性宏观经济政策来提高有效需求，通过增加消费和投资以达到促进就业、解决就业问题的目标。（三）现代就业理论二次世界大战以后，虽然凯恩斯主义为西方各主要资本主义国家所普遍接受和推行，但凯恩斯主义政策并没有从根本上消除资本主义社会所固有的矛盾，国家干预刺激生产的同时也为更严重的危机提供条件，最终导致20世界70
6、年代的经济停滞、失业同通货膨胀并存的滞胀局面。面对这种局面，为了解释并解决困扰资本主义经济的这一难题，各种新的理论、学说纷纷出现，呈现了流派林立、观点迭出的境况。具体来讲，主要包括以下各理论流派。1.后凯恩斯主义的就业理论。要解决失业问题单靠宏观的财政政策和货币政策是不够的，还必须运用劳动力市场和人力政策来实现充分就业。2.货币主义的就业理论。该理论的核心是自然失业率的假说。该理论认为劳动力市场的运动趋势总是朝着自然失业率的方向发展。加速通货紧缩是实现自然失业率的有效手段。3.人力资本投资理论。人力资本投资在形成和提高劳动力质量的同时，也使劳动者的劳动能力呈现异质性和不可替代性。因此劳动力市场
7、必须有消极转到积极。三、具体实证分析（一）指标选取及来源经济增长和通货膨胀为宏观经济中特别重要的三个指标，就业(或失业)是社会、国民经济中极其重要的间题。经济学上影响就业的因素很多，人口、就业人口、消费、投资、政府购买和进出口、不同地区、不同产业、中央政府调整宏观经济政策，以及对不同地区和不同产业实行不同的扶持政策都会对就业产生巨大的影响。针对就业问题,通过有关数据分析,运用SPSS,采取主成分分析法提取主要影响因素或指标,建立了就业人数的数学模型。影响我国就业因素主要有经济因素、人口因素、各个产业产值因素、就业人员的工资水平因素、就业失业人数因素等，因此综合考虑从上述几个方面我选择了8个相关
8、指标，分别是地区生产总值、总人口数、固定资产投资总额、工业总产值、农林牧渔业总产值、城镇单位就业人员平均工资合计、就业人员、失业人员。如下所示。设：X1：地区生产总值（亿元）X2：总人口数（万人）X3：固定资产投资总额（亿元）X4：工业总产值（亿元）X5：农林牧渔业总产值（亿元）X6：城镇单位就业人员平均工资合计（元）X7：就业人员（万人）X8：失业人员（万人） 通过相关资料的查找，得到最新我国2010年上述的8个指标的数据，如表1所示。 表1 2010年影响我国就业指标数据地 区X1X2X3X4X5X6X7X8北 京14113.581961540313699.84328651581317.7
9、7.7天 津9224.4612946278.116751.82317.351489520.816.1河 北20394.26718515083.431143.294309.4314513790.235.1山 西9200.8635716063.212471.331047.8330571665.120.4内蒙古1167224718926.513406.111843.6352111184.720.8辽 宁18457.2743751604336219.423106.5344372238.138.9吉 林8667.5827467870.413098.351850.3290031248.722.7黑龙江10
10、368.638316812.69535.152536.3277351743.436.2上 海17165.9823025108.930114.4128766115924.727.7江 苏41425.48786623184.392056.484297.1397724731.740.6浙 江27722.3154431237651394.22172.9406403989.231.1安 徽12359.33595011542.9187322955.4333413846.826.9福 建14737.1236898199.121901.232307.1323402181.314.5江 西9451.264457
11、8772.313883.061900.6283632306.126.3山 东39169.92957923280.583851.46650.9333215654.759.5河 南23092.36940216585.934995.535734.2298196041.638.2湖 北15967.61572410262.721623.123502318113116.555.7湖 南16037.9665689663.619008.833787.5296704007.743.2广 东46013.061043015623.785824.643754.9404325776.939.3广 西9569.85460
12、37057.69644.132721306732945.319.1海 南2064.586713171381.25821.330775445.74.8重 庆7925.5828856688.99143.551021.1347271912.113四 川17185.48804213116.723147.384081.8325674997.634.6贵 州4602.1634753104.94206.37997.8304332402.212.2云 南7224.1845975528.76464.631810.5291952814.115.7西 藏507.46300462.762.22100.84989817
13、52.1陕 西10123.4837337963.711199.841666.133384195221.4甘 肃4120.7525583158.34882.681057290961431.910.7青 海1350.435631016.91481.99201.336121294.14.2宁 夏1689.656301444.21924.39305.9371663264.8新 疆5437.4721813423.25341.91846.232003852.611数据来源：2011年统计年鉴（二）主成分分析在数据处理中，经常会遇到高维数据组，由于数据维数过高，则变量较多，而且变量间往往存在相关关系，因此很
14、难直接抓住他们的主要信息，这就需要有一种简化数据的方法，是高维数据降维，来获得主要的信息，而且在低维空间将信息分解为互不相关的部分以获得更有意义的解释。主成分分析就是这样一种处理高维数据的方法，将高维数据尽可能少的信息损失为原则进行综合化为少数几个不相关的变量。本篇论文研究的就是2010年我国31个省市地区的就业问题，其中选取了8个影响就业的因素变量相关的指标，最后通过主成分分析，得出几个主要影响我国就业方面的因素。下面通过SPSS软件对上述数据进行主成分分析，分别得到如下结论。表2 描述性统计量 MeanStd. DeviationAnalysis NX114098.128711401.3455031X24299.2903276
