《关于影响大学生就业问题与人口老龄化问题的因素分析与思考》由会员分享，可在线阅读，更多相关《关于影响大学生就业问题与人口老龄化问题的因素分析与思考（12页珍藏版）》请在金锄头文库上搜索。
1、关于影响大学生就业问题与人口老龄化问题的因素分析与思考 关于影响大学生就业问题与人口老龄化问题的因素分析与思考一、引言： 上世纪90年代后期，我国人口再生产类型实现了历史性的转变,但人口和计划生育形势并不乐观，一方面稳定低生育水平的任务仍然艰巨，另一方面就业人口、老龄人口、流动人口增加以及出生人口性别比例失调等问题日益显现。同时，全面建设小康社会目标的提出，以及在发展中出现的严重环境问题、资源问题等等，提醒全社会对新世纪我国人口问题的长期性、艰巨性和复杂性进行深入思考。二、内容概要： （一）.影响大学生就业问题的因素分析与思考对两大社会人口问题的分析与思考 （二）.影响人口老龄化问题因素分析与
2、思考.三、关键词：（一）大学毕业生 就业 对策；（二）人口 老龄化. ( 一 )、大学毕业生就业形势分析与思考. 1、背景： 2003年中国总人口继续增长，农村人口继续向城市转移，劳动力供求总量增长，失业率有所上升，大学生就业受到全社会普遍关注。 2004年中国总人口将突破13亿。2004年我国将提供新的就业岗位900万个左右，城镇登记失业率将上升到4.7%以上，大学生就业问题突出。 2、我国人口就业现状分析： 据专家预测，我国将能提供新的就业岗位900万个左右。2004年我国国民生产总值预计增长8%-9%之间，按照目前的就业弹性系数计算，国民生产总值每增长1个百分点，即可提供70-80万个左
3、右的就业岗位，因而仅此可提供600-700万个就业岗位。 应当看到，2004年我国的就业形势依然十分严峻，城镇新增加劳动力仍将保持在1000万人左右的规模。随着国家实施振兴东北老工业基地的部署，吉林省、黑龙江省将效仿辽宁省，加快国有企业下岗未实现再业人员“并轨”过程，为此，失业人员将比2003年有所增长，城镇登记失业率可能上升到4.7%以上。 3、大学毕业生就业状况回顾： 我国1998年高等院校大规模扩招的学生在2003年毕业，该年毕业生数量达到212万人，比2002年剧增67万人，增长比例达46.5%，大学毕业生就业压力异常巨大，提到最高决策者的日程上。据有关统计，“2003年6月份全国高校
4、毕业生初次就业率为50%，到9月份全国高校毕业生有70%找到了工作，其中本科生就业率为83%，高职高专毕业生就业率为55%1”。即使如此，全国大约有10%以上的高校毕业生没有找到工作岗位，大学生就业难成为全国关注的焦点。 2004年依然是高校扩招后毕业生增长的一年，据最新数据，“2004年全国高校毕业生数量达到280万。国家控制目标是初次就业率达到70%，按此比例折算，今年大学毕业未能落实就业的，以及少量继续考研和等待出国等的人数将达84万人2”。 4、影响大学毕业生就业问题的因素分析： （1）先根据表一，按初次就业率70%计算出样本（即19902003年）的全国高校毕业生就业人数和未落实就业
5、的人数。 表一年份普通高校招生人数 （万人）普通高校毕业生人数（万人）高校毕业生初次就业人数（万人）未落实就业的毕业生人数（万人）199060.961.442.9818.42 199162.061.442.9818.42 199275.460.442.2818.12 199392.457.139.9717.13 199490.063.744.5919.11 199592.680.556.3524.15 199696.683.958.7325.17 1997100.082.958.0324.87 1998108.483.058.1024.90 1999159.784.859.3625.44 20
6、00220.695.066.5028.50 2001268.3103.672.5231.08 2002320.5133.793.5940.11 2003335.0212.0148.4063.60 注：表中的高校毕业生初次就业人数=普通高校毕业生人数*初次就业率70% 3 （2）大学毕业生就业问题的回归分析。 根据本小组讨论并查阅相关资料，得出可能影响大学生就业数量的因素主要有经济增长、人口结构、人口自然增长率等。 现根据表二中1990年2002年的数据资料，其中Y为大学毕业生就业人数（万人）（按初次就业率70%计算），X为国内生产总值（亿元），S为年底城镇总人口数（万人），T为年底乡村总人口数
7、（万人），Q为全国人口自然增长率(%)，试初步建立四元线形回归函数。设模型的函数形式如下： Yt=Co+C1Xt+C2St+C3Tt+C4Qt+Ut * 表二ObsYXSTQ 199042.9818547.9301958413814.39199142.9821617.8312038462012.98199242.2826638.1321758499611.60199339.9734634.1331738534411.45199444.5946759.4341698568111.21199556.3558478.1351748594710.55199658.7367884.63730485085
8、10.42199758.0374462.6394498417710.06199858.1078345.241608831539.14199959.3682067.543748820388.18200066.5089468.145906808377.58200172.5297314.848064795636.95200293.59104790.650212782416.45A、单因素分析。由上表可以看出： a、随着国内生产总值的逐步增长，大学毕业生就业人数逐步增加，这说明这两者之间可能存在相关关系，现根据表中数据，进行Y对X的数据拟合，即对模型：Yt=Co+C1Xt+Ut进行OLS估计。得到如下
9、大学毕业生就业人数与国内生产总值之间的散点图，反映出大学毕业生就业人数与国内生产总值之间存在着近似的线性正相关关系。图一 表三b、随着年底城镇总人口数的逐步增长，大学毕业生就业人数逐步增加，这说明这两者之间可能存在相关关系，现根据表中数据，进行Y对S 的数据拟合，即对模型：Yt=Co+C1St+Ut进行OLS估计。得到如下大学毕业生就业人数与年底城镇总人口数之间的散点图，反映出大学毕业生就业人数与年底城镇总人口数之间存在着近似的线性正相关关系。图二 表四 c、随着年底乡村总人口数的逐步减少，大学毕业生就业人数逐步增加，这说明这两者之间可能存在相关关系，现根据表中数据，进行Y对T 的数据拟合，即
10、对模型：Yt=Co+C1Tt+Ut进行OLS估计。得到如下大学毕业生就业人数与年底城镇总人口数之间的散点图，反映出大学毕业生就业人数与年底乡村总人口数之间存在着近似的线性负相关关系。图三 表五 d、随着全国人口自然增长率(%)的逐步降低，大学毕业生就业人数逐步增加，这说明这两者之间可能存在相关关系，现根据表中数据，进行Y对Q 的数据拟合，即对模型：Yt=Co+C1Qt+Ut进行OLS估计。得到如下大学毕业生就业人数与全国人口自然增长率之间的散点图，反映出大学毕业生就业人数与全国人口自然增长率之间存在着近似的线性负相关关系。图四 表六 B、多因素分析。现用模型*拟合表二中的数据，得到如下回归分析
11、输出结果：图五 表七 由该输出结果我们可发现一个矛盾现象，即在A中的b部分的分析中得出Y与S呈现近似的线性正相关关系，而回归输出结果中S前的系数符号却变为负号，由此我们可推断在模型*我们引入了不当解释变量，模型* 不能用。进而我们又作了如下工作： 表八X前系数符号S前系数符号T前系数符号Q前系数符号修正可决系数结论Ls Y C X S 正 正0.8179 对Ls Y C X T 正 负0.8594 对Ls Y C X Q 正 负0.7741 对Ls Y C X S T 正 负 负0.9001 错Ls Y C X T Q S e (90.3982) (8.66E-05) (0.0010) t (
12、2.7812) (3.4179) (-2.4710) 可绝系数为：0.8829 修正可绝系数为：0.8594 F=37.6802表九 C、模型的检验与修正。模型*是否存在多重共线性。多重共线性的检验：简单相关系数矩阵法XTX 1.000000-0.769136Y-0.769136 1.000000 由上表可得出解释变量X与T之间存在一定程度的线性相关性。 多重共线性的修正：由于模型*是利用逐步回归法（即判断是否存在多重共线性，又削弱了多重共线性的程度）确定出的最佳模型，因此其多重共线性程度较之其他模型应该较弱。 模型*是否存在异方差性。a.异方差性的检验：图形分析法图六由以上散点图可得出模型*
13、存在异方差性。b.异方差的修正：WLS估计法g e n r e=r e s i d * r e s i d g e n r W=1/eLs(W=W) Y C X T 得到如下回归输入结果：表十表 Unweighted StatisticsR-squared0.868749 Mean dependent var56.61385Adjusted R-squared0.842499 S.D. dependent var15.09165S.E. of regression5.989340 Sum squared resid358.7219Durbin-Watson stat1.099410 模型*是否
14、存在自相关性。a、 自相关性的检验：图示法图七由上图可知，模型*存在一定程度的自相关性。 b、自相关性的修正：先利用对数线性回归修正自相关 g e n r LY=log(Y) g e n r LX=log(X) g e n r LT=log(T) Ls LY C LX LT 得到如下回归输入结果：表十一 由上表可知DW=1.2563,给定显著性水平=0.05，查DW表，n=13,k=2,得到d L=0.861,dU=1.562,因为0.861<1.2563<1.562,所以DW=1.2563落在了无法判别区域。 同时考虑Cochrane-Orcutt迭代。 Ls LY C LX LT AR(1) 得到如下回归输入结果：表十二 由上表可看出，DW=1.4680（n=12,k=2,dL=0.812,dU=1.579）仍处在无法判别区域。接着再用一次利用对数线性回归修正自相关，得到DW=1.2518；再同时考虑Cochrane-Orcutt迭代。得到DW=1.5037，与此时的dU=1.604相比(n=11,k=2,a=0.05)有了明显
