2010年就業(yè)主成分分析

PAGEPAGE5目錄TOC\o"1-3"\u一、研究的背景及意義 1二、理論綜述 2（一）凱恩斯以前的就業(yè)理論 2（二）近代凱恩斯的充分就業(yè)理論 2（三）現(xiàn)代就業(yè)理論 2三、具體實證分析 3（一）指標選取及來源 3（二）主成分分析 4四、相應建議 10參考文獻： 11摘要：就業(yè)問題是一個影響國家民生的重要問題，就業(yè)問題牽涉廣泛，影響深遠。近年來，我國高校畢業(yè)生數(shù)量逐年增多，大學生面臨嚴峻的就業(yè)形勢，加上09年全球金融危機的影響，就業(yè)形勢至今仍處于緊張的狀況。面對即將就業(yè)的大學生，選擇一個好的城市就業(yè)發(fā)展比較關鍵。因此必須對就業(yè)問題進行全面深入分析。本文研究對象是我國31個省市直轄市地區(qū)就業(yè)影響因素，通過對就業(yè)相關因素進行主成分分析，分析我國各個省市的就業(yè)情況，并向當前大學生提出就業(yè)意見，從而提高我國的就業(yè)率?！娟P鍵詞】就業(yè)形勢經(jīng)濟發(fā)展主成分分析就業(yè)城市選擇一、研究的背景及意義我國的經(jīng)濟一直在飛速發(fā)展，可是在經(jīng)濟發(fā)展的背后卻存在著許多重大的問題，就業(yè)問題就是其中一個不容忽視的問題，其已成為各國面臨和關注的一個焦點。對于就業(yè)壓力日益嚴峻的中國市場來說，積極擴大就業(yè),降低社會失業(yè)率,是近年來我國政府宏觀調(diào)控的主要目標之一。作為一個特殊的群體，大學生的就業(yè)將遭遇多方面的挑戰(zhàn)和擠壓，在整群環(huán)境擔憂的情況下，應屆畢業(yè)生在就業(yè)過程中或許將不得不面對殘酷的現(xiàn)實。大學生就業(yè)難已不是一個新問題，每年全國都會有幾百萬的大學生畢業(yè)，但是仍然會有百分之十幾的應屆大學生找不到工作。從目前高校對大學生的就業(yè)狀況統(tǒng)計看，大學生就業(yè)前途仍舊不容樂觀。受2009年金融危機的影響，帶來的工作崗位的減少，大量員工失業(yè)。目前形勢雖然有所緩和，但是對于沒有社會經(jīng)驗的應屆畢業(yè)生來說，就業(yè)形勢緊張的現(xiàn)狀似乎仍然無法避免。根據(jù)現(xiàn)狀調(diào)查了解很多大學生比較喜歡到北京、上海、廣東這些一線城市就業(yè)發(fā)展，然而對于就業(yè)最好的城市的選擇是不是真的適合，這就需要我們根據(jù)數(shù)據(jù)分析各省市的就業(yè)形勢，對大學生就業(yè)給出指導性建議。我們知道就業(yè)的影響因素是多方面的，有國內(nèi)生產(chǎn)總值、總人口數(shù)、固定資產(chǎn)投資總額、工業(yè)總產(chǎn)值、農(nóng)林牧漁業(yè)總產(chǎn)值、城鎮(zhèn)單位就業(yè)人員平均工資合計、就業(yè)人員總數(shù)、失業(yè)人員總數(shù)等。通過《2011年中國統(tǒng)計年鑒》查找最新相關數(shù)據(jù)，利用SPSS軟件分別對各個因素進行了主成分分析，進而從數(shù)據(jù)分析中了解各個省市的就業(yè)發(fā)展現(xiàn)狀。二、理論綜述（一）凱恩斯以前的就業(yè)理論該理論誕生于凱恩斯宏觀經(jīng)濟理論出現(xiàn)以前，其理論基石是薩伊定律，堅信生產(chǎn)會自動創(chuàng)造需求，倡導自由放任的市場經(jīng)濟觀念，反對政府干預經(jīng)濟。該理論從薩伊定律出發(fā)，認為經(jīng)濟社會中并不存在大規(guī)模的失業(yè)，失業(yè)是勞動力生產(chǎn)供求不相稱的結果。如果工資可以隨勞動力供求變化而自由漲落，那么通過市場價格機制的自發(fā)調(diào)節(jié)作用，可使一切可供使用的勞動力資源都被用于生產(chǎn)，從而實現(xiàn)充分就業(yè)，即通過市場均衡自動實現(xiàn)充分就業(yè)。因此就此理論，要想解決失業(yè)問題就必須降低勞動力工資。（二）近代凱恩斯的充分就業(yè)理論該理論產(chǎn)生于1929-1933年第一次世界經(jīng)濟危機時期，是建立在一個使嚴格意義上的非自愿失業(yè)成為可能運行方式的理論體系。凱恩斯認為，失業(yè)增加的根本原因是周期性的經(jīng)濟蕭條所引起的有效需求不足。為此，要治理這種失業(yè)就必須依靠政府通過反周期的擴張性宏觀經(jīng)濟政策來提高有效需求，通過增加消費和投資以達到促進就業(yè)、解決就業(yè)問題的目標。（三）現(xiàn)代就業(yè)理論二次世界大戰(zhàn)以后，雖然凱恩斯主義為西方各主要資本主義國家所普遍接受和推行，但凱恩斯主義政策并沒有從根本上消除資本主義社會所固有的矛盾，國家干預刺激生產(chǎn)的同時也為更嚴重的危機提供條件，最終導致20世界70年代的經(jīng)濟停滯、失業(yè)同通貨膨脹并存的滯脹局面。面對這種局面，為了解釋并解決困擾資本主義經(jīng)濟的這一難題，各種新的理論、學說紛紛出現(xiàn)，呈現(xiàn)了流派林立、觀點迭出的境況。具體來講，主要包括以下各理論流派。1.后凱恩斯主義的就業(yè)理論。要解決失業(yè)問題單靠宏觀的財政政策和貨幣政策是不夠的，還必須運用勞動力市場和人力政策來實現(xiàn)充分就業(yè)。2.貨幣主義的就業(yè)理論。該理論的核心是自然失業(yè)率的假說。該理論認為勞動力市場的運動趨勢總是朝著自然失業(yè)率的方向發(fā)展。加速通貨緊縮是實現(xiàn)自然失業(yè)率的有效手段。3.人力資本投資理論。人力資本投資在形成和提高勞動力質(zhì)量的同時，也使勞動者的勞動能力呈現(xiàn)異質(zhì)性和不可替代性。因此勞動力市場必須有消極轉(zhuǎn)到積極。三、具體實證分析（一）指標選取及來源經(jīng)濟增長和通貨膨脹為宏觀經(jīng)濟中特別重要的三個指標，就業(yè)(或失業(yè))是社會、國民經(jīng)濟中極其重要的間題。經(jīng)濟學上影響就業(yè)的因素很多，人口、就業(yè)人口、消費、投資、政府購買和進出口、不同地區(qū)、不同產(chǎn)業(yè)、中央政府調(diào)整宏觀經(jīng)濟政策，以及對不同地區(qū)和不同產(chǎn)業(yè)實行不同的扶持政策都會對就業(yè)產(chǎn)生巨大的影響。針對就業(yè)問題,通過有關數(shù)據(jù)分析,運用SPSS,采取主成分分析法提取主要影響因素或指標,建立了就業(yè)人數(shù)的數(shù)學模型。影響我國就業(yè)因素主要有經(jīng)濟因素、人口因素、各個產(chǎn)業(yè)產(chǎn)值因素、就業(yè)人員的工資水平因素、就業(yè)失業(yè)人數(shù)因素等，因此綜合考慮從上述幾個方面我選擇了8個相關指標，分別是地區(qū)生產(chǎn)總值、總人口數(shù)、固定資產(chǎn)投資總額、工業(yè)總產(chǎn)值、農(nóng)林牧漁業(yè)總產(chǎn)值、城鎮(zhèn)單位就業(yè)人員平均工資合計、就業(yè)人員、失業(yè)人員。如下所示。設：X1：地區(qū)生產(chǎn)總值（億元）X2：總人口數(shù)（萬人）X3：固定資產(chǎn)投資總額（億元）X4：工業(yè)總產(chǎn)值（億元）X5：農(nóng)林牧漁業(yè)總產(chǎn)值（億元）X6：城鎮(zhèn)單位就業(yè)人員平均工資合計（元）X7：就業(yè)人員（萬人）X8：失業(yè)人員（萬人）通過相關資料的查找，得到最新我國2010年上述的8個指標的數(shù)據(jù)，如表1所示。表12010年影響我國就業(yè)指標數(shù)據(jù) 地區(qū)X1X2X3X4X5X6X7X8北京14113.581961540313699.84328651581317.77.7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內(nèi)蒙古1167224718926.513406.111843.6352111184.720.8遼寧18457.2743751604336219.423106.5344372238.138.9吉林8667.5827467870.413098.351850.3290031248.722.7黑龍江10368.638316812.69535.152536.3277351743.436.2上海17165.9823025108.930114.4128766115924.727.7江蘇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9451.2644578772.313883.061900.6283632306.126.3山東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廣東46013.061043015623.785824.643754.9404325776.939.3廣西9569.8546037057.69644.132721306732945.319.1海南2064.586713171381.25821.330775445.74.8重慶7925.5828856688.99143.551021.1347271912.113四川17185.48804213116.723147.384081.8325674997.634.6貴州4602.1634753104.94206.37997.8304332402.212.2云南7224.1845975528.76464.631810.5291952814.115.7西藏507.46300462.762.22100.8498981752.1陜西10123.4837337963.711199.841666.133384195221.4甘肅4120.7525583158.34882.681057290961431.910.7青海1350.435631016.91481.99201.336121294.14.2寧夏1689.656301444.21924.39305.9371663264.8新疆5437.4721813423.25341.91846.232003852.611數(shù)據(jù)來源：《2011年統(tǒng)計年鑒》（二）主成分分析在數(shù)據(jù)處理中，經(jīng)常會遇到高維數(shù)據(jù)組，由于數(shù)據(jù)維數(shù)過高，則變量較多，而且變量間往往存在相關關系，因此很難直接抓住他們的主要信息，這就需要有一種簡化數(shù)據(jù)的方法，是高維數(shù)據(jù)降維，來獲得主要的信息，而且在低維空間將信息分解為互不相關的部分以獲得更有意義的解釋。主成分分析就是這樣一種處理高維數(shù)據(jù)的方法，將高維數(shù)據(jù)盡可能少的信息損失為原則進行綜合化為少數(shù)幾個不相關的變量。本篇論文研究的就是2010年我國31個省市地區(qū)的就業(yè)問題，其中選取了8個影響就業(yè)的因素變量相關的指標，最后通過主成分分析，得出幾個主要影響我國就業(yè)方面的因素。下面通過SPSS軟件對上述數(shù)據(jù)進行主成分分析，分別得到如下結論。表2描述性統(tǒng)計量MeanStd.DeviationAnalysisNX114098.128711401.3455031X24299.29032763.2141831X38753.64195927.1816631X422535.178724534.9420031X52236.11611673.7161731X636103.32269652.2076831X72478.53231726.0908831X824.338715.0373931通過描述性統(tǒng)計量我們可以看到這8個指標的均值、標準差和參與計算的觀測量數(shù)。整體上看數(shù)據(jù)比較完整。表3原始變量相關矩陣X1X2X3X4X5X6X7X8CorrelationX11.000.832.888.979.732.110.804.752X2.8321.000.869.763.918-.280.984.822X3.888.8691.000.873.883-.136.844.836X4.979.763.8731.000.681.121.735.701X5.732.918.883.6811.000-.404.895.849X6.110-.280-.136.121-.4041.000-.268-.197X7.804.984.844.735.895-.2681.000.766X8.752.822.836.701.849-.197.7661.000下一步進行相關矩陣分析，如表3所示，從表中可以看出幾乎所有相關系數(shù)絕對值都大于0.3，因此適合做主成分分析。為了更加準確的確定該數(shù)據(jù)是否適合做主成分分析，對數(shù)據(jù)進行相應的檢驗，如表4所示。表4KMO測度和巴特利特球體檢驗Kaiser-Meyer-OlkinMeasureofSamplingAdequacy..815Bartlett'sTestofSphericityApprox.Chi-Square400.363df28Sig..000從表4可以看出KMO值為0.815，大于0.5，因此適合做主成分分析。并且巴特利特球體檢驗值小于α=0.05，再次說明該數(shù)據(jù)適合做主成分分析。下一步再分析一下這8個指標對總體的影響程度大小情況，如表5所示。表5CommunalitiesInitialExtractionX11.000.962X21.000.940X31.000.920X41.000.915X51.000.939X61.000.933X71.000.894X81.000.788ExtractionMethod:PrincipalComponentAnalysis.由表5可以看出各個指標對總體的影響程度幾乎都在0.9左右，說明指標的選取是比較合理的。為了了解最終提取了幾個主成分，還需得到總方差分解圖。如下所示。表6總方差分解圖ComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%16.01175.13875.1386.01175.13875.13821.28016.00591.1431.28016.00591.1433.2843.54694.6894.2473.08697.7755.1121.40399.1786.045.56099.7387.013.16899.9068.008.094100.000ExtractionMethod:PrincipalComponentAnalysis.從表6可以看出第一主成分和第二主成分對總體的貢獻是最大的，系統(tǒng)提取了兩個主成分，第一主成分的貢獻率是75.138%，第二主成分的貢獻率是16.005%。二者的累積貢獻率就是91.143%。91.143%比較接近85%，因此選擇兩個主成分是合理的。下一步再看一下最后得出的因子載荷矩陣。表7初始因子載荷矩陣Component12X1.915.353X2.962-.124X3.956.071X4.875.387X5.930-.270X6-.198.945X7.937-.125X8.886-.061ExtractionMethod:PrincipalComponentAnalysis.a2componentsextracted.由表7初始因子載荷矩陣可以得到上述兩個住成分的對應因子載荷值，運用初始因子載荷矩陣可以計算出相應的特征向量。設特征根為，初始因子載荷矩陣數(shù)值為,特征向量為。公式如下：（1）將上述數(shù)據(jù)帶入式（1）中，得到特征向量，如表8所示。表8特征向量第一特征向量第二特征向量0.3727090.3115390.391749-0.109650.3895630.0629510.3563990.3418650.378993-0.2385-0.080790.8354940.381726-0.110830.360799-0.05355上述已經(jīng)計算得出了特征向量值，因此將特征向量帶入Y的式子中，得到如下兩個主成分表達式。Y1=0.372709X1+0.391749X2+0.389563X3+0.356399X4+0.378993X5+-0.08079X6+0.381726X7+0.360799X8Y2=0.311539X1-0.10965X2+0.062951X3+0.341865X4-0.2385X5+0.835494X6-0.11083X7-0.05355X8通過上述一系列的計算已經(jīng)得出了主成分的表達式，為了計算最終的綜合水平，必須用到標準化的數(shù)據(jù)，因此用SPSS軟件得到如表9所示的標準化數(shù)據(jù)。表9標準化數(shù)據(jù)地區(qū)ZX1ZX2ZX3ZX4ZX5ZX6ZX7ZX8北京0.01-0.85-0.57-0.36-1.143.01-0.67-1.11天津-0.43-1.09-0.42-0.24-1.151.59-1.13-0.55河北0.551.041.070.351.24-0.480.760.72山西-0.43-0.26-0.45-0.41-0.71-0.32-0.47-0.26內(nèi)蒙古-0.21-0.660.03-0.37-0.23-0.09-0.75-0.24遼寧0.380.031.230.560.52-0.17-0.140.97吉林-0.48-0.56-0.15-0.38-0.23-0.74-0.71-0.11黑龍江-0.33-0.17-0.33-0.530.18-0.87-0.430.79上海0.27-0.72-0.610.31-1.163.11-0.900.22江蘇2.401.292.432.831.230.381.311.08浙江1.190.410.611.18-0.040.470.880.45安徽-0.150.600.47-0.160.43-0.290.790.17福建0.06-0.22-0.09-0.030.04-0.39-0.17-0.65江西-0.410.060.00-0.35-0.20-0.80-0.100.13山東2.201.912.452.502.64-0.291.842.34河南0.791.851.320.512.09-0.652.060.92湖北0.160.520.25-0.040.76-0.440.372.09湖南0.170.820.15-0.140.93-0.670.891.25廣東2.802.221.162.580.910.451.910.99廣西-0.400.11-0.29-0.530.29-0.560.27-0.35海南-1.06-1.24-1.25-0.86-0.85-0.55-1.18-1.30重慶-0.54-0.51-0.35-0.55-0.73-0.14-0.33-0.75四川0.271.350.740.021.10-0.371.460.68貴州-0.83-0.30-0.95-0.75-0.74-0.59-0.04-0.81云南-0.600.11-0.54-0.66-0.25-0.720.19-0.57西藏-1.19-1.45-1.40-0.92-1.281.43-1.33-1.48陜西-0.35-0.20-0.13-0.46-0.34-0.28-0.31-0.20甘肅-0.88-0.63-0.94-0.72-0.70-0.73-0.61-0.91青海-1.12-1.35-1.31-0.86-1.220.00-1.27-1.34寧夏-1.09-1.33-1.23-0.84-1.150.11-1.25-1.30新疆-0.76-0.77-0.90-0.70-0.23-0.42-0.94-0.89為了使表格美觀，將其保留了兩位小數(shù)，但計算的過程使用的依然是原始標準化數(shù)據(jù)。將標準化的數(shù)據(jù)回代到關于8個指標的兩個主成分的表達式中，可以計算出影響我國31個地區(qū)就業(yè)問題的兩大因素。這個過程充分的體現(xiàn)了主成分分析的目的。將最初的8個影響因素，在保證盡可能減少信息損失的情況下，對其降維，最終得到兩個主要影響因素。表10降維后Y1和Y2地區(qū)Y1Y2北京-2.010772.855186天津-2.026011.639472河北2.212691-0.576山西-1.10434-0.30181內(nèi)蒙古-0.91221-0.04474遼寧1.338350.079514吉林-0.9321-0.70245黑龍江-0.24468-1.04726上海-1.267863.193341江蘇4.6817491.548424浙江1.7088341.0481安徽0.855307-0.57497福建-0.36551-0.25479江西-0.25626-0.87169山東5.9825930.28512河南3.678474-1.02052湖北1.565156-0.70672湖南1.589497-1.01979廣東4.6794361.47681廣西-0.27093-0.88388海南-2.87018-0.62585重慶-1.39345-0.19031四川2.178029-0.77669貴州-1.60586-0.80838云南-0.79952-0.98593西藏-3.524621.111601陜西-0.72006-0.36235甘肅-1.96425-0.83168青海-3.18794-0.07211寧夏-3.096450.01657新疆-1.91711-0.59624通過EXCEL計算得到表10所示的回代后數(shù)據(jù)，通過這個回代后的結果還是不能準確的分析各個地區(qū)的就業(yè)情況，因此需要做進一步的計算。設我國31個地區(qū)的就業(yè)綜合水平為，Y1對應的貢獻率為75.138%，Y2對應的貢獻率為16.005%，Y1和Y2的累積貢獻率和為91.143%。計算公式如下所示：（2）表112010年我國31個地區(qū)綜合水平排名綜合排名地區(qū)綜合水平綜合排名地區(qū)綜合水平1山東4.98209917陜西-0.657242江蘇4.13152718內(nèi)蒙古-0.759883廣東4.11704419云南-0.832254河南2.85331720吉林-0.891775河北1.72298921山西-0.963416北京1.65917122四川-1.156297浙江1.59280723重慶-1.182178上海1.16620924黑龍江-1.382349湖南1.13129825貴州-1.4658210湖北1.11729426新疆-1.6851611安徽0.60414627甘肅-1.7653712福建-0.3460728海南-2.4760713江西-0.3643329寧夏-2.5497914廣西-0.3785630青海-2.6407915天津-0.3856231西藏-2.7104916遼寧-0.48446———將表10的數(shù)據(jù)帶入上述的式（2）中得到最后表11中的綜合水平數(shù)據(jù)，再用EXCEL排序得到最后的綜合排名情況。根據(jù)上表可以看出，就業(yè)最好的城市前五名分別為山東、江蘇、廣東、河南、河北。像北京、上海、浙江等發(fā)展較好的一線城市就業(yè)情況