云南失业率影响因素分析与回归诊断.docVIP

云南失业率影响因素分析与回归诊断 　　【摘要】 本文基于统计年鉴中云南省2000—2011年失业率和与之相关的数据，运用线性回归方法，建立了用于描述云南省失业率与相关变量之间定量关系的拟合模型，并对模型进行了异方差检验、序列自相关分析和异常点的检验。该模型对于探讨造成云南省失业率影响因素具有一定的启示作用。 　　【关键词】 失业率 影响因素 线性回归模型 　　一、引言 　　失业率是指失业人口（一定时期有工作意愿而仍未有工作的劳动力人口）占劳动人口的比率。失业是市场经济不可避免的一种经济社会现象。但失业人员数量过多，失业率过高，不仅会给失业者本人及家庭带来极大冲击，也会对经济发展和社会稳定构成重大威胁。因此，把失业率控制在社会可承受的范围内，是市场经济环境下国家政府的重要目标之一。 　　目前国内关于失业率的研究已取得一定的成果。田力（2003）研究了影响失业率的主要因素及降低失业率的对策，利用数学的穷举法，就影响供给的因素、影响需求的因素以及同时影响供求双方的因素三个方面，分析了与失业密切相关的七大因素，但其研究缺乏一个量化的统计模型。程红莉和刘强（2003）以全国30个省市的相关数据为样本研究了区域失业率差异影响因素。陈幼芳和张天会（2006）对云南的失业率进行了预测和研究，其贡献在于给出了比较全面的预测模型，但是缺乏对模型的检验。本文使用线性回归模型对云南省失业率的影响因素进行实证研究，通过变量选择方法，筛选得到了对失业率具有显著影响的因素，并建立了拟合模型，该模型通过了异方差性、序列相关性和异常值检验。 　　二、数据与变量选择 　　1、数据来源 　　本数据来源于云南统计局网站（http：///TJJMH_Model/default.aspx）上统计公报公布的2001—2011的相关数据。 　　2、变量选择 　　本文的失业率的影响因素的研究主要考察在众多因素中哪些因素对失业率具有显著的影响。我们首先给出自变量的待选变量集。奥肯定律认为经济增长与失业率是负相关的，故首先考虑把GDP引入待选变量集中。此外，由于失业保险是解决失业所产生的不利因素的社会机制，故考虑把享受失业保险人数、失业保险参保人数、失业保险金收入额也引入待选变量集中。云南劳动力资源供给的潜力相当大，这将给云南的就业形势造成不容忽视的压力，故而把人口总数也引入变量集。固定资产投资是生产规模的重要表征，对就业情况产生着重要影响，故此，应将其也引入变量集中。综上，我们选取失业保险参保人数（十万人）、享受失业保险人数（万人）、GDP（千亿元）、人口总数（千万人）、失业保险金收入额（亿元）、生产性固定投资总额（百亿元）为自变量，以城镇登记失业率（%）为响应变量。 　　三、模型的建立 　　1、用普通最小二乘法（OLS）估计模型 　　综上分析，我们建立云南省失业率影响因素分析的六元回归预测模型： 　　y=a0+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6 　　其中，x1系参保人数（十万人）、x2系享受失业保险人数（万人）、x3系GDP（千亿元）、x4系人口总数（千万人）、x5系失业保险金收入额（亿元）、x6系生产性固定投资总额（百亿元）、y系城镇登记失业率（%）。 　　回归方程的F检验的p值为0.0160.05，这意味着，在5%的显著性水平下，解释变量对被解释变量的联合线性影响是显著的。而系数的t检验中，p值最小的为0.208，故在5%显著性水平下所有系数均不显著，即每个解释变量对被解释变量的线性影响均是不显著的。这说明模型自变量间很可能存在多重共线性。事实上，t-检验中解释变量都不显著，可能是由于某些自变量对因变量的影响被其他自变量掩盖了。为了检验多重共线性的存在，先求出自变量的样本协方差矩阵，并求得该协方差矩阵的条件数（最大特征值与最小特征值之比）为1.7914*104，这说明六个变量之间存在很严重的多重共线性。故此，分别通过逐步回归法和AIC准则进行自变量的选择。 　　2、使用逐步回归法进行变量选择 　　对六个自变量采用逐步回归方法进行变量筛选，用SPSS软件逐步回归的结果如表1所示。 　　逐步回归结果显示选择的自变量应当为失业保险参保人数（x1）和人口总数（x4）。在5%的显著性水平下，他们的p值分别为.000和.000，表明这两个解释变量对方程的影响是显著的。为了进一步确证上述变量选择结果，我们使用AIC准则对一些重点待选模型进行比较。比较结果如下：仅包含x1、仅包含x4和包含x1和x4两个自变量和其他任意自变量搭配的模型，其AIC值均大于只包含x1和x4两个自变量的模型的AIC值。可见，AIC准则提供的变量选择的结果与逐步回归法一致，均选择x1和x4。 　　以y为因变量，以x1和x4为自变量的回归模型拟合结果