中山市第六次全国人口普查户籍常住剩余劳动力就业意愿的影响因素分析.docVIP

中山市第六次全国人口普查户籍常住剩余劳动力就业意愿的影响因素分析 　　【摘 要】 　　基于中山市2010年第六次全国人口普查（以下简称六人普）长表抽样的普查前一周未做任何工作的户籍常住20-59岁男性4633份和20-54岁女性7014份普查数据利用Logistic回归模型对中山市六人普户籍常住人口剩余劳动力就业意愿的影响因素进行了计量分析，研究结果表明：年龄、受教育程度和婚姻状况均对男性和女性的就业决策有着显著的影响，此外对女性而言，还有主要生活来源也有显著地影响。而户口性质则对中山市户籍常住剩余劳动力就业意愿的影响不显著。 　　【关键词】 　　剩余劳动力；户籍常住；六人普；Logistic 　　中山市六人普户籍常住剩余劳动力就业决策LOGISTIC回归模型 　　本文数据来自中山市2010年第六次全国人口普查长表数据，分别为中山市六人普时（2010年11月1日零时）满20-59周岁男性和20-54周岁女性户籍常住人口（剔除在校学习和丧失工作能力的人口，并考虑男女退休年龄的差异），并且普查时点前一周（2010年10月25日至31日）没有工作。样本量分别为男性4633人，女性7014人。分别选取年龄、户口性质、受教育程度、婚姻状况和主要生活来源为自变量，两周内是否能开始工作为因变量对男性和女性的就业意愿分别建立LOGISTIC回归模型进行分析。数据处理全部采用Eviews6.0进行。 　　一、变量数据处理 　　为减少抽样数据中年龄可能严重分布不均问题将年龄转化为5岁一组。此外由于数据中存在受教育程度在特定年龄组样本分布极少的问题，将受教育程度转化为4个类型，分别为未上过学、初等教育、中等教育和高等教育。其他自变量均为无序分类变量，所以将所自变量转化为虚拟变量处理，见下表1。 　　二、回归模型参数估计 　　首先将男性和女性样本数据全部自变量纳入，分别用LOGISTIC模型进行参数估计，结果见下表2。 　　查看Z统计量可知，伴随概率与0.05比较，男性样本回归参数估计中，户口性质（HK）、失业保险金（SYBXSR）、最低生活保障金（ZDBZSR）、财产性收入（CCXSR）、未婚（WHHY）、结婚（JHHY）和离婚（LHHY）变量均不显著；女性样本回归参数估计中，户口性质（HK）、失业保险金（SYBXSR）和离婚（LHHY）变量均不显著。采用向后逐步回归方法，以Z统计量和LR（最大似然比 Hanushek Jackson 1977）统计量为标准进行逐步回归试探，最终参数估计结果如下表3。 　　表3 男性和女性样本最终模型自变量参数估计伴随概率与最大似然比 　　查看Z统计量，在0.05临界水平上，无论男性还是女性的所有回归参数均为显著，并且LR统计量的也显示回归方程整体是显著的。 　　最终将回归模型方程转化为效用表达形式，如下式1和2： 　　男性样本回归方程： 　　LN（p/（1-p））=-2.48 + 2.49*NL2024 + 2.25*NL2529 + 1.65*NL3034 + 1.54*NL3539 + 1.38*NL4044 + 1.12*NL4549 + 0.74*NL5054 + 1.27*CDJY + 1.47*ZDJY + 1.73*GDJY - 0.21*WHHY 式1 　　女性样本回归方程： 　　LN（p/（1-p））= -1.70 + 1.26*NL2024 + 1.14*NL2529 + 0.78*NL3034 + 0.71*NL3539 + 0.71*NL4044 + 0.53*NL4549 + 1.02*CDJY + 1.12*ZDJY + 1.18*GDJY - 0.28*CCXSR - 0.49*JTCYGYSR + 0.75*WHHY - 0.38*JHHY 式2 　　注：P为预测愿意就业概率 　　三、回归模型评价 　　虽然两个回归方程的参数均为显著，方程的LR统计量也显示回归方程整体显著，但是由于使用的是LOGISTIC回归模型，而且两个方程的自变量个数都较多，仍然需要进一步检验回归模型。本文采用LOGISTIC回归模型两个最为常用的评价方法： 　　①期望-预测表（Expectation-Prediction Table） 　　回归模型的期望-预测表如下表4。 　　从表4可以看出，男性样本在是否分组正确方面，当前模型为3109，比零模型的2483多，恰当比为67.11%，比零模型的53.59%高，提高率为29.12%；在预测结果方面，当前模型的总效果比零模型提高了7.55个百分点，提高率为15.17%。 　　从表4可以看出，女性样本在是否分组正确方面，当前模型为4832，比零模型的4494多，恰当比为68.89%，比零模型的64.07%高，提高率为13.41%；在预测结果方面，当前模型的总效