文摘

作为一个内生机制影响社会和经济的变化,劳动力的分配影响整体效率和综合在一个地区经济发展水平。首先,本文收集并分析数据从2011年到2020年,然后屏幕出有用的数据,预计2021年三大产业的相关数据的灰色预测方法和曲线拟合方法。其次,主成分分析用于计算指标的权重如市场份额、工业增长速度,就业贡献率和拉动GDP的能力,然后计算每个行业的实力。最后,强劲的产业,确定的原则,增加强度强劲的行业,提供建议的优化劳动力市场资源配置的三大产业。

1。介绍

中国国内生产总值(GDP)包含三个产业,第一产业是第二、三产业的基础,起着根本性的作用。一般来说,越高的比例二三产业在国民经济中,国家的经济实力越强。工业化的发展进程表明,制造业的比例迅速增加,从而导致劳动力从农业转移到制造业,因此在第二产业劳动力的比例迅速增加,而第一产业的劳动力比例迅速下降。然而,随着经济的进一步发展,第三产业的劳动力的比例迅速增加,占了最大的比例1,2]。作为生产要素中最灵活的因素,劳动力的分配直接或间接影响其他因素。因此,劳动力资源的关键因素是三大产业的发展在经济和社会发展的过程3,4]。

劳动力资源不可替代的重要性作为唯一关键资源与独立行动。然而,这仍然是一个严重短缺的定向培训前就业和技能培训后就业在中国目前,这不能使工人来更新他们的知识,提高他们的技能以满足新产业的需要,新部门、新职业(5]。因此,优化劳动力资源配置是至关重要的。劳动力资源的优化配置是一个静态的概念,一个动态的概念6]。从静态的角度来看,它代表了劳动力资源配置的合理性在今天的社会。从动态的角度来看,这表明社会劳动资源配置在未来将进行相应的调整与产业结构的变化,使最优分配。从市场化的角度来看,劳动力资源的分配不仅包括高层次人才的引进也具体专业劳动力的培养社会发展需要根据市场需求以满足不同层次的劳动力的需求对经济和社会发展。

劳动力资源的构成和分配效率决定了发展速度和输出值的三个行业。因此,有必要探索更好的分配劳动力资源的产业,提高现有劳动力资源配置(7,8]。一方面,劳动力市场资源的分配机制不完善会影响横向公平和纵向公平。水平股本意味着劳动可以享受公平就业机会通过提高劳动力资源的优化配置机制。垂直公平指的是通过不断改善工作技能的劳动力职业培训工作中,可以提高工资。另一方面,劳动力资源的不合理分配将埋葬许多优秀的人才,导致大量的浪费或社会的人才短缺。一些人才拒绝就业,因为不合理的治疗,这表明,他们失去了平等就业的机会,所以,他们不能实现就业和再就业。这些问题都不利于社会稳定和经济发展。我们希望提高经济效率优化劳动力市场资源配置,缩小区域经济发展差异9,10]。

因此,本文以中国劳动力市场为研究对象,选择的macrodata三大产业从2011年到2020年。然后,我们使用灰色模型和曲线拟合方法来预测市场份额,工业增长速度,就业贡献率和GDP的拉动能力三大产业在2021年和使用主成分分析方法确定强有力的行业,提供劳动力市场资源配置的优化建议三大产业。

本文的创新贡献选择更准确的预测数据,通过比较两种预测方法的结果,然后利用主成分分析和预测结果来确定中国三大产业的强劲的产业,以提出合理的劳动力市场的资源配置的政策建议。本文组织如下。部分1阐述了劳动力资源的重要性和意义的研究劳动力市场资源的优化配置。部分2总结了相关文献研究资源分配。部分3阐述了灰色预测方法的基本理论和建模过程和曲线拟合方法以及主成分分析方法。部分4基于市场份额的四项指标,工业增长速度,就业贡献率和拉动GDP三大产业的判断能力强劲的产业。最后,部分5为劳动力市场的优化资源配置提供建议的三个行业。

2。相关工作

资源配置是指一个国家的可用资源的合理规划和分配在不同行业和部门应对资源的限制和资源的优化配置。近年来,学者们的研究资源分配优化从未停止。许多学者在不同的国家使用不同的方法来优化各种资源的分配。在现有的文献分析,研究在国家层面相对更多。例如,周et al。11)使用主成分分析方法集群充电站资源在不同地区,然后建造充电站配置优化模型,利用弗洛伊德算法分析和评估的影响建立充电站配置优化模型。本文提供了一个促进城市绿色交通的现代化的基础。它为管理和分配水资源是至关重要的12),所以齐米等。13)建立了一个多目标优化模型来优化水资源利益相关者之间的分配。结果表明,严重的水资源冲突可以避免通过改变provincial-based操作模式,改变现有的农业和工业用水资源分配。徐和雷14)使用基尼系数和卫生资源密度指数分析卫生人力资源的公平,中国湖北省为例进行实证分析。结果表明,股权的卫生人力资源总体分布是好的,但股权的地理分布较差。因此,政府应该以地理区域为人力资源分配的因素。陈等人。15)提出了一个活跃的基于云计算的资源分配方法,这有利于提高资源预测的准确性。然后,建立了多目标资源分配优化模型,提高了传统算法进一步缩短资源分配的时间。此外,赵et al。16)还研究了使用云计算资源的公平分配。他们提出了一个新的占主导地位的资源分配机制瓶颈公平。实验表明,提出的资源分配方法比传统方法更高效的资源利用率高。Elloumi et al。17)提出了一种决策树业务流程资源分配问题最小化的方法。赵et al。18)提出了一种基于改进的资源分配方法混合粒子群优化算法,使资源分配优化问题更合理。李等人。19研究金融资源的分配和集中在金融资源配置的有效性。在定义和分析财政资源分配的有效性,他们还讨论了财政资源配置的有效性之间的关系和经济发展。道等。20.用数据包络分析来研究资源分配。介绍了网络结构研究资源分配问题时,成本被认为是网络中的流量,然后发现最优资源分配方案。

3所示。模型描述

3.1。预测模型的选择和描述

灰色系统理论是许多因素相互作用的结果。这些因素是未知的关系,也是理论的特点。unknownness和这些因素的不确定性成为灰色系统的特征。灰色预测模型通常使用累积和累积减少代方法将原始数据转换成一代序列具有较强的规律性,然后构造微分方程的基础上生成序列建模预测(21]。自生成的序列已比以前更强的规律序列,数据呈指数增长。通过找出法律的变化,预测可以达到的目的。灰色预测方法具有明显的优势,也就是说,只需要少量的数据来预测相应的短期的数据和效果好。缺点是预测精度会恶化时,原始数据离散。

曲线拟合的一个常见方法是最小二乘法。该方法是一种数学优化方法,最小化误差的平方和找到一组数据的最佳函数匹配(22]。最小二乘曲线拟合方法拟合方法可以实现全局最优的错误为了找到功能独立变量和因变量之间的关系。它可以更好地表达数据的特点,不需要曲线准确地通过所有点。曲线拟合方法具有原理简单、易于操作,并能减少造成的误差分散点,提高模型的计算精度。操作,以提高模型的准确性。缺点是该方法线性估计,已违约是线性的,所以它是主观的。

因此,本文使用上述两种方法预测劳动力资源的市场份额,工业增长速度,2021年GDP就业贡献率,并选择更准确的预测结果进行比较和分析预测结果。

3.1.1。灰色预测模型

目前使用最广泛的灰色预测模型GM(1,1)模型的预测变量的一阶微分序列。GM(1,1)模型是最常用的灰色模型之一。其灰色方程是一阶微分方程只包含一个变量(23]。

(1)灰色预测模型建设。首先,让 原始序列,然后生成一个累积序列。

其次,灰色的导数的定义是

第三,让均值序列的序列 ,,计算公式如下:

第四,灰色微分方程和美白的微分方程,建立了GM (1, 1)。的公式,被称为灰导数,被称为发展系数,叫做美白背景值,被称为灰色行动。

最后,使用最小二乘法估计参数和解方程。

请注意 ;然后,GM(1,1)可以表示为一个矩阵方程。

参数向量是由公式(6)。的公式,被称为参数向量。

所以,我们可以解决方程,然后计算出预测值。

然而,可能有许多研究问题,不适合GM(1,1)预测模型,因此有必要进行剩余测试和后差异测试。

(2)灰色预测模型试验。首先,计算出原始序列的平均值:

第二,原始序列的计算均方误差:

第三,计算剩余的平均值:

第四,计算残差的均方误差:

最后,计算均方误差比率和小残余概率。的公式,均方误差比和吗是小残余概率。

对于一个给定的C₀> 0,当C<C₀,该模型称为均方误差比合格的模型;对于一个给定的P₀> 0,当P>P₀,该模型称为小残余合格的概率模型。

3.1.2。曲线拟合模型

曲线拟合的问题是找到一个简单的函数,曲线不必遍历所有数据点,但尽可能每个数据点。这个简单的函数拟合函数(24]。首先,我们选择基函数然后解决线性函数p(t)=一个+英国电信,在那里一个和b的参数来确定。为了使图p(t)尽可能接近每个数据点,我们尽量减少 ,也就是说,找到一个和b最小化的功能在以下公式:

然后,我们得到极值的必要条件由以下公式:

最后,数据代入公式来解决一个和b和获得的拟合结果。

总之,劳动力市场资源预测模型的流程图如图的三大产业1。

3.2。主成分分析

主成分分析是一种指数降维方法,它集成了许多相关指标的研究样本成几个索引。这不仅可以减少分析的困难问题,但同样的损失最小化多种索引中有价值的信息,以保证分析结果的准确性。其中,每一个叫做主成分综合指标,每个主成分彼此不再相关。第一主成分对应的方差最大的综合指标,第二主成分方差与第二大综合指标(25,26]。主成分分析的功能是减少工作量的指标选择和确定的重量是否客观、合理。缺点是确保最初的几个主成分的累积贡献率达到高水平,提取变量降维后的信息量需要保持在一个较高的水平。

3.2.1之上。原始数据的标准化

假设有评估对象和评估标准,th的指数评价对象来标示 ,和每个索引转化为 。的公式,和的样本均值和标准偏差吗th指数,和标准化的指标变量

3.2.2。计算相关系数矩阵

根据公式计算相关系数矩阵16)和(17), , 。 公式中引用的相关系数th指数和指数。

3.2.3。计算特征值和特征向量

特征值 的相关系数矩阵和相应的特征向量 计算,新的指标变量组成的特征向量。的公式,是第一个主成分,是第二主成分,…,是主成分。

3.2.4。提取主成分因素

(1)计算特征值的贡献率的信息 。 (2)如果第一个主成分的方差贡献率大于85%,第一主成分直接选择。如果第一个主成分的方差贡献率小于85%,特征值的累积贡献率计算使用以下方程: (3)计算总分。其中,贡献率的信息吗th主成分,可以根据综合评估得分。

总之,主成分分析的结构流程图如图2。

4所示。实例分析

4.1。数据预处理

通过收集数据,得到数据的市场份额,工业增长速度,就业贡献率和拉动三个行业占国内生产总值(GDP)的能力。总结结果如表所示1- - - - - -5。其中,表中的数据1和5从商业社会,数据表2中国经济信息网,数据表4来自未来的工业研究所的人力资源和社会事务。

根据以上工业量,三个产业的增长率多年来如表所示2。

4.2。灰色GM(1,1)预测

数据的基础上的市场份额,工业增长速度和就业贡献率的中国三大产业从2011年到2020年,灰色预测模型的原理,本文预测2021年中国三大产业来测试模型的准确性,使预测更有说服力。其中,灰色预测模型的结果是中国主要行业市场份额

用数据每年到上面的方程,计算结果积累和减少获得仿真值,残余变异,和原样品的相对变化,如表6所示。

从上面可以看出,残差不太大,在一个可接受的范围内,所以该模型可用于预测。为了提高可靠性,以下后执行测试的区别。

计算原始序列的平均值:

原始序列的计算均方误差:

计算剩余的平均值:

计算残差的均方误差:

计算平均方差比C:

计算小残余概率:

从上面的数据, 。从表可以看出7,P₀= 0.7,C₀= 0.65,P<P₀,C>C₀灰色预测模型是不合格的。因此,这个模型不能用于预测三大行业2021年的数据。

4.3。曲线拟合预测

在这篇文章中,我们使用多项式拟合方法来预测三大行业市场份额,工业增长速度,就业贡献率,能够推动国内生产总值在2021年中国三大行业数据显示从2011年到2020年。三大行业趋势的市场份额如图3。

通过以上拟合之前的数据,可以看出,第一产业的市场份额接近4.19%,第二产业的接近32.31%,第三产业的2021年接近62.4855%。正常化后数据,第一产业的市场份额接近4.2%,第二产业的市场份额接近32.6%,以及第三产业的市场份额已接近2021年的63.1%。

同样,上述预测方法和使用后的拟合曲线Excel软件,增长率,就业贡献率和拉动能力三大产业占国内生产总值(GDP)获得如下:第一产业的增长率接近10.3%,第二产业的增长速度接近4.0565%,而第三产业的增长率接近7.352%。第一产业的就业贡献率接近24.3533%,第二产业的就业贡献率接近27.1607%,第三产业的就业贡献率是接近48.8929%。第一产业对GDP的拉动能力接近0.1933,第二产业对GDP接近1.117,和第三产业GDP接近1.5469。

4.4。主成分分析

首先,利用灰色预测法和曲线拟合方法来预测市场份额的四项指标,工业增长速度,就业贡献率和拉动GDP的能力,发现曲线拟合方法获得的结果更准确。因此,本文运用数据曲线拟合预测的方法进行主成分分析。指标的汇总结果的三个主要行业如表所示8。

第二,原始数据标准化,利用SPSS软件,和标准化的数据的每个索引的三个主要行业如表所示9。

第三,计算变量的相关系数矩阵,利用SPSS软件,结果如表所示10。

第四,我们使用SPSS软件提取主成分因素,和具体过程如表所示11和图4。

表11显示了因子分析的方差解释表,这是相关系数矩阵特征值的计算结果,方差贡献率和累计方差贡献率。

图4显示了一个因子碎石图,横坐标是许多因素,纵坐标是特征值。从图可以看出,因子的特征值越高,越解释原始变量的贡献。此外,我们可以看到,第一主成分,占75.992%。自指数已经超过65%,它大约可以用来取代其他指标的力量。

此外,该组件可以获得得分系数矩阵,如表所示12。

最后,我们使用公式(21)计算综合得分的计算过程,结果如下。从计算结果可以看出,第三产业的综合得分最高,其次是第二产业,第一产业的综合得分是最低的。这表明第三产业是一个强大的行业。劳动力资源的流动方向会改变从第一和第二产业向第三产业。

近年来,第一产业的劳动力资源的流出。随着产业结构的不断升级,制造业的员工数量将继续减少。低技术和简单的体力劳动者将从制造业外流,和劳动,可以适应变换的需求将流向高端制造业、现代科学技术产业和服务产业。此外,政府调控房地产市场和建筑业的重组,劳动力流动将慢慢地从建筑业作为第二产业到其他行业。第三产业是劳动力转移的重点。劳动力流入传统服务行业时,对劳动力的需求在高端服务,比如金融行业、软件行业、和技术服务行业将在未来更大,和新的劳动产业集聚形成的。

5。结论和建议

5.1。结论

劳动力是最关键的因素在三个行业,和它的组成和配置效率决定了发展速度和输出值的三个行业。因此,本文首先采用灰色预测方法和曲线拟合方法来预测市场份额,工业增长速度,就业贡献率和拉动GDP 2021年中国三大产业的能力,然后使用主成分分析方法来获得这些权重,计算每个行业的实力。通过强大的程度,我们可以确定的强劲产业三大产业,从而实现劳动力市场资源的优化配置。实证分析的结果表明,第三产业是一个强大的产业三大产业。因此,基于当前劳动力结构和实证结果,提出优化中国劳动力市场的资源配置效率。

5.2。建议

通过预测和分析的三个主要行业,我们提出以下建议结合劳动力市场资源的优化配置劳动力资源配置的新要求。(1)建立劳动力市场价格体系:政府应该比较各级人才的供给和需求通过宏观调控手段,制定指标体系的各级劳动价格尽快,这样双方的劳动供给和需求可以实现劳动力资源的优化配置基于市场价格通过供求关系和竞争机制。(2)建立一个统一的城乡劳动力市场制度,实现劳动力的自由流动:这不仅可以促进劳动力资源的优化配置,也有效地促进公平就业。劳动力资源的自由流动可以打破歧视,保护,封锁壁垒。市场信号的影响下,劳动力的自由流动和分配各地区实现。(3)建立一个完全竞争市场:市场劳动力优化要求市场必须是一个充分竞争的市场。一个有效的劳动力市场必须是一个开放、公平,竞争市场不受歧视和特权。此外,政府应完善市场机制,规范市场行为。只有用这种方法我们才能实现劳动力资源的优化配置,确保公平的就业过程和消除就业歧视。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。