文章以云南省為研究對象,對產(chǎn)業(yè)結構和就業(yè)結構的發(fā)展進行了相關性分析。首先,將Moore結構值納入灰色絕對關聯(lián)度,定量分析云南省就業(yè)結構與產(chǎn)業(yè)結構變動的滯后期;其次,建立向量自回歸模型,探索產(chǎn)業(yè)結構與就業(yè)結構的動態(tài)關系;最后,建立組合預測模型,對云南省2020—2022年產(chǎn)業(yè)結構與就業(yè)結構的變動趨勢進行了預測。結果表明,云南省第一產(chǎn)業(yè)勞動力過剩,第二產(chǎn)業(yè)就業(yè)人數(shù)增加對促進產(chǎn)值上升作用較小,第三產(chǎn)業(yè)吸納勞動力能力最強。 

【文章來源】：改革與開放. 2020,(15)

【文章頁數(shù)】：10 頁

【部分圖文】：

1992—2018年云南省產(chǎn)業(yè)結構與就業(yè)結構協(xié)調系數(shù)

根據(jù)圖3可觀察到，云南省產(chǎn)業(yè)結構與就業(yè)結構的變動呈明顯波動趨勢，且就業(yè)結構的波動滯后于產(chǎn)業(yè)結構的波動。1992年后產(chǎn)業(yè)結構的變動大幅下降，變動劇烈程度變低，呈現(xiàn)階段性變化，1996年產(chǎn)業(yè)結構的變動幅度又開始上升，1998年開始急劇下降，2000年后下降速度變緩，2004年后波動速度變快，通過圖3可大致得出，就業(yè)結構調整滯后產(chǎn)業(yè)結構調整時間大約為3—6年。(2）產(chǎn)業(yè)結構與就業(yè)結構的相對滯后時間計算

按照加權集成的方法，根據(jù)表4中三種預測模型的權重對1992—2017年云南省三次產(chǎn)業(yè)產(chǎn)值及就業(yè)人數(shù)進行預測的集成預測誤差值如表5所示。對預測結果進行檢驗后發(fā)現(xiàn)，加權后的預測結果較GM(1,1)模型、VAR模型和時間序列模型更穩(wěn)定，預測誤差更小，各模型最大預測誤差穩(wěn)定在15%以內，GM(1,1)模型、VAR模型和時間序列模型所得預測結果的最大預測誤差值均在20%以上。因此，集成的動態(tài)綜合預測所得預測誤差波動較小，平均誤差值降低，避免了單個預測模型的缺陷和局限性，集成預測所得預測結果擬合圖如圖6所示。

【參考文獻】：
期刊論文
[1]新疆產(chǎn)業(yè)結構與就業(yè)結構協(xié)調性研究[J]. 龔新蜀,李永翠.  石河子大學學報(哲學社會科學版). 2019(01)
[2]產(chǎn)業(yè)轉型、就業(yè)結構調整與收入分配[J]. 宋錦.  經(jīng)濟與管理研究. 2018(10)
[3]產(chǎn)業(yè)結構演進中就業(yè)結構調整的滯后性研究——基于內蒙古數(shù)據(jù)的灰色絕對關聯(lián)度模型分析[J]. 孟凡杰,郭曉春,張博.  數(shù)學的實踐與認識. 2018(19)
[4]福建省產(chǎn)業(yè)結構與就業(yè)結構的協(xié)同分析及趨勢預測[J]. 劉瓊芳.  華北水利水電大學學報(社會科學版). 2018(04)
[5]中國就業(yè)結構演變及其動因分解——基于投入占用產(chǎn)出模型的分析[J]. 李方一,王娟,李蘭蘭,唐志鵬.  管理評論. 2018(05)
[6]河北省就業(yè)結構、產(chǎn)業(yè)結構與經(jīng)濟增長的聯(lián)動分析[J]. 鄭紅玲,劉肇民,魯麗麗.  地域研究與開發(fā). 2018(02)
[7]產(chǎn)業(yè)結構與就業(yè)結構協(xié)調性測度及預測[J]. 孫雨露,李正升,曹洪華,婁陽.  商業(yè)經(jīng)濟研究. 2018(04)
[8]人口結構與經(jīng)濟重心空間耦合演化及機制探析——以江蘇省為例[J]. 吳連霞,趙媛,吳開亞,管衛(wèi)華.  經(jīng)濟問題探索. 2017(12)
[9]新常態(tài)下云南產(chǎn)業(yè)結構升級與勞動力需求結構失衡問題研究[J]. 王祥懿.  時代金融. 2017(12)
[10]就業(yè)結構與產(chǎn)業(yè)結構的協(xié)調性分析——基于廣東數(shù)據(jù)的實證研究[J]. 丁海燕.  現(xiàn)代管理科學. 2017(04)



本文編號：3384206