区域农业科技人才需求关联因素定量分析及预测

池敏青

摘 要： 【目的/意义】制定与经济社会协调发展的人才规划和培养计划关键在于对未来人才需求量的准确预测，通过研究为制定福建农业科技人才未来发展战略提供理论支撑。【方法/过程】以2002-2016年的相关数据为分析基础，采用相关性分析和逐步回归方法对影响福建农业科技人才需求数量的相关因素进行深入挖掘和排序，并在解析影响因素体系的基础上采用组合预测模型进行需求量预测。【结果/结论】分析表明，农林牧渔业从业人员数、农林牧渔业全社会固定资产投资额、农业机械总动力依次对农业科技人员需求量存在明显正相关关系。“十三五”时期福建农业科技人才年均增长率为12.29%，人才的需求不仅在数量上仍有较大空间，而且年均增长速度也逐年上升。

关键词： 农业科技人才;需求关联因素;组合模型预测;定量分析;福建省

中图分类号：F322 文献标志码：A 文章编号：1637-5617（2019）05-0080-07

Abstract：  【Objective/Meaning】The key to making the talent planning and training plan in coordination with economic and social development lies in accurately predicting the future talent demand.【Methods/Procedures】Based on the analysis of relevant data from 2002 to 2016， the correlation analysis and stepwise regression method were used to deeply explore and sort the relevant factors influencing the quantity of demand for agricultural science and technology talents in Fujian Province， and the combined forecasting model was used to predict the demand on the basis of analyzing the influencing factor system.【Results/Conclusions】The analysis showed that the number of employees in agriculture， forestry， animal husbandry and fishery， the investment in fixed assets of the whole society in agriculture， forestry， animal husbandry and fishery， and the total power of agricultural machinery in turn had a significant positive correlation with the demand for agricultural scientific and technological personnel. During the 13th Fiveyear Plan period， the annual growth rate of agricultural scientific and technological talents in Fujian was 12.29%， and the demand for talents not only still had a large space in the quantity， but also the annual growth rate was increasing year by year.

Key words：  agricultural scientific and technological talents;demand correlation factor;combined model prediction;quantitative analysis;Fujian Province

要实施农业供给侧结构性改革和乡村振兴战略，就需要对农业从业人员的数量和质量提出更高要求，农业科技人才更是现代农业发展不可或缺的重要引擎。21世纪以来我国农业科技人才数量呈现逐年增长态势，1986-2016年我国公有经济企事业单位农林牧渔业专业技术人员增长近1.2倍，年均增长率达2.15%[1-2]。但其整体数量和水平仍难以适应我国农业快速发展的迫切需要，同时还存在结构不合理，高层次人才匮乏，科研创新和成果转化能力不强等重大障碍。制定与经济社会协调发展的人才规划和培养计划，将有利于人才供给与经济需求在规模上的平衡，也有利于实现人才结构与产业结构的相耦合[3]。科学的人才规划关键在于对未来人才需求量的准确预测[4]，因此如何利用历史数据和现有条件准确预测人才需求量是一个亟待解决的问题。

无法定量描述人才对社会经济发展的贡献和社会经济发展对人才的依赖程度，是人才需求预测遇到的一个根本性难题，至今尚无解决办法;国内外学者一致认同“人才需求受经济、社会、政治、科教、政策等多种因素的综合影响”[5-6]。实证分析中为实现预测模型的科学性和可操作性，往往只选取一定数量的重要影响因素，没有必要且也不可能将所有因素都纳入预测模型中，因此如何在众多要素中获取有效、高质量的影响因子，是提高人才预测精度的前提和基础，也是人才需求預测的重点和难点[7]。目前关于人才需求预测的研究较多。早期多数是沿着经济发展决定人才需求的思路，以经济增长的相关数据作为预测基础，如GDP（包括总量、增长率、人均水平等）、固定资产投资规模、财政支出、劳动生产率等[8-10]。近年来的研究侧重于综合考虑经济因素、社会因素（人口规模、就业人数、人居可支配收入等）、政治因素，以及科教因素等对人口需求的综合影响[11-12]。另外，刘凤朝[13]构建的科学技术进步-经济社会发展-人才需求和结构变化预测模块，论证了科技发展对人才需求的影响。田翔宇[14]从产业集群角度认为区域人才需求不仅受经济、社会、政治等外部因素影响，还受到产业发展战略、产业人力资源等内部因素影响。同时，不少专家还提出环境和体制因素在预测过程中难以量化，在预测实践中应采用定量和定性预测、模型与专家预测相结合的方式进行人才预测[8，13]。学术界关于农业科技人才需求的基本结论是：对高学历、高层次农业科技人才的需求呈现较高增长趋势，层次越低的人才需求减少趋势越明显;国内生产总值、第一产业总产值、农业机械总动力、农业从业人员、科技进步等是影响农业科技人才需求的主要因素[15-17]。

通过文献梳理可知，针对农业科技人才需求影响因素的研究不多，对其影响因素挖掘深度不够，缺乏系统合理的关联因素体系且各影响因素的重要程度并不明确，总体上研究成果还比较零散和笼统，预测结果信度和效度并不理想。作为海峡西岸经济区创新体系重要组成部分的福建省，其农业科技人才需求关联因素和预测更是未见有较系统的文献分析。因此，本文在经济社会环境中考虑人才需求预测问题，研究人才子系统及其与社会经济大系统之间的相互关系，对福建农业科技人才需求综合关联因素进行深入探讨并进行影响程度排序，并在此基础上进行需求预测，为制定福建农业科技人才未来发展战略提供参考依据。

1 数据来源、研究方法及变量选取

1.1 数据来源及说明

该文采用《农村实用人才和农业科技人才队伍建设中长期规划（2010-2020年）》中关于“农业科技人才”的界定：受过专门教育和职业培训，掌握农业行业的某一专业知识和技能，专门从事农业科研、教育、推广服务等专业性工作的人员。由于“农业科技人才”群体特殊性及相关统计工作尚未健全，该数据无法通过统计资料直接获得，因此采用农业科技人才需求数=农林牧渔业从业人数×国有企事业单位平均每万名职工中专业技术人员的比率。由于我国现阶段国有企事业单位专业技术人员比率相对企业而言较高，因此该文测算的农业科技人才是一个理论极大值[16]。

为避免经济社会体制变动和经济发展大起大落对人才发展规律的掩盖，以及考虑历史数据可获得性和统计口径、含义的一致性，选取福建经济发展相对稳定且与预测期内经济变动不大的时期数据作为分析对象。李朋波等[18]结合我国宏观经济形式的变化，认为在进行人才预测时，对历史数据的收集应以10年左右为宜。本文在综合考虑自变量选取个数和模型自由度基础上，选取2002-2016年15年的相关数据为分析对象，数据来源于《福建统计年鉴》《中国统计年鉴》《中国科技统计年鉴》。数据采用Eviews 7.2和Matlab2013b软件进行分析，数据处理及绘图采用Excel 2010软件。

1.2 分析方法

人才需求预测核心思想是在历史进程或人才与经济社会发展历史过程中寻找统计规律，以此来外推未来人才需求量。根据美国斯坦福研究所统计，人才预测方法多达150余种，其中较为广泛使用的有30余种。从方法上看有定性预测和定量预测，但仍以定量的数学模型预测为主（主要有时间序列法和相关分析法）[19-20]。李朋波等[18]对2009-2013年间定量预测方法使用频次进行统计，发现相关回归法、灰色系统法、时间序列法和组合预测法依次为最常使用的方法。福建农业科技人才需求预测属于地区宏观预测，根据文献资料显示，适宜采用时间序列方法中的灰色预测模型和相关分析方法中的多元回归预测模型。

灰色預测的基本思想是通过对原始数据逐步累加来减少随机波动的干扰，得到规律性较强的生成数列再重新建模，由生成模型得到的数据通过累加生成的逆运算——累减生成得到还原模型，再由还原模型作为预测模型。灰色预测主要适用于“小样本、贫信息、不确定”问题，尤其是在数据序列较短（历史数据较少）且具明显上升趋势时，预测精度较高。常用的是GM（1，1）灰色预测模型，本文采用李群等[21-22]提出的基于比一般灰色模型预测精度更高的L-Q灰色预测模型。

回归预测模型是根据最小二乘法原理，用简单方程去拟合实际观察值的一种建模方法。多元回归预测模型运用回归原理，通过寻找人才需求量与多种影响因素之间的函数关系，从影响因素的变化推知人才需求量的变化。因此多元回归的基本模型是将经济社会发展过程引入到传统人才预测模型结构中，以回归模型为基础，建立人才总量与国民生产总值及其他各类指标的多元线性回归模型[23-24]。

组合预测是通过多种方法的运用，并赋予每种方法不同的比例来构建最终的预测模型，实现对各种结果的优化组合，从而提高预测精度。该文采用最优加权法对多元线性回归模型和灰色预测模型进行组合，得到一个性能相对较好的组合预测模型[25-26]。

1.3 变量选取

影响农业科技人才需求的因素很多，且相互间可能存在相关性。本文在综合前人研究成果基础上，借鉴相关参考文献中影响系数较高的指标，并咨询相关专家，选取“农业科技人才数”为被解释变量（因变量），即 Y =农业科技人才数。解释变量（自变量）分别选取代表经济因素的农林牧渔业总产值（ x 1）、农林牧渔业生产总值（ x 2）、农林牧渔业生产总值增长率（ x 3）、农林牧渔业人均生产总值（ x 4）、农林牧渔业全社会固定资产投资额（ x 5）;代表社会因素的农林牧渔业从业人员（ x 6）;代表科技进步因素的农业机械总动力（ x 7）、有效灌溉面积（ x 8）、农村用电量（ x 9）、农用塑料薄膜使用量（ x 10）、农林牧渔业技术市场合同金额（ x 11）;代表政策因素的一般公共财政中农林水事务支出预算（ x 12）。

2 人才需求关联因素分析

利用Eviews 7.2计量软件对变量进行相关性分析（表1）。

从表1可以看出因变量与自变量间存在一定相关性，且自变量间也存在一定相关性，为进一步分析农业科技人才与其关联因素间的关系，在此建立多元线性回归模型，具体输出结果如表2所示。

由以上结果可以看出回归方程的拟合优度 R 2=0.958483，调整后的拟合优度达到0.709378，拟合效果较好，但从变量的 t 统计量结果可以看出所有自变量都未通过显著性检验，说明此回归方程中所有自变量对因变量都没有表现出明显的影响效果。在此结合上述相关系数矩阵结果，可推测自变量间可能存在较高相关性，造成回归结果存在多重共线性，因此此处采用逐步回归方法对自变量依次进行筛选与剔除，选取最佳变量。

通过Eviews 7.2计算软件，采用逐步回归方法对自变量进行选取，最终回归结果见表3。

由回归方程可知福建农业科技人才需求量与农业机械动力、农林牧渔业全社会固定资产投资额、农林牧渔业从业人员数成正比关系，即随着农林牧渔业全社会固定资产投资额、农林牧渔业从业人员数和农业机械总动力的增长，农业科技人才需求量随之增加。

3 人才需求预测实证分析

3.1 多元线性回归模型预测

为进一步预测福建农业科技人才需求量，在此需先对其影响因素进行短期预测，进而利用回归方程Y=579.444x7+1526.943x5+4015.962x6对人才需求量进行预测。

采用变量自回归方法分别对 x 5（農林牧渔业全社会固定资产投资额）、 x 6（农林牧渔业从业人员数）、 x 7（农业机械总动力）变量进行短期预测，结果如下：

预测精度检验（表7）：可求解出后验差比值 C =0.6，小概率误差 P =0.8489，根据表5模型精度等级表得出该灰色预测模型精度等级属于“合格”，因此可将其用来预测近年来福建省农业科技人才需求量。利用该灰色预测模型来预测福建农业科技人才需求量（表8）。

4 结论与讨论

（1）利用2002-2016年的相关数据，对影响福建农业科技人才需求相关的12个因素进行相关性和逐步回归分析，得出农林牧渔业全社会固定资产投资额、农林牧渔业从业人员数、农业机械总动力3个指标与农业科技人员需求量存在明显正相关关系，回归系数分别为1526.943、4015.962和579.444。所建立的回归方程调整后的拟合优度 R2 =0.905321，说明所筛选的3个自变量对因变量的解释程度较高。

（2）由回归系数排序可知，农业科技人才数与农林牧渔业从业人员数的相关度最高，此分析结果符合经济学常规，农业科技人才是从业人员的一部分，从业人员的增加必然会带来农业科技人才数量的增加。农林牧渔业全社会固定资产投资额的回归系数排第二，该指标是体现农业固定资产投资规模、结构和发展速度的综合性指标，在一定程度上反映农业产业发展规模中物质的投入程度，说明农业科技人才的需求与产业经济发展水平有着密切关系，产业发展规模、速度等水平越高，对科技人才的需求就越旺盛。目前福建省特色现代农业发展还处于上升阶段，对高精尖的农业科技人才具有很大的潜在需求市场。农业机械总动力的回归系数排在第三，该指标在一定程度上反映了农业科技进步程度。农业科技人才是农业科技的重要载体，农业科技进步会提高对科技人才素质的要求，对具备先进技术知识的科技人才需求量将增加;同时技术进步也将对人力产生替代效应，导致对低端科技人才和单纯体力劳动者的需求减少，可见农业科技进步程度与科技人才需求量是息息相关的。

（3）采用多元线性回归预测模型和L-Q灰色预测模型，以及在此基础上建立预测精度较高的权变组合预测模型，经测算，预测结果如表9、图1所示。

根据预测结果可知，福建省2017-2020年农业科技人才需求量分别是466.2693万人、517.1753万人、587.0269万人、682.9332万人，年增长幅度分别为8.56%、10.92%、13.51%、16.34%;2017-2020年的预测数与2016年相比缺口为36.7821万人、50.9060万人、69.8516万人、95.9063万人。从历史和预测数据可知，“十三五”时期福建农业科技人才年均增长率为12.29%，而“十二五”时期年均增长率为5.23%，因此福建对农业科技人才的需求不仅在数量上仍有较大空间，而且年均增长速度也逐年上升。农业科技人才需求量预测的理论极大值在466万以上，占当前农林牧渔业从业人员总数（2016年）的28.10%，可见福建现代农业发展将对农业科技人才的培养和供给造成压力。

除了该文选取的关联因素外，人才预测还受到如政治、环境和体制等不可控因素的影响，因此，在未来可预见时间内进行预测必须定量和定性分析相结合、专家咨询和数学模型相结合，并根据时间推移及目标、环境变化不断滚动修正结果，避免盲目发展倾向。孙林岩[19]认为“数学模型预测是宏观需求预测的重要参照系，但宏观需求预测的关键步骤是对比分析研究”。因此，通过用目标年与发达地区相当社会经济水平时期的情况对比，以及人才增长与社会经济增长情况对比等是判断预测结果准确程度的一个重要手段，在对比研究的同时，还需要对预测结果社会承受能力进行分析，包括教育经费、师资力量和培养能力等，这些将是进一步要开展的研究内容，从而更加全面的分析人才发展趋势，为福建农业科技人才队伍规划和结构优化提供科学合理的依据。

参考文献：

[1] 国家统计局社会科技和文化产业统计司，科学技术部创新发展司. 2017中国科技统计年鉴[M]. 北京：中国统计出版社，2017.

[2]国家统计局，国家科学技术委员会. 1987中国科技统计年鉴[M]. 北京：中国统计出版社，1987.

[3]赵生龙，李晓方. 人才资源规划与区域经济发展决策研究——以西安市为例[J]. 西北大学学报（自然科学版），2008（2）：329-333.

[4]JANTAN H， HAMDAN A R， OTHMAN Z A. Human talent prediction in HRM using C4.5 classification algorithm[J]. International Journal on Computer Science and Engineering， 2010， 2（8）：2526-2534.

[5]孙林岩. 地区人才需求的宏观预测[J]. 预测，1988（3）：45-47，29.

[6]蒋正明，张书凤，李国昊，等. 我国科技人才对经济增长贡献率的实证研究[J]. 统计与决策，2011（12）：78-80.

[7]咸桂彩，何文章，张学英. 我国人才需求预测研究：盘点与思考[J]. 中国职业技术教育，2014（6）：5-9.

[8]李涛，宋光兴. 区域人才资源需求预测方法研究[J]. 云南财经大学学报，2006，22（3）：91-95.

[9]宋文超. 江西省国有企事业单位专业技术人才需求预测分析[D]. 上海：华东交通大学，2011.

[10] 李泽玲. “十三五”时期江西省科技人才需求预测模及对策研究[D]. 上海：华东交通大学，2016.

[11]白敏植，李军，郭世璋，等. 邯郸市人才需求总量和人才需求结构预测分析[J]. 邯郸职业技术学院学报，2010，23（1）：19-24.

[12]孙晋众，林健. 人才需求预测指标体系及其实证分析[J]. 沈阳航空工业学院学报，2007（1）：92-94.

[13]刘鳳朝. 关于人才需求预测研究的几点方法论思考[J]. 预测，2001（4）：11-12，10.

[14]田翔宇. 产业集群区域人才需求预测的组合模型研究[D]. 长沙：中南大学，2009.

[15]刘志民，高耀，张振华. 中国农科人才结构与区域预测及需求因素分析[J]. 现代教育管理，2010（12）：21-24，97.

[16]柳晓冰. 农业现代化进程中的科技人才培养机制研究[D]. 青岛：中国海洋大学，2011.

[17]柏振忠. 现代农业视角下的农业科技推广人才需求研究[D]. 武汉：华中农业大学，2011.

[18]李朋波，张庆红. 国内人才需求预测研究的进展与问题分析[J]. 当代经济管理，2014，36（5）：72-80.

[19]孙林岩. 关于人才需求预测方法的探讨[J]. 预测，1988（1）：15-17，41.

[20]SEOL H，PARK G，LEE H，et al. Demand forecasting for new media services with consideration of competitive of competitive relationships using the competitive Bass model and the thery of the niche[J]. Technological Forecasting and Social Change， 2012，79（7）：1217-1228.

[21]李群，王宾. 中国科普人才发展调查与预测[J]. 中国科技论坛，2015（7）：148-153.

[22]刘思峰. 灰色系统理论的产生与发展[J]. 南京航空航天大学学报，2004，36（2）：267-272.

[23]邢洁. 天津滨海新区人才需求预测与人才竞争力评价研究[D]. 天津：天津大学，2011.

[24]闫邹先，郭德，尚秋芬. 西安市信息科技人才需求的灰预测及对策研究[J]. 情报杂志，2004（10）：28-29.

[25]王璨. 新疆兵团第七师农业科技人才需求预测与队伍建设研究[D]. 新疆：新疆大学，2015.

[26]陈广英. 基于高新技术产业视角的山东科技人才需求预测研究[D]. 青岛：中国海洋大学，2012.