基于因子分析和聚类分析的各省市主要行业就业情况分析

何易珂

摘要：我国作为一个人口大国，随着就业形势日益严峻，研究各行业就业情况必不可少。本文用SPSS软件以聚类分析和因子分析的方法分析全国31省市2018年的各行业城镇单位就业人员数量情况。通过分析当下国家行业就业情况以及各省市人口就业情况，从而了解各省市经济发展状况。本文认为，我国经济发展及就业不平衡，就业较好的地区主要在东南部沿海地区和某些直辖市，西部地区发展落后。

关键词：聚类分析;因子分析;行业就业情况

一、选题意义及目的

我国城镇化的不断发展涌现出行业呈现多样化发展。随着竞争压力的增大，出现就业难的问题。各省市地区间出现人口数量与就业岗位不匹配，劳动力就业情况和地区经济发展状况有很强烈的关系改革。开放40多年来，改革红利已逐渐消失，当今竞争性资源、竞争性消费、竞争性低成本劳动模式已难以继续（2015年）。研究各省市行业的就业人口数的分布和关系受到人们密切关注。

二、文献简述

我国学者张艺、余开朗（2017）从人口就业角度，采用因子分析和聚类分析对我国31各省市的就业进行了分析和评价，得出地理环境、经济发展情况和人的主观选择性对行业就业影响大。本文运用因子分析和聚类分析的方法对我国31省市主要行业的就业人数进行了评价分析。

三、基于因子分析和聚类分析的就业情况分析

本文针对样本数量过多的问题，采用因子分析方法提取公共因子，然后进行聚类分析。通过对原始数据进行标准化，计算样本数据X的均值和协方差并且计算主成分的贡献率及累计贡献率。

根据主成分的累计方差贡献率达到80%来选取因子。根据这一原则，这19项指标一共提取了3个公共因子（累计方差贡献率为87.11%），三个因子解释能力分别占所有变量总方差的62.951%、16.851%、7.308%。

通过建立因子载荷阵，进行方差最大正交旋转。根据旋转后的因子负荷矩阵命名公共因子：

1.公共因子F1在交通、仓储和邮政业（X6）、信息传输、软件和信息服务业（X7）、批发和零售业（X8）、住宿和餐饮业（X9）、金融业（X10）、房地产业（X11）、租赁和商务服务业（X12）、科学研究和技术服务业（13）、居民服务、修理和其他服务业（X15）、文化、体育和娱乐业（X18）上的载荷绝对值较大，方差贡献率为62.951%，可以将F1命名为服务与文娱主导型行业指标;

2.公共因子F2在制造业（X3）、电力、热力、燃气及水生产和供应业（X4）、建筑业（X5）、水利、环境和公共设施管理业（X14）、教育业（X16）、卫生和社会工作行业（X17）、公共管理、社会保障和社会组织行业（X19）上的载荷值较大，方差贡献率为16.851%，可以将F2命名为工业技术与公共管理主导型行业指标;

3.公共因子F3在农林牧渔业（X1）、采矿业（X2）上的载荷值较大，方差贡献率为7.308%，可以将F3命名为资源主导型行业指标。

在处理缺失值后的因子分析，在19个指标中成功提取出了3个主导功能因子，大大简化了指标。在没有损失太多信息的同时，获得相对完整的解释能力，更直观的地展现出了最可观的影响因素。

最后，将公共因子得分计算：F=0.62951*F1+0.16851*F2+0.07308*F3

以下用提取的3个公共因子取代19个指标，进行聚类分析。计算26个样品相互之间的欧式（Euclidean）距离，选用Ward离差平方和法对样品进行聚类。

由聚类树形图得出分类结果：

重新调整聚类距离类合并。由表5所示，从上往下作垂线，分成六类效果最好。

四、各省主要行业就业情况分析

1.聚类结果

（1）根据聚类谱系图将分类结果如下：

（2）通过Excel制作出类别与导功能因子均值之间的数据透视表：

2.结果分析

（1）第一类地区服务与文娱主导型行业、工业技术与公共管理主導型行业、资源主导型行业就业都比较差，这类地区包括天津市、海南省、西藏自治区、青海省、宁夏回族自治区。这说明这些地区的经济发展情况还不是很好，行业岗位和人才需求都比较少，各行业发展机会较少。而天津市属于特例。在因子分析的综合得很表中可以看出，天津市的服务与文娱主导型行业就业情况较好。本文推断天津市邻近北京市，政府和市场对人才吸引力不够，大部分人选择去北京工作，导致人才外流。

（2）第二类地区服务与文娱主导型行业、工业技术与公共管理主导型行业、资源主导型行业就业都比较差，这类地区包括内蒙古自治区、辽宁省、吉林省、安徽省、福建省、江西省、湖北省、湖南省、广西壮族自治区、重庆市、贵州省、云南省、陕西省、甘肃省、新疆维吾尔自治区。这类省市主要在内陆或者高纬度地区，经济发展没有很好的自然资源先天优势，且没有较为便利的交通枢纽。比起其他发达地区，成长起步较晚，因而各行业就业人数相对较少。

（3）第三类地区服务与文娱主导型行业、工业技术与公共管理主导型行业就业较差，资源主导型行业就业最好，这类地区包括山西省、黑龙江省。这些地区是资源密集型地区，黑龙江省矿产资源、能源丰富，山西煤炭资源和矿产资源丰富。这些先天良好的资源都促使着这类地区发展。

（4）第四类地区服务与文娱主导型行业就业较差，工业技术与公共管理主导型行业、资源主导型行业就业都比较好，这类地区包括河北省、山东省、河南省、四川省。这类地区经济发展较好，但是人口稠密，所以各行业发展差异较大。

（5）第五类地区服务与文娱主导型行业、工业技术与公共管理主导型行业就业较好，资源主导型行业就业较差，这类地区包括江苏省、浙江省、广东省。这类地区主要是南方沿海省，这类省份自然资源基础较差，但市场经济发展良好，第三产业发展较好，经济发展水平较高。

（6）第六类地区服务与文娱主导型行业、资源主导型行业就业较好，工业技术与公共管理主导型行业就业较差，这类地区包括北京市、上海市。这类城市属于中国经济发展水平最高的城市，地方寸土寸金，主要以发展因地制宜发展和第三产业发展为主。

五、结论

本文以国家统计局2018年发布的各行业就业人数为样本，首先对所有行业进行了主导功能因子提取，然后对样本进行聚类分析。本文得出了以下结论：

中国各省之间的就业状况差距很大。从分析中我们可以看出第一类和第二类的就业情况不是很好，而第五类和第六类的就业情况良好，地区之间差距较大。各省市要发掘优势行业，优化产业结构，创造本省就业优势。

政策对就业的发展有较大的影响。通过分析我们得知，就业较好的地区主要为东南沿海城市和一些直辖市。受改革开放和对外经济开放的影响，这类地区具有一定的政策先天优势。人们的发展观念意识在政策指导下开放，新兴产业和经济发展犹如雨后春笋。

人口基数对就业有很大的影响。从分析中我们可以看出，第四类地区各行业发展是不平衡的。人口大省应该利用人口优势，培养优秀人才，提高劳动者素质和技能。平衡发展各项行业，促进服务类新兴产业发展，推动时代发展。

引进人才是作为大部分省市的行业就业措施。像第一类和第二类地区，在本身没有太多先天优势的情况下，要善于利用人力资源，引进优秀人才促进本省市发展。

参考文献：

[1]王淑芬主编.应用统计学[M].北京大学出版社：北京，2017：290.

[2]郭璇碹.区域创新效率影响因素实证研究[J].商业经济研究，2015（10）.

[3]张艺，余开朝.基于因子分析的各省主要行业就业情况评价分析[J].价值工程，2017，36（32）：13-15.

天津外国语大学求索荣誉学院