基于ARMA模型的我国劳动力供给潜力预测

杨海琼

摘要：劳动力是生产要素中主要的投入要素，是经济发展的重要源泉，未来经济增长速度会受劳动力供给潜力的直接影响。本文运用ARMA模型，借助Eviews软件，对我国劳动力供给进行短期预测，发现劳动力供给呈下降趋势，未来可能出现劳动力供需矛盾。

Abstract： Labor is the main input factor of production factors. Labor is also an important source of economic development. The rate of future economic growth will be directly affected by the labor supply potential. In this paper， ARMA model and Eviews software are used to make a short-term forecast of China's labor supply. The study finds a downward trend in the supply of labor. There may be a contradiction between supply and demand of labor in the future.

关键词：劳动力;供给;预测;ARMA模型

Key words： labor;supply;prediction;ARMA model

中图分类号：C921                                      文献标识码：A                                  文章编号：1006-4311（2020）32-0247-02

0  引言

人力资源是生产力中的核心要素，人力资源是推动经济发展的持续动力。劳动力是人力资源开发利用的基础，劳动力供给、利用关系经济社会持续发展。本文按照国际惯例，将劳动力年龄人口范围界定在15-64周岁之间。使用数据为《中国统计年鉴》1990-2018年15-64岁人口数据，借助Eviews软件进行分析。

1  国内外研究现状

国外对于劳动力的研究出现较早，主要围绕影响劳动力的因素以及劳动力人口预测展开。French E.从健康状况和财富状况等方面展开对劳动力供给的影响因素分析[1]。Aaberge R.、Colombino U.和Str？覫m S.对意大利的女性劳动力供给进行分析[2]。劳动力需求主要受经济和资本的影响，包括经济的增速和资本的投入，还有技术的发展等。为解决一些发展中国家劳动力有效需求不足的问题，Rakshit M.将凯恩斯理论引入并提出Rakshit模型[3]，但该模型并不适用我国的情况。人口增长预测模型的最早提出者是T.R.Malthus，其提出的指数增长模型因为会受到环境的限制，所以只针对短期预测有效，后期德国生物学家提出可做长期人口预测的S型人口模型，Keyfitz N又将年龄段、出生率以及存活率等因素考虑进矩阵理论模型并进行预测[4]。

在国内学术界，二十世纪70年代末就有关于“劳动力”的研究，成果较为丰富。张国贤认为我国早期劳动力经济特点是：资源丰富、年轻化和增长速度较快[5];关于农村剩余劳动力转移研究，吴伟东认为应该将农业劳动力的剩余和农村劳动力的剩余加以区分[6]，并对更容易实现产业间转移的农业劳动力进行了动态估计。蔡昉2018年指出，我国农村农业劳动力所占比对于这个发展阶段来说还是偏高，农村农业劳动力的就业转移还需要提升[7]。辜子寅在2018年指出，青年时期的劳动力出现不断萎缩，而相对稳定的是中年劳动力和增加的老年劳动力，我国人口老龄化问题严重[8]。陆旸认为可以通过计算劳动参与率和劳动失业率的决定方程来分析我国劳动力供给的决定因素[9]。

国内外学者对劳动力的研究成果较为丰硕，为本研究提供了借鉴。本文拟在分析我国劳动力现状基础上，使用ARMA模型对我国劳动力供给潜力进行预测。

2  我国劳动力现状

2018年末我国总人口为139538万人，比1990年增加了25205万人，比2017年增加了530万人。15-64岁的人口，即劳动年龄人口，2018年末为99357万人，占总人口的71.2%，比1990年末增长了4.5个百分点，比2017年末降低0.62个百分点。

从性别结构看，2018年末我国劳动力人口15-19岁和20-24岁两个年龄段男女性别比相差较大，分别为118.15和112.89，其余年龄段男女性别比在正常范围内。

从城乡结构看，2018年末我國城镇劳动力人口为59196.90万人，比2017年增加了776.97万人，城乡劳动力减少了0.03%。

从受教育情况看，2010年全国第六次人口普查数据显示，劳动力中未上过学人数为2605.16万人，比2000年全国第五次人口普查减少3047.49万人，减少3.88个百分点。劳动力的小学和初中教育人数占比全国第六次人口普查较第五次人口普查降低了5.29个百分点，劳动力受高中教育比例增加2.53个百分点，受大学专科、大学本科和研究生教育比例都相对提高。（参见图1）

从死亡率看，2010年全国第六次人口普查数据显示，男性劳动力死亡率是3.51‰，女性劳动力的死亡率是2.12‰，男性死亡率比女性高1.45‰，虽然2010年男女性死亡率都相比2000年降低，但是男性死亡率仍然高于女性，其比例还有所增加。（参见表1）

3  我国劳动力供给潜力ARMA模型预测

3.1 模型的简介  ARMA模型预测是一种时间序列预测方法，其时间预测的精度比较高，可以对时间序列进行短期的预测，是一种比较常用的预测方法。其基本的思想大致可以表述为：一个时间序列模型中的单个时间序列是不具有确定性的，但是一系列单个的时间序列会直接构成了一组时间t的随机变量，这些单个的时间序列所组成的整个时间序列就会具有规律性的变化，这个时间序列变化的规律可以通过相关的数学模型被近似的理解和描述，通过分析和统计相应的数学模型，可以对于时间序列的基本特点和结构的规律性有更加深入的认识和了解，最终实现在最小方差前提下的预测的最优化。

3.2 平稳性和随机性检验

3.2.1 序列的平稳性  将数据输入Eviews软件，通过观察劳动力原序列y的时序图，可以初步判断原序列的平稳情况，根据时序图，发现劳动力原序列y是存在着截距并且存在趋势，所以初步判断该序列是非平稳。

3.2.2 ADF检验  原劳动力序列y的ADF检验图显示，其p值为0.9998，在显著性水平为5%的情况下，接受原来的假设，即原劳动力序列y有单位根，说明原劳动力序列y是不平稳的。

3.2.3 差分法处理  对原有的劳动力序列y进行两次差分，生成了新的序列y2，进行时序图和ADF检验，均通过检验。

3.2.4 随机性检验  对劳动力序列y2进行随机性的检验，在显著性的水平为5%的前提下，检验出来的大部分p值是比0.05小的，所以应该拒绝原有的假设，说明劳动力序列y2是存在自相关的，通过随机性检验，表明y2序列平稳且非白噪声，满足建立ARMA模型的条件。

3.3 时间序列定阶  AR模型ACF拖尾，PACF结尾，MA模型ACF截尾，PACF拖尾，ARMA模型ACF和偏PACF均无明显的截尾。根据ACF和PACF图，ACF和PACF没有明显的结尾，建立ARMA 模型。

3.4 构建模型和预测

3.4.1 ARMA模型构建  尝试构建ARMA模型，经过多次尝试，最终构建ARMA（2，3）模型。

3.4.2 适用性检验  对每一个带有参数的模型结构进行显著性检验，需要对它进行一个t值的检验：其目的是通过检验一个模型中的结构是否能够达到最简。所建立的ARMA（2，3）模型中每一个参数的p值都比0.05小，在显著性数值水平5%的前提下，是需要拒绝原来的假设的，即该ARMA模型通过了参数的显著性检验，该模型的结构为最简结构。残差的自相关性检验（Q检验）：该检验是为了检验整个模型对信息的提取是否足够充分。（H0：ρ=0），对所建立的ARMA（2，3）模型的残差进行Q检验，检验结果显示，p的数值都大于0.05 ，在5%显著水平情况下，接受原假设，表明该ARMA模型提取的信息足够充分。

3.4.3 短期预测  扩大样本区间到2023年，进行动态预测，预测并推算出原劳动力序列y值，即2019-2023年劳动力人口数量。（详见表2）

3.5 总结  2019-2023年劳动力人口预测值均值为97294.10万人，1990-2018年均值为91006.07万人，近五年（2014-2018）均值为100055.20万人，未来劳动力预测值均值低于近五年劳动力均值。2019-2023年劳动力预测值的增长率均为负值，平均增长率为-0.76%，结合1990-2018年的劳动力人口数据，在2014年-2018年期间，劳动力人口的增长率均为负数，平均增长率为-0.24%，即从2014-2023年劳动力人口均为负增长，且2019-2023增长率绝对值均值比近五年增长率均值还高出0.52个百分点。

从劳动力供给潜力预测情况看，未来劳动力供给呈下降趋势，劳动力可能出现短缺问题，为了减缓劳动力供需矛盾，减轻社会抚养压力，加大人口生育鼓励政策应当成为今后或更长一段时间的国策。

参考文献：

[1]French E. The effects of health， wealth and wages on labour supply and retirement behaviour [J]. Review of Economic Studies， 2010，72（2）： 395-427.

[2]Aaberge R， Colombino U， Str？覫m S. Labour Supply in Italy： An Empirical Analysis of Joint Household Decisions， with Taxes and Quantity Constraints[J]. Journal of Applied Econometrics， 1999，14（4）：403-422.

[3]Rakshit M. Studies in the macroeconomics of developing countries[M]. Oxford University Press，1989.

[4]Keyfitz N. Applied mathematical demography[M]. Springer， 2005.

[5]張国贤.试论我国劳动力特点和劳动结业结构[J].哈尔滨理工大学学报，1985（S1）：125.

[6]吴伟东.关于农业剩余劳动力的几个问题[J].中国农村观察，1987（4）：58-60.

[7]蔡昉.农业劳动力转移潜力耗尽了吗？[J].中国农业经济，2018（1）：2-13.

[8]辜子寅.供给侧结构性改革背景下我国劳动力供给潜力分析[J].统计与咨询，2018（6）：18-20.

[9]陆旸.中国劳动力供给潜力的微观机制分析[J].北京工业大学学报，2019（5）：51-60.

[10]曾学文.中国转型期就业潜力的综合测算[J].统计研究，2008（11）：111-112.