中国就业景气指数的构建、预测及就业形势判断——基于网络招聘大数据的研究

《中国就业景气指数的构建、预测及就业形势判断——基于网络招聘大数据的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国就业景气指数的构建、预测及就业形势判断一一基于网络招聘大数据的研究耿林毛宇飞中国人民大学劳动人事学院中国人民大学中国就业研究所摘要：中国人民大学中国就业研究所与中国领先职业发展平台智联招聘联合推岀了中国就业市场景气指数(CIER)。该指数通过观测不同行业、城市职位供需指标的动态变化，反映就业市场上职位空缺与求职人数的比例变化，能够起到监测中国就业市场景气程度以及就业信心的作用。选取2011年第1季度至2017年第1季度的CIER数据，运用季节分解法、H-P滤波、VAR模型等时间序列分析方法进行的分析表明，CIER指数与宏观经济景气指标具有密切的联动关系。该指数不仅能够比较灵

2、敏地反映屮国就业市场的长期、中期及短期的动态变化特征，而且对宏观经济景气程度也具有较好的敏感性，因此，可以作为监测宏观经济景气程度的辅助指标。关键词：屮国就业市场景气指数;向量自回归模型;季节分解法;II-P滤波法;作者简介：耿林：中国人民大学劳动人事学院助理教授，中国就业研究所副研究员；作者简介：毛宇飞：中国人民大学劳动人事学院博士研究生(北京100872)ConstruetionofChinaEmploymentMarketProsperityIndex(CIER)andEmploymentSituationAnalysisBasedonCIERResearchBasedo

3、nLargeDataonNetworkRecruitmentGENGLinMAOYu-feiSchoolofLaborandHumanResources,RenminUniversityofChina;Abstract：TheChinaInstituteforEmploymentResearchofRenminUniversityofChinaandZhaopinltd.,aleadingprofessionaldevelopmentplatforminthecountry,jointlylaunchedCTER(Chinaemploymentmarketprosperityi

4、ndex),whichreflectedtheoveralltrendoftheemploymentmarket.Theindex,construetedonthebasisofthebigdata,onrecruitmentofZhaopinLtd.(zhaopin.com),canreflectthechangeoftheratioofjobvacanciestojobseekersinthejobmarketthroughanalyzingthedynamicsoflaborsupplyandlaboremploymentofdifferentindustries,dif

5、ferenturbananddifferentpositions，andcanmonitortheprosperityofChina'semploymentmarketandtheconfidenceintheemploymentmarkct.TheauthorsselectedCIERdatafromthefirstquarterof2011tothefirstquarterof2017,usingseasonaldecompositionmethod,HPfilteringmethod,VARmodeltoanalyzetherelationshipbetweenCTERa

6、ndthemacroeconomicprosperityindex(PMI).TheresultsshowthatCIERhascloserelationshipwithPMI.TheauthorspredictedthetrendoftheCIERindexforthenextthreequartersin2017usingseasonaldecompositionmethod,andanalyzedtheoverallemploymentsituationofChinaunderthebackgroundofsupply-sidereform,andtheemploymen

7、tstructureofdifferentindustries,citiesandregions,andputforwardrelevantpolicysuggestions.Keyword：Chinaemploymentmarketprosperityindex(CIER);purchasingmanagerindexofmanufacturingindustry(PMI);vectorautoregressivemodel(VAR);seasonaldecompositionmethod