对于大数据在劳动力市场研究中的应用与展望

《对于大数据在劳动力市场研究中的应用与展望》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、对于大数据在劳动力市场研究中的应用与展望　一、引言　　劳动力市场搜寻与匹配是劳动经济学研究的重要问题。自1962年斯蒂格勒在《劳动力市场中的信息》一文中提出劳动力市场信息理论之后，学者们构建了工作搜寻理论，并基于调查数据对劳动者的工作搜寻行为进行了大量实证研究。相比之下，有关雇主搜寻策略和行为的研究仍显不足(Barron等，1985;Villena-Roldán，2012)。雇主搜寻研究的滞后在一定程度上是缺乏数据导致的(DeVaro，2005，2008;Horton，2010;Pellizzari，2011)。在我国，重视劳动供给研究、轻视劳动需求研究的倾向存在已久(蔡

2、昉，2002)。国内权威的劳动需求调查、职位空缺调查缺位是造成这一现象的关键原因。同时，传统的问卷调查只能获取搜寻与匹配结果数据，相关的过程数据仍较为缺乏，导致劳动力市场动态研究进展缓慢。而且，现有的劳动力市场动态研究基于问卷调查的回忆性填答(Burdett和Cunningham，1998)获取的有关搜寻过程的数据具有测量误差，导致模型估计结果有偏。　　随着互联X在劳动力市场搜寻与匹配中应用规模的不断扩大，基于互联X的劳动力市场大数据应运而生。劳动力市场大数据不仅具有海量样本的特征，还具有动态性和即时性等显著特征，因此能够用来分析那些传统问卷调查数据无法分析的问题(Kuhn，2014)

3、。近年来，采用劳动力市场大数据的实证研究陆续出现(Kureková等，2015)，并陆续刊登在《经济学季刊》(QuarterlyJournalofEconomics)、《计量经济学》(Econometrica)、《经济学视角》(JournalofEconomicPerspective)、《劳动经济学》(JournalofLaborEconomics)等核心期刊上。本文基于这些实证研究，在文献分析的基础上，讨论劳动力市场大数据的产生过程、内涵及在劳动力市场研究中的应用，并在此基础上，总结劳动力市场大数据的收集方法、测量指标，以及数据中可能存在的问题及解决方法。最后，本文展望

4、了国内学者采用此类数据开展劳动力市场研究的可能性，以期为推动大数据在国内劳动经济学研究中的应用提供参考。　　二、劳动力市场大数据的产生过程及内涵　　目前，对于大数据的概念，企业界和学术界尚未形成公认的准确定义(冯芷艳等，2013)，然而，这并不影响社会各界对大数据的探讨。美国国家科学基金会(NationalScienceFoundation)将大数据定义为：基于仪器、传感器、互联X交易、电子邮件、视频等数据源所生成的大规模、多元化、综合的、追踪性的分布式数据集①。我们将以该定义为基础，讨论和总结劳动力市场大数据的产生过程及内涵。劳动力市场大数据的产生源于互联X对劳动力市场运行方式的变革

5、。信息技术和互联X的发展改变了劳动者与雇主之间的搜寻与匹配机制(Autor，2001)。Freeman(2002)这样描述了互联X时代劳动力市场的搜寻与匹配机制：求职者通过互联X了解到更多有关工作机会(offer)的信息;雇主通过互联X收集更多、更详细的求职者信息;最为关键的是，求职者和雇主不仅能在短时间内收集和浏览大量的信息，而且信息收集过程不再受时间和地域的限制，信息的更新速度更快。因此，互联X逐渐成为应用广泛的劳动力市场中介，甚至可能取代其他中介，成为未来劳动力市场搜寻与匹配的主要渠道(Parry和cLaren和Shanbhogue，2011;Askitas和Zimmermann

6、，2015)，形成了劳动力市场搜寻与匹配的客观观测数据集，受到了研究者的重视。例如，Chan和San(2000)尝试性地在1999年5月2000年1月，从AustralianJobSearch.上收集了有关电子商务类岗位的招聘信息，并通过简单的描述统计，阐述了电子商务类岗位的工作内容和职责，以期为该学科的毕业生提供就业指导。arcucci，2009)。已有学者采用这种数据预测了美国(DAmuri和Marcucci，2009)、德国(Askitas和Zimmermann，2009)、法国(Fondeur和Karamé，2013)、英国(McLaren和Shanbhogue，

7、2011)、意大利(DAmuri，2009)、以色列(Suhoy，2009)等国家的失业率。因此，从现有实证研究可以发现，劳动力市场大数据是基于互联X收集的有关搜寻与匹配的数据集。这里的互联X既包括互联X搜索引擎(如Google)，也包括招聘X站、企业X站等媒介。另外，有学者将通过互联X进行问卷调查获取的数据(如Kureková等，2015)或者通过互联X进行实验获取的数据(如Edelman，2012)也列入大数据行列。然而，本文