运用生存模型对中国城镇人口再就业问题的研究

运用生存模型对中国城镇人口再就业问题的研究

ID:9642048

大小:53.00 KB

页数:4页

时间:2018-05-04

运用生存模型对中国城镇人口再就业问题的研究_第1页
运用生存模型对中国城镇人口再就业问题的研究_第2页
运用生存模型对中国城镇人口再就业问题的研究_第3页
运用生存模型对中国城镇人口再就业问题的研究_第4页
资源描述:

《运用生存模型对中国城镇人口再就业问题的研究》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、运用生存模型对中国城镇人口再就业问题的研究运用生存模型对中国城镇人口再就业问题的研究研究目的  失业问题与通货膨胀、资源匮乏、环境恶化一样,是影响世界各国经济发展的四大难题之一。鉴于中国城镇失业人口再就业的严峻形势和促进再就业的重大意义,本文主要从中国城镇失业人口再就业的影响因素着手,分析了1076位城镇失业人口再就业形势主要受哪些因素影响。  本文的创新点  本文在研究方法上,注重对中国城镇失业人员的实证分析、定性分析与定量分析的结合并加入了对城镇失业人口再就业影响因素的实证分析,使促进失业人员再就业的

2、对策更有针对性。另外,运用生存分析法中的Cox模型,分析了影响城镇失业人员再就业的因素。  中国城镇失业人口现状和结构特征  中国目前失业问题仍然严重,总量上,劳动力供大于求,结构性失业突出,同时,出现四大群体(下岗职工、失地农民、进城务工农民、大学毕业生)失业问题的交织。从宏观上看,失业制约了中国经济的发展,影响了社会的稳定;从微观上看,失业人口成为了城镇弱势群体的源头,其生活水平和生存状况堪忧。中国城镇失业人员失业呈现长期化趋势。调查表明,失业2年以上的占55.2%。城镇失业人员实现再就业的主要领域为

3、个体私营经济和服务业。从单位性质看,失业人员实现再就业的去向主要在非公有制经济领域,占全部实现再就业的失业人员的81.7%。从行业看,失业人员实现再就业的去向主要是批发和零售贸易业(占23.3%),居民服务和其他服务(占19.2%),交通运输、仓储和邮政业(占12.2%)和其他服务业(占14.9%),这些行业占了全部再就业失业人员的近七成。  中国城镇失业人口再就业影响因素的计量分析  (1)计量方法的选取  生存分析就是处理、分析生存数据。由于失业人员的再就业数据的选取,只能是确定一定的研究期间,它符合

4、生存数据的特点:在研究期间结束时,所要研究的事件还没有发生,或过早终止,使要收集的数据发生缺失。如:失业人员再就业的时间是不确定的,有可能在研究期间仍然处于失业,也有可能在研究期间实现再就业。所以,本文选取生存分析的方法来研究中国城镇失业人口再就业的影响因素。  由于再就业率是难以估计的,所以不宜采用非参数或参数模型方法。因此,对失业人员再就业问题的分析主要是运用生存分析中的Cox回归模型进行。我们主要通过Cox模型分析以下问题:失业人员从失业到再就业这段时间,我们称之为失业持续时间。在生存分析法中,失业

5、人员处在失业状态,即表示存活;失业人员实现再就业,即表示死亡。其中性别、年龄、受教育程度、健康状况、技能水平、原工作单位性质都是影响失业状态转变的危险因素。我们要确定那些危险因素对生存时间有重要影响,也就是确认重要的预后因素。通过建立失业持续时间随性别、年龄、受教育程度、健康状况、技能水平、原工作单位性质因素变化的模型,来确定这些对失业持续时间有影响的预后因素,并根据危险因素在模型中的影响对再就业率进行预测。4.2数据选取  以2005年社会综合调查数据(CGSS)中普通居民调查问卷数据为计量数据,来分析

6、影响城镇失业人口再就业的因素。这些数据包括失业人员的性别、年龄、健康状况、受教育程度、原单位性质、技术职称、失业时间、再就业时间,其中通过失业人员的失业时间和再就业时间计算出失业人员的失业持续时间。  (2)失业持续时间模型  1)模型的建立  主要以原工作单位性质这个变量为主要危险因素分析对失业人员持续失业时间的影响。假设失业持续时间丁有本文由.L.收集整理一个连续的概率分布f(t),t是T的实现值,则失业者在(0,t)实现再就业的累积概率为:  失业时间一直持续到时间t并将在以后结束的概率为s(t)=

7、1-F(t),S(t)即为存活函数,用以表示失业持续时间的长短。与存活函数相对应的是转机函数h(t),表示失业时间至少持续到t的情况下在(t,dt)内实现再就业的条件概率,表示再就业率,即当dt趋于零时失业者在(t,dt)内实现再就业的条件概率的极限值,即h(t)=limdt→0[Pr(t≤T<+dt)

8、dt]。通过推导可得存活函数与转机函数间的关系为:  由于失业持续时间样本的概率分布f(t)具有不同的形式,则相应的h(t)也要有对应的分布函数,而由于样本分布函数往往难以确认,因此

9、,可使用Cox模型对样本分布没有严格要求的半参数模型进行分析。Cox模型的一般表达式为:h(t,x)=h0(t)exp(x'β)。h0(t)为基准转机率,是时间的随机非负函数;X是含有一系列影响因素(协变量)的向量,X=β1X1+β2X2++βnXn,因此,h(t,x)是将在时刻t实现再就业的转机率分解为基准转机率和由向量X引致的增量转机率。β表示当X变化一个单位时引起的转机率

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。