趙卓娟+++楊俊孝??
【摘要】基于生存分析中的COX比例風險模型對失業(yè)人員再就業(yè)的影
響因素進行分析,并運用KaplanMeier法描述各影響因素下失業(yè)者的生存曲線和生存函數(shù)
。通過分析得出,“年齡”、“文化水平”、“是否領取失業(yè)保險金”、“是否接受過再就
業(yè)技能培訓”和“再就業(yè)信息獲取程度”這五個因素對失業(yè)人員再就業(yè)有顯著影響?;趯?/p>
失業(yè)人員再就業(yè)問題的深刻認識,試圖為社區(qū)教育充分發(fā)揮自身優(yōu)勢、促進失業(yè)人員再就業(yè)
提出可行性建議。
【關(guān)鍵詞】社區(qū)教育;失業(yè)人員;COX比例風險模型;KaplanMeier法
【中圖分類號】G77【文獻標識碼】A【文章編號】10018794(2015)06002204[HJ]
[HT5”SS][HJ2]
【收稿日期】20150216
【作者簡介】趙卓娟(1990—),女,陜西安康人,在讀碩士研究生,研究
方向為公共政策分析;楊俊孝(1964—),男,陜西白水人,博士,教授,副院長,研究方
向為公共政策分析。
一、引言
隨著我國經(jīng)濟社會轉(zhuǎn)型升級、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,我國正面臨著日益嚴峻的就業(yè)壓力和挑戰(zhàn)。勞
動適齡人口數(shù)量的快速增加及大量農(nóng)村富余勞動力涌入城市加大了城鎮(zhèn)人口的就業(yè)壓力
,導致我國城鎮(zhèn)失業(yè)現(xiàn)象日益嚴重。據(jù)人社部公布的數(shù)據(jù),2013年我國城鎮(zhèn)登記失業(yè)人數(shù)達
到926萬,城鎮(zhèn)登記失業(yè)率高于4%。本文利用烏魯木齊市實地調(diào)研獲得的樣本數(shù)據(jù),運用生
存分析中的COX比例風險模型和KaplanMeier來分析和描述失業(yè)人員再就業(yè)的影響因素,并
以此為基礎分析如何更好地發(fā)揮社區(qū)教育促進就業(yè)的功能,幫扶失業(yè)人員解決就業(yè)問題。
二、文獻回顧與總結(jié)
國外學者從社區(qū)教育社會功能的視角,分析其對社會流動和社會公平的促進作用。[1]
舒爾茨通過分析社區(qū)教育對社區(qū)發(fā)展的正面作用,提出社區(qū)教育不僅可以提高居民的工資收
入,還可以遏制社區(qū)內(nèi)部的不平等,提高社區(qū)凝聚力,促進社會認同。[2]社區(qū)教育具有因
地制宜的特點,能有效滿足居民需要、提高居民就業(yè)與創(chuàng)業(yè)能力。[3]在影響因素方面,Eck
hard分析了失業(yè)福利、教育程度等因素對失業(yè)人員失業(yè)時長的影響。[4]張燕通過COX比例風
險模型分析了失業(yè)保險對失業(yè)時長的影響。[5]宋剛以大連市為例,運用工作選擇模型分析
了失業(yè)者再就業(yè)的限制因素,并認為可發(fā)揮社區(qū)再就業(yè)的資源優(yōu)勢來解決再就業(yè)問題。[6]
杜鳳蓮運用KaplanMeier法分析出女性和男性的再就業(yè)可能性差異顯著,男性的再就業(yè)率
高于女性。[7]藍麗嬌運用COX比例風險模型對城鎮(zhèn)失業(yè)者再就業(yè)的影響因素進行分析,指出
工作年限、是否領取保險金、是否獲取就業(yè)信息是影響失業(yè)者再就業(yè)的主要影響因素。[8]
三、數(shù)據(jù)來源及變量特征
本文結(jié)合烏魯木齊多民族聚集、外來人口多的特點,選取了水磨溝區(qū)葦湖梁片區(qū)為調(diào)研
區(qū)域。該區(qū)因煤礦的關(guān)停造成下崗人員劇增,僅本地就業(yè)困難人員已過千人,另外轄區(qū)流動
人口較多,其就業(yè)問題不容忽視。本文選擇了葦湖梁街道辦事處下轄5個社區(qū),采取隨機抽
樣和偏好抽樣相結(jié)合的方法,向160名有工作能力且有工作意愿的失業(yè)人員發(fā)放了調(diào)查問卷
?;厥沼行柧?53份,問卷有效回收率為956%。
本研究將“失業(yè)持續(xù)時間”作為被解釋變量,選取了可能對失業(yè)持續(xù)時間產(chǎn)生影響的變
量,分別為性別、民族、年齡、文化程度、婚姻狀況、失業(yè)保險金領取情況、失業(yè)前月工資
收入、家里是否還有其他人失業(yè)、原工作單位性質(zhì)、再就業(yè)技能培訓情況和失業(yè)者獲取再就
業(yè)信息情況,如表1。
四、失業(yè)人員再就業(yè)的生存分析
生存分析(survival analysis)是將事件的結(jié)果與事件所經(jīng)歷時間結(jié)合起來分析的一
種統(tǒng)計分析方法,可用來分析不同影響因素(稱之為協(xié)變量)與生存函數(shù)間的關(guān)系,分析某
種因素對生存率或生存時間的影響作用。由于失業(yè)持續(xù)時間數(shù)據(jù)中包含截尾(刪失)數(shù)據(jù),
且具有右連續(xù)性特征,[9]故其他常用的分析方法不適用于分析協(xié)變量對失業(yè)生存函數(shù)的影
響。生存分析方法有三種,分別為參數(shù)法、半?yún)?shù)法和非參數(shù)法,[10]本文將運用半?yún)?shù)法
中的COX比例風險模型及非參數(shù)法中的KaplanMeier法來進行研究分析。
1COX比例風險模型的建立及分析
在生存分析法中,COX回歸用于分析協(xié)變量與失業(yè)時間長短的關(guān)系,失業(yè)人員若實現(xiàn)重
新就業(yè),即為“失業(yè)狀態(tài)死亡”。假設有n名失業(yè)者(i=1,2,…,n),影響失業(yè)者失
業(yè)持續(xù)時長的協(xié)變量有p個,分別為xi1,xi2,xi3,…,xip,
第i名失業(yè)者的失業(yè)持續(xù)時間為ti,COX回歸是通過風險函數(shù)h(t)作為因變量來分析其
與協(xié)變量X1,X2,…,Xp間的關(guān)系,其模型為:
h(t,X)=h0(t)exp(β1X1+β2X2+…+βpXp)(1)
式中,h(t,X)是在t時間點與協(xié)變量X間的風險函數(shù);h0(t)是基準風險函數(shù),其是所
有協(xié)變量X1,X2,…,Xp在標準狀態(tài)或都為零時的風險函數(shù);X1,X2,…,Xp
是指協(xié)變量,即影響失業(yè)狀態(tài)時長的因素;參數(shù)β1,β2,…,βp稱為回歸系數(shù),
βi<0表示該協(xié)變量為保護因素,當X越大,失業(yè)狀態(tài)生存時間越長,βi>0表示該協(xié)
變量為危險因素,當X越大,失業(yè)狀態(tài)生存時間越短。
本研究中,將性別、民族、年齡、文化水平、婚姻狀況、是否領取失業(yè)保險金、失業(yè)前月工資
收入、家里是否還有其他人失業(yè)、原工作單位性質(zhì)、是否接受過再就業(yè)職業(yè)技能培訓情況列
為待定協(xié)變量,運用SPSS170統(tǒng)計軟件,把以上影響因素作為自變量,設置多分類變量的啞
變量,采用向前逐步回歸法(最大似然估計)構(gòu)建COX比例風險模型,對偏回歸系數(shù)進行顯
著性檢驗,判斷協(xié)變量與失業(yè)者失業(yè)持續(xù)時間的長短是否具有顯著關(guān)系,輸出結(jié)果見表2。
根據(jù)表2可知,在5%的顯著性水平上通過檢驗的變量有5個,分別為“年齡”“文化水平
”“是否領取失業(yè)保險金”“是否接受過再就業(yè)職業(yè)技能培訓”和“再就業(yè)信息獲取程度”。
2KaplanMeier法對失業(yè)人員再就業(yè)影響因素的分析描述
生存分析中的KaplanMeier是一種描述性統(tǒng)計方法,用生存曲線描述失業(yè)者再就業(yè)的影響
因素與失業(yè)生存的關(guān)系,其基本思想是:將樣本統(tǒng)計的失業(yè)持續(xù)時間由小到大依次排列,計
算各類失業(yè)者在某一時間點的失業(yè)生存函數(shù)。
年齡方面:根據(jù)COX回歸檢驗結(jié)果進行分析,
自變量“年齡”的偏回歸系數(shù)為負,表明
該協(xié)變量屬于保護因素,即保護失業(yè)狀態(tài)的因素,意味著失業(yè)者每增加一歲,則其再就業(yè)的
概率和可能性會下降31%。由此可見,隨著失業(yè)人員年齡的逐漸增大,其再就業(yè)的難度也將增大。
文化水平方面:“小學及以下”、“初中”、“高中”、“中職(職高、中專、技工學
校)”這四種文化程度偏回歸系數(shù)均為負值,表明這四種文化水平為保護因素。通過Kaplan
Meier法分析可知,隨著時間的增長,大專及以上文化水平的失業(yè)者的生存概率遞減最快
,即“失業(yè)狀態(tài)死亡”最快,其再就業(yè)的概率最大。高中與中職(職高、中專、技工學校)就
業(yè)情況整體上趨于一致??傮w來說,失業(yè)者的文化水平越高,其再就業(yè)的概率和可能性就越大。
失業(yè)保險方面:該自變量的偏回歸系數(shù)為負值,表明領取失業(yè)保險金的再就業(yè)的概率和
可能性會降低325%。通過分析得出,在相同的“失業(yè)狀態(tài)死亡”時刻,未領取失業(yè)保
險金的失業(yè)人員的生存函數(shù)低于領取失業(yè)保險金的失業(yè)人員,即未領取失業(yè)保險金的失業(yè)人
員的再就業(yè)可能性較大。相較于領取失業(yè)保險金的失業(yè)者來說,未領取失業(yè)保險金的失業(yè)者
缺少必要的經(jīng)濟收入,因此會有更強烈的動機和意愿來擺脫自己的失業(yè)狀態(tài),更加積極主動
地去尋找工作。
再就業(yè)技能培訓方面:該自變量的偏回歸系數(shù)數(shù)值為正,意味著接受過再就業(yè)技能培訓
的再就業(yè)概率會提高408%。分析表明,接受過再就業(yè)技能培訓的失業(yè)人員失業(yè)狀態(tài)生存
函數(shù)較低,即再就業(yè)可能性較大。失業(yè)人員接受再就業(yè)技能培訓,能夠在短時間內(nèi)掌握一項
工作技能,通過社區(qū)、培訓機構(gòu)向有用工需求的單位推薦介紹,可以大大縮短失業(yè)者搜尋工
作的時間,增加失業(yè)者再就業(yè)的機會。
再就業(yè)信息獲取方面:在以失業(yè)者再就業(yè)信息獲取多為對照組的情況下,再就業(yè)信息獲
取少的失業(yè)者的再就業(yè)概率會降低0717(1-0283)。分析表明,獲取再就業(yè)信息多
的失業(yè)者的失業(yè)狀態(tài)生存率較低,說明失業(yè)人員獲取的就業(yè)信息越多,其再就業(yè)的可能性就越大。
五、結(jié)論及建議
通過以上分析表明,隨著失業(yè)者年齡的逐漸增長,勞動者的技能和求職緊迫感都在下降,
再就業(yè)可能性會逐漸降低。在勞動力市場中,失業(yè)者的文化程度與其再就業(yè)的可能性成正比。
領取失業(yè)保險金可能會降低失業(yè)人員的再就業(yè)積極性,接受過再就業(yè)技能培訓的失業(yè)人員再
就業(yè)可能性較高,獲取再就業(yè)信息多的失業(yè)人員再就業(yè)可能性更大。社區(qū)應充分發(fā)揮自身優(yōu)
勢,著力解決好以下幾個問題:
1加強工作人員隊伍建設,促進失業(yè)人員觀念轉(zhuǎn)變
目前,越來越多的大齡失業(yè)者對重新就業(yè)持消極被動的態(tài)度,許多青年失業(yè)者的擇業(yè)觀
念仍受工作期待過高、追求穩(wěn)定工作等傳統(tǒng)思想主導。此外,因低學歷所造成心理上的自卑
與不自信,也影響再就業(yè)的態(tài)度消極。面對不斷增長的就業(yè)指導與心理輔導的需求,擴大具
有專業(yè)知識的職業(yè)指導隊伍是非常必要的。應該加大對工作人員的培訓力度,提高社區(qū)促進
就業(yè)的服務質(zhì)量。通過對失業(yè)人員就業(yè)觀念上的專業(yè)指導,從根本上幫助實現(xiàn)積極就業(yè)。
2充分整合各類教育資源,積極開展社區(qū)教育技能培訓
隨著知識經(jīng)濟的蓬勃發(fā)展,勞動力市場對勞動者的素質(zhì)與技能提出了更高的要求,這就
需要加強對失業(yè)者的技能培訓。社區(qū)作為教育工作的有效載體,應充分發(fā)揮其教育服務功能
。社區(qū)教育應把技能培訓作為其工作的發(fā)展方向,大力開展多層次、多內(nèi)容的技能培訓以迎
合市場需求,增強培訓的實用性。通過國家的政策引導,充分整合社會各類資源,激勵社會
力量積極參與到社區(qū)教育服務中來。通過共建、合作等方式,形成社區(qū)特有的培訓網(wǎng)絡。
3將失業(yè)保險與就業(yè)培訓掛鉤,鼓勵失業(yè)人員積極參與
在開展培訓的過程中,應注重激發(fā)失業(yè)人員的學習欲望和熱情,培養(yǎng)其參與學習的積極
性和主動性??梢酝ㄟ^政策引導,將失業(yè)金體系與再就業(yè)培訓掛鉤,避免領取失業(yè)保險金會
降低失業(yè)人員再就業(yè)積極性的問題。通過政策規(guī)定失業(yè)人員必須在已參加再就業(yè)培訓并且
能出示相關(guān)證明的情況下,才能領取到失業(yè)救濟金。還可以給培訓合格的失業(yè)者一定的獎勵
以提高其積極性,如免除培訓期間的學費、獲得相應的職業(yè)資格證等。
4搭建綜合性網(wǎng)絡平臺,使社區(qū)教育與就業(yè)融合
構(gòu)建綜合性的網(wǎng)絡平臺,將社區(qū)教育與就業(yè)結(jié)合起來,將成員反饋與政府決策聯(lián)系起來
。通過發(fā)布勞動力市場供求信息及各類培訓的相關(guān)信息,失業(yè)人員能夠及時了解當前的就業(yè)與
培訓情況。此外,失業(yè)人員通過網(wǎng)絡注冊填寫個人信息與就業(yè)狀態(tài),方便工作人員的整理與
錄入,使就業(yè)保障工作更加規(guī)范。通過失業(yè)者發(fā)布利益訴求及培訓反饋,政府能夠全面地獲
得相關(guān)信息,這對提供培訓服務的機構(gòu)起到了一定的監(jiān)督作用,同時幫助政府提高了決策的
科學有效性。
【參考文獻】
[1]MC CLENAGHAN, PAULINE Social Capital: Exploring the Theoretical Fou
ndations of Community Development Education[J]British Education a Research Jo
urnal,2000,(26):565—582
[2][JP2]SCHULTZ T W Investment in Human Capital: Reply[J]The American Ec
onomic Review,1961,(51):1 035—1 039[JP]
[3]厲以賢社區(qū)教育的理念[J]教育研究,1999,(3)
[4]Eckhard Wurzel An Econometric Analysis of Individual Unemployment D
uration in West Germany[M]A SpringerVerlag Company,1993:134—139
[5]張燕,王元月中國最優(yōu)失業(yè)保險水平設計的經(jīng)驗研究[J]數(shù)量經(jīng)濟技術(shù)經(jīng)濟
研究,2008,(6):123—136
[6]宋剛,馮茹城鎮(zhèn)失業(yè)人員再就業(yè)問題研究:以大連市為例[J]西北人口,2
009,(1):41—46
[7]杜鳳蓮,劉文忻失業(yè)救濟金與中國城鎮(zhèn)人口失業(yè)持續(xù)時間[J]經(jīng)濟科學,200
5,(4):18—28
[8]藍麗嬌中國城鎮(zhèn)失業(yè)人員再就業(yè)影響因素分析:基于Cox風險回歸模型[J
]當代經(jīng)濟,2014,(6):26—28
[9]吳曉琪基于生存分析法的失業(yè)持續(xù)期影響因素研究[J]江淮論壇,2008,(6)
:113—118
[10]魏立萍失業(yè)再就業(yè)影響因素分析:對廈門市再就業(yè)的經(jīng)驗研究[J]中國
經(jīng)濟問題,2007,(5):60—64
Research on the Community Education that[JZ]Promotes the Reemplo
yment Based on Survival Analysis
ZHAO Zhuojuan, YANG Junxiao
(School of Management, Xinjiang Agricultural University, Urum
qi 830052, China)
【Abstract】This paper analyzed the influencing factors of th
e reemployment of the unemployed by using COX proportional hazard model in the
survival analysis, and the KaplanMeier method is used to describe the surviva
l curve and the survival function of the unemployed under the various influencin
g factors Through the analysis, “age”, “educational level”, “whether or no
t to receive unemployment insurance”, “whether or not to accept the reemploy
ment skills training” and “the degree of obtaining reemployment information
” these five factors have significant effects on the reemployment of the unem
ployed Based on the deep understanding of this problem, this paper tries to put
forward feasible suggestions to community education that gives full play to the
ir own advantages and promoting employment
【Key words】community education; the unemployed; COX proportion
al hazard model; KaplanMeier method
(編輯/喬瑞雪)