劉志民，趙杏娜

(南京農(nóng)業(yè)大學(xué)，江蘇 南京210095)

引言

新世紀(jì)以來(lái)的中央第15個(gè)一號(hào)文件強(qiáng)調(diào)指出，當(dāng)前農(nóng)業(yè)發(fā)展仍是現(xiàn)代化建設(shè)的短板，農(nóng)村建設(shè)仍是全面建成小康社會(huì)的短板。加快農(nóng)業(yè)與農(nóng)村發(fā)展，需要大批農(nóng)業(yè)科技專業(yè)人才投身農(nóng)業(yè)現(xiàn)代化建設(shè)，需要激發(fā)各類人才到農(nóng)業(yè)農(nóng)村創(chuàng)新創(chuàng)業(yè)的熱情，也對(duì)農(nóng)科人才提出了更高要求。那么未來(lái)我國(guó)農(nóng)科人才的需求情況到底如何？據(jù)此，本文以2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)作為原始序列，擬通過(guò)灰色預(yù)測(cè)模型對(duì)2020—2025年我國(guó)農(nóng)科人才的需求總量及結(jié)構(gòu)層次情況進(jìn)行分析。

在灰色預(yù)測(cè)方面，國(guó)內(nèi)學(xué)者已有不少探索。羅黨等(2003)指出灰色模型GM(1,1)應(yīng)用廣泛，可以根據(jù)模型的發(fā)展系數(shù)，調(diào)整模型的預(yù)測(cè)范圍。通過(guò)構(gòu)建不同的GM(1,1)模型背景值，輸出模型時(shí)間響應(yīng)函數(shù)和模型精確度檢驗(yàn)表，對(duì)比了相互之間的特點(diǎn)，得出灰色模型的高精確度和強(qiáng)適用性，完善了模型的應(yīng)用價(jià)值[1]。劉志民等(2010)對(duì)我國(guó)農(nóng)科人才需求預(yù)測(cè)影響因素進(jìn)行分析，采用灰色系統(tǒng)模型對(duì)我國(guó)農(nóng)科人才需求總量及不同區(qū)域增長(zhǎng)情況進(jìn)行預(yù)測(cè)分析，研究結(jié)論為優(yōu)化我國(guó)農(nóng)科人才發(fā)展指明了方向[2]；江瑜和周志英(2009)首先論證了經(jīng)濟(jì)時(shí)代金融行業(yè)人才的緊缺和重要性，基于金融行業(yè)人才需求所呈現(xiàn)出的特征，選用灰色預(yù)測(cè)模型對(duì)未來(lái)幾年的人才需求總量進(jìn)行預(yù)測(cè)，并使用殘差檢驗(yàn)和后驗(yàn)差檢驗(yàn)論證了模型的有效性，為有關(guān)部門實(shí)施人才管理提供科學(xué)的參考依據(jù)[3]。模型建立方面：張立(2011)構(gòu)建企業(yè)人力資源模型以及灰色GM(1,1)預(yù)測(cè)模型，借助數(shù)學(xué)軟件Matlab進(jìn)行編程計(jì)算，將擬合值與實(shí)際值進(jìn)行比較，發(fā)現(xiàn)灰色模型符合二級(jí)精度檢驗(yàn)，說(shuō)明灰色預(yù)測(cè)模型具備良好的預(yù)測(cè)實(shí)用性[4]；李少鵬等(2008)針對(duì)高校畢業(yè)生的供需情況構(gòu)建了灰色GM(1,1)預(yù)測(cè)模型，運(yùn)用定量與定性相結(jié)合的方法分析了畢業(yè)生的供需特點(diǎn)，為制定解決大學(xué)生就業(yè)矛盾的相關(guān)政策措施提供了參考依據(jù)[5]。徐榮，曹安照(2006)強(qiáng)調(diào)了社會(huì)進(jìn)步與科技人才密不可分的關(guān)系，在研究科技人才的供給特征上，論證了灰色模型的適用性，因此構(gòu)建灰色GM(1,1)模型，并做相關(guān)性檢驗(yàn)，預(yù)測(cè)結(jié)果驗(yàn)證了模型的可靠性[6]。卞永峰，李恩平(2013)對(duì)山西省經(jīng)濟(jì)發(fā)展轉(zhuǎn)型期所面臨的人才短缺情況進(jìn)行了分析，依據(jù)以往10年的科技人才數(shù)量構(gòu)建了灰色系統(tǒng)模型，結(jié)合趨勢(shì)外推法預(yù)測(cè)了未來(lái)年份人才需求量，研究結(jié)果為建設(shè)創(chuàng)新人才培養(yǎng)隊(duì)伍指明了方向[7]。陶永坤等(2019)通過(guò)對(duì)科技人力資源增長(zhǎng)趨勢(shì)的判斷，依據(jù)灰色系統(tǒng)理論預(yù)測(cè)模型對(duì)湖南長(zhǎng)沙縣科技人才增量進(jìn)行分析，并將結(jié)果與實(shí)際值進(jìn)行測(cè)評(píng)比對(duì)，結(jié)果證明了該模型的高精準(zhǔn)度和可靠性[8]。馮長(zhǎng)敏(2018)運(yùn)用GM(1,1)模型對(duì)近幾年北京春運(yùn)鐵路客運(yùn)量數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，預(yù)測(cè)結(jié)果證明了灰色模型的良好精度，對(duì)現(xiàn)實(shí)中處理春運(yùn)分流提供了很大幫助[9]。宋晨曉等(2018)在以往12年的數(shù)據(jù)基礎(chǔ)上，將灰色預(yù)測(cè)模型與Matlab編程相結(jié)合，預(yù)測(cè)中醫(yī)醫(yī)院衛(wèi)生人力資源需求情況，預(yù)測(cè)結(jié)果顯示灰色預(yù)測(cè)精確度高，擬合效果良好[10]。王韋霞(2018)以安徽省某高校人員職稱結(jié)構(gòu)為案例，利用馬爾科夫鏈和灰色預(yù)測(cè)模型對(duì)該校2019年教師總?cè)藬?shù)進(jìn)行預(yù)測(cè)，通過(guò)預(yù)測(cè)結(jié)果總結(jié)該校師資隊(duì)伍發(fā)展規(guī)律，為實(shí)現(xiàn)師資隊(duì)伍的合理配置提供了參考價(jià)值[11]。以上研究既為本研究留存了探索的空間，又為本研究的開(kāi)展提供了有益線索。

一、概念與模型選擇

(一)農(nóng)科人才

農(nóng)科人才是指具有大專及以上學(xué)歷，專門從事農(nóng)業(yè)科研、技術(shù)、推廣工作，具有較高創(chuàng)造力、能夠?yàn)榻?jīng)濟(jì)發(fā)展做出貢獻(xiàn)的人。本文將農(nóng)科人才在結(jié)構(gòu)上分為四個(gè)層次：農(nóng)科博士、農(nóng)科碩士、農(nóng)科本科及農(nóng)科專科。在研究生教育層次，包含作物學(xué)、園藝學(xué)、農(nóng)業(yè)資源利用、植物保護(hù)、畜牧學(xué)、獸醫(yī)學(xué)、林學(xué)、水產(chǎn)八個(gè)一級(jí)學(xué)科[12]；在本科及專科教育層次，主要指農(nóng)業(yè)院校設(shè)立的“目錄內(nèi)專業(yè)”，包含植物生產(chǎn)類、草業(yè)科學(xué)類、森林資源類、環(huán)境生態(tài)類、動(dòng)物生產(chǎn)類、輕工紡織食品類、農(nóng)業(yè)工程類、林業(yè)工程類、農(nóng)林經(jīng)濟(jì)管理類[13]。

(二)人才需求預(yù)測(cè)

人才需求預(yù)測(cè)，就是指對(duì)未來(lái)一定時(shí)期內(nèi)各種專門人才需求量的預(yù)測(cè)。應(yīng)用預(yù)測(cè)技術(shù)可以預(yù)測(cè)出人才的需求量，同時(shí)可對(duì)未來(lái)人才的學(xué)歷層次、數(shù)量等分別進(jìn)行預(yù)測(cè)，在此基礎(chǔ)上，結(jié)合各種外界因素，促進(jìn)人力資源的合理利用和開(kāi)發(fā)。本研究將對(duì)農(nóng)科人才未來(lái)年份的人才數(shù)量規(guī)模及學(xué)歷層次(農(nóng)科博士、農(nóng)科碩士、農(nóng)科本科、農(nóng)科?？?分別進(jìn)行預(yù)測(cè)。本文對(duì)農(nóng)科人才需求的界定為：人才需求=畢業(yè)生規(guī)?！辆蜆I(yè)率。

(三)預(yù)測(cè)模型選擇

灰色預(yù)測(cè)模型稱為GM模型，GM(1,1)表示一階、單變量的線性動(dòng)態(tài)灰(grey)模型(model)，用于時(shí)間序列預(yù)測(cè)的是其離散形式的微分方程型預(yù)測(cè)模型。GM(1,1)預(yù)測(cè)模型的實(shí)質(zhì)是對(duì)原始數(shù)據(jù)序列作一次累加生成，使生成序列成一定規(guī)律，并用典型曲線擬合，建立其數(shù)學(xué)模型?；疑A(yù)測(cè)方法可以避免由于個(gè)人經(jīng)驗(yàn)、知識(shí)、偏好等造成的人為主觀臆斷[14]。灰色預(yù)測(cè)模型能夠?qū)ι鐣?huì)經(jīng)濟(jì)的行為特征和發(fā)展趨勢(shì)進(jìn)行整理和描述，總結(jié)系統(tǒng)發(fā)展內(nèi)在規(guī)律，為系統(tǒng)預(yù)測(cè)研究提供參考意義。人才系統(tǒng)中既包含已知信息也包含未知信息，它與政治經(jīng)濟(jì)、社會(huì)發(fā)展之間的關(guān)系錯(cuò)綜復(fù)雜，我們認(rèn)為它是一個(gè)半明半暗的灰色系統(tǒng)，所以文章將采用灰色GM模型對(duì)農(nóng)科人才需求量及各層次需求人數(shù)進(jìn)行預(yù)測(cè)?；疑到y(tǒng)理論在研究數(shù)據(jù)序列較短、統(tǒng)計(jì)數(shù)據(jù)年份較少時(shí)能夠呈現(xiàn)明顯的變化趨勢(shì)，預(yù)測(cè)建模時(shí)不需要了解原始數(shù)據(jù)的先驗(yàn)分布具體情況，也能反映出研究問(wèn)題的真實(shí)趨勢(shì)，具有較高的預(yù)測(cè)精度?；疑A(yù)測(cè)模型的這些優(yōu)勢(shì)，為其在人才預(yù)測(cè)方面打下廣泛的基礎(chǔ)。

(四)灰色預(yù)測(cè)模型建模與檢驗(yàn)

1.灰色預(yù)測(cè)模型的建模方法及步驟如下[15]：

2.GM(1,1)的精度檢驗(yàn)與預(yù)測(cè)[16]:

(1)事前檢驗(yàn)

(2)事中檢驗(yàn)

(3)事后檢驗(yàn)

事后檢驗(yàn)一般采用滾動(dòng)檢驗(yàn)。令X(0)為原始序列，Xi(0)為建模序列的4維新陳代謝子列。如：Xi(0)={X(0)(1),X(0)(2),X(0)(3),X(0)(4),}；X5(0)={X(0)(2),X(0)(3),X(0)(4),X(0)(5)}…對(duì)Xi(0)作GM(1，1)建模。滾動(dòng)殘差：

預(yù)測(cè)精度等級(jí)對(duì)照表，見(jiàn)表1：

表1 精度檢驗(yàn)等級(jí)參照表

二、基于灰色GM(1,1)模型2020—2025年農(nóng)科人才需求總量預(yù)測(cè)

(一)灰色GM(1,1)模型建立

一般的，我們認(rèn)為我國(guó)農(nóng)科在校生數(shù)能夠大體衡量農(nóng)科人才的培養(yǎng)規(guī)模，但不能基于此來(lái)預(yù)測(cè)未來(lái)年份農(nóng)科人才需求量。在對(duì)文獻(xiàn)進(jìn)行研讀后，本文選擇農(nóng)科畢業(yè)生的有效供給數(shù)作為農(nóng)科人才需求量的原始數(shù)列進(jìn)行灰色GM(1,1)模型預(yù)測(cè)，即農(nóng)科人才需求量等于農(nóng)科畢業(yè)生數(shù)乘以當(dāng)年平均就業(yè)率。2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)見(jiàn)表2：

表2 2013—2017年農(nóng)科畢業(yè)生有效供給數(shù)(單位：人)

資料來(lái)源：由本課題組中國(guó)工程院子課題組統(tǒng)計(jì)數(shù)據(jù)整理計(jì)算得出。

對(duì)于農(nóng)科人才總量的需求預(yù)測(cè)，首先對(duì)原始數(shù)據(jù)X(0)做一次累加生成，得到新的數(shù)據(jù)序列X(1)，給定原始時(shí)間2013—2017年資料序列見(jiàn)表3：

表3 2013—2017年建模數(shù)據(jù)序列 (單位：人)

構(gòu)造矩陣B和向量Yn：

代入GM(1,1)微分方程，得：

其時(shí)間響應(yīng)函數(shù)為：X(k+1)=9570139.205064e0.013692x-9439762.205064

(二)灰色GM(1,1)模型檢驗(yàn)

表4 GM(1,1)模型誤差檢驗(yàn)表

由表4可知，我們建立的灰色GM(1,1)模型，計(jì)算后的平均模擬相對(duì)誤差為：0.023%，Δk<0.05，精度為二級(jí)。平均預(yù)測(cè)精度為：99.977%?；疑Ｐ桶l(fā)展系數(shù)為-0.013692，a<0.1，表明模型可以進(jìn)行中長(zhǎng)期預(yù)測(cè)。從表5可以看出，預(yù)測(cè)模型通過(guò)高精度模型檢驗(yàn)，說(shuō)明建立的灰色預(yù)測(cè)模型非常成功，能達(dá)到較高的預(yù)測(cè)精度。

表5 模型精度檢1驗(yàn)

注：A為每年農(nóng)科人才規(guī)模模型檢驗(yàn)值；B為較高精度檢驗(yàn)參照值；C為高精度檢驗(yàn)參照值。級(jí)比﹡用于檢驗(yàn)建模序列是否是光滑序列，若序列光滑，則表明可以建立灰色模型。?灰發(fā)展系數(shù)-α用于檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)范圍的可行性。當(dāng)-α≤0.3時(shí)，GM(1,1)模型可用于中長(zhǎng)期預(yù)測(cè)；當(dāng)0.3<α≤0.5時(shí)，模型可用于短期預(yù)測(cè)，中長(zhǎng)期預(yù)測(cè)慎用；當(dāng)0.8<α≤1時(shí)，應(yīng)采用殘差修正模型；當(dāng)-α>1時(shí)，不宜采用GM模型。

(三)灰色GM(1,1)模型預(yù)測(cè)

2020—2025年每年農(nóng)科人才需求總量預(yù)測(cè)結(jié)果見(jiàn)表6和圖1。

表6 2020—2025年農(nóng)科人才需求GM(1,1)模型預(yù)測(cè)值 (單位：人)

圖1 2020—2025年農(nóng)科人才需求預(yù)測(cè)結(jié)果(單位：人)

三、基于灰色GM(1,1)模型2020—2025年農(nóng)科各層次人才需求預(yù)測(cè)

(一)灰色GM(1,1)模型建立

對(duì)各層次農(nóng)科人才需求的預(yù)測(cè)，本文將重點(diǎn)分析各層次人才數(shù)量及在農(nóng)科人才總量中所占比重的變化情況，具體分為農(nóng)科專科、農(nóng)科本科、農(nóng)科碩士以及農(nóng)科博士四個(gè)層次。以下建模數(shù)據(jù)是在各層次農(nóng)科畢業(yè)生有效供給數(shù)基礎(chǔ)上進(jìn)行一階弱化后所建立的灰色GM(1,1)預(yù)測(cè)模型，一階弱化算子作用較為保守，用來(lái)消除數(shù)據(jù)不規(guī)則變動(dòng)對(duì)預(yù)測(cè)結(jié)果的影響。原始數(shù)據(jù)為各層次農(nóng)科畢業(yè)生的有效供給數(shù)，可以較為直觀地反映不同層次結(jié)構(gòu)人才需求量及所占比重的變化。灰色GM(1,1)模型的建模數(shù)列見(jiàn)表7：

表7 2013—2017年各層次建模數(shù)據(jù)序列 (單位：人)

對(duì)原始數(shù)列X(0)進(jìn)行一次累加，得到新數(shù)列X(1),作為建模數(shù)列?；疑獹M(1,1)模型的參數(shù)估計(jì)值、白化方程及時(shí)間響應(yīng)函數(shù)見(jiàn)表8：

表8GM(1,1)模型估計(jì)值及參數(shù)

(二)灰色GM(1,1)模型檢驗(yàn)

表9 GM(1,1)灰色模型檢驗(yàn)精度檢驗(yàn)

注：A為每年農(nóng)科?？迫瞬乓?guī)模模型檢驗(yàn)值；B為每年農(nóng)科本科人才規(guī)模模型檢驗(yàn)值；C為每年農(nóng)科碩士人才規(guī)模模型檢驗(yàn)值；D為每年農(nóng)科博士人才規(guī)模模型檢驗(yàn)值；△為較高精度檢驗(yàn)參照值；▲為高精度檢驗(yàn)參照值。級(jí)比﹡用于檢驗(yàn)建模序列是否是光滑序列，若序列光滑，則表明可以建立灰色模型。?灰發(fā)展系數(shù)-α用于檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)范圍的可行性。當(dāng)-α≤0.3時(shí)，GM(1,1)模型可用于中長(zhǎng)期預(yù)測(cè)；當(dāng)0.3<α≤0.5時(shí)，模型可用于短期預(yù)測(cè)，中長(zhǎng)期預(yù)測(cè)慎用；當(dāng)0.8<α≤1時(shí)，應(yīng)采用殘差修正模型；當(dāng)-α>1時(shí)，不宜采用GM模型。

表9是灰色預(yù)測(cè)模型精度檢驗(yàn)表，從檢驗(yàn)的結(jié)果可以看出，無(wú)論是事前檢驗(yàn)、事中檢驗(yàn)還是事后檢驗(yàn)，各指標(biāo)均通過(guò)了高精度參數(shù)檢驗(yàn)，各層次灰色預(yù)測(cè)模型的灰發(fā)展系數(shù)均小于0.3，表明GM(1,1)模型可用于中長(zhǎng)期農(nóng)科人才預(yù)測(cè)。模型的平均精度為99.75%，從上述的指標(biāo)中可以看出，建立的灰色預(yù)測(cè)模型非常成功。

(三)灰色GM(1,1)模型預(yù)測(cè)

2020—2025年每年各層次農(nóng)科人才需求預(yù)測(cè)結(jié)果見(jiàn)表10和圖2。由此可知，2020—2025年博士需求量年均增長(zhǎng)率為1.5%，到2025年我國(guó)農(nóng)科博士需求量約為2845人；2020—2025年之間我國(guó)農(nóng)科碩士需求量年均增長(zhǎng)率為4.71%，到2025年，我國(guó)農(nóng)科碩士需求量預(yù)測(cè)為30010人；對(duì)于本科層次的農(nóng)科人才而言，2020—2025年之間我國(guó)本科需求量年均增長(zhǎng)率為2.71%，到2025年，農(nóng)科本科需求量預(yù)測(cè)為80306人，較2020年增加約一萬(wàn)人次；2020—2025年之間我國(guó)農(nóng)科專科需求量年均增長(zhǎng)率為-1.47%，農(nóng)科?？粕枨罅砍手鹉昃徛陆第厔?shì)。從側(cè)面反映了在新常態(tài)背景下，對(duì)于農(nóng)科人才的需求，更加注重培養(yǎng)結(jié)構(gòu)的優(yōu)化，聚焦于高層次、復(fù)合型人才。從各層次農(nóng)科人才年均增長(zhǎng)率來(lái)看，由快到慢的增長(zhǎng)的分別是農(nóng)科碩士、農(nóng)科本科、農(nóng)科博士以及農(nóng)科?？迫瞬拧D2為各層次農(nóng)科人才需求量情況，由圖可知，除農(nóng)科?？粕?，農(nóng)科本科、碩士、博士的人數(shù)是在逐年穩(wěn)步增加的，說(shuō)明社會(huì)對(duì)于高層次農(nóng)科人才的需求不斷增多。隨著經(jīng)濟(jì)進(jìn)入新常態(tài)，農(nóng)業(yè)技術(shù)的轉(zhuǎn)型升級(jí)，會(huì)對(duì)低層次農(nóng)科人才產(chǎn)生一定的替代作用，對(duì)復(fù)合型農(nóng)科人才的需求更加迫切。

表10 2020—2025年農(nóng)科人才(層次)需求GM(1,1)模型預(yù)測(cè)值(單位：人)

圖2 2020—2025年各層次農(nóng)科人才需求預(yù)測(cè)結(jié)果(單位：人)

圖3是各層次農(nóng)科人才占農(nóng)科總?cè)瞬疟壤闆r，我們可以看到，農(nóng)科專科人才所占總?cè)瞬诺谋壤窍陆档?，?020年的32.96%下降至2025年的28.59%；農(nóng)科本科人才所占的比例將逐年上升，由2020年的46.06%上升至2025年的52.38%，約占農(nóng)科總?cè)瞬诺囊话?；農(nóng)科碩士所占總?cè)瞬诺谋壤渤手鹉晟仙厔?shì)，由2020年的16.65%上升至約19.57%；農(nóng)科博士占總?cè)瞬诺谋壤兓淮螅髂攴莼颈３衷?.85%左右，但總體呈緩慢上升趨勢(shì)，也較為直觀地反映出我國(guó)博士生的培養(yǎng)除規(guī)模和數(shù)量外，注重品質(zhì)的提高，博士生的培養(yǎng)注重內(nèi)涵式發(fā)展。全面建設(shè)小康社會(huì)，促進(jìn)農(nóng)業(yè)現(xiàn)代化發(fā)展，要牢牢把握“十三五”發(fā)展契機(jī)，加快新時(shí)代農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展，農(nóng)科人才是關(guān)鍵。從以上預(yù)測(cè)的結(jié)果可以看出，在未來(lái)六年內(nèi)，我國(guó)農(nóng)業(yè)發(fā)展對(duì)農(nóng)科人才的需求呈現(xiàn)平穩(wěn)的增長(zhǎng)趨勢(shì)，從2020年的143231人到2025年的153380人，平均每年需要補(bǔ)充1692人?？梢詮囊韵聝煞矫孢M(jìn)行解釋：一方面是基于新常態(tài)的時(shí)代背景，全國(guó)不同產(chǎn)業(yè)都進(jìn)入轉(zhuǎn)型發(fā)展新時(shí)期，農(nóng)業(yè)產(chǎn)業(yè)也由原來(lái)的粗放式發(fā)展逐步轉(zhuǎn)向集約式發(fā)展，農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)更加平穩(wěn)。對(duì)農(nóng)科人才的需求不再盲目，而是更加注重層次結(jié)構(gòu)的劃分和人才的創(chuàng)新能力，以復(fù)合型農(nóng)科人才需求為主。另一方面，在未來(lái)幾年的人才培養(yǎng)過(guò)程中，除了保障農(nóng)科人才總量的適量培養(yǎng)，農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展還要求適度增加農(nóng)科博士生、碩士生、本科生的培養(yǎng)，減少農(nóng)科?？粕呐囵B(yǎng)，并且以培養(yǎng)高層次綜合型農(nóng)科人才為發(fā)展目標(biāo)，不斷滿足農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的需求。

圖3 2020—2025年各層次農(nóng)科人才所占比例

四、結(jié)論

本文列出了經(jīng)典GM(1,1)模型用于數(shù)列預(yù)測(cè)的步驟，對(duì)未來(lái)農(nóng)科人才需求進(jìn)行了總量和不同層次的預(yù)測(cè)，主要結(jié)論如下：第一，利用GM(1,1)預(yù)測(cè)模型對(duì)原始數(shù)據(jù)進(jìn)行一階弱化后建模，結(jié)果顯示，模型的平均精度為99%以上，以一階弱化后的結(jié)果為預(yù)測(cè)值具有較高的可信度；第二，從農(nóng)科人才結(jié)構(gòu)預(yù)測(cè)結(jié)果來(lái)看，未來(lái)六年我國(guó)農(nóng)科人才的總需求量呈穩(wěn)步上升趨勢(shì)，2020—2025年我國(guó)農(nóng)科人才需求預(yù)測(cè)數(shù)分別為：143231人、145206人、147207人、149237人、151294人、153380人。其中對(duì)?？粕男枨罅砍手鹉晗陆第厔?shì)；對(duì)本科和碩士生的需求呈穩(wěn)步上升趨勢(shì)，且所占的比重在不斷增加；對(duì)于農(nóng)科博士而言，未來(lái)六年所占農(nóng)科總?cè)瞬诺谋戎鼗颈３植蛔?；第三，從各層次農(nóng)科人才所占比例上看，高層次人才所占的比重在加大，也說(shuō)明未來(lái)對(duì)復(fù)合型人才的需求將不斷增多。