就业人数影响因素的回归分析

统计预测和决策课程论文-------------------安徽省人口总数的预测学院：班级：学生姓名：指导教师：完成时间：目录摘要 (2)一绪论 (3)二数据来源 (3)三模型及预测方法的介绍 (3)四模型建立、求解及检验 (6)1.移动平均法预测 (6)2.指数平滑法预测 (7)3.一元线性回归预测 (7)五模型评价 (9)六参考文献 (11)摘要近几年来，就业问题一直是各严峻而艰巨的任务，关系到国家未来的前途命运，然而，导致这个问题难以解决的最主要原因便是应届毕业生的总数高居不下，甚至有上涨的趋势。

研究毕业生总数的变动趋势，有利于掌握未来几年的岗位需求，从而可以沉着应对。

本论文通过运用移动平均法、指数平滑法，一元线性回归方程等，拟合总数变动趋势等分析方法，通过建模求解我们可以预测到未来五年我国应届毕业生总人数的变动趋势[键词]：移动平均法；指数平滑法；线性回归；excel一、绪论由于毕业生就业情况和国家未来的前途命运紧密相关，现行中国推进全面深化改革，这各艰巨的任务理所当然的落在当代当学生发身上，所以，发展经济的前提便是是毕业生能够充分毕业，给他们用武之地。

二、数据来源从中国统计年鉴上得到的安徽省2000到2012年总人口数的数据，如下 (单位：万人)年份 总数2001 114 2002 145 2003 212 2004 280 2005 338 2006 413 2007 495 2008 559 2009 611 2010 631 2011 660 2012 680 2013 700 2014 727三、模型及预测方法的介绍 1.移动平均法：移动平均法是根据时间序列资料逐项推移，依次计算包含一定项数的时序平均数,以反映长期趋势的方法。

当时间序列的数值由于受周期变动和不规则变动的影响，起伏较大，不易显示出发展趋势时，可用移动平均法，消除这些因素的影响，来分析、预测序列的长期趋势。

移动平均法有简单的平均法、加权平均法和趋势移动平均法 （1）简单移动平均法设时间序列为:12t y y y ; 简单移动平均法的计算公式为:11t t t N t y y y M N--+++=,t N ≤式中：t M —t 期移动平均数 N — 移动平均项数 预测公式为:1t t M yΛ+=即以第t 期移动平均数作为第t+1期的预期值。

四川省产业产值与就业人数关系的因素分析姓名：高燕专业：会计学学号：201101111619指导教师：***博士四川省产业产值与就业人数关系的因素分析摘要:四川省是农业人口大省,且四川省在中国西部十二省中的经济发展水平居于前列水平。

为了能够很好地反映就业人数与产业产值之间的关系，本文运用了EVIEWS软件对其1991年-2009年的数据进行数据分析，并假设未来三年的就业人数，预测了2010年、2011年以及2012年的四川省产业产值的变动情况。

关键字：产业产值就业人数因素分析一.理论依据：GDP 值由三大产业产值构成,而每一产业的产值对于GDP 的带动作用均不相同,在每一产业中,就业大军的力量起到了十分重要的作用,就业人员流向哪一产业领域,说明这一产业对于今后GDP 的发展趋势影响较深,往往能促进经济的发展。

问题的提出：二．数据来源与变量的选取本文的基础数据是四川省1991年至2009年的三产产业产值和三产就业人数，数据来源于2009年四川省统计年鉴。

用(i=1,2,3)表示三产的产值，（i=1,2,3）表示三产的就业人数，G 表示四川省地区总产值，L 表示四川省总就业人数，所有变量的初始数据见表1。

表1 四川省三次产业产值和就业人数产值单位：亿元，就业人数单位：万人注：数据来源于《2009年四川省统计年鉴》年份 G G1 G2 G3 L L1 L2 L3 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20091016.31 1177.27 1486.08 2001.41 2443.21 2871.65 3241.47 3474.09 3649.12 3928.2 4293.5 4725.01 5333.09 6379.63 7385.11 8690．24 10562.39 12601.63 14151.28339 372.04 449.38 597.37 662.46 770.02 880.28 912.24 926.03 945.58 981.68 1047.95 1128.61 1379.92 1481.14 1595．48 2032.00 2216.15 2240.61376.48 441.57 580.38 782.77 980.91 1156.01 1265.32 1324.01 1349.63 1433.11 1572.01 1733.38 2014.8 2493.17 3067.23 3775.14 4648.79 5823.39 6711.87300.83 363.66 456.32 621.27 799.84 945.62 1095.87 1237.84 1373.46 1549.51 1739.81 1943.68 2189.68 2506.54 2836.74 3319．62 3881.60 4561.69 5198.804425.1 4521.2 4556.8 4587.9 4619.1 4627.2 4641.2 4651.4 4654.3 4658.4 4664.8 4667.6 4683.5 4691 4702 4715 4731.10 4740.00 4756.623190.83 3200.21 3108.06 3037.47 2983.94 2875.86 2872.41 2824.4 2747.08 2643.35 2595.84 2517.48 2482.8 2445.7 2421.5 2306.9 2266.22 2186.18 2144.13602.81 636.79 709.98 728.46 752.91 772.74 780.44 786.09 800.54 871.12 867.65 896.18 906.7 916 926.3 946 1065.71 1108.32 1141.59631.46 684.2 738.76 821.97 882.25 978.6 988.35 1040.91 1106.68 1143.93 1201.31 1253.94 1294 1329.3 1354.2 1462.1 1399.15 1445.50 1470.90三．问题的提出：四川省位于西部地区，但相对于西部其他省份来说，四川省的经济发展水平处于前列地位。

地方一般公共预算收入差异及影响因素分析,统计学案例分析一、问题的提出改革开放以来，我国的经济经历了日新月异的发展，国家财政收入也节节创出新高。

有关数据显示，我国地方财政收入合计从200年的7803.2999亿到2010年的32602.59亿元。

总体来看，我国的地方财政收入发展情况良好。

周忠辉提出，影响我国财政收入的因素主要是税收收入和国内生产总值。

但是目前还没有学者研究我国各地区财政收入的影响因素，是否同国家财政收入那样，同样主要受税收收入和生产总值的影响？本文将选用税收收入、地区生产总值、就业人数结合相关数据，并运用计量经济学的一些模型和方法，来解释地方财政收入。

二、基本概念及简要论述地方财政收入是指各地方政府为履行其职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。

地方财政收入表现为各地区政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。

地方财政收入是衡量一个地区政府财力的重要指标。

地方政府在地区经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于地方财政收入的充裕状况。

税收收入：由于税收具有强制性、无偿性和固定性的特征，可以给地方政府带来充裕的资金，因此，各地方政府都把税收收入作为地方财政收入的最主要的收入形式和收入来源。

地区生产总值：本地区所有常住单位在一定时期内生产活动的最终成果。

地区生产总值常被视为衡量一个地区经济发展水平的主要指标，我们认为，地区生产总值的提高会提高居民的收入水平，并促进地区财政收入的增加。

就业人数：一般认为，一个地区就业人数越多，所创造的财富就越多，会间接地影响地方财政的收入，并产生积极效应。

三、案例分析自相关检验。

用杜宾-沃森检验法进行自相关检验，步骤如下：由估计结果知，d值为2.298。

样本容量为29，解释变量数为3，查D-W表得出临界值，dl=1.198，du=1.650，因为4-dl=2.802，4-du=2.350，du<d<4-du，所以模型无自相关。

我国国内生产总值（GDP）影响因素的实证分析摘要：本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。

从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。

关键词：GDP 影响因素实证分析Eviews一、问题提出：国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。

它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。

国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。

二、样本数据选取及模型设定：回归模型设立如下：Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+UY--------国内生产总值GDPX1-----能源消费X2-----就业人数X3-----居民消费水平X4-----社会消费品零售总额X5-----进出口贸易总额X6-----外商直接投资（FDI）U------随机扰动项β1、β2、β3、β4、β5、β6为待估参数。

变量采用时间序列数据，具体数据(现价计算)见表一：表1：（数据来源于中国统计年鉴。

）三、参数的初步估计与检验将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：Ŷ=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6=2R 0.999741， =2R 0.999539， F=4955.607从回归结果看，可决系数很高，F 值很大，但在显著性水平05.0=α下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。

第1篇一、报告概述随着我国经济的持续发展，就业形势日益严峻。

为全面了解当前就业市场的状况，本报告通过对就业数据的深入分析，旨在为政府、企业和求职者提供有价值的参考信息。

报告将从就业人数、行业分布、地区差异、学历层次、就业质量等方面进行详细阐述。

二、就业人数分析1. 就业人数总体情况近年来，我国就业人数持续增长，2019年全国城镇新增就业1352万人，超额完成年度目标任务。

截至2020年底，我国城镇登记失业率3.61%，同比下降0.11个百分点。

尽管受到新冠疫情的影响，我国就业市场仍保持了稳定。

2. 不同行业就业人数变化从行业分布来看，第一产业就业人数持续下降，第二产业就业人数波动较大，第三产业就业人数稳步上升。

其中，第三产业已成为吸纳就业的主力军。

三、行业分布分析1. 第三产业就业人数占比最高近年来，我国第三产业就业人数持续增长，占全国就业总人数的比重逐年上升。

2019年，第三产业就业人数占比达到46.3%，较2018年提高1.6个百分点。

2. 重点行业就业情况（1）制造业：制造业作为我国经济的重要支柱，就业人数占比稳定在20%左右。

近年来，制造业就业人数略有下降，但整体就业形势较好。

（2）服务业：服务业就业人数增长迅速，已成为吸纳就业的重要领域。

其中，住宿和餐饮业、批发和零售业、金融业、房地产业等就业人数增长较快。

（3）信息技术产业：随着互联网、大数据、人工智能等新技术的快速发展，信息技术产业就业人数持续增长，成为就业市场的热点。

四、地区差异分析1. 东部地区就业人数最多从地区分布来看，东部地区就业人数最多，中部地区次之，西部地区最少。

东部地区凭借其优越的地理位置、经济发展水平和产业集聚效应，吸引了大量劳动力。

2. 中西部地区就业压力较大中西部地区经济发展相对滞后，就业机会相对较少，导致就业压力较大。

为缓解这一问题，国家实施了一系列政策措施，如加大基础设施投资、推进产业转移等。

五、学历层次分析1. 高等教育毕业生就业形势严峻近年来，高等教育毕业生人数逐年增加，就业形势日益严峻。

多元线性回归在国内生产总值(GDP)增长率预测中的应用多元线性回归在国内生产总值（GDP）增长率预测中的应用摘要：产业结构变动与经济增长是分不开的。

经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。

为了更好的了解我国各产业增长率对我国国内生产总值增长率的影响，从《中国统计年鉴》中选取数据，通过运用EXCEL软件对以上数据进行了多元线性回归分析，通过显著性分析，最终得到了能够比较准确反映国内生产总值增长率与各产业增长率关系的最佳模型，对下一年生产率进行预测。

关键词：国内生产总值增长率；EXCEL；多元线性回归；预测1问题的提出与分析产业结构变动与经济增长是分不开的。

经济增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。

经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。

它构成了经济发展的物质基础，而产业结构的调整与优化升级对于经济增长乃至经济发展至关重要。

为此，了解国家税收收入的影响因素具有重要作用。

然而，影响国家国内生产总值的因素较多，如何从中找出关键的几个因素，并建立最能反映实际情况的数学模型，是我们必须要解决的问题。

查阅各种资料了解到，结合实际经验，本文选取了就业人数，国内生产总值增长率，第一产业增长率，第二产业增长率，第三产业增长率3个因素作为影响国内生产总值增长率的因子，并以国内生产总值增长率为因变量，对该问题进行了详细分析。

2数据描述本文选取了《中国统计年鉴》中1995年-2013年的数据，以国内生产总值（GDP）增长率、第一产业增长率、第二产业增长率、第三产业增长率等4个为研究对象，得出数据表格如表2-1所示。

表2-1 各年份增长率统计数据年份国内生产总值增长率/%第一产业增长率/%第二产业增长率/%第三产业增长率/%199510.9513.99.8 1996105.112.19.4 19979.33.510.510.7 19987.83.58.98.4 19997.62.88.19.3 20008.42.49.49.7 20018.32.88.410.3 20029.12.99.810.4 2003102.512.79.5 200410.16.311.110.1 200511.35.212.112.2 200612.7513.414.1 200714.23.715.116 20089.65.49.910.4 209.24.29.99.609 2010 10.4 4.3 12.3 9.8 2011 9.3 4.3 10.3 9.4 2012 7.7 4.5 7.9 8.1 20137.747.88.3数据来源：中国统计年鉴-20142014/indexch.htm3 模型建立3.1 提出假设条件，明确概念，引入参数假设：(i)解释变量X 1，X 2，X 3是可控制的，非随机变量；(ii) 随机物产项具有零均值和同方差的性质； (iii) 符合正态分布。

FDI对我国经济增长、就业影响研究基于VAR模型一、本文概述随着全球化的不断深入，外国直接投资（FDI）在全球范围内发挥着越来越重要的作用。

我国作为世界上最大的发展中国家，吸引和利用FDI对我国经济增长和就业的影响日益受到关注。

本文旨在通过基于向量自回归（VAR）模型的实证分析，探讨FDI对我国经济增长和就业的影响机制及其动态效应。

本文首先回顾了国内外关于FDI与经济增长、就业关系的相关理论和实证研究，总结了现有研究的成果和不足。

在此基础上，本文构建了包含经济增长、就业和FDI等关键变量的VAR模型，并运用我国的时间序列数据进行了实证分析。

通过对模型的稳定性检验、脉冲响应分析和方差分解等方法，本文深入探讨了FDI对我国经济增长和就业的短期和长期影响。

本文的研究结果表明，FDI对我国经济增长和就业具有显著的正面影响。

一方面，FDI的流入为我国带来了资本、技术和管理经验等生产要素，促进了我国产业结构的升级和经济增长质量的提高。

另一方面，FDI的流入也为我国创造了大量的就业机会，促进了我国劳动力市场的稳定和发展。

同时，本文还发现，FDI对我国经济增长和就业的影响具有一定的时滞性和动态性，需要政策制定者关注其长期效应和时变特征。

基于以上研究结论，本文提出了相应的政策建议。

我国应继续加大吸引和利用FDI的力度，优化外商投资环境，提高外资利用效率。

我国应加强对外资企业的引导和支持，推动其在我国产业结构升级和经济发展中发挥更大的作用。

我国还应关注FDI对我国劳动力市场的影响，加强就业培训和劳动力市场监管，保障劳动者的合法权益。

本文通过基于VAR模型的实证分析，深入探讨了FDI对我国经济增长和就业的影响机制及其动态效应。

研究结论对于我国制定更加科学合理的外资政策和就业政策具有重要的参考意义。

二、文献综述随着全球化进程的不断推进，外国直接投资（FDI）逐渐成为影响各国经济增长和就业的重要因素。

近年来，关于FDI对中国经济增长和就业影响的研究逐渐成为学术界的热点。

人口统计学中的多元回归分析随着社会的发展，人口的多元化和复杂化越来越明显。

人口统计学作为一门对人口数量、结构和分布等方面进行系统地研究和分析的学科，成为了解人口现象和规律的主要学科之一。

而多元回归分析是人口统计学中一种广泛应用的方法，可以帮助我们更加深入地了解人口现象和变化规律。

一、多元回归分析的概念和意义多元回归分析是通过制定数学模型来分析两个或两个以上变量之间的关系，并确定它们之间的相关性质。

在人口统计学中，多元回归分析常常用于研究人口数量、结构、分布等方面的影响因素和相互关系。

多元回归分析的结果可以帮助我们预测未来的人口变化趋势，制定相关政策和措施，以调整和优化人口结构，实现经济和社会的可持续发展。

二、多元回归分析的模型和假设多元回归分析的基本模型为：Y = β0 + β1X1 + β2X2 +…+ βkXk + ε其中，Y表示因变量，即需要分析的人口现象；X1、X2、…、Xk表示自变量，即影响人口现象的各种因素；β0、β1、β2…、βk表示各个自变量的回归系数，即各个自变量对因变量的贡献大小；ε则表示误差项，即未被回归模型解释的不确定因素。

多元回归分析的假设主要包括以下几点：1. 自变量和因变量之间是线性关系2. 各自变量之间不存在多重共线性（即不相互独立）3. 误差项具有零均值和常量方差4. 误差项之间不存在自相关（即不相互依赖）通过建立合适的多元回归模型，并进行数据拟合和检验，可以判断各个变量是否显著影响因变量，以及它们的影响大小和方向。

三、应用举例以人口数量与城市化程度之间的关系为例。

通过选取适当的自变量，如城市人口增长率、大学生人数、劳动力人口比例等，建立多元回归模型，可以分析这些因素对人口数量的影响。

模型拟合好之后，可以得到不同自变量的回归系数，从而可以判断不同因素对人口数量的影响程度。

如劳动力人口比例的系数为正，说明劳动力人口的增加可以促进人口数量的增长；而大学生人数的系数为负，说明大学生越多，人口数量越少，因为他们更愿意在大城市就业，而非返回农村。

spss用多元线性回归分析GDP的结论通过建立多元线性回归模型对国内生产总值的影响因素作实证分析，以其拟合出较为优良的GDP模型：
根据奥肯定律我们认为，就业人数和GDP应当是相互促进的的增长的，但在文中模型它的增长反而会使GDP下降。

这主要是因为20世纪90年代以来，我国的经济迅速增长，但大多是靠投资和进出口带动，并没有真正的带动就业同步增长。

产业结构和人才结构不匹配，资本和技术密集程度提高，而且，人口的增长也抵消了很多就业岗位的增加，这就使得劳动力人数和GDP之间呈现出了负向的变化。

当然，GDP只是反应经济增长的一个指标，不能单纯的注重它在数量方面的增长，更要注重一个合理且优良的结构，比如这几年十分受到关注的绿色GDP 等。

要全面协调的经济发展才是不断提升综合国力和提高人民生活水平的正确方法。

中国人口与就业状况分析一、中国人口现状目前我国人口变动的基本特征为，人口已进入低生育水平阶段，出生率和增长率下降，但人口仍持续增长，且男性人口占总人口比重上升，从人口的城乡结构分析，城镇人口呈增长态势，而且随着城市化进程加快，城镇人口将持续增长。

本文旨在通过对统计年鉴上部分数据进行统计分析,得出人口与就业的现状分析,以及根据分析结果给出相关意见和建议。

二、数据来源本文研究数据来源于2010年统计年鉴—国民经济和社会发展总量与速度指标，数据如下年份 总人口（年末） 男性人口 女性人口 城镇人口 乡村人口 就业人员数 城镇登记失业人数197896259495674669217245790144015253019901143335890455429301958413864749383200012674365437613064590680837720855952008132802683576444560667721357748088620091334746865264822621867128877995921三、相关统计分析（一）描述性统计分析通过描述性统计分析可以得出人口总数，男性人口，女性人口，城镇人口，乡村人口，就业人数，失业人数的相关数字信息。

对近几年男性人口，女性人口，城乡人口的变动趋势做折线图男性人口、女性人口近年变化趋势可以发现近年来中国人口男性人口数明显多于女性人口数，究其原因，主要有以下几个方面，一，传统重男轻女思想的残留；二，社会保障体制的不完善，养老机制存在漏洞，是大部分人倾向于养儿防老；三，育前检查交流技术进步，使选择性生育大量出现。

城市人口、乡村人口变化趋势从图中可以看到城镇人口数在大幅度上升，而乡村人口数则有递减的趋势，此外，城镇人口的标准差较大，由此也可以看出进城务工的农民比例很大，城镇人口流动性较大。

为了赚取更多的钱财有大量农民工涌进城市经商打工，而且随着城市化进程加快，城镇人口将持续增长，这势必加大城镇就业压力。

统计方法在社会经济研究中的应用在当今社会，经济现象错综复杂，要深入理解和准确把握社会经济的运行规律，统计方法发挥着不可或缺的作用。

统计方法犹如一把钥匙，能够帮助我们打开社会经济领域中那扇充满未知和奥秘的大门，让我们更加清晰地洞察其中的各种现象和趋势。

统计方法在社会经济研究中的应用范围十分广泛。

在经济增长方面，通过收集和分析国内生产总值（GDP）、固定资产投资、消费支出等数据，运用统计方法可以计算经济增长率，探究经济增长的动力和影响因素。

例如，利用回归分析，我们可以确定不同产业对经济增长的贡献程度，从而为制定合理的产业政策提供依据。

在就业与劳动力市场的研究中，统计方法同样大显身手。

通过对失业率、就业人数、劳动力参与率等数据的整理和分析，能够了解劳动力市场的供求状况和变化趋势。

我们可以运用时间序列分析方法，预测未来的就业形势，为政府制定就业政策和企业的人力资源规划提供参考。

在收入分配领域，统计方法有助于揭示社会的贫富差距。

通过对居民收入数据的分组和计算基尼系数，能够直观地反映收入分配的公平程度。

进一步的统计分析还可以找出影响收入分配的因素，如教育水平、职业类型、地区差异等，为制定促进社会公平的政策提供有力支持。

在产业结构分析中，统计方法能够帮助我们清晰地描绘出各个产业在经济中的比重和发展态势。

通过对不同产业的增加值、就业人数、资产规模等数据的统计和比较，我们可以判断产业结构的合理性，发现潜在的问题和发展机遇。

例如，在分析一个地区的产业结构时，如果发现第二产业比重过高而第三产业发展滞后，就可以采取措施促进第三产业的发展，实现产业结构的优化升级。

除了上述领域，统计方法在市场调研、国际贸易、金融分析等方面也有着重要的应用。

在市场调研中，通过问卷调查、抽样调查等方式收集消费者的需求、偏好、购买行为等信息，运用统计方法进行分析，可以为企业的产品研发、市场营销策略制定提供依据。

在国际贸易中，对进出口数据的统计分析可以帮助我们了解本国与其他国家的贸易关系，评估贸易政策的效果，预测贸易发展趋势。

第1篇一、报告概述随着我国高等教育规模的不断扩大，文科生人数逐年增加，文科生的就业问题逐渐成为社会关注的焦点。

本报告通过对大量文科生就业数据的分析，旨在了解文科生就业现状、就业趋势以及存在的问题，为相关部门、高校及文科生本人提供有益的参考。

二、数据来源与处理1. 数据来源本报告数据来源于我国教育部、国家统计局、各大高校就业指导中心以及相关行业报告等公开渠道。

2. 数据处理（1）数据清洗：对收集到的数据进行筛选、整理，剔除无效、重复、异常数据。

（2）数据分类：按照就业行业、就业地区、学历层次、性别等进行分类。

（3）数据分析：运用统计学方法对数据进行分析，得出结论。

三、文科生就业现状分析1. 就业率根据教育部数据，近年来文科生就业率总体保持在70%-80%之间，与理科生就业率相当。

其中，本科文科生就业率略高于专科文科生。

2. 就业行业分布（1）传统行业：如教育、文化、艺术、传媒等，文科生就业人数较多。

（2）新兴行业：如互联网、金融、咨询等，文科生就业人数逐年增加。

（3）传统行业与新兴行业交叉领域：如文化创意、新媒体运营等，文科生就业人数增长迅速。

3. 就业地区分布（1）一线城市：如北京、上海、广州、深圳等，文科生就业人数较多，但竞争激烈。

（2）二线城市：如成都、杭州、武汉等，文科生就业机会较多，生活成本相对较低。

（3）三四线城市及农村地区：文科生就业人数相对较少，但部分专业人才需求较大。

4. 学历层次（1）本科：文科生就业人数最多，就业率相对较高。

（2）硕士：文科生就业人数逐年增加，就业率较高。

（3）博士：文科生就业人数相对较少，但就业质量较高。

5. 性别差异（1）性别比例：文科生就业性别比例相对均衡。

（2）行业分布：部分行业如教育、文化、艺术等，女性就业人数较多；部分行业如金融、咨询等，男性就业人数较多。

四、文科生就业趋势分析1. 就业市场逐渐多元化随着我国经济社会的快速发展，就业市场对文科生的需求逐渐多元化，为文科生提供了更多就业机会。

第7章含有定性信息的多元回归分析：二值(或虚拟)变量在前面几章中，我们的多元回归模型中的因变量和自变量都具有定量的含义。

就像小时工资率、受教育年数、大学平均成绩、空气污染量、企业销售水平和被拘捕次数等。

在每种情况下，变量的大小都传递了有用的信息。

在经验研究中，我们还必须在回归模型中考虑定性因素。

一个人的性别或种族、一个企业所属的产业（制造业、零售业等）和一个城市在美国所处的地理位置（南、北、西等）都可以被认为是定性因素。

本章的绝大部分内容都在探讨定性自变量。

我们在第7.1节介绍了描述定性信息之后，又在第7.2、7.3和7.4节中说明了，如何在多元回归模型中很容易地包含定性的解释变量。

这几节几乎涵盖了定性自变量用于横截面数据回归分析的所有流行方法。

我们在第7.5节讨论了定性因变量的一种特殊情况，即二值因变量。

这种情形下的多元回归模型具有一个有趣的含义，并被称为线性概率模型。

尽管有些计量经济学家对线性概率模型多有中伤，但其简洁性还是使之在许多经验研究中有用武之地。

虽然我们在第7.5节将指出其缺陷，但在经验研究中，这些缺陷常常都是次要的。

7.1 对定性信息的描述定性信息通常以二值信息的形式出现：一个人是男还是女；一个人有还是没有一台个人计算机；一家企业向其一类特定的雇员提供还是不提供退休金方案；一个州实行或不实行死刑。

在所有这些例子中，有关信息可通过定义一个二值变量(binary variable)或一个0-1变量来刻画。

在计量经济学中，对二值变量最常见的称呼是虚拟变量(dummy variable)，尽管这个名称并不是特别形象。

在定义一个虚拟变量时，我们必须决定赋予哪个事件的值为1和哪个事件的值为0。

比如，在一项对个人工资决定的研究中，我们可能定义female为一个虚拟变Array量，并对女性取值1，而对男性取值0。

这种情形中的变量名称就是取值1的事件。

通过定义male在一个人为男性时取值1并在一个人为女性时取值0，也能刻画同样的信息。

大学生就业影响因素分析---基于Logit 模型信息与计算科学 2005级刘小润指导教师王莉莉讲师摘要：目前,大学生就业问题是我国就业问题重点之一。

从影响大学生就业的因素出发，对我校05级信息与计算科学的毕业生进行调查，搜集数据，建立Logit模型，并通过模型估计和检验，从定量和定性角度分析影响大学生就业的主要因素，发现大学生的性别特征、英语水平、计算机水平、社会实践和兼职经验等因素对就业机会比率的影响作用大.关键词：logit模型,回归,就业Survey Analysis to Factors Influencing Employment--- based on Logit ModelLiu Xiao-Run Information and Computational Science,Grade 2005Directed by Wang Li-li(Lecturer)Abstract:At present, the employment of college students is one of the key issues of employment in China. From the factors affecting the employment of college students, the paper conducts a questionnaire survey to graduates of Information and Computer Science, grade 2005 of sichuan Agricultural University, to collect data and establish a Logit model. Then by model estimation and testing, the paper analyzes the main factors relevant to college students' employment from the quantitative and qualitative angles and finds that such factors as graduates' gender, English level, Computer level, social activities, and part-time work experience play a relatively greater role in their job opportunities.Key words: Logit model, Return, Employment1引言随着我国高等教育的飞速发展，高等院校每年的毕业生数量在快速增长[1]，据了解，2009年我国高校毕业生规模达到611万人，比往年增加52万人。