城市科技论文：城市科技对就业的启示及策略

导语：城市科技论文：城市科技对就业的启示及策略一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

本文作者：关建清工作单位：杭州电子科技大学

一般来说，科技进步会拉长产业链，伴随着产业链的拉长，会催生新的行业，增加就业岗位。产业链的拉长一般表现在两方面，一方面为第三产业向第一产业和第二产业的延伸和渗透，如第三产业生产性服务业向产品的前期研发，中期包装设计，后期的维护和信息反馈等，产业链的渗透就意味着就业岗位的增加。另一方面，产业链的拉长还表现为三大产业内部相关联的产业通过融合提高综合竞争力，适应市场需求的新兴产业不尽会提高就业的数量，还能提高就业质量。浙江省的城市科技水平与就业率存在怎样的关系，文章利用数据挖掘软件Clementine建立关于城市科技竞争力下的就业率的BP神经网络预测模型进行定量分析研究。一方面BP神经网络可以消除指标变量相关性对模型预测结果的干扰；另一方面BP神经网络模型避免了评价过程中人为改变标准值和确定权重的主观因素，使建立的模型更加客观。因此，本文利用BP神经网络模型进行实证分析研究。

1、指标的选取本文以浙江省11个地级市2010年数据为研究对象，探讨城市科技竞争力和就业的关系。数据来源于浙江省2011科技统计年鉴，浙江省科技厅网站及中国经济信息网数据库。在前人研究的基础上，根据实用性，客观性，全面性的原则，选取了27个反映城市科技竞争力的指标作为输入指标，就业率作为输出指标建立BP神经网络模型。为了实现数据的无量纲图1变量重要性''''分区''''平均误差绝对平均误差标准差线性相关发生（个）1_训练0.0160.0290.0340.96682_测试0.00.0110.0140.9843表2比较$N-就业率与就业率估计的准确性：97.514隐藏层1:20个神经元输入层：27个神经元输出层：1个神经元表1BP神经网络模型结构化，根据公式xi=（xmin（xi））/(max(xi)-min(xi))所有的指标变量进行归一化处理。2、实证模型分析利用数据挖掘软件Clementine建立关于就业率的BP神经网络模型，模型结构如表1所示：由表1可知，模型具有很好的预测效果，其预测精度达到97.541%。模型分析评价如下表：表2中的$N-就业率是模型对输出标量就业率的预测值。由表2可知，无论对于训练样本集还是测试样本集，BP神经网络模型预测的绝对平均误差和标准差都控制在了4%以内，且测试样本集小于训练样本集；城市科技综合竞争力实际值和预测值之间的相关关系分别为0.966和0.984。测试样本集大于训练样本集。模型通过了测试样本集检验。预测效果非常好，可信度很高。3、变量重要性分析变量重要性分析是指输入变量对输出变量的解释程度，变量重要性越大，说明输入指标变量对输出变量的影响程度越大。如下图所示：由图1看出，影响就业率的城市科技竞争力指标中，按照排名顺序分别是：市区建成区绿化覆盖率，人均可支配收入（元），每万人口科技活动人员数（人），每万人口发明专利授权率，高新技术产业产值（万元），每万人口R$D活动人员数（人），本级财政科技拨款占本级财政支出的比重，人均GDP（元），R$D支出占GDP比例，高等学校专任教师数（人）。因此，保障浙江省城市就业率，首先要关注城市的生态水平，加强生态科技的建设和发展，营造良好的居住环境。现代社会企业对城市生态水平的关注程度越来越高，企业更倾向于落户生态环境良好的城市，越多的企业进入，越多的工作岗位空缺，最终拉动城市就业率的增长。其次，加大城市科技建设的人力财力投入。一方面科技建设人力资源的投入可以解决部分高端人才的就业问题；另一方面科技的大量财力物力投入，伴随着基础设施的建设，仪器设备的需求，相关咨询服务行业的配合等，毕将带来经济的增长和就业岗位的增加。科技成果的运用对就业也有较大影响。本文认为创造发明，申请专利，高新技术产业的发展和创新，对城市就业率会产生正负效应，如前文所述。最后，加强城市的文化建设，引进高等教育人才，提高高等教育的质量。从小学抓起，积极开展全市人民科普活动宣传教育，提升国民整体素质。由政府牵头，大力开展就业再培训，引导失业人群再就业。城市的文化建设对就业的影响是宏观的，最终将推动城市就业的增长。4、城市就业率和科技竞争力的综合分析从图2可以看出，浙江省城市科技竞争力排名，就业率排名及就业率预测排名的三个曲线走势图基本一致。一方面，说明BP神经网络模型对就业率的预测效果良好。另一方面，整体上看，浙江省城市科技竞争力对就业有很大的影响，浙江省城市科技竞争力的提高将带动城市就业率的增加。具体到科技排名最后两位的舟山、丽水，如舟山就业率排名要优于科技竞争力排名3个位次，这主要是因为两地区经济是以传统产业为主，科技的进步加速城市的工业化进程，城市由原来的劳动密集型产业向资本密集型产业转型，造成城市就业率的下降，现阶段，科技的进步对就业率的影响表现为负效应。

本文的研究结果表明，BP神经网络模型对城市科技竞争力条件下就业率预测非常有效，其整体的预测精度达到97.514%，且就业率的实际排名和预测排名的曲线走势基本一致。变量重要性分析表明，浙江省城市的生态环境建设，科技人力财力资源的投入，城市的文化建设和科技成果（创造发明，专利申请，高新技术产业的发展等）对城市就业率都有重大影响。其中前三项的大力发展有助于城市就业率的提高，而科技成果的发明创造，将转变城市的经济增长方式，造成一定的结构型失业；同时科技的进步也会衍生出一些新兴产业，以及对城市产业链进行横向和纵向拉伸，增加就业岗位。因此，科技成果转化为生产力，对城市的就业率提高是一把双刃剑，政府决策者应把握好其中的“度”。城市和就业率综合分析表明，浙江省整体上科技的进步有助于城市就业率的提高。但是对于偏远的舟山和丽水，由于其城市经济主要以传统产业为主，劳动密集型产业是解决城市就业的主要途径。因此，城市科技的进步对就业率的增变现为负效应。如何在科技进步和就业增长之间寻找最佳结合点，是两市当地政府需要慎重考虑的问题。除舟山，丽水以外的主要城市，加大对科技的人力物力投入，鼓励创造发明，加大力度保障高新技术产业的发展，将有利于提高城市的就业率。