在經濟全球化與城鎮化的加速推進中,流動人口已成為中國經濟社會發展的重要力量。然而,伴隨著市場波動與經濟發展的挑戰,這部分群體的就業前景亦備受考驗。
學界過去一般認為,流動人口失業後仍然可以返鄉從事農業生產活動,不會處於失業狀態,在理論研究上往往忽略了這一重要議題。官方發布的失業數據通常為全國城鎮調查失業率、青年失業率等,而沒有流動人口失業率。
近期,由河北大學經濟學院楊勝利、劉金盼和王海燕三位研究人員合作完成的《流動人口失業風險預警模型與應用》在《人口與社會》刊發,揭示了流動人口失業風險的演變趨勢及未來挑戰,為有效製定政策製定提供了參考。
作者認為,農業生產機械化水平的提高使大量的農業勞動力不斷從農村轉移出來,加之土地流轉製度使得部分農村勞動力成為失地農民,流動人口返鄉從事農業生產的可能性降低,這個群體已經處於“半城市化”狀態。此外,隨著城鎮化進程的推進,城城流動人口(記者注:不具備特定城市戶籍,在多個城市間流動的人口)在流動人口中的占比不斷提高,其失業問題同樣不容忽視。
研究顯示,隨時間推移,流動人口失業風險呈現上升趨勢。從各區域來看,東部、中部、西部地區失業風險依次增加,這與各地區的流動人口素質和當地經濟社會環境密切相關。全國及各區域流動人口失業率將在預測期繼續保持緩慢波動上升趨勢,並在2020年和2027年達到兩個失業高峰,分別為3.13%和3.7%,東中西部地區之間流動人口失業率呈隨時間推移逐步擴大趨勢。
該研究采用2010年至2018年的宏觀和微觀數據,構建了一個基於BP(Back
Propagation)神經網絡的流動人口失業風險預警模型。BP算法因其強大的非線性映射能力和學習能力,被廣泛應用於複雜係統的預測中。微觀數據主要來源於流動人口動態監測數據,宏觀數據主要來源於《中國統計年鑒》和《中國勞動統計年鑒》。
研究團隊綜合考慮了流動人口的個人特征、家庭特征、就業特征、勞動力市場供需、宏觀經濟指標、就業服務與社會保障六大維度,通過模型訓練與測試,實現了對流動人口失業風險的精準評估。
本研究根據流動人口失業風險警情的時段劃分,警情等級被分為無警、輕警、中警、重警四個層次。數據顯示,除了2010年因受經濟危機影響,流動人口失業率達到中警級別外,中國國流動人口失業率整體呈現隨時間逐漸增長的趨勢,但並未觸及重警級別。在全國層麵,2010年和2017年出現兩個失業高峰期,主要歸因於金融危機及經濟周期性波動。
從地域分布視角看,西部地區的流動人口麵臨較高的失業風險,這與該地區勞動力市場更易波動有關,例如2008年的返鄉潮就體現了這一點;中部地區緊隨其後,而東部地區流動人口的失業風險最低,這得益於東部地區成熟的市場環境和較為健全的社會保障體係。
預測未來流動人口的失業風險趨勢對於預判就業形勢、提前采取措施減少失業負麵影響及評估現行幹預政策效果至關重要。研究中綜合考慮了人口遷移模式變化、宏觀經濟環境變遷、勞動力市場動態及社會保障水平提升等多因素,通過對決定失業風險的各項指標進行預測,並基於各決定因素的散點圖分布特征與模型顯著性對比,選取了最符合變化趨勢的曲線預測模型。
研究顯示,2018至2020年,全國及各區域流動人口失業率上升,並在2020年達到首個高峰,之後受新冠疫情影響,企業運營受限,流動人口就業遭受重創,失業率攀升至新高。2020至2022年,因人口流動受限,失業率有所下降。但從2022年起,隨著經濟逐步複蘇,人口流動性增強,但經濟增長速度放緩,經濟結構調整帶來新挑戰,使得2027年迎來第二個失業高峰。隨後,流動人口失業率迅速下降並趨向穩定。
圖表來自該論文。
綜合來看,未來幾年全國及各區域流動人口失業率將持續波動上升,並在2020年和2027年形成兩個重警風險期,尤其是西部地區,從2025年後將長期處於極高風險狀態,亟需加強對流動人口就業問題的關注與應對。中部地區需持續探索減低失業率的有效措施,東部地區雖失業率較低,但也需密切關注2020、2027和2030年這三個關鍵年份,致力於推進平等就業、全麵市民化進程,並向中西部地區分享成功經驗,以促進勞動力資源的均衡配置。
麵對流動人口失業風險的預警,研究團隊提出了一係列應對策略。
首要任務是消除就業歧視,推進平等就業,特別是在中西部地區,需借鑒東部地區的發展經驗,優化產業結構,提升就業質量。同時,完善失業保險製度,提高流動人口的社會保障水平,構建全國性的就業信息服務平台,實現跨區域就業服務的無縫對接。此外,加強職業技能培訓,提升流動人口的就業競爭力,也是緩解失業風險的關鍵。
-->
`,
"script":[{"type":"text/javascript","src":"//widgets.outbrain.com/outbrain.js","async":"async"}]
}
, "gg_rightside": {
"html":`
`,
"script":[{"type":"text/javascript","src":"//widgets.outbrain.com/outbrain.js","async":"async"}]
}
, "gg_duturandom": {
"html":`
`,
"script":[]
}
, "gg_square": {
"html":`
`,
"script":[]
}
, "gg_topbanner": {
"html":`
`,
"script":[]
}
, "gg_middlesquare": {
"html":`
`,
"script":[]
}
, "gg_dutu": {
"html":`
`,
"script":[]
}
, "gg_botline": {
"html":``,
"script":[]
}
, "gg_dututop": {
"html":`
`,
"script":[]
}
, "gg_shipintop": {
"html":`
`,
"script":[]
}
, "gg_inContent": {
"html":`
`,
"script":[]
}
, "gg_shipinrandom": {
"html":``,
"script":[]
}
, "gg_sideSticky": {
"html":`
`,
"script":[]
}
, "gg_bottombanner": {
"html":`
`,
"script":[{"type":"text/javascript","src":"//widgets.outbrain.com/outbrain.js","async":"async"}]
}
, "gg_marquee": {
"html":`
`,
"script":[]
}
}
const adEnv={
"gg_header": {
"html":``,
"script":[{"type":"text/javascript","exec":` var googletag = googletag || {}; googletag.cmd = googletag.cmd || []; var pbjs = pbjs || {}; pbjs.que = pbjs.que || []; `},{"type":"text/javascript","src":"https://adncdnend.azureedge.net/adn-hb/adn.wnx2.js","async":""},{"type":"text/javascript","src":"https://adncdnend.azureedge.net/adn-video/WenxuecityPlayer.js","async":"async"}]
}
}
const wxcEnv = {
"base":{
"exe":[],
"src":[
{"src": "/news/js/recommendednews.js","defer":"true"},
{"src":"/js/wxcFunc.js","defer":"true"}
]
},
"func":{
"exe":[
//展示評論
'function showMoreComments(){let n = 11;for(let i=0;i
2){dom.hide();}}$("#showallcomment").show();$("#showlesscomment").hide();};hideComments();',
],
"src":[
//圖片,搜索,QR code
{"src": "/news/js/view.js?v=05132024"},
//計數器
{"src":"//count.wenxuecity.com/service/count/script/do.php?type=news&id=125544649&n=0&out=jsval","defer":"true"},
]
}
}
function wxcCode(){
wxcEnv.base.exe.forEach(x=>{
let tag = buildAdcode(x);
document.head.append(tag);
})
wxcEnv.base.src.forEach(src => {
let tag = buildSrc(src)
document.head.append(tag);
});
wxcEnv.func.exe.forEach(x=>{
let tag = buildAdcode(x);
document.body.append(tag);
})
wxcEnv.func.src.forEach(src => {
let tag = buildSrc(src)
document.body.append(tag);
});
}
function adcode(){
let adkey = Object.keys(ads);
adkey.forEach(x=>{
let code = ads[x].html;
let div = document.getElementById(x);
if(div)div.innerHTML = code;
ads[x].script.forEach(s=>{
if(Object.keys(s).indexOf('src')===-1){
let tag = buildAdcode(s.exec);
document.body.append(tag);
}else{
let tag = buildSrc(s);
document.body.append(tag);
}
})
})
}
function baseCode(){
let baseKeys = Object.keys(adEnv);
baseKeys.forEach(x=>{
adEnv[x].script.forEach(s=>{
if(Object.keys(s).indexOf('src')===-1){
let tag = buildAdcode(s.exec);
document.head.append(tag);
}else{
let tag = buildSrc(s);
document.head.append(tag);
}
})
})
}
function buildAdcode(script){
let tag = document.createElement('script');
tag.innerHTML = script;
return tag;
}
function buildSrc(obj){
let keys = Object.keys(obj);
let tag = document.createElement("script");
keys.forEach(key=>{
tag.setAttribute(key, obj[key]);
})
return tag ;
}