浙江省各市人力资源竞争力研究.doc

精品论文浙江省各市人力资源竞争力研究基于因子计量分析文雁兵 宁波大学商学院，浙江宁波（315211） E-mail: wenyanbing1985摘要：21 世纪是知识经济的时代，知识在经济发展过程中的起着越来越重要的作用，而作为知识经济载体的高素质人才，更是知识经济时代竞相抢夺的宝贵资源。本文在构建人力 资源竞争力评价指标体系的基础上，运用因子分析法，对浙江省各市人力资源竞争力进行了分析和评价。浙江省经济走在全国前列，其各市区经济特色各异，人力资源竞争力正是衡量 城市对人力资源要素的吸引力和市场争夺力，对它进行研究，可以为快速提升城市竞争力提供一定的借鉴作用。 由于经济实力、环境因素和政府作用力等影响着城市人力资源竞争力， 文章结合结论针对不同城市提出了一些有益的建议。关键词：浙江省；人力资源竞争力；因子分析 中图分类号： F；29文献标识码：B在柯布、道格拉斯的区域经济发展模型中，人力资本和物质资本是区域经济发展的两大 独立生产要素，而根据他们对美国 19221998 年期间经济资料的分析计算，得出人力资本 的产出弹性为 0.75，是物质资本的三倍。由此可见，谁在今天的竞争中赢得了大量高素质的 人力资源，谁就为明天的经济腾飞奠定了坚实的基础。浙江省经济走在全国前列，其各市区 经济特色各异，人力资源竞争力正是衡量城市对人力资源要素的吸引力和市场争夺力，对它 进行研究，可以为快速提升城市竞争力提供一定的借鉴作用。1. 区域人力资源竞争力1.1 区域竞争力竞争力是指一个行为主体与其他行为主体共同竞争某种相同资源的能力，竞争力强弱直 接关系到行为主体获得某种相同资源可能性的大小。与此对应，区域人力资源是指一个地区 与其他地区共同竞争某种相同资源的能力。它不仅表现了目前的发展状况，也显示了未来的 发展趋势。1.2 区域人力资源竞争力在经济学上，资源是为了创造物质财富而投入于生产活动中的一切要素。人力资源是指 能够推动国民经济和社会发展的、具有智力劳动和体力劳动能力的人们的总和，它包括数量 和质量两个方面。区域人力资源竞争力1则是指一个区域在所从属的大区域中对人力资源要 素的优化培植能力，也就是区域在更大的区域中对人力资源要素的吸引力和市场争夺力。在 某种程度上，它反映了该区域在该环境中对人力资源要素的吸引和凝聚的能力。2. 浙江省各市区城市人力资源竞争力评价指标体系和评价方法2.1 评价指标体系城市对人力资源的吸引和配置能力，主要包括经济、环境和政府作用力等影响人力资源 竞争力的宏观和微观环境因素指标。在设计评价指标体系3时，兼顾了可操作性、可比性、 全面性和统一性等原则，组成了包括反映城市经济实力、人口素质、基础设施建设、政府作- 9 -用力等要素在内的指标体系，具体有 10 个指标：X1 为第三产业 GDP 比重（%）；X2 为职工人均工资（元）；X3 为医院床位数（张）；X4 国际互联网用户数(户)；X5 为高校在校 生人数（人）；X6 为总人口（万人）；X7 为财政支出（万元）；X8 为人均绿地（平方米）； X9 社区服务设施数(个)；X10 为 GDP 总量（亿元）。2.2 评价方法多指标体系2的综合评价方法有层次分析法、主成分分析法、因子分析法和聚类分析 法。文章选用因子分析法对浙江省各市区城市人力资源竞争力进行评价。因子分析法是通过 对原有变量进行恰当的数学变换，从一定的数学模型出发，找出几个反映原有变量的公共因 子，并力求使它们有较为合理的专业解释。依据一定的标准，用这些公共因子对分析对象进 行综合评价的多元统计方法。其具体步骤为：1、原始数据的无量纲化与标准化。由于各个 指标量纲的不统一，为了确保各个变量在分析中的地位相同，可以对数据进行中心化与标准 化处理。文章采用 Z-Score 法标准化处理，得到标准化数据。2、运用 SPSS16.0 软件4处理 标准化数据可以得到指标数据间的相关系数矩阵 R，根据方差解释表中的累计贡献率确定选 取公共因子的数量。3、对因子载荷阵施行最大正交旋转。计算因子得分，建立综合评价函 数。4、利用综合评价函数对对象进行排名。3. 实证研究3.1 主体的选取浙江地处中国东南沿海、长江三角洲南翼，北接上海、江苏，南连福建，西与江西、 安徽接壤；陆地面积 10.18 万平方公里，占国土面积的 1.06%，是我国面积最小的省份之一； 全省现有杭州、宁波 2 个副省级城市、9 个地级市，36 个县、22 个县级市和 32 个市属城区， 常住人口 4647 万，占全国总人口的 3.5%。本文对人力资源竞争力的实证研究，选取了浙江 省 11 个城市为行为主体，包括杭州、宁波、温州、湖州、嘉兴、绍兴、金华、舟山、台州、 衢州、丽水。结合各个区域各项指标的原始数据（表 1），对各市城市的人力资源竞争力5 排序，并进行分析评价。3.2 因子分析因素（子）分析就是将错综复杂的实测变量归结为少数几个因子的多元统计分析方法 6。其目的是揭示变量之间的内在关联性，简化数据维数，便于发现规律或本质。因素（因 子）分析（Factor Analysis)的基本原理是根据相关性大小把变量分组，使得同组变量之间的 相关性较高，不同组变量之间相关性较低。每组变量代表一个基本结构，这个结构用公共因 子来进行解释。3.3 spss 因子分析证实解释根据因子分析法，采用 SPSS16.0 统计软件进行分析，对原始评价指标数据用 Z-Score 法 进行标准化处理，得出相关系数矩阵，目的是考察原始变量间的相关关系，考虑是否有必要 做因子分析。从相关系数矩阵中得出指标间的相互独立性假设是不成立的，所以可以做因子 分析。表 1：浙江省各市人力资源竞争力评价指标原始数据X1X2 X3X4X5 X6X7 X8X9 X10 杭州市 45.132440319631257761349976666.31 27512.08 43183441.51 宁波市40.082889919339 908123121263560.45 29311.5 7662874.44 嘉兴市33.512251112062 425284 25540335.55 8612.06 1691346.65 湖州市34.18256749005 192124 18795257.89 56 9.2 1540761.02 绍兴市32.582673912568 360334 38332435.5 9513.51 1231677.63 舟山市45.89275613557 127880 1731196.58 4113.8418812 335.2 温州市41.662275818223 343629 56811756.48 144 9.8 1151837.5 金华市40.582487312183 121818 51871456.8 9412.32 271234.7 衢州市37.49280076164 4606379182246.68 4411.46 668 387.4 台州市 39.33147013494 141960 21079564.66 104 9.1 731463.31 丽水市 41.3275185945 142000 22028252.53 5511.08 22355.37数据来源：浙江省 2007 年统计年鉴及整理。表 2：特征值与方差贡献率表（方差贡献率检验）Total Variance ExplainedCompon entInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% ofVarianceCumulative %Total% ofVarianceCumulative%Total% of VarianceCumulative%15.43154.31554.3155.43154.31554.3155.12751.27351.27322.14621.45575.7702.14621.45575.7701.85118.51469.78731.00110.01085.7791.00110.01085.7791.59915.99285.7794.6986.98092.7595.2822.82195.5806.2152.15197.7317.1721.72499.4558.052.51999.9759.003.025100.000103.391E-5.000100.000Extraction Method: Principal Component Analysis.在因子分析过程中，一般只提取出累计贡献率85%的少数几个公因子，从总方差解释表中（表 2），我们可以看到当取到 3 个公因子时，累计贡献率达到 85.779%，即前 3 个公 共因子涵盖了原有 10 个指标 85.7795%的信息，这样前 3 个公共因子损失的信息量很少，因 此选取前三个因子已经能够满足描述人力资源竞争力的总体水平了。表 3：共同性检验表CommunalitiesInitialExtractionx11.000.791x21.000.607x31.000.961x41.000.863x51.000.906x61.000.813x71.000.907x81.000.914x91.000.850x101.000.966Extraction Method: Principal Component Analysis.图 1 因素陡坡检查因素陡坡检查，除去坡线平坦部分的因素，图中第三个因素以后较为平坦，故保留3个 因素Component123x10.979.056-.061x3.961.124-.149x7.933.181-.059x4.903.154.155x5.871.371.106x6.769-.034-.469x1.157.868.112x2.329.699-.102x9-.268.629.618x8.068-.003.954表 4：未旋转因子载荷矩阵和旋转后因子载荷矩未旋转因子载荷矩阵旋转后因子载荷矩阵Component MatrixaRotated Component MatrixaComponent123x3.971-.126.045x10.963-.115.158x7.950-.020.065x5.921.237.042x4.894.115.227x6.778-.439-.123x2.501.385-.455x9-.160.907-.042x1.358.674-.456x8-.027.655.696Extraction Method: Principal ComponentAnalysis.a. 3 components extracted.Extraction Method: Principal ComponentAnalysis.Rotation Method: Varimax with KaiserNormalization.a. Rotation converged in 4 iterations.图2：旋转后的因子负荷散点图表 5：因子得分函数系数表Component Score Coefficient MatrixComponent123x1-.083.540-.111x2-.042.451-.206x3.190-.027-.026x4.208-.071.183x5.161.093.090x6.131-.027-.244x7.185-.005.023x8.129-.245.707x9-.087.319.268x10.215-.098.058Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.表 6：特征向量矩阵T1T2T3X10.42-0.090.04X20.41-0.080.16X30.41-0.010.06X40.400.160.04X50.380.080.23X60.33-0.30-0.12X70.210.26-0.45X8-0.070.62-0.04X90.150.46-0.46X10-0.010.450.07Z1Z2Z3Z4Z5Z6Z7Z8Z9Z101.3195891.6863452.3710242.3315122.8606011.2089291.7949680.3990170.3398461.9839360.188630.5614120.7811361.3728630.5521130.6875371.9994580.031668-0.296551.425025-1.29153-1.46798-0.135340.048998-0.41406-0.42016-0.352180.38635-0.40351-0.08078-1.14059-0.46313-0.52035-0.59029-0.48214-0.80266-0.69299-1.42506-0.15788-0.65799-1.50105-0.12479-0.07162-0.12908-0.284940.07212-0.249931.304723-0.411760.2454351.4975690.136346-1.20648-0.76644-0.49711-1.59716-0.86341.5137322.936682-1.077680.544589-1.389510.640585-0.17489-0.098431.6530440.306735-1.04505-0.413190.4030050.301275-0.7176-0.1201-0.78306-0.148290.177029-0.261290.551024-0.42896-0.19112-0.394870.278035-0.878150.14593-0.57916-0.85788-0.829320.006334-0.31411-1.026230.0129031.3781880.045007-0.72783-0.459080.708272-0.14769-1.4884-0.420710.0341990.4634840.122685-0.90573-0.72772-0.4495-0.82906-0.70435-0.23434-0.42985-1.0578表 7：原始数据经过 Z-score 标准化表采用主成分法计算的因子载荷矩阵可以说明各因子在各变量上的载荷，即影响程度。但为了使载荷矩阵中系数向 01 分化，对初始因子载荷矩阵进行方差最大旋转，旋转后的 因子载荷矩阵如表 4 所示，从表中可以看出，第一公因子在 X3、X4、X5、X6、X7、X10 上的载荷很大，即医院床位、国际互联网用户数、高校在校生人数、人口、财政支出和 GDP 总量指标，因为它们都与城市人口的数量与素质有密切的关系，所以可以定义为社会发展综 合因子7 (F1)。第二公因子在 X1、X2、上的载荷很大，即分别为第三产业 GDP 比重、职工 人均工资由于这些因素的高低跟该市服务业都有关，职工人均工资高则人们在服务业上的消 费会增加，所以我们定义第二公因子为经济生活综合因子(F2)。第三公因子在 X8、X9 上的 载荷特别大，即人均绿地、社区服务设施数，这两个指标直接反映了一个城市在基础设施方 面的竞力，所以定义为公共服务综合因子(F3)。这几个因子的性质及顺序较好地体现了其所 代表的指标对人力资源竞争力的影响及其地位。首先是城市规模，然后是服务业的发展程度， 最后是城市基础设施。为了考察各城市的人力资源竞争力情况，并对其进行分析和综合评价，采用回归法求 出因子得分函数，由 SPSS16.0 输出的特征向量矩阵将三个公因子表示为 10 个指标的线性形 式。因子得分的函数为：F1=0.42Z1+0.41Z2+0.41Z3+0.40Z4+0.38Z5+0.33Z6+0.21Z7-0.07Z8+0.15Z9-0.01Z10F2=-0.09Z1-0.08Z2-0.01Z3+0.16Z4-0.08Z5-0.30Z6+0.26Z7+0.62Z8+0.46Z9+0.45Z10F3=0.04Z1+0.16Z2+0.06Z3+0.04Z4+0.23Z5-0.12Z6-0.45Z7-0.04Z8-0.46Z9+0.07Z10SPSS16.0 已经计算出三个因子的得分8，两个因子分别从不同的方面反映了浙江省各 城市人力资源竞争力的情况，但单独使用某一公因子并不能对各城市在浙江省的地位作出综 合的评价，因此按各公因子对应的方差贡献率为权数计算如下综合统计量：F=0.54315F1+0.21455F2+0.1001F3通过计算可以得到综合得分，并求出个省会城市的排序。表 8：综合得分表F1F2F3F排名杭州市5.17003291.57755405-0.203096623.1262376248321宁波市2.48777530.42789656-0.388055261.40419603504849992嘉兴市-0.9953860-0.00776238-0.27458422-0.5697952158147湖州市-1.7567601-0.78299210.6462711-1.057483466260000111绍兴市0.03342980.34915313-0.65538860.027463817345999984舟山市-1.88087791.63279122-0.89554404-0.7609274335388温州市0.1632315-0.325611070.705502670.089420162286499963金华市-0.6309728-0.17408728-0.18502933-0.3985847599036衢州市-1.135124-0.858440310.1683566-0.78386839740949999台州市0.0573288-0.822869850.85419179-0.0599040175759999745丽水市-1.512679-1.015629660.2273746-1.0167547427975103.4 结论与分析1、各市人力资源竞争力评价与分析。从表 8 中可以看出，人力资源竞争力排在前几位 的是杭州、宁波、温州、绍兴、。由于杭州、宁波的人口综合因子指标远远高于其他几个省 会城市，所以得分靠前。而宁波由于在城市基础设施和服务业方面相对成都较差，所以综合 得分也就没有杭州高。其次下来是温州和绍兴，由于其在城市设施和服务业方面都处于领先 地位，综合得分也排在了第三，第四。台州市则排到了第五，在基础设施和服务业因子得分 则为负，直接导致它排的靠后一些。金华市、嘉兴市、舟山市、衢州市、丽水市、湖州市、 排在后面，它们的综合得分全为负数。但它们中个别市在个别指标上靠，如：台州市和湖州 的公共服务综合因子 F3 得分较高，即人均绿地、社区服务设施数得分较高，这两个指标直 接反映了台州市在基础设施方面的竞争力较高；舟山市的经济生活综合因子 F2 得分较高， 即第三产业 GDP 比重、职工人均工资得分较高，由于这些因素的高低跟该市服务业都有关， 所以其在服务业的竞争力较高。在表中，杭州市的社会发展综合因子得分最高，为 5.1700329， 即医院床位、国际互联网用户数、高校在校生人数、人口、财政支出和 GDP 总量指标最高， 说明杭州市的城市人口的数量与素质最有竞争力；舟山市的经济生活综合因子得分最高，为1.63279122 ，说明其在服务业的竞争力最高；台州市公共服务综合因子得分最高，为0.85419179，说明其在服务业的竞争力最高。2、启示与对策。浙江区域经济发展水平差距很大，而依托城市经济的辐射功能带动周 边地区和区域的现代化发展，是促进浙江社会经济整体快速、均衡发展的重要战略，而人才 竞争，则是各个经济区域争夺的焦点。首先，各个城市应该针对自己的弱点加以改进，如杭 州和宁波可以在加强城市基础设施建设和服务业方面狠下功夫，这样城市的人力资源竞争力 则可以很快地得到提升。而排在靠后的几个城市，则可以先通过发展自己的整体经济实力， 提高人均 GDP，从而提升自己的人力资源竞争力。其次，加速块状经济的成长，形成综合 性，特色性的产业结构，加速整体竞争力的提升，如杭州发展动漫等服务产业；再次，浙江 各城市由于有自然区位优势、环境优美、旅游资源丰富，可以大力发展特色旅游服务业，提 高自己的人力资源竞争力。参考文献1 杨瑞艳.我国区域竞争力实证研究J.上海统计,2000(4). 2 侯景新 尹卫红.区域经济分析方法M.商务印书馆.20073 范文正广东省国际竞争力评价指标体系研究J华南农业大学学报(社会科学版)，2004，(4) 4刘大海等.spss 统计分析M.清华大学出版社.20085 甄峰等区域创新能力评价指标体系研究J科学管理研究，2000，(12)6 李宝瑜国民经济统计分析M北京：中国统计出版社，2002：16n7 Fritsch MMeasuring the quality of regional innovation systemsa knowledge production function approachJInternational Regional Science Review，2002，(25)：86 1O1 8高铁梅.计量经济分析方法与建模M.清华大学出版社.2008On the Study of Human Resouses Competitiveness in Zhe jiang ProvinceWen yanbingSchool of Business,Ningbo University（315211）AbstractThe 21st century is the era of knowledge economy,in which knowledge plays an increasingly importantrole in the course of economic development. The highly competent personnel, as the carrier of the knowledge economy, become the competitively valuable resources. Based on the system of evaluation index in building human resources competitiveness,this paper analyses and evaluates the competitiveness of human resources in all cities of Zhejiang Province by adopting the Factor Analysis. Zhejiang's economy at the forefront of the country,its economy in the urban areas have different characteristics, the human resources competitiveness is the measure of the city more attractive elements of human resources and marketing force for its study, can quickly upgrade the city to provide a competitive edge The reference.Due to the influence of economic strength, environmental factors and government forces on the competitiveness of human resources, this article puts forward some useful proposals for different cities.Keywords: Zhejiang Province; human resources competitiveness; Factor Analysis作者简介：文雁兵（1985-）宁波大学商学院国际贸易研究生，主要研究方向：国际贸易理 论，宏观经济波动与经济增长。