摘 要：在分析战略性新兴产业人才需求量预测依据及相关影响因素基础上，提出充分利用现有的战略性新兴产业最新数据、高技术产业相关历史数据和政府部门设定的战略性新兴产业发展目标值，选择时变增长率模型、线性回归模型和灰色GM(1,1)预测模型分别进行预测，采用组合预测的方法来预测。最后以江苏省“十二五”时期战略性新兴产业从业人员为例，说明如何根据模型和系数的显著性检验结果，对模型和变量进行灵活的选择和处理。
关键词：战略性新兴产业 人才需求量 预测模型
中图分类号：C961 文献标识码：A 文章编号：1007-3973（2012）002-141-02
1 引言
近年来，战略性新兴产业发展迅猛。以江苏省为例，2010年，江苏大力发展的六大战略性新兴产业共实现销售收入20647亿元，比上年增长38%，在工业产值中占比达23%。江苏省“十二五”规划中明确提出，到2012年六大新兴产业销售收入实现倍增，到2015年超过5万亿元。战略性新兴产业的迅猛引发对高端人才的强劲需求，因此必须加强战略性新兴产业人才的规划和管理，科学预测战略性新兴产业人才需要量对相关政府部门管理决策具有重要意义。
2 预测的依据及需考虑的相关影响因素
从理论上来讲，对某一指标数据的预测主要依据两方面：(1)该指标的历史数据，从历史的时间序列中寻找出某种内在的发展规律；(2)影响该指标变量的其他诸变量，也需要基于历史数据分析出该指标变量与其他相关影响因素之间的数量关系。具体来说，预测江苏省战略性新兴产业人才需求量，既需要考虑江苏战略性新兴产业自身发展的特征，如高资本投入、知识密集、从业人员结构中高端人才占较高比例等。也需要考虑影响战略性新兴产业发展的其他多种因素，如政府政策、经济发展环境和目标、资本人才供给约束等。
从实践操作层面来讲，新兴产业人才需求量预测需考虑以下四个方面因素：(1)政府确定的战略性新兴产业发展目标。政府及政府部门一旦确立目标，必定会加大政策支持力度，如加大经费投入和人才引进力度，因此政府确定的发展目标对人才需求具有重要影响。(2)战略性新兴产业在工业中所占比例及其变化。随着产业结构的调整和优化升级，战略性新兴产业占工业比重将会呈不断上升趋势，新兴产业人才需求也会受这一因素影响。(3)战略性兴产业从业人员在工业中所占比例及其变化。随着战略性新兴产业在工业中所占比重的变化，新兴产业从业人员在工业中所占比重也会发生相应变化。(4)战略性新兴产业中高端人才在从业人员中所占比例及其变化。战略性新兴产业的发展高度依赖于高端人才的推动，因此高端人才在从业人员中的比例也会随着产业规模的扩大而发生变化。
3 预测模型的选择及构建
对于同一个指标，可以采取多种预测方法。在预测实践中，不同的预测方法由于建模角度不同或所用统计数据的不同，预测结果或预测精度也不相同。因此可以考虑将不同预测结果进行适当的组合，形成组合预测。大量的应用研究表明，组合预测能取得优于单项模型或单个专家的预测性能。组合预测的作用是综合利用各种预测结果所提供的信息，达到提高预测精度的目的。因此本文对战略性新兴产业人才需求量采取组合预测的技术途径，即首先从不同应用角度及可能实现的情况，分别建立多种预测模型，然后再将几种模型的预测结果按一定的权重进行组合，即得到所需的预测值。本文拟选择时变增长率预测模型、线性回归模型和灰色预测GM(1,1)模型分别进行预测，由于难以确定三种模型预测结果的权重，可将以上三种模型预测结果进行算术平均，最后得到新兴产业人才需求总量。这三种模型各有其优长，在进行具体预测时，还需要考虑模型的检验情况，并对模型进行适当的调整。
3.1 时变增长率模型
时变增长率模型优点在于能够反映指标变量动态变化过程，只需要单个指标的时间序列数据即可预测。人才的需求过程，是一个非常复杂的动态过程，受很多因素的影响和制约，从对战略性新兴产业人才需求的动态连续性出发，根据近十年人才需求量数据，对战略性新兴产业人才的年增长率进行线性模拟，建立时变增长率预测模型：
1,2,3……n （1）
式中，r为增长率，t为时间变量，a、b为待估参数。若获得a、b的估计值分别为 ，且显著性检验都通过时，则得到预测模型为：
（2）
式中y(t)为第t年度的人才需求量。
3.2 线性回归模型
线性回归模型的优点在于选取一个或多个自变量建立模型，建模比较灵活，可通过反复试验获得较理想的预测精度和显著性检验。首先以战略性新兴产业人才需求量y为因变量，以新兴产业产值x为自变量建立一元线性回归模型，
（3）
式中，a、b为待估参数。由于战略性新兴产业是一个新概念，在过去的统计体系中没有专门的统计，因此无法获取其人才需求的历史数据，但战略性新兴产业本身基本都是高技术产业，高技术产业的统计比较完备，数据可获得，因此可以用高技术产业相关数据替代进行模拟，得到模型参数的估计值。用来预测的新兴产业产值用政府部门设定的目标值。根据模型显著性水平检验情况，还可以增加新兴产业在第二产业中所占比例、新兴产业从业人员在第二产业中所占比例等变量，建立多元线性回归模型。
3.3 灰色GM（1,1）预测模型
灰色GM（1,1）预测模型最大的优点在于对数据量要求不高，有四个以上历史数据即可预测，能够对原始数据进行生成处理来寻找数据变动规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势。
设人才需求量时间序列X(0)有n个观察值，通过累加生成新序列，则GM（1,1）模型相应的微分方程为：
（4）
式中，a成为发展灰数， 成为内生控制灰数。求解微分方程，即可得预测模型：
（5）
4 2015年江苏省战略性新兴产业从业人员数据预测示例
模型设定后，还需求根据模型估计和显著性检验情况予以适当的调整。本文以江苏省战略性新兴产业从业人员为例，预测2015年需求量。
(1)根据2001-2010年高技术产业从业人员数据，代入时变增长率模型进行估计，R2=0.347,显著性水平过低，模型通不过检验。说明从业人员数据不适合时变增长率模型。
(2)一元线性回归模型，以高技术产业从业人员为因变量，高新技术产业产值为自变量（从业人员单位为人，产值为亿元）。得到估计方程：
（6）
R2=0.98834,系数P=5.06E-09