1、体现各省市整体就业情况的指标多、涉及范围广。以2009年国家统计年鉴为基础，选取了12个指标。这十二个指标在众多行业指标中较具代表性，它们分别是：（1）农、林、牧、渔业，（2）采 矿 业，（3）制 造 业，（4）电力、燃气及水的生产和供应业，（5）建筑业，（6）交通运输、仓储和邮政业，（7）信息传输、计算机服务和软件业，（8）批发和零售业，（9）住宿和餐饮业，（10）房地产业，（11）金融业，（12）租赁和商务服务业。另外选取了全国不同地区的31个省市，它们各行业就业情况如下表：2009个省市12个行业就业情况（数据来自：2009年国家统计年鉴，单位：地 区合计农、林、牧、渔业采 矿 业制 造
2、 业电力、燃气及水的生产和供应业建 筑 业交通运输、仓储和邮政业信息传输、计算机服务和软件业批发和零售业住宿和餐饮业金融业房地产业租赁和商务服务业 北 京 619.33.25.099.56.634.150.136.250.228.325.430.172.9 天 津 201.70.79.33.310.712.32.511.94.16.73.17.3 河 北 503.17.127.0117.019.833.925.56.022.14.523.45.1 山 西 385.82.675.069.89.922.521.34.317.94.214.02.76.2 内蒙古 245.826.837.810.11
3、3.716.23.92.31.42.9 辽 宁 509.527.635.5146.016.329.531.86.117.120.27.5 吉 林 265.318.359.08.112.915.38.23.4 黑龙江 469.192.942.878.614.829.926.15.313.5 上 海 385.41.30.1140.75.611.035.66.510.821.711.518.0 江 苏 721.310.5308.246.030.727.726.6 浙 江 813.91.51.7333.112.5155.823.910.028.114.928.010.424.0 安 徽 359.930
4、.370.69.440.714.73.714.54.4 福 建 474.06.8226.49.652.013.112.28.8 江 西 289.612.78.568.027.415.63.68.31.82.0 山 东 922.35.263.1337.220.570.533.240.411.732.8 河 南 734.77.053.3154.820.787.328.838.99.522.08.612.1 湖 北 487.115.8118.512.04.620.115.95.7 湖 南 481.015.098.711.671.721.84.917.3 广 东 1055.09.2443.518.56
5、3.253.516.740.823.737.528.5 广 西 301.459.217.53.5 海 南 79.314.60.91.94.02.42.1 重 庆 248.857.46.443.311.29.7 四 川 564.421.9123.115.499.623.85.920.4 贵 州 218.737.39.1 云 南 312.060.88.036.314.35.8 西 藏 21.10.50.20.80.40.0 陕 西 352.423.282.224.119.2 甘 肃 193.038.614.110.32.2 青 海 50.68.7 宁 夏 58.13.01.61.1 新 疆 249
6、.458.017.610.92.2 分析方法 首先，利用聚类分析，对所要分析的样本省市进行分类。然后，利用因子分析的方法，对各省市的就业取向及人才需求倾向进行分析。三、分析问题与结果3.1 聚类分析3.1.1分析过程及其输出结果运用SPSS软件，输出结果如下：条形图根据聚类分析结果，得到了多种分类，将其按4类划分，则有可以得到如下结果： 第一类：青海，宁夏，西藏，海南，贵州，甘肃，内蒙古，新疆； 第二类：江西，广西，吉林，天津，重庆，云南，安徽，陕西，山西； 第三类：湖北，湖南，四川，河南，河北，辽宁，上海，北京，黑龙江；第四类：江苏，浙江，福建，山东，广东。3.1.2 聚类结果分析根据聚类分
7、析的结果（表2）可以看出： 第一类中的省市就业量最少，所处地区偏远，均为国内经济欠发达地区，各行业都处于起步与发展当中，所提供的就业职位稀少，所以此类地区极少人愿意前往就业，而且当地的人才也大多流向经济发达地区。所以就业人数十分少，一方面原因由产业不发达引起的人才需求量少，另一方面是人才流失严重及补给不足。 第二类中的省市就业量比第一类稍微良好，所处地区为我国内陆，经济发展水平中等，所提供的就业职位数量远比第一类省市多，但也有限。除了制造业就业量相比同地区其他行业较为理想外，其余行业的就业量均在全国中下水平。所以，前往此类省市就业的人数不多，就业竞争相对没那么激烈。 第三类中的省市就业量在全国
8、处中上水平，同样处于我国内陆地区，但此类省市的人口数量交其他省份多，人口密度高，其中，河南为我国人口第一大省，北京为我国政治中心，上海为我国贸易中心。所以，为了获取较多的廉价劳动力，许多企业均在此类省市设厂或分公司，从而提供了较多的就业机会。而为了获得更多机会，较多人愿意在此类省市就业，因为就业量大。第四类中的省市就业量处于全国最高水平。它们均为国家沿海、河省市，其中江苏、浙江为长江三角洲重要组成部分；广东、福建内更划出了多个经济特区。由于在此类省市中沿海、河，所以设有多个港口，为贸易提供便利，所以在这些地区经济十分发达，为全国经济作出贡献也较大。在经济发达的地区，提供的就业机会及人才的需求十
9、分庞大，因此，这类地区均为应聘者争相就职的地区。虽然就业量庞大，但竞争也相应激烈。3.2 因子分析在国内的就业大环境中，处于不同地区的省市，其三个产业的分配也不同，就业倾向也不一样，因此不能单单凭借总就业量来判断各个省市的就业情况。下面借用因子分析对各省市在有代表性的指标上作出较公平的评价。3.2.1 分析过程及其输出结果根据所要研究样本中列出的12项判别指标，即31个省市2009年个行业就业量：农、林、牧、渔业，采 矿 业，制 造 业，电力、燃气及水的生产和供应业，建筑业，交通运输、仓储和邮政业，信息传输、计算机服务和软件业，批发和零售业，住宿和餐饮业，房地产业，金融业，租赁和商务服务业。首
10、先，要了解变量之间的相关性，判断其是否适合进行因子分析，各指标的相关系数如下：表4：各变量间的相关系数相关矩阵X1X2X3X4X5X6X7X8X9X10X11X12相关1.000.228-.118.167-.134.049-.076-.091-.169-.129-.138.119.579.144.208-.062.304-.055.292-.094-.123.658.659.706.395.727.683.877.611.397.615.654.649.369.789.323.133.443.258.557.462.657.365.269.767.906.860.899.848.716.766
11、.900.606.907.968.887.898.834.764.791.971.910.725.568.912Sig.（单侧）.109.264.185.236.342.314.181.341.245.230.262.000.219.131.370.048.385.056.308.254.014.108.021.038.238.006.081.001.004.022.072由上面结果知，原始变量之间有较强的相关性，进行因子分析是合适的。对原始数据作因子分析，为使各个因子具有更加明显的意义，在分析中采用方差最大化旋转，得到以下结果：表5：因子分析输出结果解释的总方差成份初始特征值提取平方和载入旋
12、转平方和载入方差的 %累积 %17.14959.5765.24443.70422.13917.82577.4013.75131.25974.96331.1719.75887.1601.46412.1974.6965.79892.9585.4023.35196.3096.1931.60997.9187.082.68098.5988.064.53399.1319.058.47999.61010.18099.79011.016.13599.92512.009.075100.000提取方法：主成份分析。从输出结果可以清晰的看出，前三个因子的累计贡献率已经达到了87.160%，说明前三个因子基本包含了全
13、部指标具有的信息，所以，仅需要取前三个因子。根据前三个特征值建立的因子载荷阵如下：表6：因子载荷阵旋转成份矩阵aX1 农、林、牧、渔业 -.004-.190.830X2 采 矿 业 -.146.435X3 制 造 业 .389.804-.096X4 电力、燃气及水的生产和供应业 .140.847.416X5 建 筑 业.146.816-.166X6 交通运输、仓储和邮政业.774.525.202X7 信息传输、计算机服务和软件业.965.095-.016X8 批发和零售业.744.114X9 住宿和餐饮业.908.372-.132X10 金融业.565.792.090X11 房地产业.935.
14、270-.101X12 租赁和商务服务业.068-.114提取方法 :主成分分析法。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 5 次迭代后收敛。将三项指标按高载荷（绝对值）分成类，并结合专业知识给出各因子的命名如下：表7：各因子中高载荷指标高载荷指标因子一因子二采矿业因子三从表格中可以看出，因子一综合反映了交通运输、仓储和邮政业，信息传输、计算机服务和软件业，批发和零售业，住宿和餐饮业，金融业，房地产业，租赁和商务服务业这七个指标的主要信息，可以将因子一解释为第三产业就业情况指标；因子二综合反映了，采矿业制造业，电力、燃气及水的生产和供应业，建筑业这四个指标的主要信息，可以将因子二解释为第二产业的就业情况指标；因子三综合反映了农、林、牧、渔业指标的主要信息，可以将因子三解释为第一产业就业情况指标。各因子的因子得分如表：表8：因子得分（注：综合得分即为五个因子按照方差贡献率为权数的加权加总）地区-0.461370.13020.043794.5418-1.47594-0.19462-0.154020.30756-0.82431-0.56488-0.61852-0.415722.103181.46
