導語：城市科技論文：城市科技對就業的啟示及策略一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

本文作者：關建清工作單位：杭州電子科技大學

一般來說，科技進步會拉長產業鏈，伴隨著產業鏈的拉長，會催生新的行業，增加就業崗位。產業鏈的拉長一般表現在兩方面，一方面為第三產業向第一產業和第二產業的延伸和滲透，如第三產業生產性服務業向產品的前期研發，中期包裝設計，后期的維護和信息反饋等，產業鏈的滲透就意味著就業崗位的增加。另一方面，產業鏈的拉長還表現為三大產業內部相關聯的產業通過融合提高綜合競爭力，適應市場需求的新興產業不盡會提高就業的數量，還能提高就業質量。浙江省的城市科技水平與就業率存在怎樣的關系，文章利用數據挖掘軟件Clementine建立關于城市科技競爭力下的就業率的BP神經網絡預測模型進行定量分析研究。一方面BP神經網絡可以消除指標變量相關性對模型預測結果的干擾；另一方面BP神經網絡模型避免了評價過程中人為改變標準值和確定權重的主觀因素，使建立的模型更加客觀。因此，本文利用BP神經網絡模型進行實證分析研究。

1、指標的選取本文以浙江省11個地級市2010年數據為研究對象，探討城市科技競爭力和就業的關系。數據來源于浙江省2011科技統計年鑒，浙江省科技廳網站及中國經濟信息網數據庫。在前人研究的基礎上，根據實用性，客觀性，全面性的原則，選取了27個反映城市科技競爭力的指標作為輸入指標，就業率作為輸出指標建立BP神經網絡模型。為了實現數據的無量綱圖1變量重要性''''分區''''平均誤差絕對平均誤差標準差線性相關發生（個）1_訓練0.0160.0290.0340.96682_測試0.00.0110.0140.9843表2比較$N-就業率與就業率估計的準確性：97.514隱藏層1:20個神經元輸入層：27個神經元輸出層：1個神經元表1BP神經網絡模型結構化，根據公式xi=（xmin（xi））/(max(xi)-min(xi))所有的指標變量進行歸一化處理。2、實證模型分析利用數據挖掘軟件Clementine建立關于就業率的BP神經網絡模型，模型結構如表1所示：由表1可知，模型具有很好的預測效果，其預測精度達到97.541%。模型分析評價如下表：表2中的$N-就業率是模型對輸出標量就業率的預測值。由表2可知，無論對于訓練樣本集還是測試樣本集，BP神經網絡模型預測的絕對平均誤差和標準差都控制在了4%以內，且測試樣本集小于訓練樣本集；城市科技綜合競爭力實際值和預測值之間的相關關系分別為0.966和0.984。測試樣本集大于訓練樣本集。模型通過了測試樣本集檢驗。預測效果非常好，可信度很高。3、變量重要性分析變量重要性分析是指輸入變量對輸出變量的解釋程度，變量重要性越大，說明輸入指標變量對輸出變量的影響程度越大。如下圖所示：由圖1看出，影響就業率的城市科技競爭力指標中，按照排名順序分別是：市區建成區綠化覆蓋率，人均可支配收入（元），每萬人口科技活動人員數（人），每萬人口發明專利授權率，高新技術產業產值（萬元），每萬人口R$D活動人員數（人），本級財政科技撥款占本級財政支出的比重，人均GDP（元），R$D支出占GDP比例，高等學校專任教師數（人）。因此，保障浙江省城市就業率，首先要關注城市的生態水平，加強生態科技的建設和發展，營造良好的居住環境。現代社會企業對城市生態水平的關注程度越來越高，企業更傾向于落戶生態環境良好的城市，越多的企業進入，越多的工作崗位空缺，最終拉動城市就業率的增長。其次，加大城市科技建設的人力財力投入。一方面科技建設人力資源的投入可以解決部分高端人才的就業問題；另一方面科技的大量財力物力投入，伴隨著基礎設施的建設，儀器設備的需求，相關咨詢服務行業的配合等，畢將帶來經濟的增長和就業崗位的增加。科技成果的運用對就業也有較大影響。本文認為創造發明，申請專利，高新技術產業的發展和創新，對城市就業率會產生正負效應，如前文所述。最后，加強城市的文化建設，引進高等教育人才，提高高等教育的質量。從小學抓起，積極開展全市人民科普活動宣傳教育，提升國民整體素質。由政府牽頭，大力開展就業再培訓，引導失業人群再就業。城市的文化建設對就業的影響是宏觀的，最終將推動城市就業的增長。4、城市就業率和科技競爭力的綜合分析從圖2可以看出，浙江省城市科技競爭力排名，就業率排名及就業率預測排名的三個曲線走勢圖基本一致。一方面，說明BP神經網絡模型對就業率的預測效果良好。另一方面，整體上看，浙江省城市科技競爭力對就業有很大的影響，浙江省城市科技競爭力的提高將帶動城市就業率的增加。具體到科技排名最后兩位的舟山、麗水，如舟山就業率排名要優于科技競爭力排名3個位次，這主要是因為兩地區經濟是以傳統產業為主，科技的進步加速城市的工業化進程，城市由原來的勞動密集型產業向資本密集型產業轉型，造成城市就業率的下降，現階段，科技的進步對就業率的影響表現為負效應。

本文的研究結果表明，BP神經網絡模型對城市科技競爭力條件下就業率預測非常有效，其整體的預測精度達到97.514%，且就業率的實際排名和預測排名的曲線走勢基本一致。變量重要性分析表明，浙江省城市的生態環境建設，科技人力財力資源的投入，城市的文化建設和科技成果（創造發明，專利申請，高新技術產業的發展等）對城市就業率都有重大影響。其中前三項的大力發展有助于城市就業率的提高，而科技成果的發明創造，將轉變城市的經濟增長方式，造成一定的結構型失業；同時科技的進步也會衍生出一些新興產業，以及對城市產業鏈進行橫向和縱向拉伸，增加就業崗位。因此，科技成果轉化為生產力，對城市的就業率提高是一把雙刃劍，政府決策者應把握好其中的“度”。城市和就業率綜合分析表明，浙江省整體上科技的進步有助于城市就業率的提高。但是對于偏遠的舟山和麗水，由于其城市經濟主要以傳統產業為主，勞動密集型產業是解決城市就業的主要途徑。因此，城市科技的進步對就業率的增變現為負效應。如何在科技進步和就業增長之間尋找最佳結合點，是兩市當地政府需要慎重考慮的問題。除舟山，麗水以外的主要城市，加大對科技的人力物力投入，鼓勵創造發明，加大力度保障高新技術產業的發展，將有利于提高城市的就業率。