主持人语
特邀主持人曾湘泉
2017, 31(6): 1-1.
自2008年9月《自然》杂志出版“大数据”专刊以来，大数据已成为政府、学术界和实务界共同关注的焦点。尽管大数据表现出的非线性、高维性、海量性等特征对大数据分析提出了严峻的挑战，但其优点也是有目共睹的：作为一种有生命力的数据，大数据能及时更新，具有高度的时效性；作为一种自然观察的数据，大数据包括了大量可观测信息，较之政府或其他机构借助统计调查获得的信息，更具客观性和真实性。面对我国劳动统计数据不完备，甚至是不公开，乃至于统计口径和方法都存在较大争议的现实，利用各类大数据深入开展我国劳动力市场理论研究和政策分析就显得尤为重要！
从2008年开始，为提高我国就业市场变动测量的敏感度，中国人民大学中国就业研究所定期召开“中国就业季度分析会”，发布《中国就业季报》，并利用智联招聘大数据，编制了 “中国就业市场景气指数”（简称CIER指数），向社会公开发布“中国就业市场景气报告”。
为了进一步推动我国大数据与劳动力市场的分析和研究，本期我们特组织刊发四篇文章，回顾和总结国外学者近年来利用大数据开展失业率分析的进展，同时也展示我国学者利用大数据所完成的有关研究成果。
克劳斯·F·兹姆曼是国际著名的劳动经济学家，2009年由他和N阿斯吉塔斯共同撰写，发表在《应用经济学季刊》的“Google Econometrics and Unemployment Forecasting” 一文，运用大数据对德国的失业率进行了分析，成为运用大数据开展失业问题分析的开创性研究成果。在本专题中，他与罗马尼亚科学院米哈埃拉·西米欧奈斯库博士撰写了《大数据与失业率分析》一文，总结和评述近年来这一领域的研究进展，分析不同领域内互联网活跃数据的使用情况，并聚焦其在失业率模型构建方面的应用。他们认为，大数据有很大的潜力，需要进一步开发。在大多数国家，互联网数据能够改进模型，并进行失业率预测。其预测的准确性有赖于每个国家的互联网渗透率、互联网使用者的年龄结构以及构建的互联网变量的稳定性等。
王辉和曾湘泉撰写的《劳动力紧缺推升了工资上涨吗？——基于中国劳动力市场大数据的静态均衡检验》一文，使用CIER大数据指数来反映劳动力市场紧张程度，并结合雇员—雇主匹配数据（2013）对劳动者工资和劳动力紧张程度之间的关系进行研究，部分验证了不完美劳动力市场中的工作搜寻匹配模型（DMP模型）。研究发现，当CIER指数大于04时，劳动力市场工资随劳动力紧缺度的上升而下降；当CIER指数小于04时，劳动力紧缺度对工资则表现出程度有限的正向效应。“CIER紧张程度”能够比CIER指数更好地反映劳动力市场的景气状况。
耿林和毛宇飞撰写的《就业景气指数的构建、预测及就业形势判断——基于网络招聘大数据的研究》一文，介绍了中国就业市场景气指数构建、预测及政策运用的情况，并选取2011年第1季度至2017年第1季度的CIER数据，通过运用季节分解法、HP滤波、VAR模型等时间序列分析方法，探讨了CIER指数与宏观经济景气程度指标之间的关系，预测了2017年后三个季度CIER指数的基本走势。研究结果表明，CIER指数能够反映我国当前劳动力市场的景气程度，对未来劳动力市场变化趋势有较好的预测效果。同时，CIER指数与宏观经济指标具有密切的联动关系，可作为把握宏观经济的现状以及未来变化趋势的重要辅助指标。
史珍珍撰写的《劳动力市场景气对企业岗位空缺持续时间的影响——基于网络数据的实证研究》一文，基于智联招聘网站的空缺岗位填补大数据，以CIER指数度量劳动力市场景气状况，采用生存分析模型，分析了劳动力市场景气对企业岗位空缺持续时间的影响。研究结果显示，劳动力市场景气对岗位空缺填补概率具有显著正的边际效应，对空缺持续时间具有显著负的边际效应。而且，与国有企业和外资企业相比，这一效应在私营企业的招聘活动中更为显著，即私营企业的人力资源配置过程的市场化程度更高。
