中图分类号：F127 文献识别码：A 文章编号：1001-828X（2017）007-0-01
一、引言
1.人口状况分析
人口问题的产生和解决与很多方面的因素相关，例如环境容量和资源的利用以及经济体制的发展等。而根据国家统计局数据来看，我国人口目前存在几大特点：人口总量低速增长，人口自然增长率较为平稳，而人口老龄化速度加快，人口向经济发展快的地区聚拢。
2.研究思路及方法
首先，分析并观察总人口与就业人口的相关性，建立合适的模型。接着，开始对数据进行拟合，于是便可得到模型的参数，同时检验出参数和方程的显著性，对从业人口做预测。
接着，对从业人口作为时间序列来分析，分析其是否平稳，若不平稳，进行差分处理之后，并分析出具体p，q的取值，建立ARMA模型。在Eveiws中进行数据处理，便由此可得到预测值与相对应的结论。
二、海南省人口增长和就业人口之间的关系
在SPSS中运行数据，得到总人口与从业人口之间相关性表。在Pearson相关性检验下，总人口与从业人口的相关系数为0.980，在0.00的显著水平下，接受原假设，总人口与就业人口之间显著相关。
根据以往的调查数据以及研究成果，初步判断两者之间存在指数关系，因此可建立模型为：
Y=mXa （1）
其中Y为从业人口数，X为总人口数，m为常数系数。上式化简可得：
lnY=c+alnX （2）
使用非线性回归分析的方法，在Eviews软件中进行参数估计。得到具体表达式为：
lnY=5.356+0.231lnX （3）
同时，R2=0.9718，F统计量为310.5606，相伴概率Prob.为0.000，明显小于显著性水平0.05，因此可以拒绝零假设，说明回归方程是显著的，该方程参数通过t检验。
三、ARMA模型下的分析与预测
1.自相关与偏自相关的分析
构成时间序列的每个序列值之间的简单相关关系成为自相关。自相关程度由自相关系数rk度量，表示时间序列中相隔k期的观测值之间的相关程度。
（4）
式中，n为样本量；k为滞后期；代表样本数据的算术平均值。且自相关系数rk的取值范围是[-1，1]，且越接近1，自相关程度越高。
偏自相关是指对于时间序列yt，在给定的条件下，yt与yt-k之间的条件相关关系。相关程度用偏自相关系数φkk度量，有-1≤φkk≤1。
在本次的案例中，我们要综合考察系列的自相关和偏自相关。
由图1可以看出，在一阶差分后，除了k=1时自相关系数是0.719，仍大大超出了随机区间的范围，在k≥2以后，自相关系数的值均落入置信区间内，说明序列的趋势已基本消除，此时的序列为平稳时间序列，于是可以建立ARMA模型。可以取q=1，p=1，可以建立ARMA（1，1）模型。
2.模型的建立与参数估计
所以得出模型为：
（5）
决定系数R2=0.9950，调整后的决定系数0.9943，都很接近于1，且赤池消息准则AIC=5.8278，施瓦茨准则SC=5.8716。说明模型ARMA（1，1）是合适的。
3.模型的预测与评估
从右侧评价指标上看，平均绝对误差MAPE的的值为2.8418，说明预测精度高，希尔不等系数TIC的值为0.0024，说明该模型的拟合程度较高。
四、总结和结论
面?χ泄?现在的国情，劳动力过盛，技术水平相差各异，而且资源资本相对稀缺，影响就业率的原因有很多，就业的问题从一定的程度上是一个经济问题。所以要保证就业率的话就要逐步建立全国公平统一的就业市场，这样才能合理的流动人才和劳动力，劳动力资源要进行合理分配和利用，打破城乡之间的界限，建立全中国统一的劳动力市场，这样就会使人口增长和就业率的问题有一个良好的改善，不久的将来应该会见到一个更好的海南省，一个更好的中国。
