推荐语：专业的网络招聘平台、微博微信等网络社交平台以及谷歌百度等互联网搜索引擎在降低信息不对称的基础上，极大地减少了信息搜索成本，促进了劳动力供给与需求的高效匹配，形成了具有动态性、及时性的海量劳动力市场大数据。劳动力市场大数据弥补了传统问卷调查“回忆性”填答数据在搜寻过程方面的缺陷，为学者们分析劳动力市场运行、劳动供给与需求、劳动力流动等问题，提供更客观、更直接、更具动态性的数据，有助于推进劳动经济学动态研究。史珍珍，曾湘泉（2016）基于现有的劳动力市场大数据的实证研究文献，讨论了劳动力市场大数据的产生过程、内涵及在劳动力市场研究中的应用，并在此基础上，总结了劳动力市场大数据的收集方法、测量指标，以及数据中可能存在的问题及解决方法，为推动大数据在国内劳动经济学研究中的应用提供了重要参考，值得一读！
——施丹燕
“
摘要：互联网为劳动经济学研究提供了全新的数据收集渠道。基于互联网的劳动市场大数据具有动态性、及时性等特点，能用来分析传统调查数据无法分析的问题。本文文献分析的基础上，讨论了劳动力市场大数据的产生过程、内涵及应用，并在此基础上总了数据收集方式、测量指标，以及可能存在的问题与解决方法，最后对国内学者未来可以于大数据对劳动力市场开展的研究进行了展望，以期推动大数据在国内劳动经济学研究中的应用
关键词：大数据；劳动力市场；基于互联网的劳动力市场大数据；搜寻与匹配
”
一、引言
劳动力市场搜寻与匹配是劳动经济学研究的重要问题。自1962年斯蒂格勒在《劳动力市场中的信息》一文中提出劳动力市场信息理论之后，学者们构建了工作搜寻理论，并基于调查数据对劳动者的工作搜寻行为进行了大量实证研究。相比之下，有关雇主搜寻策略和行为的研究仍显不足（Barron等，1985；Villena-Roldán，2012）。雇主搜寻研究的滞后在一定程度上是缺乏数据导致的（DeVaro，2005，2008；Horton，2010；Pellizzari，2011）。在我国，重视劳动供给研究、轻视劳动需求研究的倾向存在已久（蔡昉，2002）。国内权威的劳动需求调查、职位空缺调查缺位是造成这一现象的关键原因。同时，传统的问卷调查只能获取搜寻与匹配结果数据，相关的过程数据仍较为缺乏，导致劳动力市场动态研究进展缓慢。而且，现有的劳动力市场动态研究基于问卷调查的“回忆性”填答（Burdett和Cunningham，1998）获取的有关搜寻过程的数据具有测量误差，导致模型估计结果有偏。
随着互联网在劳动力市场搜寻与匹配中应用规模的不断扩大，基于互联网的劳动力市场大数据应运而生。劳动力市场大数据不仅具有海量样本的特征，还具有动态性和即时性等显著特征，因此能够用来分析那些传统问卷调查数据无法分析的问题（Kuhn，2014）。近年来，采用劳动力市场大数据的实证研究陆续出现（Kureková等，2015），并陆续刊登在《经济学季刊》（Quarterly Journal of Economics）、《计量经济学》（Econometrica）、《经济学视角》（Journal of Economic Perspective）、《劳动经济学》（Journal of Labor Economics）等核心期刊上。本文基于这些实证研究，在文献分析的基础上，讨论劳动力市场大数据的产生过程、内涵及在劳动力市场研究中的应用，并在此基础上，总结劳动力市场大数据的收集方法、测量指标，以及数据中可能存在的问题及解决方法。最后，本文展望了国内学者采用此类数据开展劳动力市场研究的可能性，以期为推动大数据在国内劳动经济学研究中的应用提供参考。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/49187.html