基金项目：2022年国家级大学生创新创业训练计划项目（202211349031）

引言

在中国经济转型的关键时期，劳动力素质的提升显得尤为重要。随着“人口红利”的逐渐消失和经济发展的需要，高素质劳动力成为推动经济增长的关键因素。本研究旨在通过构建一个全面的劳动力素质评价体系，深入分析中国中心城市的劳动力素质，以期为城市人力资源的优化配置和经济发展战略提供参考。

过去的研究主要集中在人力资本对经济增长的影响上，但对于如何全面评价劳动力素质却鲜有涉及。鉴于此，本研究采用熵权Topsis法，这是一种结合了熵权法客观赋权和Topsis法综合评价的先进方法，以期克服传统评价方法的局限性。

1 熵权Topsis法原理

1.1 熵权法基本概念

熵权法是一种客观赋权方法，它根据数据本身的分散程度来确定各指标的权重。熵权法的核心思想是，如果某个指标的数据变异程度越大，那么这个指标的信息熵就越小，相应的权重也就越大。在评价劳动力素质时，我们首先计算各指标的信息熵，再据此确定它们的权重。这样做可以最大程度地减少主观判断对评价结果的影响，提高评价的客观性和科学性。

1.2 Topsis法基础理论

Topsis法（Technique for Order Preference by Similarity to Ideal Solution）是一种基于理想解的多属性决策分析方法。它通过计算每个评价对象与理想解及负理想解（即最佳和最差可能结果）的距离，来确定每个对象的相对优劣。在本研究中，Topsis法被用来评估各中心城市劳动力素质的综合表现。通过这种方法，我们可以直观地看到各城市在劳动力素质方面的相对位置和差距。

1.3 熵权Topsis法的结合

熵权Topsis法结合了熵权法的客观赋权和Topsis法的综合评价优势。首先，使用熵权法确定各劳动力素质指标的权重，这样做既保证了评价过程的客观性，又能反映出不同指标的相对重要性。然后，利用Topsis法对各中心城市进行综合评价，通过比较各城市与理想解的相对距离，来确定它们在劳动力素质方面的表现。这种结合方法不仅提高了评价的科学性和准确性，而且使评价结果更具有可操作性和实用价值。

2 劳动力素质评价指标体系构建

2.1 指标选取原则

本研究在构建劳动力素质评价指标体系时，依据科学性、代表性、可操作性和系统性原则，确保评价体系的有效性和准确性。科学性原则要求指标能全面反映劳动力素质的各个方面，代表性原则强调指标应能代表不同层面的劳动力素质特征。可操作性原则关注指标数据的可获取性和可靠性，而系统性原则确保指标体系的各部分相互协调，形成一个完整的评价体系。

2.2 劳动力素质维度及指标详述

基于上述原则，本研究构建了包含教育背景、技能水平、创新能力和工作经验等多个维度的劳动力素质评价体系。在教育背景维度中，涉及受教育程度和专业背景；技能水平维度考虑了专业技能和计算机应用能力；创新能力维度评估了创新思维和解决问题的能力；而工作经验维度则关注了工作年限和行业经验等。

此外，本研究在指标选取时也考虑了区域差异和行业特性，确保评价体系的针对性和实用性。例如，在评估中心城市劳动力素质时，特别关注城市综合实力、身体素质、科学文化素质和劳动技能素质这四个一级指标，进而细化为人均GDP、城镇化率、产业结构合理化水平等十四个二级指标，如表1所示。这些指标不仅覆盖了劳动力素质的关键方面，还能够体现城市特色和行业发展的差异性。

表1  劳动力素质评价指标体系

3 实证分析

3.1 数据来源与处理

我们首先集中于数据的来源和处理。我们选取了中国的五个代表性中心城市——北京、上海、广州、武汉和成都，作为研究对象。这些城市分别代表了中国的东、西、南、北和中部地区，从而确保了研究的全面性和代表性。

数据收集涵盖了2008年至2018年的期间，主要来源于各城市的统计年鉴、人口统计年鉴以及相关政府报告。在处理这些数据时，我们首先对缺失数据进行了插补，确保分析的完整性。此外，对数据进行了标准化处理，包括正向化和无量纲化，使之适合于后续的熵权Topsis法分析。

本研究在数据处理上的严谨性和细致性是其科学性的保障。通过对这些中心城市的详尽数据分析，我们能够更加深入地理解和评价这些城市劳动力素质的实际情况，并为后续的政策制定和城市发展提供科学依据。

在进行数据分析时，我们特别关注了城市综合实力、身体素质、科学文化素质和劳动技能素质等关键维度。这些维度涉及的具体指标包括但不限于人均GDP、城镇化率、产业结构合理化水平等，这些都是衡量一个城市劳动力素质的重要指标。

3.2 中心城市劳动力素质评价实证分析

我们对中国五大中心城市：北京、上海、广州、武汉和成都的劳动力素质进行了深入的实证分析。这一分析基于熵权Topsis法，涵盖了2008年至2018年的数据。首先，我们对一级指标——城市综合实力、身体素质、科学文化素质和劳动技能素质进行了评价。在这些指标中，科学文化素质的重要性逐年上升，显示了知识和技术在现代城市经济中的核心地位。

表2 2008-2018年一级指标熵权重

在二级指标方面，我们考虑了如人均GDP、城镇化率、产业结构高级化水平、每万人在校大学生数量、每万人专利申请量等具体数据。通过这些数据，我们能够深入地分析和比较不同城市劳动力素质的差异和特点。例如，北京在科学文化素质和劳动技能素质方面表现优异，尤其是在每万人专利申请量和高等教育水平方面；而广州和上海在产业结构高级化和城市综合实力方面表现突出。

表3 2008-2018年二级指标熵权重

本研究通过细致的数据分析，展示了各城市在劳动力素质各维度上的得分和排名，以及它们在十年间的变化趋势。这些分析结果不仅为理解各中心城市劳动力素质的现状提供了深刻的洞见，而且对于制定未来的人力资源政策和发展战略提供了有力的数据支撑。

表4 2008-2018年各中心城市劳动力素质水平得分

4 结果与讨论

4.1 评价结果分析

首先，我们关注了各城市在教育背景、技能水平、创新能力和工作经验等一级指标上的表现。例如，北京在科学文化素质和创新能力方面表现卓越，得益于其丰富的教育资源和强大的技术创新能力。相比之下，武汉和成都虽然在技能水平和工作经验方面有所提升，但在教育背景和创新能力方面仍有提升空间。

接着，我们进一步分析了二级指标，如人均GDP、城镇化率和产业结构高级化水平。这些指标从经济和社会发展的角度反映了城市劳动力素质的综合状况。分析发现，尽管各城市在这些方面有所差异，但整体上呈现出积极的发展趋势。特别是在产业结构高级化方面，上海和广州展现出了较强的动态发展能力，这与这两个城市积极推进产业升级和技术创新有直接关联。

此外，通过对这些数据的时间序列分析，我们还观察到了各城市劳动力素质随时间的变化趋势。例如，北京和上海的劳动力素质整体上呈现稳定增长的趋势，而其他城市虽然也有所提升，但增长速度和幅度不及前两者。

4.2 政策建议与实践意义

为提升中心城市的劳动力素质，建议采取以下措施：加强职业技能培训和继续教育，特别是在科技、创新和管理领域；鼓励城市发展高新技术产业，提升传统产业技术水平；提供税收优惠、资金支持等激励科技创新；优化户籍政策，促进劳动力流动；促进城市间人力资源开发和管理的交流合作；政府加大对人力资源领域的投入，制定具针对性政策。这些措施有望有效提升劳动力素质，推动经济增长和社会发展，为国家人力资源战略提供参考。

5 结论

本研究通过运用熵权Topsis法，对中国五个中心城市的劳动力素质进行了深入评价。研究显示，各城市在教育背景、技能水平、创新能力等方面存在明显差异，这些差异直接影响了城市的综合竞争力和发展潜力。此外，本研究还提出了针对性的政策建议，旨在提升城市劳动力素质和推动经济社会发展。

首先，数据来源主要限于公开统计数据，可能无法全面反映各城市劳动力素质的实际情况。其次，尽管熵权Topsis法为评价提供了一种有效的方法，但仍存在一定的主观性，特别是在指标的选择和权重的确定方面。此外，本研究的时间跨度和样本范围有限，可能影响到结果的普遍适用性。最后，由于篇幅限制没有列出详细计算步骤。

建议未来研究可以考虑更多维度的数据，如社会环境、文化因素等，以更全面地评价劳动力素质。同时，对评价模型进行进一步的优化和测试，以提高其准确性和可靠性。还建议未来研究可以探索不同城市之间的劳动力素质比较，以及政策实施后的效果评估，为城市发展和政策制定提供更多实证支持。

参考文献

[1]耿修林.经济发展对人口素质的影响分析[J].管理世界,2008(11):168-169.

[2]左勇华,黄吉焱.江西省高等教育与经济增长关系的实证检验[J].统计与决策,2017(10):104-107.

[3]梁泳梅,李钢,董敏杰.劳动力资源与经济发展的区域错配[J].中国人口科学,2011(05):36-48+111.