数字经济时代弹性工作如何影响青年就业质量?

数字经济时代,工作方式发生重大变革,弹性工作成为一种新常态。利用2020年中国家庭追踪调查数据,从理论和实证层面分析弹性工作对青年就业质量的影响、机制及异质性分析。研究发现:弹性工时、弹性空间、弹性工作指数显著提高了青年就业质量,而弹性雇佣却降低了青年就业质量,该结论在稳健性检验下仍成立。影响机制表明,弹性工作各维度及指数对青年就业质量的影响通过调节生活满意度和心理健康来实现。异质性分析显示,弹性工时、弹性空间、弹性工作指数对女性、城镇、高收入青年就业质量的提升作用更强,而弹性雇佣更显著降低男性、农村、低收入青年就业质量;弹性工作各维度及指数对于专业技术、商业及服务业、生产运输设备操作的青年就业质量存在显著异质性效应。因此,为适应数字化变革应试点和发展中国情境下的弹性工作制,在此过程中努力做好灵活就业的社会保障工作,并对不同青年群体制定差异化举措,以实现青年更高质量就业。

新业态下青年灵活就业质量研究

为了准确衡量新业态下青年灵活就业质量,采用扎根理论和层次分析法,围绕薪酬福利、工作特征、社会保障、职业发展、工作感受5个维度构建一套评价新灵活就业质量的标准体系。采用该评价体系对206份调查数据进行分析。结果显示,新灵活从业青年就业质量的综合评分为62.3分,其中社会保障54.7分,薪酬水平61.3分,工作特征70.0分,职业发展68.4分,工作感受68.1分。反映出新灵活就业青年存在社会保障严重缺失、薪资收入并不理想、职业发展空间有限、工作幸福程度不高等问题。据此,提出提升青年新灵活就业质量的对策建议。

GM(1,1)-指数平滑组合与灰色区间振荡序列的综合预测——以灵活就业青年未来发展趋势为例

文章通过构建灰色GM(1,1)-三次指数平滑模型及灰色区间GM(1,1)模型对我国城镇灵活就业青年人数进行了综合性预测首先,创新性地选用方差倒数法,构建了GM(1,1)-三次指数平滑模型,该预测模型的平均绝对误差和平均相对误差最小,提高了预测精度其次,根据小样本振荡序列的特征,构建了比较完善的灰色区间GM(1,1)模型,其结果显著地提高预测精度.最后,文章形成了基于“非正规就业率”的城镇灵活就业人数和灵活就业青年人数测算框架,并在引入老年人口系数基础上分别对灵活就业人员和青年人数建立GM(1,1)-三次指数平滑模型和灰色区间GM(1,1)模型,巧妙地将GM(1,1)-指数平滑模型与灰色区间GM(1,1)模型进行综合得到最终预测值,结果表明预测值与真实值吻合较好,实现了对多组数据的综合处理。