2024年需求职业

2024 年需求中的职业技术报告2024 年 9 月 Contents 表列表4Introduction5方法和方法6总体需求指标7排除标准8Weightings8聚类9个别指标11签证申请密度11技能短缺空缺密度12网上招聘广告密度12小时工资的同比变化13工资溢价14工作时间的同比变化15临时工或合同工的同比变化16聚合17工业 (SIC)17技能水平17STEM 、施工和短缺职业清单18敏感性分析19指示器拆卸灵敏度19指标相关性19指标权重敏感度20未来的注意事项21工资溢价21工人分母的替代数量21时间序列分析22工资汇总分析22小时工资计算22ASHE 数据地理位置22数据排除23Appendix24劳动力需求指标24按指标列出的缺失值或估算值的计数25 表列表 表1：用于确定需求职业的指标.......................................... 7表2：需求指标权重........................................................... 9表3：K-means聚类摘要.....................................................................11表4：从在线职位广告密度指标中排除的职业....................................13表5：ONS技能水平描述和等效资格水平.........................................18表6：劳动力需求指标......................................................................24表7：按指标计算缺失或推断值的数量................................................25表8：排除的4位职业代码..................................................................26 Introduction 这份技术报告是《2024年高需求职业报告》的分析补充。它概述了该出版物的方法论、聚合方式、敏感性分析以及未来考虑因素。 一个需求指数，基于七个劳动力市场指标，用于根据英国国家统计办公室标准职业分类（ONS SOC）对每种职业的需求进行排名。这些指标包括签证申请数量、在线招聘信息以及年度工资增长率。 在此分析中尽可能使用工作人口1. 该方法识别出英国劳动力市场中最关键需求的39个职业，并进一步确定了另外128个需求较高的职业。 使用以下截止值识别需求中的职业 ： •• 需求不高 ： 与七个指标相比低于平均水平• 需求增加 ： 在七个指标方面高于平均水平关键需求 ： 与七个指标相关的异常值 结果显示了 412 种职业中的 336 种职业。如果 ： • 五个或更多指标的数据缺失或估算• 他们被标记为 “未在其他地方分类 ” 这项工作识别了在英国各地需求量大的职业，但并未说明是否存在职业短缺问题。 方法和方法 在本报告中，我们专注于测量英国劳动力市场在2020年职业分类（SOC）四位码单位群组级别当前的职业需求。2我们根据需求指标的组合计算需求 ， 如表 1 所示。 对职业需求的分析在英国层面进行呈现，然而在分析时北爱尔兰的年度工时及薪酬调查（ASHE）数据不可用。需求指数是基于所有指标的平均值计算的，因此最终的需求指数值包含了不同地理区域的数据。 除了总体需求指标外 ， 职业还使用K 意味着聚类确定可能对劳动力市场做出类似反应的职业。 需求指标仅计算了SOC20四位描述中不包含“n.e.c”（未另行分类）的指标。随后进行了进一步的排除，详细内容可在报告中找到。排除标准section. 总体需求指标 为了确定哪种指标需求最高，将七个需求指标综合成了一个总体需求指数。 指标进行了缩放以确保可比性，并应用了加权。计算了每个4位SOC20代码的平均值（排除任何缺失值）。 总体指标分数高于或等于所有职业平均分一个标准差的职业（即大于或等于0.39分）被指定为高度需求职业。总体指标分数处于平均分和一个标准差以上之间的职业（即大于或等于0.004分）被指定为需求较高职业，其他所有职业被指定为需求不高职业。 需要注意的是，经过缩放处理后，用于比较年同比数据的指标得分显示为正，并不意味着在缩放之前的数据中年同比实际值就已经是正的。 排除标准 occupation 数据中存在五个及以上缺失指标值，或五个及以上指标值是从 SOC20 三位码数据推算得出的 occupation 数据被排除，以避免基于少量数据假设该职业的需求。 具有SOC20定义的 Occupation（职业）中包含“未指定（N.E.C.）”的职业被排除在外，因为由于这类职业包含了更多四位数SOC20定义内的职业种类，确定哪些职业对需求指数有贡献或代表变得困难。平均而言，N.E.C.职业包含了11个不同的ISCO-08工种单元组标题，而非N.E.C.职业只有4个。ISCO-08是国际职业分类标准。被排除在分析之外的所有职业列表可以在附录表8中找到。 被排除在需求职业分析之外的职业在输出数据过滤类别中归类为“排除的职业”。 Weightings 在计算总体指标之前, 对每个指标应用权重, 如表 2 所示。 聚类 使用4位SOC20编码，根据各自的指标分数对职业进行聚类，然后进行加权处理，采用K-means聚类方法。K-means聚类是一种使用无监督机器学习将一组数据点划分为不同组或集群的方法。 K-means聚类在与其他考虑的聚类方法（Wards层次聚类和Pam聚类）进行比较时产生了最高质量的聚类，这是通过评估确定的。卡林斯基准则、平均轮廓宽度和肘部图（基于较小的聚类数量）. 使用K-means聚类方法，根据职业的需求指标值将每种职业分配到四个聚类中的一个，确保同一聚类内的职业彼此更为相似，而与不同聚类中的职业则差异较大。 平均 silhouette 宽度计算了 2 到 15 个聚类的情况，其中 4 个聚类的最大 silhouette 宽度为 0.145。接着计算了 Calinski 指标，结果显示 3 个聚类和 4 个聚类的值分别为 39.1 和39.0。最后计算了组内平方和，在 k=4 左右找到了肘部效应。 集群1和集群2被识别出拥有较高比例从事高度需求职业的工作者。集群3和集群4则拥有较高比例从事相对需求较高或无需求职业的工作者。 这些聚类总结在表 3 中。 个别指标 签证申请密度 Home Office关于工作入境许可签证的统计数据使用的是2010年英国职业分类标准（SOC10）定义，而其他来源的数据则使用了2020年定义（SOC20）。为了解决这一问题，创建了一个映射关系，该关系基于国家统计局（ONS）公布的相关于SOC10和SOC20之间的关系数据。4使用此映射签证申请可以按比例从 SOC10 分配到 SOC20 。5 4标准职业分类2010与标准职业分类2020之间的关系 - 英国国家统计局 签证申请密度指标被计算为签证申请数量占劳动年龄就业人数的比例。12023 年 4 月至2024 年 3 月期间 ， 英国各地职业的 SOC 水平为 4 位数。6按LFS背景和方法论所述，少于25个4位SOC20级别的原始计数和少于或等于10,000人的加权计数被抑制，以将标准误差降低至20%或更低。7当抑制标准得到满足时，签证申请指标数据被设置为NA，以避免从匿名数据中泄露信息，并避免基于小样本量做出决策。 为了控制异常值，在此期间签证申请密度值排名前1%和后1%的职业被Winsor化处理；实际上，这仅影响了排名前5的职业，因为有76个职业在此期间没有签证申请。 技能短缺空缺密度 ESI数据被用于创建技能短缺职位密度指标。这一指标通过将所有雇主报告的技能短缺空缺职位总数除以每个4位SOC20代码在整个英国的总空缺职位数来计算。根据ESI技术报告中列出的报告阈值，基数值小于30的数据被抑制。8 被抑制的职业使用了3位SOC20级别的推算数据，其中3位SOC代码的数据基值达到了抑制阈值。对于4位和3位SOC代码数据均未达到抑制阈值的职业，将其排除在指标之外。总共为该指标推算了173个4位SOC代码的职业。 网上招聘广告密度 该指标的计算方法是新的在线招聘广告数量占工作年龄人口的比例。1,9,10少于25个4位SOC20细分类别的原始计数和少于或等于10,000人的加权计数被LFS背景和方法论中所述的方式进行了抑制。7为了将标准误差降低至20%或以下。当抑制标准满足条件时，将指标数据设置为NA，以避免从匿名数据中泄露信息，并避免基于小样本量做出决策。 某些职业从ONS职位广告统计数据中被排除在本次分析之外，因为这些职业的职业分布与年度人口调查相比存在相对差异。 6年度人口调查7劳动力调查 ： 背景和方法82019 年雇主技能调查技术报告 (publishing. service. gov. uk)9年度人口调查 ， 2023 年 1 月至 12 月10按 SOC2020 ， 英国 ， ONS 计算的劳动力需求量 职业数据在某些情况下被认为相对非典型。ONS计划继续改进其统计数据，包括增强职业分类过程，这可能需要对未来排除的职业进行修订。这些职业列在表4中，并被标记为NA。 底部 5 百分位数的职业也设定为 NA 。 小时工资的同比变化 数据来自ASHE，用于计算英格兰和威尔士（GB）各职业年度盈利同比变化的指标。数据被过滤至劳动年龄人口。1并选择了最高的加班小时工资或基本小时工资 ， 并根据通货膨胀进行了调整。11 超过每小时1000英镑的小时工资观察值被移除，以减少单个观察值对数据的影响，特别是在2023年某个工资高于此上限的情况下。其他所有观察值未受到影响，并且这一做法将在后续出版物中进行审查。小时工资进行了Winsor化处理，即每个4位SOC20职业的最顶端和最底端5%的工资被替换为数据集中下一个最高的或最低的工资，以减少异常值的影响。然后计算加权平均小时工资。此方法与英国国家统计局（ONS）发布的4位SOC20层级的小时工资有所不同。12发布的报告中无论提及职业的工资是多少，均采用ONS公布的中位数小时工资。 11居民消费价格通胀时间序列按四位数 SOC 划分的收入和工作时间 ： ASHE 表 14 - 国家统计局(ons. gov. uk) 少于30个4位SOC20级别的原始计数和少于或等于5,000人的加权计数被抑制，以避免披露并确保使用的数据更加可靠。低于这些阈值的观测值使用3位SOC20数据进行推断，其中3位SOC代码的数据计数和权重达到了抑制阈值。任何4位和3位SOC20数据均未达到抑制阈值的观测值被从指标中排除。年增长率通过从2023年的平均小时工资减去2022年的平均小时工资来计算。 为了避免某一职业因一年的数据在3位SOC20级别推算而另一年在4位SOC20级别推算而导致指标值极高低的情况，在应用抑制处理后的4位数据上计算了均值±2个标准差的阈值。对于那些使用3位数据推算某一年且其小时工资指标值变化出现在阈值上下限的职业，重新计算了两个年度的指标值以统一为3位数据级别。 在 2022 年的数据中 ， 共有 63 个 4 位数的职业被推算为该指标 ， 而在 2023 年的数据中 ， 有 67 个被推算。 工资溢价 工资溢价指标显示了每种职业的小时工资与其所在ONS技能级别内其他职业的平均小时工资之间的比较情况。3，在控制了性别、地点、年龄以及全职和兼职就业等因素的影响后，这一结果是基于GB地区的ASHE数据计算得出的。 数据被过滤到工作年龄人口1在2023年。选择了最高加班小时工资或基础小时工资，并对通胀进行了调整，然后使用Winso