BỘ TÀI CHÍNH
TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING
- -TIỂU LUẬN PHÂN TÍCH TỶ LỆ THẤT NGHIỆP TẠI VIỆT NAM
2020 - 2023 Ngôn ngữ lập trình và phân tích dữ liệu
Giảng viên hướng dẫn: Th.S Trần Mạnh TườngSinh viên thực hiện: Nguyễn Diễm Quỳnh
MSSV: 2221004276
TP Hồ Chí Minh ngày 25 tháng 03 năm 2024
Trang 2PHÂN TÍCH TỶ LỆ THẤT NGHIỆP Ở NƯỚC TA NĂM 2020 - 2023
II Lời cảm ơn
Lời đầu tiên, em xin gửi lời cảm ơn chân thành nhất đến Giảng viên – ThS.Trần Mạnh Tường Trong quá trình học tập và tìm hiểu bộ môn “Ngôn ngữ lập trình và phân tích dữ liệu”, em đã nhận được sự quan tâm giúp đỡ, hướng dẫn rất tận tình, tâm huyết của thầy Thầy đã giúp em tích lũy thêm nhiều kiến thức để có cái nhìn sâu sắc và hoàn thiện hơn về bộ môn này Từ những kiến thức mà thầy truyền tải, chúng em đã dần hiểu được tầm quan trọng của ngôn ngữ lập trình R này mà bấy lâu nay còn nhiều thắc mắc và chưa rõ Nhận nhiệm vụ của thầy, thông qua bài tiểu luận này em xin trình bày những gì mà em đã tìm hiểu về môn học, và cụ thể hơn ở đây em lựa chọn đề tài “Phân tích tỷ lệ thất nghiệp ở nước ta năm 2020 đến 2023” Có lẽ kiến thức là vô hạn mà sự tiếp nhận kiến thức của bản thân mỗi người luôn tồn tại những hạn chế nhất định Do đó, trong quá trình hoàn thành bài tiểu luận, chắc chắn em không tránh khỏi những thiếu sót Vì vậy, em rất mong nhận được những đóng góp đến từ thầy để bài tiểu luận của nhóm được hoàn thiện hơn.
Trang 3Kính chúc thầy sức khỏe, hạnh phúc và thành công trên con đường sự nghiệp giảng dạy của mình.
III Phần mở đầu
Dân số Việt Nam có những biến đổi nhân khẩu học mạnh mẽ với một số đặc trưng nổi bật: Dân số đang trong thời kỳ cơ cấu dân số vàng, xu hướng già hóa dân số vẫn đang diễn ra nhanh chóng; tốc độ đô thị hóa cao; mức sinh giảm xuống thấp nhất trong giai đoạn 2020-2023; các chương trình chăm sóc sức khoẻ bà mẹ và trẻ em nói riêng và công tác bảo vệ sức khoẻ, nâng cao mức sống cho nhân dân nói chung đạt được những thành công nhất định, tỷ lệ tử vong ở Việt Nam tiếp tục duy trì ở mức thấp, tuổi thọ trung bình cao trong nhiều năm trở lại đây.
3.1 Lí do chọn đề tài
a) Tầm quan trọng:
khỏe của nền kinh tế.
phòng Phân tích tỷ lệ thất nghiệp giúp đánh giá hiệu quả của các chính sách kinh tế và xã hội.
b) Tính thực tiễn:
pháp giảm thiểu thất nghiệp.
của người dân.
c) Tính thời sự:
hoạch định chính sách, doanh nghiệp và người lao động.
d) Tính khoa học:
nhau.
Trang 4 Việc sử dụng các phương pháp khoa học giúp đảm bảo tính chính xác và khách quan của kết quả phân tích.
e) Khả năng áp dụng:
thực tế.
động, tư vấn cho doanh nghiệp về chiến lược tuyển dụng, v.v.
3.2 Mục tiêu nghiên cứu
kinh tế, xã hội, nhân khẩu học, v.v.
pháp về phát triển kinh tế, giáo dục đào tạo, an sinh xã hội,
3.3 Phạm vi nghiên cứu
a) Khung thời gian
b) Phạm vi địa lý:
c) Đối tượng nghiên cứu:
Trang 5o Người lao động ở khu vực nông thôn
d) Nội dung nghiên cứu:
IV Phân tích tỷ lệ thất nghiệp
4.1 Giới thiệu tổng quan
a) Khái niệm
Tỷ lệ thất nghiệp là tỷ số phần trăm giữa số người thất nghiệp và lực lượng lao động trong một quốc gia, khu vực hoặc nhóm dân số cụ thể.
Covid-19 tiếp tục diễn ra.
tế và các giải pháp hỗ trợ của Chính phủ.
mức trước đại dịch.
Điểm tích cực:
Tỷ lệ thất nghiệp giảm cho thấy sự phục hồi của nền kinh tế sau đại dịch Covid-19 Các giải pháp của Chính phủ như hỗ trợ đào tạo, dạy nghề, tạo việc làm đã phát huy hiệu quả.
Hạn chế:
Trang 6 Tỷ lệ thất nghiệp vẫn ở mức cao so với các nước trong khu vực Nhóm lao động trẻ (15-24 tuổi) có tỷ lệ thất nghiệp cao hơn so với nhóm lao động độ tuổi khác.
# Tạo dataframe từ vectơ chứa dữ liệu
data <-data.frame(Năm =c("2020", "2021", "2022", "2023"),
dq <-read.xlsx(file.choose(), sheetIndex =1header = T)
is.data.frame(dq)## [1] TRUE
Trang 7 Kiểm tra xem “dq” có phải là data frame hay không, nếu đúng thì TRUE và
## [1] "NA." "Quý.I năm.2020" "Quý.II năm.2020"
## [4] "X6.tháng.năm.2020" "Quý.III năm.2020" "X9.tháng.năm.2020"## [7] "Quý.IV.năm.2020" "Năm.2020" "Quý.I năm.2021" ## [10] "Quý.II năm.2021" "X6.tháng.năm.2021" "Quý.III năm.2021"## [13] "X9.tháng.năm.2021" "Quý.IV.năm.2021" "Năm.2021" ## [16] "Quý.I năm.2022" "Quý.II năm.2022" "X6.tháng.năm.2022"## [19] "Quý.III năm.2022" "X9.tháng.năm.2022" "Quý.IV.năm.2022" ## [22] "Năm.2022" "Quý.I năm.2023" "Quý.II năm.2023" ## [25] "X6.tháng.năm.2023" "Quý.III năm.2023" "X9.tháng.năm.2023"## [28] "Quý.IV.năm.2023" "Năm.2023"
dim(dq) ## [1] 91 29
Xác định các thông tin của dq
Thực hiện thống kê mô tả datasets này ta được kết quả như sau, ý nghĩa các cột:
Trang 8Variable type: character
skim_variablen_missingcomplete_rateminmaxemptyn_uniquewhitespace
Trang 9skim_variablen_missingcomplete_rateminmaxemptyn_uniquewhitespace
Trang 10Variable type: numeric
skim_variablen_missing complete_ratemeansdp0 p25p50p75p100 hist
Trang 11# Tạo dataframe từ vectơ chứa dữ liệu
data <-data.frame(Nam =c("2020", "2021", "2022", "2023"),
So_nguoi_that_nghiep =c(1270.7, 1488.5, 1100.2, 1083.7),
So_nguoi_that_nghiep_trong_do_tuoi_lao_dong =c(1233.2, 1428.5, 1079.9, 1065.3))Hide
# Tăng kích thước biểu đồ
options(repr.plot.width =20, repr.plot.height =10)Hide
ggplot(data, aes(x = Nam)) +
geom_col(aes(y = So_nguoi_that_nghiep), fill ="skyblue", alpha =0.7, position =position_dodge(width =5)) +
geom_line(aes(y = So_nguoi_that_nghiep_trong_do_tuoi_lao_dong, group =1color ="Số người thất nghiệp trong độ tuổi lao động"), size =1.5)
geom_point(aes(y = So_nguoi_that_nghiep_trong_do_tuoi_lao_dong, color ="Số người thất nghiệp trong độ tuổi lao động"), size =3)
labs(title ="Số người thất nghiệp theo năm và độ tuổi lao động", x ="Năm",
y ="Nghìn người", color ="Chú thích") theme_minimal() +
scale_color_manual(values =c("Số người thất nghiệp trong độ tuổi lao động"="orange")) +
guides(color =guide_legend(title ="Loại số liệu")) + theme(text =element_text(size=20))
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.## Please use `linewidth` instead.ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was## generated.
Trang 12Nhận xét - Thông qua biểu đồ ta nhìn thấy được số người thất nghiệp qua từng
năm từ 2020 - 2023, những người này đều trong độ tuổi lao động
là tương đối bằng nhau
độ tuổi lao động, giảm 14,6 nghìn người so với năm trước Tỷ lệ thất nghiệp trong độ tuổi lao động năm 2023 là 2,28%, giảm 0,06 điểm phần trăm so với
Trang 13# Tạo dataframe từ vectơ chứa dữ liệu
data <-data.frame(Nam =c("2020", "2021", "2022", "2023"),
print(paste("Tỷ lệ phần trăm thanh niên thất nghiệp:", ty_le_phan_tram, "%"))## [1] "Tỷ lệ phần trăm thanh niên thất nghiệp: 35.0301226025717 %"
Nhận xét
rằng hơn 1/3 thanh niên trong độ tuổi lao động không có việc làm.
Tác động:
xã hội, gia tăng tội phạm, và ảnh hưởng đến sức khỏe tinh thần của thanh niên.
giảm năng suất lao động và thu hẹp thị trường tiêu dùng.
Nguyên nhân:
thiếu kỹ năng, thiếu kinh nghiệm, và sự cạnh tranh cao trong thị trường lao động.
Do nhiều doanh nghiệp phải đóng cửa hoặc thu hẹp quy mô hoạt động.
Giải pháp:
Trang 14 Cần có nhiều giải pháp để giảm tỷ lệ thất nghiệp thanh niên: Ví dụ như cải thiện hệ thống giáo dục và đào tạo, tạo ra nhiều việc làm hơn, và hỗ trợ khởi nghiệp cho thanh niên.
c) Biểu đồ tròn
# Tạo biểu đồ tròn
pie_data <-c(ty_le_phan_tram, 100- ty_le_phan_tram)
names(pie_data) <-c("Thanh niên thất nghiệp", "Người khác")Hide
# Vẽ biểu đồ tròn
pie(pie_data, main ="Tỷ lệ phần trăm thanh niên thất nghiệp từ 15 đến 24 tuổi\ntrong tổng số người thất nghiệp trong 4 năm", labels =c(sprintf("%.1f%%", ty_le_phan_tram), sprintf("%.1f%%", 100
legend("topright", legend =c("Thanh niên thất nghiệp", "Người khác"), fill =c("lightblue", "lightgreen"))
Nhận xét
Trang 15Ta có thể thấy rằng số thanh niên thất nghiệp trong độ tuổi từ 15-24 là rất lớn chiếm tới 35% Điều này là một tín hiệu vô cùng xấu đối với cơ cấu lao động của đất nước Đây là độ tuổi lao động chính, tạo ra nhiều của cải vật chất nhưng điều đáng tiếc là đất nước chúng ta vẫn chưa thế tạo ra những cơ hội để tận dụng lực
# Tăng kích thước biểu đồ
options(repr.plot.width =10, repr.plot.height =10)
# Biểu đồ 1: Nam và Nữ
ggplot(data, aes(x = nam_thanh_thi, y = nu_thanh_thi)) +
geom_point(aes(color ="Thành thị"), size =3)
geom_point(aes(x = nam_nong_thon, y = nu_nong_thon, color ="Nông thôn"), size =3) geom_smooth(method ="lm", se =FALSE, color ="black")
labs(title ="Tỉ lệ thất nghiệp nam và nữ", x ="Nam",
y ="Nữ",
color ="Loại") # Đặt tên cho chú thích
theme_minimal() +
Trang 16theme(text =element_text(size =12)) + # Tăng cỡ chữ
scale_color_manual(values =c("blue", "red"), labels =c("Thành thị", "Nông thôn")) # Đặt nhãn cho
hưởng nặng nề bởi dịch COVID-19 như du lịch, dịch vụ, sản xuất.
bởi dịch COVID-19 như y tế, giáo dục, hành chính.
Trang 17 Chăm sóc gia đình: Nữ giới thường gánh vác trách nhiệm chăm sóc gia đình nhiều hơn nam giới, nên có thể ưu tiên các công việc có thời gian linh hoạt hơn.
b) Tỷ lệ thất nghiệp ở thành thị và nông thôn 2020-2023
# Biểu đồ 2: Thành thị và Nông thôn
ggplot(data, aes(x = nam_thanh_thi, y = nam_nong_thon)) +
geom_point(aes(color ="Nam"), size =3)
geom_point(aes(x = nu_thanh_thi, y = nu_nong_thon, color ="Nữ"), size =3) geom_smooth(method ="lm", se =FALSE, color ="black")
labs(title ="Tỉ lệ thất nghiệp thành thị và nông thôn", x ="Thành thị",
y ="Nông thôn",
color ="Loại") # Đặt tên cho chú thích
theme_minimal() +
theme(text =element_text(size =12)) + # Tăng cỡ chữ
scale_color_manual(values =c("blue", "red"), labels =c("Nam", "Nữ")) # Đặt nhãn cho chú thích
## `geom_smooth()` using formula = 'y ~ x'
Trang 18=> Tỷ lệ thất nghiệp ở Việt Nam có xu hướng giảm trong giai đoạn 2020-2023, tuy nhiên tỷ lệ thất nghiệp ở thành thị cao hơn và khoảng cách tỷ lệ thất nghiệp giữa nam và nữ ở thành thị lớn hơn so với ở nông thôn Cần có các giải pháp hỗ trợ việc làm cho cả nam và nữ ở thành thị, đặc biệt là nam giới trong các ngành bị ảnh hưởng bởi dịch COVID-19.
Kết luận
hơn nam qua mọi năm, điều này cũng dễ hiểu khi lực lượng lao động là nam chiếm ưu thế bởi sức khỏe, các chế độ như thai sản,… luôn ít hơn so với nữ
tình hình kinh tế và chính trị như đại dịch, suy thoái, nên tỷ lệ này luôn bất ổn định theo tình hình đó Những người ở khu vực nông thôn ít ảnh hưởng bởi yếu tố kể trên và họ cũng có thể có đa dạng công việc hơn
V Kết luận
5.1 Kết quả
giảm nhẹ trong năm 2022 và 2023 (6 tháng đầu năm).
trình độ học vấn thấp và ở các ngành nghề bị ảnh hưởng bởi dịch COVID-19.
5.2 Nguyên nhân
doanh nghiệp phải thu hẹp hoạt động, cắt giảm nhân sự.
lao động có kỹ năng cao hơn.
Trang 195.3 Giải pháp
a) Giải pháp về phía Chính phủ:
b) Giải pháp về phía doanh nghiệp:
c) Giải pháp về phía người lao động:
5.4 Kết luận
thất nghiệp và tạo ra nhiều việc làm hơn cho người lao động.
trường lao động một cách nghiêm trọng Nhiều doanh nghiệp phải đóng cửa hoặc thu hẹp hoạt động, dẫn đến việc cắt giảm nhân sự Điều này khiến cho tỷ lệ thất nghiệp tăng cao.
nông nghiệp sang công nghiệp và dịch vụ Điều này đòi hỏi lao động phải có
Trang 20kỹ năng cao hơn để đáp ứng nhu cầu của thị trường lao động Nhu cầu lao động không đồng đều: Nhu cầu lao động giữa các ngành nghề và khu vực không đồng đều Một số ngành nghề thiếu lao động trong khi một số ngành nghề khác lại có dư thừa lao động.
duy trì hoạt động, tạo việc làm cho người lao động.
cầu thị trường.
việc làm phù hợp.
VI Tài liệu tham khảo