失业预警系统中指标体系构建与模型选择研究

发布时间：2017-06-21 08:16

  本文关键词：失业预警系统中指标体系构建与模型选择研究，由笔耕文化传播整理发布。

【摘要】：当前,我国GDP增速下行,经济进入新常态阶段。面对经济当下的困局,我国政府提出加强供给侧改革,淘汰落后产能,这必然会导致部分员工下岗,因此也引发了社会上关于供给侧改革将引致“失业潮”的激烈讨论,诺贝尔经济学奖获得者约瑟夫·斯蒂格利茨指出：没有充足的需求,供给侧改革反而会增加失业。供给侧改革是否会导致大量失业,答案还是未知数。但无论是否增加失业,建立失业预警机制,动态掌握失业状况,同时结合数据挖掘技术和数学方法,对影响失业的重要因素进行分析,并在失业危机爆发前进行事先调控,无疑具有十分重要的意义。失业预警指标体系的构建、失业预警模型的选择是现阶段研究失业预警的关键问题。失业预警指标体系的构建方面,在以往研究中,指标体系建设不完善,忽视了失业状况本身和社会保障会影响失业变动。本文从国民经济发展、劳动力、生活和价格、社会保障和失业状况等方面选取了24个因素作为初选指标,通过相关分析和随机森林筛选指标的比较分析后,选用随机森林筛选出的10个相关程度较高的指标作为白变量。在失业的测度方面,绝大部分的研究选择的是城镇登记失业率,但是登记的城镇失业人数并不能有效替代社会失业人员情况,因此选用城镇登记失业率作为失业的测度并不合理。本文采用中国农业隐性失业率公式计算农村隐性失业人数,与政府公布的城镇失业人数相加作为全国失业人数。以此得到的失业率作为失业的测度。在失业预警模型的选择上,较少研究采用机器学习模型,鲜有对各模型预测效果进行比较。本文首先通过对1994-2013年的指标数据构建多元线性回归模型,得到线性关系不显著,然后采用支持向量机回归、随机森林和人工神经网络三种模型对失业率进行预测,对预测效果进行比较分析。结果表明：支持向量机回归的预测效果最好,其次是随机森林,人工神经网络的预测效果最差,同时随机森林给出了指标重要性程度。最后,利用扩散指数,判断失业率的变动,并根据不同的警戒信号,分析失业警情。本文提出了一种构建失业预警系统的思路,采用机构化系统开发方法,将系统分为信息采集、信息预处理、失业预测、失业警报及专家咨询五个功能模块,将指标体系和预测模型应用在失业预测模块,将基于扩散指数的失业预警应用在失业警报模块。
【关键词】：指标体系 失业率 失业预测模型
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F249.2
【目录】：

• 摘要4-5
• Abstract5-14
• 第一章 绪论14-19
• 1.1 研究背景及意义14-16
• 1.2 论文研究设计16-19
• 1.2.1 研究内容和结构16
• 1.2.2 研究目的16-17
• 1.2.3 技术路线17
• 1.2.4 创新点和研究特色17-19
• 第二章 文献回顾19-27
• 2.1 国外文献回顾19-21
• 2.1.1 失业理论19
• 2.1.2 失业率预测19-21
• 2.2 国内文献回顾21-24
• 2.2.1 失业理论21
• 2.2.2 失业率的影响因素21-22
• 2.2.3 奥肯定律的适用性研究22
• 2.2.4 失业率的预测22-23
• 2.2.5 失业预警模型研究23-24
• 2.3 文献述评24-26
• 2.4 本章小结26-27
• 第三章 失业预警理论及模型概述27-45
• 3.1 失业预警基本理论27-29
• 3.1.1 失业预警系统的理论思想27-28
• 3.1.2 失业预警系统的作用、结构和研究方法28-29
• 3.2 多元线性回归模型29-31
• 3.2.1 多元线性回归模型简介29-30
• 3.2.2 多元线性回归模型的估计30
• 3.2.3 多元回归模型的优缺点30-31
• 3.3 支持向量机31-36
• 3.3.1 机器学习32
• 3.3.2 支持向量机分类(SVM)32
• 3.3.3 支持向量机回归(SVR)32-33
• 3.3.4 核函数33-35
• 3.3.5 支持向量机的优缺点35-36
• 3.4 随机森林36-40
• 3.4.1 集成学习36-37
• 3.4.2 Bagging算法37
• 3.4.3 决策树37-38
• 3.4.4 分类回归树(CART)38-39
• 3.4.5 随机森林39-40
• 3.4.6 随机森林的优缺点40
• 3.5 人工神经网络40-42
• 3.5.1 人工神经网络简介40-42
• 3.5.2 人工神经网络的优缺点42
• 3.6 R语言简介42-43
• 3.7 扩散指数43-44
• 3.8 本章小结44-45
• 第四章 失业预警指标体系45-63
• 4.1 失业的类型45-47
• 4.2 失业的测度47-54
• 4.3 失业预警指标的选择54-62
• 4.3.1 失业预警指标的初选54-57
• 4.3.2 指标的筛选57-62
• 4.4 本章小结62-63
• 第五章 失业预测模型的效果比较63-75
• 5.1 多元线性回归模型的建立63-65
• 5.2 基于支持向量机回归的失业预测65-67
• 5.2.1 失业预警与机器学习65-66
• 5.2.2 基于支持向量机回归的失业率预测66-67
• 5.3 基于随机森林回归的失业预测67-68
• 5.4 基于人工神经网络算法的失业率预测68-69
• 5.4.1 数据标准化68
• 5.4.2 基于人工神经网络的失业率预测68-69
• 5.5 三种模型拟合结果比较分析69-70
• 5.6 基于扩散指数的警度预报70-73
• 5.6.1 失业预警分析70-71
• 5.6.2 失业扩散指数及警度预报71-73
• 5.7 结果评价73-75
• 第六章 失业预警系统的构建75-87
• 6.1 系统构建思路75-80
• 6.1.1 构建目标75
• 6.1.2 构建原则75-77
• 6.1.3 基本框架77-80
• 6.2 系统主要功能模块介绍80-86
• 6.2.1 失业信息采集模块80-81
• 6.2.2 数据预处理模块81-82
• 6.2.3 失业预测模块82-83
• 6.2.4 失业警报模块83-84
• 6.2.5 失业预警专家咨询模块84-86
• 6.3 本章小结86-87
• 结论87-89
• 参考文献89-94
• 攻读学位期间发表的论文94-96
• 致谢96-97
• 附录97-100

【相似文献】

中国期刊全文数据库 前10条

1 李连根,李惠阳;构建失业预警系统的探索[J];湖南科技大学学报(社会科学版);2004年05期

2 李宏;李建武;宋玉龙;;基于神经网络集成的失业预警方法[J];经济与管理研究;2012年01期

3 张林;黄小昶;罗传银;徐新华;;杭州市失业预警系统开发构想[J];中国就业;2013年08期

4 王斌会,韩兆洲;广州市失业预警系统研究[J];统计与预测;2002年05期

5 任志涛;张睿;;基于大学教育与失业预警机制的大学生就业应对措施探讨[J];长春工程学院学报(社会科学版);2009年01期

6 李宏;李建武;莫荣;宋玉龙;;基于回归分析的失业预警建模实证研究[J];中国软科学;2012年05期

7 ;新书架[J];人口与经济;2009年02期

8 ;八面来风[J];中国就业;2002年11期

9 ;软科学动态[J];中国软科学;2002年01期

10 ;[J];;年期

中国重要报纸全文数据库 前6条

1 南京日报记者 蔡晓芳 肖姗;南京失业预警系统揭秘[N];南京日报;2005年

2 通讯员 龙虎;南京：启动失业预警系统[N];就业时报;2006年

3 京力伦;城镇失业预警系统设计完成[N];经济参考报;2002年

4 记者 冯涛　实习生 徐宁 蒋云建;稳就业就是稳民心[N];云南政协报;2009年

5 记者 曾星;非典对就业的影响不容低估[N];中国国门时报;2003年

6 记者　陈露耘;成都推行就业实名制[N];四川日报;2006年

中国硕士学位论文全文数据库 前6条

1 何计蓉;城镇失业预警系统的构建与决策支持研究[D];成都理工大学;2008年

2 罗圆圆;失业预警系统中指标体系构建与模型选择研究[D];广东工业大学;2016年

3 王德兴;青岛市完善失业预警系统研究[D];中国海洋大学;2009年

4 秦娟;“十一五”期间我国失业预警系统模型研究[D];首都经济贸易大学;2005年

5 申菊梅;我国城镇实际失业率的预警研究[D];山西财经大学;2006年

6 于兰;基于RBF网络的成都市失业预警系统模型研究[D];成都理工大学;2008年

  本文关键词：失业预警系统中指标体系构建与模型选择研究，由笔耕文化传播整理发布。

，

本文编号：468049