基于IBX模型的中国城镇劳动力就业预测研究

发布时间：2024-03-26 22:31

　　就业的整体稳定是国家经济发展和社会稳定的重要基础,由于受到突如其来疫情冲击,在就业需求增加与经济下行的双重压力背景下,国家相关就业指导部门及高校科研机构更进一步地重视社会就业问题。近年来,城镇劳动力由于受到经济增速下滑和经济结构的变化影响,就业形势较为严峻;随着人工智能技术的不断发展,技术进步所带来的失业也是逐渐成为社会所不容忽视的问题。因此,本文引入机器学习的方法来构建适用于我国城镇劳动力的就业预测,这对于国家在有关社会就业出台相关政策支持和进一步稳定就业都具有一定意义。针对目前国内外对于就业预测研究不多的问题,本文在拥有准确、有效的数据前提下,探索利用并优化机器学习的方法对就业进行预测和分析,进而完成预测模型的训练。基于本文的研究目标,本文以中国城镇劳动力作为研究对象,构建了中国城镇劳动力就业预测框架。框架包括预测指标体系构建、特征工程、非平衡数据处理、预测模型训练方法设计和预测模型评价五个主要部分。首先,本文对中国城镇劳动力的就业特点进行了研究,提出了包括个体指标与非个体指标的指标体系,其中个体指标包含劳动者个体基本情况、教育经历、劳动者状态、工作经历四大维度的27个二级指标,非...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图2-2中国城镇劳动力就业预测指标体系在中国城镇劳动力就业预测模型个体指标选取中，本文总结提取了个体基本

本文个体微观层面就业指标选取基于指标独立性的原则，根据中山大学社会科学院专业团队所研究的中国劳动力动态调查（CLDS）问卷，从个体问卷中收集到反馈信息入手，剔除掉家庭问卷信息、劳动力变迁等无关信息后，根据筛选出与就业信息关联度更高的问卷问题，总结归纳、分析提取了有关于个体指标的基....

图3-2Lasso系数选择路径图

基于IBX模型的中国城镇劳动力就业预测研究44表3-4归一化不同特征选择方法筛选出的特征结果数据处理方法特征选择方法筛选特征指标筛选特征数量归一化LASSOX1、X2、X6-X14、X19、X24-X27、X37、X3818RFEX1-X19、X20-X21、X23-X4038M....

图3-4特征组合方法在不同模型中的ROC曲线

第三章中国城镇劳动力就业预测实证分析4911图3-4特征组合方法在不同模型中的ROC曲线根据上述不同特征选择在单一模型与集成模型中对比实验结果分析以及图3-4所展示的特征组合方法在不同模型中的ROC曲线，本文整理归纳出特征组合在不同模型实验结果，不管是单一模型决策树、SVM、神经....

图3-5数据平衡后特征组合方法在不同模型中的ROC曲线

基于IBX模型的中国城镇劳动力就业预测研究52图3-5数据平衡后特征组合方法在不同模型中的ROC曲线本文整理归纳出特征组合在不同模型实验结果，本文所提出的特征组合方法+数据平衡在所五种模型中整体效果表现最好，采用特征组合方法+SMOTE数据平衡后，根据在Recall、Specif....

本文编号：3939779