基于稀疏主成分和主成分回归的我国就业问题研究

发布时间：2021-09-15 19:10

　　当前社会就业问题已成为一个全社会普遍关注的重要问题。本文首先介绍了一些影响就业的因素,结合《中国统计年鉴》中的相关数据,从中选取了国内生产总值、居民消费水平、财政收入、财政支出、税收、固定资产投资、净出口、货币供应量、能源消费总量、R&D经费支出和工资总额这11个经济指标数据,加以汇总整理。然后以这些因素为自变量,就业人数为因变量,先采用逐步回归法建立模型。但分析时发现模型存在较严重的多重共线性,于是采用主成分回归的方法,先找出主成分变量,然后再以主成分为自变量,以就业人数为因变量,建立线性回归预测模型并用模型预测就业人数。主成分是所有原始变量的线性组合,这不利于解释各个经济变量的重要性大小。而采用稀疏主成分分析能更清晰的展示各经济变量对就业人数的影响程度。但稀疏主成分的累计贡献率为相较于一般主成分有所降低,在建立对就业人数的回归模型时,相较于主成分回归建立的模型,其预测的准确度会有所下降。因此,在预测就业人数方面,利用主成分回归更合理准确一些。在分析影响就业人数的重要因素时,利用稀疏主成分分析会更好。 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

中国统计年鉴

【参考文献】：
期刊论文
[1]基于主成分回归模型的湖南省就业影响因素分析[J]. 谢炜,李军成,蒋亚萍,曾钰茹.  数学的实践与认识. 2015(20)
[2]就业人数的影响因素分析[J]. 汪静.  现代物业(中旬刊). 2013(10)
[3]基于稀疏主成分的房地产市场发展分析——以北京为例[J]. 刘超,吴丹丹,齐嘉悦.  经济研究导刊. 2012(30)
[4]我国就业长期和短期影响因素的定量分析[J]. 肖云,周巧,杨絮飞.  统计与决策. 2010(15)
[5]我国就业人数的主要影响因素分析及前景预测[J]. 朱家明,王犁,童金萍,郭艳芳.  数学的实践与认识. 2010(15)
[6]城镇就业人数影响因素分析[J]. 马桢干,伍骏骞,陈奕山.  数学的实践与认识. 2010(15)
[7]基于SD的城镇就业人数影响因子模型及其仿真[J]. 陈涛,何宜庆,谢江林.  南昌大学学报(理科版). 2010(01)
[8]稀疏主成分在综合评价中的应用[J]. 喻胜华,张新波.  财经理论与实践. 2009(05)
[9]多变量综合的主成分旋转法研究[J]. 彭维湘.  数量经济技术经济研究. 2005(06)

硕士论文
[1]基于回归分析的山东省就业人口预测模型及数据失真分析[D]. 宋茹茹.华中师范大学 2013
[2]稀疏成分分析在信道估计中的应用[D]. 蒋成钢.电子科技大学 2009



本文编号：3396634