本文關(guān)鍵詞：失業(yè)預(yù)警系統(tǒng)中指標(biāo)體系構(gòu)建與模型選擇研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)前,我國(guó)GDP增速下行,經(jīng)濟(jì)進(jìn)入新常態(tài)階段。面對(duì)經(jīng)濟(jì)當(dāng)下的困局,我國(guó)政府提出加強(qiáng)供給側(cè)改革,淘汰落后產(chǎn)能,這必然會(huì)導(dǎo)致部分員工下崗,因此也引發(fā)了社會(huì)上關(guān)于供給側(cè)改革將引致“失業(yè)潮”的激烈討論,諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者約瑟夫·斯蒂格利茨指出：沒(méi)有充足的需求,供給側(cè)改革反而會(huì)增加失業(yè)。供給側(cè)改革是否會(huì)導(dǎo)致大量失業(yè),答案還是未知數(shù)。但無(wú)論是否增加失業(yè),建立失業(yè)預(yù)警機(jī)制,動(dòng)態(tài)掌握失業(yè)狀況,同時(shí)結(jié)合數(shù)據(jù)挖掘技術(shù)和數(shù)學(xué)方法,對(duì)影響失業(yè)的重要因素進(jìn)行分析,并在失業(yè)危機(jī)爆發(fā)前進(jìn)行事先調(diào)控,無(wú)疑具有十分重要的意義。失業(yè)預(yù)警指標(biāo)體系的構(gòu)建、失業(yè)預(yù)警模型的選擇是現(xiàn)階段研究失業(yè)預(yù)警的關(guān)鍵問(wèn)題。失業(yè)預(yù)警指標(biāo)體系的構(gòu)建方面,在以往研究中,指標(biāo)體系建設(shè)不完善,忽視了失業(yè)狀況本身和社會(huì)保障會(huì)影響失業(yè)變動(dòng)。本文從國(guó)民經(jīng)濟(jì)發(fā)展、勞動(dòng)力、生活和價(jià)格、社會(huì)保障和失業(yè)狀況等方面選取了24個(gè)因素作為初選指標(biāo),通過(guò)相關(guān)分析和隨機(jī)森林篩選指標(biāo)的比較分析后,選用隨機(jī)森林篩選出的10個(gè)相關(guān)程度較高的指標(biāo)作為白變量。在失業(yè)的測(cè)度方面,絕大部分的研究選擇的是城鎮(zhèn)登記失業(yè)率,但是登記的城鎮(zhèn)失業(yè)人數(shù)并不能有效替代社會(huì)失業(yè)人員情況,因此選用城鎮(zhèn)登記失業(yè)率作為失業(yè)的測(cè)度并不合理。本文采用中國(guó)農(nóng)業(yè)隱性失業(yè)率公式計(jì)算農(nóng)村隱性失業(yè)人數(shù),與政府公布的城鎮(zhèn)失業(yè)人數(shù)相加作為全國(guó)失業(yè)人數(shù)。以此得到的失業(yè)率作為失業(yè)的測(cè)度。在失業(yè)預(yù)警模型的選擇上,較少研究采用機(jī)器學(xué)習(xí)模型,鮮有對(duì)各模型預(yù)測(cè)效果進(jìn)行比較。本文首先通過(guò)對(duì)1994-2013年的指標(biāo)數(shù)據(jù)構(gòu)建多元線(xiàn)性回歸模型,得到線(xiàn)性關(guān)系不顯著,然后采用支持向量機(jī)回歸、隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)三種模型對(duì)失業(yè)率進(jìn)行預(yù)測(cè),對(duì)預(yù)測(cè)效果進(jìn)行比較分析。結(jié)果表明：支持向量機(jī)回歸的預(yù)測(cè)效果最好,其次是隨機(jī)森林,人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果最差,同時(shí)隨機(jī)森林給出了指標(biāo)重要性程度。最后,利用擴(kuò)散指數(shù),判斷失業(yè)率的變動(dòng),并根據(jù)不同的警戒信號(hào),分析失業(yè)警情。本文提出了一種構(gòu)建失業(yè)預(yù)警系統(tǒng)的思路,采用機(jī)構(gòu)化系統(tǒng)開(kāi)發(fā)方法,將系統(tǒng)分為信息采集、信息預(yù)處理、失業(yè)預(yù)測(cè)、失業(yè)警報(bào)及專(zhuān)家咨詢(xún)五個(gè)功能模塊,將指標(biāo)體系和預(yù)測(cè)模型應(yīng)用在失業(yè)預(yù)測(cè)模塊,將基于擴(kuò)散指數(shù)的失業(yè)預(yù)警應(yīng)用在失業(yè)警報(bào)模塊。
【關(guān)鍵詞】：指標(biāo)體系 失業(yè)率 失業(yè)預(yù)測(cè)模型
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F249.2
【目錄】：

• 摘要4-5
• Abstract5-14
• 第一章 緒論14-19
• 1.1 研究背景及意義14-16
• 1.2 論文研究設(shè)計(jì)16-19
• 1.2.1 研究?jī)?nèi)容和結(jié)構(gòu)16
• 1.2.2 研究目的16-17
• 1.2.3 技術(shù)路線(xiàn)17
• 1.2.4 創(chuàng)新點(diǎn)和研究特色17-19
• 第二章 文獻(xiàn)回顧19-27
• 2.1 國(guó)外文獻(xiàn)回顧19-21
• 2.1.1 失業(yè)理論19
• 2.1.2 失業(yè)率預(yù)測(cè)19-21
• 2.2 國(guó)內(nèi)文獻(xiàn)回顧21-24
• 2.2.1 失業(yè)理論21
• 2.2.2 失業(yè)率的影響因素21-22
• 2.2.3 奧肯定律的適用性研究22
• 2.2.4 失業(yè)率的預(yù)測(cè)22-23
• 2.2.5 失業(yè)預(yù)警模型研究23-24
• 2.3 文獻(xiàn)述評(píng)24-26
• 2.4 本章小結(jié)26-27
• 第三章 失業(yè)預(yù)警理論及模型概述27-45
• 3.1 失業(yè)預(yù)警基本理論27-29
• 3.1.1 失業(yè)預(yù)警系統(tǒng)的理論思想27-28
• 3.1.2 失業(yè)預(yù)警系統(tǒng)的作用、結(jié)構(gòu)和研究方法28-29
• 3.2 多元線(xiàn)性回歸模型29-31
• 3.2.1 多元線(xiàn)性回歸模型簡(jiǎn)介29-30
• 3.2.2 多元線(xiàn)性回歸模型的估計(jì)30
• 3.2.3 多元回歸模型的優(yōu)缺點(diǎn)30-31
• 3.3 支持向量機(jī)31-36
• 3.3.1 機(jī)器學(xué)習(xí)32
• 3.3.2 支持向量機(jī)分類(lèi)(SVM)32
• 3.3.3 支持向量機(jī)回歸(SVR)32-33
• 3.3.4 核函數(shù)33-35
• 3.3.5 支持向量機(jī)的優(yōu)缺點(diǎn)35-36
• 3.4 隨機(jī)森林36-40
• 3.4.1 集成學(xué)習(xí)36-37
• 3.4.2 Bagging算法37
• 3.4.3 決策樹(shù)37-38
• 3.4.4 分類(lèi)回歸樹(shù)(CART)38-39
• 3.4.5 隨機(jī)森林39-40
• 3.4.6 隨機(jī)森林的優(yōu)缺點(diǎn)40
• 3.5 人工神經(jīng)網(wǎng)絡(luò)40-42
• 3.5.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介40-42
• 3.5.2 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)42
• 3.6 R語(yǔ)言簡(jiǎn)介42-43
• 3.7 擴(kuò)散指數(shù)43-44
• 3.8 本章小結(jié)44-45
• 第四章 失業(yè)預(yù)警指標(biāo)體系45-63
• 4.1 失業(yè)的類(lèi)型45-47
• 4.2 失業(yè)的測(cè)度47-54
• 4.3 失業(yè)預(yù)警指標(biāo)的選擇54-62
• 4.3.1 失業(yè)預(yù)警指標(biāo)的初選54-57
• 4.3.2 指標(biāo)的篩選57-62
• 4.4 本章小結(jié)62-63
• 第五章 失業(yè)預(yù)測(cè)模型的效果比較63-75
• 5.1 多元線(xiàn)性回歸模型的建立63-65
• 5.2 基于支持向量機(jī)回歸的失業(yè)預(yù)測(cè)65-67
• 5.2.1 失業(yè)預(yù)警與機(jī)器學(xué)習(xí)65-66
• 5.2.2 基于支持向量機(jī)回歸的失業(yè)率預(yù)測(cè)66-67
• 5.3 基于隨機(jī)森林回歸的失業(yè)預(yù)測(cè)67-68
• 5.4 基于人工神經(jīng)網(wǎng)絡(luò)算法的失業(yè)率預(yù)測(cè)68-69
• 5.4.1 數(shù)據(jù)標(biāo)準(zhǔn)化68
• 5.4.2 基于人工神經(jīng)網(wǎng)絡(luò)的失業(yè)率預(yù)測(cè)68-69
• 5.5 三種模型擬合結(jié)果比較分析69-70
• 5.6 基于擴(kuò)散指數(shù)的警度預(yù)報(bào)70-73
• 5.6.1 失業(yè)預(yù)警分析70-71
• 5.6.2 失業(yè)擴(kuò)散指數(shù)及警度預(yù)報(bào)71-73
• 5.7 結(jié)果評(píng)價(jià)73-75
• 第六章 失業(yè)預(yù)警系統(tǒng)的構(gòu)建75-87
• 6.1 系統(tǒng)構(gòu)建思路75-80
• 6.1.1 構(gòu)建目標(biāo)75
• 6.1.2 構(gòu)建原則75-77
• 6.1.3 基本框架77-80
• 6.2 系統(tǒng)主要功能模塊介紹80-86
• 6.2.1 失業(yè)信息采集模塊80-81
• 6.2.2 數(shù)據(jù)預(yù)處理模塊81-82
• 6.2.3 失業(yè)預(yù)測(cè)模塊82-83
• 6.2.4 失業(yè)警報(bào)模塊83-84
• 6.2.5 失業(yè)預(yù)警專(zhuān)家咨詢(xún)模塊84-86
• 6.3 本章小結(jié)86-87
• 結(jié)論87-89
• 參考文獻(xiàn)89-94
• 攻讀學(xué)位期間發(fā)表的論文94-96
• 致謝96-97
• 附錄97-100

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李連根,李惠陽(yáng);構(gòu)建失業(yè)預(yù)警系統(tǒng)的探索[J];湖南科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2004年05期

2 李宏;李建武;宋玉龍;;基于神經(jīng)網(wǎng)絡(luò)集成的失業(yè)預(yù)警方法[J];經(jīng)濟(jì)與管理研究;2012年01期

3 張林;黃小昶;羅傳銀;徐新華;;杭州市失業(yè)預(yù)警系統(tǒng)開(kāi)發(fā)構(gòu)想[J];中國(guó)就業(yè);2013年08期

4 王斌會(huì),韓兆洲;廣州市失業(yè)預(yù)警系統(tǒng)研究[J];統(tǒng)計(jì)與預(yù)測(cè);2002年05期

5 任志濤;張睿;;基于大學(xué)教育與失業(yè)預(yù)警機(jī)制的大學(xué)生就業(yè)應(yīng)對(duì)措施探討[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2009年01期

6 李宏;李建武;莫榮;宋玉龍;;基于回歸分析的失業(yè)預(yù)警建模實(shí)證研究[J];中國(guó)軟科學(xué);2012年05期

7 ;新書(shū)架[J];人口與經(jīng)濟(jì);2009年02期

8 ;八面來(lái)風(fēng)[J];中國(guó)就業(yè);2002年11期

9 ;軟科學(xué)動(dòng)態(tài)[J];中國(guó)軟科學(xué);2002年01期

10 ;[J];;年期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前6條

1 南京日?qǐng)?bào)記者 蔡曉芳 肖姍;南京失業(yè)預(yù)警系統(tǒng)揭秘[N];南京日?qǐng)?bào);2005年

2 通訊員 龍虎;南京：?jiǎn)?dòng)失業(yè)預(yù)警系統(tǒng)[N];就業(yè)時(shí)報(bào);2006年

3 京力倫;城鎮(zhèn)失業(yè)預(yù)警系統(tǒng)設(shè)計(jì)完成[N];經(jīng)濟(jì)參考報(bào);2002年

4 記者 馮濤　實(shí)習(xí)生 徐寧 蔣云建;穩(wěn)就業(yè)就是穩(wěn)民心[N];云南政協(xié)報(bào);2009年

5 記者 曾星;非典對(duì)就業(yè)的影響不容低估[N];中國(guó)國(guó)門(mén)時(shí)報(bào);2003年

6 記者　陳露耘;成都推行就業(yè)實(shí)名制[N];四川日?qǐng)?bào);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 何計(jì)蓉;城鎮(zhèn)失業(yè)預(yù)警系統(tǒng)的構(gòu)建與決策支持研究[D];成都理工大學(xué);2008年

2 羅圓圓;失業(yè)預(yù)警系統(tǒng)中指標(biāo)體系構(gòu)建與模型選擇研究[D];廣東工業(yè)大學(xué);2016年

3 王德興;青島市完善失業(yè)預(yù)警系統(tǒng)研究[D];中國(guó)海洋大學(xué);2009年

4 秦娟;“十一五”期間我國(guó)失業(yè)預(yù)警系統(tǒng)模型研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2005年

5 申菊梅;我國(guó)城鎮(zhèn)實(shí)際失業(yè)率的預(yù)警研究[D];山西財(cái)經(jīng)大學(xué);2006年

6 于蘭;基于RBF網(wǎng)絡(luò)的成都市失業(yè)預(yù)警系統(tǒng)模型研究[D];成都理工大學(xué);2008年

  本文關(guān)鍵詞：失業(yè)預(yù)警系統(tǒng)中指標(biāo)體系構(gòu)建與模型選擇研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：468049