組合預測模型在寧波市就業趨勢的預測研究

寇小鴻

摘 要：選取2006～2014年寧波市社會就業數據，分別建立灰色預測模型與三次指數平滑模型，在2種模型基礎上進行加權組合，建立科學的組合預測模型，并對2015～2017年寧波市社會就業人數進行預測。分析結果表明，組合模型的高精度預測可以為寧波市政府科學預測社會就業人數提供科學的方法和決策依據。

關鍵詞：灰色預測;三次指數平滑;組合預測;就業趨勢

中圖分類號：TP399 文獻標識碼：B 文章編號：1674-2346（2016）01-0080-04

影響社會就業的因素非常復雜，單一的預測方法在進行具體預測時總會存在一定的缺陷，灰色預測短期預測效果好，事物未來的發展決非過去的簡單重復，因此不適合長期預測，指數平滑法適用于社會就業人數增長呈現非線性趨勢時中期預測。本文以寧波市歷年社會就業人口數作為研究對象，采用均方差方法將這2種模型進行組合預測分析，取長補短，并對2015-2017年寧波市就業人數進行預測，為寧波市政府提供了科學預測方法和決策依據。

1 ? ?研究方法

1.1 ? ?GM（1，1）模型原理

灰色預測是對“部分信息已知，部分信息未知”的不確定信息的系統進行預測，將離散變量連續化，用微分方程代替差分方程，對在一定范圍內有變化的時間序列數據進行數量大小的預測。GM（1，1）模型是灰色預測的核心，是一個單變量的一階線性動態模型，其時間響應函數近似呈單調的指數規律變化。

1.2 ? ?三次指數平滑法

指數平滑預測法是對無規則的時間序列數據加以平滑，獲得其變化規律和趨勢，從而對未來的數據進行預測。三次指數平滑是在一次指數平滑后的二次指數平滑的基礎上，再進行一次平滑，從而建立預測方程。當數據單純圍繞某一個水平作隨機跳動時，應采用一次平滑預測模型;當數據具有持續的線性增長或線性下降趨勢時，應采用二次平滑預測模型;當數據具有持續的曲線增長或下降趨勢時，應采三次平滑預測模型。經過對寧波市社會就業人數的數據分析，采取三次指數平滑模型是合適的。

1.3 ? ?研究的數據

選取了2006～2014年寧波市社會就業人數數據，見表1。本文采用DPS12.0軟件進行數據處理。

2 ? ?模型的建立

3 ? ?預測結果分析

對2006-2014年的寧波市社會就業人數的數據進行模型分析，計算結果如表3，各模型變化趨勢如圖1。由表3可知，組合模型擬合值的平均相對誤差最小，優于各單項預測模型的預測結果，圖1中，組合預測模型的增長趨勢與實際值的增長趨勢吻合度較高，因此，組合預測模型可用于寧波市社會就業人數的預測。

根據上述組合模型對寧波2015～2017年寧波市社會就業人數進行預測，預測結果如表4。由表4可知，2015～2017年寧波市社會就業人數的組合模型的預測結果，可反映寧波市社會就業人數是逐年增長的，這符合近年來寧波市社會就業的發展狀況和客觀規律。組合模型預測結果變化適中，三次指數平滑模型預測增長最快，灰色模型預測結果增長較慢。這主要有2個原因：一是灰色預測模型對數據要求不高，不考慮數據的概率分布和隨機誤差。二是指數平滑模型對樣本條件要求較高，對于序列變化緩慢時進行預測，才具有較高的精度。

4 ? ?結論

研究結果表明，沒有完美統一的單一預測方法。這是因為每種預測方法都是利用歷史數據進行建模，而像社會就業人數這樣一個經濟運行問題是相當復雜的，要受到多種因素的影響，特別是國家政策的影響、經濟腹地發展水平以及其它不確定因素等。隨著寧波市的內部因素和外部環境會發生變化，社會就業人數的波動較大時造成預測結果的不可靠。如果將以上兩種方法進行組合，最大限度地綜合各種單項預測模型的優點，克服單一預測法的缺陷，可以預測未來一定時期的寧波市社會就業人數，為寧波市政府科學預測社會就業人數提供科學的方法和決策依據。

但在研究過程中存在著誤差，分析原因：

1）從理論上講，該組合預測模型可以預測未來中長期的社會就業人數，但隨著時間的推移，未來的諸多不可控因素將不斷地進入系統;再者，影響社會就業人數的因素很多，對寧波市社會就業的人數的影響也有主有次，可見對社會就業人數的預測是較為復雜的過程。因此，對于社會就業人數的長期預測模型的建立有待進一步的研究和探索。

2）模型的每一年的預測是建立在上一年社會就業人數的預測結果上的，這樣放大了預測誤差。如果進行預測時，采用新的數據，重新擬合模型并及時修正模型，預測效果更理想。

綜上所述， 通過組合預測模型結果驗證，預測值與實際值的吻合度很高，組合預測模型具有較好的穩定性，能夠反映寧波市社會就業人數的變化趨勢，可以作為一種有效預測手段為寧波市就業人數預測提供科學參考。

參考文獻

[1]何運村，張柱華.灰色理論及神經網絡在就業預測中的應用研究[J].計算機與數字工程，2008，l36（8）：154-156.

[2]尚曉鍶，林衛東，唐艷葵.指數平滑和GM（1，1）組合法在水質預測中的應用——以邕江水源地鐵、錳濃度為例[J].環境科學 與技術，2011，34（1）：191-195.

[3]唐啟義，馮明光.實用統計分析及其DPS數據處理系統[M].北京：科學出版社，2009，622-623.

[4]雷利平，鄧繼忠，張進疆，何琳.廣東省水稻聯合收割機保有量預測[J].中國農機化，2009，（2）：50-53.

[5]程春光.組合預測在石油行業預算管理中的應用[D].天津：天津大學，2008.

[6]張道文.基于GM（1，1）的道路交通事故預測西華大學學報[J].自然科學版，2009，28（3）：28-34.

[7]索瑞霞，王福林.組合預測模型在能源消費預測中的應用[J].數學的實踐與認識，2010，40（18）：80-85.

Abstract： Based on Ningbo social employment data in 2006-2014， the grey prediction model and the cubic exponential smoothing model have been established respectively. Scientific combination prediction model have been set up based on weighted combination， and the social employment number in 2015-2017 has been predicted. The result shows that the high-precision prediction of the combination model can provide scientific methods and policy-making basis for Ningbo municipal government to scientifically predict the social employment number.

Key words： grey prediction; cubic exponential smoothing; combination prediction; employment trend

（責任編輯：田犇）