城鎮(zhèn)失業(yè)率預(yù)測

我國城鎮(zhèn)登記失業(yè)率的預(yù)測模型學(xué)生褚召輝葉華朱嬋元指導(dǎo)老師武漢大學(xué)數(shù)模教練組摘要本文在深入分析了在中國國情下可能對城鎮(zhèn)登記失業(yè)率產(chǎn)生影響的因素后，建立了基于主成分分析法的BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測出在2009年和2010年上半年失業(yè)率分別為4.25%和4.14%，表明我國失業(yè)率還會呈上升趨勢，但是在2010年會有所改善。最后，根據(jù)預(yù)測結(jié)果以及我國的有關(guān)決策和規(guī)劃，對降低失業(yè)率提出了有關(guān)統(tǒng)計數(shù)據(jù)、單目標(biāo)發(fā)展、多目標(biāo)之間協(xié)調(diào)等方面的建議。關(guān)鍵詞：主成分分析法，BP神經(jīng)網(wǎng)絡(luò)，失業(yè)率仿真預(yù)測問題分析與假設(shè)假設(shè)未來不會有大的對經(jīng)濟(jì)產(chǎn)生巨大影響的自然遭害。忽略本文選取因素之外的因素對問題產(chǎn)生的影響。不考慮嚴(yán)重影響國內(nèi)正常生產(chǎn)生活的不可抗力因素。不考慮自然失業(yè)率的影響。城鎮(zhèn)失業(yè)率主要影響因素從世界各國的經(jīng)濟(jì)發(fā)展的經(jīng)驗來看，經(jīng)濟(jì)增長和失業(yè)是有某種程度的相關(guān)關(guān)系的。但對于我國的特殊國情而言，我國的經(jīng)濟(jì)增長和失業(yè)之間的關(guān)系呈現(xiàn)非一致性。一般而言，根據(jù)經(jīng)濟(jì)理論可知，衡量通貨膨脹與失業(yè)率之間的關(guān)系的是菲利普斯曲線[1]，但我國的情況并沒有體現(xiàn)這一點。進(jìn)出口額在我國經(jīng)濟(jì)中占有重要地位，特別是由于勞動密集產(chǎn)品在我國出口中占有很大比重，和就業(yè)高度相關(guān)。不同的產(chǎn)業(yè)結(jié)構(gòu)比例體現(xiàn)了一個國家的不同的資本有機(jī)構(gòu)成，其中第二產(chǎn)業(yè)、第三產(chǎn)業(yè)能夠吸收從第一產(chǎn)業(yè)中轉(zhuǎn)移出來的勞動力，從而對失業(yè)率產(chǎn)生重要影響。固定資產(chǎn)投資的增長不僅通過對勞動力的即時需求而擴(kuò)大當(dāng)時的就業(yè)，而且也會通過項目的逐步完成和形成生產(chǎn)力，而對就業(yè)產(chǎn)生“時滯性”的利好。勞動力人口數(shù)量[2]決定著勞動力的供給，從市場需求[3]上來說，失業(yè)是由于商品市場的過度供給導(dǎo)致勞動力市場的過度供給造成的，商品市場的總需求下降導(dǎo)致失業(yè)的增加。從整體上來看，城鎮(zhèn)居民實際工資的提高，會使失業(yè)率增加，特別是當(dāng)工資高于一定階段時，失業(yè)率就保持在一個較為高的階段。在現(xiàn)代市場經(jīng)濟(jì)條件下，工資水平不單被動地受勞動力供求關(guān)系的影響，而且也會主動地發(fā)揮作用，影響勞動力的供給與需求。城鎮(zhèn)人口所占比例增加，也會引起失業(yè)率增加，這是因為城市化引起農(nóng)村人口轉(zhuǎn)化為城鎮(zhèn)人口，從而增加了城鎮(zhèn)勞動力供給，由此可能造成城鎮(zhèn)失業(yè)率上升。近代西方失業(yè)理論體系中，技術(shù)進(jìn)步也被認(rèn)為是影響失業(yè)率[4]的一個重要因素，這在中國也是成立的。綜上所述，本文考慮的影響城鎮(zhèn)登記失業(yè)率的因素為：經(jīng)濟(jì)的增長、最終消費的支出、固定資產(chǎn)投資、進(jìn)出口額、通貨膨脹、產(chǎn)業(yè)結(jié)構(gòu)、勞動力人口數(shù)量、勞動力需求供給以及技術(shù)進(jìn)步。經(jīng)過查找國家權(quán)威數(shù)據(jù)，本文選取了11個指標(biāo)作為與失業(yè)率有關(guān)的因素。這些因素分別為城鎮(zhèn)登記失業(yè)率、職工平均工資、城鎮(zhèn)人口所占比例、商品零售價格指數(shù)、GDP增長率、第二產(chǎn)業(yè)GDP/GDP、第三產(chǎn)業(yè)GDP/GDP、出口總額/GDP、進(jìn)口總額/GDP、固定資產(chǎn)投資/GDP、技術(shù)市場成交額/GDP、最終消費支出貢獻(xiàn)率。本文討論這些指標(biāo)在一個長期時間段內(nèi)，20年左右，對城鎮(zhèn)登記失業(yè)率的影響，這個數(shù)據(jù)量是非常龐大的，計算有一定困難，又本文選擇的指標(biāo)中肯定存在著信息冗余的現(xiàn)象，用人工很難具體的操作，鑒于此，本文采用主成分分析法對搜集到的數(shù)據(jù)進(jìn)行處理，并力保原始數(shù)據(jù)信息丟失最少的情況下,對高維變量空間進(jìn)行降維。假設(shè)觀測指標(biāo)共有個,分別為,將這些指標(biāo)綜合為一個綜合指標(biāo)的方法很多,最簡單的方法是將這些指標(biāo)用線性的方法將它們組合起來,即由于各指標(biāo)組合系數(shù)的不同,就得到不同的綜合指標(biāo),其中反映原指標(biāo)變動程度最大的綜合指標(biāo)稱為第一主成分,次之為第二主成分,…,第個綜合指標(biāo)為第個主成分。用1989-2008年的上述11項指標(biāo)進(jìn)行主成分分析法的分析，本文中的程序均在MATLAB7.4環(huán)境下運行。由主成分分析的結(jié)果可知貢獻(xiàn)率大于90%時，主成分?jǐn)?shù)為3，即有3個主成分來代替原來的11個指標(biāo)。（Xi表示與失業(yè)率有關(guān)的指標(biāo)）表1初始因子載荷矩陣指標(biāo)主成分1主成分2主成分3X1職工平均工資-0.96120.0651-0.0811X2城鎮(zhèn)人口所占比例-0.96950.2213-0.0523X3商品零售價格指數(shù)0.3141-0.87-0.1722X4GDP增長率-0.3475-0.5620.6917X5第二產(chǎn)業(yè)GDP/GDP-0.7139-0.36530.2178X6第三產(chǎn)業(yè)GDP/GDP-0.85370.39780.0509X7出口總額/GDP-0.9582-0.0834-0.0347X8進(jìn)口總額/GDP-0.939-0.1618-0.0334X9固定資產(chǎn)投資/GDP-0.9646-0.13580.0303X10技術(shù)市場成交額/GDP-0.93760.15650.0007X11最終消費支出貢獻(xiàn)率0.48110.45290.6862第一主成分的貢獻(xiàn)率為65.12%，其中X11和X3與第一主成分是正相關(guān)的關(guān)系并且在第一主成分上有較高的載荷，這兩個指標(biāo)都是與消費有關(guān)的指標(biāo)，失業(yè)率在消費、物價等都比較高的情況下是與其成正相關(guān)，X1、X2、X9、X7、X8、X10、X6、X5這些指標(biāo)在第一主成分占有很高的負(fù)相關(guān)的荷載，它們都是經(jīng)濟(jì)學(xué)上對經(jīng)濟(jì)發(fā)展起到很重要作用的指標(biāo)，對失業(yè)率都有著很大的影響。第二主成分的貢獻(xiàn)率為15.44%，與其正相關(guān)的占有較高載荷的是X11和X6，說明消費和第三產(chǎn)業(yè)在經(jīng)濟(jì)增長中對于吸收勞動人口起到了積極地作用。第三主成分的貢獻(xiàn)率為9.47%，雖然相比前兩者較小，但仍起到了很重要的作用，與其正相關(guān)且荷載比較高的是X11和X4，這兩者一個反映國民消費，一個反映國民經(jīng)濟(jì)增長。城鎮(zhèn)登記失業(yè)率的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立在多因素與失業(yè)率之間的關(guān)系建模中，可以考慮神經(jīng)網(wǎng)絡(luò)、多元回歸模型、逐步回歸模型和最小二乘擬合等方法，但神經(jīng)網(wǎng)絡(luò)有其他方法不具備的優(yōu)點，既可以表現(xiàn)出非線性的映射關(guān)系，又可以以盡可能高的精度逼近相應(yīng)的映射，所以在應(yīng)用中選擇使用最廣泛的BP神經(jīng)網(wǎng)絡(luò)模型[10]。在使用BP神經(jīng)網(wǎng)絡(luò)建模過程中，本文利用主成分分析法將原指標(biāo)替換成維數(shù)比較小但仍能保持?jǐn)?shù)據(jù)信息完整性的主成分，這樣可以使運算更有效率。在BP網(wǎng)絡(luò)預(yù)測模型中，對于網(wǎng)絡(luò)的輸入和輸出，可以假設(shè)存在一映射。為了尋求的最佳映射值，BP網(wǎng)絡(luò)模型將樣本集合的輸入、輸出轉(zhuǎn)化為非線性優(yōu)化，通過對簡單的非線性函數(shù)的復(fù)合，建立一個高度的非線性映射關(guān)系，實現(xiàn)值的最優(yōu)逼近。在本模型中，網(wǎng)絡(luò)輸入為1989年到2008年的11個指標(biāo)經(jīng)主成分分析法得到的3個主成分的得分，輸出為1989年到2008年城鎮(zhèn)登記失業(yè)率數(shù)。在實際應(yīng)用中本文將各參數(shù)設(shè)置為如下：訓(xùn)練次數(shù)設(shè)置為10000，訓(xùn)練目標(biāo)設(shè)置為1e-4，學(xué)習(xí)率設(shè)置0.01（該值應(yīng)設(shè)置為較小值，太大會在開始加快收斂）。在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中集成了多種訓(xùn)練算法，在BP網(wǎng)絡(luò)中，很難確定哪一個問種訓(xùn)練算法是最好的，本模型通過對多種算法的試驗，最終選擇了traingda.m作為訓(xùn)練函數(shù)。下面為我們的模型結(jié)果：表2城鎮(zhèn)登記失業(yè)率網(wǎng)絡(luò)模型輸入層到隱含層權(quán)值及隱含層閾值輸入層到隱含層權(quán)值隱含層閾值2.273-0.81990.0327-1.31650.1069-1.7814-0.91810.2081.65310.4337-1.07232.0005表3城鎮(zhèn)登記失業(yè)率網(wǎng)絡(luò)模型隱含層到輸出層權(quán)值及輸出層閾值隱含層到輸出層權(quán)值輸出層閾值2.17832.08010.3255-2.9985-1.9894-0.9796-2.03022.30780.3473-1.5334-2.5745-1.6766-1.1267-2.3217-1.56161.0016-1.3498-1.40112.30010.3259-2.02451.53341.5342-0.45570.97240.14772.84921.00151.63341.3813-2.0621.7142-0.2785-2.58251.4689-2.39591.94680.528-2.1163.1322圖1BP神經(jīng)網(wǎng)絡(luò)模型下的真實值與預(yù)測值曲線下面分別用多元回歸模型、逐步回歸模型和最小二乘擬合三種方法對城鎮(zhèn)登記失業(yè)率進(jìn)行擬合。得到如下結(jié)果：多元回歸模型逐步線性回歸最小二乘擬合（與時間t的關(guān)系）在這里介紹一下本文用到的誤差分析工具，MAPE、R、Z是模型預(yù)測值與實際值之間精確度性能的評價指標(biāo)。其中MAPE是絕對平均誤差，值越小，表示模型的預(yù)測結(jié)果越好；R是相關(guān)系數(shù)，值越大表示模型的預(yù)測結(jié)果越好；Z是輸出數(shù)據(jù)的可信度，值越大表示模型的預(yù)測結(jié)果越好。它們分別可以用下列公式求得：（如果則否則）表4BP神經(jīng)網(wǎng)絡(luò)與其他模型誤差的比較神經(jīng)網(wǎng)絡(luò)多元回歸逐步回歸最小二乘擬合絕對平均誤差MAPE1.23%2.05%3．00%2.93%相關(guān)系數(shù)R0.99770.99280.98390.9852可信度Z100%100%100%100%從表4可以看出，BP神經(jīng)網(wǎng)絡(luò)模型三個參數(shù)都比其他模型的預(yù)測結(jié)果要好，說明其能更精確地擬合城鎮(zhèn)失業(yè)率與各指標(biāo)之間的關(guān)系，因此，用BP神經(jīng)網(wǎng)絡(luò)模型來建立城鎮(zhèn)登記失業(yè)率與上述11個指標(biāo)之間聯(lián)系的數(shù)學(xué)模型是可行的，而且也是比較科學(xué)的。分地區(qū)建立關(guān)于城鎮(zhèn)登記失業(yè)率的數(shù)學(xué)模型由中國的區(qū)域分布情況，本文選取了比較具有代表性的6個省份的數(shù)據(jù)來代表示中國的基本區(qū)域分布，它們是黑龍江、北京、上海、廣東、四川和新疆。為了使模型更精確一些，增加考慮了一些指標(biāo)，最后選取的指標(biāo)為19個，分別為：失業(yè)率、地區(qū)生產(chǎn)總值、第一產(chǎn)業(yè)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值、第三產(chǎn)業(yè)生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、最終消費支出、居民消費支出、農(nóng)村居民消費支出、城鎮(zhèn)居民消費支出、政府消費支出、最終消費率、總?cè)丝?、職工平均工資、全社會固定資產(chǎn)投資、財政支出、商品零售價格指數(shù)、出口、進(jìn)口、技術(shù)市場成交額。應(yīng)用本文建立的BP神經(jīng)網(wǎng)絡(luò)模型，將1999-2007年各個省份的的指標(biāo)數(shù)據(jù)經(jīng)過主成分分析法降維后代入模型中，得到各個省份更具體的BP神經(jīng)網(wǎng)絡(luò)模型。表5各省份的仿真誤差黑龍江四川廣東上海新疆北京絕對平均誤差MAPE2.74%2.22%2.32%2.53%1.15%4.51%相關(guān)系數(shù)R0.96910.92580.95710.9620.92880.9908可信度Z100%100%100%100%100%88.89%由上表的誤差比較可知，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)得到的結(jié)果，MAPE均小于5%，相關(guān)系數(shù)均在92%以上，可信度均比較高，有很好的仿真擬合結(jié)果，說明本文分地區(qū)研究失業(yè)率與各指標(biāo)之間關(guān)系時建立的模型較合理。通過這6個省份模型的建立，就像是在全國范圍內(nèi)織了一張很大的網(wǎng)，將全國各個地區(qū)聯(lián)系在了一起，可以更加清楚的研究整個國家的失業(yè)率與各個指標(biāo)之間的關(guān)系。預(yù)測模型的建立中央政府從2008年10月進(jìn)行了大量資金的投資計劃，并且采取了擴(kuò)大內(nèi)需消費需求的措施，提高對外開放水平以增加出口，影響失業(yè)率的一些指標(biāo)因為國家的決策和規(guī)劃而引起了較大的改變，相對于其他的指標(biāo)來說，改變較大的指標(biāo)對失業(yè)率變化的影響大大增加，本模型主要是在2008年的特殊國情下，根據(jù)國家的決策對2009年和2010年上半年的失業(yè)率進(jìn)行仿真，選取GDP、固定資產(chǎn)投資和出口額最為影響失業(yè)率的主要指標(biāo)，并且假設(shè)其他指標(biāo)對失業(yè)率的影響遠(yuǎn)遠(yuǎn)小于這些指標(biāo)，不予考慮。在得到GDP、固定資產(chǎn)投資和出口額在2009年和2010年上半年的數(shù)值（仿真結(jié)果）后，輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，得到失業(yè)率的預(yù)測值，預(yù)測結(jié)果為：2009年的失業(yè)率：4.2520%；2010年上半年的失業(yè)率：4.1402%。通過對城鎮(zhèn)登記失業(yè)率模型的仿真，可以看出，在2009年下半年和2010年上半年，我國失業(yè)率還會呈上升趨勢，但是在2010年會有所改善。對這一趨勢，可以從兩個方面來進(jìn)行解釋：（1）在自然因素方面，2008年的奧運會，在一定程度上促進(jìn)了經(jīng)濟(jì)的發(fā)展，擴(kuò)大了市場需求，對就業(yè)起到了不可忽視的作用，同時，2008年下半年爆發(fā)的金融危機(jī)，對我國的就業(yè)造成重要影響。（2）在政府方面，中央政府實施了投資計劃，并確定十大振興產(chǎn)業(yè)計劃，提高對外開放增加出口，采取一系列措施來擴(kuò)大市場需求，對就業(yè)起到很大的促進(jìn)作用。雖然在短期內(nèi)，我國的經(jīng)濟(jì)沒有復(fù)蘇，但是從長遠(yuǎn)來看，就業(yè)形勢能夠達(dá)到改善。針對我國現(xiàn)狀提出相關(guān)意見針對我國的特殊國情，通過數(shù)學(xué)模型的有效分析，結(jié)合國家的有關(guān)決策和規(guī)劃，本文給出如下一些建議：1. 完善失業(yè)率的統(tǒng)計，提高數(shù)據(jù)的準(zhǔn)確性。城鎮(zhèn)登記失業(yè)率不包括使用的農(nóng)村勞動力以及下崗工人轉(zhuǎn)換成的失業(yè)工人等，應(yīng)該朝城鎮(zhèn)調(diào)查失業(yè)率方向改善。2. 重視單方面指標(biāo)的發(fā)展。例如大力發(fā)展第三產(chǎn)業(yè)，加大教育投入，大力發(fā)展人力資源開發(fā)力度等。3. 綜合考慮多指標(biāo)之間的相互影響，從失業(yè)率、經(jīng)濟(jì)增長和通貨膨脹三個因素的相互交織作用出發(fā)，經(jīng)濟(jì)增長速度越快就能越多的吸收失業(yè)人群，降低失業(yè)率，但是，從整個經(jīng)濟(jì)運行來講，經(jīng)濟(jì)增長速度過快可能會引起通貨膨脹，從而增加失業(yè)率；反之，經(jīng)濟(jì)增長速度過低，就不能增加就業(yè)崗位，導(dǎo)致社會穩(wěn)定程度的降低，影響改革政策。這在一方面也可以解釋前面定性分析經(jīng)濟(jì)增長和失業(yè)率之間的關(guān)系時，兩者之間呈現(xiàn)的非一致性。總而言之，目前，我國經(jīng)濟(jì)社會正經(jīng)歷一個重大的考驗，因此，通過數(shù)學(xué)模型深入分析城鎮(zhèn)失業(yè)率的相關(guān)因素，根據(jù)模型的結(jié)果采取相應(yīng)的措施，處理好經(jīng)濟(jì)與就業(yè)之間的關(guān)系，對找準(zhǔn)宏觀調(diào)控的著力點十分重要。模型評價通過模型建立及實例分析，本文可以得到以下結(jié)論：本模型的優(yōu)點：在建模中，可以充分考慮到各個影響城鎮(zhèn)登記失業(yè)率的因素，通過主成分分析，提煉出較少的與線性無關(guān)的主成分作為輸入變量進(jìn)行神經(jīng)網(wǎng)絡(luò)模擬，運行效率和精度很高。采用BP神經(jīng)網(wǎng)絡(luò)主成分分析法建立的預(yù)測模型是可行的。本模型還存在著一些不足和值得改進(jìn)的地方：1)有關(guān)BP網(wǎng)絡(luò)的穩(wěn)定性方法的理論尚不完善，關(guān)于隱層層次與節(jié)點數(shù)只能由試算確定，使得該方法在使用中具有一定的局限性。2)基于主成分分析法的BP神經(jīng)網(wǎng)絡(luò)模擬對于受多種因素影響的城鎮(zhèn)登記失業(yè)率，具有較強(qiáng)的實用性，并充分考慮了與失業(yè)率有關(guān)因素的復(fù)雜性與隨機(jī)性，這方面的應(yīng)用外，其應(yīng)用的領(lǐng)域、運用的范圍可在進(jìn)一步拓寬，相關(guān)模型尚需進(jìn)一步研究和改進(jìn)。3)文中區(qū)域選取省份時雖然是按中國的地理分布選取，但主觀性比較強(qiáng)，沒有利用相關(guān)的理論作基礎(chǔ)。參考文獻(xiàn)[1]陳學(xué)彬.對我國經(jīng)濟(jì)運行中的菲利普斯曲線關(guān)系和通脹預(yù)期的實證分析[J].財經(jīng)研究，1996（8），頁碼：3-8.[2]程紅莉，劉強(qiáng).區(qū)域失業(yè)率差異影響因素的實證分析[J].統(tǒng)計與信息論壇，2003年，18（3）：90-92.[3]田力.影響失業(yè)率的主要因素及降低失業(yè)率的對策[J].金融理論與教學(xué)，2003（1）：46-49[4]袁志剛．失業(yè)經(jīng)濟(jì)學(xué)[M]．上海：上海三聯(lián)，上海人民出版社，1997．76-85．[5]麻榮永,鄭二偉,王魁,李建.基于主成分分析法的廣西水資源可持續(xù)利用綜合評價[J].廣西大學(xué)學(xué)報(自然科學(xué)版),2008(3):17[6]雷欽禮.經(jīng)濟(jì)管理多元統(tǒng)計分析[M].北京:中國統(tǒng)計出版社,2002.153-154[7]王士同等.問題求解的人工智能：神經(jīng)網(wǎng)絡(luò)方法[M]．北京：氣象出版社，1995[8]吳江華,葛兆帥,楊達(dá)源.基于人工神經(jīng)網(wǎng)絡(luò)的國際入境旅游需求的定量分析與預(yù)測[J].旅游學(xué)刊,2002,17(3):55-59[9]樓文高.海水水質(zhì)評價的人工神經(jīng)網(wǎng)絡(luò)模型研究[J]．海洋環(huán)境科學(xué)，2000，20（4）：49-53[10]何明過秀成.BP神經(jīng)網(wǎng)絡(luò)主成分分析法在汽車保