寇小鴻

摘 要：選取2006～2014年寧波市社會就業(yè)數(shù)據(jù)，分別建立灰色預(yù)測模型與三次指數(shù)平滑模型，在2種模型基礎(chǔ)上進行加權(quán)組合，建立科學的組合預(yù)測模型，并對2015～2017年寧波市社會就業(yè)人數(shù)進行預(yù)測。分析結(jié)果表明，組合模型的高精度預(yù)測可以為寧波市政府科學預(yù)測社會就業(yè)人數(shù)提供科學的方法和決策依據(jù)。

關(guān)鍵詞：灰色預(yù)測;三次指數(shù)平滑;組合預(yù)測;就業(yè)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(yè)的因素非常復(fù)雜，單一的預(yù)測方法在進行具體預(yù)測時總會存在一定的缺陷，灰色預(yù)測短期預(yù)測效果好，事物未來的發(fā)展決非過去的簡單重復(fù)，因此不適合長期預(yù)測，指數(shù)平滑法適用于社會就業(yè)人數(shù)增長呈現(xiàn)非線性趨勢時中期預(yù)測。本文以寧波市歷年社會就業(yè)人口數(shù)作為研究對象，采用均方差方法將這2種模型進行組合預(yù)測分析，取長補短，并對2015-2017年寧波市就業(yè)人數(shù)進行預(yù)測，為寧波市政府提供了科學預(yù)測方法和決策依據(jù)。

1 ? ?研究方法

1.1 ? ?GM（1，1）模型原理

灰色預(yù)測是對“部分信息已知，部分信息未知”的不確定信息的系統(tǒng)進行預(yù)測，將離散變量連續(xù)化，用微分方程代替差分方程，對在一定范圍內(nèi)有變化的時間序列數(shù)據(jù)進行數(shù)量大小的預(yù)測。GM（1，1）模型是灰色預(yù)測的核心，是一個單變量的一階線性動態(tài)模型，其時間響應(yīng)函數(shù)近似呈單調(diào)的指數(shù)規(guī)律變化。

1.2 ? ?三次指數(shù)平滑法

指數(shù)平滑預(yù)測法是對無規(guī)則的時間序列數(shù)據(jù)加以平滑，獲得其變化規(guī)律和趨勢，從而對未來的數(shù)據(jù)進行預(yù)測。三次指數(shù)平滑是在一次指數(shù)平滑后的二次指數(shù)平滑的基礎(chǔ)上，再進行一次平滑，從而建立預(yù)測方程。當數(shù)據(jù)單純圍繞某一個水平作隨機跳動時，應(yīng)采用一次平滑預(yù)測模型;當數(shù)據(jù)具有持續(xù)的線性增長或線性下降趨勢時，應(yīng)采用二次平滑預(yù)測模型;當數(shù)據(jù)具有持續(xù)的曲線增長或下降趨勢時，應(yīng)采三次平滑預(yù)測模型。經(jīng)過對寧波市社會就業(yè)人數(shù)的數(shù)據(jù)分析，采取三次指數(shù)平滑模型是合適的。

1.3 ? ?研究的數(shù)據(jù)

選取了2006～2014年寧波市社會就業(yè)人數(shù)數(shù)據(jù)，見表1。本文采用DPS12.0軟件進行數(shù)據(jù)處理。

2 ? ?模型的建立

3 ? ?預(yù)測結(jié)果分析

對2006-2014年的寧波市社會就業(yè)人數(shù)的數(shù)據(jù)進行模型分析，計算結(jié)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(yōu)于各單項預(yù)測模型的預(yù)測結(jié)果，圖1中，組合預(yù)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(yù)測模型可用于寧波市社會就業(yè)人數(shù)的預(yù)測。

根據(jù)上述組合模型對寧波2015～2017年寧波市社會就業(yè)人數(shù)進行預(yù)測，預(yù)測結(jié)果如表4。由表4可知，2015～2017年寧波市社會就業(yè)人數(shù)的組合模型的預(yù)測結(jié)果，可反映寧波市社會就業(yè)人數(shù)是逐年增長的，這符合近年來寧波市社會就業(yè)的發(fā)展狀況和客觀規(guī)律。組合模型預(yù)測結(jié)果變化適中，三次指數(shù)平滑模型預(yù)測增長最快，灰色模型預(yù)測結(jié)果增長較慢。這主要有2個原因：一是灰色預(yù)測模型對數(shù)據(jù)要求不高，不考慮數(shù)據(jù)的概率分布和隨機誤差。二是指數(shù)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(yù)測，才具有較高的精度。

4 ? ?結(jié)論

研究結(jié)果表明，沒有完美統(tǒng)一的單一預(yù)測方法。這是因為每種預(yù)測方法都是利用歷史數(shù)據(jù)進行建模，而像社會就業(yè)人數(shù)這樣一個經(jīng)濟運行問題是相當復(fù)雜的，要受到多種因素的影響，特別是國家政策的影響、經(jīng)濟腹地發(fā)展水平以及其它不確定因素等。隨著寧波市的內(nèi)部因素和外部環(huán)境會發(fā)生變化，社會就業(yè)人數(shù)的波動較大時造成預(yù)測結(jié)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(yù)測模型的優(yōu)點，克服單一預(yù)測法的缺陷，可以預(yù)測未來一定時期的寧波市社會就業(yè)人數(shù)，為寧波市政府科學預(yù)測社會就業(yè)人數(shù)提供科學的方法和決策依據(jù)。

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(yù)測模型可以預(yù)測未來中長期的社會就業(yè)人數(shù)，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(tǒng);再者，影響社會就業(yè)人數(shù)的因素很多，對寧波市社會就業(yè)的人數(shù)的影響也有主有次，可見對社會就業(yè)人數(shù)的預(yù)測是較為復(fù)雜的過程。因此，對于社會就業(yè)人數(shù)的長期預(yù)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(yù)測是建立在上一年社會就業(yè)人數(shù)的預(yù)測結(jié)果上的，這樣放大了預(yù)測誤差。如果進行預(yù)測時，采用新的數(shù)據(jù)，重新擬合模型并及時修正模型，預(yù)測效果更理想。

綜上所述， 通過組合預(yù)測模型結(jié)果驗證，預(yù)測值與實際值的吻合度很高，組合預(yù)測模型具有較好的穩(wěn)定性，能夠反映寧波市社會就業(yè)人數(shù)的變化趨勢，可以作為一種有效預(yù)測手段為寧波市就業(yè)人數(shù)預(yù)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(jīng)網(wǎng)絡(luò)在就業(yè)預(yù)測中的應(yīng)用研究[J].計算機與數(shù)字工程，2008，l36（8）：154-156.

[2]尚曉鍶，林衛(wèi)東，唐艷葵.指數(shù)平滑和GM（1，1）組合法在水質(zhì)預(yù)測中的應(yīng)用——以邕江水源地鐵、錳濃度為例[J].環(huán)境科學 與技術(shù)，2011，34（1）：191-195.

[3]唐啟義，馮明光.實用統(tǒng)計分析及其DPS數(shù)據(jù)處理系統(tǒng)[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(lián)合收割機保有量預(yù)測[J].中國農(nóng)機化，2009，（2）：50-53.

[5]程春光.組合預(yù)測在石油行業(yè)預(yù)算管理中的應(yīng)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(yù)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(yù)測模型在能源消費預(yù)測中的應(yīng)用[J].數(shù)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）