基于ARMA模型四川城镇失业率预测探究.docVIP

基于ARMA模型四川城镇失业率预测探究【摘要】本文以1985年～2006年的城镇登记失业率为样本数据建立ARMA模型，对模型进行识别、估计、检验，并且用2007年～2009年数据进行验证预测。运用此模型对未来4年进行失业预测，为政府制定就业政策提供指导意见。 【关键词】ARMA模型 城镇登记失业率 预测 一、引言 失业（就业）问题是各个国家研究的热点问题之一。无论是在发达国家还是发展中国家都存在着失业，但是过度的失业会引发一系列经济和社会矛盾，因此准确预测失业率对于整个国家的经济和社会都起着重要的作用。在现有研究失业率预测的研究中，主要是通过影响因素来预测失业率，有研究单个因素与就业率的影响，如通货膨胀，高校学生规模，GDP，货币政策，汇率，工资水平等与就业率之间的关系，也有研究多个指标对就业率的影响。采用的模型或者方法包括核主成分与加权支持向量机，收敛分析，VAR模型，扩散指数法和经典回归分析等。但是存在四个问题：一是完整性问题，选取的影响因素不全面，会错漏一些重要因素；二是独立性问题，选取的因素之间具有相关性；三是伪回归问题；四是数据获取问题，有些影响失业率的因素的数据比失业率本身的数据更难获取。时间序列模型ARMA可以避免以上四个问题，它不直接考虑其他相关因素的影响，依靠预测指标的历史数据进行预测。其基本假定是在一个适当的时期内，可以大致认为各影响因素对预测指标的影响规律及这些经济因素本身的变动趋势是不变的。因此，利用时间序列的历史数据进行预测能够保证一定的预测精度。本文利用1985年～2009年的数据采用ARMA模型对四川的失业率进行了预测研究。 二、 模型的介绍 三、实证分析 （一） 样本数据的选取 城镇登记失业率是指城镇登记失业人数同城镇从业人数与城镇登记失业人数之和的比。其中，城镇登记失业人员是指有非农业户口，在一定的劳动年龄内，有劳动能力，无业而要求就业，并在当地就业服务机构进行求职登记的人员。通过中国国家统计局网站获得四川省城镇登记失业率的时间序列数据年度数据（1985-2009）。 （二）城镇登记失业率的平稳性检验 使用eviews软件对四川省城镇登记失业率进行分析。对时间序列进行单位根检验，检验结果显示，结果检验统计量为-3.912小于显著性水平为5%的临界值，说明序列在95%的置信水平下城镇登记失业率时间序列是平稳序列，可以建立ARMA模型。 四、模型识别 五、四川城镇失业率的预测 采用AR（1）模型对2007、2008年和2009年四川城镇失业率进行验证，得出2007、2008和2009年的失业率分别为4.1097、4.1696和4.0718，预测误差分别为0.24%、4.24%和-3.05%预测误差的绝对值均控制在5%范围之内，表明预测精度很高，该预测模型可以用于预测。利用建立的AR（1）对未来4年进行预测，得到未来4年的失业率为3.8710、4.1046、3.6478、4.2901。可以看出2010年～2014年的失业率都呈现出较高的数值。 参考文献： [1]刘宏杰：中国普通高校学生规模与城镇登记失业率：1978-2006—基于VAR模型和因果检验的经济计量分析[J].吉林工商学院学报，2009，（28）. [2]郑海燕：对我国失业问题影响因素的研究[J].经济与管理，2003，（10）. [3]易丹辉.数据分析与Eviews应用 [M].北京：中国统计出版社，2002. [4]何书元. 应用时间序列分析 [M ].北京：北京大学出版社，2003. 1