基于时间序列模型的河南省第三产业就业人数组合预测.docxVIP

基于时间序列模型的河南省第三产业就业人数组合预测 1 . 引言 　　第四次全国经济普查结果显示，自2004年以来，我国第三产业发展迅猛，市场主体不断增加，规模逐步扩大，比重持续上升，成为带动经济增长、吸纳就业人员的主要力量.在此背景之下，第三产业就业人数不断增加.2018年末全国第三产业法人单位从业人员较2013年末增加长28.9%，对全部新增从业人员的贡献率高达110.3%，比全部法人单位从业人员增速高21.3个百分点，大大缓解了我国的就业压力[1]. 　　第三产业的发展带动了国民经济素质和综合国力的提高，同时第三产业就业人数的变化直接体现了第三产业的发展状况以及人员的就业现状，也侧面反映出我国的国民经济水平.因此对第三产业就业人数的预测研究有着重要价值，为政府出台就业政策提供参考意见，对推进经济社会全面协调和可持续发展具有重要的现实意义[2]. 　　在已有的研究中，国外学者Poulicos早在1985年就利用地区就业预测系统对旧金山的就业情况进行了预测[3]；国内也有诸多学者先后对就业人数的预测进行过研究，如：骆俊琳、刘耀森等人采用灰色系统GM(1,1)模型，对 2019~2023年重庆市第三产业就业人数的变动趋势进行了预测[4]；万平利用Intervention-ARIMA模型对我国 1952~2006 年第三产业就业人数的时间序列进行了动态拟合，同时将“大跃进”对其人数的影响作为干预条件，建立了干预ARIMA模型，并取得了很好的拟合效果，随后运用该模型预测了我国未来几年第三产业就业人数的发展趋势 [5]；陈洁、李玉双等人运用灰色系统GM(1,1)预测模型对 2002~2007年湖南省第三产业就业人数的数据进行分析并得到了较好的拟合效果[6]；俞国梅通过回归分析研究了三次产业就业人数与GDP之间的关系[7] . 　　因此，本文选取河南省近20年的第三产业就业人数作为研究对象，通过建立时间序列模型预测我省未来五年的第三产业就业人数，能够从中揭示出我省国民经济水平的发展状况，有利于把握我省目前的就业形势，为政策出台提供理论依据. 时间序列模型的建立与评价 时间序列概述 　　在统计学中，将某一指标的数值按照时间的先后顺序进行排列而重新得到的一组数列叫做时间序列[8].常用 来表示，简记为或者.用或表示该时间序列的 或者 .用 或 个有序观测值[9]. 　　对时间序列建模是时间序列分析的一种重要手段，即时间序列模型.常用的建模方法有：时间序列分解法、趋势外推法、指数平滑法等，本文采用趋势外推法和指数平滑法进行建模. 数据的选取 　　本文于2020年河南省统计年鉴中选取河南省2000～2019年第三产业就业人数作为原始数据[10]，以该时期的时 间序列为研究对象，建立时间序列模型.数据见表2-1. 表2-1 河南省第三产业就业人数（单位：万人） 　　 年份 就业人数 年份 就业人数 2000 1031 2010 1577 2001 1041.63 2011 1674.901 2002 1086 2012 1740.1798 2003 1120.26 2013 1788.8985 2004 1200 2014 1872.7158 2005 1272 2015 2007 2006 1318 2016 2087.5257 2007 1366 2017 2168.0983 2008 1424.22 2018 2277.96 2009 1509.2 2019 2365.2588 　　为了直观地看出该时间序列的变化趋势，便于采用合适的模型对其进行建模，现利用绘制其散点图（程序见附录1），见下图2-1： 图2-1 河南省第三产业就业人数散点图 指数曲线外推模型 模型理论介绍 　　当预测对象的时间序列呈现出无明显波动的上升或下降趋势，且能够用一个合适的函数来进行描述时，就可以采用趋势外推法建模.此时可以将时间作为自变量，时序数值作为因变量，建立趋势模型[12]： .(2-1) 　　若时间序列 .(2-1) 　　若时间序列 .(2-2) 数进行外推预测，建立指数曲线外推模型.模型公式为： 模型的选择与建立 　　运用趋势外推法建立模型时，可根据模型的图形特征以及阶差特征进行选择[11]. 指数曲线外推模型的图形特征和阶差特征如下：（1）图形特征指数曲线外推模型的图形特征是其时间序列的散点图按照指数曲线或近似指数曲线的变化趋势分布. （2）阶差特征 指数曲线外推模型的阶差特征表现为时间序列的一阶差比大致相等，见表2-2. 表2-2 指数曲线外推模型一阶差比计算表 表2-2 指数曲线外推模型一阶差比计算表 1 -- 2 3 … … … t 当时间序列各期数值满足一阶差比相等或大致相等时，可配以指数曲线外推模型进行预测[12]. 　　为检