组合预测模型在宁波市就业趋势的预测研究

寇小鸿

摘 要：选取2006～2014年宁波市社会就业数据，分别建立灰色预测模型与三次指数平滑模型，在2种模型基础上进行加权组合，建立科学的组合预测模型，并对2015～2017年宁波市社会就业人数进行预测。分析结果表明，组合模型的高精度预测可以为宁波市政府科学预测社会就业人数提供科学的方法和决策依据。

关键词：灰色预测;三次指数平滑;组合预测;就业趋势

中图分类号：TP399 文献标识码：B 文章编号：1674-2346（2016）01-0080-04

影响社会就业的因素非常复杂，单一的预测方法在进行具体预测时总会存在一定的缺陷，灰色预测短期预测效果好，事物未来的发展决非过去的简单重复，因此不适合长期预测，指数平滑法适用于社会就业人数增长呈现非线性趋势时中期预测。本文以宁波市历年社会就业人口数作为研究对象，采用均方差方法将这2种模型进行组合预测分析，取长补短，并对2015-2017年宁波市就业人数进行预测，为宁波市政府提供了科学预测方法和决策依据。

1    研究方法

1.1    GM（1，1）模型原理

灰色预测是对“部分信息已知，部分信息未知”的不确定信息的系统进行预测，将离散变量连续化，用微分方程代替差分方程，对在一定范围内有变化的时间序列数据进行数量大小的预测。GM（1，1）模型是灰色预测的核心，是一个单变量的一阶线性动态模型，其时间响应函数近似呈单调的指数规律变化。

1.2    三次指数平滑法

指数平滑预测法是对无规则的时间序列数据加以平滑，获得其变化规律和趋势，从而对未来的数据进行预测。三次指数平滑是在一次指数平滑后的二次指数平滑的基础上，再进行一次平滑，从而建立预测方程。当数据单纯围绕某一个水平作随机跳动时，应采用一次平滑预测模型;当数据具有持续的线性增长或线性下降趋势时，应采用二次平滑预测模型;当数据具有持续的曲线增长或下降趋势时，应采三次平滑预测模型。经过对宁波市社会就业人数的数据分析，采取三次指数平滑模型是合适的。

1.3    研究的数据

选取了2006～2014年宁波市社会就业人数数据，见表1。本文采用DPS12.0软件进行数据处理。

2    模型的建立

3    预测结果分析

对2006-2014年的宁波市社会就业人数的数据进行模型分析，计算结果如表3，各模型变化趋势如图1。由表3可知，组合模型拟合值的平均相对误差最小，优于各单项预测模型的预测结果，图1中，组合预测模型的增长趋势与实际值的增长趋势吻合度较高，因此，组合预测模型可用于宁波市社会就业人数的预测。

根据上述组合模型对宁波2015～2017年宁波市社会就业人数进行预测，预测结果如表4。由表4可知，2015～2017年宁波市社会就业人数的组合模型的预测结果，可反映宁波市社会就业人数是逐年增长的，这符合近年来宁波市社会就业的发展状况和客观规律。组合模型预测结果变化适中，三次指数平滑模型预测增长最快，灰色模型预测结果增长较慢。这主要有2个原因：一是灰色预测模型对数据要求不高，不考虑数据的概率分布和随机误差。二是指数平滑模型对样本条件要求较高，对于序列变化缓慢时进行预测，才具有较高的精度。

4    结论

研究结果表明，没有完美统一的单一预测方法。这是因为每种预测方法都是利用历史数据进行建模，而像社会就业人数这样一个经济运行问题是相当复杂的，要受到多种因素的影响，特别是国家政策的影响、经济腹地发展水平以及其它不确定因素等。随着宁波市的内部因素和外部环境会发生变化，社会就业人数的波动较大时造成预测结果的不可靠。如果将以上两种方法进行组合，最大限度地综合各种单项预测模型的优点，克服单一预测法的缺陷，可以预测未来一定时期的宁波市社会就业人数，为宁波市政府科学预测社会就业人数提供科学的方法和决策依据。

但在研究过程中存在着误差，分析原因：

1）从理论上讲，该组合预测模型可以预测未来中长期的社会就业人数，但随着时间的推移，未来的诸多不可控因素将不断地进入系统;再者，影响社会就业人数的因素很多，对宁波市社会就业的人数的影响也有主有次，可见对社会就业人数的预测是较为复杂的过程。因此，对于社会就业人数的长期预测模型的建立有待进一步的研究和探索。

2）模型的每一年的预测是建立在上一年社会就业人数的预测结果上的，这样放大了预测误差。如果进行预测时，采用新的数据，重新拟合模型并及时修正模型，预测效果更理想。

综上所述， 通过组合预测模型结果验证，预测值与实际值的吻合度很高，组合预测模型具有较好的稳定性，能够反映宁波市社会就业人数的变化趋势，可以作为一种有效预测手段为宁波市就业人数预测提供科学参考。

参考文献

[1]何运村，张柱华.灰色理论及神经网络在就业预测中的应用研究[J].计算机与数字工程，2008，l36（8）：154-156.

[2]尚晓锶，林卫东，唐艳葵.指数平滑和GM（1，1）组合法在水质预测中的应用——以邕江水源地铁、锰浓度为例[J].环境科学 与技术，2011，34（1）：191-195.

[3]唐启义，冯明光.实用统计分析及其DPS数据处理系统[M].北京：科学出版社，2009，622-623.

[4]雷利平，邓继忠，张进疆，何琳.广东省水稻联合收割机保有量预测[J].中国农机化，2009，（2）：50-53.

[5]程春光.组合预测在石油行业预算管理中的应用[D].天津：天津大学，2008.

[6]张道文.基于GM（1，1）的道路交通事故预测西华大学学报[J].自然科学版，2009，28（3）：28-34.

[7]索瑞霞，王福林.组合预测模型在能源消费预测中的应用[J].数学的实践与认识，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

（责任编辑：田犇）