基于回歸分析的失業(yè)預(yù)警建模實(shí)證研究

李 宏，李建武，莫 榮，宋玉龍

(1.中國人民大學(xué)勞動(dòng)人事學(xué)院北京，100872;2.人力資源和社會(huì)保障部勞動(dòng)科學(xué)研究所，北京，100029;3.北京理工大學(xué)計(jì)算機(jī)學(xué)院智能信息技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京100081)

一、引言

失業(yè)問題既是綜合性的經(jīng)濟(jì)問題，又是復(fù)雜的社會(huì)問題。西方發(fā)達(dá)國家和許多發(fā)展中國家，都把實(shí)現(xiàn)“充分就業(yè)”作為社會(huì)經(jīng)濟(jì)發(fā)展的重要目標(biāo)之一。

當(dāng)前，我國經(jīng)濟(jì)面臨十分復(fù)雜的國際經(jīng)濟(jì)環(huán)境，人民幣升值、原材料價(jià)格上漲、通脹輸入壓力增加等等，導(dǎo)致出口和經(jīng)濟(jì)增速下降、部分小企業(yè)倒閉，其可能帶來的失業(yè)問題值得關(guān)注，政府對此問題也高度重視。如何對失業(yè)狀況進(jìn)行科學(xué)預(yù)測，根據(jù)預(yù)測結(jié)果適時(shí)發(fā)出警報(bào)，并制定有針對性的預(yù)案，對之進(jìn)行及時(shí)有效的調(diào)控，是我國在經(jīng)濟(jì)轉(zhuǎn)軌時(shí)期必須認(rèn)真對待解決的客觀現(xiàn)實(shí)問題。

在我國，黨的十六屆三中全會(huì)第一次提出，要建立和健全各種預(yù)警和應(yīng)急制度，提高政府應(yīng)對突發(fā)事件和風(fēng)險(xiǎn)的能力。2008年1月1日開始施行的《中華人民共和國就業(yè)促進(jìn)法》第四十二條明確規(guī)定:“縣級以上人民政府建立失業(yè)預(yù)警制度，對可能出現(xiàn)的較大規(guī)模的失業(yè)，實(shí)施預(yù)防、調(diào)節(jié)和控制”。第四十三條規(guī)定:“國家建立勞動(dòng)力調(diào)查統(tǒng)計(jì)制度和就業(yè)登記、失業(yè)登記制度，開展勞動(dòng)力資源和就業(yè)、失業(yè)狀況調(diào)查統(tǒng)計(jì)，并公布調(diào)查統(tǒng)計(jì)結(jié)果”。

建立一整套失業(yè)監(jiān)測、預(yù)警和預(yù)案的體系，對于促進(jìn)社會(huì)穩(wěn)定與和諧發(fā)展，具有重大現(xiàn)實(shí)意義。建立失業(yè)監(jiān)測預(yù)警系統(tǒng)，完善失業(yè)統(tǒng)計(jì)和預(yù)警制度，掌握勞動(dòng)力資源和勞動(dòng)力市場供求狀況，對各級政府制定就業(yè)政策，兼顧效益與安定，控制失業(yè)規(guī)模，保持社會(huì)穩(wěn)定具有重要意義。

二、失業(yè)預(yù)警研究現(xiàn)狀及存在問題分析

(一)研究現(xiàn)狀

國外失業(yè)預(yù)警模型主要建立在宏觀經(jīng)濟(jì)預(yù)警系統(tǒng)的基礎(chǔ)之上。在20世紀(jì)60年代前，西方國家對經(jīng)濟(jì)預(yù)警系統(tǒng)的研究停留在經(jīng)濟(jì)循環(huán)和經(jīng)濟(jì)晴雨表(Economic Barometer)等預(yù)測研究的層面上［1］。1950年 Moore的擴(kuò)散指數(shù)和 1960年Shiskin的綜合指數(shù)成為美國構(gòu)造預(yù)警系統(tǒng)的兩大基本方法［1－3］。采用時(shí)間序列分析建模是該領(lǐng)域中的一類重要方法，已經(jīng)取得了豐富的成果，如Jeffrey等人采用的移動(dòng)平均模型［4］、Enriquede 采用的自回歸模型［5］、Hansen采用的門限自回歸模型［6］、Van Dijk等人采用的基于分?jǐn)?shù)協(xié)整與平滑轉(zhuǎn)換自回歸相結(jié)合的模型［7］以及Harvey的時(shí)間序列自回歸移動(dòng)平均模型結(jié)合Kalman濾波及季節(jié)性調(diào)整的技術(shù)［8］。Engle于1982年提出了ARCH(AutoRegressive Conditional Heteroskedasticity)類模型［9］，大大改進(jìn)了預(yù)警風(fēng)險(xiǎn)的評估方法。進(jìn)一步，Bollerslev于1986提出了 GARCH模型(Generalized ARCH)［10］。Kaminsky，Lizondo 與 Reinhart于1997年創(chuàng)建了KLR信號分析法［11］，其基本思想是選擇一系列指標(biāo)并根據(jù)其歷史數(shù)據(jù)確定其臨界值，當(dāng)某個(gè)指標(biāo)的臨界值在某個(gè)時(shí)期被突破，就意味著該指標(biāo)發(fā)出了一個(gè)危機(jī)信號。

1988年，本文作者所在的勞動(dòng)科學(xué)研究所失業(yè)預(yù)警課題組首次倡導(dǎo)“勞動(dòng)部門應(yīng)建立包括失業(yè)預(yù)警系統(tǒng)在內(nèi)的六大勞動(dòng)預(yù)警系統(tǒng)”［12］。經(jīng)過多年的潛心研究，該課題組于2001年完成“我國失業(yè)預(yù)警與就業(yè)對策研究報(bào)告”，該工作以失業(yè)率或失業(yè)人數(shù)作為自變量，使用了數(shù)學(xué)建模方法和數(shù)據(jù)庫技術(shù)［13］。劉偉等人對深圳市失業(yè)預(yù)警監(jiān)測系統(tǒng)進(jìn)行了研究［14］。首都經(jīng)貿(mào)大學(xué)的紀(jì)韶教授經(jīng)過多年的研究，出版了專著《中國失業(yè)預(yù)警—理論視角、研究模型》［1］。秦開運(yùn)對構(gòu)建失業(yè)預(yù)警系統(tǒng)需要的指標(biāo)進(jìn)行了分析［15］，而丁立宏等人對完善我國失業(yè)統(tǒng)計(jì)指標(biāo)體系給出了若干建議［16］。劉紅霞從勞動(dòng)力市場、勞動(dòng)力構(gòu)成、經(jīng)濟(jì)發(fā)展三維度出發(fā)，設(shè)計(jì)了失業(yè)預(yù)警指標(biāo)體系［17］。陳仲常等人采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)對我國失業(yè)預(yù)警系統(tǒng)進(jìn)行了建模［18］。李永捷通過建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，對成都市的失業(yè)狀況進(jìn)行了分析與建模［19］。張興會(huì)等人則分別采用遞階對角神經(jīng)網(wǎng)絡(luò)［20］與對角 Elman神經(jīng)網(wǎng)絡(luò)模型［21］對失業(yè)預(yù)測系統(tǒng)進(jìn)行了建模。向小東等人采用機(jī)器學(xué)習(xí)與模式識(shí)別領(lǐng)域中的核技巧，對失業(yè)預(yù)警系統(tǒng)進(jìn)行了非線性建模分析，使用支持向量機(jī)建立了回歸預(yù)測模型［22］。趙建國等人基于擴(kuò)散指數(shù)法與逐步回歸技術(shù)改進(jìn)了失業(yè)預(yù)警模型，進(jìn)行了實(shí)證分析［2－3］;并對我國現(xiàn)行失業(yè)警戒線確定方法進(jìn)行了探討，構(gòu)建了基于綜合指數(shù)的失業(yè)預(yù)警模型［23］。黃波等人基于排序logit模型對城鎮(zhèn)就業(yè)進(jìn)行了風(fēng)險(xiǎn)分析及預(yù)測［24］。

由上可見，當(dāng)前國內(nèi)外學(xué)術(shù)界已經(jīng)采用了多種定量分析方法對失業(yè)預(yù)警系統(tǒng)進(jìn)行建模，可歸納為兩大類方法:一大類方法是采用基于時(shí)間序列分析的計(jì)量經(jīng)濟(jì)模型，如自回歸滑動(dòng)平均模型、ARCH模型等等;另一大類則是采用回歸分析的技術(shù)，如線性回歸、各種神經(jīng)網(wǎng)絡(luò)模型等等。同時(shí)，這些技術(shù)在我國不同的城市或地區(qū)得到了初步的嘗試。

(二)存在的問題

盡管我國在失業(yè)預(yù)警系統(tǒng)研究方面已取得了初步的成就，但仍然存在很大的不足。具體表現(xiàn)為:當(dāng)前可獲得的與失業(yè)預(yù)警相關(guān)的樣本數(shù)據(jù)非常有限，是典型的小樣本建模問題;涉及到的社會(huì)經(jīng)濟(jì)指標(biāo)眾多，需要面臨高維數(shù)據(jù)建模的難題;該系統(tǒng)也包含了復(fù)雜的非線性數(shù)學(xué)模型，通常的線性建模技術(shù)并不適用;由于社會(huì)經(jīng)濟(jì)調(diào)查數(shù)據(jù)中會(huì)存在多種噪音，還可能存在部分調(diào)查數(shù)據(jù)的缺失，進(jìn)一步加大了失業(yè)預(yù)警建模的難度。

眾多的社會(huì)經(jīng)濟(jì)指標(biāo)使得失業(yè)率的概率分布復(fù)雜，很難成為平穩(wěn)分布，再加上調(diào)查中存在的誤差及各種噪音數(shù)據(jù)的存在，使得傳統(tǒng)的各種時(shí)間序列分析模型(如ARCH模型、GARCH模型等)的使用受到了極大的限制。

另外，不同的研究人員分別采用了不同的失業(yè)預(yù)警建模方法，目前仍然沒有對各種方法進(jìn)行過系統(tǒng)的比較，很難判斷出各種方法的性能優(yōu)劣，這給失業(yè)預(yù)警用戶對不同模型的選擇帶來了困惑。

(三)本文主要工作

在失業(yè)預(yù)警系統(tǒng)建模中，數(shù)據(jù)的預(yù)處理非常重要。本文首先討論了常用的缺失數(shù)據(jù)處理機(jī)制、數(shù)據(jù)歸一化方法以及高維數(shù)據(jù)降維與數(shù)據(jù)去噪聲技術(shù)。

鑒于回歸技術(shù)是失業(yè)預(yù)警建模的重要途徑，本文采用五種回歸技術(shù)對失業(yè)預(yù)警系統(tǒng)進(jìn)行建模，包括:最小二乘回歸、Logistic回歸、嶺回歸、BP神經(jīng)網(wǎng)絡(luò)以及支持向量回歸。

基于廣東省與失業(yè)相關(guān)的社會(huì)經(jīng)濟(jì)調(diào)查數(shù)據(jù)(2000—2010年)，對上述5種回歸方法進(jìn)行了實(shí)證分析，并根據(jù)實(shí)驗(yàn)結(jié)果對各種方法的性能進(jìn)行了比較與評價(jià)，旨在為相關(guān)部門對失業(yè)預(yù)警模型的選擇提供參考。

三、失業(yè)預(yù)警建模的數(shù)據(jù)預(yù)處理技術(shù)

(一)失業(yè)預(yù)警指標(biāo)選擇

本文作者中的莫榮、李宏于2001年完成了國家科委軟科學(xué)研究項(xiàng)目“我國失業(yè)預(yù)警系統(tǒng)與對策研究”(K97－10－50)，對失業(yè)預(yù)警所需指標(biāo)體系進(jìn)行了系統(tǒng)的分析。本文直接采用其中的指標(biāo)體系，具體選擇如下的25個(gè)宏觀經(jīng)濟(jì)指標(biāo)作為調(diào)查變量:

失業(yè)指標(biāo)1個(gè):城鎮(zhèn)登記失業(yè)率;

國民經(jīng)濟(jì)發(fā)展指標(biāo)5個(gè):國內(nèi)生產(chǎn)總值(GDP)、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、工業(yè)增加值;

勞動(dòng)力資源指標(biāo)2個(gè):勞動(dòng)年齡人口、普通高等學(xué)校學(xué)生數(shù);

投資指標(biāo)1個(gè):基本建設(shè)投資總額;

能源和材料指標(biāo)4個(gè):能源生產(chǎn)總量、發(fā)電量、鋼產(chǎn)量、水泥產(chǎn)量;

貿(mào)易指標(biāo)4個(gè):商品銷售現(xiàn)金收入、海關(guān)統(tǒng)計(jì)進(jìn)出口總額、進(jìn)口總額、出口總額;

財(cái)政貨幣指標(biāo)4個(gè):金融機(jī)構(gòu)企業(yè)存款、市場貨幣流通量、貨幣供給M1、貨幣供給M2;

生活和價(jià)格指標(biāo)4個(gè):銀行工資性現(xiàn)金支出、居民人均收入、居民消費(fèi)價(jià)格總指數(shù)、商品銷售價(jià)格指數(shù)。

(二)常用缺失數(shù)據(jù)的處理方法

數(shù)據(jù)缺失是一種在失業(yè)預(yù)警系統(tǒng)數(shù)據(jù)采集過程中常見的問題，缺失數(shù)據(jù)是指由于各種原因本應(yīng)該得到而實(shí)際上沒有得到的數(shù)據(jù)。

處理缺失數(shù)據(jù)的方法［25－26］可分為3類:加權(quán)方法、填補(bǔ)方法和參數(shù)似然方法。

加權(quán)方法的本質(zhì)是將賦予缺失數(shù)據(jù)的權(quán)數(shù)分擔(dān)到非缺失數(shù)據(jù)身上。

填補(bǔ)方法的核心問題是為缺失數(shù)據(jù)尋找一個(gè)最佳的“替代值”。填補(bǔ)方法包括傳統(tǒng)的數(shù)據(jù)填補(bǔ)方法和多重填補(bǔ)方法。傳統(tǒng)數(shù)據(jù)填補(bǔ)方法包括刪除法、回歸填補(bǔ)法、均值填補(bǔ)法等;常用的多重填補(bǔ)方法包括回歸填補(bǔ)法、預(yù)測均值匹配法、Logistic回歸填補(bǔ)法等。

參數(shù)似然方法與加權(quán)方法和填補(bǔ)方法相比，其處理缺失數(shù)據(jù)往往能產(chǎn)生更好的估計(jì)量，但需要知道數(shù)據(jù)分布的具體參數(shù)模型。

(三)數(shù)據(jù)的歸一化方法

在失業(yè)預(yù)警系統(tǒng)建模過程中，所涉及到的各個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)的量綱往往會(huì)存在很大的差異。例如，失業(yè)率的統(tǒng)計(jì)數(shù)值介于0與1之間，而建設(shè)投資總額的量度可以達(dá)到千萬，城鎮(zhèn)人均收入則以千為單位。如果直接采用各個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)的原始數(shù)值去建模，各個(gè)指標(biāo)量綱之間的巨大差異會(huì)直接影響所建模型的性能。因此，在建模之前，必須對數(shù)據(jù)進(jìn)行歸一化處理。

數(shù)據(jù)的歸一化是通過函數(shù)變換將數(shù)值映射到某個(gè)數(shù)值區(qū)間，通常把數(shù)據(jù)歸一化到區(qū)間［－1，1］或［0，1］中。常用的歸一化方法［27－28］包括:min －max歸一化方法、零均值歸一化方法、Decimal Scaling歸一化方法、對數(shù)函數(shù)轉(zhuǎn)換、反正切函數(shù)轉(zhuǎn)換。

(四)高維數(shù)據(jù)降維與去噪聲

在失業(yè)預(yù)警系統(tǒng)建模中，當(dāng)前可以獲得的數(shù)據(jù)非常有限。從我國各省統(tǒng)計(jì)信息網(wǎng)上公開的社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)來看，很多數(shù)據(jù)是直接從2000年開始公布的。就以本文對廣東省進(jìn)行失業(yè)預(yù)警系統(tǒng)建模為例，該省是我國一個(gè)經(jīng)濟(jì)與人口大省，該省統(tǒng)計(jì)信息網(wǎng)上也僅僅公開發(fā)布了從2000年到目前的大部分社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)，如果我們以季度為時(shí)間周期進(jìn)行建模，所獲得的社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)也只有40多組。另外，與失業(yè)預(yù)警系統(tǒng)建模相關(guān)的社會(huì)經(jīng)濟(jì)指標(biāo)眾多，選出20多個(gè)與失業(yè)相關(guān)性強(qiáng)的社會(huì)經(jīng)濟(jì)指標(biāo)。根據(jù)回歸的理論分析，為保證所建預(yù)測模型的有效性，建模數(shù)據(jù)的指標(biāo)越多，所需要的建模數(shù)據(jù)也就應(yīng)該越多。

此外，社會(huì)經(jīng)濟(jì)調(diào)查數(shù)據(jù)受客觀環(huán)境的限制，存在一定的不精確性或誤差，我們把此稱為數(shù)據(jù)噪聲。數(shù)據(jù)中存在的噪聲一定程度上會(huì)影響所建失業(yè)預(yù)警模型的性能。

為此，可以采用主成分分析［29］或獨(dú)立成分分析［30］來對所獲得的調(diào)查統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理。這樣做的原因有兩點(diǎn):第一、失業(yè)預(yù)警系統(tǒng)建模中所涉及的各項(xiàng)社會(huì)經(jīng)濟(jì)指標(biāo)之間存在一定的相關(guān)性，通過主成分分析或獨(dú)立成分分析可以提取這些相關(guān)數(shù)據(jù)中的主要成分或獨(dú)立成分，從而達(dá)到降維的目的;第二、社會(huì)經(jīng)濟(jì)調(diào)查統(tǒng)計(jì)數(shù)據(jù)中往往存在數(shù)據(jù)缺失與各種調(diào)查誤差，通過提取主成分或獨(dú)立成分，去掉的部分可以認(rèn)為是調(diào)查數(shù)據(jù)中存在的各種噪聲。

四、回歸分析模型

回歸分析是數(shù)理統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)研究中的重要內(nèi)容，近些年來，相關(guān)研究成果層出不窮。本文著重探討最小二乘回歸、Logistic回歸、嶺回歸、BP神經(jīng)網(wǎng)絡(luò)以及支持向量回歸等模型。

(一)最小二乘回歸

最小二乘回歸［31］是一種線性回歸模型，線性回歸是使用線性函數(shù)從現(xiàn)有的數(shù)據(jù)中估計(jì)出模型中所包含的未知參數(shù)的過程，基于所建立的回歸模型可以對未來的數(shù)據(jù)進(jìn)行預(yù)測。

給定訓(xùn)練樣本集{xi，yi}，xi∈Rd，i=1，2，…，n，xi=(xi1，xi2，…，xid)T，yi∈R，尋找一個(gè)線性函數(shù)(常數(shù)項(xiàng)作為w的一個(gè)維度出現(xiàn)，不再顯式給出，以下均如此)

使損失函數(shù)L(f(x)，y)達(dá)到最小值，即尋找一個(gè)最優(yōu)的向量w使損失函數(shù)最小。這里取損失函數(shù)為對訓(xùn)練樣本預(yù)測的誤差平方和，即

對w求偏導(dǎo)并令其為零，最終可得線性回歸方程為:

其中，X為n×d矩陣，它的每一行由列向量xi的轉(zhuǎn)置構(gòu)成，i=1，2，…，n，w 為 d維列向量，y為 n 維列向量，y=(y1，y2，…，yn)T，x為測試樣本。若XTX不可逆，可以計(jì)算XTX的偽逆。

(二)Logistic回歸

Logistic回歸［28］以兩類別標(biāo)志0與1作為回歸目標(biāo)，其中一個(gè)重要概念就是優(yōu)勢比(Odds Ratio)，假設(shè)Logistic回歸中的一個(gè)類別輸出的概率為P，則另一個(gè)類別輸出的概率為1－P，則優(yōu)勢比可以定義為:

用輸出1與0分別表示兩個(gè)類別，假設(shè)輸出y=1的概率為P，則y=0的概率為1－P，自變量為x，則建立Logistic回歸模型為:

其中，w是接下來要估計(jì)的未知參數(shù)。假設(shè)所有訓(xùn)練樣本的個(gè)數(shù)為n，yi是第i個(gè)訓(xùn)練樣本，i=1，2，…，n，服從伯努利分布。用最大似然估計(jì)法估計(jì)其中的參數(shù)w。似然函數(shù)為:

對似然函數(shù)取對數(shù)，并對w求偏導(dǎo)令其為零，可解出待估參數(shù)。

(三)嶺回歸

嶺回歸(Ridge Regression)［32］是對基本的最小二乘回歸的一種改進(jìn)，最小二乘回歸使用的是傳統(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則，而嶺回歸技術(shù)采用的是正則化的思想。

對于公式(1)中給出的待求解的線性回歸方程，嶺回歸的目的就是尋找最優(yōu)的w使得下面的目標(biāo)函數(shù)最小，即

其中，λ為正則項(xiàng)參數(shù)，控制著正則化程度，起到平衡兩項(xiàng)的作用。相對應(yīng)的Lagrange函數(shù)為:

其中，ai為Lagrange乘子。分別對w和ξi求偏導(dǎo)并令等式為零，可以獲得最終的解。

(四)BP神經(jīng)網(wǎng)絡(luò)模型

1986年，David E.Rumelhart等學(xué)者提出多層感知器的反向傳播(Backpropogation，簡稱BP)算法，這種學(xué)習(xí)算法使得多層感知器可以逼近任意復(fù)雜的非線性函數(shù)。BP學(xué)習(xí)算法要求激活函數(shù)是可微的。BP神經(jīng)網(wǎng)絡(luò)是一種采用BP學(xué)習(xí)算法的前饋神經(jīng)網(wǎng)絡(luò)，拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

BP算法采用梯度下降方法試圖最小化網(wǎng)絡(luò)輸出值和期望輸出值之間的誤差平方，詳細(xì)計(jì)算過程參見文獻(xiàn)［28］。

(五)支持向量回歸

支持向量回歸(Support Vector Regression，簡稱SVR)［33］方法是由Vapnik等人在1996年提出。

假設(shè)給定訓(xùn)練樣本集合{xi，yi}，xi∈Rd，i=1，2，…，n，xi=(xi1，xi2，…，xid)T，yi∈R。尋找最優(yōu)的w，使回歸函數(shù)

對所有的訓(xùn)練樣本，在ε不敏感損失準(zhǔn)則下訓(xùn)練誤差最小。用約束最優(yōu)化模型描述該問題為:

利用上式對應(yīng)的對偶最優(yōu)化問題以及KKT條件最終可求得回歸方程為:

其中，x為新輸入的測試樣本，

xj為任意一個(gè)支持向量。

如果在原空間中的數(shù)據(jù)不滿足線性關(guān)系，可以使用核技巧，將原空間中的樣本映射到一個(gè)高維特征空間中，即定義一個(gè)核函數(shù)K(x，y)，用核函數(shù)代替兩個(gè)原始向量在特征空間中像的內(nèi)積，此時(shí)，式(11)變?yōu)?

其中，

五、失業(yè)預(yù)警建模實(shí)證研究

廣東省作為外來勞動(dòng)力輸入的大省，吸納了幾千萬外來勞動(dòng)力就業(yè)。但該省經(jīng)濟(jì)以外向經(jīng)濟(jì)為主，不僅受國際經(jīng)濟(jì)發(fā)展的影響很大，而且受到部分國家貿(mào)易保護(hù)和貿(mào)易壁壘的影響也很大，因此，在局部行業(yè)、產(chǎn)業(yè)和地區(qū)將存在造成大規(guī)模失業(yè)的可能性。因此，在該省建立一整套失業(yè)監(jiān)測與預(yù)警體系，具有重大的現(xiàn)實(shí)意義。

(一)數(shù)據(jù)預(yù)處理

1.失業(yè)基準(zhǔn)指標(biāo)

預(yù)測失業(yè)的變化，失業(yè)基準(zhǔn)指標(biāo)的選擇是非常重要的環(huán)節(jié)，在這里直接采用城鎮(zhèn)登記失業(yè)率作為基準(zhǔn)指標(biāo)。

2.數(shù)據(jù)來源和預(yù)處理

城鎮(zhèn)登記失業(yè)率數(shù)據(jù)來自于廣東省人力資源和社會(huì)保障廳失業(yè)保障處。我們從該省統(tǒng)計(jì)信息網(wǎng)得到2000年第1季度到2010年第3季度的17個(gè)經(jīng)濟(jì)指標(biāo)的季度或月度數(shù)據(jù)(前面部分提到了除失業(yè)率外的24個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)，但剩余的7個(gè)指標(biāo)數(shù)據(jù)難以獲得)，分別為:生產(chǎn)總值(GDP)、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、工業(yè)增加值、單位從業(yè)人員、建設(shè)投資總額、能源生產(chǎn)總量、發(fā)電量、鋼產(chǎn)量、水泥產(chǎn)量、進(jìn)出口總額、進(jìn)口總額、出口總額、城鎮(zhèn)單位職工平均工資、居民消費(fèi)價(jià)格總指數(shù)和商品零售價(jià)格指數(shù)。其中居民消費(fèi)價(jià)格總指數(shù)和商品零售價(jià)格指數(shù)指標(biāo)體系要求提供季度資料，但只查閱到月度資料，對于這兩個(gè)指標(biāo)，我們對其每個(gè)季度三個(gè)月的數(shù)據(jù)求均值得到季度數(shù)據(jù)。此外居民消費(fèi)價(jià)格總指數(shù)2006年至2008年的數(shù)據(jù)以及商品零售價(jià)格指數(shù)2003年至2008年的數(shù)據(jù)來源于國家統(tǒng)計(jì)數(shù)據(jù)庫。其余的月度數(shù)據(jù)，我們直接求該季度所包含的月度數(shù)據(jù)的和得到季度數(shù)據(jù)。用每個(gè)季度的經(jīng)濟(jì)指標(biāo)加上城鎮(zhèn)登記失業(yè)率作為行向量，這樣可以構(gòu)成43×18的矩陣。

由于統(tǒng)計(jì)數(shù)據(jù)存在缺失，在此統(tǒng)一采用均值填補(bǔ)法進(jìn)行填補(bǔ)。

處理完缺失數(shù)據(jù)后，由于各個(gè)經(jīng)濟(jì)指標(biāo)的單位不統(tǒng)一，需要對數(shù)據(jù)進(jìn)行歸一化處理。在此采用零均值歸一化方法，即采用下面公式:

其中，x、y分別為轉(zhuǎn)換前和轉(zhuǎn)換后的值，ā是屬性A原始值的均值，σA是屬性A原始值的標(biāo)準(zhǔn)差。

由于采集到的數(shù)據(jù)較少，而每組數(shù)據(jù)的指標(biāo)眾多，同時(shí)考慮到社會(huì)經(jīng)濟(jì)數(shù)據(jù)調(diào)查中存在一定的噪聲以及缺失數(shù)據(jù)，因此接下來對數(shù)據(jù)進(jìn)行主成分分析，對數(shù)據(jù)進(jìn)行降維與去噪聲。首先我們?nèi)サ舫擎?zhèn)登記失業(yè)率數(shù)據(jù)，將數(shù)據(jù)變成43×17的矩陣。我們?nèi)?000年第1季度的數(shù)據(jù)到2008年第3季度的數(shù)據(jù)作為訓(xùn)練樣本集，取2008年第4季度的數(shù)據(jù)到2010年第3季度的數(shù)據(jù)作為測試樣本。然后對訓(xùn)練樣本進(jìn)行主成分分析，設(shè)置貢獻(xiàn)率閾值為95%，即至少保持原始數(shù)據(jù)的95%的信息。經(jīng)過處理后，將原來的17維數(shù)據(jù)降到4維，原始數(shù)據(jù)的協(xié)方差矩陣最大的4個(gè)特征值為

最后對訓(xùn)練樣本和測試樣本進(jìn)行降維，將它們投影到由這4個(gè)特征向量張成的子空間中，這樣就得到了降維后的數(shù)據(jù)。

(二)實(shí)驗(yàn)結(jié)果

1.構(gòu)造訓(xùn)練樣本集和測試樣本集

數(shù)據(jù)經(jīng)過預(yù)處理之后，用本季度的經(jīng)濟(jì)指標(biāo)加上當(dāng)前季度之前三個(gè)季度的失業(yè)率和本季度失業(yè)率來對下一個(gè)季度的失業(yè)率進(jìn)行預(yù)測，故樣本集可表示為

＜Xi，Yi＞ = ＜ 本季度的經(jīng)濟(jì)指標(biāo) +前三個(gè)季度的失業(yè)率 +本季度的失業(yè)率，下一季度的失業(yè)率＞

取2000年第1季度到2008年第4季度的數(shù)據(jù)作為訓(xùn)練樣本集，取2009年第1季度到2010年第3季度的數(shù)據(jù)作為測試樣本集，根據(jù)所計(jì)算的預(yù)測結(jié)果與實(shí)際調(diào)查數(shù)據(jù)來統(tǒng)計(jì)預(yù)測精度。

2.最小二乘回歸實(shí)驗(yàn)結(jié)果

失業(yè)率的最小二乘回歸模型如下

其中，ai為所求系數(shù)，i=0，2，…，8;U1代表失業(yè)率;Xi代表影響失業(yè)的各種經(jīng)濟(jì)因素(此處為經(jīng)過主成分提取后得到的降維數(shù)據(jù))，i=1，2，3，4，Xj為當(dāng)前季度之前三個(gè)季度的失業(yè)率，j=5，6，7，X8代表當(dāng)前季度的失業(yè)率。

根據(jù)最小二乘回歸算法，得到失業(yè)率模型的參數(shù)，列在表1中。

圖2展示了2009年第1季度到2010年第3季度失業(yè)率的預(yù)測值與真實(shí)值的比較，其中橫坐標(biāo)軸給出的是從2009年第1季度到2010年第3季度的時(shí)間跨度，分別對應(yīng)了數(shù)值1～7，以下各圖坐標(biāo)軸的含義相同，不再重復(fù)說明。

3.Logistic回歸模型實(shí)驗(yàn)結(jié)果

失業(yè)率的Logistic回歸模型如下:

其中，U1為失業(yè)率，

W=(w1，w2，w3，w4，w5，w6，w7，w8)，為待估參數(shù)，

X=(X1，X2，X3，X4，X5，X6，X7，X8)，Xi代表影響失業(yè)的各種經(jīng)濟(jì)因素(此處為經(jīng)過主成分提取后得到的降維數(shù)據(jù))，i=1，2，3，4，Xj為前三個(gè)季度的失業(yè)率，j=5，6，7，X8代表當(dāng)前季度的失業(yè)率。

經(jīng)過計(jì)算，得到失業(yè)率模型的待估參數(shù)值，見表2。

表1 基于最小二乘回歸的失業(yè)率模型參數(shù)值

圖2 基于最小二乘回歸的失業(yè)率模型真實(shí)值與預(yù)測值比較

表2 基于Logistic回歸的失業(yè)率模型的參數(shù)值

圖3 基于Logistic回歸的失業(yè)率預(yù)測值和真實(shí)值的比較

表3 基于嶺回歸的失業(yè)率模型的參數(shù)值

圖4 基于嶺回歸的失業(yè)率模型的真實(shí)值與預(yù)測值比較

圖3為2009年第1季度到2010年第3季度失業(yè)率的預(yù)測值與真實(shí)值的比較。

4.嶺回歸模型實(shí)驗(yàn)結(jié)果

失業(yè)率的嶺回歸模型如下:

其中，U1為失業(yè)率，

W=(w0，w1，w2，w3，w4，w5，w6，w7，w8)，為待估參數(shù)，

X=(1，X1，X2，X3，X4，X5，X6，X7，X8)，Xi代表影響失業(yè)的各種經(jīng)濟(jì)因素(此處為經(jīng)過主成分提取后得到的降維數(shù)據(jù))，i=1，2，3，4，Xj為前三個(gè)季度的失業(yè)率，j=5，6，7，X8代表當(dāng)前季度的失業(yè)率。

根據(jù)嶺回歸算法，得到待估系數(shù)值，見表3。

圖4為2009年第1季度到2010年第3季度失業(yè)率的預(yù)測值與真實(shí)值的比較。

5.BP神經(jīng)網(wǎng)絡(luò)回歸模型實(shí)驗(yàn)結(jié)果

根據(jù)BP神經(jīng)網(wǎng)絡(luò)，得到2009年第1季度到2010年第3季度失業(yè)率的預(yù)測值與真實(shí)值的比較，見圖5。

6.支持向量回歸模型實(shí)驗(yàn)結(jié)果

支持向量回歸模型采用2階多項(xiàng)式核函數(shù)。

根據(jù)支持向量回歸算法，我們得到2009年第1季度到2010年第3季度失業(yè)率的預(yù)測值與真實(shí)值的比較，見圖6。

圖5 基于BP神經(jīng)網(wǎng)絡(luò)模型的失業(yè)率真實(shí)值與預(yù)測值比較

圖6 基于支持向量回歸的失業(yè)率真實(shí)值與預(yù)測值比較

(三)實(shí)驗(yàn)結(jié)果對比分析

我們對上述失業(yè)率回歸模型的均方誤差和相對誤差進(jìn)行比較，列在表4中。

表4 失業(yè)率回歸模型的均方誤差和相對誤差比較

根據(jù)均方誤差、相對誤差以及前面各個(gè)圖形可知:Logistic回歸模型對失業(yè)率的預(yù)測效果最差，支持向量回歸模型對失業(yè)率的預(yù)測效果最好，最小二乘回歸、嶺回歸和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測效果介于Logistic回歸與支持向量回歸之間。

由于BP神經(jīng)網(wǎng)絡(luò)的性能受隨機(jī)初始值的影響較大，導(dǎo)致結(jié)果不穩(wěn)定且可能陷入局部極小點(diǎn)。由于支持向量回歸只采用了二階多項(xiàng)式核函數(shù)，就能夠得到相比于其他回歸方法較好的效果，如果采用精細(xì)設(shè)計(jì)的核函數(shù)(如多核設(shè)計(jì))，支持向量回歸有望得到更好的失業(yè)率預(yù)測效果。

另外，我們也基于獨(dú)立成分分析對原始數(shù)據(jù)提取獨(dú)立成分，并對多種回歸分析模型進(jìn)行了相應(yīng)的建模，得到了與采用主成分分析方法相當(dāng)?shù)挠?jì)算結(jié)果，由于文章篇幅有限，在此不再對該部分實(shí)驗(yàn)結(jié)果詳述。

六、結(jié)論

本文對基于回歸分析的失業(yè)預(yù)警建模過程進(jìn)行了系統(tǒng)分析，包括缺失數(shù)據(jù)的處理、數(shù)據(jù)的歸一化、高維數(shù)據(jù)的降維與去噪聲、回歸分析模型等環(huán)節(jié)，最終基于廣東省的社會(huì)經(jīng)濟(jì)調(diào)查數(shù)據(jù)對五種回歸模型的失業(yè)率預(yù)測效果進(jìn)行了綜合比較。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn):(1)主成分分析能夠有效地對高維的調(diào)查數(shù)據(jù)進(jìn)行維數(shù);(2)采用回歸技術(shù)可以對失業(yè)率發(fā)展趨勢進(jìn)行一定程度的預(yù)測;(3)在五種回歸分析模型中，支持向量回歸模型預(yù)測效果最好，Logistic回歸模型預(yù)測性能最差，最小二乘回歸、嶺回歸和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測精度介于Logistic回歸與支持向量回歸的預(yù)測精度之間。

下一步的工作將基于集成學(xué)習(xí)技術(shù)對多個(gè)回歸模型進(jìn)行集成，把每個(gè)單獨(dú)的回歸函數(shù)看作為一個(gè)專家，把多個(gè)專家的預(yù)測結(jié)果綜合到一起有望獲得更好的預(yù)測效果。

［1］紀(jì) 韶.中國失業(yè)預(yù)警—理論視角、研究模型［M］.北京:首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2008.

［2］趙建國，苗 莉.基于擴(kuò)散指數(shù)的逐步回歸改進(jìn)失業(yè)預(yù)警模型及實(shí)證分析［J］.中國人口科學(xué)，2008(5):52－57.

［3］趙建國.基于擴(kuò)散指數(shù)法的失業(yè)預(yù)警模型及實(shí)證分析［J］.財(cái)經(jīng)問題研究，2005(11):81－84.

［4］Jeffrey L R，Tang K.Simple Rules for Combining Forecasts:Some Empirical Results［J］.Socio － Economic Planning Sciences，1987，21(4):239 －243.

［5］Enriquede A.Constrained Forecasting in Autoregressive Time Series Models:A Bayesian Analysis［J］.International Journal of Forecasting，1993，9(1):95 －108.

［6］Hansen B E.Inference in TAR Models［J］.Studies Nonlinear Dynamics Econometrics，1997，2:1 －14.

［7］Van Dijk D，F(xiàn)ranses PHPaap R.A Nonlinear Long Memory Model with an Application to US Unemployment［J］，Journal of Econometrics，2002，110:135 －165.

［8］Harvey A C.Forecasting Structural Time Series Models and the Kalman Filter［M］.Cambridge:Cambridge University Press，1989.

［9］Robert F Engle.Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom Inflation［J］.Econometrica，1982，50:987 －1008.

［10］Tim Bollerslev.Generalized Autoregressive Conditional Heteroskedasticity［J］.Journal of Econometrics，1986，31:307－327.

［11］Kaminsky，Lizondo，Reinhart.Leading Indicators of Currency Crises［Z］.IMF Working Paper，1997:97 － 99.

［12］莫 榮.2003－2004年:中國就業(yè)報(bào)告［M］.北京:中國勞動(dòng)社會(huì)保障出版社，2004.

［13］勞動(dòng)和社會(huì)保障部勞動(dòng)科學(xué)研究所課題組.我國失業(yè)預(yù)警系統(tǒng)與就業(yè)對策研究［J］.經(jīng)濟(jì)研究參考，2002，(34):11－26.

［14］劉 偉，陸 華.深圳市失業(yè)監(jiān)測預(yù)警系統(tǒng)的研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2001(2):106－109.

［15］秦開運(yùn).我國失業(yè)保障監(jiān)測預(yù)警指標(biāo)體系的構(gòu)建［J］.統(tǒng)計(jì)與決策，2007(21):81 －82.

［16］丁立宏，王 靜.完善我國失業(yè)統(tǒng)計(jì)指標(biāo)體系的構(gòu)想［J］.經(jīng)濟(jì)與管理研究，2009(7):15－20.

［17］劉紅霞.失業(yè)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建研究［J］.現(xiàn)代財(cái)經(jīng)，2008，28(11):28 －32.

［18］陳仲常，吳永球.失業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究［J］.當(dāng)代財(cái)經(jīng)，2008(5):5－10.

［19］李永捷.基于RBF網(wǎng)絡(luò)的成都市失業(yè)預(yù)警模型［J］.湖南醫(yī)科大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2007，9(4):159－162.

［20］張興會(huì)，李 翔，陳增強(qiáng)，袁著祉.基于遞階對角神經(jīng)網(wǎng)絡(luò)的失業(yè)預(yù)測研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2002，19(9):114－117.

［21］張興會(huì)，杜升之，陳增強(qiáng)，袁著祉，莫 榮.基于對角Elman神經(jīng)網(wǎng)絡(luò)的失業(yè)預(yù)測模型［J］.南開大學(xué)學(xué)報(bào):自然科學(xué)，2002，35(2):60 －64.

［22］向小東，宋 芳.基于核主成分與加權(quán)支持向量機(jī)的福建省城鎮(zhèn)登記失業(yè)率預(yù)測［J］.系統(tǒng)工程理論與實(shí)踐，2009，29(1):73 －80.

［23］趙建國.綜合失業(yè)警戒指數(shù)的構(gòu)建及其失業(yè)警報(bào)分析［J］.財(cái)經(jīng)問題研究，2009(7):94－98.

［24］黃 波，王楚明.基于排序logit模型的城鎮(zhèn)就業(yè)風(fēng)險(xiǎn)分析與預(yù)測——兼論金融信用危機(jī)情形下促進(jìn)我國就業(yè)的應(yīng)對措施［J］.中國軟科學(xué)2010，(4):146－154.

［25］Little RJA，Rubin DB.Statistical Analysis with Missing Data［M］.New York:John Wiley and Sons，2002.

［26］Allison P D.Missing Data［M］.Thousand Oaks，Cali:Sage Publications，2002.

［27］Jiawei Han，Micheline Kamber，Jian Pei.Data Mining:Concepts and Techniques［M］.2nd Edition.Elsevier:Morgan Kaufmann，2006.

［28］Christopher M.Bishop.Pattern Recognition and Machine Learning［M］.Berlin:Springer，2006.

［29］JOLLIFFE IT.Principal Component Analysis［M］.Lnd ed.New York:Springer－ Verlag，2002.

［30］Pierre Comon.Independent Component Analysis:A New concept?［J］.Signal Processing，1994，36(3):287 －314.

［31］Kutner M H.Applied Linear Regression Models［M］.4th ed.McGraw － Hill，2004.

［32］Arthur E Hoerl，Robert W Kennard.Ridge Regression:Applications to Nonorthogonal Problems［J］.Technometrics，1970，12(1):69 －82.

［33］Vladimir N.Vapnik.Statistical Learning Theory［M］.New York:John Wiley ＆ Sons，1998.