大数据背景下中国季度失业率的预测研究——基于网络搜索数据的分析

被引：15

作者：

王勇 ^{[1
,2
]}

董恒新 ^{[1
]}

机构：

[1] 东北财经大学统计学院

[2] 东北财经大学博士后科研流动站

来源：

系统科学与数学 | 2017年 / 37卷 / 02期

基金：

中国博士后科学基金;

关键词：

失业率预测; 大数据; 网络搜索数据; 支持向量机;

D O I：

暂无

中图分类号：

F249.2 [中国];

学科分类号：

020207 ; 1202 ; 120202 ; 020106 ;

摘要：

目前,中国失业率统计存在一定局限,不利于准确及时地反映劳动市场的就业变动,大数据技术的快速发展为中国失业率统计提供新的发展视角.基于网络搜索数据,文章从5种常用的预测方法中筛选出最优的支持向量机回归模型,对中国季度失业率进行了预测研究.研究表明,基于网络搜索数据预测的失业率能够比官方数据更早地反映失业趋势的变化,预测失业率与修正后的失业率水平接近,能够为政府部门提供中国失业状况的政策预警.

引用

页码：460 / 472

页数：13

共 25 条

[1]

大数据背景下基于网络搜索数据的商品房价格预测——以武汉市为例.[A].张令令;孙金金;黄世祥;李占风;.2015年（第四届）全国大学生统计建模大赛.2015,

[2]

网络大数据在消费者信心指数预测中的应用——基于LASSO算法和KPLSR方法.[A].沈淑;张璇;田晓春;焦雨领;.2015年（第四届）全国大学生统计建模大赛.2015,

[3]

基于网络搜索数据的消费者信心指数预测.[D].史光燕.山东财经大学.2016, 08

[4]

基于网络搜索的中国股票市场预测研究.[D].李元.南京大学.2014, 03

[5]

中国转型期失业影响因素分析.[D].吴伟正.中共陕西省委党校.2014, 02

[6]

大数据时代背景下的品牌汽车销量预测的实证研究.[D].崔东佳.河南大学.2014, 03

[7]

基于网络搜索行为的世园会客流量预测预警研究.[D].崔丽敏.青岛理工大学.2013, 08

[8]

基于网络搜索技术的游客量预测方法研究.[D].国敏.首都师范大学.2012, 10

[9]

支持向量机预测模型的构建及其应用.[D].董雁萍.西安理工大学.2010, 11

[10] 基于网络搜索词搜索量的房价预测——以成都市商品房为例 [J].

刘娜娜 ;

李雨洁 ;

唐宇 ;

邱益聪 .

商, 2016, (25) :294-295

← 1 2 3 →