滑动SIR方法及在劳动就业需求预测中的应用.pdf

1520 2008中国发展进程中的管理科学与工程(卷Ⅱ) 滑动SIR方法及在劳动就业需求预测中的应用 李楠，王惠文，叶明 北京航空航天大学经济管理学院，北京100083 摘要：经济、社会等各方面变量之间的关系常常是非线性的，并且由于宏观政策变动等各种因素的影响，很难取得长期 的连续数据，因此处理经济数据的时候往往要面对小s样本非线性模型的情况。针对上述特点，本文在分片逆回归方法 Inverse (Sliced 小样本的假设下，以较高的精度将高维自变量集合综合成了一维变量，得到了劳动就业需求市场的一元线性预测模型。 关键字：S氓方法；滑动平均；就业需求预测 成低维变量；然后建立了劳动就业需求市场的预测模 1 引 言 型，模型的分析结果与实际情况相符。 经济、社会等各方面变量之间的关系常常是非线 2滑动SIR方法的原理和算法 性的，但是由于非线性模型计算的复杂性，一些非线性 问题往往被转化为线性问题来解决，从而降低了模型的 在SIR分析中，设数据模型为y=，(届F，屉F， 精确性。SIR方法是一种非常有效的非参数降维技术。 …，X7，￡)，其中Y是因变量，X为P维自变量的数据 S承方法由Ker-ChauLi由1991年首次提出，它的主要 矩阵，f(·)是R：一R1上的一个非线性算子。SIR的 优点是不受函数形式的限定，能够在非线性模型的假设 工作目标就是要求参数向量卢一[卢l，尼，…，屉]r，使得z 下，对高维自变量系统进行综合降维，得到一个“有效降 dr空间。 ={[硝，…，％]TIzi=岛XT，1《≤五)张成B DimensionReduction 维空间”(Effective Space，简称 SIR的工作过程是在X已标准化的前提下首先 Bd d r空间)[1]，使得在Br空间中，信息成分更有效， 将因变量Y的数值进行排序，同时，对标准化后的X 而建模分析也更简洁。因此其一经提出，就得到了统计 也按对应的Y值重新排序。再将排序后的Y数值分成 分析人员的广泛重视。Ker-ChauLi(1991)认为，在这个 若干片，同时，自变量也被相应分片。可以证明SIR的 信息爆炸的时代，如何有效地处理众多的变量成了一个 分片个数对其计算结果有很好的稳定性。对每一片X 艰难的任务，因此他提出了SIR方法来降低建模的难 求平均值，再对X分片平均值的数据表应用主成分分 度。夏元友、蒋超(2005)将SIR方法应用于BP网络的 析方法，从而得到降维子空间，即fi．dr空间。SIR方 维数压缩上，并在SIR方法中采用新的归一化函数进行 法的主要特点是在运用时无须对厂(·)的函数形式做 标准化处理，达到了减小神经网络规模，提高泛化能力 任何估计，这为复杂非线性模型的降维和建模提供了 的目的脚。吴载斌(2007)提出首先采用分片逆回归 一种有效的途径。 (S取)方法提取高维数据中的有效成分，进而根据回退 由于宏观政策的变动，劳动就业数据无法取得长 拟合算法对非参数加法模型进行迭代估计。在实证中， 期连续的逐年数据，因此是小样本数据，并且存在不平 其将这一模型应用于我国外贸货物吞吐量的预测建模 滑现象。SIR方法的优点是可以不受函数形式的限 中，取得了较好的效果[3]。 制，但它无法处理小样本数据的情况。因此，本文针对 但是SIR方法