當(dāng)前社會就業(yè)問題已成為一個全社會普遍關(guān)注的重要問題。本文首先介紹了一些影響就業(yè)的因素,結(jié)合《中國統(tǒng)計年鑒》中的相關(guān)數(shù)據(jù),從中選取了國內(nèi)生產(chǎn)總值、居民消費水平、財政收入、財政支出、稅收、固定資產(chǎn)投資、凈出口、貨幣供應(yīng)量、能源消費總量、R&D經(jīng)費支出和工資總額這11個經(jīng)濟指標(biāo)數(shù)據(jù),加以匯總整理。然后以這些因素為自變量,就業(yè)人數(shù)為因變量,先采用逐步回歸法建立模型。但分析時發(fā)現(xiàn)模型存在較嚴(yán)重的多重共線性,于是采用主成分回歸的方法,先找出主成分變量,然后再以主成分為自變量,以就業(yè)人數(shù)為因變量,建立線性回歸預(yù)測模型并用模型預(yù)測就業(yè)人數(shù)。主成分是所有原始變量的線性組合,這不利于解釋各個經(jīng)濟變量的重要性大小。而采用稀疏主成分分析能更清晰的展示各經(jīng)濟變量對就業(yè)人數(shù)的影響程度。但稀疏主成分的累計貢獻(xiàn)率為相較于一般主成分有所降低,在建立對就業(yè)人數(shù)的回歸模型時,相較于主成分回歸建立的模型,其預(yù)測的準(zhǔn)確度會有所下降。因此,在預(yù)測就業(yè)人數(shù)方面,利用主成分回歸更合理準(zhǔn)確一些。在分析影響就業(yè)人數(shù)的重要因素時,利用稀疏主成分分析會更好。 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

中國統(tǒng)計年鑒

【參考文獻(xiàn)】：
期刊論文
[1]基于主成分回歸模型的湖南省就業(yè)影響因素分析[J]. 謝煒,李軍成,蔣亞萍,曾鈺茹.  數(shù)學(xué)的實踐與認(rèn)識. 2015(20)
[2]就業(yè)人數(shù)的影響因素分析[J]. 汪靜.  現(xiàn)代物業(yè)(中旬刊). 2013(10)
[3]基于稀疏主成分的房地產(chǎn)市場發(fā)展分析——以北京為例[J]. 劉超,吳丹丹,齊嘉悅.  經(jīng)濟研究導(dǎo)刊. 2012(30)
[4]我國就業(yè)長期和短期影響因素的定量分析[J]. 肖云,周巧,楊絮飛.  統(tǒng)計與決策. 2010(15)
[5]我國就業(yè)人數(shù)的主要影響因素分析及前景預(yù)測[J]. 朱家明,王犁,童金萍,郭艷芳.  數(shù)學(xué)的實踐與認(rèn)識. 2010(15)
[6]城鎮(zhèn)就業(yè)人數(shù)影響因素分析[J]. 馬楨干,伍駿騫,陳奕山.  數(shù)學(xué)的實踐與認(rèn)識. 2010(15)
[7]基于SD的城鎮(zhèn)就業(yè)人數(shù)影響因子模型及其仿真[J]. 陳濤,何宜慶,謝江林.  南昌大學(xué)學(xué)報(理科版). 2010(01)
[8]稀疏主成分在綜合評價中的應(yīng)用[J]. 喻勝華,張新波.  財經(jīng)理論與實踐. 2009(05)
[9]多變量綜合的主成分旋轉(zhuǎn)法研究[J]. 彭維湘.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2005(06)

碩士論文
[1]基于回歸分析的山東省就業(yè)人口預(yù)測模型及數(shù)據(jù)失真分析[D]. 宋茹茹.華中師范大學(xué) 2013
[2]稀疏成分分析在信道估計中的應(yīng)用[D]. 蔣成鋼.電子科技大學(xué) 2009



本文編號：3396634