基于ARIMA时间序列预测的人才需求变动研究

来源:用户上传      作者:

　　摘 要 基于时间序列预测Arima模型和回归模型，以“职业需求总人数”为因变量，“人才缺口度”“各类教育背景下的人数”和“就业岗位平均值”为自变量建立回归模型，并通过对自变量进行Arima时序预测，带入回归模型得到未来三年沈阳市潜在的人才需求，最后分析得：沈阳市对高技术人才比较看重，且人才缺口大，需要相应的政策来进行调整与补充。
　　关键词 时间序列预测 ARIMA模型 引进人才
　　一、引言
　　人才是城市创新扩散的主要驱动力，而创新扩散是通过高素质的人才推动新的工艺和技术的发展来实现的。如今，人才一般会通过互联网、校园招聘会、公开招聘活动以及本地人才市场被招聘。准确预测人才招聘的数量，成为城市引进人才与规划发展的重要手段。
　　二、问题的提出
　　作为东北地区的重要城市，沈阳的发展已经成为牵动东北地区兴衰、联通外省经济投资的重要着眼点。根据沈阳市近10年的人才流动统计数据，可以建立沈阳市实际的人才需求模型，预测和分析未来三年沈阳市潜在的人才需求，为沈阳市的人才规划与发展提出建议。
　　三、问题的分析与求解
　　（一）回歸方程的建立
　　根据数据的特征与预测方法的特征，采用多元线性回归对实际人才需求进行建模分析与预测。令X1为各类教育背景下的人数，X2为人才缺口度，X3为就业岗位平均值，则为人才需求总数即为因变量Y。建立多元线性回归模型：Y=a+bx1+cx2+dx3。（其中，a为常数，b为X1的系数，c为X2的系数，d为X3的系数）利用SPSS软件求解得表1。
　　即回归方程为：Y=-111838.335+ 0.011x1+29.218x2+133476.872x3。同时，求得方程的标准系数如表2。
　　由标准系数表可得：各类教育背景下的人数的系数b*在标准系数中绝对值最大，因此，实际人才需求Y的主要影响为各类教育背景下的人数X1，且成正相关。
　　（二）人才潜在需求的预测
　　由于人才数据存在很明显的时间序列特征，所以可以通过时间序列ARIMA预测法先对因变量进行预测，之后利用回归方程得到未来3年沈阳市人才需求的变动情况。具体步骤如下：
　　第一，获取被观测的时间序列数据。
　　第二，对数据绘图，观测其是否为平稳时间序列。若非平稳时间序列要先进行d阶差分运算后化为平稳时间序列，此处d即为ARIMA（p，d，q）模型中的d；若为平稳序列，则用ARMA（p，q）模型。
　　第三，对得到的平稳时间序列分别求其自相关系数ACF和偏自相关系数PACF，同时可以得到最佳的阶层p和阶数q。由以上得到的d、q、p，得到ARIMA模型。
　　第四，进行诊断分析，以证实所得模型确实与所观察到的数据特征相符。若不相符，重新回到第三步。
　　将沈阳市的近10年的数据带入，并用回归方程进行求解，最终未来三年潜在人才需求变化结果如表3。
　　由前文分析可得，沈阳市对高学历、高技术人才的人才比较看重而且需求极大；沈阳市的人才缺口大，需要有效的政策吸引人才，缓解人才需求压力。
　　四、结语
　　从论文的数据分析与社会实际的角度来观察，沈阳市就业市场对于数理、高技术人才的需求程度更为明显，应该加强高质量人才的培养力度；更加精细研究人才市场的供求状况，对于人才的流动与引进形成很好的把握。从目前的市场行情上分析，创业与数据工作的高端人才仍然是疲软状态，可以尝试从入学教育开始就贯穿创新创业教育，让学生多去社会市场实践，举行一些课外交流活动提升同学们学习的兴趣，与人才缺口相对接。
　　（作者单位为华北理工大学经济学院）
　　参考文献
　　[1] 田铮译.时间序列分析的理论与应用[M].高等教育出版社，2003.
　　[2] 王燕.应用时间序列分析[M].中国人民大学出版社，2005.
　　[3] 刘薇.时间序列分析在吉林省GDP预测中的应用[D].东北师范大学，2008.
转载注明来源:https://www.xzbu.com/3/view-15167450.htm