單變量失業率預測模式與結構性失業之研究

淡江大學機構典藏 > 商管學院 > 企業管理學系暨研究所 > 學位論文 > Item 987654321/106887

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/106887

题名:	單變量失業率預測模式與結構性失業之研究 A Study of Unemployment Rate Forecasting Model and Structural Unemployment
作者:	趙慕芬
关键词:	失業率;結構性失業;發展係數;unemployment rate;structural unemployment;development factor
日期:	2003-12-01
上传时间:	2016-06-14 15:23:54 (UTC+8)
摘要:	近年由於全球經濟景氣趨緩，許多國家陷入失業率攀高的困境中，台灣地區的失業率也屢創新高，引起許多社會討論與政策關注。失業率為勞動市場重要指標之一，若能加以精準預測，將能提供許多有關人力資源的資訊。而造成失業率之成因眾多，且其中有些因素操作化不易，加以各個學者建構多變量模式時，所採用的變數種類以及變數個數均不相同，顯示多變量模式應用於失業率預測上仍有所爭議。故本研究將失業率預測模式的重心置於單變量的方法上，利用ARIMA模式，以及灰預測與類神經網路，預測臺灣地區失業率，並比較上述三種方法之預測績效。此外，近來台灣地區，除了失業率屢創新高外，另一議題則是討論究竟何種類型勞動力所面臨之就業環境日漸嚴峻，但是以往針對結構性失業的趨勢評估研究，研究者多採主觀觀察，共識為輔導重點應放在結構性失業惡化嚴重的勞動力上，但在界定哪一群勞動力為失業狀況嚴重惡化時，卻缺乏共識。本研究試圖使用灰預測之發展係數進行評估，以評估各個勞動力組別間的結構性失業趨勢，以客觀的量化證據取代主觀觀察。針對三種單變量預測方法的研究發現，ARIMA模式表現較為突出，但是在配適ARIMA模式時，宜多方嘗試，才可配適一個較為合適的預測模式，以獲致較佳的預測效果。此外，若需要使用灰預測或類神經網路時，所使用的歷史資料不宜過多，過多的陳舊歷史資料，可能有負面影響。而在以客觀量化資料取代主觀觀察，以界定勞動力中結構性失業惡化嚴重的群組，研究中所採用的灰預測發展係數，所獲致的評估結果與國內相關研究也有相當的一致性，應為一可行指標，或許日後進行結構性失業惡化程度評估時，除了主觀觀察之外，還可兼考量此一量化指標。
显示于类别:	[企業管理學系暨研究所] 學位論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	82	检视/开启

在機構典藏中所有的数据项都受到原著作权保护.

TAIR相关文章

数据加载中.....