向量自回归模型在城镇就业问题研究中的应用

"这篇文档是关于第六届全国研究生数学建模竞赛的研究报告，主题是基于向量自回归模型的城镇就业人数问题研究。报告深入探讨了如何运用相关系数算法来理解经济因素对城镇就业的影响，并提出了相应的建模方法和政策建议。" 在本研究中，作者首先运用非参数Spearman秩和检验法以及Granger因果检验，分析了13个潜在影响城镇就业人数的经济因素，最终确定了10个关键因素，包括GDP总量、城镇总投资、教育投入、出口贸易额、城镇居民人均可支配收入等。这些因素与城镇就业之间存在显著的相互作用，特别是城镇就业人数与利率之间呈现出明显的因果关系。 接着，为了进一步探究这些因素之间的关联性和影响程度，进行了路径分析。通过这种方法，可以明确各变量间的层次结构以及它们对城镇就业影响的强度，如图2所示。这有助于理解不同经济变量如何共同作用于城镇就业市场。 在第二部分，研究构建了一个多变量向量自回归对数线性模型，以考虑城镇就业与这些关键因素之间的动态关系。此模型的建立旨在解决指标间的多重共线性问题，提高了模型的解释力和预测准确性。 第三部分，研究者针对不同层面，包括浙江省、建筑业和农民工群体，建立了一系列多变量向量自回归模型。模型的预测精度均超过95%，显示出模型的稳定性和实用性。通过模型拟合，证实了向量自回归模型在处理这类复杂问题时的有效性。 在第四部分，结合金融危机和四万亿投资政策，研究提出了三个仿真方案。方案一是考虑仅受金融危机影响的情况；方案二引入了国外投资对就业的影响，创建了有效就业投资指标；方案三则通过金融危机影响函数P和投资影响函数Z，逐月模拟就业人数变化。 最后，报告提出了基于公平与效率原则的多目标规划模型，为四万亿投资分配提供了最优策略。此外，研究从投资、出口、消费三个方面提出了应对就业缺口的政策建议，如增加第二、第三产业投资，刺激消费，扩大内需，以及增加有针对性的投资。 总结来说，这份研究报告通过向量自回归模型和相关系数算法，系统地分析了城镇就业与宏观经济因素的复杂关系，不仅提供了模型构建的技术细节，还给出了具有实际指导意义的政策建议。其研究成果对于理解和预测城镇就业市场动态，以及制定相应经济政策具有重要价值。