查詢結果分析
來源資料
相關文獻
- 臺北市失業率之預測--模糊時間序列之應用
- 結合模糊時間序列與Box-Jenkins 模式在臺北市失業率預測上之應用
- Forecasting Enrollments with Fuzzy Time Series Using an Adaptive Partition
- 類神經網路之預測與信賴區間之建構--以臺北市失業率為例
- Time Series Forecasting of Kaohsiung Unemployment Rate Using Neural Network Model
- Learning to Predict Temperature and Time-Series by Using Neural Fuzzy Systems
- Study for High-Order Models of Fuzzy Time Series
- 應用時間序列法及模糊系統法於短期負載預測
- 有限相空間模糊近傍差分法之混沌預測:以短期交通量預測為例
- 混合複數類神經模糊與自動回歸差分平均移動方法之智慧型時間序列預測模型
頁籤選單縮合
題名 | 臺北市失業率之預測--模糊時間序列之應用=Prediction of Taipei's Unemployment Rate--Using Fuzzy Time Series Methodology |
---|---|
作者 | 邱志洲; 李天行; 林凡群; | 書刊名 | 輔仁管理評論 |
卷期 | 5:2 1998.09[民87.09] |
頁次 | 頁177-196 |
分類號 | 542.71 |
關鍵詞 | 時間序列; 預測; 失業率; 模糊; 人力資源; Fuzzy time series; Unemployment rate; Time series analysis; Model basis; |
語文 | 中文(Chinese) |
中文摘要 | 失業率是勞動市場的重要指標之一,它可以反映出短期的人力移動,並可以此做 為人力資源供需的指標,提供許多有關人力資源管理的資訊和市場決策的重要依據。因此 ,若能精確的預測失業率,對於決策者將會有很大幫助。在本研究中,嘗試以模糊時間序 列(Fuzzy Time Series)的分析方法建立短期失業率的預測模式,以期能更精確的預測這個 重要指標。 我們將台北市從民國72年1月至民國85年10月的月失業率資料,作為實證的時間序列資 料,同時利用模糊時間序列分析與ARIMA模型(Autoregressive Integrated Moving Average Model)建立短期失業率的預測模式,並將兩者之間的預測結果加以評估比較。由實證結果 中顯示,本研究所使用的模糊時間序列模型顯著有較好的預測能力。 |
英文摘要 | This study presents a novel semiparametric preiction system for the Taipei's unemployment rate series. The prediction method incorporated into the system consists of a fuzzy time series model that estimates the trend, as well as a Box-Jerkins prediction of the residual series. In terms of the adaptability of the Box-Jerkins method, the prediction intervals of the system can be successfully constructed. The extensive studies are performed on the robustness of the built fuzzy model using different specified model basis. To demonstrate the effectiveness of our proposed method, the Taipei's monthly unemployment rate from Feb. 1983 to October 1996 was evaluated using a fuzzy time series technique. Analysis results demonstrate that the proposed method outperforms than the traditional time series methodology. |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。