彭彤蔓　陳虹

摘要?為探討安徽省外出農(nóng)民工人數(shù)的變化趨勢，搜集2013—2017年安徽省外出農(nóng)民工人數(shù)，基于IOWA算子組合預(yù)測模型，將一次指數(shù)平滑法和灰色預(yù)測法2種單項(xiàng)預(yù)測方法組合，對未來安徽省外出農(nóng)民工數(shù)量進(jìn)行預(yù)測。從平均絕對誤差、平均相對誤差和均方誤差3個指標(biāo)考察發(fā)現(xiàn)組合預(yù)測模型的效果要優(yōu)于單項(xiàng)預(yù)測;從預(yù)測得到的結(jié)果來看，2018年和2019年安徽省外出農(nóng)民工數(shù)量將分別達(dá)?1?446.650萬、1?477.920萬人，安徽省外出務(wù)工人數(shù)呈現(xiàn)持續(xù)增長的趨勢。對此，安徽省不但要發(fā)展本省經(jīng)濟(jì)，鼓勵農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)，而且要建立完善的社會保障制度，讓已經(jīng)外出的農(nóng)民工享受到同等的醫(yī)療保障和養(yǎng)老保障權(quán)利，實(shí)現(xiàn)社會公平。

關(guān)鍵詞?外出農(nóng)民工;組合預(yù)測;IOWA算子

中圖分類號?F323.6文獻(xiàn)標(biāo)識碼?A

文章編號?0517-6611（2019）16-0235-03

doi：10.3969/j.issn.0517-6611.2019.16.067

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Research?on?Forecasting?the?Number?of?Outgoing?Migrant?Workers?in?Anhui?Province?Based?on?IOWA?Operator?Combination?Forecasting?Model

PENG?Tong?man，CHEN?Hong

（Anhui?University?of?Finance?and?Economics，Bengbu，Anhui?233030）

Abstract?In?order?to?explore?the?changing?trend?of?the?number?of?outgoing?migrant?workers?in?Anhui?Province，?we?collected?the?number?of?migrant?workers?in?Anhui?Province?from?2013?to?2017.?Based?on?IOWA?operator?combination?forecasting?model，?two?single?forecasting?methods，?first?exponential?smoothing?method?and?grey?forecasting?method，?were?combined?to?forecast?the?number?of?migrant?workers?in?Anhui?Province?in?the?future.?From?the?three?indicators?of?average?absolute?error，?average?relative?error?and?mean?square?error，?it?was?found?that?the?combined?forecasting?model?outperformed?the?single?forecasting;from?the?forecasting?results，?the?number?of?migrant?workers?in?Anhui?Province?will?reach?14.466?5?millions?in?2018?and?14.779?2?millions?in?2019，?respectively，?and?the?number?of?migrant?workers?in?Anhui?Province?will?continue?to?grow.?In?this?regard，?Anhui?Province?should?not?only?develop?its?economy?and?encourage?migrant?workers?to?return?home?and?start?businesses，?but?also?establish?a?sound?social?security?system?so?that?migrant?workers?who?have?gone?out?can?enjoy?the?same?rights?of?medical?security?and?old?age?security，?and?achieve?social?equity.?In?addition，?relevant?local?government?departments?should?issue?regulations?to?protect?the?labor?rights?and?interests?of?migrant?workers.

Key?words?Outgoing?migrant?workers;Combination?forecasting;IOWA?operator

在改革開放的40年里，農(nóng)民工已經(jīng)成為推動我國經(jīng)濟(jì)發(fā)展過程中的重要力量之一。農(nóng)民工的異地流動始于20世紀(jì)80年代后期，外出進(jìn)城的農(nóng)民工推動了勞動力市場用工制度的改革，這一階段的外出農(nóng)民工數(shù)量不斷增加[1]。但從2008年起，受到城鎮(zhèn)化政策和三農(nóng)政策的支持，出現(xiàn)農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)潮[2]。從全國農(nóng)民工的總量來看，2017年農(nóng)民工總量為27?395萬，比2016年多501萬（中華人民共和國國家統(tǒng)計局，2017）?？梢娹r(nóng)民工的數(shù)量依然處于增長的趨勢，但增速有所回落。安徽省作為中部地區(qū)人口大省，同時也是人口流動頻繁的省份之一，2013—2017年外出農(nóng)民工數(shù)量持續(xù)上漲，2017年安徽省外出農(nóng)民工數(shù)量達(dá)1?415.4萬人。對外出農(nóng)民工數(shù)量做預(yù)測分析不僅反映該地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r，還能夠?qū)ο嚓P(guān)的政策制定提供依據(jù)。傳統(tǒng)的單項(xiàng)預(yù)測方法對信息的利用不夠全面，預(yù)測的風(fēng)險較高[3]。筆者通過構(gòu)建IOWA算子組合預(yù)測模型對安徽省外出農(nóng)民工數(shù)量進(jìn)行預(yù)測，能夠在一定程度上提高預(yù)測的精確度，比單項(xiàng)預(yù)測方法更加精確預(yù)測外出農(nóng)民工人數(shù)的發(fā)展趨勢。

1?數(shù)據(jù)來源和預(yù)測方法

1.1?數(shù)據(jù)來源

數(shù)據(jù)來源于《安徽年鑒2016》和《安徽省2017年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》，選取2013—2017年安徽省外出農(nóng)民工數(shù)量作為該文的研究對象，2013—2017年安徽省外出農(nóng)民工人數(shù)分別為1?287.600萬、1?320.300萬、?1?371.400萬、1?380.100萬、1?380.100萬人。

1.2?預(yù)測方法

1.2.1

一次指數(shù)平滑法。指數(shù)平滑法最早由?Brown（1959）提出，考慮不同時期的觀察值對于預(yù)測值的影響不同，近期的觀察值對于預(yù)測結(jié)果的影響更大。指數(shù)平滑法針對不同時期賦予不同的權(quán)重，越近的時期賦予的權(quán)重越大，能更好地修勻時間序列。該研究采用一次指數(shù)平滑法，假設(shè)存在時間序列：y?1，y?2，…，y?n，平滑常數(shù)α（0<α<1），則預(yù)測模型為??t+1=S（1）?t，其中S（1）?t=αy?t+（1-α）S（1）t-1。

需要指出的是，平滑常數(shù)α是根據(jù)時間序列的特征確定的，若時間序列的變化小且接近平穩(wěn)，則取值為（0.1～0.3），若處于長期趨勢變動則取值為（0.3～0.6），若處于長期趨勢變動且有波動則取值為（0.6～0.9）。根據(jù)該研究選取的序列來看存在長期增長趨勢并且存在一定幅度的波動，故α取值為0.8。

1.2.2?灰色預(yù)測法?；疑A(yù)測是我國學(xué)者鄧聚龍教授針對“少數(shù)據(jù)不確定性問題”而提出的一種預(yù)測方法，即使是較少的數(shù)據(jù)也能夠做出精確的預(yù)測，常運(yùn)用于經(jīng)濟(jì)預(yù)測等領(lǐng)域[4]?；疑A(yù)測一般是通過建立G（1，1）模型來預(yù)測未來[5]。具體的模型建立如下所示：設(shè)2013—2017年安徽省外出農(nóng)民工人數(shù)為原始序列X（0），X（0）的一階累加序列為X（1），X（1）的緊鄰均值生成序列Z（1），則稱灰微分方程?X（0）（k）+aZ（1）（k）=b為灰色模型G（1，1），也可轉(zhuǎn)化為白化模型dx（1）dt+ax（1）=b。

1.2.3?基于IOWA算子的組合預(yù)測方法。組合預(yù)測是美國學(xué)者?Bates等[6]提出的一種預(yù)測方法，在2個或2個以上單項(xiàng)預(yù)測的基礎(chǔ)上，以適當(dāng)?shù)臋?quán)重對單項(xiàng)預(yù)測得到的結(jié)果進(jìn)行組合，能夠更加準(zhǔn)確地預(yù)測數(shù)據(jù)的變化趨勢，比單項(xiàng)預(yù)測得到的結(jié)果更精確。組合預(yù)測的核心是對單項(xiàng)預(yù)測所賦權(quán)重的研究。該研究采用陳華友等[7-9]基于誘導(dǎo)有序加權(quán)平均算子，即IOWA算子建立的組合預(yù)測模型，該模型對每個單項(xiàng)預(yù)測方法在各個時刻的預(yù)測精度高低按照順序賦權(quán)重，以誤差平方和為準(zhǔn)則建立，從而更加精確地預(yù)測安徽省外出農(nóng)民工數(shù)量的發(fā)展趨勢。首先需要對OWA算子，即有序加權(quán)平均算子進(jìn)行定義：

f?w（a?1，a?2，…，a?n）=ni=1W?ib?i

式中，b?i是a?1，a?2，…，a?n按照從大到小的順序排列的第i個大的數(shù)，W?i（i=1，2，…，n，且ni=1W?i=1）是與f?w有關(guān)的加權(quán)向量。此時f?w就是n維有序加權(quán)平均算子，簡記為OWA算子。在此基礎(chǔ)上，對IOWA算子進(jìn)行定義：

f?w（〈v?1，a?1〉，〈v?2，a?2〉，…，〈v?m，a?m〉）=mi=1W?iaV-index（i）

式中，〈v?1，a?1〉，〈v?2，a?2〉，…，〈v?m，a?m〉為m個二維數(shù)組，v?i則是a?1的誘導(dǎo)值。此時，f?w就是m維有序加權(quán)平均算子，簡記為IOWA算子。考慮到計算的方便，該研究以預(yù)測精度μit為誘導(dǎo)值，μit∈[0，1]。

設(shè)2013—2017年安徽省外出農(nóng)民工數(shù)量為序列（X?t，t=1，2，…，n），同時有m種單項(xiàng)預(yù)測方法，Xit為第i種方法在t時刻的預(yù)測值。第t時刻的組合預(yù)測方法的預(yù)測值和誤差分別為?t和e?t。

則該研究的計量模型為：