結合模糊時間序列與Box-Jenkins模式在台北市失業率預測上之應用

Abstract

預測技術一直是決策者在決策過程中不可或缺的重要工具，且精確的預測結果可以提供決策者更多的資訊，有利於做出正確的決策與適當的反應。傳統的預測方法可以處理一般問題，但其預測模式常需要較嚴格的基本假設，使得預測模式的建構較為困難；而模糊時間序列模式並不需要強烈的基本假設，使得預測模式的建構更為簡單，也提供決策者更多的選擇。然而模糊時間序列模式僅有點估計值而缺乏區間的估計，使得決策者使用模式時，無法衡量預測值的可信度，大大的降低了預測模式的有效性。 失業率是勞動市場的重要指標之一，它能提供許多有關人力資源管理的資訊和政府決策的重要依據。因此，若能精確的預測失業率，對於決策者將會有很大的幫助。在本文中，嘗試先利用模糊時間序列模式根據台灣地區台北市自民國72年1月至民國85年10月間之月失業率進行預測，再針對預測後所得之殘差，以ARIMA分析的技術輔助建立信賴區間，希望能提供決策者一種新的預測方法，並使得傳統模糊時間序列預測模式在加上信賴區間的估計後，預測的結果更趨於完整，提供給使用者更多有用的判斷訊息。