台灣地區失業率預測分析
黃士滔1 、蔡曉萍2 1高雄應用科技大學工業工程與管理系副教授 2高雄應用科技大學工業工程與管理系碩士班研究生 Email : shihtao@cc.kuas.edu.tw摘 要
本研究由行政院主計處之「人力資源調查」的統計資料中，得到92 年 12 月至 93 年 3 月 的四期資料、以及89 年至 92 年每年 4 月份之整體失業率資料，利用灰色系統理論中的 GM(1,1) 預測模型、移動平均法、指數平滑法來進行預測，再根據預測結果與月份整體失業率之實際 值做誤差分析，找到上述三種方法中誤差最低的方法，最後用此方法來預測民國 93 年 1~12 月份的整體失業率。 研究結果顯示： 1. 本研究中三種預測方法－GM(1,1)模型、移動平均法、指數平滑法的預測精確度以 GM(1,1) 模型為最高，其次為指數平滑法。 2. 從三種預測方法之分析結果得知，GM(1,1)模型所求得預測值的誤差較小，所以我們以此法 來預測出民國93 年 1~12 月的台灣地區整體失業率，而從其趨勢中可得知，失業率從民國 93 年 1 月至 6 月皆有下滑的現象，就民國 93 年 1~3 月的實際值比較來看，預測值有高估 的趨勢；唯有在7~8 月時失業率會有小幅度的提升，可能是由於那時恰好是眾多畢業生求 職的尖峰時期，導致市場有供給大於需求的狀況。而在民國93 年的 9 月到 12 月底失業率 也都有下降的趨勢，顯示景氣可能已有復甦的現象。 關鍵詞：預測方法、灰色系統理論、人力資源調查、失業率、灰預測GM(1,1)模型。1. 研究背景
各國都有失業問題，過去台灣地區的失業率並不像歐美國家嚴重，可是近年來，台灣的 失業率快速上升，對台灣的經濟狀況與社會環境造成很大的影響，因此高失業率成為學術界 研究的焦點之一。行政院主計處歷年來的人力資源年報的數據顯示，1978 年至 1997 年間，美國、英國、 德國及加拿大等歐美國家的失業率約在 4%至 12%之間，但是在亞洲國家，如台灣、日本、 新加坡、香港、韓國等國家的失業率，則大約在1%至 5%之間[5]。 由此可知，歐美主要國家的失業率普遍高於亞洲國家，且失業率變動之趨勢與型態也不 相同。可是自從1998 年亞洲地區發生金融風暴後，除了台灣未受到太大的影響外，其他國家 均受到相當大的衝擊，造成該時期內的失業率急速上升，尤其以韓國和香港最為嚴重。 在亞洲國家方面，由於部份國家採取相關措施來因應金融風暴，韓國與香港失業率已開 始下降，分別由1998 年的 7%與 6%降至 2001 年的 5%及 4%；日本之失業率上升幅度趨緩至 5%；而台灣雖在 1998 年至 2000 年間約維持在 2.5%之間，但卻從 2000 年開始急速攀升，並 在2001 年突破 5%的大關，直到民國 92 年，每月的失業率幾乎都在 5%以上 [5]。
2. 研究目的
本研究之目的如下： 一、以灰色理論中GM(1,1)模型、移動平均法、指數平滑法三種預測方法來預測民國 92 年 12 月至93 年 3 月份四期及民國 89 年至 92 年每年 4 月份的整體失業率。 二、將三種方法所得結果與實際值做比較，對其不同的誤差值做分析。 三、以上述三種預測方法所分析出來的結果，選出一種誤差值最小的方法，進一步預測民國 93 年 1~12 月份的整體失業率。3. 研究範圍
本研究以行政院主計處之「人力資源調查」相關資料，得到民國92 年 12 月至 93 年 3 月 的四期資料、以及民國89 年至 92 年每年 4 月份之整體失業率資料，利用灰色系統理論中的 GM(1,1)預測模型、移動平均法、指數平滑法來進行預測，再根據預測結果與月份整體失業率 之實際值做誤差分析，找到上述三種方法中誤差最低的方法，最後用此方法來預測民國93 年 1~12 月份的整體失業率。4. 台灣地區人力資源概述
在2004 年以後的幾年，台灣的經濟應該會走上揚的趨勢，因為在 2008 年，世界奧運即 將在大陸展開。根據行政院主計處的最新資料顯示，在台灣地區的就業市場有逐漸上升的現 象。以下是93 年 3 月臺灣地區人力資源調查統計結果 [1]：一、勞動力狀況 93 年 3 月臺灣地區勞動力人數為 1,016 萬 8 千人，較上月〈2 月〉增加 1 萬 4 千人或 0.13 ％；若與上年同月〈92 年 3 月〉比較，則增加 14 萬 5 千人或 1.44％。3 月勞動力參與率為 57.41％，較上月〈2 月〉上升 0.03 個百分點，較上年同月〈92 年 3 月〉亦上升 0.18 個百分 點。1 至 3 月平均勞動力參與率為 57.41％，較上年同期〈92 年 1 至 3 月〉上升 0.14 個百分 點。 二、就業狀況 93 年 3 月就業人數為 971 萬 5 千人，較上月〈2 月〉增加 2 萬 9 千人或 0.30％；若與上 年同月〈92 年 3 月〉比較，亦增加 20 萬 1 千人或 2.12％。1 至 3 月平均就業人數為 969 萬 9 千人，較上年同期〈92 年 1 至 3 月〉增加 18 萬 6 千人或 1.96％。3 月各部門就業人數與上月 〈2 月〉比較，工業部門與服務業部門分別增加 2 萬 4 千人與 9 千人或 0.71％與 0.17％；農 業部門則減少 4 千人或 0.61％。若與上年同月〈92 年 3 月〉比較，服務業部門增加 17 萬 1 千人或3.12％；工業部門亦增 7 萬 3 千人或 2.20％；農業部門則減少 4 萬 3 千人或 6.15％。 三、失業狀況 93 年 3 月失業人數為 45 萬 2 千人，較上月〈2 月〉減少 1 萬 6 千人，其中因工作場所歇 業或業務緊縮而失業者與初次尋職之失業者分別減少1 萬人與 6 千人；對原有工作不滿意而 失業者則增6 千人。若與上年同月〈92 年 3 月〉比較，計減少 5 萬 7 千人，其中因工作場所 歇業或業務緊縮而失業者減少8 萬 2 千人；對原有工作不滿意而失業者則增加 2 萬 5 千人。1 至3 月平均失業人數為 46 萬人，較上年同期〈92 年 1 至 3 月〉減少 5 萬人。 93 年 3 月失業率為 4.45％，較上月〈2 月〉下降 0.16 個百分點；若與上年同月〈92 年 3 月〉比較，亦降低0.63 個百分點；經季節調整後失業率為 4.54％，較上月〈2 月〉下降 0.10 個百分點，較上年同月〈92 年 3 月〉亦下降 0.63 個百分點。若與亞洲其他國家（地區）比較， 我國之失業率與新加坡之 4.5%相當，高於韓國之 3.4%，低於香港之 7.2%、日本之 5.0%。1 至3 月平均失業率為 4.53％，較上年同期〈92 年 1 至 3 月〉下降 0.56 個百分點。 按教育程度別觀察，93 年 3 月高中（職）程度者失業率為 5.00％，較上月〈2 月〉下降 0.14 個百分點，較上年同月〈92 年 3 月〉亦降低 0.93 個百分點；93 年 3 月國中及以下程度 者失業率為4.35％，較上月〈2 月〉下降 0.37 個百分點，較上年同月〈92 年 3 月〉亦下降 0.95 個百分點；93 年 3 月大專及以上程度者失業率為 3.91％，較上月〈2 月〉上升 0.02 個百分點， 較上年同月〈92 年 3 月〉亦上升 0.08 個百分點。若按年齡層觀察，93 年 3 月 15 歲至 24 歲 年齡者失業率為10.06％，居各年齡層之首，較上月〈2 月〉下降 0.72 個百分點，較上年同月 〈92 年 3 月〉亦下降 0.91 個百分點；93 年 3 月 25 歲至 44 歲年齡者失業率為 4.09％，較上 月〈3 月〉下降 0.11 個百分點，較上年同月〈92 年 2 月〉亦下降 0.63 個百分點；93 年 3 月 45 歲至 64 歲年齡者失業率為 3.33％，較上月〈2 月〉下降 0.05 個百分點，較上年同月〈92 年3 月〉亦降低 0.38 個百分點。
93 年 3 月失業者平均失業週數為 31.8 週，較上月〈2 月〉延長 0.6 週，其中初次尋職者 為30.3 週，較上月〈2 月〉縮短 0.5 週；非初次尋職者為 32.1 週，則較上月〈2 月〉延長 0.8 週。 四、非勞動力 93 年 3 月非勞動力人數為 754 萬 2 千人，較上月〈2 月〉減少 2 千人或 0.02％，其中高 齡、身心障礙者減少8 千人或 0.43％；料理家務者則增 1 萬人或 0.38％；想工作而未找工作 者與求學及準備升學者亦均增加4 千人或 1.56％與 0.16％。如與上年同月〈92 年 3 月〉比較， 計增5 萬人或 0.67％，其中高齡、身心障礙者增加 7 萬 2 千人或 3.80％；料理家務者則減少 3 萬 6 千人或 1.37％。1 至 3 月平均非勞動力人數為 753 萬 7 千人，較上年同期〈92 年 1 至 3 月〉增加5 萬 9 千人或 0.79％。 世界主要國家（地區）93 年 3 月最新的失業率數據如下：德國 10.9%，法國 9.6%，加拿 大7.5%，香港 7.2%，美國 5.7%，日本 5.0%，新加坡 4.5%，韓國 3.4%，英國 3.1%。
5. 理論模型
一、變數定義 本研究根據行政院主計處所公佈的過去歷年來的失業率，運用 GM(1,1)模式、移動平均 法、指數平滑法來預測月份的整體失業率，比較各個預測方法的精確度，並將所預測的結果 與實際值做誤差分析。 二、理論模型 (一) 灰預測 GM(1,1)模型[3] 灰預測GM(1,1)模型表示一階微分，且輸入變數為一個的 GM 模型，其計算過程簡單， 使用範圍廣，亦稱為單序一階線性動態模型。而灰預測 GM(1,1)模型的建立，只需要四筆 數據，以下介紹灰預測GM(1,1)模型之建模步驟： (1) 擷取資料並作級比檢驗 作級比檢驗的目的在於檢驗台灣地區月份的整體失業率是否可以作灰色建模的依據。 而級比λ(k)(Class Ratio)公式如下：( )
k x k(
( )
1)
k 2 x k λ = − ≥ 當滿足λ(k)∈(0.1353,7.389)時，表示原始序列x 可作 GM(1,1)建模。 (0)(2) 建立累加生成數列 (AGO：Accumulated Generating Operation) 首先建立 GM(1,1)源模型為
x
(0)(
k
)
+
az
(1)(
k
)
=
b
。它雖然近似滿足微分方程構成條 件，但畢竟不是真正的微分方程，因此在灰預測中使用一般微分方程：b= ( ) ( ) 1 1 dx ax b dt + = 即建立出累加生成數列。 (3) 求均值生成 計算及辨識 GM(1,1)模型參數 a，b，其中 a 為預測模型的發展係數，b 為預測模型的 灰作用量。令GM(1,1)源模型x(0)(k)+az(1)(k)=b滿足序列x 與(0) x (1) ( )0 ( )0( )
(
( )0( )
( )0( )
( )0( )
)
1 , 2 ,..., x = x k = x x x n ( )1 ( )1( )
(
( )1( )
( )1( )
( )1( )
)
1 , 2 ,..., x =x k = x x x n 則有 ( )0( )
2 (1)( )
2 x +az = b ( )0( )
2 (1)( )
3 x +az = b … ( )0( )
2 (1)( )
x +az n = b 其中z( )1( )
k =0.5(
x(1)( )
k +x(1)(
k−1)
)
，為均值生成。(4) 建構數據矩陣，利用最小平方法(least square method)求出參數 a，b： 設矩陣Y = aB∧，其中： ( )
( )
( )( )
( )( )
( ) 0 0 0 1 1 2 3 n X X Y X n − × = M ( )( )
( )( )
( )( )
( ) 1 1 1 1 2 2 1 3 1 1 n Z Z B Z n − × − − = − M M 2 1 a a b ∧ × = (5) 解出微分方程式的累加預測式為：
(
)
( )0( )
1 1 b ak b x k x e a a ∧ − + = − ⋅ + (6) 累減生成之形成(IAGO：Inverse Accumulated Generating Operation)
( )
( )
( )( )
( )(
)
0 1 1 1 x k x k x k ∧ ∧ ∧ = − − 且 x∧( )0( )
k =x∧( )1( )
k ( )(
)
( )(
)
( )( )
0 1 1 1 1 x k x k x k ∧ ∧ ∧ + = + − (二) 指數平滑法[2] 簡單指數平滑法的公式為：(
)
1 1 1 n n n F = ⋅α Y − + −α ⋅F− 其中： nF
：第n 期實際值；α
：平均水準平滑常數；Y
n−1：第n-1 期的實際值；F
n−1： 第n-1 期的預測值。 (三) 移動平均法 移動平均法是使用一群最近的真實資料而進行預測。在選擇移動期數時，決策者必須 考慮到移動平均期數對新資料的敏感性。移動平均期數越少，其移動數感應越敏感。移動 平均期數越多，則結果表現顯得極為平穩而對真實改變感應性較小。 公式： 1 n i i n A MA n = ∑ = 其中： i = 資料的年代（i = 1,2,3,….）； n = 移動之期數； Ai= 期數 i 之實際值。6. 台灣地區整體失業率之預測
一、指數平滑法 (一)計算 92 年 12 月至 93 年 3 月台灣地區的失業率，結果如表一所示。 後驗差檢驗[4]如下： 絕對殘差序列ε(k)= (0,－0.05, 0.055,－0.1325) 殘差均值 4 1 = − ε (0－0.05+0.055－0.1325)＝－0.03187 均值−x= 4.5425，x 的離差(0) 2 1 S = 0.0036688 ，ε 的離差 S = 0.0047543 22 後驗差比 2 1 S S C= = 1.13837 誤差頻率 p P=(
ε( )k − <ε 0.6745×S2)
=P(
ε( )k − <ε 0.040855)
因為p=0.75>0.7，C=1.13837，所以後驗差為不及格。 表一 指數平滑法計算92 年 12 月至 93 年 3 月失業率預測之精度與後驗差檢驗 期數 92 年 12 月 93 年 1 月 93 年 2 月 93 年 3 月 實際值 4.58 4.53 4.61 4.45 預測值 4.58 4.58 4.555 4.5825 誤差 0.00000% 1.10375% 1.19306% 2.97753% 平均誤差 1.31858% 平均精度 98.68142% 後驗差比C 1.13837 誤差頻率 0.75 後驗差等級 不合格 (二)計算 89 年至 92 年每年 4 月份失業率，結果如表二所示。 後驗差檢驗：結果為勉強(3 級)。 表二 指數平滑法計算89 年至 92 年每年 4 月份失業率預測之精度與後驗差檢驗 期數 89 年 4 月 90 年 4 月 91 年 4 月 92 年 4 月 實際值 2.73 3.96 4.98 4.92 預測值 2.73 2.73 3.345 4.1625 誤差 0.00000% 31.06061% 32.83133% 15.39634% 平均誤差 19.82207% 平均精度 80.17793% 後驗差比C 0.66608263 誤差頻率 0.75 後驗差等級 3 級(勉強)二、移動平均法 (一)計算 92 年 12 月至 93 年 3 月台灣地區的失業率，結果如表三所示。 後驗差檢驗：結果為不合格。 表三 移動平均法計算92 年 12 月至 93 年 3 月失業率預測之精度 期數 92 年 12 月 93 年 1 月 93 年 2 月 93 年 3 月 實際值 4.58 4.53 4.61 4.45 預測值 4.9725 4.815 4.685 4.6075 誤差 8.56987% 6.29139% 1.62690% 3.53933% 平均誤差 5.00687% 平均精度 94.99313% (二)計算 89 年至 92 年每年 4 月台灣地區的失業率，結果如表四所示。 後驗差檢驗：結果為不合格。 表四 移動平均法計算預測89 年至 92 年每年 4 月失業率預測之精度 期數 89 年 4 月 90 年 4 月 91 年 4 月 92 年 4 月 實際值 2.73 3.96 4.98 4.92 預測值 2.7325 2.83 3.2925 3.9125 誤差 8.61204% 38.07440% 36.31528% 21.59319% 平均誤差 26.14873% 平均精度 73.85127% 三、灰預測GM(1,1)模型 (一) 92 年 12 月至 93 年 3 月台灣地區的失業率預測 (1) 級比檢驗(Class Ratio) 彙整 92 年 12 月至 93 年 3 月台灣地區的失業率。並作級比λ(k)檢驗：求得所有數列 皆滿足λ(k)∈(0.135,7.289),∀k，表示台灣地區失業率的原始序列x 可作 GM(1,1)建模。 (0) (2) 原始序列與累加生成 ) 0 ( x =(4.58,4.53,4.61,4.45)， ( )1
(
( )1( )
1 , ( )1( )
2 ,..., ( )1( )
4)
(
4.58,9.11,13.72,18.17)
x = x x x =(3) 均值生成 ) 1 ( 5 . 0 ) ( 5 . 0 ) ( (1) (1) ) 0 ( k = x k + x k− z = (0, 6.845, 11.415, 15.945 ) (4) 求出係數向量 令 = = 6561 . 4 013 . 0 ^ b a a (5) 建立 GM(1,1)模型得 a b e a b x k x^(1)( +1)=( (0)(1)− ) −ak + ＝－353.5815e-0.013k＋358.1615 (6) 誤差分析：平均殘差 0.7758%。 (7) 後驗差檢驗：結果為不及格。 (8) 預測精度及後驗差檢驗，如表五所示。 表五 GM(1,1)模型預測 92 年 12 月至 93 年 3 月預測之精度與後驗差檢驗 期數 92 年 12 月 93 年 1 月 93 年 2 月 93 年 3 月 實際值 4.58 4.53 4.61 4.45 預測值 4.58 4.5668 4.5048 4.4496 誤差 0 0.8124 2.281996 0.00899 平均誤差% 0.7758 平均精度% 99.2242 後驗差比C 0.8751 誤差頻率 0.75 後驗差等級 不合格 (二) 89 年至 92 年每年 4 月台灣地區的失業率預測 (1) 級比檢驗(Class Ratio) 彙整89 年至 92 年每年 4 月台灣地區的失業率。並作級比λ(k)檢驗：求得所有數列皆 滿足λ(k)∈(0.135,7.289),∀k，表示台灣地區失業率的原始序列x 可作 GM(1,1)建模。 (0) (2) 原始序列與累加生成 ) 0 ( x =(2.73,3.96,4.98,4.72)， ( )1
(
( )1( )
1 , ( )1( )
2 ,..., ( )1( )
4)
(
2.73, 6.69, 11.67, 16.59)
x = x x x = (3) 均值生成 ) 1 ( 5 . 0 ) ( 5 . 0 ) ( (1) (1) ) 0 ( k = x k + x k− z = (0, 4.71, 9.18, 14.13 )(4) 求出係數向量 令 − = = 4527 . 3 1084 . 0 ^ b a a ， (5) 建立 GM(1,1)模型得 a b e a b x k x^(1)( +1)=( (0)(1)− ) −ak + = 34.5815e0.1084k－31.8515 (6) 誤差分析：平均殘差 3.898%。 (7) 後驗差檢驗：結果為 1 級。 (8) 預測精度及後驗差檢驗，如表六所示。 表六 GM(1,1)模型預測 89 年至 92 年每年 4 月預測之精度與後驗差檢驗 期數 89 年 4 月 90 年 4 月 91 年 4 月 92 年 4 月 實際值 2.73 3.96 4.98 4.72 預測值 2.73 3.9597 4.4127 4.9179 誤差 0 0.0076 11.3916 4.1928 平均誤差% 3.898 平均精度% 96.102 後檢驗誤差C 0.2654 誤差頻率 1.0 後驗差等級 1 級
7. 結果與分析
茲將三種預測法方法所得的結果做一分析，分別說明如下： 一、指數平滑法 由表一中可看出指數平滑法用來預測92 年 12 月至 93 年 3 月失業率的結果，得到其平均 精度為98.6814%，而其檢驗出來的後驗差等級是「不合格」。 由表二中可看出指數平滑法用來預測89 年至 92 年每年 4 月失業率的結果，得到其平均 精度為80.1779%，而其檢驗出來的後驗差等級是「3 級(勉強)」。 二、移動平均法 由表三可看出移動平均法用來預測92 年 12 月至 93 年 3 月失業率的結果，得到其平均精 度為94.99313%，而其檢驗出來的後驗誤差等級卻是「不合格」。 由表四可看出移動平均法用來預測89 年至 92 年每年 4 月失業率的結果，得到其平均精 度為73.85127%，而其檢驗出來的後驗差等級是「不合格」。三、灰預測GM(1,1)模型 由表五可看出GM(1,1)用來預測 92 年 12 月至 93 年 3 月失業率的結果，得到其平均精度 為99.2242%，而其檢驗出來的後驗差等級卻是「不合格」。 由表六可看出 GM(1,1)模型用來預測 89 年至 92 年每年 4 月失業率的結果，得到其平均 精度為96.102%，而其檢驗出來的後驗差等級是「1 級」。 由上述三種方法的結果來看，以 GM(1,1)模型所預測出來的結果，其平均誤差較低，所 以本研究選擇GM(1,1)來預測 89 年至 92 年每年 1 月之整體失業率，如表七所示。 表七 以GM(1,1)模型預測 89 年至 92 年每年 1 月之整體失業率 期數 89 年 1 月 90 年 1 月 91 年 1 月 92 年 1 月 實際值 2.74 3.35 5.14 5.03 預測值 2.74 3.3494 4.1037 5.0278 誤差 0.00000% 0.01791% 20.16148% 0.04374% 平均誤差% 5.05578% 平均精度% 94.94422% 後驗差比C 0.42973 誤差頻率 0.75 後驗差等級 3 級 進一步預測出93 年 1 月的失業率為 6.16%，而其實際值為 4.53%，有高估的現象。而再 以GM(1,1)來預測 89 年至 92 年每年 2 月之整體失業率，如表八所示。 表八 以GM(1,1)模型預測 89 年至 92 年每年 2 月之整體失業率 期數 89 年 2 月 90 年 2 月 91 年 2 月 92 年 2 月 實際值 2.91 3.73 5.12 5.17 預測值 2.91 3.7292 4.39 5.1676 誤差 0.00000% 0.02145% 14.25781% 0.04642% 平均誤差% 3.58142% 平均精度% 96.41858% 後驗差比C 0.32961 誤差頻率 1.0 後驗差等級 1 級
進一步預測出93 年 2 月的失業率為 6.0831%，而其實際值為 4.61%，也有高估的現象。 再以GM(1,1)來預測 89 年至 92 年每年 3 月之整體失業率，如表九所示。 表九 以GM(1,1)模型預測 89 年至 92 年每年 3 月之整體失業率 期數 89 年 3 月 90 年 3 月 91 年 3 月 92 年 3 月 實際值 2.83 3.89 5.16 5.08 預測值 2.83 3.8898 4.4449 5.0702 誤差 0.00000% 0.00514% 13.85853% 0.19291% 平均誤差% 3.51415% 平均精度% 96.48585% 後驗差比C 0.32211 誤差頻率 1.0 後驗差等級 1 級 進一步預測出93 年 3 月的失業率為 5.8131%，而其實際值為 4.45%，也有高估的現象。 而93 年 4 月之後的失業率目前並沒有實際值，所以我們只以 GM(1,1)模型將其預測值列出， 而93 年 1 ~ 12 月的整體失業率預測值整理如表十。 表十 以GM(1,1)模型預測 93 年 1~12 月的整體失業率預測(%) 期數 93 年 1 月 93 年 2 月 93 年 3 月 93 年 4 月 93 年 5 月 93 年 6 月 預測值 6.16 6.0831 5.8131 5.4806 5.4076 5.4054 實際值 4.53 4.61 4.45 — — — 期數 93 年 7 月 93 年 8 月 93 年 9 月 93 年 10 月 93 年 11 月 93 年 12 月 預測值 5.2889 5.3364 4.944 4.7274 4.4489 4.2901 實際值 — — — — — —
8. 結論與建議
一、結論 由前述結果可得知三種預測方法中，以移動平均法所求得之89 年~92 年每年 4 月份的預 測值，其誤差最大，精度只有73%左右，後驗差等級為「不合格」，可能是因為在進行移動平 均法計算時，沒有考慮到影響失業率的因素和相關的加權，直接做預測將會使得誤差變大。 而以GM(1,1)模型來預測 89 年~92 年每年 4 月份失業率之平均精度為最佳，達到 96%以上，代表以GM(1,1)模型預測出來的值是最接近實際值的；而指數平滑法用來預測 89 年~92 年每 年4 月份的精度只有 80%左右，後驗差等級為「3 級（勉強）」，這可能是因為本研究所取的α=0.5 不是很適當，使得所預測的值偏離實際值較多，應該根據不同的月份、影響因素來調整相對 的權重比例，才能獲得較佳的預測值。 另一方面，本研究也證明了 GM(1,1)模型能以少量的數據來預測出較為精確的值，因此 我們使用GM(1,1)來預測台灣地區 93 年 1 ~ 12 月各月份的整體失業率，結果如表十，從中可 得知，從93 年 1 月~ 6 月皆是下降的現象，唯有在 7~8 月時失業率會有小幅提升，可能是因 為那時剛好是應屆畢業生要找工作的時機，導致供給大於需求的情況出現，使得失業率升高。 但是從9 月之後到 12 月底的失業率都是下降的趨勢，顯示景氣可能會有好轉。 二、建議 在此提出對後續研究者的建議： a. 影響台灣地區整體失業率的因素很多，後續研究者可根據灰關聯、因素分析等方法，將所 有與失業率有關係的因素找出來，排出灰關聯序，進一步瞭解對失業率產生影響的主要因 素是什麼，並將這些因素加入做為預測時的考量或是輸入變數。 b. 本研究所用的指數平滑法之 α 為 0.5，後續研究者可自訂不同的 α 值，以探討在不同的平滑 係數下，其預測值所代表的意義，並進行相關的分析。 c. 後續研究者也可將失業率做分類討論，例如以性別、職業別、年齡別來探討在不同的情況 下，進行預測、誤差分析與灰關聯分析的工作，以瞭解不同類別在整體失業率上所呈現的 實際意義。 d. 本研究只用四筆資料來進行預測的工作，所以建議後續研究者能以多筆資料來探討迴歸分 析法、指數平滑法、GM(1,1)模型、加權移動平均法或其他預測方法來做預測與灰關聯分析， 並分析不同預測方法之間的差異性與相關性。
