中国短期就业形势预测
——基于大型贝叶斯向量自回归模型
赵文，肖双双
在短期就业形势预测中，外部冲击往往伴随大量宏观变量的同步变化，传统低维预测模型难以及时吸收相关信息。基于中国月度宏观经济数据，构建包含158个变量的大型贝叶斯向量自回归(LBVAR)模型，通过引入明尼苏达先验与贝叶斯收缩缓解高维参数估计中的过拟合问题，并以采购经理指数(PMI)从业人员指数为核心指标开展短期预测分析。研究结果表明，与包含3、14和22个变量的模型相比，158变量LBVAR模型在对PMI从业人员指数、居民消费价格指数以及银行间同业拆借1天加权平均利率等核心指标进行月度短期预测时，整体相对均方误差更小，预测精度更高。进一步结合PMI从业人员指数与城镇调查失业率之间的变化关系，对失业率进行转化预测，预测误差基本维持在0-0.3个百分点。因此，在外部冲击显著、经济运行不确定性上升的背景下，包含更多“及时”宏观变量的LBVAR模型可为精准预判就业形势动态演变、科学制定就业相关政策提供更具参考价值的决策支撑。
从业人员指数；向量自回归模型；贝叶斯收缩；相对均方误差
F24;F201
A
2095-929X(2026)02-0034-12