爆发金融危机后,全球范围内的经济发展速度都遭到了打击甚至表现出下降的趋势,我国也不例外,爆发世界金融危机之后,我国的经济发展缓慢,社会失业率上升,严重威胁了社会稳定,在此前提下,政府开始制定能够降低失业率、促进失业人员再就业的策略。失业预警系统在A市已经有多年的发展历史,依附于信息系统以及公共就业服务网络,A市对失业预警系统不断完善,目前已经建立了将企业用工监测、失业动态监测、企业春季用工调查、就业失业预警系统以及城乡人力资源调查等监测预警指标以及制度一体化的包含就业以及失业的监测预警工作体制,可是A市应用的失业预警系统当下还存在诸多不足,其中最大的不足就在于缺乏动态监测和动态调整能力,此外,就整体而言,A市呈现出来的就业状况虽然并不严峻,但是上级部门需要留意失业隐蔽性以及就业结构缺乏合理性等问题,从而减轻金融危机给本省造成的危害。基于这种原因,A市开展了基于数据挖掘的失业预警分析系统的构建,其服务网络将城乡囊括其中。笔者通过研究失业理论以及预警系统的发展状况,详细分析了 A市的失业情况,除了选择社会保障、经济发展、生活价格以及人口资源这些研究指标外,还确定了失业者结构这项指标,截取1990年到2013年这些年的数据对其实证分析。为了预防模型过于单一给实证结果造成影响,将线性关系模型检验以及非线性关系模型即BP神经网络的拟合分别进行,通过对比分析的方式来确定最合适的模型,之后利用辩证的方式明确最佳模型,从而建立失业预警模型,借助于实证分析健全A市目前的失业预警系统。通过本课题得到的结论主要有以下几点:本文利用辨证比较的方式分析了多元回归模型以及BP神经网络对失业率的预测效果,结果表明自变量和因变量存在明显的线性关系,这一结论同部分学者主张的在预测方面机器学习具有绝对优势的观点相悖;提升生活成本、促进就业以及经济增长能够降低失业率,产业结构优化升级,整体偏向第三产业,劳动力资源数量增多、劳动力成本增加能够提升失业率;A市失业预警系统和当地的经济发展具有紧密联系。得出结论后,笔者也提出了自己的建议,希望政府部门在确定策略的时候可以参考。笔者希望借助于探寻失业影响因素以及对失业预警模型采取的实证分析完成这三点目标:第一,总结国内外在失业预警方面得到的经验,阐述失业理论,梳理过去的文献资料,探寻可以预测失业的最佳模型。第二,在失业预测构建完成后采取实证分析,通过这种方法探寻影响A市失业的因素,并分析这些因素能否改善A市的失业状况。第三,构建失业预警模型,利用实证分析进一步健全符合A市实际情况的失业预警系统,通过评估分析这20年来A市的失业状况,使得政府在确定经济、社会政策还有失业调控政策的时候有所参考。