结论
我们根据 7 月的 SkillSelect 快照，为所有持续追踪的 189 职业池发布了 8 月预测。如今 8 月 实际数据已经公布，这份对账单如实呈现结果。189 总池的实际值与预测仅相差 0.6%。但在总池之下，68 个职业池中只有 40 个落在公布的 80% 预测区间内——覆盖率为 58.8%，低于 80% 的目标，也较 7 月的 97% 大幅下滑。 模型的平均误差为 5.77%，仍低于「保持不变」基准的 6.25%，但优势很小。主要原因是模型遗漏了一项机制： 6 月邀请轮次中到期失效的邀请所对应的 EOI 重新回到待邀池。下文将详细说明。
189 总池
我们用 8 月快照检验 189 打分制签证池的预测。本月有两批预测可以验证：7 月发布、 提前一个月的预测，以及我们在 7 月对账单中承诺跟进的 6 月版提前两个月预测。
| 预测项目 | 预测值 | 80% 预测区间 | 实际值 | 误差 |
|---|---|---|---|---|
| 189 总池——7 月版，提前 1 个月 | 181,793 | 172,660–191,409 | 180,651 | +0.6% ✓ |
| 189 总池——6 月版，提前 2 个月 | 183,582 | 171,805–196,166 | 180,651 | +1.6% ✓ |
在 6 月发布、提前两个月的全部 67 项 189 预测中，模型平均误差为 6.96%，低于基准的 9.01%——优势比提前一个月的预测更明显——67 项中有 39 项的实际值落在区间内 （58.2%）。两个预测期都出现了相同的覆盖率不足，原因也相同。
热门职业
以下是规模最大的八个 189 职业池。幼儿（学前）教师连续第二个月成为其中预测最准的 职业，误差仅 0.8%。八项中有两项超出预测区间，方向相反：厨师低于区间下限， 注册护士（未另分类）高于区间上限。
| 预测项目 | 预测值 | 80% 预测区间 | 实际值 | 误差 |
|---|---|---|---|---|
| 幼儿（学前）教师（241111） | 12,730 | 12,090–13,403 | 12,628 | +0.8% ✓ |
| 厨师（351311） | 11,704 | 11,116–12,323 | 10,982 | +6.6% ✗ |
| 软件工程师（261313） | 9,815 | 9,322–10,334 | 9,603 | +2.2% ✓ |
| 土木工程师（233211） | 9,288 | 8,821–9,779 | 8,858 | +4.9% ✓ |
| ICT 业务分析师（261111） | 8,120 | 7,712–8,550 | 7,885 | +3% ✓ |
| 机械工程师（233512） | 8,025 | 7,622–8,450 | 7,661 | +4.8% ✓ |
| 会计师（普通类）（221111） | 7,762 | 7,372–8,173 | 7,377 | +5.2% ✓ |
| 注册护士（未另分类）（254499） | 6,731 | 6,393–7,087 | 7,188 | -6.4% ✗ |
案例研究
本月预测最准的是 189 总池这一总体数据：模型预测与实际值只相差 1,142 份 EOI。 这个准确度没有问题，但不足以反映整月的表现——各职业池的误差较大、方向相反， 在总量上恰好相互抵消。0.6% 不能脱离这一背景单独解读。
点预测误差为 5.2%，实际值仅比预测区间下限高出 5 份 EOI。按定义这仍算命中， 但如此接近边界更应视为警讯，而非胜利。土木工程师和机械工程师的实际值同样只比 各自的下限高出不到 40 份 EOI。随着提交满两年的 EOI 持续失效，这些存量较大的 成熟职业池收缩得比模型趋势预期更快。
这是本月误差最大的一项，且远高于其他项目。木工职业池一个月内从 697 增至 1,182， 比预测区间上限高出 370 份 EOI。这并不是新申请突然涌入所致：7 月快照中有 477 份木工 EOI 处于「已获邀」状态，而职业池增加了 485 份。65 分档获邀 220 份、 回流 241 份；70 分档获邀 157 份、回流 145 份。 同样的模式也解释了注册护士（未另分类）（获邀 649 份，职业池增加 671 份） 以及其余 26 项失准预测中的大多数。具体原因见「误差来源」一节。
六个月盲测
本次采用与方法论文章及 7 月对账单相同的盲测方法，并将验证期向后推进一个月：模型 只使用截至 2026 年 2 月的数据重新拟合，再预测之后六个月。3 月至 5 月的点预测误差 均不超过 1.3%。随后，财年末的 EOI 失效潮和 6 月邀请轮次使 6 月至 8 月的实际池规模 比点预测低 7%–9%，但逐月扩宽的预测区间覆盖了全部实际值。提前六个月时，模型预测 196,394，实际值为 180,651，仍处于下限为 171,772 的预测区间内。
我们以同样的方法检验三个具体职业：采用生产环境中的模型，仅使用截至 2026 年 2 月的 历史数据，盲测其后六个月。结果是一项表现良好，一项虽落在区间内却掩盖了趋势偏差， 另一项则明显失准：
工程技术专家（233914）是方法论文章中的重点案例，也是连续第二个月接受盲测复核。 前四个月的点预测误差均不超过 0.7%；6 月的 EOI 失效潮随后使实际池规模低于预测。 最终预测值偏高 5.2%，但实际值仍在预测区间内，六个月全部命中。
厨师（351311）的实际值虽然连续六个月都落在预测区间内，但这不代表预测表现理想。 模型一直预计职业池会增长，实际规模却从 6 月起逐月收缩，因此误差持续扩大，提前 六个月的误差达到 +14.2%。最终实际值仅比区间下限高出 12 份 EOI。命中靠的是逐月 扩宽的区间，而不是准确的点预测；较宽的区间恰好掩盖了趋势判断错误。
注册护士（未另分类，254499）的结果最清楚地显示了模型失准。3 月至 5 月的误差均在 3% 以内；随后，6 月的 EOI 失效潮使职业池在一个月内从 7,667 缩至 6,261，降幅达 18%，实际值直接跌破预测区间下限，7 月也仍低于下限。8 月职业池回升 671 份 EOI， 其中大部分来自 6 月轮次邀请失效后的回流，差距有所缩小，但仍不足以回到区间内。 六个月中有三个月未命中，且都始于同一处结构性变化。
你分数段的队列
上述检验以整个职业池为单位，但多数用户更关心自己分数对应的队列规模，也就是某个 职业中达到 65、70……95 分及以上的 189 EOI 数量。模型在每个分数门槛上仍优于 「保持不变」基准，但优势极小：在全部 571 项现已可以验证的分数门槛预测中，模型平均 误差为 12.14%，基准为 12.64%；误差约为 7 月 5.86% 的两倍。分数门槛预测的区间覆盖率 好于职业池总量预测，89.0% 的实际值落在 80% 预测区间内。这是因为其区间根据合并后的 残差构建，而不是按平均误差等比例缩放。表现最弱的仍是 80 分及以上这一档，平均误差 为 19.8%，区间覆盖率为 77.8%。
| 分数门槛 | 预测数量 | 模型误差 | 基准误差 | 区间覆盖率 |
|---|---|---|---|---|
| 65+ | 131 | 9.34% | 9.93% | 93.9% |
| 70+ | 120 | 10.45% | 11.07% | 89.2% |
| 75+ | 109 | 14.32% | 14.72% | 82.6% |
| 80+ | 81 | 19.78% | 20.10% | 77.8% |
| 85+ | 63 | 14.35% | 14.57% | 92.1% |
| 90+ | 43 | 6.41% | 7.04% | 100.0% |
| 95+ | 24 | 4.72% | 5.67% | 100.0% |
| 全部 | 571 | 12.14% | 12.64% | 89.0% |
如果你以技工、护理或教师类职业申请，并持有 65 或 70 分，那么本月达到你分数及以上的 EOI 数量高于模型预期。新增数量大多并非新提交的 EOI，而是 6 月轮次前已在池中、获邀后 因邀请失效而重新回到待邀池的 EOI；它们仍有资格再次获邀。
误差来源
2026 年 6 月 4 日的 189 邀请轮次所发邀请有效期为 60 天。7 月快照中，仍有 4,600 份 189 EOI 处于「已获邀」状态—— 即已获邀但尚未递交签证申请。60 天有效期于 2026 年 8 月 3 日届满。到 8 月快照时， 处于「已获邀」状态的只剩 55 份。部分获邀者递交了签证申请； 约 3,500 份没有递交，而邀请失效后， 相应 EOI 会重新回到「已提交」池。在所有 189 职业中，各职业 7 月处于已获邀状态的 EOI 数量与其 8 月职业池增量之间的相关系数为 0.80。木工、 注册护士（未另分类）、中学教师、建筑项目经理、社会工作者和事务律师等职业的预测值 明显偏低，均与同一现象有关：6 月轮次的邀请深入到 65–70 分队列，但不少获邀者最终 未递交签证申请。
预测值偏高则反映了同月的另一种变化：厨师、会计师、土木工程师和机械工程师等成熟 职业池，随着提交满两年的 EOI 持续失效，收缩速度超过模型阻尼趋势的预期。增长主要 出现在 6 月轮次大量发出邀请的职业池，收缩则集中在该轮次较少触及的职业池。两者在 总量上几乎完全抵消。因此，189 总池的误差虽只有 0.6%，68 个职业池中 仍有 28 个超出预测区间。
这带来两点结论。第一，我们撤回 7 月提出的「未来可以收窄」预测区间。对于邀请集中 失效的月份，提前一个月预测所采用的约 ±5% 区间明显过窄；在区间能够覆盖一次此类波动 之前，我们不会将其收窄。第二，模型需要纳入邀请失效机制。189 模型拟合时已将每轮预计 移出的 EOI 加回，以便趋势反映总流入量，但目前将这种移出视为永久变化。我们正在历史 数据上测试一项「回流调整」：在 60 天有效期届满时反向加入相应调整。只有通过历史检验， 它才会用于公开预测；如果检验不通过，我们也会在这里如实说明。
下月验证
10 月初，我们将检验 7 月版提前两个月的预测和 8 月版提前一个月的预测。此后每月都会 如期公布，无论结果准确还是失准。下一轮 189 邀请预计将在 9 月 30 日前发出，因此 9 月 快照既会反映新一轮邀请造成的池规模减少，也会包含上述邀请失效带来的 EOI 回流。 方法细节见 预测方法与验证；上一期见 2026 年 7 月对账单；实时数据见 EOI 趋势。