当前世界正处于人才全球化的时代,人才的跨国交流日益频繁。其中,留学生作为跨国流动中的一个重要群体,不仅为留学目的国带来巨额的经济收益以及多元文化结构,还带来了大批潜在的国际化人才。所以,很多国家都将留学作为重要的服务产业来发展。随着中国国力的日益增强,人民生活水平的逐渐提高,选择出国留学的中国留学生人数逐年增加。然而,突如其来的全球新冠疫情对留学生及相关产业造成较大的影响,中国作为第一大留学生输出国,更加应该重视疫情下的留学问题及人数预测。随着网络技术的发展,网民可以通过网络搜索查询相关信息,同时,其行为信息也会被记录下来作为网络搜索信息,这些行为信息有着巨大的研究价值。以往对留学人数预测研究多采用基于同频数据的传统时间序列预测模型,在各解释变量因频率不同进行降频处理时,存在难以保留完整原始信息的缺点。在此背景下,本文根据日度网络搜索数据,利用时差相关系数法筛选出具有一致性的关键词,采用主成分分析法提取留学网络舆情因子,并结合相关经济变量即人民币汇率作为高频解释变量,选用相应年度留学人数同比增长率作为低频被解释变量,分别建立舆情混频模型和经济舆情组合混频模型对留学人数进行预测研究。将这两个混频模型的预测结果和作为基准模型的传统时间序列模型的预测结果进行对比分析。经过分析,本文得到以下结论:第一,利用时差相关系数法和主成分分析法提取的留学网络舆情因子能够较好地反映留学人数同比增长率的变动情况。第二,混频数据模型能够充分利用高频数据的信息,预测效果优于传统时间序列模型。第三,混频模型预测2020年和2021年留学人数增长率均有所下降,说明疫情对留学人数存在一定影响,但只是暂时的。第四,留学网络舆情因子和人民币汇率都能够在一定程度上反映疫情对留学人数的影响,但是留学网络舆情因子受疫情影响较大,人民币汇率受疫情影响较小,这是由于我国采取了高效的疫情防控措施,使得人民币汇率反映疫情影响的程度有限。