省域经济综合竞争力预测模型研究

省域经济综合竞争力预测模型研究

一、省域经济综合竞争力评价与预测综合评价价值是指一个省（市、区）对资源的吸引力、市场竞争强度、周边地区的辐射强度和运动力。省域经济综合竞争力是推动中国区域经济和现代市场经济发展的重要动力,发展省域经济必须抓住提升省域经济综合竞争力这个基础和核心问题。大力提升省域经济综合竞争力,不仅需要对其现状进行全面、深入的认识和评价,且迫切需要对其未来的变化发展趋势和能力进行预测分析。市场经济和区域经济越是加快发展,对省域经济综合竞争力进行预测研究的必要性和重要性也就愈益凸显。研究和提升省域经济综合竞争力需要进行预测研究,但它从来没有被预测过。省域经济综合竞争力从来没有被预测过,并不等于它不能被预测。省域经济综合竞争力作为推动区域经济发展的重要要素,既可以进行测度评价,也可以进行预测分析。省域经济综合竞争力是由一系列相互联系、相互影响的省域经济要素构成的有机整体,这些要素有些是动态的,处于不断的变化发展之中,有些则是相对稳定的,例如国土面积、海域面积、矿产资源储量等等,这就使省域经济综合竞争力既具有经济要素运行的不确定性和不连续性,又具有自身所特有相对稳定性和持续性。同时,省域经济竞争力的组成要素多、体量大,在短时间内产生突变的概率小,这些都为省域经济竞争力预测提供了可行性。省域经济综合竞争力预测研究不是空中楼阁凭空而起,需要建立在省域经济综合竞争力研究和经济预测研究的坚实基础之上。马克思主义哲学作为关于自然、社会和思维发展一般规律的科学,政治经济学作为揭示了生产关系发展规律的科学,为经济预测以经济现象的历史、现状和规律为依据对未来前景进行测定,提供了有力的理论指导;西方经济学、统计学、数量经济学、技术经济以及电子计算机技术等学科的发展,为省域经济综合竞争力的预测研究提供了具体的理论、方法和技术手段;近年来国内一批专家学者致力于省域经济综合竞争力的评价研究,其中影响最大、最具代表性的成果是由李建平、李闽榕、高燕京主编,由社会科学文献出版社出版的国家级蓝皮书《中国省域经济综合竞争力发展报告(2005~2006)》、《中国省域经济综合竞争力发展报告(2006~2007)》。在省域经济综合竞争力的预测研究方面,李闽榕主持的2007年国家社科基金项目《中国省域经济综合竞争力评价与预测研究》已取得了阶段研究成果,由社会科学文献出版社以相同书名于2007年11月正式出版(李闽榕、李建平、黄茂兴,2007),这些研究成果,为省域经济综合竞争力预测研究奠定了的良好基础,表明省域经济综合竞争力不仅可以评价,而且也能够预测。现代经济预测的核心是建立科学的预测模型,省域经济综合竞争力预测研究也是同样。由于省域经济综合竞争力是一个复杂的系统工程,决定了构建预测模型也是一项十分复杂、难度很大的工作。本文以省域经济综合竞争力评价指标体系作为预测指标体系,来构建省域经济综合竞争力预测模型,并对省域经济综合竞争力预测模型精确性和预测结果进行验证和评估。二、建立综合评价省域经济优势的模型(一)定量分析方法经济预测方法一般分为定性分析方法和定量分析方法。定性分析方法强调的是从主观判断角度出发,集思广益,力求得出的结果能比较客观,这主要是用于对难以通过数据和资料来衡量的客观对象的判断,经济研究中常用的定性分析方法主要有专家评估法(德尔菲法)、判断预测法、市场调查法、类推法等。定量分析方法则着眼于运用统计与计量的分析方法,对搜集的数据资料进行加工,从而得出所需要的数据结果。自1962年法国经济学者朱格勒(C.Juglar)创建时间—价格数列之后(1),经济发展预测的定量分析方法不断增多、完善,有调查预测、相关与回归预测、趋势预测、季节预测、投入产出预测、马尔可夫预测、生产函数预测、短期预测、中长期预测、判断预测、延伸预测、因果预测等1500多种(2)。经济预测运用的范围也越来越广泛,最初较多是运用于对宏观经济的预测,后来逐步的向区域、行业、部门等延伸,形成多层次、多级别的经济预测体系。预测方法和手段也趋于完善,并逐步向智能化和高级化的方向发展,使经济预测的科学性和准确度不断提高。以上这些分析方法同样适用于省域经济综合竞争力预测的分析研究,是进行省域经济综合竞争力预测研究选择最适合、最有效分析研究方法的依据和对象。(二)建立省域经济综合竞争力预测模型的指标预测指标体系是构建省域经济综合竞争力预测模型的依据和基础。预测“鉴往知来”的本质,决定了对过去和现在的评价是预测的基础,并由此决定了已经并且正在使用的对省域经济综合竞争力过去和现在状况进行评价的指标体系及模型,仍然是省域经济综合竞争力预测研究不可缺少的基础。全国经济综合竞争力研究中心福建师范大学分中心(2008)在由社会科学出版社出版的国家级蓝皮书《中国省域经济综合竞争力发展报告(2006~2007)》中创建的省域经济综合竞争力评价指标体系,经过了实践的检验,获得了学术界、经济界的较大认同,可以作为省域经济综合竞争力的预测指标体系。预测指标体系设1个一级指标、9个二级指标、25个三级指标和207个四级指标(参见图1),四级指标名称参见表1,归属三级指标的情况及权重分配参见社会科学文献出版社出版的《中国省域经济综合竞争力发展报告(2006~2007)》。在省域经济综合竞争力的预测指标体系中,一、二、三级指标没有客观的基础数据,属于由下一级指标组合起来的合成性指标,只有四级指标是属于具有客观数据的基础性指标,因此,省域经济综合竞争力预测模型主要依据207个四级指标来建立。建立省域经济综合竞争力预测模型不是用一种预测方法对207个四级指标进行简单预测,因为在经济预测中,到目前为止,还没有一种预测方法能够适应众多不同性质的经济要素的预测。因此,构建省域经济综合竞争力预测模型还需要对207个四级指标依据指标性质的不同进行类型分析。由于省域经济综合竞争力预测指标体系的指标数量多、涵盖范围广,既有宏观经济指标,也有产业和企业指标;既有投入指标,也有产出和效益指标;既有经济要素指标,也有以经济要素产生直接影响的其他相关指标,如教育、文化和政府作用等方面的指标;既有动态指标,也有静态指标(不是绝对不变,是处于缓慢变化之中),如人均国土面积指标所涉及国土面积、人均可使用海域和滩涂面积指标涉及的可使用海域面积滩涂面积,等等。这些都是从经济运行和经济要素的角度反映了省域经济综合竞争力的内部构成。从省域经济综合竞争力预测指标体系的构成看,可以分为5种不同形态:(1)存量形态,就是以总量绝对值的形式来体现省域经济综合竞争力构成要素的过去、现在和未来存在情况,如地区生产总值、财政总收入、流动资金周转次数、全社会货物周转量,等等。(2)增量形态,就是以增长速度的形式来体现省域经济综合竞争力构成要素的变化发展情况,如地区生产总值增长率、财政总收入增长率、地方财政收入年递增、社会劳动生产率增长速度,等等。(3)均值形态,就是以平均值的形式来体现省域经济综合竞争力构成要素的平均占有情况,如人均地区生产总值、规模以上企业厂均所有者权益、每万人商标注册件数,等等。(4)占比形态,就是以局部占全部比重的形式来体现省域经济综合竞争力的变化发展情况,如规模以上工业增加值占工业增加值比重、税收收入占财政总收入比重,等等。(5)比率(比差)形态,就是以两个有着密切联系的不同事物之间的比较形式来体现省域经济综合竞争力的变化发展情况,如贸易结构优化度(货物和服务净流出)、工业资产总贡献率、森林覆盖率、霍夫曼系数、环境竞争力与宏观经济竞争力比差(反映协调发展情况),等等。按照以上5个方面的形态对省域经济综合竞争力预测指标体系中的四级指标进行分类,结果是:存量类指标有42个,占指标体系的20.3%;增量类指标有23个,占指标体系的11.1%;均值类指标有60个,占指标体系的30.0%;占比类指标有39个,占指标体系的18.8%;比率(比差)类指标有43个,占指标体系的20.8%,每个类型包含的具体指标参见表1。鉴于少数指标采集的数据量太少,如万元GDP综合能耗近2年才成为国家统计体系内的指标,现在的数据不足以支持预测;有的数据不是每年都有变化或变化量极小,例如森林覆盖率国家每5年公布一次,且变化缓慢,预测结果基本是一条直线;还有的属于合成性指标,如环境竞争力与宏观经济竞争力比差(反向指标)、资源竞争力与宏观经济竞争力比差(反向指标)、人力资源竞争力与宏观经济竞争力比差(反向指标)等科学和谐发展的指标,是在一次预测的基础再做二次预测,预测的误差必然会进一步加大。因此,有11个四级指标可以不进入预测,参加预测的指标共有196个。需要明确的是,不参与预测实验的指标应以现有分值进入与预测分值一起合成预测结果,由此确定各个省域的预测排位。(三)省域经济综合竞争力预测模型主要特点对省域经济综合竞争力进行预测,除了构建指标评价体系外,还要借助计量经济学、数理经济学的计算工具建立预测评价模型。预测模型是经济预测研究中必不可少的部分,是区域经济预测的“支柱”,少了这个“支柱”,描述得再生动、再具体的预测也难以在科学性和客观性面前站稳脚跟。随着数学和计算机在经济学中的广泛运用,构建预测模型开始成为经济预测的主流方法,主要预测模型有:线性回归模型、移动平均模型、指数平滑模型、趋势外推模型、ARIMA预测模型、马尔可夫预测模型、投入产出预测模型、灰色预测模型、人工神经网络预测模型,等等。根据预测的原理的不同,目前比较常用的预测模型有9大类,如表2所示。这些预测模型对省域经济综合竞争力预测研究也是适用的,是进行省域经济综合竞争力预测研究学习借鉴的主要对象。分析预测模型不仅要分析其原理和分类,还要分析其主要特点。从上面介绍和分析的可供省域经济综合竞争力预测研究借鉴的9类主要经济预测模型来看,它们在预测方法上表现出以下几个突出特点:(1)以此推彼,就是依据经济要素之间的因果关系,由一个要素的变量预测出另一个要素的变量。回归分析模型中的一元线性回归模型、二元线性回归模型、三元线性回归模型都属于这样的预测方法。(2)以前推后,就是依据经济要素过去、现在变化发展时间序列的值,对其未来一定阶段内的变化值进行推导和预测。在简单预测模型中,移动平均模型、指数平滑模型都属于具有以前推后突出特点的预测模型。由于模型构造比较简单,移动平均模型、指数平滑模型进行长期预测的误差较大,通常适用于1年以内的预测。(3)以内推外,就是将经济要素过去和现在已经形成客观现实的变化发展趋势看作是内趋势,将内趋势形成的函数曲线向趋势外延伸,由此来推导、预测其外趋势,也就是未来的变化发展趋势。以内推外在本质上也属于以前推后,但它不是只预测经济要素未来中近期变化发展的一个点,而是按时间序列排列的一种趋势,因而可以用于长期预测。趋势外推模型中的多项式曲线模型、指数曲线模型、对数曲线模型、龚珀兹曲线模型、逻辑曲线模型,以及多项式曲线模型中的二次曲线趋势模型、三次抛物线模型等预测模型等等,都属于具有以内推外特点的预测模型。(4)系统综推,就是充分考虑经济要素受到的诸多关联因素的复杂影响,运用多变量、系统化的预测模型对预测对未来一定阶段内的变化值或发展趋势,进行综合性推导和预测。投入产出预测模型、灰色预测模型、人工神经网络预测模型等,都是具有鲜明系统综推特点的预测模型。(四)省域经济综合竞争力预测模型的发展趋势省域经济综合竞争力预测指标体系是构建省域经济综合竞争力预测研究的基础和主件,预测模型是省域经济综合竞争力预测研究的基本工具和要件,省域经济综合竞争力预测模型的建模必须充分考虑和满足省域经济综合竞争力预测指标体系提出的要求。(1)线性回归分析模型对预测指标的适应性分析。线性回归分析模型中的一元线性回归模型、二元线性回归模型、三元线性回归模型,都属于简单型预测模型,明显不能用来作为进行全面、系统的综合性预测的预测模型。但是,线性回归分析模型所具有的以此推彼特点,可以用来作为验证模型来发挥辅助性作用。(2)简单时间序列预测模型对预测指标的适应性分析。移动平均模型、指数平滑模型都是按时间序列对经济要素进行预测的模型,但属于简单时间序列预测模型。简单时间序列预测模型虽然不需要由一个要素变量来以此推彼地预测出另一个不同要素的变化值,可以自身过去和现在的变化值来预测经济要素未来的变化值,但由于模型构造比较简单,不太适合用做1年以上的长期预测,不宜作为主导模型来使用,但可作为辅助模型来使用。(3)趋势外推模型对预测指标的适应性分析。趋势外推模型是以经济要素过去和现在形成的内趋势函数曲线,来向外延伸推导、预测未来的变化发展趋势。多项式曲线模型、指数曲线模型、对数曲线模型、龚珀兹曲线模型、逻辑曲线模型,以及多项式曲线模型中的二次曲线趋势模型、三次抛物线模型等预测模型,发展都属于趋势外推模型。这些模型虽然在原理上属于时间序列预测模型,但功能比简单时间序列预测模型优良许多,不同的预测模型对不同类型的指标也有着较强的适应性,可以用于具有2个以上变量因素的预测。(4)自回归移动平均模型对预测指标的适应性分析。自回归移动平均模型是按照时间序列,根据历史数据的变动规律,用一定的数学模型来近似描述这个序列,来实现对未来的预测。经济预测中常用的ARIMA模型,属于非平稳时间序列预测模型,能够适应经济要素在出现增长或下降波动趋势条件下进行预测的要求,只要模型所需要的各项参数确定并正确,不仅预测比较准确,而且对不同类型预测指标的适应面也比较大。(5)马尔可夫预测模型对预测指标的适应性分析。马尔可夫预测模型是应用马尔科夫链的基本原理与方法分析事物的变化规律,并预测其未来变化趋势的一种技术。在总体上也属于以内推外的范畴,具有以“短”推外的特点和需要历史数据少、预测简便的优点。但是,马尔可夫预测模型是建立在一定的假设条件之上的,而实际上这些条件很难得到满足,同时它还忽视过去的因素,使得预测结果不够精确,不太适合省域经济综合竞争力预测指标体系对省域宏观经济和社会领域要素的预测。(6)投入产出预测模型对预测指标的适应性分析。投入产出预测模型是运用数学方法和电子计算机技术,在建立投入产出表的基础上,分析和预测国民经济各部门间投入原材料和产出产品的平衡关系及其变化的一种现代经济预测模型,也是一种对经济运行状态和趋势进行全面、系统预测的综合型预测模型,可以应用于区域经济运行状态和趋势的预测。但是,建立和运用投入产出预测模型有一定的前提要求,如要求总供给和总需求相等、各产品生产的相关关系是稳定不变、产品生产的消耗数据有详细统计等,这些要求在现实中很难满足,决定了投入产出模型在省域经济综合竞争力预测中的适用性和准确性都是有限的。(7)灰色预测模型对预测指标的适应性分析。灰色预测模型是一种应用微分方程,通过鉴别系统因素之间发展趋势的相异程度,并对原始数据进行生成处理来寻找系统变动的规律,预测事物未来发展趋势的预测模型,具有需求数据少、可检验及修正、预测结果具有良好的精确性等优点,在经济社会各领域应用非常广泛。但是,灰色预测模型对具有明确绝对值的单一性经济要素的预测,因拟合灰度较大导致精度没有简单模型的精确度高。(8)人工神经网络预测模型对预测指标的适应性分析。人工神经网络预测模型是通过建立一个并行和分布式的多层BP神经网络,形成可以逼近任意非线性函数并进行随机调整,来预测经济要素的变化发展趋势,具有不需计算统计特征和考虑系统表现的函数形式越复杂、神经网络作用也越明显的特点,理论上可以适用于任何非线性时间序列的建模,但与灰色预测模型一样,在对单一性经济要素的预测上,预测精度不如一些简单模型的预测精度高。(五)模型评价标值对各种模型进行有效评价和判断的依据是设立有效的评价指标,通过评价指标值的大小来评价各预测模型的预测效果。对预测模型精确度评价和应用部分列出了相对误差、平均误差、变异系数、拟合优度、泰尔(Theil)不等系数、外推预测检验等6种指标来评价各种模型的预测精度,如表3所示。(六)组合模型与主导模型根据以上适应性分析,我们将实验经济学的基本理论和主要方法引入省域经济综合竞争力预测主导模型的选择研究,组织20多人历经3个多月时间,对31个省份、长达13年的196个指标与16个常用的经济预测模型的适应性进行实验,实验数据多达810多万个,最后综合考察5个预测效果评判标准,找出每一类指标中适应指标个数最多的预测模型作为主导模型,每一类指标中平均值最优的预测模型作为的辅助模型。在实验中我们还发现,以历史拟合的均方误差最小为标准,用线性规划的方法确定各单项预测模型的权重,把所有用于实验的预测模型综合在一起,拟合效果好的模型权重大,赋予拟合效果差的模型权重就要小,由此形成的预测结果不仅比辅助模型更好一些,而且具有综合性和稳定性,不容易受少数预测模型的极端值影响,可以对主导模型的预测效果起到验证作用。课题组将这一模型称为组合模型,作为主导模型的验证模型。也就是说,只要五大类型指标主导模型和辅助模型的预测结果优于组合模型,就可以认为预测结果在正常范围之内,是可以接受的。五大类型指标主导模型和组合模型的预测效果对比如表4所示。三、主导模型与其他预测模型的比较通过对省域经济综合竞争力指标体系中的指标进行大量预测实验,从中选择出每一类指标适应性最强的预测模型,并把适应某类型指标最强的预测模型作为主导模型,这只是说明主导模型在5个评价标准的比较上优于其他预测模型,还不能说明主导模型预测结果就是最精确的。实际上,不管哪种预测模型,对历史数据变化趋势的拟合不可能完全一致,也就不可避免地会产生误差。而这种误差的大小,就影响到省域经济综合竞争力的预测结果。因此,有必要对实验过程中各指标预测的精确度做个比较分析。(一)变异系数和不等系数表5列出了40个存量类指标利用各自主导模型预测效果。从平均绝对误差率来看,有18个指标的预测误差小于5%,接近指标总数的一半,预测精确度是非常高的,有10个指标的预测误差介于5%到10%之间,预测精确度也是比较高的,只有12个指标的预测误差超过了10%;从变异系数来看,有28个指标预测的变异系数小于0.1,占到指标总数的70%,变异系数处于0.1到0.2之间的有6个指标,另外6个指标的变异系数超过0.2;从拟合优度来看,有26个指标的预测模型拟合优度超过0.9,处于0.5和0.9之间的有12个,只有2个指标的预测模型拟合优度小于0.5;从2006年相对误差来看,只有9个指标的误差小于5%,11个指标的相对误差介于5%和10%之间,另外20个指标的相对误差都超过了10%;从泰尔不等系数来看,只有3个指标泰尔不等系数小于0.5,处于0.5和0.9之间的有32个,占指标总数的80%,另外5个大于0.9。综合来看,存量类指标中绝大多数预测效果较好,在5个评价标准中表现比较满意,只有少数指标预测效果较差,特别是对外经济合作完成营业额、污染直接经济损失(反向指标)、现金投入量、保险费净收入、音像制品出版数和城市城镇社区服务设施数等几个指标的预测误差非常大,这是由于这些指标的历史数据波动明显,没有形成明显的变化趋势或曲线,不管是主导模型还是其他任何预测模型都难以对其进行有效拟合,使得预测误差比较大。但总体上看来,存量类指标预测的效果还是很好的,其预测结果可以作为省域经济综合竞争力的预测评价依据。(二)变异系数和拟合优度表6列出了23个增量类指标利用各自主导模型的预测效果。从平均绝对误差率来看,有10个指标的预测误差小于5%,接近指标总数的一半,预测精确度是非常高的,有8个指标的预测误差介于5%到10%之间,预测精确度也是比较高的,只有5个指标的预测误差超过了10%;从变异系数来看,有17个指标预测的变异系数小于0.1,超过指标总数的70%,变异系数处于0.1到0.2之间的指标有5个,只有1个指标的变异系数超过0.2;从拟合优度来看,有14个指标的预测模型拟合优度超过0.9,处于0.5和0.9之间的有6个,只有3个指标的预测模型拟合优度小于0.5;从2006年相对误差来看,有8个指标的误差小于5%,10个指标的相对误差介于5%和10%之间,另外5个指标的相对误差都超过了10%;从泰尔不等系数来看,共有14个指标泰尔不等系数小于0.5,处于0.5和0.9之间的有8个,另外1个大于0.9。综合来看,增量类指标中大部分的预测效果还是较好的,在5个评价标准中表现比较满意,只有少数指标预测效果较差,比如实际FDI增长率,历史数据波动明显,没有形成明显的变化趋势或曲线,不管是主导模型还是其他任何预测模型都难以对其进行有效拟合,使得预测误差比较大。但总体上看来,增量类指标预测的效果还是很好的,其预测结果可以作为省域经济综合竞争力预测评价依据。(三)均值类评价标准主要的预测效果很好,但年、月、日表7列出了57个均值类指标利用各自主导模型的预测效果。从平均绝对误差率来看,有31个指标的预测误差小于5%,超过指标总数的一半,预测精确度是非常高的,有15个指标的预测误差介于5%到10%之间,预测精确度也是比较高的,只有11个指标的预测误差超过了10%;从变异系数来看,有48个指标预测的变异系数小于0.1,超过指标总数的80%,变异系数处于0.1到0.2之间的指标有4个,只有5个指标的变异系数超过0.2;从拟合优度来看,有40个指标的预测模型拟合优度超过0.9,另外17个指标的预测模型拟合优度大于0.5,说明均值类指标预测主导模型对各指标拟合效果非常好;从2006年相对误差来看,有17个指标的误差小于5%,20个指标的相对误差介于5%和10%之间,另外20个指标的相对误差都超过了10%;从泰尔不等系数来看,有9个指标泰尔不等系数小于0.5,处于0.5和0.9之间的有45个,只有3个大于0.9。综合来看,均值类指标中大部分的预测效果还是较好的,在5个评价标准中表现比较令人满意,只有少数指标预测效果较差,比如人均治理工业污染投资额、人均保险费净收入、万人技术市场成交额和每10万人火灾发生数(反向指标)等几个指标,同样是由于这些指标的历史数据波动明显,没有形成明显的变化趋势或曲线,不管是主导模型还是其他任何预测模型都难以对其进行有效拟合,使得预测误差比较大。但总体上看来,均值类指标预测的效果还是很好的,其预测结果可以作为省域经济综合竞争力预测评价依据。(四)均值类评价标准主要指标的预测效果分析表8列出了39个占比类指标利用各自主导模型的预测效果。从平均绝对误差率来看,有14个指标的预测误差小于5%,占指标总数的1/3,预测精确度是非常高的,有15个指标的预测误差介于5%到10%之间,预测精确度也是比较高的,另外10个指标的预测误差超过了10%;从变异系数来看,有25个指标预测的变异系数小于0.1,超过指标总数的60%,变异系数处于0.1到0.2之间的指标有11个,只有3个指标的变异系数超过0.2;从拟合优度来看,有20个指标的预测模型拟合优度超过0.9,另外19个指标的预测模型拟合优度大于0.5,说明均值类指标预测主导模型对各指标拟合效果非常好;从2006年相对误差来看,只有9个指标的误差小于5%,11个指标的相对误差介于5%和10%之间,另外19个指标的相对误差都超过了10%;从泰尔不等系数来看,有10个指标泰尔不等系数小于0.5,处于0.5和0.9之间的有27个,只有2个大于0.9,说明占比类指标的主导模型预测能力很高的。综合来看,均值类指标中大部分的预测效果还是较好的,在5个评价标准中表现比较令人满意,只有少数指标预测效果较差,比如外资企业进出口占进出口总额比重、企业技术开发经费占产品销售收入比重和医疗保险覆盖率等指标,这些指标的历史数据波动明显,其变化趋势或曲线,难以利用普通的预测模型对其进行有效拟合,使得预测误差比较大。但是总体上看来,占比类指标预测的效果还是很好的,其预测结果可以作为省域经济综合竞争力预测评价依据。(五)评价标准之间的相关分析表9列出了37个比率(比差)类指标利用各自主导模型的预测效果,从平均绝对误差率来看,有14个指标的预测误差小于5%,超过指标总数的1/3,预测精确度是非常高的,有10个指标的预测误差介于5%到10%之间,预测精确度也是比较高的,另外13个指标的预测误差超过了10%;从变异系数来看,有21个指标预测的变异系数小于0.1,接近于指标总数的60%,变异系数处于0.1到0.2之间的指标有10个,只有6个指标的变异系数超过0.2;从拟合优度来看,有16个指标的预测模型拟合优度超过0.9,有20个指标的预测模型拟合优度大于0.5,只有1个指标的预测模型拟合优度小于0.5,说明均值类指标预测主导模型对各指标拟合效果非常好;从2006年相对误差来看,有11个指标的误差小于5%,15个指标的相对误差介于5%和10%之间,另外11个指标的相对误差都超过了10%;从泰尔不等系数来看,有13个指标泰尔不等系数小于0.5,其他24个都处于0.5和0.9之间,说明比率(比差)类指标的主导模型预测能力很高的。综合来看,比率(比差)类指标中大部分的预测效果还是较好的,在5个评价标准中表现都比较令人满意,只有少数指标预测效果较差。由于比率(比差)类指标都是由其他存量类指标计算得到的,同时受到多个指标变化的影响,特别是资本形成结构优化度(存货增加指数—反向指标)、工业成本费用利润率、新产品产值率和工业固体废物综合处置率等指标,受到其他指标波动的影响,使得指标变化不稳定,其变化趋势或曲线难以利用普通的预测模型对其进行有效拟合,使得预测误差比较大。但是总体上看来,比率(比差)类指标预测的效果还是很好的,其预测结果可以作为省域经济