【四川省经济发展的组合预测探究（论文）7600字】

I四川省经济发展的组合预测研究摘要：当前四川经济社会发展正出现一些重大趋势性变化，同时受经济结构变化、人口结构变化、自然环境等因素影响，四川经济增长率呈变化趋势，深刻认识这些变化，有效预测并提出应对措施，对把握未来发展方向，促进高质量发展具有重要意义。文章分别建立了三种类型的单项预测模型和两种类型的组合预测模型来对四川省近年来的经济发展情况进行预测分析，研究表明组合预测预测精度会低于最优单项预测，但是会优于平均单项预测，从而降低预测失败的风险。其相关研究结果也能够用作四川未来经济规模预测的有效工具，为相关部门制定有针对性的发展策略和健全机制提供参考。关键词：区域经济单项预测组合预测目录摘要 Ⅰ目录1绪论 11.1研究背景及意义 11.2研究现状 21.3研究内容框架 22预测模型的建立 32.1研究内容框架 32.2建立组合预测模型 53实证分析 63.1单项预测分析 732组合预测分析 124结束语 14参考文献 141绪论1.1研究背景及意义中共中央和国务院在最新的报告中指出，“我们要因地制宜量体裁衣，大力发挥各个地区各个城市的优势和特色，同时也要不断缩小各区域经济文化发展的差距，相对富裕的地区携手帮助相对贫困的地区，围绕着实现小康社会这一基本目而奋斗，也要努力实现公共服务普及化、公共基础设施均衡化、百姓基本生活水平相当化的目标，速度完善有力有序、合理竞争、健康积极、合作双赢的地区均衡协调发展的新模式”[1]。根据咱们四川省统计的报告来看，2020我们四川省的经济水平较高，社会发展较为稳定。公报从十四个方面详细展现了2020年四川省经济运行的各项数据，公报显示，因为疫情的影响，2020年整体的消费水平降低，消费市场呈现下降趋势。总而言之，我省的经济发展正处于一个全新势头，因为量变会引起质变、新的质变会再次推动量变，在这关键的阶段经济水平将保持稳定的增长、效益也会逐步提升。四川的经济发展潜力可能由于经济权重，劳动力成本上升，人口变化以及资源和环境限制等因素而下降。在四川经济发展阶段，发展水平和体制改革落后于国家水平，发展需要加快，急需提高质量。同时，对质量发展，特别是对积极的经济结构，有基本要求。历史发生了变化，新旧事物的步伐加快了，经济增长的驱动力已经超越了投资。预测是通过根据过去和现在估算未来来预测未来。统计预测归预测系统研究部门所有。换句话说，它是一种定量的方法，用于测量对象的未来发展并使用科学的统计方法计算可能的可靠性概率。四川省的经济结构和社会发展正在悄无声息地发生一些重大改变，因为受到社会主义核心价值观的影响，世界整体化与现代化的影响，以及现在经济条件变化的影响。我们必须学会应对这些变化并且试着去深入的了解其中的秘密，并会更准确地预测并提出将来应对这些变化的措施，对发展方向和促进高质量发展很要紧。复合预测的目的是最好地利用以不同方式提供的信息，以尽可能提高预测的准确性。在理论和实践研究中，组合预测模型可以提供比单独预测不同唯一预测变量和不同数据源的独立预测更好的预测，并且组合预测模型具有预测性，可以减少系统错误并大大提高预测效果。因此，对不同的单项预测方法进行组合，结合地区经济数据，可以较为准确分析四川省省经济的发展的现状及发展前景。探讨哪种方法更适合预测四川省经济方法，从社会的层次来说，对于区域经济发展具有研究价值；对于相关部门体系完善来说，有利于制定有针对性的发展策略和健全机制。1.2研究现状到现在为止，有非常多的专家学者们对单项预测和组合预测的方法投入了大量的心血和精力。针对地区旅游人数预测方面，祖培福等[2]考虑到旅游人数变化是受多种因素影响的信息不完全灰色系统，通过建立灰色线性回归组合预测模型来研究这一问题。汪威[3]研究运用四种单一模型对中国大陆赴澳门游客量进行预测，用平均绝对百分比误差（MAPE）和希尔不等系数（TIC）对优化结果进行评价与比较，确定最优组合预测线性模型是比较切合澳门入境旅游实际的预测模型。针对人力资源需求预测方面，朱泉同等[4]运用“预测误差平方和倒数法”构建江苏省卫生人力资源组合预测模型，为江苏省卫生人力资源供需平衡提供合理建议。张瑞华[5]等人基于灰色模型与ARIMA模型对四川省卫生人力资源进行预测。不少研究者已经结合数据分析技术，对各个领域的经济发展情况进行了组合预测。林鹏等[6]采用全国海洋生产总值作为研究对象，分别利用灰色模型，ARIMA模型和组合模型进行预测，提出了一种基于交叉验证方法确定组合预测权重的新算法。周建新等[7]构建了全局主成分分析(GPCA)和优化小波神经网络的组合模型，对中国区域经济发展水平进行预测。芦琳娜等[8]通过分析国内镍资源的供应、需求，引入经济增长、不锈钢产量等相关因素，运用逻辑斯蒂模型、人工神经网络等多种方法对2020年、2025年、2030年我国镍资源供需量进行了熵值组合预测。上述学者的贡献为本文的研究提供了有价值的思路，但是较少研究者将组合预测方法运用到区域经济发展的预测上。因此，使用组合预测的研究方法，结合地区经济数据，对区域经济发展进行预测具有研究价值。基于此，为了较为准确分析四川省经济的发展的现状及发展前景，本文尝试使用简单平均法、拟合优度法等，对时间序列模型，灰色预测模型、一元线性回归预测模型等进行组合，创设能够分析四川省经济发展的数学预测模型，以此来提高四川省经济文化水平；然后，这三种模型结果的预测值和实际的代表四川省经济的各种数值那么一比较，就可以得出预测结果和实际结果的误差；接下来，通过上面的单项预测结果可以求出组合预测的权重，采取的组合预测方法不同，所得到的权重也有所不同；最后，根据求得的权重代入到组合预测的计算方法中来，就可以求出组合预测模型的结果，与单项预测模型得出的结果进行对比，比较其两种方法的优劣性，探讨哪种组合方法更为适合四川省经济发展预测，针对四川省经济发展数据所反映的现状，制定该省发展的战略方向。1.3研究内容框架通过各种预测模型搭配组合的办法，这样的话就能避免单种模型的缺陷，有效的增加精准度。本文将组合预测方法应用到区域区域经济研究中，以期为相关部门制定有针对性的发展策略和健全机制提供参考建议。研究内容安排如下：第一章介绍了本文的背景及意义，并简单阐述了现阶段四川省的经济发展现状，通过对现有文献的整理，梳理本篇文章的研究思路和方向，给出本文的研究内容框架。第二章通过不同的模型方法，主要有两个部分，分别为确立单项与组合预测模型。第三章结合四川省的实际经济发展数据，结合预测模型，对四川省经济发展进行预测。第四章总结了本文的研究内容，分析其不足，并对以后的研究进行展望。2预测模型的建立区域经济发展的预测有很多种方法，并且每种方法都有各自的优势和缺点，适用的预测范围也不同，在本次预测中，为了预测结果更精准，便需要利用以往历年的区域经济发展数据进行分析，最后通过对计算得出的预测值做出预测分析，综合考虑每个影响因素的影响，做出预测。2.1研究内容框架根据后锐[9]在其论文基于MLP神经网络的区域物流需求预测方法及其应用中提出如果预测数据获取困难时，可以通过侧面反映的数据来进行预测。对于选择预测方法一般需要注意以下几点：一，在选择数据上面首先需要考虑该数据是否容易得到，二，要选择适合该预测数据的预测方法，三，选择的预测方法是适应于当下的环境变化的。所以根据这三个条件，我们选择了指数平滑，灰色模型，回归分析这三种方法作为我的单项预测模型。2.1.1指数平滑法在数据预测中常用指数平滑法。田丽红[10]在其论文中研究集装箱海运预测时也运用了指数平滑法，并用这种方法解决了海运的预测问题。（1）一次指数平滑的预测模型已知时间序列为：，为预测总期数。其预测模型的公式为：(1)符号说明第t期的平滑值，右上角标的(1)表示该公式是一次指数平滑公式第期的平滑值平滑系数，取值在0至1之间第期的预测值（2）指数平滑法初始值的确定从时间序列的项数来考虑：李燕斌，张久菊，肖俊明[11]，在其研究基于指数平滑法的灰色预测模型这篇论文中有运用该平滑法并介绍：如果该总期数大于15，那么该数据中的初始值对最后的预测结果的影响是很小的，可以直接以第一个的期数值作为这次数据预测的初始值；如果总期数小于15，那么该数据中的初始值对最后的预测结果的影响是比较大的，所以便需要取前几期的实际值的平均数作为这次数据预测初始值，一般取前3个实际值。（3）平滑系数的选择在实际运用中，如果可以取多个值计算比较，那么就取计算误差最小的值，一般取值范围在0.1~0.3，0.3~0.5，0.6~0.8，这三个取值范围中分别选取一个进行计算比较，最后取误差最小的值。（4）通过公式求出预测值。2.1.2灰色系统预测构建灰色系统预测模型也就是建立微分方程的系数，用微分方程去代替时间序列，再通过微分方程去构建出系统的发展模型。灰色模型中，所有随机变量均是在特定的时间段、特定的区域内变动的灰色量。在对影响区域物流需求相关因素数据做出一定的分析或处理后，能够使其变现出一定的规律，在此基础上再对其构建模型。构建模型过程如下：1）建立一次累加生成数列。设原始数列为：然后再按下面的方法做一次累加：2）最小二乘法求参数、，设：参数辨识、：3）求出的模型：(2)2.1.3回归预测线性回归预测法是在分析自变量和因变量之间相关关系的基础上，建立变量之间的回归方法，并将回归方程作为预测模型，本文我们将采用一元回归分析对四川省GDP进行预测分析。建立该模型的重要步骤：1)作点线图，分析这两者之间是否存在线性关系。若存在，可建立线性回归模型；否则，停止计算；2)建立一元线性回归方程：。3)估计参数。4)检验。5)利用方程预测计算。在此处，我构建一元线性回归模型是直接运用excel表直接算出，求出方程，最后算出预测值。2.2建立组合预测模型为了分散对物流预测的风险，提高预测的准确性，我们这里引用组合预测法来进行预测分析，从而提高预测的准确性。或者说在我们预测中肯定会有一些预测方法他们的预测误差会高出正常的范围，所以我们需要把他和误差小的预测方法所结合以后，就可以得到有一定预测价值的组合模型，并且一般在我们的实际情况运用时，如果直接进行平均组合的话，肯定不能有效的提高预测精度的，需要给每个单项预测模型赋予一定的权重，才能有较好的预测效果。本文预测模型用了两种，一种是简单平均法，一种是拟合优度法。2.2.1简单平均法简单平均法，由它的名字就可以知道这种方法算是最简单的一种组合方法了，该预测结果直接为三种单项预测方法的平均数，公式如下：(3)2.2.2拟合优度法简单平均法计算时沿用的权重是跟其单项预测结果的大小是无关的，皆为三分之一，所以这里我们再用一种组合方法，就是拟合优度法，其计算时所分配的权重与其单项预测所预测的结果有关联，所以在精度上更准确，公式如下：(4)3实证分析在统计局网站上查找四川省2011年至2020年的经济指标发展数据(见表1）为例。表12011年到2020年四川经济指标发展数据指标GDP(亿元)居民消费价格指数（增长）全年居民人均可支配收入（元）202048598.83.20%26522201946615.83.20%24703201840678.11.70%22461201736980.21.40%20580201632680.51.90%18808201530103.11.50%17221201428536.71.60%24381/农村居民人均纯收入8803201326260.70.02822368/农村居民人均纯收入7895201223849.80.02520307/农村居民人均纯收入7001.4201121026.70.05317899/农民人均纯收入6128.63.1单项预测分析3.3.1指数平滑预测步骤1确定初始值已知n=10<15，因此便取前三项的平均作为计算的初始值。(6)步骤2取三个平滑系数，计算指数平滑值分别取、、，指数平滑值计算结果如表2所示，图1，图2，图3分别表示、、的指数平滑图象：表2指数平滑值计算结果GDP总量(亿元)年份初始值23712.423712.423712.421026.7201123712237122371223849.8201223444221012129526260.7201323484231502359428536.7201423762250172599430103.1201524240271292828232680.5201624826289132992136980.2201725611311743240540678.1201826748346583652346615.8201928141382704026348598.82020299894327745980图1时的指数平滑图像图2时的指数平滑图像图3时的指数平滑图像步骤3通过分析计算得到的平滑值，确定系数的值计算各平滑系数下平滑值的平均绝对误差，来确定系数的值，再通过利用公式得到计算结果，公式如下：(7)数据计算结果：表3平均绝对误差计算结果GDP总量（亿元）年份初始值23712.423712.423712.421026.72011237122685.7237122685.7237122685.723849.8201223444405.97221011748.82212952554.5326260.72013234842776.273231503110.428235942666.35328536.72014237624774.6457250173520.1712259942542.635330103.12015242405863.58113271292974.46848282821820.6635332680.52016248267854.623017289133767.187392299212759.46635336980.220172561111368.86072311745806.574957324054575.64663540678.120182674813929.87464346586020.529983365234155.46466446615.820192814118474.58718382708345.911993402636353.24646648598.820202998918610.12846432775321.364797459802618.324647合计86744.2438543301.156832732.03059的平均绝对误差86744.24385/10=86774.424385的平均绝对误差43301.1568/10=4330.11568的平均绝对误差32732.03059/10=3273.203059通过比较，当时的平滑值的误差值是最小的，所以这里选用为平滑系数，选择时为预测值步骤4对GDP总量进行预测已知,所以通过公式可以算出其预测值，又由于一次指数平滑法不能预测第一年的值，所以此处2011年的预测值为空，没有预测值。表4指数平滑法预测的GDP总量年份2011年2012年2013年2014年2015年GDP总量（亿元）21295235942599428282年份2016年2017年2018年2019年2020年GDP总量（亿元）29921324053652340263459803.1.2灰色系统预测由表我们可以得到2011-2020年四川省地区全年生产总值的数据，根据数据建立灰色系统预测模型。Step1建立一次累加生成数列然后按下例公式做一次累加，得到数列：所以有：Step2最小二乘法求参数，可以得出下面式子：所以便可得：Step3求出预测模型为：(8)3.1.3一元线性回归预测Step1绘制回归预测散点图由图4可以发现，四川省2011-2020年GDP总量呈近似线性上升，且两变量存在线性关系，所以可以采用一元线性回归法进行预测。图4回归预测散点图Step2利用最小二乘方法建立一元回归线性预测模型根据最小二乘法要求，记再由极值原理，为使Q有最小值，可分别对a、b求偏导数，并令其等于零，即：(9)(10)整理得：，(11)联立求解即可得到a回归系数,b的估计值。(12)(13)Step3代指求解一元回归预测模型利用R语言对四川省2011年-2020年GDP总值进行分析得到一元回归预测模型为：(14)由分析可知a和b的p值均小于0.05，所以回归方程的常数项和一次项系数显著。又因为方程总体的p值为1.325e-07<0.05,因此一元回归方程显著，如下表所示：表5一元线性回归预测值时间x/年20112012201320142015GDP总量y/亿元21026.723849.826260.728536.730103.1预测值1870721782248582793431010时间x/年20162017201820192020GDP总量y/亿元32680.536980.240678.146615.848598.8预测值34086371614023743313463893.1.4结果分析本节尝试将指数平滑预测法、灰色系统预测法和回归分析预测法所得的结构和实际值进行比较，通过计算预测值与实际值的方差，得到指数平滑预测法的方差为348.7，灰色系统预测法的方差为837.6，回归分析预测的方差为140.6。通过上述结果表明，一元线性回归分析的误差值相对来讲更小。表6单项预测GDP总量指数平滑灰色系统回归分析年份实际值(亿元)预测值(亿元)误差值预测值(亿元)误差值预测值(亿元)误差值201121026.721026.7019706.61320.1201223849.823594.3255.523349.9499.922782.41067.4201326260.725994.1266.625625.3635.425858.2402.5201428536.728282.4254.328124.6412.128934-397.3201530103.129921.0182.130865.4-762.332009.8-1906.7201632680.532404.6275.933874.5-119435085.6-2405.1201736980.236522.6457.637177.0-196.838161.4-1181.2201840678.140262.6415.540801.4-123.341234.7-556.6201946615.845980.5635.344779.21836.6443132302.8202048598.848337.0261.849144.8-54647388.71210.1标准误差348.7837.6140.63.2组合预测分析3.2.1确定权重本文采用简单平均组法和和拟合优度法这两种组合模型分别对三种单项模型进行组合。简单平均组合预测在在这里的权重皆为三分之一，所以很简单便可得到结果如下表7而通过拟合优度法预测计算则先需要计算出权重，而权重又与其平均误差有关，所以利用公式计算权重。已知:三种单项预测模型的预测标准差分别为8271.73，8918.52，8834.33于是有：由上面的计算结果，我们得到这三个单项预测模型的权重分别为：然后该组合预测便可对其分析预测了，得到结果如下表7所示。表7权重表组合预测指数平滑预测灰色系统预测回归分析预测拟合优度法权重0.3410.3280.330简单平均法权重0.330.330.333.2.1结果分析对2011-2020年的组合预测皆没计算预测。预测结果见下表8。表8四川省2011-2020年的GDP总量预测结果指数平滑预测灰色系统预测回归分析预测简单平均组合拟合优度年份实际值预测值误差预测值误差预测值误差预测值误差预测值误差201121026.721026.701970.61320.1201223849.823594.4255.523349.9499.922782.41067.423009.8840.023222.6627.5201326260.725994.1266.625625.3635.425858.2402.525567.6459.125802.3224.4201428536.728282.4254.328123.6412.128934-397.328162.2374.528417.1119.6201530103.129921.0182.130865.4-762.332009.8-1906.730622.7-519.630890.1-787.0201632680.532404.6275.933874.5-119435085.6-2405.133450.4-769.933739.1-1058.6201736980.236522.6457.637177.0-196.838161.4-1182.236914.166.137241.5-261.3201840678.140262.6415.540801.4-123.341234.7-556.640358.6319.540719.9-41.8201946615.845980.5635.344779.21836.6443132302.644574.02041.844990.21625.58202048598.848337.0261.849144.8-54647389.71210.147807.6791.248241.0357.8标准误差348.7794.61461.2870.6748.2由上表7计算得出的标准误差值结果，可以看出，这三种单项预测模型在本次预测中都取得良好的预测，不过指数平滑预测的标准误差值最小为348.7，预测效果最好，其次是灰色系统预测，标准误差为794.6，最后便是一元线性回归预测，标准误差为1461.2，由此我们可以得知一元线性回归作为一种简单的预测方法可以预测趋势，但实际预测效果并不好。对于这两种组合预测相对来说，拟合优度法比简单平均更准确些，其标准误差值为748.2，简单平均法标准误差为870.6，拟合优度法更适合组合预测值相差大的单项预测，并且通过上表可知，通过标准误差结果的分析可以看出组合预测模型比单项预测模型精准度更高，比单项预测法更加适合于实际的预测，不过组合预测并不是预测得最好的，它是会差于最优单项预测模型，不过会优于平均单项预测模型，降低了预测失败的风险。所以组合预测模型是一种很适用于区域物流的预测的模型，并且组合预测模型还可以应用到很多预测中去，是一种很有效率并且准确的方法。4结束语四川省经济一直处于不断发展的态势，如果能够根据发展现状即时制定相关对策和规划发展路线，四川将会以更高的速度和更稳的状态发展，从而为全国的经济增长做出重要贡献。本文利用收集到的四川经济发展情况的相关数据，通过单项和组合的预测方法来探讨哪种方