增長型經(jīng)濟預測模型優(yōu)選與識別方法的運用

李望晨，潘慶忠，王培承，安洪慶

（濰坊醫(yī)學院 數(shù)學教研室，山東 濰坊 261053）

預測是利用歷史統(tǒng)計資料探求事物變化規(guī)律推測未來狀況以指導計劃與決策。應用中可通過資料采用數(shù)學和統(tǒng)計方法建立定量預測模型，借助于計算工具實現(xiàn)。根據(jù)以往數(shù)據(jù)發(fā)展趨勢來預測未來數(shù)據(jù)的方式稱為時間序列預測，其特點是根據(jù)預測對象時序變化特征，研究自身的發(fā)展規(guī)律和探討未來趨勢。對象一般具備歷史數(shù)據(jù)漸近式發(fā)展且波動較??；決定過去或近期事物發(fā)展的因素較穩(wěn)定，很大程度上仍決定其未來發(fā)展，多用于短期預測問題。灰色法、組合法[1]、ARIMA法、增長型曲線法[2]和數(shù)據(jù)挖掘法等均可用于時間序列預測，各有適用特點。如果時間序列數(shù)據(jù)帶有增長趨勢，可采用增長型曲線模型進行外推預測，特點是運用函數(shù)曲線擬合數(shù)據(jù)變化趨勢的時序規(guī)律，建立增長型曲線預測模型。為提高應用性能，可根據(jù)實測數(shù)據(jù)增長變化特點與曲線理論增長性質(zhì)相似程度進一步優(yōu)選預測模型。

例如，生產(chǎn)總值、財政預算、稅收存款、能源消費等多數(shù)經(jīng)濟數(shù)據(jù)的影響因素異常復雜，指標體系難以優(yōu)選或確立，因果預測中的非線性建模確實困難。但是這些復雜因素短期內(nèi)變化具有慣性或穩(wěn)定性，從而引起經(jīng)濟數(shù)據(jù)規(guī)律變化，且變化又往往帶有時序增長特性。此情況涉及許多領域，因此有必要探討此類預測模型的優(yōu)選識別方法并提高適用性。

1 增長曲線預測模型優(yōu)選

常見的四種增長型曲線模型以及增長特征性質(zhì)推導結(jié)論，列入表1中。其中t為時間變量，yt為預測指標值，ut為其一階差分，a,b,k為模型參數(shù)。

表1 幾種常見增長型模型及增長特征性質(zhì)

在應用中，要根據(jù)實測時間序列y1,y2,…,yn選取合適的增長曲線模型。若以殘差平方和最小為模型優(yōu)選準則，會過度擬合歷史數(shù)據(jù)，降低趨勢外推性能?？煽紤]增長特征法，將動態(tài)序列的差分變化特性與增長曲線的相應特征作比較來選擇模型，目標是以增長曲線理論變化規(guī)律與實測序列實際變化規(guī)律最接近為優(yōu)選準則。

應用中為消除隨機干擾，原始數(shù)據(jù)一般要先作平滑預處理，但滑動段太大會過度平滑實測序列而削弱信息敏感性，處理時以滑動平均值代替序列值yt，以平均差分代替ut差分，可按公式進行計算。然后計算序列的各種增長特征，并與曲線增長特征性質(zhì)結(jié)合識別模型，見曲線增長特征對比表2。

表2 增長曲線識別表

2 模型參數(shù)識別

增長曲線模型參數(shù)識別可用三和法，基本思路是將整個實測序列數(shù)據(jù)分成時間間隔均相等的三段，由三段觀察值序列之和經(jīng)過推導運算來估計模型參數(shù)。以修正指數(shù)曲線yt=k+abt為例，選擇近期實測時間序列數(shù)據(jù)y0,y1,…,yn-1;yn,…,y2n-1;y2n,…，y3n-1順序截取長度為n的三段，三段求和，并推導得到數(shù)學性質(zhì)：

繼續(xù)推導，可得到修正指數(shù)曲線模型的參數(shù)公式：

根據(jù)三和法與曲線性質(zhì)可類似推導Gompertz曲線yt=kabt的參數(shù)公式：

表3 1998～2007年湖北省支出法生產(chǎn)總值時序表

表4 實測序列增長特征計算表

3 預測算例

支出法生產(chǎn)總值是從最終使用的角度反映一個地區(qū)一定時期內(nèi)生產(chǎn)活動最終成果的一種方法，反映了本期的生產(chǎn)總值的使用及構(gòu)成。計算公式為：支出法生產(chǎn)總值＝最終消費＋資本形成總額＋貨物和服務凈出口。最終消費包括居民消費和政府消費，指該地區(qū)在一定時期內(nèi)對于貨物和服務全部最終消費支出，即本地區(qū)內(nèi)外購買的貨物和服務的支出。資本形成總額指該地區(qū)在一定時期內(nèi)獲得減去處置的固定資產(chǎn)和存貨的凈額。貨物和服務凈出口指貨物和服務出口減貨物和服務進口的差額。

事實上，決定次年支出法生產(chǎn)總值的最終消費、資本形成總額和凈出口等構(gòu)成指標數(shù)據(jù)財會統(tǒng)計與核算匯總過程冗雜、具有時滯性，計算支出法生產(chǎn)總值難以實現(xiàn)，間接預測困難。但是，可以假定該地區(qū)支出法生產(chǎn)總值構(gòu)成指標和影響因素的時序變化規(guī)律比較穩(wěn)定，未來一年或兩年繼續(xù)慣性延續(xù)規(guī)律而不會發(fā)生較大波動，根據(jù)歷史數(shù)據(jù)資料進行外推預測，就轉(zhuǎn)化為時間序列預測問題，因數(shù)據(jù)具有增長特點，可采用增長型曲線模型，繼續(xù)分析序列實際增長特性，優(yōu)選識別預測模型。

實測資料應選取更能反映近期和未來發(fā)展變化趨勢的連續(xù)數(shù)據(jù)段，其規(guī)律越穩(wěn)定，越能反映后續(xù)變化趨勢則越適用；資料數(shù)據(jù)段選取不宜過長，太長會過度反映過去規(guī)律降低外推效果；為消除數(shù)據(jù)波動性而過分平滑序列又會削弱信息敏感性，應注意把握。下面以湖北省為例，湖北省衛(wèi)生統(tǒng)計年鑒中1998～2006年支出法計算的地區(qū)生產(chǎn)總值作為參考，見表3，假設2007年數(shù)據(jù)未知并對其預測。

對照表2，首先排除簡單指數(shù)曲線，再從后三種曲線選取，原則是以與t線性相關程度最明顯的增長特征所對應的曲線為最優(yōu)預測模型。方法如下：分別計算增長特征x與時序t的相關系數(shù)其中為時序t的均值，為增長特征x的均值。將取代x，由表4數(shù)據(jù)依次計算與t的相關系數(shù)：r1=0.99536，r2=0.99405，r3=-0.99534。比較知實測序列的三種增長特征線性相關程度都非常好，因此相應的三種曲線均可用作預測。 又｜r1｜>｜r3｜>｜r2｜，說明 lgut與 t線性關系更密切一些，故修正指數(shù)曲線為優(yōu)選預測模型，另從參數(shù)識別簡便性角度也最好選修正指數(shù)曲線，而不選Logistic曲線。

下面利用三和法進行模型參數(shù)識別，根據(jù)表3中湖北省1998～2006年共9年支出法生產(chǎn)總值實測數(shù)據(jù)，令n=3，分別計算三段和為：Σ1yt=10608.94，Σ2yt=13429.49，Σ3yt=20125.77。代入已選修正指數(shù)曲線模型參數(shù)識別公式得b=1.334033086，a=498.9808342，k=2852.097947，得湖北省支出法生產(chǎn)總值修正指數(shù)曲線預測模型為yt=2852.097947+498.9808342×1.334033086t。 然后令 t=9，根據(jù)預測模型可外推得到2007年支出法生產(chǎn)總值預測值y9=9529.127101，已知2007年真實統(tǒng)計值為9550.04，預測誤差為0.22%，說明該模型預測效果非常好；若再令t=10，可以外推得到2008年預測值y10=11759.48。以上采用Matlab軟件作圖演示，見圖2。注：因數(shù)據(jù)量綱大，圖2中實測點與擬合曲線偏差不很明顯。

時間序列預測方法通過擬合歷史數(shù)據(jù)資料規(guī)律建立模型來進行短期外推預測，長時預測會變差。如果令t=11，長時預測2009年支出法生產(chǎn)總值y11，誤差會變大。因此最好根據(jù)2000～2008年實測數(shù)據(jù)重新優(yōu)選識別預測模型，再作一步外推預測。

4 結(jié)論

支出法生產(chǎn)總值數(shù)據(jù)對國家和地區(qū)指導經(jīng)濟決策具有重要意義，因其受各種構(gòu)成指標制約，統(tǒng)計工作冗雜且具有時滯性，實時核算及準確預測均比較困難?？紤]到歷史數(shù)據(jù)資料有較好的時序增長趨勢規(guī)律，可將其歸為增長型時間序列預測問題。模型優(yōu)選識別、改進與適用性分析是良好預測的前提。本文通過探討增長型曲線模型的數(shù)學性質(zhì)和實測序列增長特性，采用增長特征法優(yōu)選模型以及三和法識別參數(shù)，以湖北省支出法生產(chǎn)總值為例建立預測模型，借助于Excel計算和Matlab軟件作圖，外推預測效果很好。該組合方法適合于具有較強規(guī)律性時序增長特點的經(jīng)濟序列外推預測問題。

[1]吳航，黃子昌，游斌.關于經(jīng)濟時間序列預測的準確性探討[J].統(tǒng)計與決策，2009,(1).

[2]秦俠.衛(wèi)生管理運籌學[M].北京：人民衛(wèi)生出版社，2005.