基于組合預測模型的GDP統(tǒng)計數(shù)據(jù)質(zhì)量評估研究

陳黎明，傅 珊

（湖南大學金融與統(tǒng)計學院，長沙 410079）

1 組合預測模型及數(shù)據(jù)質(zhì)量評估方法

不同的預測方法根據(jù)相同的信息，往往會提供不同的結(jié)果，如果簡單的將誤差較大的一些方法舍棄掉，將會丟棄一些有用的信息，使得模型的精度不高。組合預測法是指通過建立一個組合預測模型，把多種預測方法所得到的預測結(jié)果進行綜合。由于組合模型能夠較大限度地利用各種預測樣本信息，所以它比單項預測模型考慮問題更系統(tǒng)、更全面，因而能夠有效地減少單個預測模型受隨機因素的影響，可以提高預測的精確度和穩(wěn)定性[1]。

1.1 單項預測模型

1.1.1 灰色預測模型

(1)殘差檢驗

按預測模型計算X＾(1)(i)，并將X＾(1)(i)累減生成X＾(0)(i)，然后計算原始序列X(0)(i)與X＾(0)(i)的絕對誤差序列Δ(0)(i)及相對誤差序列Φ(i)，一般而言，當絕對誤差序列的數(shù)值波動較小且Φ(i)≤5%時，即可認為通過了殘差檢驗。

(3)后驗差檢驗

若所建模型不能通過殘差檢驗，為了提高灰色預測模型的精度可建立殘差GM（1,1）模型，用殘差GM（1,1）模型的修正值加到原預測值上，以補償原預測值。

1.1.2 回歸組合模型

一般而言，反映社會經(jīng)濟現(xiàn)象的數(shù)據(jù)序列不平穩(wěn)，往往呈現(xiàn)出一定的趨勢或者周期性，可以建立非平穩(wěn)的時間序列模型。觀察GDP數(shù)據(jù)的時序圖，發(fā)現(xiàn)GDP數(shù)據(jù)確實存在如上的性質(zhì)。因而可以用以下模型來描述其變化：

其中f(t)表示GDPt隨時間變化的均值，是序列的確定性趨勢，可以用多項式、指數(shù)函數(shù)等來描述，ut為GDPt序列中剔除確定性趨勢后的隨機部分，可以看做是一個零均值的平穩(wěn)過程，用ARMA模型來描述。在實踐中對其通常有兩種處理方法：一是直接建立ARMA模型；二是采用一種組合模型，根據(jù)序列GDPt的特點，選取合適的函數(shù)形式擬合確定性部分f(t)，直到剩余序列ut可以用ARMA模型擬合。該方法即考慮了時間序列變動的確定性因素，又考慮了隨機因素，具有良好的預測效果，本文采用這種處理方式。

1.1.3 雙指數(shù)平滑

時間序列平滑預測法，主要通過事物自身的發(fā)展變化，借以預測事物的未來發(fā)展趨勢。在沒有發(fā)生重大的經(jīng)濟體制轉(zhuǎn)變時，GDP的發(fā)展趨勢可以延伸到未來，故采用時間序列來擬合GDP的發(fā)展趨勢是合適的。指數(shù)平滑法是對時間序列由近及遠采取逐步衰減的加權(quán)處理，當時間序列的變動具有線性趨勢時，采用雙指數(shù)平滑來消除滯后誤差。預測步驟如下：

1.2 組合預測模型

權(quán)軼和張勇傳（2005）系統(tǒng)分析了組合預測模型的權(quán)重確定方法，并對各種權(quán)重的模型預測精度進行了比較，證明最優(yōu)組合綜合模型的精度優(yōu)于其中任何一個單一模型和其他的組合模型[2]。本文欲通過預測值代替“真值”進行數(shù)據(jù)質(zhì)量評估，需盡量提高模型的預測精度，因此選擇使精度達到最高的權(quán)重，構(gòu)建基于誤差絕對值和最小的組合預測模型。

該線性規(guī)劃問題有m+2n個未知量和n+1個約束條件，可以利用單純行法進行線性問題的最優(yōu)解求解[3]。

1.3 數(shù)據(jù)質(zhì)量的評估

在估計出具體的評估模型之后，對數(shù)據(jù)質(zhì)量評估方法的選擇，本文從檢驗異常值角度分析預測誤差，找出離群值的思想，利用Grubbs準則和Dxion準則檢驗模型預測相對誤差的異常值，進行數(shù)據(jù)質(zhì)量評估。值得注意的是，異常值討論的前提是觀測樣本主體（除個別離群值外的大部分樣本值）均來自同一正態(tài)總體或近似正態(tài)總體，因此，需要事先對觀測樣本進行正態(tài)性檢驗。

（1）Grubbs準則

對于服從正態(tài)分布的n個相對誤差數(shù)據(jù)P1,P2,P3,…Pn，按從小到大排序，計算檢驗統(tǒng)計量Gn=P(n)-Pˉ/s,G1=Pˉ-P(1)/s，其中P(n)和P(1)分別為排序后的最大值和最小值，Pˉ和S分別是樣本均值和樣本標準差。在雙側(cè)情形下，給定顯著性水平α，若Gn≥G(α,n),Gn＞G1,則認為P(n)為異常值；若G1≥G(α,n),G1＞Gn，則認為P(1)為異常值。其中G(α,n)是檢驗統(tǒng)計量的臨界值，可通過查表得到。

（2）Dxion準則

對于服從正態(tài)分布的n個相對誤差數(shù)據(jù)P1,P2,P3,…Pn，按從小到大排序，得到順序統(tǒng)計量P(1)≤P(2)≤…≤P(n)。檢驗統(tǒng)計量根據(jù)樣本量n以及可疑數(shù)值的位置和個數(shù)來選取，具體由表1給出：

表1 Dixon檢驗統(tǒng)計量

在雙側(cè)情形下，給定顯著性水平α，查Dixon臨界值表對應n的臨界值D(α,n).若D＞D',D＞D(α,n),則可判斷P(n)為異常值；若D'＞D,D'＞D(α,n)，則可判斷P(1)為異常值；否則，判斷數(shù)據(jù)沒有異常值。數(shù)學證明，在一組數(shù)據(jù)只有一個異常值時，Grubbs準則優(yōu)于Dxion準則，當數(shù)據(jù)存在一個以上異常值時，Dxion準則要優(yōu)于Grubbs準則[4]。

2 組合預測模型對我國GDP數(shù)據(jù)準確性檢驗的實證分析

2.1 數(shù)據(jù)的選取

我國統(tǒng)計部門于1985年才建立GDP核算制度，此后的GDP數(shù)據(jù)相對之前的數(shù)據(jù)更可靠。此外，本文是將樣本集即作為訓練集又作為評估集，需要假定樣本集的數(shù)據(jù)基本可信，因此選擇1985～2010年間的GDP數(shù)據(jù)作為樣本進行分析，為了剔除價格因素的影響，將其統(tǒng)一換算成1985年的不變價GDP。

2.2 單項預測模型的建立

2.2.1 灰色預測模型

所建模型不能直接用于預測，需進行灰色預測檢驗，檢驗結(jié)果如表2所示：

表2 灰色預測檢驗

2.2.2 回歸組合模型

（1）對GDP序列確定性趨勢的模擬

對GDP繪制散點圖，通過圖形可以看出GDP數(shù)據(jù)呈現(xiàn)曲線上升的趨勢，為非平穩(wěn)時間序列?？梢钥紤]選擇二次曲線模型或者指數(shù)模型來擬合GDP的趨勢增長，經(jīng)過實踐，發(fā)現(xiàn)指數(shù)模型的預測效果較好，因此，選擇擬合指數(shù)模型。

指數(shù)模型GDPt=aebt+εt可以通過數(shù)據(jù)的對數(shù)變換化為直線回歸模型，使分析更為直觀和簡便，因此對上式兩邊取對數(shù)得到線性回歸模型：lnGDPt=lna+bt+μt，其中t為趨勢項(t=1,2,…,26),采用最小二乘法估計得到如下模型：

其中，可決系數(shù)為0.998，F(xiàn)統(tǒng)計量為9768.744，對應的P值為0.000，在5%的顯著性水平下，回歸方程和回歸系數(shù)都很顯著。然而模型的DW值較低，只有0.437，模型可能存在自相關(guān)。因此，對殘差序列進行LM檢驗，得到LM檢驗統(tǒng)計量為20.413，相伴概率為0.000088，在5%顯著性水平下，拒絕原假設(shè)，即認為模型的殘差序列存在二階自相關(guān)，考慮對殘差序列μt建立ARMA模型。

（2）對模型殘差序列μt的模擬

在建立ARMA模型之前先對序列μt進行平穩(wěn)性檢驗，在5%的顯著性水平下，根據(jù)AIC準則選取階數(shù)，對殘差序列進行包括常數(shù)項和趨勢項的ADF檢驗，得到ADF統(tǒng)計量為-3.658，相伴概率為0.047，小于0.05，拒絕原假設(shè)，判定殘差序列平穩(wěn)，可以建立ARMA模型。通過觀察μt的自相關(guān)與偏自相關(guān)圖，發(fā)現(xiàn)自相關(guān)拖尾，偏自相關(guān)二階截尾，初步判定μt存在二階自相關(guān)，可擬合AR(2)，結(jié)果如下：

通過該模型殘差序列的自相關(guān)和偏自相關(guān)分析圖，發(fā)現(xiàn)其自相關(guān)系數(shù)和偏自相關(guān)系數(shù)都落入了2倍標準差之內(nèi)，Q統(tǒng)計量的相伴概率都大于0.05，可認為殘差序列為白噪聲序列，說明AR(2)模型的擬合效果較好。

（3）最終回歸組合模型

將模型隨機誤差項μt的滯后項μt-1、μt-2引入原模型，在Eviews軟件中對原回歸方程重新做整體性估計，得到回歸組合模型為：

模型調(diào)整后的可決系數(shù)為0.999，F(xiàn)值為11892.62，對應的P值為0.000，模型顯著。為驗證模型殘差是否還存在自相關(guān)，對模型殘差進行LM檢驗，在5%的顯著性水平下，LM檢驗統(tǒng)計量為1.112，相伴概率為0.292，大于0.05，說明殘差序列已不存在自相關(guān)，模型擬合效果較好。

2.2.3 雙指數(shù)平滑

由上文可知，GDP序列呈指數(shù)形式增長，其對數(shù)序列線性增長，為了描述這一特征，將其對數(shù)序列進行雙指數(shù)平滑，得到平滑預測值，然后取其反對數(shù)，即可得我國GDP的預測值。運行Eviews軟件，采用使誤差平方和達到最小的準則對平滑參數(shù)進行估計，得到平滑參數(shù)α=0.999，殘差平方和為0.015，預測效果較好。

2.3 組合預測模型

則組合預測模型為：

為檢驗組合預測模型的有效性，對所建的三個單項預測模型和組合預測模型進行精度比較，評價指標選用平均相對絕對誤差MAPE，計算結(jié)果如表3：

表3 模型預測精度評價結(jié)果

由表3可知，組合預測模型的MAPE最小，預測精度最高，利用該模型對我國1985～2010年間的GDP數(shù)據(jù)進行預測所得的預測值更接近“真值”，數(shù)據(jù)質(zhì)量評估的可靠性更高。

2.4 數(shù)據(jù)質(zhì)量評估

3 結(jié)論與評價

從異常值的角度進行數(shù)據(jù)質(zhì)量評估，需結(jié)合異常值產(chǎn)生的背景進行分析。雖然1989年的GDP數(shù)據(jù)是異常值，但其異常與其所處的特殊時代背景有關(guān)，1988年中國發(fā)生了嚴重的通貨膨脹，與上年相比，零售商品價格上升了18.5%，居民消費價格上升了18.8%。全國各地發(fā)生了搶購商品潮。政府從1988年的第四季度起實行嚴厲的“治理整頓”，利用各種手段緊縮投資和貨幣投放，使得價格的上升速度迅速下降。但是嚴厲的緊縮也引起了經(jīng)濟增長速度的迅速下滑，1989年和1990年GDP分別只增長了4.1%和3.8%。這是改革開放以來最慢的增長率。1989年間的GDP數(shù)據(jù)低于其他年份的數(shù)據(jù)是可以理解的，但是并不能確定1989年GDP數(shù)據(jù)的異常是否就是由客觀原因造成的，因此不能直接判斷其準確性，需要進一步研究，只能認為1985～2010年間的GDP數(shù)據(jù)基本上都是準確的。

利用統(tǒng)計模型對數(shù)據(jù)質(zhì)量進行評估，基本思想是用模型的預測值充當“真值”，然后檢驗預測值與評估數(shù)據(jù)的差異是否顯著，若差異顯著，則數(shù)據(jù)存在異常值，如果異常值不是客觀原因（如外部沖擊、體制變革等）造成的，即可認為是數(shù)據(jù)本身的準確性問題。然而根據(jù)歷史數(shù)據(jù)得到的預測值和真實值之間存在一定的差異，要得到更準確的結(jié)論，需要采用預測效果更好的模型進行預測，盡可能地縮小這個差異。組合預測模型能將各種不同類型的單項預測模型兼收并蓄，集中更多的經(jīng)濟信息與預測技術(shù)，減少預測系統(tǒng)誤差，顯著改進預測效果。可見，相比單項預測模型，運用組合預測模型對數(shù)據(jù)的準確性進行檢驗效果會更好。本文以我國1985～2010年間GDP數(shù)據(jù)的準確性為例進行實證分析，依據(jù)考察指標的特點構(gòu)建了灰色預測模型、回歸組合模型和雙指數(shù)平滑模型三個單項預測模型，然后根據(jù)組合預測模型的基本思想，將三個單項預測模型的預測值進行加權(quán)組合得到組合預測模型。通過對比各個單項預測模型和組合預測模型的預測精度發(fā)現(xiàn)，組合預測模型確實優(yōu)于單項預測模型，所得的預測值更接近“真值”，更適合于數(shù)據(jù)的準確性檢驗?？梢姡M合預測模型在統(tǒng)計數(shù)據(jù)的準確性檢驗中確實存在較高的實用價值，值得進一步研究。

[1]徐國祥.統(tǒng)計預測和決策[M].上海:上海財經(jīng)大學出版社,2009.

[2]權(quán)軼,張勇傳.組合預測方法中的權(quán)重算法及應用[J].科技創(chuàng)業(yè)月刊,2006(5).

[3]農(nóng)吉夫,金農(nóng),譚福錦,主毅.最優(yōu)組合預測的短期氣候預報建模研究[J].數(shù)學的實踐與認識,2008,38(8).

[4]王華,金勇進.統(tǒng)計數(shù)據(jù)準確性評估:方法分類及適用性分析[J].統(tǒng)計研究,2009,26(1).