【四川省經(jīng)濟(jì)發(fā)展的組合預(yù)測(cè)探究（論文）7600字】

I四川省經(jīng)濟(jì)發(fā)展的組合預(yù)測(cè)研究摘要：當(dāng)前四川經(jīng)濟(jì)社會(huì)發(fā)展正出現(xiàn)一些重大趨勢(shì)性變化，同時(shí)受經(jīng)濟(jì)結(jié)構(gòu)變化、人口結(jié)構(gòu)變化、自然環(huán)境等因素影響，四川經(jīng)濟(jì)增長(zhǎng)率呈變化趨勢(shì)，深刻認(rèn)識(shí)這些變化，有效預(yù)測(cè)并提出應(yīng)對(duì)措施，對(duì)把握未來發(fā)展方向，促進(jìn)高質(zhì)量發(fā)展具有重要意義。文章分別建立了三種類型的單項(xiàng)預(yù)測(cè)模型和兩種類型的組合預(yù)測(cè)模型來對(duì)四川省近年來的經(jīng)濟(jì)發(fā)展情況進(jìn)行預(yù)測(cè)分析，研究表明組合預(yù)測(cè)預(yù)測(cè)精度會(huì)低于最優(yōu)單項(xiàng)預(yù)測(cè)，但是會(huì)優(yōu)于平均單項(xiàng)預(yù)測(cè)，從而降低預(yù)測(cè)失敗的風(fēng)險(xiǎn)。其相關(guān)研究結(jié)果也能夠用作四川未來經(jīng)濟(jì)規(guī)模預(yù)測(cè)的有效工具，為相關(guān)部門制定有針對(duì)性的發(fā)展策略和健全機(jī)制提供參考。關(guān)鍵詞：區(qū)域經(jīng)濟(jì)單項(xiàng)預(yù)測(cè)組合預(yù)測(cè)目錄摘要 Ⅰ目錄1緒論 11.1研究背景及意義 11.2研究現(xiàn)狀 21.3研究?jī)?nèi)容框架 22預(yù)測(cè)模型的建立 32.1研究?jī)?nèi)容框架 32.2建立組合預(yù)測(cè)模型 53實(shí)證分析 63.1單項(xiàng)預(yù)測(cè)分析 732組合預(yù)測(cè)分析 124結(jié)束語 14參考文獻(xiàn) 141緒論1.1研究背景及意義中共中央和國(guó)務(wù)院在最新的報(bào)告中指出，“我們要因地制宜量體裁衣，大力發(fā)揮各個(gè)地區(qū)各個(gè)城市的優(yōu)勢(shì)和特色，同時(shí)也要不斷縮小各區(qū)域經(jīng)濟(jì)文化發(fā)展的差距，相對(duì)富裕的地區(qū)攜手幫助相對(duì)貧困的地區(qū)，圍繞著實(shí)現(xiàn)小康社會(huì)這一基本目而奮斗，也要努力實(shí)現(xiàn)公共服務(wù)普及化、公共基礎(chǔ)設(shè)施均衡化、百姓基本生活水平相當(dāng)化的目標(biāo)，速度完善有力有序、合理競(jìng)爭(zhēng)、健康積極、合作雙贏的地區(qū)均衡協(xié)調(diào)發(fā)展的新模式”[1]。根據(jù)咱們四川省統(tǒng)計(jì)的報(bào)告來看，2020我們四川省的經(jīng)濟(jì)水平較高，社會(huì)發(fā)展較為穩(wěn)定。公報(bào)從十四個(gè)方面詳細(xì)展現(xiàn)了2020年四川省經(jīng)濟(jì)運(yùn)行的各項(xiàng)數(shù)據(jù)，公報(bào)顯示，因?yàn)橐咔榈挠绊懀?020年整體的消費(fèi)水平降低，消費(fèi)市場(chǎng)呈現(xiàn)下降趨勢(shì)?？偠灾沂〉慕?jīng)濟(jì)發(fā)展正處于一個(gè)全新勢(shì)頭，因?yàn)榱孔儠?huì)引起質(zhì)變、新的質(zhì)變會(huì)再次推動(dòng)量變，在這關(guān)鍵的階段經(jīng)濟(jì)水平將保持穩(wěn)定的增長(zhǎng)、效益也會(huì)逐步提升。四川的經(jīng)濟(jì)發(fā)展?jié)摿赡苡捎诮?jīng)濟(jì)權(quán)重，勞動(dòng)力成本上升，人口變化以及資源和環(huán)境限制等因素而下降。在四川經(jīng)濟(jì)發(fā)展階段，發(fā)展水平和體制改革落后于國(guó)家水平，發(fā)展需要加快，急需提高質(zhì)量。同時(shí)，對(duì)質(zhì)量發(fā)展，特別是對(duì)積極的經(jīng)濟(jì)結(jié)構(gòu)，有基本要求。歷史發(fā)生了變化，新舊事物的步伐加快了，經(jīng)濟(jì)增長(zhǎng)的驅(qū)動(dòng)力已經(jīng)超越了投資。預(yù)測(cè)是通過根據(jù)過去和現(xiàn)在估算未來來預(yù)測(cè)未來。統(tǒng)計(jì)預(yù)測(cè)歸預(yù)測(cè)系統(tǒng)研究部門所有。換句話說，它是一種定量的方法，用于測(cè)量對(duì)象的未來發(fā)展并使用科學(xué)的統(tǒng)計(jì)方法計(jì)算可能的可靠性概率。四川省的經(jīng)濟(jì)結(jié)構(gòu)和社會(huì)發(fā)展正在悄無聲息地發(fā)生一些重大改變，因?yàn)槭艿缴鐣?huì)主義核心價(jià)值觀的影響，世界整體化與現(xiàn)代化的影響，以及現(xiàn)在經(jīng)濟(jì)條件變化的影響。我們必須學(xué)會(huì)應(yīng)對(duì)這些變化并且試著去深入的了解其中的秘密，并會(huì)更準(zhǔn)確地預(yù)測(cè)并提出將來應(yīng)對(duì)這些變化的措施，對(duì)發(fā)展方向和促進(jìn)高質(zhì)量發(fā)展很要緊。復(fù)合預(yù)測(cè)的目的是最好地利用以不同方式提供的信息，以盡可能提高預(yù)測(cè)的準(zhǔn)確性。在理論和實(shí)踐研究中，組合預(yù)測(cè)模型可以提供比單獨(dú)預(yù)測(cè)不同唯一預(yù)測(cè)變量和不同數(shù)據(jù)源的獨(dú)立預(yù)測(cè)更好的預(yù)測(cè)，并且組合預(yù)測(cè)模型具有預(yù)測(cè)性，可以減少系統(tǒng)錯(cuò)誤并大大提高預(yù)測(cè)效果。因此，對(duì)不同的單項(xiàng)預(yù)測(cè)方法進(jìn)行組合，結(jié)合地區(qū)經(jīng)濟(jì)數(shù)據(jù)，可以較為準(zhǔn)確分析四川省省經(jīng)濟(jì)的發(fā)展的現(xiàn)狀及發(fā)展前景。探討哪種方法更適合預(yù)測(cè)四川省經(jīng)濟(jì)方法，從社會(huì)的層次來說，對(duì)于區(qū)域經(jīng)濟(jì)發(fā)展具有研究?jī)r(jià)值；對(duì)于相關(guān)部門體系完善來說，有利于制定有針對(duì)性的發(fā)展策略和健全機(jī)制。1.2研究現(xiàn)狀到現(xiàn)在為止，有非常多的專家學(xué)者們對(duì)單項(xiàng)預(yù)測(cè)和組合預(yù)測(cè)的方法投入了大量的心血和精力。針對(duì)地區(qū)旅游人數(shù)預(yù)測(cè)方面，祖培福等[2]考慮到旅游人數(shù)變化是受多種因素影響的信息不完全灰色系統(tǒng)，通過建立灰色線性回歸組合預(yù)測(cè)模型來研究這一問題。汪威[3]研究運(yùn)用四種單一模型對(duì)中國(guó)大陸赴澳門游客量進(jìn)行預(yù)測(cè)，用平均絕對(duì)百分比誤差（MAPE）和希爾不等系數(shù)（TIC）對(duì)優(yōu)化結(jié)果進(jìn)行評(píng)價(jià)與比較，確定最優(yōu)組合預(yù)測(cè)線性模型是比較切合澳門入境旅游實(shí)際的預(yù)測(cè)模型。針對(duì)人力資源需求預(yù)測(cè)方面，朱泉同等[4]運(yùn)用“預(yù)測(cè)誤差平方和倒數(shù)法”構(gòu)建江蘇省衛(wèi)生人力資源組合預(yù)測(cè)模型，為江蘇省衛(wèi)生人力資源供需平衡提供合理建議。張瑞華[5]等人基于灰色模型與ARIMA模型對(duì)四川省衛(wèi)生人力資源進(jìn)行預(yù)測(cè)。不少研究者已經(jīng)結(jié)合數(shù)據(jù)分析技術(shù)，對(duì)各個(gè)領(lǐng)域的經(jīng)濟(jì)發(fā)展情況進(jìn)行了組合預(yù)測(cè)。林鵬等[6]采用全國(guó)海洋生產(chǎn)總值作為研究對(duì)象，分別利用灰色模型，ARIMA模型和組合模型進(jìn)行預(yù)測(cè)，提出了一種基于交叉驗(yàn)證方法確定組合預(yù)測(cè)權(quán)重的新算法。周建新等[7]構(gòu)建了全局主成分分析(GPCA)和優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的組合模型，對(duì)中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展水平進(jìn)行預(yù)測(cè)。蘆琳娜等[8]通過分析國(guó)內(nèi)鎳資源的供應(yīng)、需求，引入經(jīng)濟(jì)增長(zhǎng)、不銹鋼產(chǎn)量等相關(guān)因素，運(yùn)用邏輯斯蒂模型、人工神經(jīng)網(wǎng)絡(luò)等多種方法對(duì)2020年、2025年、2030年我國(guó)鎳資源供需量進(jìn)行了熵值組合預(yù)測(cè)。上述學(xué)者的貢獻(xiàn)為本文的研究提供了有價(jià)值的思路，但是較少研究者將組合預(yù)測(cè)方法運(yùn)用到區(qū)域經(jīng)濟(jì)發(fā)展的預(yù)測(cè)上。因此，使用組合預(yù)測(cè)的研究方法，結(jié)合地區(qū)經(jīng)濟(jì)數(shù)據(jù)，對(duì)區(qū)域經(jīng)濟(jì)發(fā)展進(jìn)行預(yù)測(cè)具有研究?jī)r(jià)值?；诖?，為了較為準(zhǔn)確分析四川省經(jīng)濟(jì)的發(fā)展的現(xiàn)狀及發(fā)展前景，本文嘗試使用簡(jiǎn)單平均法、擬合優(yōu)度法等，對(duì)時(shí)間序列模型，灰色預(yù)測(cè)模型、一元線性回歸預(yù)測(cè)模型等進(jìn)行組合，創(chuàng)設(shè)能夠分析四川省經(jīng)濟(jì)發(fā)展的數(shù)學(xué)預(yù)測(cè)模型，以此來提高四川省經(jīng)濟(jì)文化水平；然后，這三種模型結(jié)果的預(yù)測(cè)值和實(shí)際的代表四川省經(jīng)濟(jì)的各種數(shù)值那么一比較，就可以得出預(yù)測(cè)結(jié)果和實(shí)際結(jié)果的誤差；接下來，通過上面的單項(xiàng)預(yù)測(cè)結(jié)果可以求出組合預(yù)測(cè)的權(quán)重，采取的組合預(yù)測(cè)方法不同，所得到的權(quán)重也有所不同；最后，根據(jù)求得的權(quán)重代入到組合預(yù)測(cè)的計(jì)算方法中來，就可以求出組合預(yù)測(cè)模型的結(jié)果，與單項(xiàng)預(yù)測(cè)模型得出的結(jié)果進(jìn)行對(duì)比，比較其兩種方法的優(yōu)劣性，探討哪種組合方法更為適合四川省經(jīng)濟(jì)發(fā)展預(yù)測(cè)，針對(duì)四川省經(jīng)濟(jì)發(fā)展數(shù)據(jù)所反映的現(xiàn)狀，制定該省發(fā)展的戰(zhàn)略方向。1.3研究?jī)?nèi)容框架通過各種預(yù)測(cè)模型搭配組合的辦法，這樣的話就能避免單種模型的缺陷，有效的增加精準(zhǔn)度。本文將組合預(yù)測(cè)方法應(yīng)用到區(qū)域區(qū)域經(jīng)濟(jì)研究中，以期為相關(guān)部門制定有針對(duì)性的發(fā)展策略和健全機(jī)制提供參考建議。研究?jī)?nèi)容安排如下：第一章介紹了本文的背景及意義，并簡(jiǎn)單闡述了現(xiàn)階段四川省的經(jīng)濟(jì)發(fā)展現(xiàn)狀，通過對(duì)現(xiàn)有文獻(xiàn)的整理，梳理本篇文章的研究思路和方向，給出本文的研究?jī)?nèi)容框架。第二章通過不同的模型方法，主要有兩個(gè)部分，分別為確立單項(xiàng)與組合預(yù)測(cè)模型。第三章結(jié)合四川省的實(shí)際經(jīng)濟(jì)發(fā)展數(shù)據(jù)，結(jié)合預(yù)測(cè)模型，對(duì)四川省經(jīng)濟(jì)發(fā)展進(jìn)行預(yù)測(cè)。第四章總結(jié)了本文的研究?jī)?nèi)容，分析其不足，并對(duì)以后的研究進(jìn)行展望。2預(yù)測(cè)模型的建立區(qū)域經(jīng)濟(jì)發(fā)展的預(yù)測(cè)有很多種方法，并且每種方法都有各自的優(yōu)勢(shì)和缺點(diǎn)，適用的預(yù)測(cè)范圍也不同，在本次預(yù)測(cè)中，為了預(yù)測(cè)結(jié)果更精準(zhǔn)，便需要利用以往歷年的區(qū)域經(jīng)濟(jì)發(fā)展數(shù)據(jù)進(jìn)行分析，最后通過對(duì)計(jì)算得出的預(yù)測(cè)值做出預(yù)測(cè)分析，綜合考慮每個(gè)影響因素的影響，做出預(yù)測(cè)。2.1研究?jī)?nèi)容框架根據(jù)后銳[9]在其論文基于MLP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測(cè)方法及其應(yīng)用中提出如果預(yù)測(cè)數(shù)據(jù)獲取困難時(shí)，可以通過側(cè)面反映的數(shù)據(jù)來進(jìn)行預(yù)測(cè)。對(duì)于選擇預(yù)測(cè)方法一般需要注意以下幾點(diǎn)：一，在選擇數(shù)據(jù)上面首先需要考慮該數(shù)據(jù)是否容易得到，二，要選擇適合該預(yù)測(cè)數(shù)據(jù)的預(yù)測(cè)方法，三，選擇的預(yù)測(cè)方法是適應(yīng)于當(dāng)下的環(huán)境變化的。所以根據(jù)這三個(gè)條件，我們選擇了指數(shù)平滑，灰色模型，回歸分析這三種方法作為我的單項(xiàng)預(yù)測(cè)模型。2.1.1指數(shù)平滑法在數(shù)據(jù)預(yù)測(cè)中常用指數(shù)平滑法。田麗紅[10]在其論文中研究集裝箱海運(yùn)預(yù)測(cè)時(shí)也運(yùn)用了指數(shù)平滑法，并用這種方法解決了海運(yùn)的預(yù)測(cè)問題。（1）一次指數(shù)平滑的預(yù)測(cè)模型已知時(shí)間序列為：，為預(yù)測(cè)總期數(shù)。其預(yù)測(cè)模型的公式為：(1)符號(hào)說明第t期的平滑值，右上角標(biāo)的(1)表示該公式是一次指數(shù)平滑公式第期的平滑值平滑系數(shù)，取值在0至1之間第期的預(yù)測(cè)值（2）指數(shù)平滑法初始值的確定從時(shí)間序列的項(xiàng)數(shù)來考慮：李燕斌，張久菊，肖俊明[11]，在其研究基于指數(shù)平滑法的灰色預(yù)測(cè)模型這篇論文中有運(yùn)用該平滑法并介紹：如果該總期數(shù)大于15，那么該數(shù)據(jù)中的初始值對(duì)最后的預(yù)測(cè)結(jié)果的影響是很小的，可以直接以第一個(gè)的期數(shù)值作為這次數(shù)據(jù)預(yù)測(cè)的初始值；如果總期數(shù)小于15，那么該數(shù)據(jù)中的初始值對(duì)最后的預(yù)測(cè)結(jié)果的影響是比較大的，所以便需要取前幾期的實(shí)際值的平均數(shù)作為這次數(shù)據(jù)預(yù)測(cè)初始值，一般取前3個(gè)實(shí)際值。（3）平滑系數(shù)的選擇在實(shí)際運(yùn)用中，如果可以取多個(gè)值計(jì)算比較，那么就取計(jì)算誤差最小的值，一般取值范圍在0.1~0.3，0.3~0.5，0.6~0.8，這三個(gè)取值范圍中分別選取一個(gè)進(jìn)行計(jì)算比較，最后取誤差最小的值。（4）通過公式求出預(yù)測(cè)值。2.1.2灰色系統(tǒng)預(yù)測(cè)構(gòu)建灰色系統(tǒng)預(yù)測(cè)模型也就是建立微分方程的系數(shù)，用微分方程去代替時(shí)間序列，再通過微分方程去構(gòu)建出系統(tǒng)的發(fā)展模型?；疑Ｐ椭?，所有隨機(jī)變量均是在特定的時(shí)間段、特定的區(qū)域內(nèi)變動(dòng)的灰色量。在對(duì)影響區(qū)域物流需求相關(guān)因素?cái)?shù)據(jù)做出一定的分析或處理后，能夠使其變現(xiàn)出一定的規(guī)律，在此基礎(chǔ)上再對(duì)其構(gòu)建模型。構(gòu)建模型過程如下：1）建立一次累加生成數(shù)列。設(shè)原始數(shù)列為：然后再按下面的方法做一次累加：2）最小二乘法求參數(shù)、，設(shè)：參數(shù)辨識(shí)、：3）求出的模型：(2)2.1.3回歸預(yù)測(cè)線性回歸預(yù)測(cè)法是在分析自變量和因變量之間相關(guān)關(guān)系的基礎(chǔ)上，建立變量之間的回歸方法，并將回歸方程作為預(yù)測(cè)模型，本文我們將采用一元回歸分析對(duì)四川省GDP進(jìn)行預(yù)測(cè)分析。建立該模型的重要步驟：1)作點(diǎn)線圖，分析這兩者之間是否存在線性關(guān)系。若存在，可建立線性回歸模型；否則，停止計(jì)算；2)建立一元線性回歸方程：。3)估計(jì)參數(shù)。4)檢驗(yàn)。5)利用方程預(yù)測(cè)計(jì)算。在此處，我構(gòu)建一元線性回歸模型是直接運(yùn)用excel表直接算出，求出方程，最后算出預(yù)測(cè)值。2.2建立組合預(yù)測(cè)模型為了分散對(duì)物流預(yù)測(cè)的風(fēng)險(xiǎn)，提高預(yù)測(cè)的準(zhǔn)確性，我們這里引用組合預(yù)測(cè)法來進(jìn)行預(yù)測(cè)分析，從而提高預(yù)測(cè)的準(zhǔn)確性?；蛘哒f在我們預(yù)測(cè)中肯定會(huì)有一些預(yù)測(cè)方法他們的預(yù)測(cè)誤差會(huì)高出正常的范圍，所以我們需要把他和誤差小的預(yù)測(cè)方法所結(jié)合以后，就可以得到有一定預(yù)測(cè)價(jià)值的組合模型，并且一般在我們的實(shí)際情況運(yùn)用時(shí)，如果直接進(jìn)行平均組合的話，肯定不能有效的提高預(yù)測(cè)精度的，需要給每個(gè)單項(xiàng)預(yù)測(cè)模型賦予一定的權(quán)重，才能有較好的預(yù)測(cè)效果。本文預(yù)測(cè)模型用了兩種，一種是簡(jiǎn)單平均法，一種是擬合優(yōu)度法。2.2.1簡(jiǎn)單平均法簡(jiǎn)單平均法，由它的名字就可以知道這種方法算是最簡(jiǎn)單的一種組合方法了，該預(yù)測(cè)結(jié)果直接為三種單項(xiàng)預(yù)測(cè)方法的平均數(shù)，公式如下：(3)2.2.2擬合優(yōu)度法簡(jiǎn)單平均法計(jì)算時(shí)沿用的權(quán)重是跟其單項(xiàng)預(yù)測(cè)結(jié)果的大小是無關(guān)的，皆為三分之一，所以這里我們?cè)儆靡环N組合方法，就是擬合優(yōu)度法，其計(jì)算時(shí)所分配的權(quán)重與其單項(xiàng)預(yù)測(cè)所預(yù)測(cè)的結(jié)果有關(guān)聯(lián)，所以在精度上更準(zhǔn)確，公式如下：(4)3實(shí)證分析在統(tǒng)計(jì)局網(wǎng)站上查找四川省2011年至2020年的經(jīng)濟(jì)指標(biāo)發(fā)展數(shù)據(jù)(見表1）為例。表12011年到2020年四川經(jīng)濟(jì)指標(biāo)發(fā)展數(shù)據(jù)指標(biāo)GDP(億元)居民消費(fèi)價(jià)格指數(shù)（增長(zhǎng)）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/農(nóng)村居民人均純收入8803201326260.70.02822368/農(nóng)村居民人均純收入7895201223849.80.02520307/農(nóng)村居民人均純收入7001.4201121026.70.05317899/農(nóng)民人均純收入6128.63.1單項(xiàng)預(yù)測(cè)分析3.3.1指數(shù)平滑預(yù)測(cè)步驟1確定初始值已知n=10<15，因此便取前三項(xiàng)的平均作為計(jì)算的初始值。(6)步驟2取三個(gè)平滑系數(shù)，計(jì)算指數(shù)平滑值分別取、、，指數(shù)平滑值計(jì)算結(jié)果如表2所示，圖1，圖2，圖3分別表示、、的指數(shù)平滑圖象：表2指數(shù)平滑值計(jì)算結(jié)果GDP總量(億元)年份初始值23712.423712.423712.421026.7201123712237122371223849.8201223444221012129526260.7201323484231502359428536.7201423762250172599430103.1201524240271292828232680.5201624826289132992136980.2201725611311743240540678.1201826748346583652346615.8201928141382704026348598.82020299894327745980圖1時(shí)的指數(shù)平滑圖像圖2時(shí)的指數(shù)平滑圖像圖3時(shí)的指數(shù)平滑圖像步驟3通過分析計(jì)算得到的平滑值，確定系數(shù)的值計(jì)算各平滑系數(shù)下平滑值的平均絕對(duì)誤差，來確定系數(shù)的值，再通過利用公式得到計(jì)算結(jié)果，公式如下：(7)數(shù)據(jù)計(jì)算結(jié)果：表3平均絕對(duì)誤差計(jì)算結(jié)果GDP總量（億元）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合計(jì)86744.2438543301.156832732.03059的平均絕對(duì)誤差86744.24385/10=86774.424385的平均絕對(duì)誤差43301.1568/10=4330.11568的平均絕對(duì)誤差32732.03059/10=3273.203059通過比較，當(dāng)時(shí)的平滑值的誤差值是最小的，所以這里選用為平滑系數(shù)，選擇時(shí)為預(yù)測(cè)值步驟4對(duì)GDP總量進(jìn)行預(yù)測(cè)已知,所以通過公式可以算出其預(yù)測(cè)值，又由于一次指數(shù)平滑法不能預(yù)測(cè)第一年的值，所以此處2011年的預(yù)測(cè)值為空，沒有預(yù)測(cè)值。表4指數(shù)平滑法預(yù)測(cè)的GDP總量年份2011年2012年2013年2014年2015年GDP總量（億元）21295235942599428282年份2016年2017年2018年2019年2020年GDP總量（億元）29921324053652340263459803.1.2灰色系統(tǒng)預(yù)測(cè)由表我們可以得到2011-2020年四川省地區(qū)全年生產(chǎn)總值的數(shù)據(jù)，根據(jù)數(shù)據(jù)建立灰色系統(tǒng)預(yù)測(cè)模型。Step1建立一次累加生成數(shù)列然后按下例公式做一次累加，得到數(shù)列：所以有：Step2最小二乘法求參數(shù)，可以得出下面式子：所以便可得：Step3求出預(yù)測(cè)模型為：(8)3.1.3一元線性回歸預(yù)測(cè)Step1繪制回歸預(yù)測(cè)散點(diǎn)圖由圖4可以發(fā)現(xiàn)，四川省2011-2020年GDP總量呈近似線性上升，且兩變量存在線性關(guān)系，所以可以采用一元線性回歸法進(jìn)行預(yù)測(cè)。圖4回歸預(yù)測(cè)散點(diǎn)圖Step2利用最小二乘方法建立一元回歸線性預(yù)測(cè)模型根據(jù)最小二乘法要求，記再由極值原理，為使Q有最小值，可分別對(duì)a、b求偏導(dǎo)數(shù)，并令其等于零，即：(9)(10)整理得：，(11)聯(lián)立求解即可得到a回歸系數(shù),b的估計(jì)值。(12)(13)Step3代指求解一元回歸預(yù)測(cè)模型利用R語言對(duì)四川省2011年-2020年GDP總值進(jìn)行分析得到一元回歸預(yù)測(cè)模型為：(14)由分析可知a和b的p值均小于0.05，所以回歸方程的常數(shù)項(xiàng)和一次項(xiàng)系數(shù)顯著。又因?yàn)榉匠炭傮w的p值為1.325e-07<0.05,因此一元回歸方程顯著，如下表所示：表5一元線性回歸預(yù)測(cè)值時(shí)間x/年20112012201320142015GDP總量y/億元21026.723849.826260.728536.730103.1預(yù)測(cè)值1870721782248582793431010時(shí)間x/年20162017201820192020GDP總量y/億元32680.536980.240678.146615.848598.8預(yù)測(cè)值34086371614023743313463893.1.4結(jié)果分析本節(jié)嘗試將指數(shù)平滑預(yù)測(cè)法、灰色系統(tǒng)預(yù)測(cè)法和回歸分析預(yù)測(cè)法所得的結(jié)構(gòu)和實(shí)際值進(jìn)行比較，通過計(jì)算預(yù)測(cè)值與實(shí)際值的方差，得到指數(shù)平滑預(yù)測(cè)法的方差為348.7，灰色系統(tǒng)預(yù)測(cè)法的方差為837.6，回歸分析預(yù)測(cè)的方差為140.6。通過上述結(jié)果表明，一元線性回歸分析的誤差值相對(duì)來講更小。表6單項(xiàng)預(yù)測(cè)GDP總量指數(shù)平滑灰色系統(tǒng)回歸分析年份實(shí)際值(億元)預(yù)測(cè)值(億元)誤差值預(yù)測(cè)值(億元)誤差值預(yù)測(cè)值(億元)誤差值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標(biāo)準(zhǔn)誤差348.7837.6140.63.2組合預(yù)測(cè)分析3.2.1確定權(quán)重本文采用簡(jiǎn)單平均組法和和擬合優(yōu)度法這兩種組合模型分別對(duì)三種單項(xiàng)模型進(jìn)行組合。簡(jiǎn)單平均組合預(yù)測(cè)在在這里的權(quán)重皆為三分之一，所以很簡(jiǎn)單便可得到結(jié)果如下表7而通過擬合優(yōu)度法預(yù)測(cè)計(jì)算則先需要計(jì)算出權(quán)重，而權(quán)重又與其平均誤差有關(guān)，所以利用公式計(jì)算權(quán)重。已知:三種單項(xiàng)預(yù)測(cè)模型的預(yù)測(cè)標(biāo)準(zhǔn)差分別為8271.73，8918.52，8834.33于是有：由上面的計(jì)算結(jié)果，我們得到這三個(gè)單項(xiàng)預(yù)測(cè)模型的權(quán)重分別為：然后該組合預(yù)測(cè)便可對(duì)其分析預(yù)測(cè)了，得到結(jié)果如下表7所示。表7權(quán)重表組合預(yù)測(cè)指數(shù)平滑預(yù)測(cè)灰色系統(tǒng)預(yù)測(cè)回歸分析預(yù)測(cè)擬合優(yōu)度法權(quán)重0.3410.3280.330簡(jiǎn)單平均法權(quán)重0.330.330.333.2.1結(jié)果分析對(duì)2011-2020年的組合預(yù)測(cè)皆沒計(jì)算預(yù)測(cè)。預(yù)測(cè)結(jié)果見下表8。表8四川省2011-2020年的GDP總量預(yù)測(cè)結(jié)果指數(shù)平滑預(yù)測(cè)灰色系統(tǒng)預(yù)測(cè)回歸分析預(yù)測(cè)簡(jiǎn)單平均組合擬合優(yōu)度年份實(shí)際值預(yù)測(cè)值誤差預(yù)測(cè)值誤差預(yù)測(cè)值誤差預(yù)測(cè)值誤差預(yù)測(cè)值誤差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標(biāo)準(zhǔn)誤差348.7794.61461.2870.6748.2由上表7計(jì)算得出的標(biāo)準(zhǔn)誤差值結(jié)果，可以看出，這三種單項(xiàng)預(yù)測(cè)模型在本次預(yù)測(cè)中都取得良好的預(yù)測(cè)，不過指數(shù)平滑預(yù)測(cè)的標(biāo)準(zhǔn)誤差值最小為348.7，預(yù)測(cè)效果最好，其次是灰色系統(tǒng)預(yù)測(cè)，標(biāo)準(zhǔn)誤差為794.6，最后便是一元線性回歸預(yù)測(cè)，標(biāo)準(zhǔn)誤差為1461.2，由此我們可以得知一元線性回歸作為一種簡(jiǎn)單的預(yù)測(cè)方法可以預(yù)測(cè)趨勢(shì)，但實(shí)際預(yù)測(cè)效果并不好。對(duì)于這兩種組合預(yù)測(cè)相對(duì)來說，擬合優(yōu)度法比簡(jiǎn)單平均更準(zhǔn)確些，其標(biāo)準(zhǔn)誤差值為748.2，簡(jiǎn)單平均法標(biāo)準(zhǔn)誤差為870.6，擬合優(yōu)度法更適合組合預(yù)測(cè)值相差大的單項(xiàng)預(yù)測(cè)，并且通過上表可知，通過標(biāo)準(zhǔn)誤差結(jié)果的分析可以看出組合預(yù)測(cè)模型比單項(xiàng)預(yù)測(cè)模型精準(zhǔn)度更高，比單項(xiàng)預(yù)測(cè)法更加適合于實(shí)際的預(yù)測(cè)，不過組合預(yù)測(cè)并不是預(yù)測(cè)得最好的，它是會(huì)差于最優(yōu)單項(xiàng)預(yù)測(cè)模型，不過會(huì)優(yōu)于平均單項(xiàng)預(yù)測(cè)模型，降低了預(yù)測(cè)失敗的風(fēng)險(xiǎn)。所以組合預(yù)測(cè)模型是一種很適用于區(qū)域物流的預(yù)測(cè)的模型，并且組合預(yù)測(cè)模型還可以應(yīng)用到很多預(yù)測(cè)中去，是一種很有效率并且準(zhǔn)確的方法。4結(jié)束語四川省經(jīng)濟(jì)一直處于不斷發(fā)展的態(tài)勢(shì)，如果能夠根據(jù)發(fā)展現(xiàn)狀即時(shí)制定相關(guān)對(duì)策和規(guī)劃發(fā)展路線，四川將會(huì)以更高的速度和更穩(wěn)的狀態(tài)發(fā)展，從而為全國(guó)的經(jīng)濟(jì)增長(zhǎng)做出重要貢獻(xiàn)。本文利用收集到的四川經(jīng)濟(jì)發(fā)展情況的相關(guān)數(shù)據(jù)，通過單項(xiàng)和組合的預(yù)測(cè)方法來探討哪種方