?

新疆工業(yè)經(jīng)濟(jì)預(yù)測(cè)模型構(gòu)建
——來(lái)自克強(qiáng)指數(shù)

陳小昆，王靜怡

(新疆財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與信息學(xué)院，新疆 烏魯木齊830012)

內(nèi)容提要：本文在借鑒國(guó)內(nèi)外學(xué)者己有研究成果的基礎(chǔ)上,借助新疆2003年—2013年克強(qiáng)指數(shù)相關(guān)指標(biāo)的季度數(shù)據(jù)，運(yùn)用非參數(shù)回歸模型和對(duì)數(shù)線性回歸模型進(jìn)行建模，預(yù)測(cè)新疆工業(yè)增加值的變化，進(jìn)而預(yù)測(cè)新疆工業(yè)增加值對(duì)新疆宏觀經(jīng)濟(jì)發(fā)展的影響。結(jié)果表明，通過(guò)克強(qiáng)指數(shù)相關(guān)指標(biāo)建立的模型可以及時(shí)快速地反映出工業(yè)經(jīng)濟(jì)變化，且這些模型對(duì)工業(yè)增加值的預(yù)測(cè)有很好的效果。

關(guān)鍵詞：克強(qiáng)指數(shù)；工業(yè)增加值；非參數(shù)回歸；對(duì)數(shù)回歸

一、問(wèn)題的緣起

2015年3月由國(guó)家發(fā)展改革委、外交部、商務(wù)部聯(lián)合發(fā)布的《推動(dòng)共建絲綢之路經(jīng)濟(jì)帶和21世紀(jì)海上絲綢之路的愿景與行動(dòng)》一文中明確將新疆定位為絲綢之路經(jīng)濟(jì)帶核心區(qū)，這勢(shì)必對(duì)新疆經(jīng)濟(jì)的發(fā)展產(chǎn)生巨大的影響。那么，新疆經(jīng)濟(jì)結(jié)構(gòu)將會(huì)發(fā)生怎樣的變化？這一問(wèn)題值得研究。無(wú)論是經(jīng)濟(jì)理論還是實(shí)踐經(jīng)驗(yàn)都表明，工業(yè)化是世界各國(guó)經(jīng)濟(jì)發(fā)展的普遍規(guī)律、基本內(nèi)容和軌跡，沒(méi)有工業(yè)化就沒(méi)有經(jīng)濟(jì)發(fā)展。*錢(qián)納里，等.發(fā)展的型式：1950—1970[M].李新華等譯.北京：經(jīng)濟(jì)科學(xué)出版社，1988.從這一意義上說(shuō)，工業(yè)的發(fā)展變化也預(yù)示著整體經(jīng)濟(jì)的變化。因此，我們可借助新疆工業(yè)的變化來(lái)管窺新疆經(jīng)濟(jì)的變化。

何川(2006)利用時(shí)間序列分析的理論和方法，借助我國(guó)2001年—2005年各月工業(yè)增加值的歷史數(shù)據(jù)，通過(guò)建模對(duì)經(jīng)濟(jì)變化進(jìn)行短期預(yù)測(cè)；葉允最(2013)采用加權(quán)最小二乘法與向量自回歸方法，建立了廣西工業(yè)總產(chǎn)值與克強(qiáng)指數(shù)間的關(guān)系模型，發(fā)現(xiàn)克強(qiáng)指數(shù)能較準(zhǔn)確地預(yù)測(cè)廣西工業(yè)經(jīng)濟(jì)的變化；祝煦和黃正勇(2014)利用2008年—2011 年的相關(guān)指數(shù)的月度數(shù)據(jù)，建立了一元和二元時(shí)間序列ARIMAX模型，運(yùn)用ADF檢驗(yàn)對(duì)各變量數(shù)據(jù)的平穩(wěn)性進(jìn)行了檢驗(yàn)，根據(jù)AIC、SBC準(zhǔn)則選擇最優(yōu)模型，從而預(yù)測(cè)經(jīng)濟(jì)的變化；陸偉軍和宋澤龍(2014)采用普通最小二乘法建立了中國(guó)國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率與克強(qiáng)指數(shù)相關(guān)指標(biāo)之間的關(guān)系模型，發(fā)現(xiàn)克強(qiáng)指數(shù)對(duì)中國(guó)經(jīng)濟(jì)的預(yù)測(cè)準(zhǔn)確性較高；張瀟方和張應(yīng)應(yīng)(2014)依據(jù)1985年—2013年的GDP和克強(qiáng)指數(shù)等基本數(shù)據(jù)，分別比較GDP和克強(qiáng)指數(shù)對(duì)城鎮(zhèn)居民家庭人均可支配收入的相關(guān)性和影響程度并進(jìn)行回歸分析，用2010年—2013年的實(shí)際數(shù)據(jù)加以驗(yàn)證，最終得出克強(qiáng)指數(shù)比GDP更能反映中國(guó)經(jīng)濟(jì)的現(xiàn)實(shí)狀況；余劍秋(2015)選取我國(guó)2000年—2013年克強(qiáng)指數(shù)，運(yùn)用最小二乘法原理，通過(guò)計(jì)量研究進(jìn)行多元回歸分析，發(fā)現(xiàn)運(yùn)用克強(qiáng)指數(shù)對(duì)經(jīng)濟(jì)的變化進(jìn)行預(yù)測(cè)更為有效。

克強(qiáng)指數(shù)*克強(qiáng)指數(shù)=工業(yè)用電量增速×40%+中長(zhǎng)期貸款余額增速×35%+鐵路貨運(yùn)量增速×25%是英國(guó)著名政經(jīng)雜志《經(jīng)濟(jì)學(xué)人》創(chuàng)造的用于評(píng)估中國(guó)GDP增長(zhǎng)量的指標(biāo)，以中國(guó)國(guó)務(wù)院總理李克強(qiáng)的名字命名?？藦?qiáng)指數(shù)以工業(yè)用電量、鐵路貨運(yùn)量和銀行中長(zhǎng)期貸款余額三項(xiàng)指標(biāo)通過(guò)加權(quán)平均構(gòu)造。研究表明，運(yùn)用克強(qiáng)指數(shù)對(duì)經(jīng)濟(jì)發(fā)展進(jìn)行預(yù)測(cè)較為有效，因此，本文將借助克強(qiáng)指數(shù)，通過(guò)非參數(shù)回歸模型和對(duì)數(shù)線性回歸模型，構(gòu)建新疆工業(yè)經(jīng)濟(jì)預(yù)測(cè)模型，并對(duì)其有效性進(jìn)行驗(yàn)證。

二、預(yù)測(cè)模型的構(gòu)建

(一)預(yù)測(cè)模型構(gòu)建的依據(jù)

工業(yè)用電量是經(jīng)濟(jì)快速增長(zhǎng)的一種證明，我國(guó)工業(yè)用電量占全社會(huì)用電量的70%，被視為能反映經(jīng)濟(jì)活躍程度的微觀指標(biāo)；經(jīng)濟(jì)增長(zhǎng)離不開(kāi)電力的剛性支撐，工業(yè)用電量的多少可以準(zhǔn)確地反映我國(guó)工業(yè)生產(chǎn)的活躍度以及工廠的開(kāi)工率。而對(duì)于間接融資占社會(huì)融資總量高達(dá)84%的我國(guó)而言，中長(zhǎng)期貸款的多少既可反映市場(chǎng)對(duì)當(dāng)前經(jīng)濟(jì)的信心，又可判斷未來(lái)經(jīng)濟(jì)的風(fēng)險(xiǎn)度；中長(zhǎng)期貸款的增長(zhǎng)可以有效支持實(shí)體經(jīng)濟(jì)的發(fā)展，從而擴(kuò)大內(nèi)需、促進(jìn)宏觀經(jīng)濟(jì)發(fā)展。鐵路作為承擔(dān)我國(guó)貨運(yùn)的最大載體，鐵路貨運(yùn)量的多少既能反映經(jīng)濟(jì)運(yùn)行現(xiàn)狀，又可反映經(jīng)濟(jì)運(yùn)行效率，其在某種程度上是經(jīng)濟(jì)發(fā)展的晴雨表，并與企業(yè)開(kāi)工率以及企業(yè)生產(chǎn)能力是否充分發(fā)揮等都有著密切的聯(lián)系。在一定環(huán)境下，當(dāng)社會(huì)經(jīng)濟(jì)在一定時(shí)期內(nèi)發(fā)展比較平穩(wěn)時(shí)，鐵路貨運(yùn)量就比較飽滿；而當(dāng)經(jīng)濟(jì)發(fā)展遇到一些問(wèn)題時(shí)，就會(huì)出現(xiàn)企業(yè)開(kāi)工不足或者產(chǎn)量不足等問(wèn)題，就可能導(dǎo)致鐵路運(yùn)輸?shù)呢涍\(yùn)量下降。因此，工業(yè)用電量、鐵路貨運(yùn)量和銀行中長(zhǎng)期貸款余額均為國(guó)民經(jīng)濟(jì)運(yùn)行的先行指標(biāo)，即它們是反映未來(lái)經(jīng)濟(jì)發(fā)展變化的重要經(jīng)濟(jì)指標(biāo)。這三項(xiàng)指標(biāo)的高峰和低谷順次出現(xiàn)在經(jīng)濟(jì)周期的高峰和低谷之前，因而對(duì)未來(lái)的經(jīng)濟(jì)狀況有預(yù)示的作用。鑒于此，政府和企業(yè)可以參考這些指標(biāo)來(lái)分析未來(lái)經(jīng)濟(jì)發(fā)展的狀況，從而采取恰當(dāng)?shù)牟呗浴?/p>

綜上所述，本文將運(yùn)用克強(qiáng)指數(shù)中的工業(yè)用電量、鐵路貨運(yùn)量和銀行中長(zhǎng)期貸款余額三項(xiàng)指標(biāo)來(lái)代表影響新疆經(jīng)濟(jì)狀況的主要指標(biāo)，運(yùn)用工業(yè)增加值來(lái)代表地區(qū)工業(yè)發(fā)展水平，以此來(lái)構(gòu)建新疆工業(yè)經(jīng)濟(jì)預(yù)測(cè)模型。

新疆工業(yè)生產(chǎn)與能源消耗密切相關(guān)，因此克強(qiáng)指數(shù)更能精確地反映新疆經(jīng)濟(jì)現(xiàn)狀。這不僅是因?yàn)樯鲜鋈齻€(gè)指標(biāo)更切合新疆經(jīng)濟(jì)特征，還因?yàn)榫唧w數(shù)據(jù)易于獲得和更加真實(shí)。因此，通過(guò)耗電量權(quán)重占比高達(dá)40%的克強(qiáng)指數(shù)還可以減少對(duì)宏觀經(jīng)濟(jì)的誤判。新疆經(jīng)濟(jì)的數(shù)字增長(zhǎng)很大程度上是由行政主導(dǎo)式的投資刺激所導(dǎo)致，但是，行政主導(dǎo)投資在牽涉鐵路貨運(yùn)量和銀行貸款發(fā)放量?jī)蓚€(gè)指標(biāo)較多的同時(shí)，卻與權(quán)重占比最大的耗電量牽涉不大，故而克強(qiáng)指數(shù)對(duì)經(jīng)濟(jì)狀況的反映亦更為客觀。另外，將克強(qiáng)指數(shù)和新疆工業(yè)增加值進(jìn)行擬合也能證實(shí)這一結(jié)果(見(jiàn)圖1)。

圖1：工業(yè)增長(zhǎng)速度和克強(qiáng)指數(shù)的曲線擬合

(二)預(yù)測(cè)模型的構(gòu)建

1.構(gòu)建思想。本文擬通過(guò)構(gòu)造對(duì)數(shù)線性回歸預(yù)測(cè)模型來(lái)預(yù)測(cè)新疆工業(yè)經(jīng)濟(jì)的變化，但從理論上說(shuō)，這一模型可能會(huì)存在共線性問(wèn)題。根據(jù)現(xiàn)實(shí)情況，學(xué)者們運(yùn)用不同方法解決共線性問(wèn)題。本文擬運(yùn)用解決共線性最常用的主成分和嶺回歸的方法解決這一問(wèn)題。因此，對(duì)新疆工業(yè)經(jīng)濟(jì)的預(yù)測(cè)就會(huì)產(chǎn)生兩個(gè)模型，判斷這兩個(gè)模型哪一個(gè)更合適，就存在模型精度檢驗(yàn)問(wèn)題。本文擬通過(guò)誤差項(xiàng)大小來(lái)最終確定哪個(gè)模型更適合預(yù)測(cè)新疆工業(yè)經(jīng)濟(jì)發(fā)展情況。

2.構(gòu)建步驟。首先選擇變量，構(gòu)建模型。根據(jù)前文理論分析，本文將工業(yè)增加值確定為被解釋變量y，將貨運(yùn)量X1、金融機(jī)構(gòu)各項(xiàng)貸款余額X2和發(fā)電量X3確定為解釋變量，構(gòu)建如下對(duì)數(shù)回歸模型：

lnyi=B0+B1lnx1+B2lnx2+B3lnx3+ui

其次，解決上述模型是否存在共線性的問(wèn)題。

第三，計(jì)算主成分回歸模型和對(duì)數(shù)嶺回歸模型的絕對(duì)誤差和相對(duì)誤差，以確定最優(yōu)模型。

三、實(shí)證分析

(一)數(shù)據(jù)來(lái)源

本文在分析過(guò)程中引用的所有數(shù)據(jù)均來(lái)源于《新疆統(tǒng)計(jì)年鑒(2003—2013)》和《中國(guó)統(tǒng)計(jì)年鑒(2003—2013)》。

(二)實(shí)證過(guò)程及結(jié)果

1.實(shí)證過(guò)程。首先，對(duì)lnyi=B0+B1lnx1+B2lnx2+B3lnx3+ui進(jìn)行檢驗(yàn)，其結(jié)果見(jiàn)表1。

表1　貨運(yùn)量、貸款余額、發(fā)電量與工業(yè)增加值的對(duì)數(shù)模型

表1顯示，lnx1的P值為0.816，大于0.05，說(shuō)明沒(méi)有通過(guò)系數(shù)檢驗(yàn)，而lnx2、lnx3的P值分別為0.016和0.000，都小于0.05，說(shuō)明通過(guò)了系數(shù)的顯著性檢驗(yàn)，但是X2和X3的容差(Tolerance)<0.1，而它們的方差膨脹因子VIF>10，這說(shuō)明貸款余額與發(fā)電量存在共線性的情況，由于共線性會(huì)使模型估計(jì)失真或難以準(zhǔn)確估計(jì)，因此需要消除共線性再進(jìn)行模型擬合。

對(duì)貨運(yùn)量X1(萬(wàn)噸)、金融機(jī)構(gòu)各項(xiàng)貸款余額X2(億元)、發(fā)電量X3(億千瓦時(shí))和工業(yè)增加值y取對(duì)數(shù)，分析lnx1、lnx2、lnx3之間的相關(guān)程度，lnx1、lnx2、lnx3的相關(guān)系數(shù)矩陣如下：

從該矩陣中可以看出，lnx1與lnx2、lnx3中度相關(guān)，lnx2與lnx3高度相關(guān)，故有可能存在多重共線性。

其次，對(duì)共線性問(wèn)題采用主成分法和嶺回歸法加以解決。

(1)主成分法。主成分法是通過(guò)線性變換，將原來(lái)的多個(gè)指標(biāo)組合成相互獨(dú)立的少數(shù)幾個(gè)能充分反映總體信息的指標(biāo)，從而在不丟失重要信息的前提下避開(kāi)變量間共線性問(wèn)題的方法。應(yīng)用主成分法建立的回歸模型見(jiàn)表2：

表2　線性關(guān)系檢驗(yàn)

表3　擬合優(yōu)度檢驗(yàn)

表4　回歸系數(shù)的檢驗(yàn)

表5　主成分后的模型比較

從表5可以看出，克強(qiáng)指數(shù)對(duì)新疆工業(yè)經(jīng)濟(jì)的預(yù)測(cè)模型為：

lny=-1.84+0.24lnx1+0.45lnx2+0.38lnx3

(1)

模型(1)顯示，當(dāng)貨運(yùn)量每上升1%時(shí)，工業(yè)增加值平均上升0.24%；同樣，在其他變量不變的情況下，當(dāng)金融機(jī)構(gòu)各項(xiàng)貸款余額每上升1%時(shí)，工業(yè)增加值平均上升0.45%；在其他變量不變的情況下，當(dāng)發(fā)電量每上升1%時(shí)，工業(yè)增加值平均上升0.38%。

lny=-1.84+0.24lnx1+0.45lnx2+0.38lnx3

?lny=-1.84+lnx10.24+lnx20.45+lnx30.38

?lny=-1.84+ln(x10.24x20.45x30.38)

將上式兩邊取反對(duì)數(shù)，得到： y=0.159x10.24x20.45x30.38

(2)嶺回歸法。嶺回歸法是一種專(zhuān)用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法，是通過(guò)放棄最小二乘法的無(wú)偏性，以損失部分信息和降低精度為代價(jià)所獲得的回歸系數(shù)更為符合實(shí)際和更可靠的回歸方法。該方法首先需要確定嶺參數(shù)，如圖2所示：

圖2： 嶺跡

由圖2可知，取對(duì)數(shù)后的貨運(yùn)量、貸款余額、發(fā)電量在嶺參數(shù)為0.1之前，取對(duì)數(shù)的發(fā)電量的斜率為負(fù)增長(zhǎng)，這不符合工業(yè)增加值與發(fā)電量的變化關(guān)系，因此要取發(fā)電量的對(duì)數(shù)變化為趨于正值時(shí)才能符合正確的工業(yè)增加值與發(fā)電量的變化關(guān)系。當(dāng)嶺參數(shù)在0.1~0.2范圍內(nèi)的時(shí)候，取對(duì)數(shù)的發(fā)電量的斜率為趨于平緩的變化，而當(dāng)嶺參數(shù)取0.2時(shí)，取對(duì)數(shù)的貨運(yùn)量、貸款余額和發(fā)電量的變化都趨于平緩，所以本文將嶺參數(shù)固定為0.2。

表6　嶺回歸模型

當(dāng)嶺參數(shù)固定在0.2的時(shí)候，結(jié)合以上主成分分析可以得出，對(duì)貨運(yùn)量、金融機(jī)構(gòu)各項(xiàng)貸款余額、發(fā)電量分別取對(duì)數(shù)后的對(duì)數(shù)模型為：

lny=-0.54+0.21lnx1+0.26lnx2+0.48lnx3

(2)

模型(2)顯示，當(dāng)貨運(yùn)量增加一個(gè)百分點(diǎn)時(shí)，工業(yè)增加值平均上升0.21%；在其他變量不變的情況下，當(dāng)金融機(jī)構(gòu)各項(xiàng)貸款余額增加一個(gè)百分點(diǎn)時(shí)，工業(yè)增加值平均上升0.26%；在其他變量不變的情況下，當(dāng)發(fā)電量增加一個(gè)百分點(diǎn)時(shí)，工業(yè)增加值平均上升0.48%。

lny=-0.54+0.21lnx1+0.26lnx2+0.48lnx3

?lny=-0.54+lnx10.21+lnx20.26+lnx30.48

?lny=-0.54+ln(x10.21x20.26x30.48)

將上式兩邊取反對(duì)數(shù)，得到：y=0.583x10.21x20.26x30.48

2.模型確定。通過(guò)模型(1)與模型(2)的誤差項(xiàng)對(duì)比，最終確定預(yù)測(cè)模型。將2013年四個(gè)季度的克強(qiáng)指數(shù)相關(guān)指標(biāo)數(shù)據(jù)帶入主成分回歸模型和對(duì)數(shù)嶺回歸模型中，得出工業(yè)增加值的預(yù)測(cè)值，并加以計(jì)算得到絕對(duì)誤差和相對(duì)誤差，其中絕對(duì)誤差=預(yù)測(cè)值-實(shí)際Y值，相對(duì)誤差=絕對(duì)誤差/實(shí)際Y值，預(yù)測(cè)結(jié)果及誤差比較如表7所示：

表7　預(yù)測(cè)結(jié)果及誤差比較

主成分回歸模型MAPE=23.08%，對(duì)數(shù)嶺回歸模型MAPE=13.64%，結(jié)合表7可以看出，對(duì)數(shù)嶺回歸模型的預(yù)測(cè)效果更好。

3.模型預(yù)測(cè)。首先，對(duì)克強(qiáng)指數(shù)和新疆經(jīng)濟(jì)變量進(jìn)行描述性統(tǒng)計(jì)分析，其結(jié)果如表8所示：

表8　描述性統(tǒng)計(jì)分析結(jié)果

從最大值與最小值來(lái)看，貨運(yùn)量最大值達(dá)到37136.16萬(wàn)噸，與最小值差別較大，金融機(jī)構(gòu)各項(xiàng)貸款余額、發(fā)電量和工業(yè)增加值的最大值與最小值相差也比較大，但在這四個(gè)變量中貨運(yùn)量的波動(dòng)范圍最大；從均值來(lái)看，發(fā)電量的均值為158.93億千瓦時(shí)，貨運(yùn)量的均值為14347.76萬(wàn)噸，這反映了變量的整體平均水平；從標(biāo)準(zhǔn)差來(lái)看，發(fā)電量的標(biāo)準(zhǔn)差最小，說(shuō)明發(fā)電量的離散程度較小，而貨運(yùn)量的標(biāo)準(zhǔn)差最大，也就是說(shuō)貨運(yùn)量的離散程度最大。

圖3：貨運(yùn)量、貸款余額、發(fā)電量、工業(yè)增加值直方圖

從圖3直方圖可以看出，新疆的貨運(yùn)量在5000~10000萬(wàn)噸的最多，在35000~45000萬(wàn)噸的最少，大部分在5000~20000萬(wàn)噸范圍內(nèi)。由于新疆位于亞歐大陸中部，地處中國(guó)西北部，使其物資難以直達(dá)內(nèi)地市場(chǎng)，加之新疆的物流業(yè)發(fā)展受到基礎(chǔ)設(shè)施的制約，因而整體貨運(yùn)量不大。貸款余額在2000~3000億元的最多，在0~2000億元的最少，大部分在2000~3000億元范圍內(nèi)，其余的貸款余額分布較均勻，這表明新疆的貸款余額不高。發(fā)電量在50~100億千瓦時(shí)的最多，在0~50億千瓦時(shí)的最少，主要集中在50~300億千瓦時(shí)范圍內(nèi)，說(shuō)明發(fā)電量出現(xiàn)較高和較低的頻率是很少的；工業(yè)增加值在200~400億元的最多，在800~1000億元的最少，在800億元以上的發(fā)生頻率很小，幾近為零，說(shuō)明新疆工業(yè)增加值仍處于較低的水平。

其次，借助模型(2)對(duì)2015年第一、二、三季度新疆工業(yè)經(jīng)濟(jì)進(jìn)行預(yù)測(cè)，其結(jié)果見(jiàn)表9：

表9　新疆工業(yè)增加值的預(yù)測(cè)

(三)預(yù)測(cè)模型的補(bǔ)充

任何預(yù)測(cè)模型的使用都是有條件的，克強(qiáng)指數(shù)也不例外。當(dāng)克強(qiáng)指數(shù)在一定范圍內(nèi)時(shí)，其對(duì)工業(yè)經(jīng)濟(jì)的預(yù)測(cè)是有效的，因而需要確定其有效區(qū)間，而確定這一區(qū)間的方法可使用非參數(shù)回歸法，其結(jié)果如圖4和圖5所示：

圖4：工業(yè)增長(zhǎng)速度與克強(qiáng)指數(shù)的殘差圖

圖5：工業(yè)增長(zhǎng)速度與克強(qiáng)指數(shù)的非參數(shù)回歸模型

由圖4可以看出，殘差分布比較均勻，在圖5中將平滑系數(shù)等于0.5、0.6、0.7、0.8時(shí)的圖形擬合程度作對(duì)比，可以看出平滑系數(shù)為0.7時(shí)擬合程度較好。當(dāng)克強(qiáng)指數(shù)小于0.5時(shí)，隨著克強(qiáng)指數(shù)的增加，工業(yè)增長(zhǎng)速度處于不斷增加的狀態(tài)；當(dāng)克強(qiáng)指數(shù)大于0.5時(shí)，隨著克強(qiáng)指數(shù)的增加，工業(yè)增速開(kāi)始下降。因此，當(dāng)克強(qiáng)指數(shù)小于0.5時(shí)對(duì)工業(yè)增長(zhǎng)速度的預(yù)測(cè)較為準(zhǔn)確，當(dāng)克強(qiáng)指數(shù)大于0.5時(shí)預(yù)測(cè)失效。

四、模型構(gòu)建的不足

通過(guò)本文可以看出，引入非參數(shù)回歸模型與對(duì)數(shù)回歸模型能較好地提高預(yù)測(cè)的精度,使相對(duì)誤差大大減小，并且這種方法操作簡(jiǎn)單,再加上采用了克強(qiáng)指數(shù)相關(guān)指標(biāo)為研究對(duì)象，使得工業(yè)增加值的預(yù)測(cè)更為精確，這為其他經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)提供了參考，也為政府宏觀經(jīng)濟(jì)決策提供了科學(xué)依據(jù)。但同時(shí)本文也存在一些不足：首先，用發(fā)電量代替了耗電量。這是因?yàn)楹碾娏繑?shù)據(jù)難以獲得，若能找到耗電量數(shù)據(jù)，模型擬合程度會(huì)更好；其次，本文用主成分法處理共線性還有一定的問(wèn)題，且沒(méi)有考慮數(shù)據(jù)的季節(jié)性和周期性的影響，如果有更好的處理共線性問(wèn)題的方法并充分考慮相關(guān)因素，模型精度會(huì)更高；第三，建模過(guò)程表明，數(shù)據(jù)自相關(guān)、共線性和異方差問(wèn)題應(yīng)同時(shí)考慮，否則會(huì)降低模型的實(shí)踐價(jià)值。

參考文獻(xiàn)：

[1]何川.關(guān)于我國(guó)工業(yè)增加值的統(tǒng)計(jì)建模與預(yù)測(cè)[D].大連：遼寧師范大學(xué),2006.

[2]葉允最.廣西工業(yè)總產(chǎn)值與克強(qiáng)指數(shù)的關(guān)系研究[J].中國(guó)證券期貨,2013,(6):186-187.

[3]張瀟方,張應(yīng)應(yīng).克強(qiáng)指數(shù)反映中國(guó)經(jīng)濟(jì)現(xiàn)實(shí)狀況的優(yōu)越性研究[J].統(tǒng)計(jì)與決策,2014,(22):30-32.

[4]陸偉軍，宋澤龍.中國(guó)國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率的相關(guān)因素分析——基于克強(qiáng)指數(shù)的研究[J].經(jīng)濟(jì)視野,2014,(13):188-189.

[5]吳喜之，趙博娟.非參數(shù)統(tǒng)計(jì)[M].北京：中國(guó)統(tǒng)計(jì)出版社,2013.

[6]何曉群，劉文卿.應(yīng)用回歸分析[M].北京：中國(guó)人民大學(xué)出版社，2013.

[7]王建軍，宋香榮.多元統(tǒng)計(jì)理論、實(shí)驗(yàn)與案例[M].北京：中國(guó)統(tǒng)計(jì)出版社,2014.

[8]余劍秋.關(guān)于克強(qiáng)指數(shù)變量對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)程度計(jì)量研究[J].合作經(jīng)濟(jì)與科技,2015,(11):12-14.

[9]祝煦，黃正勇.修正的克強(qiáng)指數(shù)與GDP 增長(zhǎng)率時(shí)間序列建模分析[J].洛陽(yáng)師范學(xué)院學(xué)報(bào),2014,(11)：111-115.

[10]陳飛,高鐵梅.結(jié)構(gòu)時(shí)間序列模型在經(jīng)濟(jì)預(yù)測(cè)方面的應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2005,(2):95-103.

[11]李閩榕,黃茂興,李軍軍.省域經(jīng)濟(jì)綜合競(jìng)爭(zhēng)力預(yù)測(cè)模型的構(gòu)建與精確度驗(yàn)證[J].管理世界,2009,(2):1-11.

(責(zé)任編輯:易正蘭)

Xinjiang Industrial Economic Forecast Model——From Keqiang Index

Chen Xiaokun,Wang Jingyi

(Xinjiang University of Finance and Economics, Urumqi 830012, China)

Abstract:Based on the existing research achievements of scholars at home and abroad, this paper, with the quarterly data from 2003—2013 parameters related to Keqiang Index in Xinjiang as the object of study, using the nonparametric regression model and log-linear regression model to model, predicts the change of industrial added value, as well as the influence of industrial added value on macroeconomic development. The result shows that the model built on the basis of relevant parameters of Keqiang Index can reflect industrial economic changes rapidly, and forecast effects towards industrial added value by using these models are pretty good.

Key Words:Keqiang Index; Industrial Added Value; Regression Nonparametric; Regression Logarithm

DOI：10.16716/j.cnki.65-1030/f.2016.01.005

中圖分類(lèi)號(hào)：F427

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1007-8576(2016)01-0041-08

作者簡(jiǎn)介：陳小昆(1963-)，女，教授，研究方向：經(jīng)濟(jì)統(tǒng)計(jì)、市場(chǎng)調(diào)查；王靜怡(1993-)，女，碩士研究生，研究方向：市場(chǎng)調(diào)查。

基金項(xiàng)目：新疆維吾爾自治區(qū)社會(huì)科學(xué)基金項(xiàng)目“絲綢之路經(jīng)濟(jì)帶背景下新疆交通運(yùn)輸系統(tǒng)一體化協(xié)調(diào)發(fā)展研究”(2015BGL101)

收稿日期：2015-09-25