李新華,王 勇,燕佳靜,侯文剛

(1.江西省信息中心,江西 南昌 330000; 2.江西財(cái)經(jīng)大學(xué),江西 南昌 330000)

0 引 言

中國(guó)政府非常重視政務(wù)信息化和政府大數(shù)據(jù)的創(chuàng)新發(fā)展,但國(guó)內(nèi)目前構(gòu)建跨源多維政務(wù)共享數(shù)據(jù)支撐的系統(tǒng)成功案例并不多，如熊贏新等[1]、白獻(xiàn)陽(yáng)等[2]分別對(duì)湖北省宏觀經(jīng)濟(jì)大數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目、貴州省政府?dāng)?shù)據(jù)開(kāi)放協(xié)同機(jī)制進(jìn)行了探索，張小娟[3]、吳昊[4]分別對(duì)智慧城市系統(tǒng)的結(jié)構(gòu)模型、大數(shù)據(jù)時(shí)代中國(guó)政府信息共享機(jī)制進(jìn)行了研究。另外，李軍等[5]、崔樹(shù)紅等[6]、霍小軍等[7]、牛文勝等[8]、徐曉林等[9]、連家明[10]、華明剛等[11]均在智慧政務(wù)和“數(shù)字政府”框架下對(duì)大數(shù)據(jù)共享的實(shí)現(xiàn)與應(yīng)用進(jìn)行了研究。以上學(xué)者均取得了不錯(cuò)的研究成果，但是均未涉及使用跨維共享數(shù)據(jù)進(jìn)行支撐，同時(shí)，針對(duì)宏觀經(jīng)濟(jì)分析的成功案例也不多見(jiàn)。

近年來(lái)，圍繞推動(dòng)政府治理體系和治理能力現(xiàn)代化，引領(lǐng)帶動(dòng)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的目標(biāo)，王芳等[12]探討了大數(shù)據(jù)對(duì)國(guó)家治理的意義，分析了我國(guó)現(xiàn)狀與存在的問(wèn)題，并提出了對(duì)應(yīng)策略。劉媛媛[13]分析了大數(shù)據(jù)背景下政府治理所面臨的機(jī)遇和挑戰(zhàn),并提出了相應(yīng)的對(duì)策。李宇[14]研究總結(jié)了貴州省政府在社會(huì)治理問(wèn)題中的大數(shù)據(jù)應(yīng)用經(jīng)驗(yàn)。孔守斌等[15]提出了基于云平臺(tái)的地方政務(wù)信息資源共享平臺(tái)的建設(shè)模式,通過(guò)建立統(tǒng)一的地方政務(wù)信息資源共享平臺(tái),支撐各地方實(shí)現(xiàn)跨部門(mén)、跨層級(jí)的互聯(lián)互通、業(yè)務(wù)協(xié)同、信息共享。王利強(qiáng)[16]闡述了大數(shù)據(jù)時(shí)代協(xié)同政務(wù)信息資源共享的意義,論述了政務(wù)信息資源共享的架構(gòu),并提出了優(yōu)化信息資源共享的具體策略。姜寶等[17]總結(jié)了政務(wù)信息資源安全共享存在的主要問(wèn)題。參考上述研究成果，江西加快了推進(jìn)數(shù)據(jù)共享以便解決省直部門(mén)業(yè)務(wù)系統(tǒng)信息的孤島、數(shù)據(jù)鴻溝等問(wèn)題[18]的速度，匯聚公安、發(fā)改委、人社、衛(wèi)健委、市場(chǎng)監(jiān)督管理局、住建等部門(mén)政務(wù)共享數(shù)據(jù)，形成了人口、法人、電子證照、社保、納稅、投資項(xiàng)目、公共信用、自然資源和地理空間8個(gè)高頻政務(wù)數(shù)據(jù)共享庫(kù)。為有效使用共享庫(kù)數(shù)據(jù)，江西省信息中心提出了建設(shè)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)，構(gòu)建一個(gè)基于跨平臺(tái)大數(shù)據(jù)的全省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警體系，建立“用數(shù)據(jù)分析、用數(shù)據(jù)決策、用數(shù)據(jù)創(chuàng)新”的工作機(jī)制，為相關(guān)政府部門(mén)以及行業(yè)、企業(yè)等不同類型用戶提供及時(shí)、全面、準(zhǔn)確的宏觀經(jīng)濟(jì)信息，逐步形成了基于大數(shù)據(jù)分析的集實(shí)時(shí)監(jiān)測(cè)預(yù)警和智能預(yù)測(cè)為一體的宏觀決策支撐體系。系統(tǒng)依托省電子政務(wù)外網(wǎng)和云平臺(tái)，通過(guò)抽取高頻政務(wù)數(shù)據(jù)共享庫(kù)的數(shù)據(jù)并融合互聯(lián)網(wǎng)社會(huì)經(jīng)濟(jì)大數(shù)據(jù)資源，從而在社會(huì)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)和智能預(yù)測(cè)模型中成功應(yīng)用。

本文針對(duì)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)的經(jīng)濟(jì)大數(shù)據(jù)綜合庫(kù)進(jìn)行大數(shù)據(jù)分析，尋找經(jīng)濟(jì)數(shù)據(jù)的內(nèi)在規(guī)律和關(guān)聯(lián)性，參考蔡格菁等[19]使用ARIMA模型的經(jīng)濟(jì)預(yù)測(cè)案例，探索應(yīng)用雙對(duì)數(shù)線性回歸模型、ARIMA模型進(jìn)行社會(huì)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)和智能預(yù)測(cè)，展開(kāi)實(shí)證數(shù)據(jù)分析和形成大數(shù)據(jù)報(bào)告，為相關(guān)政府部門(mén)宏觀調(diào)控提供參考。

1 宏觀經(jīng)濟(jì)數(shù)據(jù)分析系統(tǒng)體系建設(shè)

2018年，陳小英[20]提出需構(gòu)建宏觀經(jīng)濟(jì)形勢(shì)分析應(yīng)用系統(tǒng)，以便及時(shí)準(zhǔn)確地了解經(jīng)濟(jì)信息變化，研判當(dāng)前經(jīng)濟(jì)運(yùn)行形勢(shì)。王松[21]認(rèn)為適合宏觀經(jīng)濟(jì)分析的大數(shù)據(jù)平臺(tái)還有待開(kāi)發(fā)。宏觀經(jīng)濟(jì)決策信息資源涵蓋了社會(huì)、經(jīng)濟(jì)、政策、法規(guī)等經(jīng)濟(jì)社會(huì)發(fā)展的各個(gè)方面，宏觀經(jīng)濟(jì)數(shù)據(jù)分析系統(tǒng)需實(shí)現(xiàn)對(duì)宏觀經(jīng)濟(jì)監(jiān)測(cè)預(yù)測(cè)，對(duì)涉及的經(jīng)濟(jì)數(shù)據(jù)、政策報(bào)告、發(fā)展規(guī)劃進(jìn)行集中管理和展示，可以有效管理經(jīng)濟(jì)領(lǐng)域數(shù)據(jù)資產(chǎn)。通過(guò)提取經(jīng)濟(jì)相關(guān)數(shù)據(jù)的共享指標(biāo)，形成經(jīng)濟(jì)關(guān)聯(lián)分析指數(shù)，挖掘計(jì)算宏觀經(jīng)濟(jì)的實(shí)時(shí)波動(dòng)；通過(guò)對(duì)宏觀經(jīng)濟(jì)不同周期的分析，綜合判斷經(jīng)濟(jì)運(yùn)行狀態(tài)，提前報(bào)告宏觀經(jīng)濟(jì)形勢(shì)變動(dòng)幅度和未來(lái)發(fā)展方向，在宏觀經(jīng)濟(jì)、行業(yè)經(jīng)濟(jì)發(fā)展過(guò)快或面臨衰退時(shí)能預(yù)先發(fā)出預(yù)警報(bào)告，為政府決策提供重要依據(jù)。

1.1 系統(tǒng)設(shè)計(jì)

根據(jù)對(duì)江西省宏觀經(jīng)濟(jì)需求側(cè)的分析，建立基于大數(shù)據(jù)的宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)，總體架構(gòu)如圖1所示。

圖1 架構(gòu)設(shè)計(jì)

宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)主要包括大數(shù)據(jù)分析平臺(tái)、經(jīng)濟(jì)監(jiān)測(cè)預(yù)警綜合展示應(yīng)用、經(jīng)濟(jì)監(jiān)測(cè)預(yù)警APP。

省網(wǎng)上審批系統(tǒng)、公共資源交易平臺(tái)、公共信用信息平臺(tái)等應(yīng)用系統(tǒng)提供的政務(wù)共享數(shù)據(jù)通過(guò)省政務(wù)信息資源共享交換平臺(tái)交換到前置數(shù)據(jù)庫(kù)，大數(shù)據(jù)分析平臺(tái)提供豐富多樣的數(shù)據(jù)采集接入工具，接入前置數(shù)據(jù)庫(kù)、社會(huì)化數(shù)據(jù)及互聯(lián)網(wǎng)數(shù)據(jù)。經(jīng)濟(jì)監(jiān)測(cè)預(yù)警綜合展示應(yīng)用提供數(shù)據(jù)報(bào)送模塊，支持不同政府部門(mén)報(bào)送數(shù)據(jù)。

省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)通過(guò)移動(dòng)應(yīng)用平臺(tái)接入，并完成APP的開(kāi)發(fā)、測(cè)試、發(fā)布。APP包括經(jīng)濟(jì)運(yùn)行監(jiān)測(cè)、經(jīng)濟(jì)運(yùn)行調(diào)查、區(qū)域經(jīng)濟(jì)監(jiān)測(cè)、經(jīng)濟(jì)預(yù)測(cè)預(yù)警、宏觀政策模擬、大數(shù)據(jù)分析及經(jīng)濟(jì)動(dòng)態(tài)模塊。其中，經(jīng)濟(jì)運(yùn)行監(jiān)測(cè)依托省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的經(jīng)濟(jì)運(yùn)行監(jiān)測(cè)子系統(tǒng)實(shí)現(xiàn)；經(jīng)濟(jì)運(yùn)行調(diào)查依托省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的經(jīng)濟(jì)運(yùn)行調(diào)查子系統(tǒng)實(shí)現(xiàn)；區(qū)域經(jīng)濟(jì)監(jiān)測(cè)依托省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的區(qū)域經(jīng)濟(jì)子監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn)；經(jīng)濟(jì)預(yù)測(cè)預(yù)警依托省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的經(jīng)濟(jì)預(yù)測(cè)預(yù)警子系統(tǒng)實(shí)現(xiàn)；宏觀政策模擬依托省經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的宏觀政策模擬子系統(tǒng)實(shí)現(xiàn)；大數(shù)據(jù)分析多樣化展示大數(shù)據(jù)分析報(bào)告中的重要研究成果；經(jīng)濟(jì)動(dòng)態(tài)主要呈現(xiàn)國(guó)家、外省、省直相關(guān)部門(mén)經(jīng)濟(jì)分析文章，以及江西省信息中心撰寫(xiě)的各類分析報(bào)告。

經(jīng)濟(jì)監(jiān)測(cè)預(yù)警綜合展示應(yīng)用包括經(jīng)濟(jì)指標(biāo)目錄管理、數(shù)據(jù)報(bào)送、數(shù)據(jù)查詢和數(shù)據(jù)分析、用戶權(quán)限及運(yùn)行監(jiān)控功能，前端展示包括全國(guó)經(jīng)濟(jì)運(yùn)行、全省經(jīng)濟(jì)運(yùn)行、縣域經(jīng)濟(jì)運(yùn)行、公共數(shù)據(jù)展示及指標(biāo)查詢模塊。此外，該應(yīng)用還提供實(shí)現(xiàn)經(jīng)濟(jì)指標(biāo)體系分類展示、時(shí)間趨勢(shì)展示、區(qū)域?qū)Ρ日故尽⒅笜?biāo)關(guān)聯(lián)展示、社會(huì)數(shù)據(jù)分析展示等，以可視化圖表方便用戶感知數(shù)據(jù)。經(jīng)濟(jì)監(jiān)測(cè)預(yù)警綜合展示應(yīng)用需要源自多部門(mén)海量數(shù)據(jù)，所有數(shù)據(jù)源的采集、加工處理、存儲(chǔ)、分布式計(jì)算、多維分析、可視化等均通過(guò)大數(shù)據(jù)分析平臺(tái)實(shí)現(xiàn)。

大數(shù)據(jù)分析報(bào)告立足江西省發(fā)改委工作實(shí)際和迫切需要解決的問(wèn)題，基于準(zhǔn)確、豐富的數(shù)據(jù)資源積累，運(yùn)用相關(guān)分析、回歸分析、因子分析、ARIMA模型等方法，最終得出高價(jià)值的研究成果。分析報(bào)告需要從經(jīng)濟(jì)監(jiān)測(cè)預(yù)警綜合展示應(yīng)用提取相關(guān)知識(shí)，由經(jīng)驗(yàn)豐富的數(shù)據(jù)分析師最終成稿完成報(bào)告編制。

1.2 數(shù)據(jù)采集與處理

在大數(shù)據(jù)分析平臺(tái)中，數(shù)據(jù)采集與處理軟件ETL主要提供數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)加載功能,負(fù)責(zé)與前端數(shù)據(jù)源進(jìn)行交互，采集和處理數(shù)據(jù)庫(kù)、協(xié)議、文本等數(shù)據(jù)項(xiàng)，具備元數(shù)據(jù)管理、數(shù)據(jù)標(biāo)準(zhǔn)管理、數(shù)據(jù)質(zhì)量管理、資產(chǎn)管理、數(shù)據(jù)安全管理、共享服務(wù)管理、主數(shù)據(jù)管理以及全生命周期管理等數(shù)據(jù)治理功能，并具有與大數(shù)據(jù)生態(tài)圈交互適配的能力。通過(guò)政務(wù)信息資源共享交換平臺(tái)與各省直部門(mén)進(jìn)行數(shù)據(jù)對(duì)接，由此完成省信息中心數(shù)據(jù)的統(tǒng)一匯聚，各來(lái)源數(shù)據(jù)采集完成后，將數(shù)據(jù)統(tǒng)一加載到大數(shù)據(jù)平臺(tái)進(jìn)行進(jìn)一步的清洗、整合、加工等處理。

數(shù)據(jù)采集與處理軟件將采集到的數(shù)據(jù)項(xiàng)存儲(chǔ)到大數(shù)據(jù)存儲(chǔ)計(jì)算系統(tǒng)中，通過(guò)數(shù)據(jù)分層(接口層、整合層、中間層、匯總層、服務(wù)層)處理形成經(jīng)濟(jì)大數(shù)據(jù)綜合庫(kù)，同時(shí)兼容批處理計(jì)算及流式計(jì)算，實(shí)現(xiàn)對(duì)從政務(wù)應(yīng)用系統(tǒng)及互聯(lián)網(wǎng)上采集的海量多源異構(gòu)數(shù)據(jù)的格式轉(zhuǎn)換、清洗、分布式存儲(chǔ)。存儲(chǔ)到大數(shù)據(jù)存儲(chǔ)計(jì)算中的數(shù)據(jù)可通過(guò)大數(shù)據(jù)基礎(chǔ)平臺(tái)提供給大數(shù)據(jù)可視化系統(tǒng)或其他業(yè)務(wù)應(yīng)用系統(tǒng)進(jìn)行數(shù)據(jù)分析及展示。此外，設(shè)立經(jīng)濟(jì)數(shù)據(jù)庫(kù)的管理、更新和應(yīng)用的長(zhǎng)效管理機(jī)制以確保經(jīng)濟(jì)數(shù)據(jù)資源不斷擴(kuò)展、完善，保證多源數(shù)據(jù)的一致性、現(xiàn)實(shí)性和精確性。

業(yè)務(wù)應(yīng)用系統(tǒng)可以使用大數(shù)據(jù)存儲(chǔ)計(jì)算框架提供的計(jì)算資源進(jìn)行數(shù)據(jù)分析及計(jì)算。大數(shù)據(jù)存儲(chǔ)及大數(shù)據(jù)計(jì)算組件由大數(shù)據(jù)運(yùn)維管理系統(tǒng)負(fù)責(zé)統(tǒng)一管控，數(shù)據(jù)架構(gòu)圖和數(shù)據(jù)分層示意圖分別如圖2和圖3所示。

圖2 數(shù)據(jù)架構(gòu)

1.3 數(shù)據(jù)存儲(chǔ)計(jì)算框架

數(shù)據(jù)存儲(chǔ)計(jì)算框架由大數(shù)據(jù)基礎(chǔ)平臺(tái)、大數(shù)據(jù)存儲(chǔ)計(jì)算軟件、大數(shù)據(jù)運(yùn)維管理系統(tǒng)構(gòu)成?；贖adoop、Spark、Yarn、HDFS架構(gòu)的大數(shù)據(jù)體系架構(gòu)，提供分布式文件存儲(chǔ)技術(shù)，支持結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化文件的分布式存儲(chǔ)，提供分布式計(jì)算框架，利用集群資源，實(shí)現(xiàn)計(jì)算任務(wù)的分布式并行執(zhí)行。

圖3 數(shù)據(jù)分層示意圖

1.4 大數(shù)據(jù)可視化展現(xiàn)大屏

系統(tǒng)的數(shù)據(jù)輸出可通過(guò)可視化大屏展現(xiàn)，大屏展現(xiàn)采用HTML5圖表技術(shù)，參數(shù)傳遞靈活，交互效果好。有多種圖表類型和樣式，具有圖表鉆取、圖表聯(lián)動(dòng)、數(shù)據(jù)地圖等功能，為不同的大數(shù)據(jù)經(jīng)濟(jì)分析專題提供多維度展現(xiàn)方式，系統(tǒng)展示平臺(tái)示意圖如圖4所示。

圖4 系統(tǒng)展示平臺(tái)示意圖

1.5 系統(tǒng)創(chuàng)新特色

系統(tǒng)使用政務(wù)數(shù)據(jù)和大數(shù)據(jù)分析有機(jī)的結(jié)合，通過(guò)可視化大屏展現(xiàn)經(jīng)濟(jì)大數(shù)據(jù)的魅力，有效地使用政務(wù)共享數(shù)據(jù)資源，通過(guò)相關(guān)經(jīng)濟(jì)模型對(duì)政務(wù)數(shù)據(jù)進(jìn)行應(yīng)用分析，有良好的探索和示范作用。

2 面向宏觀經(jīng)濟(jì)數(shù)據(jù)分析的模型應(yīng)用

利用系統(tǒng)的大數(shù)據(jù)分析平臺(tái)，對(duì)社會(huì)經(jīng)濟(jì)網(wǎng)絡(luò)大數(shù)據(jù)信息特征進(jìn)行提取和融合，構(gòu)建大數(shù)據(jù)宏觀經(jīng)濟(jì)先行指標(biāo)和現(xiàn)時(shí)預(yù)測(cè)指標(biāo)庫(kù)，以及反映未來(lái)變動(dòng)趨勢(shì)的綜合性分析和預(yù)警指數(shù)；結(jié)合傳統(tǒng)的時(shí)間序列特征和影響社會(huì)經(jīng)濟(jì)關(guān)鍵指標(biāo)的其他宏觀經(jīng)濟(jì)特征，建設(shè)基于時(shí)序分析、回歸模型、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)挖掘、聚類模型等的經(jīng)濟(jì)大數(shù)據(jù)監(jiān)測(cè)預(yù)警方法庫(kù)和模型庫(kù)，構(gòu)建基于多源信息的社會(huì)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)模型、基于優(yōu)化用戶行為特征的社會(huì)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)模型、基于特征-情感挖掘的社會(huì)經(jīng)濟(jì)智能預(yù)測(cè)模型、考慮社會(huì)網(wǎng)絡(luò)關(guān)系和用戶情感的社會(huì)經(jīng)濟(jì)智能預(yù)測(cè)模型等基于網(wǎng)絡(luò)特征的社會(huì)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)和智能預(yù)測(cè)模型。

2.1 經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)模型應(yīng)用

本節(jié)經(jīng)濟(jì)實(shí)時(shí)監(jiān)測(cè)分析數(shù)據(jù)采集來(lái)自江西省投資在線監(jiān)管平臺(tái)和江西省投資項(xiàng)目高頻共享庫(kù)，主要包含了2018年1月—2019年12月期間所有的在建、擬建項(xiàng)目及相應(yīng)的投資額、房建中標(biāo)項(xiàng)目信息、政府意向采購(gòu)項(xiàng)目信息，使用Python3.7語(yǔ)言對(duì)平臺(tái)和共享庫(kù)中的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、清洗，去除無(wú)效數(shù)據(jù)和臟數(shù)據(jù)，最終形成江西省各月擬建項(xiàng)目數(shù)、投資額、房建中標(biāo)項(xiàng)目數(shù)量、政府意向采購(gòu)項(xiàng)目數(shù)等信息，并同時(shí)計(jì)算各個(gè)監(jiān)測(cè)指標(biāo)的月度增長(zhǎng)率。

用2018年1月—2019年12月的江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1所示。

表1 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額的描述性統(tǒng)計(jì)分析結(jié)果

從表1可以看出，江西省擬建項(xiàng)目數(shù)的標(biāo)準(zhǔn)差為19.65個(gè)，其相對(duì)應(yīng)的項(xiàng)目數(shù)同比增長(zhǎng)標(biāo)準(zhǔn)差為30.36%，累計(jì)同比增長(zhǎng)標(biāo)準(zhǔn)差為6.95%，擬建項(xiàng)目投資金額的標(biāo)準(zhǔn)差為27.77%，其投資額同比增長(zhǎng)的標(biāo)準(zhǔn)差為42.99%，累計(jì)同比增長(zhǎng)標(biāo)準(zhǔn)差為11.50%。故可得累計(jì)同比增長(zhǎng)指數(shù)相較于同比增長(zhǎng)與原始數(shù)據(jù)，其變化波動(dòng)較大，項(xiàng)目數(shù)量及其累計(jì)同比增長(zhǎng)相對(duì)于投資額及其累計(jì)同比增長(zhǎng)的變化波動(dòng)較小，投資額同比增長(zhǎng)相對(duì)于項(xiàng)目數(shù)同比增長(zhǎng)波動(dòng)較大，表明江西省項(xiàng)目數(shù)和投資額的累計(jì)同比增長(zhǎng)變化較為穩(wěn)定。2018年1月—2019年12月擬建項(xiàng)目數(shù)每月至少369項(xiàng)，最多2049項(xiàng)，其同比增長(zhǎng)最高至74.39%，最低至-14.32%，累計(jì)同比增長(zhǎng)最高至18.90%，最低至-3.09%。擬建項(xiàng)目投資額每月至少642.79億元，最大可達(dá)到3886.94億元，其同比增長(zhǎng)最高至89.10%，最低至-22.72%，累計(jì)同比增長(zhǎng)最高至47.41%，最低至8.31%。分別從其均值來(lái)看，可得項(xiàng)目數(shù)每月保持在1249.65個(gè)左右。其同比增長(zhǎng)和累計(jì)同比增長(zhǎng)分別維持在19.30%和3.85%。項(xiàng)目投資金額每月穩(wěn)定在2177.129億元左右，其相對(duì)應(yīng)同比增長(zhǎng)和累計(jì)同比增長(zhǎng)分別保持在39.68%和23.02%左右。表明江西總體而言投資前景良好，一直保持一定的增長(zhǎng)率。

然后，對(duì)江西省擬建項(xiàng)目數(shù)(增長(zhǎng))和項(xiàng)目投資額(增長(zhǎng))的變動(dòng)趨勢(shì)進(jìn)行分析，結(jié)果如圖5～圖7所示。

圖5 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額的變動(dòng)趨勢(shì)圖

圖6 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額累計(jì)同比增長(zhǎng)的變動(dòng)趨勢(shì)圖

圖7 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額同比增長(zhǎng)的變動(dòng)趨勢(shì)圖

從圖5可以看出，從2018年1月—2019年12月擬建項(xiàng)目數(shù)和項(xiàng)目投資額變化波動(dòng)起伏，呈現(xiàn)出波蕩起伏的上升變化趨勢(shì)，表明江西省近幾年的投資狀況在波動(dòng)中增長(zhǎng)，具有良好的發(fā)展。由擬建項(xiàng)目的投資狀況，可知江西省的投資狀況良好。

從圖6擬建項(xiàng)目中擬建項(xiàng)目數(shù)和項(xiàng)目投資額累計(jì)同比增長(zhǎng)的變動(dòng)趨勢(shì)可得出，項(xiàng)目數(shù)與投資額累計(jì)同比增長(zhǎng)在2019年1月—2019年12月里，變動(dòng)趨勢(shì)大致趨同，項(xiàng)目數(shù)累計(jì)同比增長(zhǎng)為負(fù)的月份數(shù)較多，且較于項(xiàng)目投資額，其增長(zhǎng)變化幅度較小，但總體而言項(xiàng)目數(shù)和投資額累計(jì)同比增長(zhǎng)最終均表現(xiàn)為上升趨勢(shì)。

從圖7擬建項(xiàng)目中擬建項(xiàng)目數(shù)和項(xiàng)目投資額同比增長(zhǎng)的變動(dòng)趨勢(shì)可得出，項(xiàng)目數(shù)與投資額同比增長(zhǎng)在2019年1月—2019年12月里，項(xiàng)目數(shù)同比增長(zhǎng)呈現(xiàn)出變化起伏較小的上升趨勢(shì)，相對(duì)于項(xiàng)目數(shù)，投資額變化幅度較大，且呈現(xiàn)出波蕩起伏的上升變化趨勢(shì)。

綜合可得，無(wú)論是項(xiàng)目數(shù)和投資額，或者是其累計(jì)同比、同比增長(zhǎng)，變化均波蕩起伏，但其最終均表現(xiàn)為上升趨勢(shì)，表明江西省投資發(fā)展前景良好。

最后，參考文獻(xiàn)[22]，本文采用2018年1月—2019年10月的江西省政府采購(gòu)項(xiàng)目數(shù)、意向投資項(xiàng)目數(shù)和房建中標(biāo)個(gè)數(shù)數(shù)據(jù)，構(gòu)建雙對(duì)數(shù)線性回歸模型進(jìn)行回歸分析。本文采用逐步回歸法檢驗(yàn)和修正多重共線性問(wèn)題，然后進(jìn)行異方差和自相關(guān)穩(wěn)健性HAC(Newey-West)估計(jì)，修正隨機(jī)干擾項(xiàng)可能出現(xiàn)的異方差和自相關(guān)問(wèn)題。雙對(duì)數(shù)線性回歸模型的參數(shù)估計(jì)結(jié)果為：

(1)

2.2 經(jīng)濟(jì)智能預(yù)測(cè)模型應(yīng)用

差分自回歸移動(dòng)平均ARIMA(Auto-Regressive Integrated Moving Average)模型是經(jīng)典的時(shí)間序列預(yù)測(cè)分析模型之一。ARIMA模型是采用實(shí)際觀測(cè)到的時(shí)間序列數(shù)據(jù)，通過(guò)曲線擬合和參數(shù)估計(jì)構(gòu)建數(shù)學(xué)模型對(duì)時(shí)間序列數(shù)據(jù)的未來(lái)趨勢(shì)進(jìn)行預(yù)測(cè)的理論和方法。

本節(jié)數(shù)據(jù)取自江西省法人高頻共享庫(kù)中企業(yè)登記信息表中1950年至今的全部數(shù)據(jù)，數(shù)據(jù)包含企業(yè)成立登記日期、行業(yè)門(mén)類、狀態(tài)、法定代表人等；經(jīng)過(guò)對(duì)相應(yīng)數(shù)據(jù)質(zhì)量的校驗(yàn)、探索、統(tǒng)計(jì)，最終選取了2009年—2019年各月企業(yè)成立數(shù)量作為預(yù)測(cè)模型的輸入。

參考文獻(xiàn)[23]，本文采用2000年1月—2019年12月的江西省公司成立數(shù)據(jù)，構(gòu)建ARIMA模型對(duì)2020年1月—2020年12月的江西省公司成立數(shù)進(jìn)行預(yù)測(cè)。首先，公司成立數(shù)的對(duì)數(shù)在5%顯著性水平下不平穩(wěn)，對(duì)公司成立數(shù)的對(duì)數(shù)進(jìn)行一階差分，得到的對(duì)數(shù)差分序列在5%顯著性水平下平穩(wěn)；然后，構(gòu)建ARIMA模型對(duì)2020年1月—2020年12月的江西省公司成立數(shù)進(jìn)行預(yù)測(cè)，結(jié)果如表2所示。

表2 2020年1月—2020年12月江西省公司成立數(shù)的預(yù)測(cè)結(jié)果

從表2可以看出，在2020年初，1月份—2月份公司成立數(shù)出現(xiàn)大幅度跌落，這段時(shí)間受春節(jié)假期、員工返鄉(xiāng)、企業(yè)放假等影響，企業(yè)一般不會(huì)在這一兩個(gè)月登記和開(kāi)工，自然就是低谷，本文圖中的數(shù)據(jù)顯示也處于低谷狀態(tài)，符合現(xiàn)實(shí)情況，3月份—4月份是企業(yè)復(fù)工的高峰期，企業(yè)登記注冊(cè)還有開(kāi)工活動(dòng)都比較活躍，會(huì)有一個(gè)恢復(fù)性的增長(zhǎng)，4月公司成立數(shù)出現(xiàn)最高值。4月份—6月份出現(xiàn)緩緩下降的趨勢(shì)，6月份—9月份有較為緩慢的回升趨勢(shì)。9月份—12月份變化起伏不定，在10月份有一個(gè)小幅度跌落，但2020年12個(gè)月的總體趨勢(shì)僅有小幅度的下降。

圖8 2009年1月—2020年12月江西省公司成立數(shù)的變動(dòng)趨勢(shì)圖

從圖8可以看出，在2020年內(nèi)，公司成立數(shù)變動(dòng)趨勢(shì)較小，且呈現(xiàn)出波蕩起伏的緩慢下降變化趨勢(shì)。按2020年的季度分析，可知在2020年，江西省公司成立數(shù)二季度數(shù)據(jù)逐步向均值靠攏，三季度是下半年的開(kāi)始，會(huì)有一波小幅度增長(zhǎng)，四季度隨著年關(guān)的臨近，新成立公司數(shù)出現(xiàn)小幅度下降的趨勢(shì)，故總體而言2020年公司成立數(shù)下降幅度僅為6.82%。

3 結(jié)束語(yǔ)

基于系統(tǒng)經(jīng)濟(jì)大數(shù)據(jù)綜合庫(kù)所獲取的數(shù)據(jù)，結(jié)合ARIMA模型與雙對(duì)數(shù)線性回歸模型展開(kāi)應(yīng)用實(shí)證分析，得出如下結(jié)論：

1)通過(guò)雙對(duì)數(shù)線性回歸模型，可知房建中標(biāo)個(gè)數(shù)、意向投資項(xiàng)目數(shù)與政府采購(gòu)項(xiàng)目數(shù)存在相關(guān)性，且房建中標(biāo)個(gè)數(shù)相比于意向投資項(xiàng)目數(shù)，對(duì)政府決策采購(gòu)項(xiàng)目數(shù)的影響較大。故建議政府在決策采購(gòu)項(xiàng)目數(shù)時(shí)要更多的關(guān)注企業(yè)的房建中標(biāo)個(gè)數(shù)。

2)利用ARIMA模型與江西省2009年1月—2019年12月公司成立數(shù)的數(shù)據(jù)對(duì)2020年12個(gè)月份的公司成立數(shù)進(jìn)行預(yù)測(cè)，得到江西省在2020年里公司成立數(shù)會(huì)出現(xiàn)小幅度下降趨勢(shì)的結(jié)果。結(jié)合該數(shù)據(jù)指標(biāo)的預(yù)測(cè)結(jié)果科學(xué)性和精準(zhǔn)性，可進(jìn)一步加強(qiáng)對(duì)政務(wù)數(shù)據(jù)共享庫(kù)與公共資源交易數(shù)據(jù)庫(kù)等大數(shù)據(jù)庫(kù)數(shù)據(jù)指標(biāo)進(jìn)行實(shí)時(shí)預(yù)測(cè)。

針對(duì)上述結(jié)論，宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)在多維數(shù)據(jù)關(guān)聯(lián)性分析做了有益探索，政務(wù)共享數(shù)據(jù)中可以挖掘出類似上述存在關(guān)聯(lián)性強(qiáng)的數(shù)據(jù)關(guān)系；系統(tǒng)使用ARIMA模型對(duì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行了預(yù)測(cè)，可通過(guò)后期實(shí)際數(shù)據(jù)對(duì)模型修正，提高模型預(yù)測(cè)精準(zhǔn)度，為相關(guān)政府部門(mén)宏觀調(diào)控、精準(zhǔn)施策提供參考。