李永娣

摘 要：本文運(yùn)用求和自回歸移動(dòng)平均（ARIMA）模型對(duì)河南省2021年GDP進(jìn)行了預(yù)測(cè)，運(yùn)用平減指數(shù)法和主成分回歸模型分別對(duì)河南省2021年GDP增速進(jìn)行了預(yù)測(cè)。預(yù)測(cè)結(jié)果為：2021年河南省GDP總量將達(dá)到59 716.58億元，經(jīng)濟(jì)增速為7.1%～7.3%。通過(guò)對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析得出如下結(jié)論：社會(huì)消費(fèi)品零售總額增速、規(guī)上工業(yè)增加值增速、城鎮(zhèn)居民人均可支配收入增速每提升1個(gè)百分點(diǎn)，可以平均帶動(dòng)河南省GDP增速提升0.1～0.2個(gè)百分點(diǎn);固定資產(chǎn)投資增速、全社會(huì)電力消費(fèi)增速、農(nóng)村居民人均可支配收入增速每提升1個(gè)百分點(diǎn)，將平均帶動(dòng)河南省GDP增速提升約0.05個(gè)百分點(diǎn);進(jìn)出口總額增速、世界經(jīng)濟(jì)增速每提升1個(gè)百分點(diǎn)，將平均帶動(dòng)河南省GDP增速提升約0.01個(gè)百分點(diǎn)。最后，提出相關(guān)政策建議：繼續(xù)鞏固“三二一”產(chǎn)業(yè)結(jié)構(gòu)，打造高質(zhì)量發(fā)展的現(xiàn)代產(chǎn)業(yè)結(jié)構(gòu);持續(xù)提高農(nóng)村居民人均收入，全面推進(jìn)鄉(xiāng)村振興;持續(xù)深化對(duì)外開(kāi)放，打造內(nèi)陸開(kāi)放高地。

關(guān)鍵詞：河南省;GDP;ARIMA模型;平減指數(shù)法;主成分回歸模型

Abstract： This paper forecasted the GDP of Henan province in 2021 by ARIMA model， and forecasted the GDP growth rate of Henan Province in 2021 by using the Deflator index method and Principal component regression mod- el. The forecast results show that the GDP of Henan Province in 2021 will reach 5971.658 billion yuan， and the economic growth rate will reach 7.1% ～ 7.3%. Through the analysis of the forecast results， the following conclusions were drawn. Each one percentage increase in the growth rate of total retail sales of social consumer goods， industrial added value above the designated size and per capita disposable income of urban residents will drive the GDP growth of Henan Province rate to increase by form 0.1 to 0.2 percentage on average. Each one percentage increase in the growth rate of fixed asset investment， power consumption and per capita disposable income of rural residents will drive the GDP growth rate to increase by 0.05 percentage on average. Each one percentage increase in the growth rate of total import and export and world economic will drive the GDP growth rate to increase by 0.01 percentage on average. Finally， this paper put forward to the following policy suggestions： Firstly， it is continue to consolidate the "three two one" industrial structure and create a modern industrial structure with high quality development. Secondly， it is continue to increase the per capita income of rural residents and comprehensively promote rural revitalization; We will continue to deepen opening up and build a highland for inland opening up.

Keywords： Henan province; GDP; ARIMA model; deflator index method; principal component regression model

國(guó)內(nèi)生產(chǎn)總值（GDP）是按市場(chǎng)價(jià)格計(jì)算的一個(gè)國(guó)家（或地區(qū)）所有常住單位在一定時(shí)期內(nèi)生產(chǎn)活動(dòng)的最終成果，是核算體系中一個(gè)重要的綜合性統(tǒng)計(jì)指標(biāo)，也是核心指標(biāo)，反映了一國(guó)（或地區(qū)）的經(jīng)濟(jì)實(shí)力和市場(chǎng)規(guī)模。河南省位于中國(guó)中部，地理位置優(yōu)越，交通便利。特別是2013年國(guó)務(wù)院正式批復(fù)全國(guó)首個(gè)航空港經(jīng)濟(jì)發(fā)展先行區(qū)——鄭州航空港經(jīng)濟(jì)綜合試驗(yàn)區(qū)，以及2016年國(guó)家明確提出支持鄭州建設(shè)國(guó)家中心城市，給河南經(jīng)濟(jì)社會(huì)發(fā)展注入了強(qiáng)心劑。根據(jù)國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)，2020年河南全省生產(chǎn)總值（GDP）54 997.07億元，連續(xù)17年穩(wěn)居全國(guó)第五位，但是增速排名一直相對(duì)靠后。對(duì)疫情后GDP數(shù)據(jù)進(jìn)行研究及預(yù)測(cè)，對(duì)衡量河南省經(jīng)濟(jì)狀況及為有關(guān)決策部門(mén)提供決策依據(jù)都有一定意義。

由于地區(qū)生產(chǎn)總值是按現(xiàn)價(jià)計(jì)算得來(lái)，且季度地區(qū)生產(chǎn)總值具有明顯的季節(jié)性，所以本文以季節(jié)求和自回歸移動(dòng)平均模型（Autoregressive Integrated Moving Average，ARIMA）預(yù)測(cè)河南省2021年地區(qū)生產(chǎn)總值。本文采用兩種方法對(duì)地區(qū)生產(chǎn)總值增速進(jìn)行預(yù)測(cè)：一是采用平減指數(shù)法，在預(yù)測(cè)出2021年地區(qū)生產(chǎn)總值基礎(chǔ)上，用平減指數(shù)法核算出實(shí)際地區(qū)生產(chǎn)總值，進(jìn)而計(jì)算出增速;二是采用主成分回歸分析方法，建立地區(qū)生產(chǎn)總值增速與固定資產(chǎn)投資增速、社會(huì)消費(fèi)品總額以及進(jìn)出口總額等8個(gè)指標(biāo)的線(xiàn)性關(guān)系，進(jìn)而對(duì)地區(qū)生產(chǎn)總值增速進(jìn)行預(yù)測(cè)，利用此方法可以直觀地看出地區(qū)生產(chǎn)總值增速受相關(guān)指標(biāo)影響的強(qiáng)弱。

1 研究現(xiàn)狀

目前，國(guó)內(nèi)外對(duì)GDP的預(yù)測(cè)分析大多集中在對(duì)GDP總量進(jìn)行預(yù)測(cè)，鮮有對(duì)宏觀經(jīng)濟(jì)增速進(jìn)行預(yù)測(cè)的研究。國(guó)內(nèi)外對(duì)GDP總量進(jìn)行預(yù)測(cè)的方法、模型較多，例如，時(shí)間序列計(jì)量模型、BP（Back Propagation，反向傳播）神經(jīng)網(wǎng)絡(luò)模型、向量自回歸模型（VAR）等。其中，大部分采用時(shí)間序列計(jì)量模型，而求和自回歸移動(dòng)平均（ARIMA）模型因具有簡(jiǎn)便性、可行性、準(zhǔn)確性、易操作性等優(yōu)勢(shì)，被諸多學(xué)者用來(lái)對(duì)短期GDP數(shù)據(jù)進(jìn)行預(yù)測(cè)，是目前應(yīng)用最普遍的短期GDP預(yù)測(cè)模型。郝香芝、李少穎利用統(tǒng)計(jì)軟件對(duì)我國(guó)1952—2005年的實(shí)際GDP時(shí)間序列數(shù)據(jù)進(jìn)行了分析，分別建立了ARMA模型和Holter-Winter非季節(jié)短期預(yù)測(cè)模型，并對(duì)2006—2010年的全國(guó)GDP進(jìn)行了預(yù)測(cè)[1]。龔國(guó)勇對(duì)1979—2006年深圳市國(guó)內(nèi)生產(chǎn)總值進(jìn)行了分析，并利用ARIMA模型對(duì)深圳市國(guó)內(nèi)生產(chǎn)總值進(jìn)行預(yù)測(cè)[2]。王莎莎等在ARIMA、混合時(shí)間序列和GM（1，1）模型基礎(chǔ)上，利用中國(guó)經(jīng)濟(jì)發(fā)展數(shù)據(jù)建立了一個(gè)組合預(yù)測(cè)模型，并對(duì)我國(guó)GDP進(jìn)行了預(yù)測(cè)[3]。李守麗運(yùn)用ARIMA模型對(duì)鄭州市2011—2015年GDP數(shù)據(jù)進(jìn)行預(yù)測(cè)。結(jié)果表明誤差在合理范圍內(nèi)[4]。戴琳琳選取青島市1990—2014年GDP數(shù)據(jù)建立ARIMA模型，對(duì)青島市GDP進(jìn)行預(yù)測(cè)并檢驗(yàn)[5]。王爽、汪海飛選取1978—2019年海南省GDP數(shù)據(jù)為樣本建立ARIMA模型，對(duì)海南省GDP進(jìn)行了短期預(yù)測(cè)[6]。

國(guó)內(nèi)外對(duì)GDP增速進(jìn)行預(yù)測(cè)的較少，大多采用主觀分析法對(duì)相關(guān)指標(biāo)進(jìn)行分析，進(jìn)而對(duì)GDP增速進(jìn)行推測(cè)、判斷，鮮有采用客觀數(shù)據(jù)建立模型對(duì)GDP增速進(jìn)行預(yù)測(cè)的。

綜上所述，國(guó)內(nèi)外對(duì)河南省地區(qū)生產(chǎn)總值及增速的預(yù)測(cè)和分析較少，本文旨在通過(guò)建立ARIMA模型對(duì)河南省2021年地區(qū)生產(chǎn)總值進(jìn)行預(yù)測(cè)，通過(guò)平減指數(shù)法和主成分回歸分析法對(duì)河南省2021年地區(qū)生產(chǎn)總值增速進(jìn)行預(yù)測(cè)，以分析河南省2021年經(jīng)濟(jì)發(fā)展情況及制約宏觀經(jīng)濟(jì)運(yùn)行的因素。

2 理論基礎(chǔ)

2.1 X11-ARIMA模型

求和自回歸移動(dòng)平均模型（Autoregressive Integrated Moving Average，ARIMA）是由自回歸移動(dòng)平均模型（ARMA）擴(kuò)展而來(lái)的。ARMA模型是Box和Jenkins在1970年提出的用于時(shí)間序列預(yù)測(cè)的模型，是目前最常用的平穩(wěn)序列擬合和預(yù)測(cè)模型[7]。

由于ARMA模型要求時(shí)間序列為平穩(wěn)時(shí)間序列，但現(xiàn)實(shí)中時(shí)間序列基本為非平穩(wěn)時(shí)間序列，因此，要對(duì)非平穩(wěn)時(shí)間序列進(jìn)行處理，使其變?yōu)槠椒€(wěn)時(shí)間序列，這就需要對(duì)序列進(jìn)行差分。

由于很多時(shí)間序列數(shù)據(jù)具有很強(qiáng)的季節(jié)性，因此，本文引入X11季節(jié)調(diào)整模型（以下簡(jiǎn)稱(chēng)X11模型），該模型由統(tǒng)計(jì)學(xué)家Shiskin、Young和Musgrave于1965年共同研發(fā)推出。X11模型是在原來(lái)簡(jiǎn)單易懂的平均方法的基礎(chǔ)上，引入兩種移動(dòng)平均方法，即Henderson加權(quán)移動(dòng)平均和Musgrave非對(duì)稱(chēng)移動(dòng)平均，以彌補(bǔ)簡(jiǎn)單移動(dòng)平均方法的不足。大量實(shí)踐證明，X11模型能對(duì)具有各種特征的序列進(jìn)行精度很高的計(jì)算機(jī)程序化操作的因素分解。

2.2 主成分回歸分析

主成分分析（Principal Component Analysis，PCA）也稱(chēng)主分量分析，首先是由皮爾森（Karl Pearson）在1901年對(duì)非隨機(jī)變量引入的，而后霍特林（Hotelling）在1933年將此方法推廣到隨機(jī)向量情形。主成分的基本思想即“降維”。在多元統(tǒng)計(jì)分析中，有時(shí)會(huì)涉及很多相關(guān)指標(biāo)（變量），但是指標(biāo)間又存在一定的相關(guān)性，主成分分析法借助正交變換將原來(lái)眾多的存在相關(guān)性的變量重新組合為一組互相無(wú)關(guān)的指標(biāo)來(lái)代替原來(lái)的指標(biāo)，且新指標(biāo)的數(shù)量盡可能少，以便于分析。以?xún)蓚€(gè)自變量為例，原來(lái)有[x1]和[x2]兩個(gè)變量，通過(guò)正交變換可用[x1]和[x2]組合為一個(gè)新的變量[z1]代替原有的變量，且信息量并未減少。

主成分回歸分析是主成分分析和線(xiàn)性回歸分析的結(jié)合，基本思想是先用主成分分析法消除回歸模型中的多重共線(xiàn)性，然后將主成分變量作為自變量進(jìn)行回歸分析，也可將主成分回歸模型中的自變量還原為原始變量得到新的模型。

3 實(shí)證分析

3.1 河南省2021年地區(qū)生產(chǎn)總值預(yù)測(cè)

由于河南省地區(qū)生產(chǎn)總值季度數(shù)據(jù)最早始于2005年，所以本文選取2005—2020年的河南省季度GDP數(shù)據(jù)為研究對(duì)象。由于2020年的特殊原因，以2005—2018年數(shù)據(jù)作為建模樣本，2019年數(shù)據(jù)作為預(yù)測(cè)樣本用以檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)效果。河南省GDP季度數(shù)據(jù)（2005—2020年）時(shí)間序列如圖1所示。

由圖1可以看出，河南省季度GDP具有明顯的季節(jié)性且為非平穩(wěn)時(shí)間序列。分別對(duì)中部6?。ㄉ轿魇?、河南省、安徽省、湖北省、江西省、湖南?。┘径菺DP數(shù)據(jù)進(jìn)行ADF檢驗(yàn)，[τ]統(tǒng)計(jì)量的[P]值均顯著大于顯著性水平（[α=0.05]），所以河南省季度GDP數(shù)據(jù)為非平穩(wěn)時(shí)間序列;從自相關(guān)系數(shù)（ACF）和偏自相關(guān)系數(shù)（PACF）圖（見(jiàn)圖2和圖3）亦可看出為非平穩(wěn)時(shí)間序列。

對(duì)河南省季度GDP進(jìn)行一階差分后，再進(jìn)行ADF檢驗(yàn)，并觀察自相關(guān)系數(shù)（ACF）、偏自相關(guān)系數(shù)（PACF），如圖4、圖5所示。從圖4和圖5可以看到，[τ]統(tǒng)計(jì)量的[P]值均顯著小于顯著性水平（[α=0.05]），自相關(guān)系數(shù)存在拖尾性，偏自相關(guān)系數(shù)均呈現(xiàn)3階截尾。由此可以判斷，ARIMA（3，1，0）模型比較適合進(jìn)行擬合及預(yù)測(cè)。

本文選取[ARIMA3，1，0×0，1，04]季節(jié)加法模型對(duì)具有季節(jié)效應(yīng)的河南省季度GDP數(shù)據(jù)進(jìn)行建模并進(jìn)行顯著性檢驗(yàn)，如圖6所示。

由圖6可以看出，[ARIMA3，1，0×0，1，04]季節(jié)加法模型擬合顯著性均顯著大于顯著性水平（[α=0.05]），擬合效果較好。對(duì)河南省2019年四個(gè)季度的GDP進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表1所示，從預(yù)測(cè)結(jié)果看，預(yù)測(cè)效果較為理想，誤差均在可接受范圍內(nèi)。

從預(yù)測(cè)結(jié)構(gòu)可看出，2020年第一季度河南省GDP實(shí)際值和預(yù)測(cè)值相差較大，這主要是受疫情影響，后三季度預(yù)測(cè)誤差較小。為了更好地對(duì)2021年河南省GDP進(jìn)行預(yù)測(cè)，將2020年第一季度實(shí)際GDP替換為預(yù)測(cè)值，作為未受疫情影響的參考值，進(jìn)而對(duì)河南省2021年各季度GDP數(shù)值進(jìn)行預(yù)測(cè)，最終對(duì)河南省2021年地區(qū)生產(chǎn)總值預(yù)測(cè)結(jié)果如表3所示。

3.2 河南省2021年地區(qū)生產(chǎn)總值增速預(yù)測(cè)

本文對(duì)GDP增速的預(yù)測(cè)采用兩種方法：第一，計(jì)算1978年至今各年的GDP平減指數(shù)，同樣采用ARIMA模型預(yù)測(cè)2021年的GDP平減指數(shù)，進(jìn)而算出河南省GDP增速;第二，由于GDP增速受多種因素影響，本文根據(jù)河南省實(shí)際情況、數(shù)據(jù)可得性等情況，選取部分指標(biāo)，采用主成分回歸模型建立河南省GDP增速與其他指標(biāo)的回歸模型，進(jìn)而預(yù)測(cè)2021年河南省GDP增速。

3.2.1 平減指數(shù)法。以1978年為基期，計(jì)算河南省1979—2020年各年的GDP平減指數(shù)，最終結(jié)果如圖7所示。

3.2.2 主成分回歸法

3.2.2.1 模型建立。宏觀經(jīng)濟(jì)增速受多方面因素影響，眾所周知的如拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的“三駕馬車(chē)”：投資、消費(fèi)和凈出口，另有如工業(yè)增加值、房地產(chǎn)開(kāi)發(fā)投資、貨物運(yùn)輸量、財(cái)政收支、流通中現(xiàn)金量（[M0]）、居民人均可支配收入等。本文根據(jù)河南省實(shí)際、數(shù)據(jù)可得性以及部分指標(biāo)統(tǒng)計(jì)口徑改變等情況，選取河南省GDP增速（[y]）、固定資產(chǎn)投資增速（[x1]）、進(jìn)出口總額增速（[x2]）、社會(huì)消費(fèi)品零售總額增速（[x3]）、規(guī)上工業(yè)增加值增速（[x4]）、電力消費(fèi)增速（[x5]）、城鎮(zhèn)居民人均可支配收入指數(shù)（[x6]）、農(nóng)村居民人均可支配收入指數(shù)（[x7]）、世界經(jīng)濟(jì)增速（[x8]）等9個(gè)指標(biāo)，采用2000—2020年的數(shù)據(jù)，通過(guò)主成分回歸分析建立河南省GDP增速與其余8個(gè)指標(biāo)的回歸關(guān)系，借以分析影響河南省經(jīng)濟(jì)增長(zhǎng)的顯著因素。

首先計(jì)算河南省GDP增速和其他8個(gè)指標(biāo)的相關(guān)系數(shù)，結(jié)果如表4所示。

從表4可知，河南省GDP增速與個(gè)別指標(biāo)存在很強(qiáng)的相關(guān)性（如固定資產(chǎn)投資增速、規(guī)上工業(yè)增加值增速等），其他8個(gè)指標(biāo)之間也存在很強(qiáng)的相關(guān)性，如固定資產(chǎn)投資增速和規(guī)上工業(yè)增加值增速之間相關(guān)系數(shù)為0.92，表明指標(biāo)之間可能存在多重共線(xiàn)性，也可以直接進(jìn)行多元線(xiàn)性回歸并檢驗(yàn)得出。

直接對(duì)河南省GDP增速和其他8個(gè)指標(biāo)進(jìn)行多元線(xiàn)性回歸，回歸結(jié)果如表5所示。

從表5、表6可以看出，雖然回歸方程的[R2]=0.97，且通過(guò)顯著性檢驗(yàn)，但是回歸方程中只有截距項(xiàng)、[x2]、[x4]通過(guò)顯著性檢驗(yàn)，其余6個(gè)指標(biāo)系數(shù)均未通過(guò)顯著性檢驗(yàn)，另外[x1]、[x4]的VIF值遠(yuǎn)大于10（一般認(rèn)為VIF值大于10，表示回歸模型存在嚴(yán)重的多重共線(xiàn)性），意味著8個(gè)指標(biāo)間存在多重共線(xiàn)性，不能直接進(jìn)行多元線(xiàn)性回歸。

3.2.2.2 GDP增速預(yù)測(cè)。根據(jù)公式（16），對(duì)河南省2021年GDP增速進(jìn)行預(yù)測(cè)，需要先對(duì)8個(gè)解釋變量進(jìn)行預(yù)測(cè)后帶入公式即可得到河南省2021年GDP增速的預(yù)測(cè)值。受新冠肺炎疫情的影響，對(duì)8個(gè)解釋變量的預(yù)測(cè)變得相對(duì)困難，本文根據(jù)時(shí)間序列自回歸移動(dòng)平均模型、河南經(jīng)濟(jì)運(yùn)行規(guī)律以及歷史數(shù)據(jù)，對(duì)固定資產(chǎn)投資增速等7個(gè)解釋變量進(jìn)行預(yù)測(cè)，世界經(jīng)濟(jì)增速則采用世界銀行的預(yù)測(cè)值。最終預(yù)測(cè)結(jié)果如表7所示。

4 結(jié)論及政策建議

4.1 相關(guān)結(jié)論

4.1.1 社會(huì)消費(fèi)品零售總額增速、規(guī)上工業(yè)增加值增速、城鎮(zhèn)居民人均可支配收入增速對(duì)河南省GDP增速影響顯著。這3個(gè)指標(biāo)每提升1個(gè)百分點(diǎn)，可以平均帶動(dòng)河南省GDP增速提升0.1～0.2個(gè)百分點(diǎn)，這與河南省實(shí)際情況相符。城鎮(zhèn)居民人均可支配收入快速增加，最終會(huì)轉(zhuǎn)化為消費(fèi)水平的提高。改革開(kāi)放以來(lái)，河南省城鎮(zhèn)居民人均可支配收入快速提高，消費(fèi)市場(chǎng)高速發(fā)展，內(nèi)需潛力快速釋放，消費(fèi)增速始終保持兩位數(shù)增長(zhǎng)。2019年《河南省統(tǒng)計(jì)年鑒》顯示，河南省社會(huì)消費(fèi)品零售總額達(dá)到22 733.02億元，同比增長(zhǎng)10.4%，帶動(dòng)經(jīng)濟(jì)增長(zhǎng)作用明顯。

4.1.2 固定資產(chǎn)投資增速、全社會(huì)電力消費(fèi)增速、農(nóng)村居民人均可支配收入增速對(duì)河南省GDP增速帶動(dòng)作用比較顯著。固定資產(chǎn)投資增速、全社會(huì)電力消費(fèi)增速、農(nóng)村居民人均可支配收入增速每提升1個(gè)百分點(diǎn)，將平均帶動(dòng)河南省GDP增速提升約0.05個(gè)百分點(diǎn)。河南省固定資產(chǎn)投資增速在21世紀(jì)前幾年一直處于高速增長(zhǎng)階段，在2005年達(dá)到歷史最高位42.8%，之后開(kāi)始逐年回落，直到2019年回落至8.0%，固定資產(chǎn)投資對(duì)河南省經(jīng)濟(jì)的拉動(dòng)作用逐步縮小。河南省作為典型的農(nóng)業(yè)大省，城鄉(xiāng)“二元”結(jié)構(gòu)明顯，城鄉(xiāng)收入差異明顯，雖然2010年至今農(nóng)村居民人均可支配收入增速始終高于城鎮(zhèn)居民人均可支配收入，但受制于基數(shù)較低，2019年城鎮(zhèn)居民人均可支配收入約是農(nóng)村居民人均可支配收入的2.3倍，農(nóng)村居民消費(fèi)拉動(dòng)經(jīng)濟(jì)效應(yīng)并不顯著，城鎮(zhèn)居民消費(fèi)仍然是拉動(dòng)經(jīng)濟(jì)發(fā)展的主力軍。

4.1.3 進(jìn)出口總額增速、世界經(jīng)濟(jì)增速對(duì)河南省經(jīng)濟(jì)增速影響不太顯著。這2個(gè)指標(biāo)每提升1個(gè)百分點(diǎn)，平均拉動(dòng)河南省GDP增速提高約0.01個(gè)百分點(diǎn)。隨著2013年國(guó)家批復(fù)全國(guó)首個(gè)航空港經(jīng)濟(jì)發(fā)展先行區(qū)——鄭州航空港經(jīng)濟(jì)綜合試驗(yàn)區(qū)，2014年鄭州—盧森堡國(guó)際貨運(yùn)航向開(kāi)通，2016年鄭州新鄭國(guó)際機(jī)場(chǎng)二期建成投運(yùn)以及2016年國(guó)家支持鄭州建設(shè)國(guó)家中心城市等政策利好，河南省開(kāi)放的大門(mén)越開(kāi)越大，逐漸走向世界。2015—2019年，鄭州機(jī)場(chǎng)年貨郵吞吐量由40.3萬(wàn)t增長(zhǎng)到52.2萬(wàn)t，躍居全國(guó)第七位，形成了橫跨歐、美、亞三大經(jīng)濟(jì)區(qū)、覆蓋全球主要經(jīng)濟(jì)體的樞紐航線(xiàn)網(wǎng)絡(luò)。中歐班列（鄭州）已實(shí)現(xiàn)常態(tài)化運(yùn)行，每周14去10回，2019年全年共開(kāi)行1 000班，其中去程638班，回程362班，同比增長(zhǎng)33%，累計(jì)貨值33.7億美元，貨重54.1萬(wàn)t。2019年，河南省進(jìn)出口總值首次突破5 700億元，達(dá)到5 711.6億元，比2018年（下同）增長(zhǎng)3.6%，高于全國(guó)整體增速（3.4%）0.2個(gè)百分點(diǎn)，進(jìn)出口總值居全國(guó)第12位，中部第一位，進(jìn)出口增速居第18位，連續(xù)三年保持5 000億元以上規(guī)模。但是從結(jié)果看，進(jìn)出口總額的快速增長(zhǎng)并未顯著帶動(dòng)河南省經(jīng)濟(jì)增長(zhǎng)，拉動(dòng)效應(yīng)并不明顯。

4.2 政策建議

4.2.1 繼續(xù)鞏固“三二一”產(chǎn)業(yè)結(jié)構(gòu)。2019年，河南省三次產(chǎn)業(yè)結(jié)構(gòu)為8.5∶43.5∶48，而2019年全國(guó)三次產(chǎn)業(yè)結(jié)構(gòu)為7.1∶39.0∶53.9，而發(fā)達(dá)國(guó)家如美國(guó)第三產(chǎn)業(yè)占比超過(guò)80%，日本第三產(chǎn)業(yè)占比超過(guò)70%。河南省雖然已經(jīng)形成了“三二一”的產(chǎn)業(yè)結(jié)構(gòu)，社會(huì)消費(fèi)品零售總額增速?gòu)?qiáng)勢(shì)，但是第三產(chǎn)業(yè)占比仍然較低，尚無(wú)法滿(mǎn)足人民日益增長(zhǎng)的美好生活需要。隨著國(guó)家提出“雙循環(huán)”的新發(fā)展格局，河南省應(yīng)繼續(xù)深化產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，挖掘省內(nèi)巨大的消費(fèi)潛力，提升第三產(chǎn)業(yè)占比，打造高質(zhì)量發(fā)展的現(xiàn)代產(chǎn)業(yè)結(jié)構(gòu)。

4.2.2 持續(xù)提高農(nóng)村居民人均收入。農(nóng)業(yè)農(nóng)村農(nóng)民問(wèn)題始終是關(guān)系國(guó)計(jì)民生的根本性問(wèn)題，黨中央、國(guó)務(wù)院自2004年至今連續(xù)18年以“中央一號(hào)”文件形式對(duì)“三農(nóng)”工作進(jìn)行部署。民族要復(fù)興，鄉(xiāng)村必振興。河南省作為農(nóng)業(yè)大省，農(nóng)村人口基數(shù)大，農(nóng)民增收壓力大，應(yīng)積極推進(jìn)農(nóng)業(yè)農(nóng)村現(xiàn)代化，合理調(diào)控農(nóng)產(chǎn)品價(jià)格，切實(shí)保障農(nóng)村居民收入增加。

4.2.3 持續(xù)深化對(duì)外開(kāi)放。河南省對(duì)外開(kāi)放取得顯著成績(jī)，進(jìn)出口總額高速增長(zhǎng)，鄭州新鄭國(guó)際機(jī)場(chǎng)在全國(guó)排名持續(xù)上升，但是進(jìn)出口總額并未轉(zhuǎn)化為河南省經(jīng)濟(jì)增長(zhǎng)的動(dòng)力源，鄭州新鄭國(guó)際機(jī)場(chǎng)仍然是國(guó)際國(guó)內(nèi)的中轉(zhuǎn)機(jī)場(chǎng)，進(jìn)口的貨物、產(chǎn)品河南消費(fèi)很少而是大部分銷(xiāo)往全國(guó)。河南省應(yīng)該持續(xù)深化對(duì)外開(kāi)放，在“雙循環(huán)”新發(fā)展格局下，打造新時(shí)代的對(duì)外開(kāi)放格局、高質(zhì)量的對(duì)外開(kāi)放格局，確保進(jìn)口貨物、產(chǎn)品能夠“進(jìn)得來(lái)、能消費(fèi)”，使進(jìn)出口成為拉動(dòng)經(jīng)濟(jì)增長(zhǎng)新的動(dòng)力源。

參考文獻(xiàn)：

[1]郝香芝，李少穎.我國(guó)GDP時(shí)間序列的模型建立與預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2007（23）：4-6.

[2]龔國(guó)勇.ARIMA模型在深圳GDP預(yù)測(cè)中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2008（4）：54-57.

[3]王莎莎，陳安，蘇靜，等.組合預(yù)測(cè)模型在中國(guó)GDP預(yù)測(cè)中的應(yīng)用[J]，山東大學(xué)學(xué)報(bào)（理學(xué)版），2009（2）：56-59.

[4]李守麗.時(shí)間序列模型在地級(jí)市GDP預(yù)測(cè)中的應(yīng)用[D].鄭州：鄭州大學(xué)，2013：12.

[5]戴琳琳.基于ARIMA模型的青島市GDP預(yù)測(cè)分析[J].河北能源職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2019（3）：60-62.

[6]王爽，汪海飛.基于ARIMA模型的海南省國(guó)內(nèi)生產(chǎn)總值預(yù)測(cè)[J].對(duì)外經(jīng)貿(mào)，2020（4）：44-46.

[7]王燕.時(shí)間序列分析：基于R[M].北京：中國(guó)人民大學(xué)出版社，2020.