[摘 要]文章以湖南省2010—2019年地方財政收入經(jīng)濟指標數(shù)據(jù)為樣本數(shù)據(jù)，通過Lasso特征選擇影響財政收入的關(guān)鍵因素，再建立單個屬性的灰色預(yù)測模型，對已被Lasso特征篩選出的2020年各解釋變量的值進行預(yù)測，最后通過支持向量回歸預(yù)測模型得出2020年湖南省財政收入。

[關(guān)鍵詞] 財政收入;Lasso特征選擇;灰色預(yù)測模型;支持向量回歸預(yù)測

[DOI]10.13939/j.cnki.zgsc.2021.29.040

財政收入是政府為滿足支出需要，并依據(jù)相關(guān)的權(quán)利原則，通過國家財政集中的一定數(shù)量的貨幣或?qū)嵨镔Y產(chǎn)收入。財政收入直接決定可用財力，能充分發(fā)揮財政支持經(jīng)濟建設(shè)的職能作用，還能保證基層政治穩(wěn)定、社會安定以及改革發(fā)展的需要。因此，對于財政收入方面的研究極具意義，故本文以湖南省為例對影響該省財政收入的因素進行分析并進行相關(guān)預(yù)測。

從現(xiàn)有的文獻來看，大多采用傳統(tǒng)的統(tǒng)計方法，而本文先通過Lasso方法進行特征選擇，再基于灰色預(yù)測模型預(yù)測解釋變量的值，最后結(jié)合支持向量機回歸預(yù)測模型進行預(yù)測。上述分析與預(yù)測步驟均于Python軟件下進行代碼實現(xiàn)。

1 模型建立

1.1 Lasso變量選擇模型

Lasso回歸方法通過構(gòu)建一個懲罰函數(shù)得到一個精煉的函數(shù)，以縮小特征集的思想，將特征的系數(shù)進行壓縮并使某些回歸系數(shù)變成0，用來進行模型的改進與選擇。Lasso參數(shù)估計定義如下[1]：

2.2 Lasso變量篩選

本文基于Python軟件編制的程序?qū)τ绊懞鲜∝斦杖氲淖兞窟M行篩選，結(jié)果如表1所示。

2.3.2 構(gòu)建支持向量機回歸預(yù)測組合模型

對上述影響湖南省財政收入的變量建立支持向量機預(yù)測模型，并結(jié)合所構(gòu)建的灰色預(yù)測模型所得的影響因素值對財政收入進行預(yù)測，所得的結(jié)果經(jīng)整理后如表3所示。

從運行結(jié)果可以得知，2020年湖南省財政收入的預(yù)測值為5285.784154億元。同時繪制2010—2019年財政收入真實值與預(yù)測值的線形圖，如圖1所示。

從圖1中可以看到模型擬合效果良好，財政收入的真實值與預(yù)測值十分貼近，誤差較小。

3 結(jié)論

利用Lasso回歸方法識別影響財政收入的重要影響因素分別為在崗職工工資總額、城鎮(zhèn)居民人均可支配收入、常住人口、全社會固定資產(chǎn)投資額、第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值比、居民消費水平。同時根據(jù)支持向量回歸預(yù)測各年財政收入的結(jié)果與真實值的誤差較小，可以認為基于Lasso變量篩選后，建立的灰色預(yù)測模型和支持向量回歸預(yù)測模型是有意義的，預(yù)測結(jié)果也是較為精準的。

參考文獻：

[1]李航.統(tǒng)計學習方法[M].2版.北京：清華大學出版社，2019.

[2]鄧華麗，張良均.綜合灰色及回歸模型的地方財政收入預(yù)測法[J].中國管理信息化，2016，19（5）：145-148.

[3]徐子卿.貴州省財政收入影響因素分析及預(yù)測[J].農(nóng)村經(jīng)濟與科技，2019，30（6）：158-159.

[作者簡介]秦權(quán)（1998—），男，湖南永州人，廣西師范大學數(shù)學與統(tǒng)計學院，在讀碩士研究生，研究方向：應(yīng)用統(tǒng)計。