基于PCA-GM(1_1)的区域经济预测研究.docVIP

Based on PCA - GM (1, 1) prediction research of regional economy JunRongGAO Xian University of Finance and Economics, Xian,CHINA,710100 Abstract: Accurate regional economic forecasting is an important means to improve government efficiency, business efficiency and personal investment efficiency. In this paper, the existence of highly nonlinear regional economic research, data redundancy features indicators proposed a gray forecasting model based on principal component analysis (PCA-GM (1,1)). Select each factor of the regional economic development of Shaanxi Province, the principal component analysis to eliminate redundancy between the various factors and PCA-GM (1,1) model of economic data in Henan Province, 1995-2010 and analysis results show that the PCA-GM (1,1) model projections are consistent with the actual situation, and provide the basis for the prediction. Keywords: regional economy; Principal component analysis; GM (1, 1) model 基于PCA-GM(1,1)的区域经济预测研究 高俊荣 西安财经学院，西安，中国，710100 摘要：准确的区域经济预测是提高政府管理效率、企业经营效率和个人投资效率的重要手段。本文针对区域经济研究中存在的高度的非线性、各指标间的数据冗余等特性，提出了一个基于主成分分析的灰色预测模型（PCA-GM(1,1)）。选择对陕西省区域经济发展的各因子进行了主成分分析，消除各因子之间的冗余性，并利用PCA-GM(1,1)模型对河南省1995-2010年的经济数据进行了验证和分析，结果表明，PCA-GM(1,1)模型预测符合实际情况，为预测研究提供依据。 关键词：区域经济；主成分分析；GM(1，1)模型 第一章 引言 区域经济预测作为一类开放的复杂系统,涉及到政治、经济、社会、文化等多种因素[1],导致反映区域经济发展的各种数据指标呈现出高度的非线性。此外,由于反映区域经济的各种统计指标之间存在着显著相关性,数据间彼此存在着冗余。上述两点,使得传统的预测建模技术难以满足区域经济预测的要求。 长期以来,区域经济定量预测以经济计量模型为主.经济计量模型预测区域经济更像是对国民经济预测的翻版,是根据宏观经济理论建立联立方程组以描述经济变量之间的内在联系,然后估计参数并进行预测.该方法的优点是,以经济理论为建模基础,较易解释经济变量的变化方向和大小.但经济计量模型的缺点也很明显:方程组数量多,即使是小型的计量模型也通常含有20-30个方程左右,建模过程复杂;方程组数量多使得变量的预测误差相互累积影响最终的预测效果。而对区域经济进行预测的定量研究方法有：回归分析法、时间序列法、神经网络法及灰色GM(1,1)模型法等。由于灰色GM(1,1)预测模型法具有所需数据少、计算量小、精度较高的特点而得到广泛的应用。本文尝试使用基于灰色预测模型并融合主成份分析(PCA)方法来进行区域经济预测研究,首先采用主成分分析法，对影响经济社会发展的因素进行预处理，得出经济发展指标的主成分因子利用PCA进行数据分析,消除各影响因子间线性相关的冗余成份,使各主成份相互独立,减少总体数据量。然后，利用灰色预测模型对主成分得分进行预测，有效的解决了直接分析主成分因子的信息不完全性和因子之间的非线性关系。PCA-GM（1,1）模型对陕西区域经济进行了实证研究,结果表明,该方法是一种有效的区域经济预测方法。 第二章 模型建立 2.1 主成分筛选 主成分分析(PCA)是多元统计巾降维的一种方法，它将原来多个指