基于Lasso和BP神经网络组合预测及其应用.docVIP

基于Lasso和BP神经网络组合预测及其应用 　　摘要：在变量选择的基础上，构建基于Lasso方法和BP神经网络的预测模型，并对我国城乡居民的消费支出进行预测，结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度；在2014-2020年，我国农村居民消费增长率有所提升，城镇居民消费增长率减缓，城乡居民消费增长率之间的差距呈下降趋势，但是短期内城乡居民消费差距依然难以缓和。 　　关键词： 消费；Lasso方法；BP神经网络；预测 　　中图分类号：F069 　　The Study on Prediction of Residents Consumption Expenditure 　　based on Lasso and BP Neural Network 　　YU Sheng-hua， ZHANG Jing 　　（ School of Economics and Trade， Hunan University， Changsha， Hunan 410079 ） 　　Abstract： On the basis of variable selection， created a multivariate prediction model based on the combination of Lasso method and BP neural network ，and prediction of Chinas urban and rural residents consumption expenditure. The prediction results showed that：the combination of Lasso method and BP neural network prediction accuracy is higher than that of the BP neural network，the Lasso method，the results also showed that in 2014-2020 years， the growth rate of rural residents consumption has improved，the consumption of urban residents increased slowly， the gap between urban and rural consumption rate showed a downward trend，but the gap between urban and rural consumption is still difficult to ease in the short term. 　　Key words： consumption； Lasso method； BP neural network； prediction 　　一、引言及文献综述 　　近年来，欧美经济复苏乏力，影响世界经济的各种不确定因素有增无减。我国进出口总额的增长速度不如预期，且存在进一步下行的压力，表明世界经济放缓已对我国外贸产生较大的影响，净出口对我国经济增长的拉动已显得力不从心，目前，中国经济主要靠投资和消费拉动，但如果投资规模过大，又会引致结构调整不力、产能过剩和重复建设等问题。为应对极其严峻的国内外经济形势，党和政府多次强调要着力扩大内需，特别是居民消费需求。与世界其他一些国家相比，我国居民的最终消费率仍偏低，属于典型的高储蓄、低消费的国家。发达国家消费对经济增长的贡献率已达70%-80%，国内才30%-40%。从1980年至2013年，最终消费对GDP的贡献率和拉动率分别由71.8%、5.6个百分点下降到50%、3.85个百分点。在当前及今后一段时间，扩大国内消费需求已成为拉动经济增长、保持国民经济持续健康协调发展的重要途径和必然选择。因此，深入探讨影响我国居民消费的主要因素并对未来的消费支出进行预测仍然具有十分重要的现实意义。 　　针对居民消费支出，常用的预测方法有回归预测法、 时间序列预测法、BP神经网络预测法以及灰色预测法等。李文星等[1]基于1952-2004年的宏观经济数据，利用回归方法分析了中国居民消费和人口自然增长率之间的关系，预测结果表明，人口自然增长率在未来对中国居民消费影响有限。张靖[2]建立了影响山西居民消费水平因素的线性模型，并对山西省城乡居民2012-2015年的消费水平进行了预测；乔娜[3]利用ARIMA模型对我国未来的居民消费额进行了短期预测。肖剑兰等[4]， 严健标等[5]分别用1997-2007年消费支出的年度时间序列数据和1952-