基于函数性数据分析的中国社会消费品零售总额数据的-北京化工大学.PDFVIP

第45卷 第3期 北京化工大学学报(自然科学版) Vol.45,No.3 2018年 Journal of Beijing University of Chemical Technology (Natural Science) 2018 基于函数性数据分析的中国社会消费品 零售总额数据的预测 李小星摇 徐永利* (北京化工大学 理学院,北京摇 100029) 摘摇 要:基于数据的函数性特征,采用函数性数据分析方法对中国社会消费品零售总额进行预测。 将总额数据分 解为长期趋势成分和季节性波动成分分别进行预测。 对长期趋势成分引入居民可支配收入数据来辅助预测,对于 季节性成分采用自适应选择权重的加权预测法,将两项预测值的和作为总额预测结果。 真实数据上的实验结果表 明,本文提出的预测方法预测误差小,且预测结果具有很好的可解释性。 关键词:函数数据分析;社会消费品零售总额;居民可支配收入;长期趋势 中图分类号:F22摇 摇 DOI:10.13543/ j.bhxbzr.2018.03.017 对于数据波动剧烈的年份预测误差较大。 引摇 言 居民可支配收入是反映居民生活水平的一个重 社会消费品零售总额是国民经济中的一项重要 [5] 要指标,与社会消费品零售总额存在密切联系 ; 经济指标,直接反映居民生活水平、社会消费品购买 而且家庭人均收入的变化不影响同期人均社会商品 能力、社会生产力、货币流通力及变化趋势,因此研 零售总额的变化,而是对下一年的人均销售总额有 究和改进社会消费品零售总额预测方法具有重要 [6] 着重要的影响 。 因此本文在文献[3]的基础上, 意义。 引入居民可支配收入指标来修正数据波动较大年份 目前对于经济数据的预测方法主要有时间序列 的预测结果,设计了将已知消费数据与收入数据融 分析法和函数性数据的预测方法。 时间序列分析法 合的自适应预测方法,利用上一年的居民可支配收 中常用的模型有自回归移动平均模型(ARMA)和季 入指标辅助预测下一年的社会消费品零售总额长期 节时间序列模型(SARIMA)[1-2] ,前者可以较好处 趋势成分,并基于长期趋势成分的预测结果,采用变 理时间序列的依存性和数据随机波动的干扰性,对 权重加权方法预测季节性成分。 短期数据预测精度较高;后者利用对数差分和季节 差分减小序列的波动性建立平稳可逆且拟合效果最 1摇 社会消费品零售总额预测算法 优的预测模型。 但是该方法的缺点是只针对离散数 1郾1摇 算法介绍 据而忽略了数据的连续性。 [7] 本文基于函数性数据分析方法 ,将社会消费 函数性数据分析法从函数的角度出发,重点关 品零售总额分解为长期趋势成分和季节性成分分别 注数据的凹凸性、拐点等连续性信息。 文献[3-4]