基于电力大数据的中国工业增加值现时预测.docx
版权申诉
28 浏览量
2022-06-02
08:58:14
上传
评论
收藏 192KB DOCX 举报
1 引言
作为国民经济的“晴雨表”，电力数据可以及时、客观地反映经济发展的真实
情况。伴随着电力信息化的发展，如何充分挖掘电力数据的价值服务于经济社
会发展、政府政策制定成为关注的重点。工业增加值是衡量实体经济运行状况
的重要指标，对其进行更加及时、准确地预测有助于政府更快、更准确地了解
经济形势，为经济政策制定提供可靠的依据，同时也将有助于企业和个人准确
把握经济形势并进行决策。在当前经济下行压力增加、不确定性加剧的环境下 ，
及时准确地预测工业增加值显得尤为重要。为此，本文以工业增加的现时预测
为出发点，充分挖掘电力大数据在现时预测中的作用。现时预测最初被用于气
象领域，近年来被引入经济领域，是对当前经济形势的预测，其基本原理为在
官方发布相关统计数据之前，充分挖掘先行高频数据的信息预测当前经济形势
[1
]
。
当前关于中国工业増加值预测的研究相对较少，且主要基于所选择的若干
传统统计指标进行，如利用社会消费品零食总额、广义货币数据对工业增加值
进行预测
[2
]
，基于构建的民营企业信用利差指数对工业增加进行预测
[3
]
。在宏观
经济传导机制愈发复杂、工业增加值影响因素更加多元的情形下，恰当的预测
模型应当包含大量的解释变量以充分利用有价值的信息，仅利用少数几个变量
较难获得精准的预测。此外，传统统计数据发布得滞后致使预测时难以利用经
济活动的当前信息，而电力大数据与经济活动密切相关且实时可得，可提供经
济活动的当前信息弥补传统统计数据的不足。因此，综合利用电力数据和传统
统计数据可能得到更加准确的工业增加值预测结果。然而，这不可避免地引出
工业增加值预测中传统数据和电力数据的关系问题，即工业增加值预测中电力
数据是否可以替代传统数据，较之于成熟的统计数据电力数据的用处不大，两
者是否可以相互补充。该问题同样也是大数据时代基于新兴数据进行宏观经济
预测时可能碰到的问题，但当前却鲜有文献对此进行研究。本文设计了 5 类模
型以探究工业增加值预测中统计数据与电力大数据的关系，同时采用多种预测
方法进行预测以期获得更佳的预测效果。
2 研究设计
2.1 预测模型
为充分探究上述工业增加值现时预测中传统经济统计数据和电力数据的关
系问题，设计两类数据结合的 5 种方式：其一，仅利用传统统计数据进行预测；
其二，以传统经济统计数据预测为主，以电力数据预测为辅；其三，仅利用电
力数据进行预测；其四，以电力数据预测为主，以统计数据预测为辅；其五，
同时无差别地利用经济统计数据和电力数据进行预测。本文基于这 5 种结合方
式构建了如下 5 类相应的预测模型。
模型 1：
yˆT=f({x1t,⋯,xmt} T−1t=1)+εT (1)y^T=f({x1t,⋯,xmt}
t=1T−1)+εT (1)
剩余15页未读，继续阅读
罗伯特之技术屋
- 粉丝: 3548
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
相关推荐
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0
最新资源