新冠肺炎疫情對我國社會消費品零售總額的影響程度評價.docx

1、新冠肺炎疫情對我國社會消費品零售總額的影響程度評價EvaluationoftheImpactofCOVID-19ontheTotalRetailSalesofConsumerGoodsinChina楊揚波YANGYangB楊桂元于YANGGui-yuan(淤安徽財經(jīng)大學財務處，蚌埠233030；于安徽財經(jīng)大學數(shù)雖經(jīng)濟研究所，蚌埠233030)(淤DepartmentofFinance.AnhuiUniversityofFinance&Economics,Bengbu233030.China；于nsli【u【eforQuaniitative&EconomicResearch,An

2、huiUniversilyofFinance&Economic,Bengbu233030,China)摘要院本文選擇我國社會消費品零傳總額月度數(shù)據(jù)為研究對象，首先建立多元線性回歸模型和季節(jié)波動預測模型，在此基礎上建立以誤差平方和最小為最優(yōu)準則的誘導有序加權算術平均組合預測模型，對2020年1-2月份我國社會消費品零售總額進行預測。預測結果表明：受新冠肺炎疫情的影響，2020年1-2月份我國社會消費品零售總額比正常情況下下降了25.64%。Abstract:ThisarticleselectsthemonthlydataofChina'stotalretailsalesofcon

3、sumergoodsastheresearchobject,establishesamultiplelinearregressionmodelandaseasonalfluciuationpredictionmodel,onthisbasis,establishesaninducedorderedweightedaveragecombinationpredictionmodelthatusestheminimumerrorsumofsquaresastheoptimalcriteriontopredictthetotalretailsalesofconsumergoodsinChinafrom

4、JanuarytoFebruaryof2020.Theforecastresultsshowthat,duetolheimpactofCOVID-19,thetotalretailsalesofconsumergoodsinChinafromJanuarytoFebruaryof2020decreasedby25.64%comparedwithnormalconditions.關鍵詞痢冠肺炎疫情：社會消費品零售總額；K)WA；組合預測模型：預測精度Keywords:COVID-19：totalretailsalesofconsumergoods：IOWA：combinedpredictionm

5、odel；forecastaccuracy中圖分類號汗201；F222文獻標識碼KA。引言新冠肺炎疫情發(fā)生以來，按照疫情防控的需要和要求，居民減少外出購物，紛紛取消聚會聚餐，非生活必需類商品銷傍和餐飲業(yè)受到明顯沖擊，居民宅在家里生活也簡單化甚至一些生活必需品的消費也受到嚴重影響。同時，文化和旅游部發(fā)布有關暫停旅游企業(yè)經(jīng)營活動的緊急通知，景區(qū)訂票一律取消，旅游企業(yè)暫停經(jīng)營，旅游住宿等相關行業(yè)也受到嚴重影響。居民消費受到抑制，春節(jié)假期及2月份消費市場受到?jīng)_擊明顯。為J'準確評價新冠肺炎疫情對我國居民和社會消費的影響，本文選擇我國社會消費品零售總額（單位：億元）為研究對象，首先建立多元線性回

6、歸模型和季節(jié)波動預測模型,然后以預測精度為誘導值、以誤差平方和最小為最優(yōu)準則建立誘導有序加權算術平均組合預測模型，以便提高預測精度。用建立的組合預測模型對疫情發(fā)生以來2020年1-陰份我國社會消費品零售總額進行預測。預測值可看作未受新冠肺炎疫情影響（正常情況下）社會消費品零售總額，將其與202印1-用份社會消費品零售總額（統(tǒng)計數(shù)據(jù)）岫岫心"歡情的影響,我國2020年1-2月份社會消費品零售總額比正常年份下降了25.64%。多元線性同歸模型山于我國社會消費品零售總額*受到多種因素的影響，本文基于經(jīng)濟學理論與統(tǒng)計數(shù)據(jù)的特征，通過逐步回歸剔除對社會消費品零售總額影響不顯著的因素，采用計量經(jīng)

7、濟模型，篩選出對社會消費品零售總額影響最大的流作者簡介莊楊揚（1983-），男，安徽簫縣人，安徽財經(jīng)大學財務處財務科科長，碩士，研究方向為財務管理：楊桂元（1957-）,男，安徽蕭縣人，安徽財經(jīng)大學教授，學士,研究方向為經(jīng)濟預測理論與方法。文章編號K1006-43H（2020）18-0031-03通中的貨幣供應量（M<F億元）Xh、國家財政支出（億元）如和貨運量（億噸）加樣本區(qū)間為2000年1月至2019年12月20年共240個月，建立多元線性P1歸模型Fyu=-6149.5433+0.287跖+0.15%+295.0147耳（-12.8292）（12.3118）（3.013D（6.71

8、73）"）R2=0.9368,=0.9360,OW7=1.438,P=1165.19為了預測2020年1-3月份社會消費品零售總額，首先根據(jù)時間序列數(shù)據(jù)應用指數(shù)平滑預測2020年1-2月份的流通中的貨幣供應量分別是93249.16億元和88187.05億元：2020年1-2月份的財政支出分別是15334億元和18018億元：2020年1-2月份的貨運量分別是42.7億噸和27.9億噸。根據(jù)多元線性回歸模型（1）預測2020年1-2月份的社會消費品零售總額分別是35571.3億元和億元。30172.0節(jié)波動預測模型由我國社會消費品零售總額月度數(shù)據(jù)*可以看出，呈現(xiàn)出逐步增長的長期趨勢和不

9、同月份有規(guī)律的季節(jié)波動。對我國社會消費品零傳總額月度數(shù)據(jù)的分析可以看出，2016年3月以后的數(shù)據(jù)比較平穩(wěn)，尤其是2016年1-2月份數(shù)據(jù)異常，因此采取樣本區(qū)間2016年3月至2019年12月（4價月，4期），建立帶有季節(jié)波動的預測模型。首先建立反映長期趨勢的一元線性回歸模型，然后采取加法模型測算1-1月份的季節(jié)系數(shù)用季節(jié)系數(shù)對長期趨勢進行調整。得季節(jié)波動預測模型"y2t=26542.64+201.0566t+St（modl2）（43.8748）（8.9703）其中t是從2016年3月-2019年12月編序號為1-46oS«y是月份編號為t對應的加法型季節(jié)系數(shù)（由于按季節(jié)分成

10、12個月，t按12同余），根據(jù)2016年3月-2019年12月樣本數(shù)據(jù)計算:Si=705.48,S2=1053.87,Si=-1871.08,S.f-2783.34,S5=-901.29,S(f-602.35,S7=-1088.53,S«=-523.66,So=-214.95,Sio=2996.95,S>,=2651.24,S12=3135.41o樣本期內平均預測精度達98.51%。應用季節(jié)波動預測模型預測2020年1-2月份的社會消費品零售總額分別是36697.8億元和34689.5億元。3組合預測模型為了提高預測精度，將多種預測模型進行組合，形成組合預測模型，本文考慮預測精

11、度為誘導值，建立變權重的誘導有序加權算術平均(InducedOrderedWeightedAverage,IOWA)組合預測模型設對同一預測問題，有n種預測方法。記第t期實際觀察值、第i種預測方法第t期預測值和第i種預測方法第t期預測的絕對誤差分別為y“g,其中第i種預測方法第I期預測的精度為琢,i=l,2,n；t=l,2,，No其中給定權重向量二1-|(入-%)/*當|(月-*")/丸<1當i(月21尹二(叫，的,叫),，其中且滿足.=1，稱/=1乏它皿5，)為由精度序列皿,，,所產(chǎn)生的凹,療2,，,誘導有序加權算術平均(1OWA)組合預測,t=l,2,-,N0記ea-ind

12、ex(it)=H一Va-index(it)為博導預測誤差，i=l,2,n；t=L2,No于是誘導有序加權算術平均【OWA)組合預測第期的預測誤差為H-丸=H-£W必*咐)=£wtyf-£wtyamd心=叫(片一卜"奶)=/比，站)，/=1,2，,N1=1/=1可以看出，誘導有序加權算術平均(IOWA)組合預測第I期的預測誤差為同期各單項誘導預測誤差的同一加權算術平均。誘導有序加權算術平均組合預測N期(樣本期)的預測誤差平方和為/=i»=i/=i»=iN(nf=li=lnn_n_n_index(it)ea-index(jt)=比灼/=1

13、y=i/=1/=1/=1其中'a-index(_it)a-index(jt)»i>j-1>2»,nt=則稱E=(E,)n所為n階誘導有序加權算術平均(IOWA)的預測誤差信息矩陣，則誤差平方和Q二WEW。因此,基于預測誤差平方和最小的IOWA組合預測優(yōu)化模型為mxQ=WTEW=1=1/=1W+嗎+=1嗎,電,w“20對于上述兩個預測模型要建立誘導有序的加權算術平均組合預測模型，使得在樣本期內預測誤差平方和最小。將本文所建立的多元線性回歸模型和季節(jié)波動預測模型在各個時點按精度進行誘導，按照預測精度高和預測精度低分別列出見表1。由表1可以計算出兩種預測方法的

14、誘導誤差信息矩9500743.7929867.5)、929867.5438334036.7)(4)因此式(3)所對應的組合預測優(yōu)化模型為：min。=9500743.7誠+1859735嗎的+438334036.7w+h2=1W,w2>0對式(4)求解得：w,=0.9808,w2=0.0192,Q*=minQ=9336026因此，所建立的組合預測模型為：%=°980%_湖響)+°°192扁_訥蛔2。樣本期內組合預測預測值、誤差和精度見表1。樣本期內平均預測精度98.75%,誤差平方和Q*=minQ=9336026。為了便于比較兩種單項預測模型和組合預測模型的優(yōu)

15、劣，將樣本期內預測誤差平方和(errorsumofsquare,SSE)、樣本期內平均預測精度(averageforecastaccuracy.AFA)進行比較列表，見表2。組合預測模型顯著提高了預測精度，降低了預測模型的誤差平方和。因此用組合預測模型進行預測具有較高的預測精度。4預測與評價由于是變權重組合預測模型，在每期預測結果組合預測模型的權重是根據(jù)預測精度高、低分別取權重0.9808和0.0192但在預測期無法預知兩種單項預測方法的預測精度，本文采取簡單平均法確定預測期的權重。組合預測模型在期懈本期內多元線性回歸模型有期權甌0.9808,36期的權重0.0192；季節(jié)波動預測模型有0期的

16、權重0.01923剿的權重0.9808將樣本期內的平均權重作為兩種單項預測模型預測期的權重，分別為：0.2282,0.771頂測結果見表。3由受新冠肺炎疫情的影響，經(jīng)彭02咋1-2J份社會消費品零售總額實際值應龍9.8月份波有單獨列出)，年20為份社會消費品零售總額預測值(可以作為正常情況下的社會消費品零售總額)億元»70100.9預測結果表明：由于受新冠肺炎疫情的影響，我國社表1按精度誘導的預測精度高堯預測精度低和組合預測模型的誤差和精度表2兩種單項預測模型和組合預測模型的優(yōu)劣比較預測模型時期多元線性回歸模型（權重0.2282）季節(jié)波動預;則模型（權重0.7718）組合預測模型20

17、20年1月35571.336697.836440.72020年2月30179.034689.533660.2會消費品零售總額比正常年份下降了25.64%。時間社會商品零告總額壩刪稍度局地測檔度低組臺壩測誤差精度誤差精度預測值誤差精度351141241.59013335678708243.269032016.42445.8-333.00.95484.40.980324983*-317.280.97156107368621477.414526732.438752S42016.625.62119Q0.9958745.50.9722125.030.993768274680633590464544016

18、50853960.9886216910.2127189.7349900.9873201692016.1027976438界3314.324,°140.9991903.696770,21277231042.4254.03768090997511386547538843093382492-28.8742016.1231756844Q0.997935170.2793164.0110810.996512288.2(MMQQ702017.228091.268.2408了0.97720.841127378.0381670.97463863715-1000,07014961927132112201

19、7.427278.50.99740.974227196.7244.480.99705459269.87284218639981.767222017.687.623?90.98190.978229266.4819340.98187296。9851988407541.54083。神3oy.v嶼0.97210.19529604.469120.97612017.9342409766卸49647010775.3342017.101AQO59.00.9801244280.806333446.429610.976811VO乙73779755033344794.4732017.124734.1691.70.9

20、818109120.86384022.673770.9795131649872259306蹄05631108711.529492018.22432.0680.20.98530.91432807.4160980.98723919369164732282796434-375.4162018.42854L9632.80.98440.979028989.79770.9843535912267669884OR392-447.847762018.63841.6-432.10.99525機40.97643080.9680110.99227c073378721-59954912358-239.35378315

21、42.3-444.90.98390.3532002.0502060.95420189200571048862-728、982716216459.698802018.10135534.4-229.80.98760.29235818.4383.840.99122SQ7510眼3.3MAAEK797S-314.04672018.1235893.5-508.40.98270020.10536440.4467830.98481446940224«2026.9QQ03R777-5-16.9002019.232017.1-43.0.919-55500.823432163.3169.280.954317257569098568791706-14&229832019.430586.1-62050.972069.10.973430986.8-54.920.969529557177.3S40州4444370048542019.63388.1-259.70.9969-23820.97073961.5-481.750.99757073-48.51156529n362R0-83.372982019.93386.3-392.70.93338500.2023400.56650.95144995269861-4974449470-504.20892