Python數(shù)據(jù)分析與應(yīng)用（第2版）（微課版）-拓展案例 財政收入預(yù)測分析

財政收入預(yù)測分析1了解相關(guān)性分析目錄分析財政收入預(yù)測背景2使用Lasso回歸選取財政收入預(yù)測的關(guān)鍵特征3使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型4小結(jié)5財政收入簡介和需求

財政收入，是指政府為履行其職能、實施公共政策和提供公共物品與服務(wù)需要而籌集的一切資金的總和。財政收入表現(xiàn)為政府部門在一定時期內(nèi)（一般為一個財政年度）所取得的貨幣收入。財政收入是衡量一國政府財力的重要特征，政府在社會經(jīng)濟(jì)活動中提供公共物品和服務(wù)的范圍和數(shù)量，在很大程度上取決于財政收入的充裕狀況。

在我國現(xiàn)行的分稅制財政管理體制下，地方財政收入不但是國家財政收入的重要組成部分，而且具有其相對獨立的構(gòu)成內(nèi)容。如何制定地方財政支出計劃，合理分配地方財政收入，促進(jìn)地方的發(fā)展，提高市民的收入和生活質(zhì)量是每個地方政府需要考慮的首要問題。因此，地方財政收入預(yù)測是非常必要的。分析財政收入預(yù)測背景財政收入預(yù)測數(shù)據(jù)基礎(chǔ)情況考慮到數(shù)據(jù)的可得性，本項目所用的財政收入分為地方一般預(yù)算收入和政府性基金收入。地方一般預(yù)算收入包括以下2個部分。

稅收收入。主要包括企業(yè)所得稅與地方所得稅中中央和地方共享的40%，地方享有的25%的增值稅，營業(yè)稅和印花稅等。非稅收收入。包括專項收入、行政事業(yè)性收費、罰沒收入、國有資本經(jīng)營收入和其他收入等。政府性基金收入是國家通過向社會征收以及出讓土地、發(fā)行彩票等方式取得收入，并專項用于支持特定基礎(chǔ)設(shè)施建設(shè)和社會事業(yè)發(fā)展的收入。分析財政收入預(yù)測背景財政收入預(yù)測數(shù)據(jù)基礎(chǔ)情況由于1994年我國對財政體制進(jìn)行了重大改革，開始實行分稅制財政體制，影響了財政收入相關(guān)數(shù)據(jù)的連續(xù)性，在1994年前后不具有可比性。由于沒有合適的方法來調(diào)整這種數(shù)據(jù)的躍變，因此本項目僅對1994年至

2013年的數(shù)據(jù)進(jìn)行分析（本項目所用數(shù)據(jù)均來自《統(tǒng)計年鑒》）。各項特征名稱及特征說明如下（共13項）：社會從業(yè)人數(shù)(x1)：就業(yè)人數(shù)的上升伴隨著居民消費水平的提高，從而間接影響財政收入的增加。

在崗職工工資總額(x2)：反映的是社會分配情況，主要影響財政收入中的個人所得稅、房產(chǎn)稅以及潛在消費能力。分析財政收入預(yù)測背景財政收入預(yù)測數(shù)據(jù)基礎(chǔ)情況

社會消費品零售總額(x3)：代表社會整體消費情況，是可支配收入在經(jīng)濟(jì)生活中的實現(xiàn)。當(dāng)社會消費品零售總額增長時，表明社會消費意愿強烈，部分程度上會導(dǎo)致財政收入中增值稅的增長；同時當(dāng)消費增長時，也會引起經(jīng)濟(jì)系統(tǒng)中其他方面發(fā)生變動，最終導(dǎo)致財政收入的增長。

城鎮(zhèn)居民人均可支配收入(x4)：居民收入越高消費能力越強，同時意味著其工作積極性越高，創(chuàng)造出的財富越多，從而能帶來財政收入的更快和持續(xù)增長。

城鎮(zhèn)居民人均消費性支出(x5)：居民在消費商品的過程中會產(chǎn)生各種稅費，稅費又是調(diào)節(jié)生產(chǎn)規(guī)模的手段之一。在商品經(jīng)濟(jì)發(fā)達(dá)的如今，居民消費的越多，對財政收入的貢獻(xiàn)就越大。年末總?cè)丝?x6)：在地方經(jīng)濟(jì)發(fā)展水平既定的條件下，人均地方財政收入與地方人口數(shù)呈反比例變化。分析財政收入預(yù)測背景財政收入預(yù)測數(shù)據(jù)基礎(chǔ)情況

全社會固定資產(chǎn)投資額(x7)：是建造和購置固定資產(chǎn)的經(jīng)濟(jì)活動，即固定資產(chǎn)再生產(chǎn)活動。主要通過投資來促進(jìn)經(jīng)濟(jì)增長，擴(kuò)大稅源，進(jìn)而拉動財政稅收收入整體增長。

地區(qū)生產(chǎn)總值(x8)：表示地方經(jīng)濟(jì)發(fā)展水平。一般來講，政府財政收入來源于即期的地區(qū)生產(chǎn)總值。在國家經(jīng)濟(jì)政策不變、社會秩序穩(wěn)定的情況下，地方經(jīng)濟(jì)發(fā)展水平與地方財政收入之間存在著密切的相關(guān)性，越是經(jīng)濟(jì)發(fā)達(dá)的地區(qū)，其財政收入的規(guī)模就越大。第一產(chǎn)業(yè)產(chǎn)值(x9)：取消農(nóng)業(yè)稅、實施三農(nóng)政策，第一產(chǎn)業(yè)對財政收入的影響更小。

稅收(x10)：由于其具有征收的強制性、無償性和固定性特點，可以為政府履行其職能提供充足的資金來源。因此，各國都將其作為政府財政收入的最重要的收入形式和來源。分析財政收入預(yù)測背景財政收入預(yù)測數(shù)據(jù)基礎(chǔ)情況

居民消費價格指數(shù)(x11)：反映居民家庭購買的消費品及服務(wù)價格水平的變動情況，影響城鄉(xiāng)居民的生活支出和國家的財政收入。

第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值比(x12)：表示產(chǎn)業(yè)結(jié)構(gòu)。三次產(chǎn)業(yè)生產(chǎn)總值代表國民經(jīng)濟(jì)水平，是財政收入的主要影響因素，當(dāng)產(chǎn)業(yè)結(jié)構(gòu)逐步優(yōu)化時，財政收入也會隨之增加。居民消費水平(x13)：在很大程度上受整體經(jīng)濟(jì)狀況GDP的影響，從而間接影響地方財政收入。分析財政收入預(yù)測背景財政收入預(yù)測分析目標(biāo)結(jié)合財政收入預(yù)測的需求分析，本次數(shù)據(jù)分析建模目標(biāo)主要有以下2個。分析、識別影響地方財政收入的關(guān)鍵特征。預(yù)測2014年和2015年的財政收入。分析財政收入預(yù)測背景方法選擇——最小二乘估計方法

眾多學(xué)者已經(jīng)對財政收入的影響因素進(jìn)行了研究，但是他們大多先建立財政收入與各待定的影響因素之間的多元線性回歸模型，運用最小二乘估計方法來估計回歸模型的系數(shù)，通過系數(shù)來檢驗它們之間的關(guān)系，模型的結(jié)果對數(shù)據(jù)的依賴程度很大，并且普通最小二乘估計求得的解往往是局部最優(yōu)解，后續(xù)步驟的檢驗可能就會失去應(yīng)有的意義。了解財政收入預(yù)測的方法方法選擇——Lasso特征選擇方法

本項目在已有研究的基礎(chǔ)上運用Lasso特征選擇方法來研究影響地方財政收入的因素。在Lasso特征選擇的基礎(chǔ)上，鑒于灰色預(yù)測對少量數(shù)據(jù)預(yù)測的優(yōu)良性能，對單個選定的影響因素建立灰色預(yù)測模型，得到它們在2014年及2015年的預(yù)測值。由于支持向量回歸較強的適用性和容錯能力，對歷史數(shù)據(jù)建立訓(xùn)練模型，把灰色預(yù)測的數(shù)據(jù)結(jié)果代入訓(xùn)練完成的模型中，充分考慮歷史數(shù)據(jù)信息，可以得到較為準(zhǔn)確的預(yù)測結(jié)果，即

2014年和2015年財政收入。了解財政收入預(yù)測的方法熟悉財政收入預(yù)測的步驟與流程項目流程項目流程本項目的總體流程如圖所示，主要包括以下步驟。對原始數(shù)據(jù)進(jìn)行探索性分析，了解原始特征之間的相關(guān)性。利用Lasso特征選擇模型進(jìn)行特征提取。建立單個特征的灰色預(yù)測模型以及支持向量回歸預(yù)測模型。使用支持向量回歸預(yù)測模型得出2014-2015年財政收入的預(yù)測值。對上述建立的財政收入預(yù)測模型進(jìn)行評價。熟悉財政收入預(yù)測的步驟與流程1了解相關(guān)性分析目錄分析財政收入預(yù)測背景2使用Lasso回歸選取財政收入預(yù)測的關(guān)鍵特征3使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型4小結(jié)5Pearson相關(guān)系數(shù)?了解相關(guān)性分析Pearson相關(guān)系數(shù)?了解相關(guān)性分析x1x2x3x4x5x6x7x8x9x10x11x12x13yx11.000.950.950.970.970.990.950.970.980.98-0.290.940.960.94x20.951.001.000.990.990.920.990.990.980.98-0.130.891.000.98x30.951.001.000.990.990.921.000.990.980.99-0.150.891.000.99x40.970.990.991.001.000.950.991.000.991.00-0.190.911.000.99x50.970.990.991.001.000.950.991.000.991.00-0.180.900.990.99x60.990.920.920.950.951.000.930.950.970.96-0.340.950.940.91x70.950.991.000.990.990.931.000.990.980.99-0.150.891.000.99x80.970.990.991.001.000.950.991.000.991.00-0.150.901.000.99x90.980.980.980.990.990.970.980.991.000.99-0.230.910.990.98x100.980.980.991.001.000.960.991.000.991.00-0.170.900.990.99x11-0.29-0.13-0.15-0.19-0.18-0.34-0.15-0.15-0.23-0.171.00-0.43-0.16-0.12x120.940.890.890.910.900.950.890.900.910.90-0.431.000.900.87x130.961.001.001.000.990.941.001.000.990.99-0.160.901.000.99y0.940.980.990.990.990.910.990.990.980.99-0.120.870.991.00分析計算結(jié)果Pearson相關(guān)系數(shù)矩陣分析

由上表可知，居民消費價格指數(shù)（x11）與財政收入（y）的線性關(guān)系不顯著，呈現(xiàn)負(fù)相關(guān)。其余特征均與財政收入呈現(xiàn)高度的正相關(guān)關(guān)系。按相關(guān)性大小，依次是x3，x4，x5，x7，x8，x10，x13，x2，x9，x1，x6和x12。各特征之間存在著嚴(yán)重的多重共線性：特征x1，x4，x5，x6，x8，x9，x10與除了x11之外的特征均存在嚴(yán)重的共線性。特征x2，x3，x7與除了x11和x12外的其他特征存在著嚴(yán)重的多重共線性。x11與各特征的共線性不明顯。x12與除了x2，x3，x7，x11之外的其他特征有嚴(yán)重的共線性。x13與除了x11之外的各特征有嚴(yán)重的共線性。x2和x3，x2和x13，x3和x13等多對特征之間存在完全的共線性。

由上述分析可知，選取的各特征除了x11外，其他特征與y的相關(guān)性很強，可以用作財政收入預(yù)測分析的關(guān)鍵特征，但這些特征之間存在著信息的重復(fù)，需要對特征進(jìn)行進(jìn)一步篩選。分析計算結(jié)果1了解相關(guān)性分析目錄分析財政收入預(yù)測背景2使用Lasso回歸選取財政收入預(yù)測的關(guān)鍵特征3使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型4小結(jié)5概念Lasso回歸方法屬于正則化方法的一種，是壓縮估計。

它通過構(gòu)造一個懲罰函數(shù)得到一個較為精煉的模型，使得它壓縮一些系數(shù)，同時設(shè)定一些系數(shù)為零，保留了子集收縮的優(yōu)點，是一種處理具有復(fù)共線性數(shù)據(jù)的有偏估計。了解Lasso回歸方法基本原理Lasso以縮小特征集（降階）為思想，是一種收縮估計方法。

Lasso方法可以將特征的系數(shù)進(jìn)行壓縮并使某些回歸系數(shù)變?yōu)?，進(jìn)而達(dá)到特征選擇的目的，可以廣泛地應(yīng)用于模型改進(jìn)與選擇。

通過選擇懲罰函數(shù)，借用Lasso思想和方法實現(xiàn)特征選擇的目的。模型選擇本質(zhì)上是尋求模型稀疏表達(dá)的過程，而這種過程可以通過優(yōu)化一個“損失”＋“懲罰”的函數(shù)問題來完成。了解Lasso回歸方法2.基本原理?了解Lasso回歸方法適用場景

當(dāng)原始特征中存在多重共線性時，Lasso回歸不失為一種很好的處理共線性的方法，它可以有效地對存在多重共線性的特征進(jìn)行篩選。

在機器學(xué)習(xí)中，面對海量的數(shù)據(jù)，首先想到的就是降維，爭取用盡可能少的數(shù)據(jù)解決問題，從這層意義上說，用Lasso模型進(jìn)行特征選擇也是一種有效的降維方法。

Lasso從理論上說，對數(shù)據(jù)類型沒有太多限制，可以接受任何類型的數(shù)據(jù)，而且一般不需要對特征進(jìn)行標(biāo)準(zhǔn)化處理。了解Lasso回歸方法Lasso回歸方法優(yōu)缺點

優(yōu)點：可以彌補最小二乘法和逐步回歸局部最優(yōu)估計的不足，可以很好地進(jìn)行特征的選擇，可以有效地解決各特征之間存在多重共線性的問題。

缺點：如果存在一組高度相關(guān)的特征時，Lasso回歸方法傾向于選擇其中的一個特征，而忽視其他所有的特征，這種情況會導(dǎo)致結(jié)果的不穩(wěn)定性。雖然Lasso回歸方法存在弊端，但是在合適的場景中還是可以發(fā)揮不錯的效果。在財政收入預(yù)測中，各原始特征存在著嚴(yán)重的多重共線性，多重共線性問題已成為主要問題，這里采用Lasso回歸方法進(jìn)行特征選取是恰當(dāng)?shù)?。了解Lasso回歸方法分析系數(shù)表用Python編制相應(yīng)的程序后運行得到如下表所示的結(jié)果。分析Lasso回歸結(jié)果x1x2x3x4x5x6x7-0.00010.0000.124-0.0100.0650.0000.317x8x9x10x11x12x130.035-0.0010.0000.0000.000-0.040由上表可看出，利用Lasso回歸方法識別影響財政收入的關(guān)鍵影響因素是社會從業(yè)人數(shù)（x1）、社會消費品零售總額（x3）、城鎮(zhèn)居民人均可支配收入（x4）、城鎮(zhèn)居民人均消費性支出（x5）、全社會固定資產(chǎn)投資額（x7）、地區(qū)生產(chǎn)總值（x8）、第一產(chǎn)業(yè)產(chǎn)值（x9）和居民消費水平（x13）。1了解相關(guān)性分析目錄分析財政收入預(yù)測背景2使用Lasso回歸選取財政收入預(yù)測的關(guān)鍵特征3使用灰色預(yù)測和SVR構(gòu)建財政收入預(yù)測模型4小結(jié)5概念灰色預(yù)測法是一種對含有不確定因素的系統(tǒng)進(jìn)行預(yù)測的方法。

在建立灰色預(yù)測模型之前，需先對原始時間序列進(jìn)行數(shù)據(jù)處理，經(jīng)過數(shù)據(jù)處理后的時間序列即稱為生成列?；疑到y(tǒng)常用的數(shù)據(jù)處理方式有累加和累減兩種。了解灰色預(yù)測算法2.基本原理?了解灰色預(yù)測算法基本原理后驗差檢驗?zāi)Ｐ途热缦卤硭?。了解灰色預(yù)測算法PC模型精度>0.95<0.35好>0.80<0.5合格>0.70<0.65勉強合格<0.70>0.65不合格適用場景

灰色預(yù)測法的通用性比較強些，一般的時間序列場合都可以用，尤其適合那些規(guī)律性差且不清楚數(shù)據(jù)產(chǎn)生機理的情況?；疑A(yù)測優(yōu)缺點優(yōu)點：具有預(yù)測精度高、模型可檢驗、參數(shù)估計方法簡單、對小數(shù)據(jù)集有很好的預(yù)測效果。

缺點：對原始數(shù)據(jù)序列的光滑度要求很高，在原始數(shù)據(jù)列光滑性較差的情況下灰色預(yù)測模型的預(yù)測精度不高甚至通不過檢驗，結(jié)果只能放棄使用灰色模型進(jìn)行預(yù)測。了解灰色預(yù)測算法1.基本原理?了解SVR算法適用場景

由于支持向量機擁有完善的理論基礎(chǔ)和良好的特性，人們對其進(jìn)行了廣泛的研究和應(yīng)用，涉及分類、回歸、聚類、時間序列分析、異常點檢測等諸多方面。具體的研究內(nèi)容包括統(tǒng)計學(xué)習(xí)理論基礎(chǔ)、各種模型的建立、相應(yīng)優(yōu)化算法的改進(jìn)以及實際應(yīng)用。支持向量回歸也在這些研究中得到了發(fā)展和逐步完善，已有許多富有成果的研究工作。了解SVR算法SVR算法優(yōu)缺點

優(yōu)點：支持向量回歸不僅適用于線性模型，對于數(shù)據(jù)和特征之間的非線性關(guān)系也能很好抓??；持向量回歸不需要擔(dān)心多重共線性問題，可以避免局部極小化問題，提高泛化性能，解決高維問題；支持向量回歸雖然不會在過程中直接排除異常點，但會使得由異常點引起的偏差更小。缺點：計算復(fù)雜度高，在面臨數(shù)據(jù)量大的時候，計算耗時長。了解SVR算法主要參數(shù)介紹sklearn庫的LinearSVR函數(shù)實現(xiàn)了線性支持向量回歸，其使用語法如下。class

sklearn.svm.LinearSVR(epsilon=0.0,

tol=0.0001,

C=1.0,

loss=’epsilon_insensitive’常用參數(shù)及說明如下。了解SVR算法參數(shù)名稱說明接收float。用于loss參數(shù)中的參數(shù)。默認(rèn)為0.1。epsilontol接收float。指定終止迭代的閾值。默認(rèn)為0.0001。C接收float。表示罰項系數(shù)。默認(rèn)為1.0。loss參數(shù)名稱說明fit_intercept接收boolean。表示是否計算模型的截距。默認(rèn)為True。intercept_scalingdual接收boolear。選擇解決對偶問題或原始問題。如果為True，則解決對偶問題；如果是False，則解決原始問題。默認(rèn)為True。接收int。表示是否開啟verbose輸出。默認(rèn)為0。verboserandom_state輸入int，或者一個RandomState實例，或者None。表示使用的隨機數(shù)生成器的種子。默認(rèn)為None。如果為整數(shù)，則它指定隨機數(shù)生成器的種子。如果為RandomState實例，則指定隨機數(shù)生成器。3.如果為None，則使用默認(rèn)的隨機數(shù)生成器。max_iter接收int。指定最大迭代次數(shù)。默認(rèn)為1000。了解SVR算法續(xù)表主要參數(shù)介紹使用sklearn構(gòu)建的SVR模型屬性及其說明如下表所示。了解SVR算法屬性名稱說明返回array。給出各個特征的權(quán)重。coef_intercept_返回array。給出截距，即決策函數(shù)中的常數(shù)項。2014預(yù)測值2015預(yù)測值預(yù)測精度等級x18142148.28460489.3好x37042.318166.92好x443611.8447792.22好x535046.6338384.22好x685055238627139好x74600.45214.78好x818686.2821474.47好x1344506.4749945.88好通過灰色預(yù)測模型得出的預(yù)測值

社會從業(yè)人數(shù)（x1）、社會消費品零售總額（x3）、城鎮(zhèn)居民人均可支配收入（x4）、城鎮(zhèn)居民人均消費性支出（x5）、全社會固定資產(chǎn)投資額（x6）、地區(qū)生產(chǎn)總值（x7）、第一產(chǎn)業(yè)產(chǎn)值（x8）和居民消費水平（x13）特征的2014年及2015年通過建立的灰色預(yù)測模型得出的預(yù)測值，如下