论文：基于数据挖掘技术的市财政收入分析预测模型.doc

泰迪杯大学生数据挖掘竞赛论文报告 第1 页 共 31 页 竞赛作品资料包括以下两部分 请分别压缩后在 会员中心 统一提交 1 论文正文要求用 word2003 格式整理 压缩成 论文正文 zip 2 源数据 组委会提供的源数据外 过程数据 程序及模型文件 压缩成 附 件资料 zip 所选题目 基于数据挖掘技术的市财政收入分析预测模型基于数据挖掘技术的市财政收入分析预测模型 综合评定成绩 评委评语评委评语 评委签名 评委签名 泰迪杯大学生数据挖掘竞赛论文报告 第2 页 共 31 页 基于数据挖掘技术的广州市财政收入分析基于数据挖掘技术的广州市财政收入分析 摘摘 要要 地方财政收入的稳定增长对于地区经济的发展具有重要作用 而地方财政收入的稳定增长对于地区经济的发展具有重要作用 而财政收财政收 入是衡量一国政府财力的重要指标 入是衡量一国政府财力的重要指标 近几年来近几年来 政府公共财政在经济和社会发政府公共财政在经济和社会发 展中扮演的角色越来越重要 如何调整和优化现有的财政支出和规模结构 展中扮演的角色越来越重要 如何调整和优化现有的财政支出和规模结构 服务于地方经济建设的发展服务于地方经济建设的发展 一个重要的表现就是地方财政收入的不断增加 一个重要的表现就是地方财政收入的不断增加 地方财政收入的稳定增加地方财政收入的稳定增加 客观上也会不断推动地方经济的进一步发展 客观上也会不断推动地方经济的进一步发展 财政支出作为作为一种重要的经济调控手段 其规模大小和使用方向的财政支出作为作为一种重要的经济调控手段 其规模大小和使用方向的 不同会造成不同的经济效益 而财政支出对于经济的影响近年来一直是当前不同会造成不同的经济效益 而财政支出对于经济的影响近年来一直是当前 数据挖掘的热点 因为政府财政支出的热点不仅反映了财政政策的重点 还数据挖掘的热点 因为政府财政支出的热点不仅反映了财政政策的重点 还 能够有效引导私人需求 对经济增长和结构升级又都重要意义 随着我国的能够有效引导私人需求 对经济增长和结构升级又都重要意义 随着我国的 经济不断发展 我国的财政支出也在不断的扩张 而广州市作为改革开放的经济不断发展 我国的财政支出也在不断的扩张 而广州市作为改革开放的 前沿城市 具有较强的经济实力 对国家的经济增长提供了极大的贡献 因前沿城市 具有较强的经济实力 对国家的经济增长提供了极大的贡献 因 此 对广州市这样一个模板城市的财政收入和支出分析对于一个城市的发展此 对广州市这样一个模板城市的财政收入和支出分析对于一个城市的发展 具有重要的意义 然而不同时期的财政支出对不同时期的经济发展需求不一具有重要的意义 然而不同时期的财政支出对不同时期的经济发展需求不一 样 因此 本文根据广州市进年年来的财政数据做了系统的统计与分析 并样 因此 本文根据广州市进年年来的财政数据做了系统的统计与分析 并 对其未来所有支出部门做了预测 有助于我国的财政支出更有效的服务于经对其未来所有支出部门做了预测 有助于我国的财政支出更有效的服务于经 济发展济发展 关键词 数据挖掘关键词 数据挖掘 财政支出财政支出 促进经济促进经济 泰迪杯大学生数据挖掘竞赛论文报告 第3 页 共 31 页 The thesis title Abstract A brief description of the abstractThe stability of the local fiscal revenue growth plays an important role in the development of regional economy Fiscal revenue is an important index to measure a country s government financial resources in recent years the government public finance in the economic and social development is playing an increasingly important role How to adjust and optimize the structure of fiscal expenditure and scale of the existing services in the development of local economic construction is an important part of the performance of local fiscal revenue increased The stability of the local fiscal revenue increase objectively also will continue to promote the further development of local economy Fiscal spending as a kind of important economic control measures the size and direction of use of different can lead to different economic benefits and the effect of fiscal expenditure to economic has always been the hot spot of the current data mining in recent years because the government fiscal spending hotspot not only reflects the focus of fiscal policy also can effectively guide the private demand for economic growth and structure upgrade and are of great significanceexpenditure of our country are also constantly and guangzhou as the forefront of reform and opening up city with strong economic strength and growth provides a tremendous contribution to the economy of the country therefore for the guangzhou city as a template for fiscal revenue and expenditure analysis is of important significance for the development of a city but in different periods of fiscal expenditure is not the same as the demand for different periods of economic development therefore this paper based on the financialdata of guangzhou into a year to do the statistics and analysis of the system and the department has made the forecast and the future of all spending help to China s fiscal spending is more effective in the service of economic development 泰迪杯大学生数据挖掘竞赛论文报告 第4 页 共 31 页 Key words Data mining Public finance expenditure 泰迪杯大学生数据挖掘竞赛论文报告 第5 页 共 31 页 目 录 1 研究目标研究目标 6 2 分析方法与过程分析方法与过程 6 2 1 总体流程 6 2 2 具体步骤 6 2 3 结果分析 7 3 结论结论 7 4 参考文献参考文献 7 泰迪杯大学生数据挖掘竞赛论文报告 第6 页 共 31 页 1 挖掘目标挖掘目标 本次建模目标是利用广州市统计局积累下来的海量真实数据 采用数据挖掘技术 分析各类支出数据的相互关系 发现事件之间的内部关联 构建反映支出与收入之间 的模型 挖掘出当前对支出的影响的当前热点 需要实现以下的具体目标 一 对数据选取 收集 数据选取的目的是确定目标数据 从广州市统计局获取最近的财政支出和收入的 数据 二 数据整理 数据整理是对选出的数据进行再处理 检查数据的完整性及一致性 消除噪声及 与数据挖掘无关的冗余数据 根据时间序列和已知的变化情况 利用统计等方法填充 丢失的数据 数据整理包括以下内容 1 数据选择 搜索所有与财政支出对象有关的内部和外部数据信息 根据财政支出的 目的从中选择出适用于数据挖掘的数据 2 在原数据的基础上 寻找依赖于发现目标的表达数据的有用特征 以缩减数据规模 从而在尽可能保持数据原貌的前提下最大限度地精简数据量 3 数据转换 选取合适的知识发现算法 合适的模型和参数 建立分析模型 并将数 据转换成为该分析模型 三 数据挖掘并得出预测结论 根据一系列的数据挖掘算法即数学模型 得出客观的科学依据 为财政局的规划 提供重要参考材料 2 分析方法与过程分析方法与过程 2 1 总体流程总体流程 泰迪杯大学生数据挖掘竞赛论文报告 第7 页 共 31 页 本题分析主要步骤如下 一 对数据进行选取 搜集 本题分析主要步骤 二 对选出和搜集的数据进行抽取 根据项目需求对数据进行清洗 消除与项目 无关的冗余数据 三 数据分析 对经过整理的数据建立数学模型 采用相应的数据挖掘方法进行 关键数据的抽取 并得到正确的结论 2 2 具体分析过程及操作步骤具体分析过程及操作步骤 问题一 通过工具 Rstudio 导入选取出的数据 并对其进行操作 从大量的 不完全的 有 噪声的 模糊的 实际应用数据中 通过回归分析方法 寻找变量之间的关系 运用 这种关系对数据进行控制 提取出隐藏在其中的有效数据的 利用这些数据做回归模 型的显著性检验 回归系数的显著性检验等 根据对数据进行多元线性回归 逐步回 归 正态检测等可分析 识别出影响财政收入的关键影响因素 具体操作步骤如下所 示 1 导入数据 fujian read csv C Users RWY Desktop 数据挖掘赛题 地方财政收入汇总 csv fujian 年份 地方财政收入合计 公共财政收入 增值税 营业税 企业所得税 个人所得税 城市维护建设税 1 1999 1881388 1761499 288972 433360 277375 133621 116973 2 2000 2199077 2005460 350495 479698 309764 185625 129075 3 2001 2719058 2461941 443213 540075 483421 254892 152739 4 2002 2690984 2458737 526377 613161 236416 159684 164892 5 2003 3005475 2747707 581898 650119 268360 153080 173452 6 2004 3384477 3028692 528365 793520 326556 167379 199990 7 2005 4088545 3712633 816119 892678 373397 198017 228419 8 2006 4767231 4270831 967265 1027971 455820 231794 268420 9 2007 8389925 5237862 1115007 1235374 596693 泰迪杯大学生数据挖掘竞赛论文报告 第8 页 共 31 页 295316 325208 10 2009 11076649 7026527 1375085 1516049 732282 389824 361118 11 2010 13991612 8726470 1594182 1777343 935248 472154 426622 12 2011 15351387 9794768 1573830 1625593 1061594 462098 853882 13 2012 15796804 11023961 1758311 1747616 1075045 439592 924150 14 2013 20881374 11418044 2216017 1623520 1155923 489777 1013703 房产税 印花税 契税 行政事业性收费收入 1 77562 21159 145254 30072 2 90776 28124 99776 38865 3 109140 30106 97903 85762 4 134061 35561 114520 135919 5 146223 42490 171699 171397 6 168904 67625 204895 193743 7 200221 64862 221754 201997 8 239285 80913 251382 234949 9 262053 110676 306940 253000 10 349616 154364 464568 271293 11 416964 194584 610978 651651 12 512657 211024 575560 685840 13 612254 219623 581872 722190 14 648012 260946 798657 806981 attach fujian 2 线性关系图 par mfrow c 3 3 plot 地方财政收入合计 公共财政收入 abline lm 地方财政收入合计 公共财政 收入 plot 地方财政收入合计 增值税 abline lm 地方财政收入合计 增值税 plot 地方财政收入合计 营业税 abline lm 地方财政收入合计 营业税 plot 地方财政收入合计 企业所得税 abline lm 地方财政收入合计 企业所得税 plot 地方财政收入合计 个人所得税 abline lm 地方财政收入合计 个人所得税 plot 地方财政收入合计 城市维护建设税 abline lm 地方财政收入合计 城市维 护建设税 plot 地方财政收入合计 房产税 abline lm 地方财政收入合计 房产税 plot 地方财政收入合计 印花税 abline lm 地方财政收入合计 印花税 plot 地方财政收入合计 契税 abline lm 地方财政收入合计 契税 plot 地方财政收入合计 行政事业性收费收入 abline lm 地方财政收入合计 行 政事业性收费收入 2 多元线性回归的汇总输出 lm test new lm 地方财政收入合计 公共财政收入 增值税 营业税 企业所得税 泰迪杯大学生数据挖掘竞赛论文报告 第9 页 共 31 页 个人所得税 城市维护建设税 房产税 印花税 契税 行政事业性收费收入 summary lm test new 查看回归系数和模型的检验结果 Call lm formula 地方财政收入合计 公共财政收入 增值税 营业税 企业所得税 个人所得税 城市维护建设税 房产税 印花税 契税 行政事业性收费收入 Residuals 1 2 3 4 5 6 7 8 9 10 11 130734 331440 100282 287608 73537 28738 153519 77698 64031 42644 10229 12 13 14 24768 4711 12443 Coefficients Estimate Std Error t value Pr t Intercept 3 713e 06 1 486e 06 2 498 0 0879 公共财政收入 4 454e 00 1 129e 00 3 946 0 0290 增值税 7 929e 00 1 717e 00 4 618 0 0191 营业税 1 152e 01 2 724e 00 4 229 0 0242 企业所得税 3 482e 00 4 042e 00 0 861 0 4523 个人所得税 2 204e 01 1 148e 01 1 919 0 1508 城市维护建设税 5 495e 00 4 516e 00 1 217 0 3107 房产税 6 289e 01 1 524e 01 4 126 0 0258 印花税 1 341e 02 3 303e 01 4 059 0 0270 契税 1 650e 01 7 616e 00 2 166 0 1189 行政事业性收费收入 1 589e 00 1 480e 00 1 073 0 3618 Signif codes 0 0 001 0 01 0 05 0 1 1 Residual standard error 295700 on 3 degrees of freedom Multiple R squared 0 9995 Adjusted R squared 0 9978 F statistic 600 2 on 10 and 3 DF p value 0 0001006 3 绘制四个相关系数图 plot lm test new 1 残差 普通残差与拟合值的残差图 plot lm test new 2 QQ 图 若残差是来自正态总体分布的样本 则 QQ 图中的点 应该在一条直线上 plot lm test new 3 标准化残差开方与拟合值的残差图 对于近似服从正态分 布的标准化残差 应该有 95 的样本点落在 2 2 的区间内 这也是判断异常点的直观 方法 plot lm test new 4 cook 统计量值越大的点越可能是异常值 但具体阀值是 多少较难判别 泰迪杯大学生数据挖掘竞赛论文报告 第10 页 共 31 页 4 逐步回归 step lm test new 用 step 实现变量选择 Start AIC 353 16 地方财政收入合计 公共财政收入 增值税 营业税 企业所得税 个人所得税 城市维护建设税 房产税 印花税 契税 行政事业性收费 收入 Df Sum of Sq RSS AIC 2 6237e 11 353 16 企业所得税 1 6 4900e 10 3 2727e 11 354 25 行政事业性收费收入 1 1 0075e 11 3 6312e 11 355 71 城市维护建设税 1 1 2950e 11 3 9187e 11 356 77 个人所得税 1 3 2207e 11 5 8444e 11 362 37 契税 1 4 1034e 11 6 7271e 11 364 34 公共财政收入 1 1 3621e 12 1 6245e 12 376 68 印花税 1 1 4406e 12 1 7030e 12 377 34 房产税 1 1 4891e 12 1 7515e 12 377 73 营业税 1 1 5640e 12 1 8264e 12 378 32 增值税 1 1 8649e 12 2 1272e 12 380 46 Call lm formula 地方财政收入合计 公共财政收入 增值税 营业税 企业所得税 个人所得税 城市维护建设税 房产税 印花税 契税 行政事业性收费收入 Coefficients Intercept 公共财政收入 增值税 营业税 3 713e 06 4 454e 00 7 929e 00 1 152e 01 企业所得税 个人所得税 城市维护建设税 房产税 3 482e 00 2 204e 01 5 495e 00 6 289e 01 印花税 契税 行政事业性收费收入 1 341e 02 1 650e 01 1 589e 00 该程序步骤的相关建模图如下所示 泰迪杯大学生数据挖掘竞赛论文报告 第11 页 共 31 页 泰迪杯大学生数据挖掘竞赛论文报告 第12 页 共 31 页 因此 根据以上对数据的处理结果以及建模图可分析 识别得出结论 主要影响地方财政收入的因素有 公共财政收入 增值税 营业税 企业所得税 房产税 印花税 问题二 利用时间序列及指数平滑预测对影响地方财政收入的数据进行分析处理 可以对广州市 2015 年的财政总收入及各个类别收入进行预测 具体步骤如下所示 1 导入数据 fujian read csv C Users RWY Desktop 数据挖掘赛题 影响财政收入的主要 因素 csv fujian 年份 地方财政收入合计 增值税 营业税 企业所得税 房产税 印花税 公共财政收入 泰迪杯大学生数据挖掘竞赛论文报告 第13 页 共 31 页 1 1999 1881388 288972 433360 277375 77562 21159 1761499 2 2000 2199077 350495 479698 309764 90776 28124 2005460 3 2001 2719058 443213 540075 483421 109140 30106 2461941 4 2002 2690984 526377 613161 236416 134061 35561 2458737 5 2003 3005475 581898 650119 268360 146223 42490 2747707 6 2004 3384477 528365 793520 326556 168904 67625 3028692 7 2005 4088545 816119 892678 373397 200221 64862 3712633 8 2006 4767231 967265 1027971 455820 239285 80913 4270831 9 2007 8389925 1115007 1235374 596693 262053 110676 5237862 10 2008 8431400 1287226 1279793 756412 305843 132520 6132194 11 2009 11076649 1375085 1516049 732282 349616 154364 7026527 12 2010 13991612 1594182 1777343 935248 416964 194584 8726470 13 2011 15351387 1573830 1625593 1061594 512657 211024 9794768 14 2012 15796804 1758311 1747616 1075045 612254 219623 11023961 15 2013 20881374 2216017 1623520 1155923 648012 260946 11418044 attach fujian The following objects are masked from fujian pos 3 地方财政收入合计 房产税 年份 企业所得税 印花税 营业税 增值税 The following objects are masked from fujian pos 7 地方财政收入合计 房产税 年份 企业所得税 印花税 营业税 增值税 The following objects are masked from fujian pos 8 地方财政收入合计 房产税 公共财政收入 年份 企业所得税 印花税 营业税 增值税 2 绘制时间序列图 泰迪杯大学生数据挖掘竞赛论文报告 第14 页 共 31 页 fujian ts fujian start 1999 par mfcol c 1 2 cex 0 5 plot fujian 2 xlab 时间 ylab 地方财政收入合计 type n grid col lightblue points fujian 2 type o xlab 时间 ylab 地方财政收入合计 plot fujian 3 xlab 时间 ylab 增值税 type n grid col lightblue points fujian 3 type o xlab 时间 ylab 增值税 plot fujian 4 xlab 时间 ylab 营业税 type n grid col lightblue points fujian 4 type o xlab 时间 ylab 营业税 plot fujian 5 xlab 时间 ylab 企业所得税 type n grid col lightblue points fujian 5 type o xlab 时间 ylab 企业所得税 plot fujian 6 xlab 时间 ylab 房产税 type n grid col lightblue points fujian 6 type o xlab 时间 ylab 房产税 plot fujian 7 xlab 时间 ylab 印花税 type n grid col lightblue points fujian 7 type o xlab 时间 ylab 印花税 plot fujian 8 xlab 时间 ylab 公共财政收入 type n grid col lightblue points fujian 8 type o xlab 时间 ylab 公共财政收入 3 指数平滑预测 fujian ts fujian start 1999 dfczzchjforecast HoltWinters fujian 2 beta FALSE gamma FALSE dfczsrhjforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 2 beta FALSE gamma FALSE Smoothing parameters alpha 0 9999202 beta FALSE gamma FALSE Coefficients 1 a 20880968 zzsforecast HoltWinters fujian 3 beta FALSE gamma FALSE zzsforecast Holt Winters exponential smoothing without trend and without seasonal 泰迪杯大学生数据挖掘竞赛论文报告 第15 页 共 31 页 component Call HoltWinters x fujian 3 beta FALSE gamma FALSE Smoothing parameters alpha 0 9999587 beta FALSE gamma FALSE Coefficients 1 a 2215998 yysforecast HoltWinters fujian 4 beta FALSE gamma FALSE yysforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 4 beta FALSE gamma FALSE Smoothing parameters alpha 0 999953 beta FALSE gamma FALSE Coefficients 1 a 1623526 qysdsforecast HoltWinters fujian 4 beta FALSE gamma FALSE qysdsforecast HoltWinters fujian 5 beta FALSE gamma FALSE qysdsforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 5 beta FALSE gamma FALSE Smoothing parameters alpha 0 9999538 beta FALSE gamma FALSE Coefficients 泰迪杯大学生数据挖掘竞赛论文报告 第16 页 共 31 页 1 a 1155919 fcsforecast HoltWinters fujian 4 beta FALSE gamma FALSE fcsforecast HoltWinters fujian 6 beta FALSE gamma FALSE fcsforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 6 beta FALSE gamma FALSE Smoothing parameters alpha 0 9999328 beta FALSE gamma FALSE Coefficients 1 a 648009 6 yhsforecast HoltWinters fujian 7 beta FALSE gamma FALSE yhsforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 7 beta FALSE gamma FALSE Smoothing parameters alpha 0 9999202 beta FALSE gamma FALSE Coefficients 1 a 260942 7 ggczsrforecast HoltWinters fujian 8 beta FALSE gamma FALSE ggczsrforecast Holt Winters exponential smoothing without trend and without seasonal component Call HoltWinters x fujian 8 beta FALSE gamma FALSE Smoothing parameters 泰迪杯大学生数据挖掘竞赛论文报告 第17 页 共 31 页 alpha 0 9999257 beta FALSE gamma FALSE Coefficients 1 a 11418015 4 历史数据的拟合值 dfczsrhjforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 1881388 1881388 2001 2199052 2199052 2002 2719016 2719016 2003 2690986 2690986 2004 3005450 3005450 2005 3384447 3384447 2006 4088489 4088489 2007 4767177 4767177 2008 8389636 8389636 2009 8431397 8431397 2010 11076438 11076438 2011 13991379 13991379 2012 15351278 15351278 2013 15796768 15796768 zzsforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 288972 0 288972 0 2001 350492 5 350492 5 2002 443209 2 443209 2 2003 526373 6 526373 6 2004 581895 7 581895 7 2005 528367 2 528367 2 2006 816107 1 816107 1 2007 967258 8 967258 8 2008 1115000 9 1115000 9 2009 1287218 9 1287218 9 泰迪杯大学生数据挖掘竞赛论文报告 第18 页 共 31 页 2010 1375081 4 1375081 4 2011 1594172 9 1594172 9 2012 1573830 8 1573830 8 2013 1758303 4 1758303 4 yysforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 433360 0 433360 0 2001 479695 8 479695 8 2002 540072 2 540072 2 2003 613157 6 613157 6 2004 650117 3 650117 3 2005 793513 3 793513 3 2006 892673 3 892673 3 2007 1027964 6 1027964 6 2008 1235364 2 1235364 2 2009 1279790 9 1279790 9 2010 1516037 9 1516037 9 2011 1777330 7 1777330 7 2012 1625600 1 1625600 1 2013 1747610 3 1747610 3 qysdsforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 277375 0 277375 0 2001 309762 5 309762 5 2002 483413 0 483413 0 2003 236427 4 236427 4 2004 268358 5 268358 5 2005 326553 3 326553 3 2006 373394 8 373394 8 2007 455816 2 455816 2 2008 596686 5 596686 5 2009 756404 6 756404 6 2010 732283 1 732283 1 2011 935238 6 935238 6 2012 1061588 2 1061588 2 2013 1075044 4 1075044 4 泰迪杯大学生数据挖掘竞赛论文报告 第19 页 共 31 页 fcsforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 77562 00 77562 00 2001 90775 11 90775 11 2002 109138 77 109138 77 2003 134059 32 134059 32 2004 146222 18 146222 18 2005 168902 47 168902 47 2006 200218 89 200218 89 2007 239282 37 239282 37 2008 262051 47 262051 47 2009 305840 06 305840 06 2010 349613 06 349613 06 2011 416959 47 416959 47 2012 512650 57 512650 57 2013 612247 30 612247 30 yhsforecast fitted Time Series Start 2000 End 2013 Frequency 1 xhat level 2000 21159 00 21159 00 2001 28123 44 28123 44 2002 30105 84 30105 84 2003 35560 56 35560 56 2004 42489 45 42489 45 2005 67622 99 67622 99 2006 64862 22 64862 22 2007 80911 72 80911 72 2008 110673 63 110673 63 2009 132518 26 132518 26 2010 154362 26 154362 26 2011 194580 79 194580 79 2012 211022 69 211022 69 2013 219622 31 219622 31 ggczsrforecast fitted Time Series Start 2000 End 2013 泰迪杯大学生数据挖掘竞赛论文报告 第20 页 共 31 页 Frequency 1 xhat level 2000 1761499 1761499 2001 2005442 2005442 2002 2461907 2461907 2003 2458737 2458737 2004 2747686 2747686 2005 3028671 3028671 2006 3712582 3712582 2007 4270790 4270790 2008 5237790 5237790 2009 6132128 6132128 2010 7026461 7026461 2011 8726344 8726344 2012 9794689 9794689 2013 11023870 11023870 5 观测值和拟合值图 par cex 0 7 plot fujian 2 type o xlab 时间 ylab 地方财政收入合计 lines fujian 1 1 dfczsrhjforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 3 type o xlab 时间 ylab 增值税 lines fujian 1 1 zzsforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 4 type o xlab 时间 ylab 营业税 lines fujian 1 1 yysforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 5 type o xlab 时间 ylab 企业所得税 lines fujian 1 1 qysdsforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 6 type o xlab 时间 ylab 房产税 lines fujian 1 1 fcsforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 7 type o xlab 时间 ylab 印花税 lines fujian 1 1 yhsforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 plot fujian 8 type o xlab 时间 ylab 公共财政收入 lines fujian 1 1 ggczsrforecast fitted 1 type o lty 2 col blue legend x topleft legend c 观测值 拟合值 lty 1 3 cex 0 8 6 获得 2014 年和 2015 年的的各预测值 library forecast 泰迪杯大学生数据挖掘竞赛论文报告 第21 页 共 31 页 dfczsrhjforecast1 forecast HoltWinters dfczsrhjforecast h 2 dfczsrhjforecast1 Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 2014 20880968 18860732 22901204 17791284 23970652 2015 20880968 18024037 23737899 16511669 25250267 zzsforecast1 forecast HoltWinters zzsforecast h 2 zzsforecast1 Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 2014 2215998 2050501 2381495 1962893 2469104 2015 2215998 1981955 2450041 1858060 2573936 yysforecast1 forecast HoltWinters yysforecast h 2 yysforecast1 Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 2014 1623526 1471717 1775335 1391354 1855698 2015 1623526 1408840 1838212 1295192 1951859 qysdsforecast1 forecast HoltWinters qysdsforecast h 2 qysdsforecast1 Point Forecast Lo 80 Hi 80 Lo 95 Hi 95 2014 1155919 1013613 1298226 938280 1 1373558 2015 1155919 954672 1357167 848138 1 1463700 fcsforecast1 forecast HoltWinters fcsforecast h 2 fcsforecast