新冠肺炎疫情对我国社会消费品零售总额的影响程度评价.docx

1、新冠肺炎疫情对我国社会消费品零售总额的影响程度评价EvaluationoftheImpactofCOVID-19ontheTotalRetailSalesofConsumerGoodsinChina杨扬波YANGYangB杨桂元于YANGGui-yuan(淤安徽财经大学财务处，蚌埠233030；于安徽财经大学数虽经济研究所，蚌埠233030)(淤DepartmentofFinance.AnhuiUniversityofFinance&Economics,Bengbu233030.China；于nsli【u【eforQuaniitative&EconomicResearch,An

2、huiUniversilyofFinance&Economic,Bengbu233030,China)摘要院本文选择我国社会消费品零传总额月度数据为研究对象，首先建立多元线性回归模型和季节波动预测模型，在此基础上建立以误差平方和最小为最优准则的诱导有序加权算术平均组合预测模型，对2020年1-2月份我国社会消费品零售总额进行预测。预测结果表明：受新冠肺炎疫情的影响，2020年1-2月份我国社会消费品零售总额比正常情况下下降了25.64%。Abstract:ThisarticleselectsthemonthlydataofChina'stotalretailsalesofcon

3、sumergoodsastheresearchobject,establishesamultiplelinearregressionmodelandaseasonalfluciuationpredictionmodel,onthisbasis,establishesaninducedorderedweightedaveragecombinationpredictionmodelthatusestheminimumerrorsumofsquaresastheoptimalcriteriontopredictthetotalretailsalesofconsumergoodsinChinafrom

4、JanuarytoFebruaryof2020.Theforecastresultsshowthat,duetolheimpactofCOVID-19,thetotalretailsalesofconsumergoodsinChinafromJanuarytoFebruaryof2020decreasedby25.64%comparedwithnormalconditions.关键词痢冠肺炎疫情：社会消费品零售总额；K)WA；组合预测模型：预测精度Keywords:COVID-19：totalretailsalesofconsumergoods：IOWA：combinedpredictionm

5、odel；forecastaccuracy中图分类号汗201；F222文献标识码KA。引言新冠肺炎疫情发生以来，按照疫情防控的需要和要求，居民减少外出购物，纷纷取消聚会聚餐，非生活必需类商品销傍和餐饮业受到明显冲击，居民宅在家里生活也简单化甚至一些生活必需品的消费也受到严重影响。同时，文化和旅游部发布有关暂停旅游企业经营活动的紧急通知，景区订票一律取消，旅游企业暂停经营，旅游住宿等相关行业也受到严重影响。居民消费受到抑制，春节假期及2月份消费市场受到冲击明显。为J'准确评价新冠肺炎疫情对我国居民和社会消费的影响，本文选择我国社会消费品零售总额（单位：亿元）为研究对象，首先建立多元线性回

6、归模型和季节波动预测模型,然后以预测精度为诱导值、以误差平方和最小为最优准则建立诱导有序加权算术平均组合预测模型，以便提高预测精度。用建立的组合预测模型对疫情发生以来2020年1-阴份我国社会消费品零售总额进行预测。预测值可看作未受新冠肺炎疫情影响（正常情况下）社会消费品零售总额，将其与202印1-用份社会消费品零售总额（统计数据）岫岫心"欢情的影响,我国2020年1-2月份社会消费品零售总额比正常年份下降了25.64%。多元线性同归模型山于我国社会消费品零售总额*受到多种因素的影响，本文基于经济学理论与统计数据的特征，通过逐步回归剔除对社会消费品零售总额影响不显著的因素，采用计量经

7、济模型，筛选出对社会消费品零售总额影响最大的流作者简介庄杨扬（1983-），男，安徽箫县人，安徽财经大学财务处财务科科长，硕士，研究方向为财务管理：杨桂元（1957-）,男，安徽萧县人，安徽财经大学教授，学士,研究方向为经济预测理论与方法。文章编号K1006-43H（2020）18-0031-03通中的货币供应量（M<F亿元）Xh、国家财政支出（亿元）如和货运量（亿吨）加样本区间为2000年1月至2019年12月20年共240个月，建立多元线性P1归模型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为了预测2020年1-3月份社会消费品零售总额，首先根据时间序列数据应用指数平滑预测2020年1-2月份的流通中的货币供应量分别是93249.16亿元和88187.05亿元：2020年1-2月份的财政支出分别是15334亿元和18018亿元：2020年1-2月份的货运量分别是42.7亿吨和27.9亿吨。根据多元线性回归模型（1）预测2020年1-2月份的社会消费品零售总额分别是35571.3亿元和亿元。30172.0节波动预测模型由我国社会消费品零售总额月度数据*可以看出，呈现出逐步增长的长期趋势和不

9、同月份有规律的季节波动。对我国社会消费品零传总额月度数据的分析可以看出，2016年3月以后的数据比较平稳，尤其是2016年1-2月份数据异常，因此采取样本区间2016年3月至2019年12月（4价月，4期），建立带有季节波动的预测模型。首先建立反映长期趋势的一元线性回归模型，然后采取加法模型测算1-1月份的季节系数用季节系数对长期趋势进行调整。得季节波动预测模型"y2t=26542.64+201.0566t+St（modl2）（43.8748）（8.9703）其中t是从2016年3月-2019年12月编序号为1-46oS«y是月份编号为t对应的加法型季节系数（由于按季节分成

10、12个月，t按12同余），根据2016年3月-2019年12月样本数据计算: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样本期内平均预测精度达98.51%。应用季节波动预测模型预测2020年1-2月份的社会消费品零售总额分别是36697.8亿元和34689.5亿元。3组合预测模型为了提高预测精度，将多种预测模型进行组合，形成组合预测模型，本文考虑预测精

11、度为诱导值，建立变权重的诱导有序加权算术平均(InducedOrderedWeightedAverage,IOWA)组合预测模型设对同一预测问题，有n种预测方法。记第t期实际观察值、第i种预测方法第t期预测值和第i种预测方法第t期预测的绝对误差分别为y“g,其中第i种预测方法第I期预测的精度为琢,i=l,2,n；t=l,2,，No其中给定权重向量二1-|(入-%)/*当|(月-*")/丸<1当i(月21尹二(叫，的,叫),，其中且满足.=1，称/=1乏它皿5，)为由精度序列皿,，,所产生的凹,疗2,，,诱导有序加权算术平均(1OWA)组合预测,t=l,2,-,N0记ea-ind

12、ex(it)=H一Va-index(it)为博导预测误差，i=l,2,n；t=L2,No于是诱导有序加权算术平均【OWA)组合预测第期的预测误差为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，诱导有序加权算术平均(IOWA)组合预测第I期的预测误差为同期各单项诱导预测误差的同一加权算术平均。诱导有序加权算术平均组合预测N期(样本期)的预测误差平方和为/=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=则称E=(E,)n所为n阶诱导有序加权算术平均(IOWA)的预测误差信息矩阵，则误差平方和Q二WEW。因此,基于预测误差平方和最小的IOWA组合预测优化模型为mxQ=WTEW=1=1/=1W+吗+=1吗,电,w“20对于上述两个预测模型要建立诱导有序的加权算术平均组合预测模型，使得在样本期内预测误差平方和最小。将本文所建立的多元线性回归模型和季节波动预测模型在各个时点按精度进行诱导，按照预测精度高和预测精度低分别列出见表1。由表1可以计算出两种预测方法的

14、诱导误差信息矩9500743.7929867.5)、929867.5438334036.7)(4)因此式(3)所对应的组合预测优化模型为：min。=9500743.7诚+1859735吗的+438334036.7w+h2=1W,w2>0对式(4)求解得：w,=0.9808,w2=0.0192,Q*=minQ=9336026因此，所建立的组合预测模型为：%=°980%_湖响)+°°192扁_讷蛔2。样本期内组合预测预测值、误差和精度见表1。样本期内平均预测精度98.75%,误差平方和Q*=minQ=9336026。为了便于比较两种单项预测模型和组合预测模型的优

15、劣，将样本期内预测误差平方和(errorsumofsquare,SSE)、样本期内平均预测精度(averageforecastaccuracy.AFA)进行比较列表，见表2。组合预测模型显著提高了预测精度，降低了预测模型的误差平方和。因此用组合预测模型进行预测具有较高的预测精度。4预测与评价由于是变权重组合预测模型，在每期预测结果组合预测模型的权重是根据预测精度高、低分别取权重0.9808和0.0192但在预测期无法预知两种单项预测方法的预测精度，本文采取简单平均法确定预测期的权重。组合预测模型在期懈本期内多元线性回归模型有期权瓯0.9808,36期的权重0.0192；季节波动预测模型有0期的

16、权重0.01923剿的权重0.9808将样本期内的平均权重作为两种单项预测模型预测期的权重，分别为：0.2282,0.771顶测结果见表。3由受新冠肺炎疫情的影响，经彭02咋1-2J份社会消费品零售总额实际值应龙9.8月份波有单独列出)，年20为份社会消费品零售总额预测值(可以作为正常情况下的社会消费品零售总额)亿元»70100.9预测结果表明：由于受新冠肺炎疫情的影响，我国社表1按精度诱导的预测精度高尧预测精度低和组合预测模型的误差和精度表2两种单项预测模型和组合预测模型的优劣比较预测模型时期多元线性回归模型（权重0.2282）季节波动预;则模型（权重0.7718）组合预测模型20

17、20年1月35571.336697.836440.72020年2月30179.034689.533660.2会消费品零售总额比正常年份下降了25.64%。时间社会商品零告总额坝删稍度局地测档度低组台坝测误差精度误差精度预测值误差精度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屿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机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