情景分析预测论文

情景分析预测论文

————————————————————————————————作者：————————————————————————————————日期：

中国城镇居民人均可支配收入的情景预测

摘要：情景预测法是20世纪70年代兴起的一种预测技术，又称剧本描述法。随着我国经济的快速发展，人们生活水平逐步提高，城镇居民人均可支配收入也在不断提高。本文根据1978－2006年有关数据，对城镇居民收入情况进行分析，并用情景预测法和线性二次移动平均法[]2预测2007年的城镇居民人均可支配收入。

关键词：情景预测法线性二次移动平均法城镇居民人均可支配收入

引言

伴随着中国经济体制改革的逐步深入，市场机制的调节作用日益强化，国民的收入也在不断地提高。本文是利用1978—2006年城镇居民和农村居民人均可支配收入数据，选取农村居民人均可支配收入作为解释变量对镇居民人均可支配收入做回归，进行分析。

第一章 模型的方法

1.1情景预测法]1[的概念

情景预测法是对将来的情景做出预测的一种方法，它把研究对象分为主题和环境，通过对环境的研究，识别影响主题发展的外部因素，模拟外部因素可能发生的多种交叉情景，以预测主题发展的各种可能情景。

情景预测法首先是构造一个“无突变”情景A ，即在假定当前的环境不发生重大变化的条件下研究对象的未来情景；然后分析情景A 的环境因素，就个因素的不同取值从而对A 造成不同的影响，由此产生了B 和情景C ，进而可以得到A ，B ，C ，AB ，AC ，BC 六种情景；同时，还可假设有突发事件D ，它对情景A ，B ，C 又有不同程度的影响，从而又产生了AD ，BD ，CD ，ABD ，ACD 。BCD 六种情景，由于环境因素的不同取值，还可得到其他多种情景，但情景的范围是确定的为

D C B ⋃⋃如下图1

图1 情景示意图

1.2情景预测法的特点

情景预测法的特点主要表现在：

第一，适用范围很广，不受任何假设条件的限制，只要是对未来的分析，均可使用。

第二，考虑问题周全，又有灵活性。它尽可能地考虑将来会出现的各种状况和各种不同的环境因素，并引入各种突发因素，将所有的可能尽可能地展示出

D

A

来，有利于决策者进行分析。

第三，通过定性分析和定量分析相结合，为决策者提供主、客观相结合的未来情景。它通过定性分析寻找出各种因素和各种可能，并通过定量分析提供一种尺度，使决策者能更好地进行决策。

第四，能及时发现未来可能出现的难题，以便采取行动消除或减轻它们的影响。

1.3情景预测法的一般步骤

确定预测主

根据预测主题，寻找资料，充分

寻找影响主题的环境因素，要尽可能

将上述影响因素归纳为几个影响领域，

分析在不同影响领域下主题实现的可能

对各种可能出现的主题

第二章 线性二次移动平均法[]2

如果时间序列具有明显的线性变化趋势，则不宜采用一次移动平均法及一次指数平滑法来预测。当序列具有随机时，存在预测值滞后于实际值的情况。为了避免利用移动平均法预测有趋势的数据时产生的误差，发展了线性二次移动平均法。它不是用二次移动平均数直接进行预测，而是在二次移动平均的基础上建立线性预测模型，然后再用模型预测。

二次移动平均数计算公式：()

()()()

N

S S S S N t t t t

111112+--+⋅⋅⋅++= 式中,()1t S 是

第t 周期的一次移动平均数，()1t S 是第t 周期的二次移动平均数，N 是计算移动平均数所选定的数据个数。

线性二次移动的线性模型预测为T b a F t t T t *+=+式中，t 为目前的周期序列号；T 为由目前周期t 到预测周期的周期间隔个数，即预测超前周期数；T t F +为t+T 周期的预测值；t a 为线性模型的截距；t b 为线性模型的斜率，即单位周期的变化量。

其中t a 、t b 的计算公式为：()()212t t t S S a -= ()()()

211

2

t t t S S N b --=

第三章建立模型

3.1数据来源及处理

从中国统计年鉴，我们可以得到了中国城镇居民人均可支配收入和农村居民人均可支配收入的数据，如下表1所示，

表1

年份城镇居民人均可支配收入农村居民可支配收入

1978 343.4 133.6

1979 387 160.2

1980 477.6 191.3

1981 491.9 223.4

1982 526.6 270.1

1983 564 309.8

1984 651.2 355.3

1985 739.1 397.6

1986 899.6 423.8

1987 1002.2 462.6

1988 1181.4 544.9

1989 1373.9 601.5

1990 1510.2 686.3

1991 1700.6 708.6

1992 2026.6 784

1993 2577.4 921.6

1994 3496.2 1221

1995 4283 1577.7

1996 4838.9 1926.1

1997 5160.3 2090.1

1998 5425.1 2162

1999 5854 2210.3

2000 6280 2253.4

2001 6859.6 2366.4

2002 7702.8 2475.6

2003 8472.2 2622.2

2004 9421.6 2936.4

2005 10493 3254.9

2006 11759.5 3587