河北省地方财政收入影响因素分析及短期预测
发布时间:2021-02-19 23:38
地方财政收入是区域国民经济发展状况的综合反映,相关部门制定有效的财政政策和加强地方财政收入的监督管理都离不开财政收入的预测。河北省地理位置优越,环京津、临渤海,经济的发展推动了地方财政收入的增长。现今随着京津冀协同发展重要战略的开展,河北省迎来了有利的发展机会,精准的财政收入预测在提高决策管理水平和促进国民经济协调快速发展方面有十分重要的应用价值。建立科学合理的预测机制,提出更创新有效的预测方法,这对于建设河北经济,促进社会发展具有重要的意义。本文在分析已有预测方法的特点和不足基础上,以河北省19942017年的地方财政收入及其他相关经济指标数据为样本,首先,利用Adaptive-Lasso模型、随机森林模型分别对影响河北省地方财政收入的因素进行选择。其次,将各自筛选出的变量进行XGboost回归预测建模,同时与不进行任何变量筛选建立出的模型进行比较,以平均绝对误差及R方为衡量标准,结果发现:随机森林方法筛选出变量后再进行XGboost建模拟合出的模型平均绝对误差小于另外两种模型,预测效果好,而同时R方大于另外两种模型,拟合效果好。最后,依据随机森林方法筛选出的9...
【文章来源】:河北经贸大学河北省
【文章页数】:46 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 国内外研究现状述评
1.4 研究内容与组织结构
1.5 技术路线图
1.6 创新点
2 预备知识
2.1 Adaptive-Lasso变量选取
2.2 随机森林
2.3 XGboost方法
2.4 灰色预测
2.5 神经网络
2.6 本章小结
3 河北省地方财政收入影响因素的分析
3.1 数据的理解
3.1.1 数据来源
3.1.2 河北省地方财政收入的影响因素描述说明
3.2 河北省地方财政收入及影响因素的描述性分析
3.3 河北省地方财政收入及影响因素的相关分析
3.4 模型建立和实证分析
3.4.1 Adaptive-Lasso变量选取
3.4.2 随机森林变量选取
3.4.3 XGboost回归建模
3.5 本章小结
4 河北省地方财政收入的未来3期预测模型
4.1 单个影响因素的灰色预测
4.2 神经网络预测
4.3 本章小结
5 结论及展望
5.1 结论与建议
5.1.1 河北省地方财政收入预测结论
5.1.2 河北省地方财政收入政策建议
5.2 展望
参考文献
作者简历
致谢
【参考文献】:
期刊论文
[1]基于ARIMA和GM(1,1)模型的煤炭市场需求预测研究[J]. 姜春海,闫振好,宋志永. 产业经济评论(山东大学). 2019(03)
[2]基于逐步回归筛选的回归组合预测模型[J]. 王自成,朱家明,陈华友. 统计与决策. 2019(17)
[3]基于BP神经网络误差校正的ARIMA组合预测模型[J]. 吴晓峰,杨颖梅,陈垚彤. 统计与决策. 2019(15)
[4]基于CEEMD-SVM组合模型的快递业务量预测[J]. 李辰颖. 统计与决策. 2019(12)
[5]基于灰色预测和径向基网络的人口预测研究[J]. 徐丽丽,李洪,李劲. 计算机科学. 2019(S1)
[6]基于灰色神经网络组合模型的税收预测[J]. 周香连. 市场周刊. 2019(06)
[7]高度重视减税降费中地方财政的可持续性问题[J]. 许生. 财政科学. 2019(04)
[8]武汉市财政收入分析预测模型探究[J]. 张强,董雪. 现代信息科技. 2019(02)
[9]基于灰色-BP神经网络的福州市年平均气温预测模型[J]. 林耿,郑紫微. 河南工程学院学报(自然科学版). 2018(04)
[10]基于灰色RBF神经网络的空气质量预测[J]. 方彦. 中国科技信息. 2018(22)
本文编号:3041870
【文章来源】:河北经贸大学河北省
【文章页数】:46 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 国内外研究现状述评
1.4 研究内容与组织结构
1.5 技术路线图
1.6 创新点
2 预备知识
2.1 Adaptive-Lasso变量选取
2.2 随机森林
2.3 XGboost方法
2.4 灰色预测
2.5 神经网络
2.6 本章小结
3 河北省地方财政收入影响因素的分析
3.1 数据的理解
3.1.1 数据来源
3.1.2 河北省地方财政收入的影响因素描述说明
3.2 河北省地方财政收入及影响因素的描述性分析
3.3 河北省地方财政收入及影响因素的相关分析
3.4 模型建立和实证分析
3.4.1 Adaptive-Lasso变量选取
3.4.2 随机森林变量选取
3.4.3 XGboost回归建模
3.5 本章小结
4 河北省地方财政收入的未来3期预测模型
4.1 单个影响因素的灰色预测
4.2 神经网络预测
4.3 本章小结
5 结论及展望
5.1 结论与建议
5.1.1 河北省地方财政收入预测结论
5.1.2 河北省地方财政收入政策建议
5.2 展望
参考文献
作者简历
致谢
【参考文献】:
期刊论文
[1]基于ARIMA和GM(1,1)模型的煤炭市场需求预测研究[J]. 姜春海,闫振好,宋志永. 产业经济评论(山东大学). 2019(03)
[2]基于逐步回归筛选的回归组合预测模型[J]. 王自成,朱家明,陈华友. 统计与决策. 2019(17)
[3]基于BP神经网络误差校正的ARIMA组合预测模型[J]. 吴晓峰,杨颖梅,陈垚彤. 统计与决策. 2019(15)
[4]基于CEEMD-SVM组合模型的快递业务量预测[J]. 李辰颖. 统计与决策. 2019(12)
[5]基于灰色预测和径向基网络的人口预测研究[J]. 徐丽丽,李洪,李劲. 计算机科学. 2019(S1)
[6]基于灰色神经网络组合模型的税收预测[J]. 周香连. 市场周刊. 2019(06)
[7]高度重视减税降费中地方财政的可持续性问题[J]. 许生. 财政科学. 2019(04)
[8]武汉市财政收入分析预测模型探究[J]. 张强,董雪. 现代信息科技. 2019(02)
[9]基于灰色-BP神经网络的福州市年平均气温预测模型[J]. 林耿,郑紫微. 河南工程学院学报(自然科学版). 2018(04)
[10]基于灰色RBF神经网络的空气质量预测[J]. 方彦. 中国科技信息. 2018(22)
本文编号:3041870
本文链接:https://www.wllwen.com/guanlilunwen/shuishoucaizhenglunwen/3041870.html