基于统计分析方法的宏观经济结构和趋势研究

发布时间：2020-07-21 09:15

【摘要】：自1978年以来,中国经济一直保持着稳定快速的增长状态,经济总量持续上涨,并成为了世界第二大经济体。就中国整体发展而言,经济发展状况还是可观的,但各省市之间的发展还存在着差异,且考察一个国家或者地区的发展不能只看GDP这一指标,需要对国家或地区进行全面的考察。本文主要从经济结构均衡性研究和经济趋势预测两方面入手,对31个省市经济情况进行评价。本文通过对经济影响因素的考量,主要从市场、政府、社会、科技、生态环境和国际化这六个方面对经济发展状况进行评价。利用因子分析对这六个综合方面进行分析,得到各省市的六元综合评分,将评分结果进行归一化后进行可视化。在对我国各省市的经济均衡结构有一定的了解,各省市对现阶段自身的整体发展情况有一定把控的基础上,对未来经济发展趋势进行研究。本文选用GDP涨幅作为经济趋势的重要评价指标,使用可解释性强的梯度提升树对GDP的增长率率进行预测,并将XGBoost模型预测结果与BP神经网络模型的预测结果进行对比。主要得到以下结论:(1)根据各省市的六元综合评分,并结合六元平均得分系数,可以将我国省市大致分为三类:完全均衡型、一般均衡型、均衡欠缺型。完全均衡型省市主要有广东、江苏、山东、上海、北京、浙江,一般均衡型省市有福建、四川、湖北、天津、重庆、辽宁、安徽,其余省市可能低于平均水平的指标较多,因此划分为均衡欠缺型。各省市可以依据自身发展的特点,采取相应的发展举措。(2)通过XGBoost模型与BP神经网络模型的对比分析,结果表明XGBoost模型在GDP涨幅预测中优于BP神经网络模型,具有较好的短期预测效果。因此,在对各省的GDP增长率进行短期预测时,可采用XGBoost模型进行预测。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F222.33;F123.16
【图文】：

过程图,系统聚类法,系统聚类方法,过程

照上述方法计算新类之间的距离，直到将所有的样本合成一个类为止。通常选取不同的距离计算公式，就可以得到不同的系统聚类方法。系统聚类方法的步骤可描述如图 2-1 所示。

算法流程图

图 2-2 K-means 算法流程图介绍rman 首先提出了因子分析方法[26]，用同时对多个变量进行分析，利用指标变行简化，尽量综合成少数几个综合指标的本质。及模型据相关性将数据进行分组，分组的原则相对较小。每一组元素其实反映了变量标表示，并称之为公共因子。：设有个样品，每个样品有个指标，记为。为了避免由于数据量纲不一致

流程图,神经网络,流程图,流程图法

kkyf net 0 带入 2-63 2-70 得到 1 1M Nlkpp k k β ρ T 1 1M Np k plk γ ρ T 1 1M Np pk k kkipα ρT F 1 1M Np pk k p kkθ ρ T F 数和偏置进行更正，最终络流程图法流程如下：BP神经网络参数初始化

【相似文献】