世界上網人口與電子商務交易額預測

王小東　楊堅爭　楊納川

摘要：電子商務交易額預測是電子商務發展預測中的一項重要研究課題。電子商務交易額的增長主要與因特網上網人數及網上人均交易額的增長相關。本文在廣泛收集有關數據的基礎上，參考國內外有關研究報告，利用1985-2011年世界上網人口以及1995-2011年電子商務交易額的時間序列分別對數據進行平穩化處理、模型識別、參數估計，建立時間序列模型，并對模型進行檢驗，確定較適合的自回歸移動平均模型。利用該模型對2009-2011年數據分別做出計算值，并與實際值比較，結果表明相對誤差均在5%之內，預測模型良好，繼續利用模型對世界未來幾年因特網上網用戶數進行了預測，最后完成了電子商務網上交易額的近期發展預測。

關鍵詞：時間序列；世界上網人數；羅吉斯曲線；電子商務交易額

一、世界各國關于電子商務發展的相關理論研究

電子商務的發展現狀已引起人們對電子商務發展前景的極大關注，許多調查公司、學者對未來互聯網的市場潛力和電子商務的發展進行了預測，如工業和信息化部頒布的《互聯網行業“十二五”發展規劃》提出，到2015年我國將實現電子商務交易額18萬億元，互聯網企業直接吸納就業超過230萬人，并帶動更大規模的就業增長。艾瑞咨詢集團預測，到2015年，我國電子商務市場交易可達到規模15.7億元，網絡市場交易規模可達到25510.0萬億元。也有機構和學者作了相關的預測。

從上面的資料我們看出預測主體不同，預測的結果差別很大。其原因在于對電子商務的定義不同，統計資料的來源、多少也不相同，預測方式和方法有較大區別。此外，由于信息技術的發展異常迅猛，對電子商務的影響極大，人們一時還很難精確地描述這一新生事物的未來。然而，必須明確，電子商務與經濟生活中的其它事物一樣，是有規律可循的，它同樣表現出波動性、慣性、關聯性、系統性和隨機性。只要把握好電子商務的這些性質，就可能在一定程度上把握電子商務的發展態勢，對電子商務活動進行較為準確的預測。

二、預測的出發點及數據采集

由于電子商務是20世紀90年代初才被逐步推廣的，且對其概念沒有一致的看法，因而對電子商務統計數據的搜集以及對其影響因素的分析還很不系統；影響電子商務發展速度的因素眾多（如上網用戶數，上網用戶購買力水平等）且很難量化，因此對電子商務發展的預測存在很大的困難。我們認為，較容易獲得又比較全面反映電子商務發展狀況的是歷年的上網人數和網上交易額的統計數字。有鑒于此，我們設計了本文研究的預測路線，即首先對世界上網用戶數進行預測，然后預測網上交易額，以此對電子商務的近期發展預測和中長期發展預測進行分別研究。表1反映了世界電子商務上網人數和網上交易額有關的歷史數據。

三、ARIMA模型預測世界上網人口的數據

20世紀70年代初，博克思（Box）和詹金斯（Jenkins）提出的著名的時間序列預測方法，又稱為Box-Jenkins模型、博克思-詹金斯法、ARIMA模型。其中ARIMA（p，d，q）稱為差分自回歸移動平均模型，AR是自回歸， p為自回歸項； MA為移動平均，q為移動平均項數，d為時間序列成為平穩時所做的差分次數。時間序列預測一般反映三種實際變化規律：趨勢變化、周期性變化、隨機性變化。ARIMA模型使時間序列分析理論上升到了一個新的高度，預測的精度大大提高。

下面以我國1995—2011年世界上網人口數據，用時間序列分析法對數據分析，并通過其預測2010-2011年的世界上網人口與實際上網人口比較，選取最為合理的預測方法對未來幾年世界上網人口做出預測。同時，選取1985-2011年世界上網人口數據為樣本。

（一） 平穩性檢查

采用EViews6.0對1985-2011年世界上網人口數據進行分析，得到1985-2011年世界上網人口時間序列。由此可知，隨著世界科技水平日益提高以及計算機、互聯網的廣泛普及，世界上網人數在過去的27年總體呈現出一種指數增長的趨勢，特別是在1999以后，增長迅速。因此可以將其判斷為非平穩時間序列。對于含有指數趨勢的非平穩時間序列，要使其平穩化，通常可以通過對指數趨勢進行對數變換后轉化為線性趨勢，然后再對其進行差分來消除線性趨勢。為此，先對世界上網人口數據取對數并作差分，得到修正后的時間序列，然后對其進行ADF單根檢驗來判斷修正后的時間序列的平穩性，然后選擇ARIMA（p，d，q）模型中合適的d值。

對做二階差分，并對其做ADF檢驗，檢驗結果顯示，二階差分序列在1%的顯著性水平下拒絕存在單位根的原假設，接受不存在單位根的結論，因此可以確定序列是二階單整序列，即d值取為2，。圖1為的二階差分時序圖。

（二） 時間序列模型的識別與參數估計

模型的選擇與p，q的確定可以通過樣本的自相關與偏自相關函數的觀察獲得。在計算出樣本自相關系數和偏自相關系數的值之后，就要根據它們表現出來的性質，選擇適當的模型擬合觀察值序列。這個過程實際上就是要根據樣本的自相關系數和偏自相關系數的性質估計自相關階數p與移動平均階數q，因此模型識別過程也稱為模型定階過程。

二階差分后自相關與偏自相關系數如圖2。

選取ARIMA（p，2，q）模型，現在主要問題是要對ARIMA中p，q進行定階。觀察Ln（pop）的自相關和偏自相關圖，利用2倍標準差范圍輔助判斷，樣本自相關函數值AC與偏自相關函數值PAC都落在了95%的置信區間（-0.3772，0.3772）的內部，因此在5%的顯著性水平下不拒絕AC=0，PAC=0的假設。據此可認為Ln（pop）是一個白噪聲，從而可以建立Ln（pop）的純MA（0）模型，或建立世界上網人口（POP）的ARIMA（0，2，0）模型。

然后，對2009-2015年世界上網人口進行預測，如表2。

當然，由于在滯后1期時，AC=PAC=-0.306，接近于5%顯著性水平下的臨界值-0.37，所以也可以考慮建立純AR（1）模型，或建立MA（1）模型，或建立ARIMA（1，2，1）。因此，可供選擇的（p，q）的組合為（0，1）、（1，0）、（1，1）。

（三） 殘差白噪聲檢驗與模型優化

已將所有的p，q可能取值列出：（0，1）、（1，0）、（1，1）。下對以上模型進行殘差的白噪聲檢驗與模型的平穩性檢驗。最后用AIC準則、SC準則對模型進行優化。詳見表3。

能通過殘差的白噪聲檢驗和平穩性檢驗的組合有（1，0）、（1，1）。根據AIC、SC準則的模型優化要求，最合適的p，q組合應為（1，1）。下面將對其具體的模型的平穩性檢驗與殘差的白噪聲檢驗給出說明：

根據圖3參數估計結果顯示，模型的滯后多項式倒數根均落在單位圓內，滿足過程的平穩要求。圖4給出了模型殘差的白噪聲檢驗，可見殘差的自相關值和偏自相關值都落入了隨機區間，與0無顯著差異，說明殘差序列是白噪聲。

四、退勢平穩序列法預測世界電子商務交易額

首先，和第五部分處理方法一樣，把世界電子商務交易額序列的對數變換序列（ln（trade））當作退勢平穩序列處理。分析退勢之后序列的自相關和偏自相關圖，做出如下回歸：

（1985，t=1）

提取殘差做自相關和偏自相關圖，發現為過程。因此可以用EViews來估計模型的參數，得出解：

并且模型的殘差通過白噪聲檢驗，特征方程的根在單位元外，模型通過診斷檢驗。圖6描述了世界電子商務交易額的真實值（TRADE）與預測值（TRADEF）的曲線圖，可以看出預測值非常接近真實值。

在此基礎上，將對世界電子商務交易額進行預測，如表4。

五.說明與分析

1、 根據前面的預測，2012、2013、2014年的世界上網人數分別為255003.4萬，286646.4萬，321835.8萬。未來三年的交易額為343299.0億美元，434707.1億美元，547418.7億美元。考慮到社會經濟發展的不穩定性，可能會阻礙電子商務的發展速度，但基本不會以很大的比例偏離預測值，所以，未來的幾年將依然是電子商務豐收的幾年。

2、在世界經濟復蘇步伐放緩的嚴峻環境下，不斷創新商業模式，大力開拓電子商務市場，充分挖掘潛力潛力，可以大大促進經濟的增長。

3、隨著電子商務作為戰略性新興產業和服務業發展重點行業地位的確定，電子商務的發展受到各方面的高度重視，大大促進了這一新興產業的發展。

參考文獻：

[1] 薛冬梅. ARIMA模型及其在時間序列分析中的應用[J]. 吉林化工學院學報， 2010（3）： 80-83

[2] 張波.湖北省人均GDP時間序列模型及預測[J]. 中南財經政法大學研究生學報，2006（2）： 95-100

[3] 陳飛，高鐵梅. 結構時間序列模型在經濟預測方面的應用研究. 數量經濟技術經濟研究， 2005（2）： 95-103

[4] 劉薇. 時間序列分析在吉林省GDP預測中的應用[M].

[5] 李瑩. 時間序列分析在山東省GDP預測中的應用研究[M].

[6] 王厚芹.電子商務交易額（2000-2004）. 世界電子商務的昨天、今天和明天（1）[N]， 中國計算機報， 2002-04-01.

[7] 電子商務交易額（2005-2011）：商務部. 中國電子商務報告（2010-2011）. 清華大學出版社，2012.

[8] 王永聯.關于金融學本科專業課程雙語教學的探討[J].上海理工大學學報，2004，04.