針對經濟預測中數據缺失及其處理的淺析

李慧云

【摘要】經濟預測既是一種科學，也是一種藝術，既依賴于客觀的數據規律，也依賴于數據學家的預測。這種特性導致經濟預測過程中可能會出現數據缺失的問題，由于條件的差異，數據缺失問題的種類也顯示出了相應的不同。文章深入地分析了經濟預測過程中常見的數據缺失的類型，并以此為基礎提出了具有針對性的解決措施，希望可以為相關工作人員提供一定的指導與幫助。

【關鍵詞】經濟預測；數據缺失；處理方式；預測填補

為了有效地預測經濟市場中存在的各種不確定的運行風險，全面提高經濟效益，需要進行全面的經濟預測。經濟預測可以被定義為一種分析程序，在得到最終的數據結果之前，需要被不斷重復、循環。

其中涉及大量的數量關系，需要專業工作人員進行細致的計算、比對、分析。隨著我國市場經濟體系的不斷發展，國內外經濟市場的深入交流導致我國市場內出現了更多復雜且多變的經濟現象，為了透過這些現象找到其中的本質內涵，提高現代企業在制定戰略發展及管理策略方面的準確性與科學性，需要對經濟現象中的內在聯系及數據關系進行全面的分析與預測。但是在經濟預測的過程中，常常會出現各種問題指示數據出現不全面或是缺失的問題，基于此，文中對經濟預測數據缺失的類型進行了深入的分析，并提出了相關解決措施。

一、經濟預測行為與數據缺失

經濟預測作為一種必要的經濟形勢分析方式，由于其種類的不同導致其經濟數據缺失的類型和原因也各不相同。經濟預測行為通常被分為以下三種類型：

（一）以經濟預測的范圍進行劃分

經濟預測行為包括國民經濟預測和企業經濟預測兩大類型，也包括部門經濟預測、地區經濟預測、世界經濟預測。

（二）以經濟預測的時效進行劃分

預測的類型存在短期預測、長期預測、中期預測的區別，其中短期預測和長期預測在預測對象的性質、要求、各國習慣等方面均存在明顯的差異。在實踐過程中，通常以預測期間內某項指標是否出現了根本性質的變化依據，將預測類型劃分為長期預測和短期預測，相比之下，中期預測具有明顯的過渡性。

（三）以經濟預測的性質進行劃分

預測行為存在質的預測和量的預測兩種主要類型。如果在進行某項經濟預測的過程中，需要相關預測者對所需要預測事物進行概括性的了解和掌握，并對其變化趨勢進行準確的描述，判斷所預測現象的發生頻率的高低，此時就可以采用質的預測。在預測過程中，如果需要利用一些已知的經濟指標推算另一些指標的未來值，進而說明達到這些數值的概率，就采用量的預測。如果預測變量的數值是一種單一數值，則可以被稱為點值預測。如果預測變量的數值有一個幅度，處于上限和下限的區間之內，則可以被稱為區間預測。

二、經濟預測數據缺失處理的常用方法

各項經濟數據在收集和保存的過程中可能會受到各種因素的影響出現數據缺失的問題，比如對于某一項經濟數據在收集的過程中，由于量化指標不清晰或者是收集的資料不全面、人手不足等，會導致原始經濟數據的不全面。另外，在對數據進行管理的過程中，紙質數據可能會出現破損問題，電子數據由于數據庫維護、軟件版本升級等也可能會出現數據缺失的問題。這些問題對經濟預測行為造成了極大的困擾，為了處理此類問題，筆者將常見的數據缺失處理方式歸納為以下類型：

（一）數據刪除法

操作最為簡便的處理方式是數據的刪除法，也就是在進行經濟數據未來走向的預測過程中，直接將缺失的數據刪除掉，將其劃分在所需要考慮的數據范圍之外，直接使用現有的數據完成預測過程。比如說，在預測服裝外貿的出口值差異時，現明確2013～2014年的數據，但是缺少2012年的數據，此時可以直接將2012年的數據刨除，在現有數據的基礎之上進行經濟情況預測。相比于其他處理方式，刪除法所得到的數據在科學性和準確性方面由于對數據規律的探究有所不足，因此可能存在著一定的欠缺。

（二）推斷法

相比之下，推斷法補充缺失的經濟數據在科學性方面有所提升，統計數據中極有可能某些數據是在長期的存放過程中，如前文所說紙質數據在保管的過程中，由于保管不當可能會致使某一項數據不全或是缺失，此時難以直接算出數據的增長率或是下降率，需要進行合理的數據推斷。比如，如果在數據缺失的情況下想要算出2015年6月的零售商品銷售總值，可以利用同年5月的銷售數據乘以同比增長率即可得到2015年6月的零售商品銷售總額。此種方法同樣可以被應用于工業、農業、服務業等各項產業的增長總值的缺失數據補充的過程中，為未來階段內經濟形式的預測提供更加科學的依據。這種數據的填補方法與經濟理論具有極高的貼合度，因此可以充分地保證填補的準確性。但是這種方法并不能被應用于所有的數據預測過程中，如果所需補充數據前一年或者是前一個月的數據也不全面，則無法準確地計算相應的數據，此時這種方法無效。

（三）取平均數法

詳細來說就是利用缺失數據前后的同類型數據，將其相加并取其平均數，將這個平均數作為缺失部分的數據，以完成接下來的經濟預測。這種方法的適用范圍通常是缺少某一個月度、季度或者年度的數據。比如在預測某城市2016的食品消費總額這個數據指標時，如果發現缺少今年缺少2015年1月的相應數據指標，則可以取2015年2月和2014年12月食品消費額數據的平均數完成對2015年1月食品消費情況缺失數據的補充。

（四）取等差數列法

在計算方法與理論上，此種方式與取平均數法存在著某些相似性。但是這種補充方式的使用范圍更大，一般在預測的過程中如果發現缺少兩個或兩個以上的所需數據時，則可以選擇該種方式。比如：某沿海城市2015年度的海鮮產品出口總額這一數據不全面，7月、8月、9月這三個月的數據缺失，此時可以使用5月的數據和9月的數據，完成對缺失數據的補充，此過程需要使用等差數列法，充分考慮出口產值的遞增或者是遞減的情況，進行合理的數據補充，進行接下來的經濟預測。

三、Knowledge Miner預測填補數據法

與其他集中數據補充的方法相比，預測填補數據法在準確性上更高，因此往往具有較高經濟預測的滿意度。隨著市場經濟的不斷發展，經濟現象的復雜性不斷顯現，為了有效地應對數據缺失的問題，預測填補數據法的數據補充效果得到了更廣泛和深入的認可。為了提高數據預測的準確性，往往需要設定合理的檢驗標準來提高數據補充的科學性，并進一步提高經濟預測的滿意程度。

預測填補數據法當中所涉及的各項經濟預測指標之間往往存在著必然的聯系。在實際的經濟預測過程中，可以將Knowledge Miner預測填補數據法視為一種自組織建模和預測的工具，該種計算方式所得到的各項數據更具準確性，因此具有良好的確實數據填補效果。此外，這種填補預測方式在操作上更加簡單、便捷，可以有效地提高經濟預測的效率，預測過程中一般不需要其他分析軟件的幫助，既提高的數據預測的時間，也為企業有效的節約了經濟預測的成本。另外，Knowledge Miner預測填補數據法可以有效地排除各種經濟指標之間的聯系性對預測行為所產生的不必要的干擾，提高了預測的準確性。

四、結語

總而言之，經濟預測活動對于企業合理戰略策略的制定具有至關重要的意義，該項活動本身存在著固有特點和規律。經濟缺失是經濟預測過程中不可避免的一種經濟問題，需要相關人員采用各種方法完成缺失數據的補齊工作，此時需要充分明確數據之間的各項關系，分析同類型經濟數據在發展過程中存在的客觀規律，在此基礎上做出合理的經濟預測，文中提出了幾種常見的缺失數據的補充方式，并深入地論證了Knowledge Miner預測填補數據法的數據補充有效性。希望通過本文可以為相關工作人員提供有價值的借鑒與參考，以不斷提高經濟預測的科學性與準確性。

參考文獻

[1]徐健銳，李星毅，施化吉.處理缺失數據的短時交通流預測模型[J].計算機應用，2010，（4）.

[2]莫仕勛，吳杰康，李如琦，貝宇.負荷預測系統數據缺失與畸變的分析及其處理[J].廣西大學學報（自然科學版），2010，（2）.

[3]毛李帆，姚建剛，金永順，李文杰，關石磊，陳芳.中長期負荷預測的異常數據辨識與缺失數據處理[J].電網技術，2010，（7）.

[4]沐守寬，周偉.缺失數據處理的期望——極大化算法與馬爾可夫蒙特卡洛方法[J].心理科學進展，2011，（7）.

[5]李騫，郭慧玲.經濟預測與分析的智能數據挖掘[J].煤炭技術，2011，（10）.

[6]穆肇南，張健.數據挖掘技術在經濟預測中的應用[J].計算機仿真，2012，（6）.

[7]喻國明，樊擁軍.傳統媒體預測經濟的“大數據+”模式及實踐價值[J].編輯之友，2016，（1）.