2020年社會消費品零售總額的預測①

劉禹 賴家錦 李濤

摘 要：為探討新冠肺炎疫情對社會消費的影響，本文選取有關變量，利用MATLAB建立BP神經網絡模型，并基于該模型預測2020年社會消費品零售總額約為355614億元，從而為政府應對疫情對消費市場的沖擊提供數據支撐。

關鍵詞：社會消費品零售總額;BP神經網絡;經濟內循環

中圖分類號：F724.2 文獻標識碼：A 文章編號：2096-0298（2020）12（b）--03

2020年初，新型冠狀病毒肆虐神州大地，國民經濟生活受到極大沖擊。目前，國內疫情基本得到了有效控制，各地也適時推出消費券等優惠政策進一步拉動內需，激發居民的消費潛力。那么，在國內疫情防控常態化和國際疫情局勢仍然復雜的背景下，2020年下半年我國消費規模能否回升到疫情之前的水平受到了學界和社會的廣泛關注。因此，預測社會消費品零售總額這一體現國內消費需求的重要指標顯得尤為重要。

1 國內文獻綜述

目前，學界對于社會消費品零售總額的預測大多依賴于傳統多元回歸分析法和時間序列分析法。羅森、張孟璇（2020）基于2000—2018年各季度數據構建多元回歸模型，對2019年四個季度的社會消費品零售總額進行了預測;史曉雯、楊娟（2020）對臨沂市2013—2018年的月度社會消費品零售總額分別建立乘積季節模型ARIMA（1，1，0）×（1，1，1）12與指數平滑預測模型，對比其擬合效果后對臨沂市2019年1月至3月的社會消費品零售總額進行了預測;李欣欣（2017）以社會消費品零售總額、廣義貨幣供應量、居民消費價格指數為內生變量，常數為外生變量建立向量自回歸（VAR）模型，對社會消費品零售總額月度數據進行了預測。但是，傳統的數理統計方法存在假設過多、不符合實際、程序煩瑣、精度不高等不足之處。

神經網絡方法作為機器學習的一種方法，對于經濟指標的預測尚處于新興階段，且尤以BP神經網絡的應用最為廣泛。但是還鮮有運用該方法進行宏觀經濟指標預測的文獻。因此，本文擬運用BP神經網絡方法，結合社會消費品零售總額的影響因素分析，給出較為精確的預測值，以期為中國經濟未來的發展提供參考。

2 研究方法及指標數據

2.1 研究方法

社會消費品零售總額是一個具有高度綜合性的經濟變量，其增長不僅取決于消費者層面如人口、可支配收入等的變化，同時也受到生產者層面如門店數量、企業規模、產品質量等的影響，還受到宏觀環境的制約，因而是一個復雜的非線性系統。而BP人工神經網絡方法進行預測無需事先確定變量之間的數學關系，僅通過訓練學習某種規則，在給定輸入值時就可得到最接近期望值的輸出結果。

2.2 指標體系選取與構建

本文在系統性、顯著性、可操作性等指標體系構建的原則上，參考有關文獻，選擇了人均GDP、居民消費價格指數（CPI）、城鎮居民人均可支配收入、年度貨運量、年度進口總額、年度財政支出、年末貨幣供應量（M1）、突發重大公共衛生事件、地震災害直接災損率、自然災害直接災損率等指標，用以構建BP神經網絡。其中，突發重大公共衛生事件這一指標參考陳海平等 （2013）構建的突發重大公共衛生事件指標系統得出;地震災害直接災損率、自然災害直接災損率兩項參考了趙阿興等 （1993）的研究成果。其他指標的數據來源于歷年統計年鑒、統計公報及國家統計局公開信息。各指標數據見表1。

3 BP神經網絡模型預測

3.1 神經網絡構建

BP神經網絡算法流程總體可以分為BP神經網絡的構建、訓練、預測三步，具體步驟如圖1所示。

本文選取各類研究中常用的單隱含層的三層BP神經網絡來實現對社會消費品零售總額的預測。在網絡設計過程中，關鍵一步是確定隱含層的神經元數N。N過大會加大網絡計算量并產生過度擬合問題，N過小則會降低神經網絡性能。目前，對于隱含層中神經元數目N的確定只有一些經驗公式可用。本文在選取隱含層神經元個數時參照的經驗公式，其中， n為輸入層神經元個數， m為輸出層神經元個數， a為[1，10]的常數。經過多次試驗和比較，本文選擇隱含層神經元個數N=5。

3.2 輸入層數據

首先，運用SPSS對人均GDP、居民消費價格指數（CPI）、城鎮居民人均可支配收入、貨運量、進口總額、財政支出、年末貨幣供應量（M1）與年份進行相關性分析，表明這些指標與年份之間存在顯著的相關關系。其中，人均GDP、城鎮居民人均可支配收入、年末貨幣供應量（M1）、財政支出四個指標取2012年以來我國經濟發展從高速發展時期進入高質量發展時期的數據，并結合疫情實際將前三者的2020年預測值從指數增長改為線性增長;居民消費價格指數、貨運量采用2000年以來的數據，并運用線性回歸方程預測;考慮到中美貿易摩擦和國際疫情持續蔓延的雙重影響，對于進口總額的預測則采取了擬合度更高的二次函數模型;參考饒海洋的研究成果，2020年突發重大公共衛生事件的指標值為54，以2014—2019年5年內地震災害直接災損率、自然災害直接災損率平均值作為2020年直接災損率。相關性分析結果見表2，2020年上述指標的OLS預測值見表3。

利用MATLAB R2018a中的神經網絡工具箱構建該預測模型，導入以上數據，隨機選取兩組作為測試組，其他為訓練組，并在做歸一化處理后輸入神經網絡模型。設定的模型參數見表4：

3.3 輸出預測結果

本文用訓練好的BP神經網絡模擬，并測算預測輸出和實際值的誤差百分比，進而重復上述步驟依次訓練出多個神經網絡模型，最終篩選了300個預測誤差百分比在[-0.05，0.05]的預測數據，以確保預測精度在90%以上。將所有預測結果輸入SPSS進行統計分析，其直方圖十分接近正態分布，略呈右偏，表明數據質量很好。因此，本文取300個數據的均值360838.1（保留一位小數，單位：億元）作為2020年社會消費品零售總額的預測值。該預測值相較2019年同比下降約12.3%。

國家統計局數據顯示，2020年上半年社會消費品零售總額為172256億元，結合該數據和社會消費品零售總額的季節性變化、居民消費能力的持續復蘇等因素綜合判斷，該預測值具有較強的合理性和準確度。

4 結語

近年來，黨中央經濟工作會議提出了經濟“內循環”的概念。在國際局勢持續復雜的背景下，消費毫無疑問成為中國經濟發展主要動能，也是實現經濟高質量發展的必由之路。但必須指出，當前國內疫情雖已基本得到控制，卻遠未完全結束;局地零星病例、境外輸入病例將在未來很長一段時間內持續存在。這對于居民消費習慣、消費心理的影響無疑是極其巨大且深遠的，中國居民的邊際消費傾向在這段時間內可能會持續低迷。但以社會消費品零售總額為代表的居民消費數據下降是暫時的，中國經濟持續向好的長期態勢不會改變。而如何提振消費、真正實現經濟發展以“內循環”為主體，將成為未來一段時間圍繞中國經濟發展的重要課題。

參考文獻

楊揚，楊桂元.新冠肺炎疫情對我國社會消費品零售總額的影響程度評價[J].價值工程，2020，39（18）：31-33.

王爽，汪海飛.中國社會消費品零售總額的成分分解及預測——基于X-12-ARIMA模型的應用[J].經濟研究導刊，2020（17）：75-77.

史曉雯，楊娟.社會消費品零售總額預測的模型構建及實證分析——以臨沂市為例[J].科技經濟導刊，2020，28（06）：8-9.

羅森，張孟璇.基于多元回歸模型的社會消費品零售總額預測[J].現代商業，2020（01）：3-7.

張舒.我國社會消費品零售總額影響因素分析[J].全國流通經濟，2019（03）：3-6.

韓玉錦.新冠肺炎疫情對經濟會有多大影響——基于社會消費品零售總額的角度[J].產業經濟評論，2020（02）：13-23.

陳海平，郝艷華，吳群紅，等.突發公共衛生事件影響綜合評價指標體系構建[J].中國公共衛生，2013，29（05）：628-631.

饒海洋.基于BP神經網絡的2020年國內旅游人數預測[J].中國經濟社會大數據研究平臺，2020.

趙阿興，馬宗晉.自然災害損失評估指標體系的研究[J].自然災害學報，1993（03）：1-7.

李欣欣.基于向量自回歸的我國社會消費品零售總額預測分析[J].江蘇商論，2017（09）：3-8.