基于數據挖掘技術的貴州省財政收入分析預測

劉德偉

摘? 要：貴州作為國內率先引入大數據等新興產業的省份，其經濟發展一直以來頗受人們的關注。而財政收入是地方經濟發展的重要因素，因此該文將以貴州省財政收入為主要研究對象，收集2004—2019年的相關經濟指標并運用Rstudio軟件進行數據處理，并做主要變量的描述性統計、相關性分析，通過灰色預測模型對地方財政收入進行預測，得出貴州省2020年和2021年財政收入的預測值，對貴州財將來政收入規劃具有一定的參考價值。

關鍵詞：財政收入? ?描述性統計? ?相關性分析? ?灰色預測

中圖分類號：F812? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：1672-3791（2021）07（b）-0187-03

Analysis and Forecast of Fiscal Revenue in Guizhou Province Based on Data Mining Technology

LIU Dewei

（Guizhou University of Finance and Economics， Guiyang， Guizhou Province， 550025? China）

Abstract： As the first province to introduce big data and other emerging industries in China， Guizhou's economic development has always attracted people's attention. Fiscal revenue is an important factor in local economic development. Therefore， this paper will take the fiscal revenue of Guizhou Province as the main research object， collect relevant economic indicators from 2004 to 2019， use Rstudio software for data processing， make descriptive statistics and correlation analysis of main variables， and predict local fiscal revenue through grey prediction model， the predicted financial revenue of Guizhou Province in 2020 and 2021 is obtained， which has a certain reference value for the future financial and political revenue planning of Guizhou Province.

Key Words： Financial revenue; Descriptive statistics; Correlation analysis; Grey prediction

近年來，貴州經濟穩步增長，GDP總量從倒數爬升至中等偏下水平，而增速方面已連續10年居于前列，因此貴州的財政收入具備一定的研究意義。關于財政收入預測的研究，眾多學者以財政收入來構建多元回歸模型，并運用OLS方法估計回歸系數，最終通過檢驗來確定每一種因素對財政收入的貢獻度，這種方法對數據依賴較大，存在一定局限性。侯甜甜等學者基于ARIMA和馬氏鏈模型的中國財政收入預測為研究各省財政收入提供了參考[1]。張強等研究者與龍小燕研究者分別運用逐步回歸分析方法預測武漢市財政收入并研究了影響因素，這對當地財政政策有很好的指導作用，但是多元逐步回歸方法容易局限于局部最優解而不是全局最優解[2-3]。宋良美研究者從VAR模型來對江蘇省財政收入和財政支出進行預測和分析[4]。江星等研究者對安徽省財政收入進行多元分析證明實現財政收入的增長主要依靠的是經濟的增長[5]。王守英研究者通過模型分析和神經網絡對濟南市的財政收入進行了預測[6]。丁瑋珂等研究者發現第一二三產業對財政收入的影響程度各有不同[7]。綜上所述，隨著科學和技術的發展與完善，運用新方法對近幾年新數據進行研究貴州財政收入是很有必要的。

1? ?數據探索分析

財政收入的影響因素有許多，有的影響效果強，而有些效果則弱一些，該文根據經濟理論以及參考已有研究成果，初步選取13個自變量來分別分析各因素對財政收入（y）的影響，具體見表1?；跀祿傻眯?，該文選取2004—2019年影響財政收入相關變量的數據，數據來源為《貴州統計年鑒》。

1.1 描述性分析

描述性分析是對數據進行整體情況分析，初步了解2004—2019年各種數據的變化程度和增長速度。就上述13個因素從以下幾個方面著手分析。

1.1.1 就業和收入方面

社會從業人數（x1）的Min值為1 770.9，Max值為2 186，Mean值為1 929.39，SD值為109.20。由此可見社會就業人數趨于穩定上升趨勢，且波動性較小，伴隨著經濟的持續發展，就業人數穩定增長是一種正向反饋，而就業人數的增多通常也伴隨著居民消費的提升，從而提升財政收入;在崗職工工資總額（x2）的Min值為236.6，Max值為2 516.04，Mean值為1 142.02，SD值為771.26。隨著貴州省經濟的飛速發展，在職工的工資水平也同時得到提升，這不僅有利于人民的生活水平提高，從稅收這一層面也反映出了財政收入水平得到了提高;城鎮居民人均可支配收入（x4）的Min值為7 322.05，Max值為34 404，Mean值為18 671.19，SD值為8 728.87。可支配收入相比工資總額，能更加直觀地反映居民的收入水平，從可支配收入的均值以及標準差來看，其相比工資總額來說波動性更小，也與財政收入水平的關系更為密切。