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(guān)變量，利用MATLAB建立BP神經(jīng)網(wǎng)絡(luò)模型，并基于該模型預(yù)測2020年社會消費品零售總額約為355614億元，從而為政府應(yīng)對疫情對消費市場的沖擊提供數(shù)據(jù)支撐。

關(guān)鍵詞：社會消費品零售總額;BP神經(jīng)網(wǎng)絡(luò);經(jīng)濟(jì)內(nèi)循環(huán)

中圖分類號：F724.2 文獻(xiàn)標(biāo)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(jīng)濟(jì)生活受到極大沖擊。目前，國內(nèi)疫情基本得到了有效控制，各地也適時推出消費券等優(yōu)惠政策進(jìn)一步拉動內(nèi)需，激發(fā)居民的消費潛力。那么，在國內(nèi)疫情防控常態(tài)化和國際疫情局勢仍然復(fù)雜的背景下，2020年下半年我國消費規(guī)模能否回升到疫情之前的水平受到了學(xué)界和社會的廣泛關(guān)注。因此，預(yù)測社會消費品零售總額這一體現(xiàn)國內(nèi)消費需求的重要指標(biāo)顯得尤為重要。

1 國內(nèi)文獻(xiàn)綜述

目前，學(xué)界對于社會消費品零售總額的預(yù)測大多依賴于傳統(tǒng)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(shù)據(jù)構(gòu)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(jìn)行了預(yù)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(jié)模型ARIMA（1，1，0）×（1，1，1）12與指數(shù)平滑預(yù)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(jìn)行了預(yù)測;李欣欣（2017）以社會消費品零售總額、廣義貨幣供應(yīng)量、居民消費價格指數(shù)為內(nèi)生變量，常數(shù)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(shù)據(jù)進(jìn)行了預(yù)測。但是，傳統(tǒng)的數(shù)理統(tǒng)計方法存在假設(shè)過多、不符合實際、程序煩瑣、精度不高等不足之處。

神經(jīng)網(wǎng)絡(luò)方法作為機(jī)器學(xué)習(xí)的一種方法，對于經(jīng)濟(jì)指標(biāo)的預(yù)測尚處于新興階段，且尤以BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用最為廣泛。但是還鮮有運用該方法進(jìn)行宏觀經(jīng)濟(jì)指標(biāo)預(yù)測的文獻(xiàn)。因此，本文擬運用BP神經(jīng)網(wǎng)絡(luò)方法，結(jié)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(yù)測值，以期為中國經(jīng)濟(jì)未來的發(fā)展提供參考。

2 研究方法及指標(biāo)數(shù)據(jù)

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(jīng)濟(jì)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(chǎn)者層面如門店數(shù)量、企業(yè)規(guī)模、產(chǎn)品質(zhì)量等的影響，還受到宏觀環(huán)境的制約，因而是一個復(fù)雜的非線性系統(tǒng)。而BP人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測無需事先確定變量之間的數(shù)學(xué)關(guān)系，僅通過訓(xùn)練學(xué)習(xí)某種規(guī)則，在給定輸入值時就可得到最接近期望值的輸出結(jié)果。

2.2 指標(biāo)體系選取與構(gòu)建

本文在系統(tǒng)性、顯著性、可操作性等指標(biāo)體系構(gòu)建的原則上，參考有關(guān)文獻(xiàn)，選擇了人均GDP、居民消費價格指數(shù)（CPI）、城鎮(zhèn)居民人均可支配收入、年度貨運量、年度進(jìn)口總額、年度財政支出、年末貨幣供應(yīng)量（M1）、突發(fā)重大公共衛(wèi)生事件、地震災(zāi)害直接災(zāi)損率、自然災(zāi)害直接災(zāi)損率等指標(biāo)，用以構(gòu)建BP神經(jīng)網(wǎng)絡(luò)。其中，突發(fā)重大公共衛(wèi)生事件這一指標(biāo)參考陳海平等 （2013）構(gòu)建的突發(fā)重大公共衛(wèi)生事件指標(biāo)系統(tǒng)得出;地震災(zāi)害直接災(zāi)損率、自然災(zāi)害直接災(zāi)損率兩項參考了趙阿興等 （1993）的研究成果。其他指標(biāo)的數(shù)據(jù)來源于歷年統(tǒng)計年鑒、統(tǒng)計公報及國家統(tǒng)計局公開信息。各指標(biāo)數(shù)據(jù)見表1。

3 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測

3.1 神經(jīng)網(wǎng)絡(luò)構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)算法流程總體可以分為BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練、預(yù)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(jīng)網(wǎng)絡(luò)來實現(xiàn)對社會消費品零售總額的預(yù)測。在網(wǎng)絡(luò)設(shè)計過程中，關(guān)鍵一步是確定隱含層的神經(jīng)元數(shù)N。N過大會加大網(wǎng)絡(luò)計算量并產(chǎn)生過度擬合問題，N過小則會降低神經(jīng)網(wǎng)絡(luò)性能。目前，對于隱含層中神經(jīng)元數(shù)目N的確定只有一些經(jīng)驗公式可用。本文在選取隱含層神經(jīng)元個數(shù)時參照的經(jīng)驗公式，其中， n為輸入層神經(jīng)元個數(shù)， m為輸出層神經(jīng)元個數(shù)， a為[1，10]的常數(shù)。經(jīng)過多次試驗和比較，本文選擇隱含層神經(jīng)元個數(shù)N=5。

3.2 輸入層數(shù)據(jù)

首先，運用SPSS對人均GDP、居民消費價格指數(shù)（CPI）、城鎮(zhèn)居民人均可支配收入、貨運量、進(jìn)口總額、財政支出、年末貨幣供應(yīng)量（M1）與年份進(jìn)行相關(guān)性分析，表明這些指標(biāo)與年份之間存在顯著的相關(guān)關(guān)系。其中，人均GDP、城鎮(zhèn)居民人均可支配收入、年末貨幣供應(yīng)量（M1）、財政支出四個指標(biāo)取2012年以來我國經(jīng)濟(jì)發(fā)展從高速發(fā)展時期進(jìn)入高質(zhì)量發(fā)展時期的數(shù)據(jù)，并結(jié)合疫情實際將前三者的2020年預(yù)測值從指數(shù)增長改為線性增長;居民消費價格指數(shù)、貨運量采用2000年以來的數(shù)據(jù)，并運用線性回歸方程預(yù)測;考慮到中美貿(mào)易摩擦和國際疫情持續(xù)蔓延的雙重影響，對于進(jìn)口總額的預(yù)測則采取了擬合度更高的二次函數(shù)模型;參考饒海洋的研究成果，2020年突發(fā)重大公共衛(wèi)生事件的指標(biāo)值為54，以2014—2019年5年內(nèi)地震災(zāi)害直接災(zāi)損率、自然災(zāi)害直接災(zāi)損率平均值作為2020年直接災(zāi)損率。相關(guān)性分析結(jié)果見表2，2020年上述指標(biāo)的OLS預(yù)測值見表3。

利用MATLAB R2018a中的神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建該預(yù)測模型，導(dǎo)入以上數(shù)據(jù)，隨機(jī)選取兩組作為測試組，其他為訓(xùn)練組，并在做歸一化處理后輸入神經(jīng)網(wǎng)絡(luò)模型。設(shè)定的模型參數(shù)見表4：

3.3 輸出預(yù)測結(jié)果

本文用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模擬，并測算預(yù)測輸出和實際值的誤差百分比，進(jìn)而重復(fù)上述步驟依次訓(xùn)練出多個神經(jīng)網(wǎng)絡(luò)模型，最終篩選了300個預(yù)測誤差百分比在[-0.05，0.05]的預(yù)測數(shù)據(jù)，以確保預(yù)測精度在90%以上。將所有預(yù)測結(jié)果輸入SPSS進(jìn)行統(tǒng)計分析，其直方圖十分接近正態(tài)分布，略呈右偏，表明數(shù)據(jù)質(zhì)量很好。因此，本文取300個數(shù)據(jù)的均值360838.1（保留一位小數(shù)，單位：億元）作為2020年社會消費品零售總額的預(yù)測值。該預(yù)測值相較2019年同比下降約12.3%。

國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2020年上半年社會消費品零售總額為172256億元，結(jié)合該數(shù)據(jù)和社會消費品零售總額的季節(jié)性變化、居民消費能力的持續(xù)復(fù)蘇等因素綜合判斷，該預(yù)測值具有較強(qiáng)的合理性和準(zhǔn)確度。

4 結(jié)語

近年來，黨中央經(jīng)濟(jì)工作會議提出了經(jīng)濟(jì)“內(nèi)循環(huán)”的概念。在國際局勢持續(xù)復(fù)雜的背景下，消費毫無疑問成為中國經(jīng)濟(jì)發(fā)展主要動能，也是實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的必由之路。但必須指出，當(dāng)前國內(nèi)疫情雖已基本得到控制，卻遠(yuǎn)未完全結(jié)束;局地零星病例、境外輸入病例將在未來很長一段時間內(nèi)持續(xù)存在。這對于居民消費習(xí)慣、消費心理的影響無疑是極其巨大且深遠(yuǎn)的，中國居民的邊際消費傾向在這段時間內(nèi)可能會持續(xù)低迷。但以社會消費品零售總額為代表的居民消費數(shù)據(jù)下降是暫時的，中國經(jīng)濟(jì)持續(xù)向好的長期態(tài)勢不會改變。而如何提振消費、真正實現(xiàn)經(jīng)濟(jì)發(fā)展以“內(nèi)循環(huán)”為主體，將成為未來一段時間圍繞中國經(jīng)濟(jì)發(fā)展的重要課題。

參考文獻(xiàn)

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(yù)測——基于X-12-ARIMA模型的應(yīng)用[J].經(jīng)濟(jì)研究導(dǎo)刊，2020（17）：75-77.

史曉雯，楊娟.社會消費品零售總額預(yù)測的模型構(gòu)建及實證分析——以臨沂市為例[J].科技經(jīng)濟(jì)導(dǎo)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(yù)測[J].現(xiàn)代商業(yè)，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(jīng)濟(jì)，2019（03）：3-6.

韓玉錦.新冠肺炎疫情對經(jīng)濟(jì)會有多大影響——基于社會消費品零售總額的角度[J].產(chǎn)業(yè)經(jīng)濟(jì)評論，2020（02）：13-23.

陳海平，郝艷華，吳群紅，等.突發(fā)公共衛(wèi)生事件影響綜合評價指標(biāo)體系構(gòu)建[J].中國公共衛(wèi)生，2013，29（05）：628-631.

饒海洋.基于BP神經(jīng)網(wǎng)絡(luò)的2020年國內(nèi)旅游人數(shù)預(yù)測[J].中國經(jīng)濟(jì)社會大數(shù)據(jù)研究平臺，2020.

趙阿興，馬宗晉.自然災(zāi)害損失評估指標(biāo)體系的研究[J].自然災(zāi)害學(xué)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(yù)測分析[J].江蘇商論，2017（09）：3-8.