李新華,王 勇,燕佳靜,侯文剛

(1.江西省信息中心,江西 南昌 330000; 2.江西財經(jīng)大學(xué),江西 南昌 330000)

0 引 言

中國政府非常重視政務(wù)信息化和政府大數(shù)據(jù)的創(chuàng)新發(fā)展,但國內(nèi)目前構(gòu)建跨源多維政務(wù)共享數(shù)據(jù)支撐的系統(tǒng)成功案例并不多，如熊贏新等[1]、白獻(xiàn)陽等[2]分別對湖北省宏觀經(jīng)濟(jì)大數(shù)據(jù)倉庫項(xiàng)目、貴州省政府?dāng)?shù)據(jù)開放協(xié)同機(jī)制進(jìn)行了探索，張小娟[3]、吳昊[4]分別對智慧城市系統(tǒng)的結(jié)構(gòu)模型、大數(shù)據(jù)時代中國政府信息共享機(jī)制進(jìn)行了研究。另外，李軍等[5]、崔樹紅等[6]、霍小軍等[7]、牛文勝等[8]、徐曉林等[9]、連家明[10]、華明剛等[11]均在智慧政務(wù)和“數(shù)字政府”框架下對大數(shù)據(jù)共享的實(shí)現(xiàn)與應(yīng)用進(jìn)行了研究。以上學(xué)者均取得了不錯的研究成果，但是均未涉及使用跨維共享數(shù)據(jù)進(jìn)行支撐，同時，針對宏觀經(jīng)濟(jì)分析的成功案例也不多見。

近年來，圍繞推動政府治理體系和治理能力現(xiàn)代化，引領(lǐng)帶動數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的目標(biāo)，王芳等[12]探討了大數(shù)據(jù)對國家治理的意義，分析了我國現(xiàn)狀與存在的問題，并提出了對應(yīng)策略。劉媛媛[13]分析了大數(shù)據(jù)背景下政府治理所面臨的機(jī)遇和挑戰(zhàn),并提出了相應(yīng)的對策。李宇[14]研究總結(jié)了貴州省政府在社會治理問題中的大數(shù)據(jù)應(yīng)用經(jīng)驗(yàn)。孔守斌等[15]提出了基于云平臺的地方政務(wù)信息資源共享平臺的建設(shè)模式,通過建立統(tǒng)一的地方政務(wù)信息資源共享平臺,支撐各地方實(shí)現(xiàn)跨部門、跨層級的互聯(lián)互通、業(yè)務(wù)協(xié)同、信息共享。王利強(qiáng)[16]闡述了大數(shù)據(jù)時代協(xié)同政務(wù)信息資源共享的意義,論述了政務(wù)信息資源共享的架構(gòu),并提出了優(yōu)化信息資源共享的具體策略。姜寶等[17]總結(jié)了政務(wù)信息資源安全共享存在的主要問題。參考上述研究成果，江西加快了推進(jìn)數(shù)據(jù)共享以便解決省直部門業(yè)務(wù)系統(tǒng)信息的孤島、數(shù)據(jù)鴻溝等問題[18]的速度，匯聚公安、發(fā)改委、人社、衛(wèi)健委、市場監(jiān)督管理局、住建等部門政務(wù)共享數(shù)據(jù)，形成了人口、法人、電子證照、社保、納稅、投資項(xiàng)目、公共信用、自然資源和地理空間8個高頻政務(wù)數(shù)據(jù)共享庫。為有效使用共享庫數(shù)據(jù)，江西省信息中心提出了建設(shè)宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)，構(gòu)建一個基于跨平臺大數(shù)據(jù)的全省經(jīng)濟(jì)監(jiān)測預(yù)警體系，建立“用數(shù)據(jù)分析、用數(shù)據(jù)決策、用數(shù)據(jù)創(chuàng)新”的工作機(jī)制，為相關(guān)政府部門以及行業(yè)、企業(yè)等不同類型用戶提供及時、全面、準(zhǔn)確的宏觀經(jīng)濟(jì)信息，逐步形成了基于大數(shù)據(jù)分析的集實(shí)時監(jiān)測預(yù)警和智能預(yù)測為一體的宏觀決策支撐體系。系統(tǒng)依托省電子政務(wù)外網(wǎng)和云平臺，通過抽取高頻政務(wù)數(shù)據(jù)共享庫的數(shù)據(jù)并融合互聯(lián)網(wǎng)社會經(jīng)濟(jì)大數(shù)據(jù)資源，從而在社會經(jīng)濟(jì)實(shí)時監(jiān)測和智能預(yù)測模型中成功應(yīng)用。

本文針對宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)的經(jīng)濟(jì)大數(shù)據(jù)綜合庫進(jìn)行大數(shù)據(jù)分析，尋找經(jīng)濟(jì)數(shù)據(jù)的內(nèi)在規(guī)律和關(guān)聯(lián)性，參考蔡格菁等[19]使用ARIMA模型的經(jīng)濟(jì)預(yù)測案例，探索應(yīng)用雙對數(shù)線性回歸模型、ARIMA模型進(jìn)行社會經(jīng)濟(jì)實(shí)時監(jiān)測和智能預(yù)測，展開實(shí)證數(shù)據(jù)分析和形成大數(shù)據(jù)報告，為相關(guān)政府部門宏觀調(diào)控提供參考。

1 宏觀經(jīng)濟(jì)數(shù)據(jù)分析系統(tǒng)體系建設(shè)

2018年，陳小英[20]提出需構(gòu)建宏觀經(jīng)濟(jì)形勢分析應(yīng)用系統(tǒng)，以便及時準(zhǔn)確地了解經(jīng)濟(jì)信息變化，研判當(dāng)前經(jīng)濟(jì)運(yùn)行形勢。王松[21]認(rèn)為適合宏觀經(jīng)濟(jì)分析的大數(shù)據(jù)平臺還有待開發(fā)。宏觀經(jīng)濟(jì)決策信息資源涵蓋了社會、經(jīng)濟(jì)、政策、法規(guī)等經(jīng)濟(jì)社會發(fā)展的各個方面，宏觀經(jīng)濟(jì)數(shù)據(jù)分析系統(tǒng)需實(shí)現(xiàn)對宏觀經(jīng)濟(jì)監(jiān)測預(yù)測，對涉及的經(jīng)濟(jì)數(shù)據(jù)、政策報告、發(fā)展規(guī)劃進(jìn)行集中管理和展示，可以有效管理經(jīng)濟(jì)領(lǐng)域數(shù)據(jù)資產(chǎn)。通過提取經(jīng)濟(jì)相關(guān)數(shù)據(jù)的共享指標(biāo)，形成經(jīng)濟(jì)關(guān)聯(lián)分析指數(shù)，挖掘計算宏觀經(jīng)濟(jì)的實(shí)時波動；通過對宏觀經(jīng)濟(jì)不同周期的分析，綜合判斷經(jīng)濟(jì)運(yùn)行狀態(tài)，提前報告宏觀經(jīng)濟(jì)形勢變動幅度和未來發(fā)展方向，在宏觀經(jīng)濟(jì)、行業(yè)經(jīng)濟(jì)發(fā)展過快或面臨衰退時能預(yù)先發(fā)出預(yù)警報告，為政府決策提供重要依據(jù)。

1.1 系統(tǒng)設(shè)計

根據(jù)對江西省宏觀經(jīng)濟(jì)需求側(cè)的分析，建立基于大數(shù)據(jù)的宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)，總體架構(gòu)如圖1所示。

圖1 架構(gòu)設(shè)計

宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)主要包括大數(shù)據(jù)分析平臺、經(jīng)濟(jì)監(jiān)測預(yù)警綜合展示應(yīng)用、經(jīng)濟(jì)監(jiān)測預(yù)警APP。

省網(wǎng)上審批系統(tǒng)、公共資源交易平臺、公共信用信息平臺等應(yīng)用系統(tǒng)提供的政務(wù)共享數(shù)據(jù)通過省政務(wù)信息資源共享交換平臺交換到前置數(shù)據(jù)庫，大數(shù)據(jù)分析平臺提供豐富多樣的數(shù)據(jù)采集接入工具，接入前置數(shù)據(jù)庫、社會化數(shù)據(jù)及互聯(lián)網(wǎng)數(shù)據(jù)。經(jīng)濟(jì)監(jiān)測預(yù)警綜合展示應(yīng)用提供數(shù)據(jù)報送模塊，支持不同政府部門報送數(shù)據(jù)。

省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)通過移動應(yīng)用平臺接入，并完成APP的開發(fā)、測試、發(fā)布。APP包括經(jīng)濟(jì)運(yùn)行監(jiān)測、經(jīng)濟(jì)運(yùn)行調(diào)查、區(qū)域經(jīng)濟(jì)監(jiān)測、經(jīng)濟(jì)預(yù)測預(yù)警、宏觀政策模擬、大數(shù)據(jù)分析及經(jīng)濟(jì)動態(tài)模塊。其中，經(jīng)濟(jì)運(yùn)行監(jiān)測依托省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)的經(jīng)濟(jì)運(yùn)行監(jiān)測子系統(tǒng)實(shí)現(xiàn)；經(jīng)濟(jì)運(yùn)行調(diào)查依托省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)的經(jīng)濟(jì)運(yùn)行調(diào)查子系統(tǒng)實(shí)現(xiàn)；區(qū)域經(jīng)濟(jì)監(jiān)測依托省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)的區(qū)域經(jīng)濟(jì)子監(jiān)測系統(tǒng)實(shí)現(xiàn)；經(jīng)濟(jì)預(yù)測預(yù)警依托省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)的經(jīng)濟(jì)預(yù)測預(yù)警子系統(tǒng)實(shí)現(xiàn)；宏觀政策模擬依托省經(jīng)濟(jì)監(jiān)測預(yù)警系統(tǒng)的宏觀政策模擬子系統(tǒng)實(shí)現(xiàn)；大數(shù)據(jù)分析多樣化展示大數(shù)據(jù)分析報告中的重要研究成果；經(jīng)濟(jì)動態(tài)主要呈現(xiàn)國家、外省、省直相關(guān)部門經(jīng)濟(jì)分析文章，以及江西省信息中心撰寫的各類分析報告。

經(jīng)濟(jì)監(jiān)測預(yù)警綜合展示應(yīng)用包括經(jīng)濟(jì)指標(biāo)目錄管理、數(shù)據(jù)報送、數(shù)據(jù)查詢和數(shù)據(jù)分析、用戶權(quán)限及運(yùn)行監(jiān)控功能，前端展示包括全國經(jīng)濟(jì)運(yùn)行、全省經(jīng)濟(jì)運(yùn)行、縣域經(jīng)濟(jì)運(yùn)行、公共數(shù)據(jù)展示及指標(biāo)查詢模塊。此外，該應(yīng)用還提供實(shí)現(xiàn)經(jīng)濟(jì)指標(biāo)體系分類展示、時間趨勢展示、區(qū)域?qū)Ρ日故?、指?biāo)關(guān)聯(lián)展示、社會數(shù)據(jù)分析展示等，以可視化圖表方便用戶感知數(shù)據(jù)。經(jīng)濟(jì)監(jiān)測預(yù)警綜合展示應(yīng)用需要源自多部門海量數(shù)據(jù)，所有數(shù)據(jù)源的采集、加工處理、存儲、分布式計算、多維分析、可視化等均通過大數(shù)據(jù)分析平臺實(shí)現(xiàn)。

大數(shù)據(jù)分析報告立足江西省發(fā)改委工作實(shí)際和迫切需要解決的問題，基于準(zhǔn)確、豐富的數(shù)據(jù)資源積累，運(yùn)用相關(guān)分析、回歸分析、因子分析、ARIMA模型等方法，最終得出高價值的研究成果。分析報告需要從經(jīng)濟(jì)監(jiān)測預(yù)警綜合展示應(yīng)用提取相關(guān)知識，由經(jīng)驗(yàn)豐富的數(shù)據(jù)分析師最終成稿完成報告編制。

1.2 數(shù)據(jù)采集與處理

在大數(shù)據(jù)分析平臺中，數(shù)據(jù)采集與處理軟件ETL主要提供數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)加載功能,負(fù)責(zé)與前端數(shù)據(jù)源進(jìn)行交互，采集和處理數(shù)據(jù)庫、協(xié)議、文本等數(shù)據(jù)項(xiàng)，具備元數(shù)據(jù)管理、數(shù)據(jù)標(biāo)準(zhǔn)管理、數(shù)據(jù)質(zhì)量管理、資產(chǎn)管理、數(shù)據(jù)安全管理、共享服務(wù)管理、主數(shù)據(jù)管理以及全生命周期管理等數(shù)據(jù)治理功能，并具有與大數(shù)據(jù)生態(tài)圈交互適配的能力。通過政務(wù)信息資源共享交換平臺與各省直部門進(jìn)行數(shù)據(jù)對接，由此完成省信息中心數(shù)據(jù)的統(tǒng)一匯聚，各來源數(shù)據(jù)采集完成后，將數(shù)據(jù)統(tǒng)一加載到大數(shù)據(jù)平臺進(jìn)行進(jìn)一步的清洗、整合、加工等處理。

數(shù)據(jù)采集與處理軟件將采集到的數(shù)據(jù)項(xiàng)存儲到大數(shù)據(jù)存儲計算系統(tǒng)中，通過數(shù)據(jù)分層(接口層、整合層、中間層、匯總層、服務(wù)層)處理形成經(jīng)濟(jì)大數(shù)據(jù)綜合庫，同時兼容批處理計算及流式計算，實(shí)現(xiàn)對從政務(wù)應(yīng)用系統(tǒng)及互聯(lián)網(wǎng)上采集的海量多源異構(gòu)數(shù)據(jù)的格式轉(zhuǎn)換、清洗、分布式存儲。存儲到大數(shù)據(jù)存儲計算中的數(shù)據(jù)可通過大數(shù)據(jù)基礎(chǔ)平臺提供給大數(shù)據(jù)可視化系統(tǒng)或其他業(yè)務(wù)應(yīng)用系統(tǒng)進(jìn)行數(shù)據(jù)分析及展示。此外，設(shè)立經(jīng)濟(jì)數(shù)據(jù)庫的管理、更新和應(yīng)用的長效管理機(jī)制以確保經(jīng)濟(jì)數(shù)據(jù)資源不斷擴(kuò)展、完善，保證多源數(shù)據(jù)的一致性、現(xiàn)實(shí)性和精確性。

業(yè)務(wù)應(yīng)用系統(tǒng)可以使用大數(shù)據(jù)存儲計算框架提供的計算資源進(jìn)行數(shù)據(jù)分析及計算。大數(shù)據(jù)存儲及大數(shù)據(jù)計算組件由大數(shù)據(jù)運(yùn)維管理系統(tǒng)負(fù)責(zé)統(tǒng)一管控，數(shù)據(jù)架構(gòu)圖和數(shù)據(jù)分層示意圖分別如圖2和圖3所示。

圖2 數(shù)據(jù)架構(gòu)

1.3 數(shù)據(jù)存儲計算框架

數(shù)據(jù)存儲計算框架由大數(shù)據(jù)基礎(chǔ)平臺、大數(shù)據(jù)存儲計算軟件、大數(shù)據(jù)運(yùn)維管理系統(tǒng)構(gòu)成。基于Hadoop、Spark、Yarn、HDFS架構(gòu)的大數(shù)據(jù)體系架構(gòu)，提供分布式文件存儲技術(shù)，支持結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化文件的分布式存儲，提供分布式計算框架，利用集群資源，實(shí)現(xiàn)計算任務(wù)的分布式并行執(zhí)行。

圖3 數(shù)據(jù)分層示意圖

1.4 大數(shù)據(jù)可視化展現(xiàn)大屏

系統(tǒng)的數(shù)據(jù)輸出可通過可視化大屏展現(xiàn)，大屏展現(xiàn)采用HTML5圖表技術(shù)，參數(shù)傳遞靈活，交互效果好。有多種圖表類型和樣式，具有圖表鉆取、圖表聯(lián)動、數(shù)據(jù)地圖等功能，為不同的大數(shù)據(jù)經(jīng)濟(jì)分析專題提供多維度展現(xiàn)方式，系統(tǒng)展示平臺示意圖如圖4所示。

圖4 系統(tǒng)展示平臺示意圖

1.5 系統(tǒng)創(chuàng)新特色

系統(tǒng)使用政務(wù)數(shù)據(jù)和大數(shù)據(jù)分析有機(jī)的結(jié)合，通過可視化大屏展現(xiàn)經(jīng)濟(jì)大數(shù)據(jù)的魅力，有效地使用政務(wù)共享數(shù)據(jù)資源，通過相關(guān)經(jīng)濟(jì)模型對政務(wù)數(shù)據(jù)進(jìn)行應(yīng)用分析，有良好的探索和示范作用。

2 面向宏觀經(jīng)濟(jì)數(shù)據(jù)分析的模型應(yīng)用

利用系統(tǒng)的大數(shù)據(jù)分析平臺，對社會經(jīng)濟(jì)網(wǎng)絡(luò)大數(shù)據(jù)信息特征進(jìn)行提取和融合，構(gòu)建大數(shù)據(jù)宏觀經(jīng)濟(jì)先行指標(biāo)和現(xiàn)時預(yù)測指標(biāo)庫，以及反映未來變動趨勢的綜合性分析和預(yù)警指數(shù)；結(jié)合傳統(tǒng)的時間序列特征和影響社會經(jīng)濟(jì)關(guān)鍵指標(biāo)的其他宏觀經(jīng)濟(jì)特征，建設(shè)基于時序分析、回歸模型、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)挖掘、聚類模型等的經(jīng)濟(jì)大數(shù)據(jù)監(jiān)測預(yù)警方法庫和模型庫，構(gòu)建基于多源信息的社會經(jīng)濟(jì)實(shí)時監(jiān)測模型、基于優(yōu)化用戶行為特征的社會經(jīng)濟(jì)實(shí)時監(jiān)測模型、基于特征-情感挖掘的社會經(jīng)濟(jì)智能預(yù)測模型、考慮社會網(wǎng)絡(luò)關(guān)系和用戶情感的社會經(jīng)濟(jì)智能預(yù)測模型等基于網(wǎng)絡(luò)特征的社會經(jīng)濟(jì)實(shí)時監(jiān)測和智能預(yù)測模型。

2.1 經(jīng)濟(jì)實(shí)時監(jiān)測模型應(yīng)用

本節(jié)經(jīng)濟(jì)實(shí)時監(jiān)測分析數(shù)據(jù)采集來自江西省投資在線監(jiān)管平臺和江西省投資項(xiàng)目高頻共享庫，主要包含了2018年1月—2019年12月期間所有的在建、擬建項(xiàng)目及相應(yīng)的投資額、房建中標(biāo)項(xiàng)目信息、政府意向采購項(xiàng)目信息，使用Python3.7語言對平臺和共享庫中的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、清洗，去除無效數(shù)據(jù)和臟數(shù)據(jù)，最終形成江西省各月擬建項(xiàng)目數(shù)、投資額、房建中標(biāo)項(xiàng)目數(shù)量、政府意向采購項(xiàng)目數(shù)等信息，并同時計算各個監(jiān)測指標(biāo)的月度增長率。

用2018年1月—2019年12月的江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析，結(jié)果如表1所示。

表1 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額的描述性統(tǒng)計分析結(jié)果

從表1可以看出，江西省擬建項(xiàng)目數(shù)的標(biāo)準(zhǔn)差為19.65個，其相對應(yīng)的項(xiàng)目數(shù)同比增長標(biāo)準(zhǔn)差為30.36%，累計同比增長標(biāo)準(zhǔn)差為6.95%，擬建項(xiàng)目投資金額的標(biāo)準(zhǔn)差為27.77%，其投資額同比增長的標(biāo)準(zhǔn)差為42.99%，累計同比增長標(biāo)準(zhǔn)差為11.50%。故可得累計同比增長指數(shù)相較于同比增長與原始數(shù)據(jù)，其變化波動較大，項(xiàng)目數(shù)量及其累計同比增長相對于投資額及其累計同比增長的變化波動較小，投資額同比增長相對于項(xiàng)目數(shù)同比增長波動較大，表明江西省項(xiàng)目數(shù)和投資額的累計同比增長變化較為穩(wěn)定。2018年1月—2019年12月擬建項(xiàng)目數(shù)每月至少369項(xiàng)，最多2049項(xiàng)，其同比增長最高至74.39%，最低至-14.32%，累計同比增長最高至18.90%，最低至-3.09%。擬建項(xiàng)目投資額每月至少642.79億元，最大可達(dá)到3886.94億元，其同比增長最高至89.10%，最低至-22.72%，累計同比增長最高至47.41%，最低至8.31%。分別從其均值來看，可得項(xiàng)目數(shù)每月保持在1249.65個左右。其同比增長和累計同比增長分別維持在19.30%和3.85%。項(xiàng)目投資金額每月穩(wěn)定在2177.129億元左右，其相對應(yīng)同比增長和累計同比增長分別保持在39.68%和23.02%左右。表明江西總體而言投資前景良好，一直保持一定的增長率。

然后，對江西省擬建項(xiàng)目數(shù)(增長)和項(xiàng)目投資額(增長)的變動趨勢進(jìn)行分析，結(jié)果如圖5～圖7所示。

圖5 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額的變動趨勢圖

圖6 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額累計同比增長的變動趨勢圖

圖7 江西省擬建項(xiàng)目數(shù)和項(xiàng)目投資額同比增長的變動趨勢圖

從圖5可以看出，從2018年1月—2019年12月擬建項(xiàng)目數(shù)和項(xiàng)目投資額變化波動起伏，呈現(xiàn)出波蕩起伏的上升變化趨勢，表明江西省近幾年的投資狀況在波動中增長，具有良好的發(fā)展。由擬建項(xiàng)目的投資狀況，可知江西省的投資狀況良好。

從圖6擬建項(xiàng)目中擬建項(xiàng)目數(shù)和項(xiàng)目投資額累計同比增長的變動趨勢可得出，項(xiàng)目數(shù)與投資額累計同比增長在2019年1月—2019年12月里，變動趨勢大致趨同，項(xiàng)目數(shù)累計同比增長為負(fù)的月份數(shù)較多，且較于項(xiàng)目投資額，其增長變化幅度較小，但總體而言項(xiàng)目數(shù)和投資額累計同比增長最終均表現(xiàn)為上升趨勢。

從圖7擬建項(xiàng)目中擬建項(xiàng)目數(shù)和項(xiàng)目投資額同比增長的變動趨勢可得出，項(xiàng)目數(shù)與投資額同比增長在2019年1月—2019年12月里，項(xiàng)目數(shù)同比增長呈現(xiàn)出變化起伏較小的上升趨勢，相對于項(xiàng)目數(shù)，投資額變化幅度較大，且呈現(xiàn)出波蕩起伏的上升變化趨勢。

綜合可得，無論是項(xiàng)目數(shù)和投資額，或者是其累計同比、同比增長，變化均波蕩起伏，但其最終均表現(xiàn)為上升趨勢，表明江西省投資發(fā)展前景良好。

最后，參考文獻(xiàn)[22]，本文采用2018年1月—2019年10月的江西省政府采購項(xiàng)目數(shù)、意向投資項(xiàng)目數(shù)和房建中標(biāo)個數(shù)數(shù)據(jù)，構(gòu)建雙對數(shù)線性回歸模型進(jìn)行回歸分析。本文采用逐步回歸法檢驗(yàn)和修正多重共線性問題，然后進(jìn)行異方差和自相關(guān)穩(wěn)健性HAC(Newey-West)估計，修正隨機(jī)干擾項(xiàng)可能出現(xiàn)的異方差和自相關(guān)問題。雙對數(shù)線性回歸模型的參數(shù)估計結(jié)果為：

(1)

2.2 經(jīng)濟(jì)智能預(yù)測模型應(yīng)用

差分自回歸移動平均ARIMA(Auto-Regressive Integrated Moving Average)模型是經(jīng)典的時間序列預(yù)測分析模型之一。ARIMA模型是采用實(shí)際觀測到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計構(gòu)建數(shù)學(xué)模型對時間序列數(shù)據(jù)的未來趨勢進(jìn)行預(yù)測的理論和方法。

本節(jié)數(shù)據(jù)取自江西省法人高頻共享庫中企業(yè)登記信息表中1950年至今的全部數(shù)據(jù)，數(shù)據(jù)包含企業(yè)成立登記日期、行業(yè)門類、狀態(tài)、法定代表人等；經(jīng)過對相應(yīng)數(shù)據(jù)質(zhì)量的校驗(yàn)、探索、統(tǒng)計，最終選取了2009年—2019年各月企業(yè)成立數(shù)量作為預(yù)測模型的輸入。

參考文獻(xiàn)[23]，本文采用2000年1月—2019年12月的江西省公司成立數(shù)據(jù)，構(gòu)建ARIMA模型對2020年1月—2020年12月的江西省公司成立數(shù)進(jìn)行預(yù)測。首先，公司成立數(shù)的對數(shù)在5%顯著性水平下不平穩(wěn)，對公司成立數(shù)的對數(shù)進(jìn)行一階差分，得到的對數(shù)差分序列在5%顯著性水平下平穩(wěn)；然后，構(gòu)建ARIMA模型對2020年1月—2020年12月的江西省公司成立數(shù)進(jìn)行預(yù)測，結(jié)果如表2所示。

表2 2020年1月—2020年12月江西省公司成立數(shù)的預(yù)測結(jié)果

從表2可以看出，在2020年初，1月份—2月份公司成立數(shù)出現(xiàn)大幅度跌落，這段時間受春節(jié)假期、員工返鄉(xiāng)、企業(yè)放假等影響，企業(yè)一般不會在這一兩個月登記和開工，自然就是低谷，本文圖中的數(shù)據(jù)顯示也處于低谷狀態(tài)，符合現(xiàn)實(shí)情況，3月份—4月份是企業(yè)復(fù)工的高峰期，企業(yè)登記注冊還有開工活動都比較活躍，會有一個恢復(fù)性的增長，4月公司成立數(shù)出現(xiàn)最高值。4月份—6月份出現(xiàn)緩緩下降的趨勢，6月份—9月份有較為緩慢的回升趨勢。9月份—12月份變化起伏不定，在10月份有一個小幅度跌落，但2020年12個月的總體趨勢僅有小幅度的下降。

圖8 2009年1月—2020年12月江西省公司成立數(shù)的變動趨勢圖

從圖8可以看出，在2020年內(nèi)，公司成立數(shù)變動趨勢較小，且呈現(xiàn)出波蕩起伏的緩慢下降變化趨勢。按2020年的季度分析，可知在2020年，江西省公司成立數(shù)二季度數(shù)據(jù)逐步向均值靠攏，三季度是下半年的開始，會有一波小幅度增長，四季度隨著年關(guān)的臨近，新成立公司數(shù)出現(xiàn)小幅度下降的趨勢，故總體而言2020年公司成立數(shù)下降幅度僅為6.82%。

3 結(jié)束語

基于系統(tǒng)經(jīng)濟(jì)大數(shù)據(jù)綜合庫所獲取的數(shù)據(jù)，結(jié)合ARIMA模型與雙對數(shù)線性回歸模型展開應(yīng)用實(shí)證分析，得出如下結(jié)論：

1)通過雙對數(shù)線性回歸模型，可知房建中標(biāo)個數(shù)、意向投資項(xiàng)目數(shù)與政府采購項(xiàng)目數(shù)存在相關(guān)性，且房建中標(biāo)個數(shù)相比于意向投資項(xiàng)目數(shù)，對政府決策采購項(xiàng)目數(shù)的影響較大。故建議政府在決策采購項(xiàng)目數(shù)時要更多的關(guān)注企業(yè)的房建中標(biāo)個數(shù)。

2)利用ARIMA模型與江西省2009年1月—2019年12月公司成立數(shù)的數(shù)據(jù)對2020年12個月份的公司成立數(shù)進(jìn)行預(yù)測，得到江西省在2020年里公司成立數(shù)會出現(xiàn)小幅度下降趨勢的結(jié)果。結(jié)合該數(shù)據(jù)指標(biāo)的預(yù)測結(jié)果科學(xué)性和精準(zhǔn)性，可進(jìn)一步加強(qiáng)對政務(wù)數(shù)據(jù)共享庫與公共資源交易數(shù)據(jù)庫等大數(shù)據(jù)庫數(shù)據(jù)指標(biāo)進(jìn)行實(shí)時預(yù)測。

針對上述結(jié)論，宏觀經(jīng)濟(jì)大數(shù)據(jù)分析系統(tǒng)在多維數(shù)據(jù)關(guān)聯(lián)性分析做了有益探索，政務(wù)共享數(shù)據(jù)中可以挖掘出類似上述存在關(guān)聯(lián)性強(qiáng)的數(shù)據(jù)關(guān)系；系統(tǒng)使用ARIMA模型對經(jīng)濟(jì)數(shù)據(jù)進(jìn)行了預(yù)測，可通過后期實(shí)際數(shù)據(jù)對模型修正，提高模型預(yù)測精準(zhǔn)度，為相關(guān)政府部門宏觀調(diào)控、精準(zhǔn)施策提供參考。