[摘 要]文章以湖南省2010—2019年地方財(cái)政收入經(jīng)濟(jì)指標(biāo)數(shù)據(jù)為樣本數(shù)據(jù)，通過Lasso特征選擇影響財(cái)政收入的關(guān)鍵因素，再建立單個(gè)屬性的灰色預(yù)測模型，對已被Lasso特征篩選出的2020年各解釋變量的值進(jìn)行預(yù)測，最后通過支持向量回歸預(yù)測模型得出2020年湖南省財(cái)政收入。

[關(guān)鍵詞] 財(cái)政收入;Lasso特征選擇;灰色預(yù)測模型;支持向量回歸預(yù)測

[DOI]10.13939/j.cnki.zgsc.2021.29.040

財(cái)政收入是政府為滿足支出需要，并依據(jù)相關(guān)的權(quán)利原則，通過國家財(cái)政集中的一定數(shù)量的貨幣或?qū)嵨镔Y產(chǎn)收入。財(cái)政收入直接決定可用財(cái)力，能充分發(fā)揮財(cái)政支持經(jīng)濟(jì)建設(shè)的職能作用，還能保證基層政治穩(wěn)定、社會安定以及改革發(fā)展的需要。因此，對于財(cái)政收入方面的研究極具意義，故本文以湖南省為例對影響該省財(cái)政收入的因素進(jìn)行分析并進(jìn)行相關(guān)預(yù)測。

從現(xiàn)有的文獻(xiàn)來看，大多采用傳統(tǒng)的統(tǒng)計(jì)方法，而本文先通過Lasso方法進(jìn)行特征選擇，再基于灰色預(yù)測模型預(yù)測解釋變量的值，最后結(jié)合支持向量機(jī)回歸預(yù)測模型進(jìn)行預(yù)測。上述分析與預(yù)測步驟均于Python軟件下進(jìn)行代碼實(shí)現(xiàn)。

1 模型建立

1.1 Lasso變量選擇模型

Lasso回歸方法通過構(gòu)建一個(gè)懲罰函數(shù)得到一個(gè)精煉的函數(shù)，以縮小特征集的思想，將特征的系數(shù)進(jìn)行壓縮并使某些回歸系數(shù)變成0，用來進(jìn)行模型的改進(jìn)與選擇。Lasso參數(shù)估計(jì)定義如下[1]：

2.2 Lasso變量篩選

本文基于Python軟件編制的程序?qū)τ绊懞鲜∝?cái)政收入的變量進(jìn)行篩選，結(jié)果如表1所示。

2.3.2 構(gòu)建支持向量機(jī)回歸預(yù)測組合模型

對上述影響湖南省財(cái)政收入的變量建立支持向量機(jī)預(yù)測模型，并結(jié)合所構(gòu)建的灰色預(yù)測模型所得的影響因素值對財(cái)政收入進(jìn)行預(yù)測，所得的結(jié)果經(jīng)整理后如表3所示。

從運(yùn)行結(jié)果可以得知，2020年湖南省財(cái)政收入的預(yù)測值為5285.784154億元。同時(shí)繪制2010—2019年財(cái)政收入真實(shí)值與預(yù)測值的線形圖，如圖1所示。

從圖1中可以看到模型擬合效果良好，財(cái)政收入的真實(shí)值與預(yù)測值十分貼近，誤差較小。

3 結(jié)論

利用Lasso回歸方法識別影響財(cái)政收入的重要影響因素分別為在崗職工工資總額、城鎮(zhèn)居民人均可支配收入、常住人口、全社會固定資產(chǎn)投資額、第三產(chǎn)業(yè)與第二產(chǎn)業(yè)產(chǎn)值比、居民消費(fèi)水平。同時(shí)根據(jù)支持向量回歸預(yù)測各年財(cái)政收入的結(jié)果與真實(shí)值的誤差較小，可以認(rèn)為基于Lasso變量篩選后，建立的灰色預(yù)測模型和支持向量回歸預(yù)測模型是有意義的，預(yù)測結(jié)果也是較為精準(zhǔn)的。

參考文獻(xiàn)：

[1]李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].2版.北京：清華大學(xué)出版社，2019.

[2]鄧華麗，張良均.綜合灰色及回歸模型的地方財(cái)政收入預(yù)測法[J].中國管理信息化，2016，19（5）：145-148.

[3]徐子卿.貴州省財(cái)政收入影響因素分析及預(yù)測[J].農(nóng)村經(jīng)濟(jì)與科技，2019，30（6）：158-159.

[作者簡介]秦權(quán)（1998—），男，湖南永州人，廣西師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，在讀碩士研究生，研究方向：應(yīng)用統(tǒng)計(jì)。