新冠肺炎疫情对我国社会消费品零售总额的影响程度评价.pdf

1、新冠肺炎疫情对我国社会消费品零售总额的影响程度评价杨扬摘要：本文选择我国社会消费品零售总额月度数据为研究对象，首先建立多元线性回归模型和季节波动预测模型，在此基础上建立以误差平方和最小为最优准则的诱导有序加权算术平均组合预测模型，对 2020 年 1-2 月份我国社会消费品零售总额进行预测。预测结果表明：受新冠肺炎疫情的影响，2020 年 1-2 月份我国社会消费品零售总额比正常情况下下降了 25.64%。关键词：新冠肺炎疫情;社会消费品零售总额;IOWA;组合预测模型;预测精度Abstract：This article selects the monthly data of Chinas t

2、otal retail salesof consumer goods as the research object，establishes a multiplelinear regression model and a seasonal fluctuation prediction model，on this basis，establishes an induced ordered weighted averagecombination prediction model that uses the minimum error sum ofsquares as the optimal crite

3、rion to predict the total retail sales ofconsumer goods in China from January to February of 2020.Theforecast results show that，due to the impact of COVID-19，thetotal retail sales of consumer goods in China from January toFebruary of 2020 decreased by 25.64%compared with normal conditions.Key words：

4、COVID-19;total retail sales of consumer goods;IOWA;combinedprediction model;forecast accuracy0引言新冠肺炎疫情發生以来，按照疫情防控的需要和要求，居民减少外出购物，纷纷取消聚会聚餐，非生活必需类商品销售和餐饮业受到明显冲击，居民宅在家里生活也简单化甚至一些生活必需品的消费也受到严重影响。同时，文化和旅游部发布有关暂停旅游企业经营活动的紧急通知，景区订票一律取消，旅游企业暂停经营，旅游住宿等相关行业也受到严重影响。居民消费受到抑制，春节假期及 2 月份消费市场受到冲击明显。为了准确评价新冠肺炎疫情对我国

5、居民和社会消费的影响，本文选择我国社会消费品零售总额（单位：亿元）为研究对象，首先建立多元线性回归模型和季节波动预测模型，然后以预测精度为诱导值、以误差平方和最小为最优准则建立诱导有序加权算术平均组合预测模型，以便提高预测精度。用建立的组合预测模型对疫情发生以来 2020 年 1-2 月份我国社会消费品零售总额进行预测。预测值可看作未受新冠肺炎疫情影响（正常情况下）社会消费品零售总额，将其与 2020 年 1-2 月份社会消费品零售总额（统计数据）1进行比较，结果显示：由于受新冠肺炎疫情的影响，我国 2020 年 1-2 月份社会消费品零售总额比正常年份下降了 25.64%。1多元线性回归模型

6、由于我国社会消费品零售总额 yt 受到多种因素的影响，本文基于经济学理论与统计数据的特征，通过逐步回归剔除对社会消费品零售总额影响不显著的因素，采用计量经济模型，筛选出对社会消费品零售总额影响最大的流通中的货币供应量（M0/亿元）x1t、国家财政支出（亿元）x2t 和货运量（亿吨）x3t。样本区间为 2000 年 1 月至 2019 年 12 月 20 年共 240 个月，建立多元线性回归模型2：为了预测 2020 年 1-3 月份社会消费品零售总额，首先根据时间序列数据应用指数平滑预测 2020 年 1-2 月份的流通中的货币供应量分别是 93249.16 亿元和88187.05 亿元;20

7、20 年 1-2 月份的财政支出分别是 15334 亿元和 18018 亿元;2020 年 1-2 月份的货运量分别是 42.7 亿吨和 27.9 亿吨。根据多元线性回归模型（1）预测 2020 年 1-2 月份的社会消费品零售总额分别是 35571.3 亿元和 30179.0 亿元。2季节波动预测模型由我国社会消费品零售总额月度数据 yt 可以看出，呈现出逐步增长的长期趋势和不同月份有规律的季节波动。对我国社会消费品零售总额月度数据的分析可以看出，2016 年 3 月以后的数据比较平稳，尤其是 2016 年 1-2 月份数据异常，因此采取样本区间 2016 年 3 月至 2019 年 12

8、月（46 个月，46 期），建立带有季节波动的预测模型。首先建立反映长期趋势的一元线性回归模型，然后采取加法模型测算 1-12 月份的季节系数 St（mod12），用季节系数对长期趋势进行调整。得季节波动预测模型3：其中 t 是从 2016 年 3 月-2019 年 12 月编序号为 1-46。St（mod12）是月份编号为 t 对应的加法型季节系数（由于按季节分成 12 个月，t 按 12 同余），根据 2016 年 3 月-2019 年 12 月样本数据计算：S1=705.48，S2=1053.87，S3=-1871.08，S4=-2783.34，S5=-901.29，S6=-602.35

9、，S7=-1088.53，S8=-523.66，S9=-214.95，S10=2996.95，S11=2651.24，S12=3135.41。样本期内平均预测精度达 98.51%。应用季节波动预测模型（2）预测 2020 年 1-2 月份的社会消费品零售总额分别是 36697.8 亿元和 34689.5 亿元。3组合预测模型为了提高预测精度，将多种预测模型进行组合，形成组合预测模型，本文考虑预测精度为诱导值，建立变权重的诱导有序加权算术平均（Induced OrderedWeighted Average，IOWA）组合预测模型34。设对同一预测问题，有 n 种预测方法。记第 t 期实际观察值、

10、第 i 种预测方法第 t 期预测值和第 i 种预测方法第 t 期预测的绝对误差分别为 yt，yit，eit，其中 eit=yt-yit;第 i 种预测方法第 t 期预测的精度为？琢 it，i=1，2，n;t=1，2，N。其中对于上述两个预测模型要建立诱导有序的加权算术平均组合预测模型，使得在样本期内预测误差平方和最小。将本文所建立的多元线性回归模型和季节波动预测模型在各个时点按精度进行诱导，按照预测精度高和预测精度低分别列出见表 1。样本期内组合预测预测值、误差和精度见表 1。样本期内平均预测精度98.75%，误差平方和 Q*=minQ=9336026。为了便于比较两种单项预测模型和组合预测模

11、型的优劣，将样本期内预测误差平方和（error sum of square，SSE）、样本期内平均预测精度（averageforecast accuracy，AFA）进行比较列表，见表 2。组合预测模型显著提高了预测精度，降低了预测模型的误差平方和。因此用组合预测模型进行预测具有较高的预测精度。4预测与评价由于是变权重组合预测模型，在每期预测结果组合预测模型的权重是根据预测精度高、低分别取权重 0.9808 和 0.0192，但在预测期无法预知两种单项预测方法的预测精度，本文采取简单平均法确定预测期的权重。组合预测模型在 46期样本期内多元线性回归模型有 10 期权重 0.9808，36 期的

12、权重 0.0192;季节波动预测模型有 10 期的权重 0.0192，36 期的权重 0.9808;將样本期内的平均权重作为两种单项预测模型预测期的权重，分别为：0.2282，0.7718。预测结果见表 3。由于受新冠肺炎疫情的影响，经查 2020 年 1-2 月份社会消费品零售总额实际值52129.8 亿元（1 月份没有单独列出），2020 年 1-2 月份社会消费品零售总额预测值（可以作为正常情况下的社会消费品零售总额）70100.9 亿元。预测结果表明：由于受新冠肺炎疫情的影响，我国社会消费品零售总额比正常年份下降了 25.64%。国家统计局贸易外经司司长蔺涛在国家统计局网站上发文疫情对零售市场短期冲击大，消费长期向好趋势没有改变中表明：1-2 月份，社会消费品零售总额同比下降 20.5%5。按照同比下降了 20.5%，而 2019 年 3-12 月同比增长的平均值是 8.04%1，两者叠加 2020 年 1-2 月份比正常情况下实际下降了28.54%。本文的预测结果下降了 25.64%与官方公布的结果还是比较接近的。参考文献：1中国统计数据应用支持系统，http：/ IOWA 算子的两类准则下的最优组合预测模型及其应用J.数理统计与管理，2013，32（5）：847-853.5蔺涛.疫情对零售市场短期冲击大，消费长期向好趋势没有改变.http：/