世界上网人口与电子商务交易额预测

王小东　杨坚争　杨纳川

摘要：电子商务交易额预测是电子商务发展预测中的一项重要研究课题。电子商务交易额的增长主要与因特网上网人数及网上人均交易额的增长相关。本文在广泛收集有关数据的基础上，参考国内外有关研究报告，利用1985-2011年世界上网人口以及1995-2011年电子商务交易额的时间序列分别对数据进行平稳化处理、模型识别、参数估计，建立时间序列模型，并对模型进行检验，确定较适合的自回归移动平均模型。利用该模型对2009-2011年数据分别做出计算值，并与实际值比较，结果表明相对误差均在5%之内，预测模型良好，继续利用模型对世界未来几年因特网上网用户数进行了预测，最后完成了电子商务网上交易额的近期发展预测。

关键词：时间序列；世界上网人数；罗吉斯曲线；电子商务交易额

一、世界各国关于电子商务发展的相关理论研究

电子商务的发展现状已引起人们对电子商务发展前景的极大关注，许多调查公司、学者对未来互联网的市场潜力和电子商务的发展进行了预测，如工业和信息化部颁布的《互联网行业“十二五”发展规划》提出，到2015年我国将实现电子商务交易额18万亿元，互联网企业直接吸纳就业超过230万人，并带动更大规模的就业增长。艾瑞咨询集团预测，到2015年，我国电子商务市场交易可达到规模15.7亿元，网络市场交易规模可达到25510.0万亿元。也有机构和学者作了相关的预测。

从上面的资料我们看出预测主体不同，预测的结果差别很大。其原因在于对电子商务的定义不同，统计资料的来源、多少也不相同，预测方式和方法有较大区别。此外，由于信息技术的发展异常迅猛，对电子商务的影响极大，人们一时还很难精确地描述这一新生事物的未来。然而，必须明确，电子商务与经济生活中的其它事物一样，是有规律可循的，它同样表现出波动性、惯性、关联性、系统性和随机性。只要把握好电子商务的这些性质，就可能在一定程度上把握电子商务的发展态势，对电子商务活动进行较为准确的预测。

二、预测的出发点及数据采集

由于电子商务是20世纪90年代初才被逐步推广的，且对其概念没有一致的看法，因而对电子商务统计数据的搜集以及对其影响因素的分析还很不系统；影响电子商务发展速度的因素众多（如上网用户数，上网用户购买力水平等）且很难量化，因此对电子商务发展的预测存在很大的困难。我们认为，较容易获得又比较全面反映电子商务发展状况的是历年的上网人数和网上交易额的统计数字。有鉴于此，我们设计了本文研究的预测路线，即首先对世界上网用户数进行预测，然后预测网上交易额，以此对电子商务的近期发展预测和中长期发展预测进行分别研究。表1反映了世界电子商务上网人数和网上交易额有关的历史数据。

三、ARIMA模型预测世界上网人口的数据

20世纪70年代初，博克思（Box）和詹金斯（Jenkins）提出的著名的时间序列预测方法，又称为Box-Jenkins模型、博克思-詹金斯法、ARIMA模型。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。ARIMA模型使时间序列分析理论上升到了一个新的高度，预测的精度大大提高。

下面以我国1995—2011年世界上网人口数据，用时间序列分析法对数据分析，并通过其预测2010-2011年的世界上网人口与实际上网人口比较，选取最为合理的预测方法对未来几年世界上网人口做出预测。同时，选取1985-2011年世界上网人口数据为样本。

（一） 平稳性检查

采用EViews6.0对1985-2011年世界上网人口数据进行分析，得到1985-2011年世界上网人口时间序列。由此可知，随着世界科技水平日益提高以及计算机、互联网的广泛普及，世界上网人数在过去的27年总体呈现出一种指数增长的趋势，特别是在1999以后，增长迅速。因此可以将其判断为非平稳时间序列。对于含有指数趋势的非平稳时间序列，要使其平稳化，通常可以通过对指数趋势进行对数变换后转化为线性趋势，然后再对其进行差分来消除线性趋势。为此，先对世界上网人口数据取对数并作差分，得到修正后的时间序列，然后对其进行ADF单根检验来判断修正后的时间序列的平稳性，然后选择ARIMA（p，d，q）模型中合适的d值。

对做二阶差分，并对其做ADF检验，检验结果显示，二阶差分序列在1%的显著性水平下拒绝存在单位根的原假设，接受不存在单位根的结论，因此可以确定序列是二阶单整序列，即d值取为2，。图1为的二阶差分时序图。

（二） 时间序列模型的识别与参数估计

模型的选择与p，q的确定可以通过样本的自相关与偏自相关函数的观察获得。在计算出样本自相关系数和偏自相关系数的值之后，就要根据它们表现出来的性质，选择适当的模型拟合观察值序列。这个过程实际上就是要根据样本的自相关系数和偏自相关系数的性质估计自相关阶数p与移动平均阶数q，因此模型识别过程也称为模型定阶过程。

二阶差分后自相关与偏自相关系数如图2。

选取ARIMA（p，2，q）模型，现在主要问题是要对ARIMA中p，q进行定阶。观察Ln（pop）的自相关和偏自相关图，利用2倍标准差范围辅助判断，样本自相关函数值AC与偏自相关函数值PAC都落在了95%的置信区间（-0.3772，0.3772）的内部，因此在5%的显著性水平下不拒绝AC=0，PAC=0的假设。据此可认为Ln（pop）是一个白噪声，从而可以建立Ln（pop）的纯MA（0）模型，或建立世界上网人口（POP）的ARIMA（0，2，0）模型。

然后，对2009-2015年世界上网人口进行预测，如表2。

当然，由于在滞后1期时，AC=PAC=-0.306，接近于5%显著性水平下的临界值-0.37，所以也可以考虑建立纯AR（1）模型，或建立MA（1）模型，或建立ARIMA（1，2，1）。因此，可供选择的（p，q）的组合为（0，1）、（1，0）、（1，1）。

（三） 残差白噪声检验与模型优化

已将所有的p，q可能取值列出：（0，1）、（1，0）、（1，1）。下对以上模型进行残差的白噪声检验与模型的平稳性检验。最后用AIC准则、SC准则对模型进行优化。详见表3。

能通过残差的白噪声检验和平稳性检验的组合有（1，0）、（1，1）。根据AIC、SC准则的模型优化要求，最合适的p，q组合应为（1，1）。下面将对其具体的模型的平稳性检验与残差的白噪声检验给出说明：

根据图3参数估计结果显示，模型的滞后多项式倒数根均落在单位圆内，满足过程的平稳要求。图4给出了模型残差的白噪声检验，可见残差的自相关值和偏自相关值都落入了随机区间，与0无显著差异，说明残差序列是白噪声。

四、退势平稳序列法预测世界电子商务交易额

首先，和第五部分处理方法一样，把世界电子商务交易额序列的对数变换序列（ln（trade））当作退势平稳序列处理。分析退势之后序列的自相关和偏自相关图，做出如下回归：

（1985，t=1）

提取残差做自相关和偏自相关图，发现为过程。因此可以用EViews来估计模型的参数，得出解：

并且模型的残差通过白噪声检验，特征方程的根在单位元外，模型通过诊断检验。图6描述了世界电子商务交易额的真实值（TRADE）与预测值（TRADEF）的曲线图，可以看出预测值非常接近真实值。

在此基础上，将对世界电子商务交易额进行预测，如表4。

五.说明与分析

1、 根据前面的预测，2012、2013、2014年的世界上网人数分别为255003.4万，286646.4万，321835.8万。未来三年的交易额为343299.0亿美元，434707.1亿美元，547418.7亿美元。考虑到社会经济发展的不稳定性，可能会阻碍电子商务的发展速度，但基本不会以很大的比例偏离预测值，所以，未来的几年将依然是电子商务丰收的几年。

2、在世界经济复苏步伐放缓的严峻环境下，不断创新商业模式，大力开拓电子商务市场，充分挖掘潜力潜力，可以大大促进经济的增长。

3、随着电子商务作为战略性新兴产业和服务业发展重点行业地位的确定，电子商务的发展受到各方面的高度重视，大大促进了这一新兴产业的发展。

参考文献：

[1] 薛冬梅. ARIMA模型及其在时间序列分析中的应用[J]. 吉林化工学院学报， 2010（3）： 80-83

[2] 张波.湖北省人均GDP时间序列模型及预测[J]. 中南财经政法大学研究生学报，2006（2）： 95-100

[3] 陈飞，高铁梅. 结构时间序列模型在经济预测方面的应用研究. 数量经济技术经济研究， 2005（2）： 95-103

[4] 刘薇. 时间序列分析在吉林省GDP预测中的应用[M].

[5] 李莹. 时间序列分析在山东省GDP预测中的应用研究[M].

[6] 王厚芹.电子商务交易额（2000-2004）. 世界电子商务的昨天、今天和明天（1）[N]， 中国计算机报， 2002-04-01.

[7] 电子商务交易额（2005-2011）：商务部. 中国电子商务报告（2010-2011）. 清华大学出版社，2012.

[8] 王永联.关于金融学本科专业课程双语教学的探讨[J].上海理工大学学报，2004，04.