安徽省现代信息服务业发展预测※

马成文　王红影

（安徽财经大学，安徽蚌埠233030）

安徽省现代信息服务业发展预测※

马成文王红影

（安徽财经大学，安徽蚌埠233030）

现代信息服务业是我国国民经济的重要组成部分之一，在加快产业转型的压力背景下，已经成为我国经济发展的内在要求。对于安徽省来说，现代信息服务业既是重要经济增长点，也是改善投资环境和优化产业结构的关键领域。本文运用组合预测模型对安徽省现代信息服务业发展进行预测以期对本省经济发展提供理论支持。

现代信息服务业；转型；发展趋势

现代信息服务业是以信息技术为支撑，以信息技术服务业、信息传输服务业以及数字内容服务业为主要内容的新兴产业。随着经济的发展，现代信息服务业已成为拉动经济增长的重要引擎，在国民经济中的作用越来越重要。

近年来，安徽省各级政府相继出台了一系列鼓励发展现代信息服务业的政策。但由于安徽省经济基础比较薄弱、现代信息服务业总体发展水平较低。故对安徽省现代信息服务业发展进行预测对优化产业结构、转变经济增长方式等具有重要的现实意义。本文运用组合预测方法对现代信息服务业发展进行预测，以为相关政府部门制定现代信息服务业发展策略提供参考依据。

一、预测方法的理论基础

安徽省现代信息服务业起步较晚，对现代信息服务业进行研究所能搜集到的数据较为有限，结合实际情况和模型特点，本文使用的指数平滑法、灰色预测GM（1，1）模型对研究对象进行组合预测分析。以下将分别对指数平滑法、灰色预测模型以及组合预测模型的相关理论、原理进行简单介绍。

（一）指数平滑法模型

指数平滑法是指通过厚近薄远原则对距离预测期较近的数据赋予较大的权重，对较远的数据赋予较小的权重，从而实现以特殊的加权平均法对所用数据加以修匀进而达到预测的目的。

指数平滑的一般表达式为：St=axt+（1-a）St-1，其中St，St-1分别为第t期和第t-1期的平滑值，xt为第t期的实际值，α为平滑系数（0＜α＜1）。通过指数平滑法的表达式我们可以知道，St是xt和St-1的加权算术平均数，平滑系数α的变化，将决定着二者对St的影响程度。所以，α的取值对平滑的效果至关重要。α的原则是使预测值与时间观测序列之间的均方差S和平均绝对误差达到最小。常用的方法是经验判断法：当时间序列呈现比较稳定的趋势时，α一般取0.05-0.2之间的数值；当时间序列有波动但长期趋势变化不大时，α可在0.1-0.4之间进行取值；当时间序列波动很大，长期变化幅度较大时，α值应选择在0.6-0.8之间进行取值。

（二）灰色预测模型

灰色预测GM（1，1）模型是一个拟微分方程的动态系统。其建模的基本原理如下：

1、设原始数据序列为：x（0）=｛x（0）（1），x（0）（2），…，x（0）（N）｝

3、设x（1）满足一阶常数微分方程

4、模型精度检验

残差检验：

后验检验：

当C＜0.35，P＞0.95时模型精度较好；当C＜0.45，P＞0.8模型精度合格。

（三）组合预测模型

设xt为某指标序列的实际观测值，假设有n种可行的单项预测方法对其进行预测。xit为第i种预测方法第t期的观测值，i=1，2，…，n，t=1，2，…，No令wi为第i种预测方法在组合预测中的权重，满足。第t期组合预测方法的预测值令组合误差平方和为，以预测误差平方和达到最小为准则，建立组合预测模型如下：

二、实证分析

本文选取现代信息服务业的增加值作为研究安徽省现代信息服务业的样本指标，使用指数平滑法和灰色预测GM（1，1）模型对其进行预测，文章以2003—2014年为研究样本期，对安徽省现代信息服务业发展进行预测，指标数据来源于安徽省统计局。在各单项预测模型中，利用2003—2010年的数据建立模型并对2011—2014年的现代信息服务业进行预测，并将预测值与实际值进行比较，以检验模型预测的精度，在满足模型精度的基础上对2015—2020年的现代信息服务业的增加值进行预测。并运用建立的组合预测模型对2015年至2020年现代信息服务业发展进行预测。

（一）指数平滑法预测

通过对现代信息服务业的增加值进行一次指数平滑分析可知，增加值具有线性增长的趋势，故需要使用二次指数平滑法，二次平滑的表达式为：

线性预测公式：Xt+T=αt+btT，T=1，2，…，其中t为当期期数，T为当前期数到预测期的期数，Xt+T为t+T时期的预测值，截距项和斜率的公式分别为为第t期的二次指数平滑值。

按照上述原则并参考相关文献，将α值分别选取α=0.1，0.2，0.3，0.4进行二次平滑预测。通过比较不同α值下的预测标准误差并根据标准误差最小原则，确定α=0.4。故在α=0.4时，对时间序列进行二次指数平滑。利用2003-2010年的样本数据，建立二次指数平滑模型。根据αt，bt的计算公式可得，α2010=168.6052，b2010=16.5129，因此二次指数平滑模型为：x2010+J=168.6052+16.51297，利用该模型可得2010-2014年现代信息服务业增加值，预测结果如表1中的3、4列。

（二）灰色预测GM（1，1）模型预测

根据GM（1，1）建模过程，利用上述样本数据，计算得增加值的时间相对应的模型：

（三）组合预测模型

计算最优组合权重。据两个单项预测模型的预测误差，求最优组合权重向量W1=0.3884，W2=0.6116，则组合预测模型为：和Y2t分别为指数平滑法的预测值和灰色预测模型的预测值。根据组合预测模型可预测2003-2010年现代信息服务业增加值，预测结果见表1中7、8列。并与前两种单项预测模型预测结果进行比较。

表1　各预测模型的预测效果和误差

通过表1各预测模型的预测结果可知，组合预测模型的预测误差明显小于两种单项预测的预测误差，且组合预测的预测精度要高于各单项预测精度，因此可以用该组合预测模型对2015-2020年的现代信息服务业增加值进行预测，预测结果如表2所示。

表2　2015-2020年安徽省现代信息服务业增加值预测结果

三、结束语

本文利用指数平滑法和灰色预测GM（1，1）进行预测分析的基础上建立了以误差平方和达到最小的线性组合预测模型，对2015-2020年的现代信息服务业增加值进行预测，通过预测结果可知安徽省现代信息服务业在今后的几年将持续保持6.28%左右的增长速度。运用组合预测模型进行预测分析，精度较高，可靠性和可行性较强，从而可为有关部门提供科学的依据。

［1］王军.现代信息服务业发展研究［J］.陕西行政学院学报，2012，26（2）：112-114.

［2］蔡亮，张槟，褚昌友.安徽省现代信息服务业集群模式研究［J］.赤峰学院学报（自然科学版），2013，29（11）：152-154.

［3］王莎莎，陈安，苏静，李硕.组合预测模型在中国GDP预测中的应用［J］.山东大学学报（理科版），2009，44（2）：56-59.

［4］杨扬，何伟.基于组合预测模型的我国GDP预测分析［J］.科技和产业，2011，11（3）：95-98.

［5］王丰效，周伟萍.基于灰色模型和指数平滑的统计组合预测方法［J］.喀什师范学院报，2012，33（3）：1-3.

［6］朱登远，常晓凤.灰色预测GM（1，1）模型的Matlab实现［J］.河南城建学院学报，2013，22（3）：40-46.

责任编校：徐晓

Forecastof Developmentof Modern Information Service in AnhuiProvince

MA Cheng-wen WANG Hong-ying
（AnhuiUniversity of Finance＆Economics，Bengbu，Anhui，233030，China）

Modern information service，an importantpartof Chinese nationaleconomy，has become the intrinsic demand of economic development along with the pressure of accelerating industry transformation.It is not only the important economic growth point，but also the critical area for optimizing the industrial structure and improving the investmentenvironmentof Anhuiprovince.So the paper forecastings the developmentofmodern information service in Anhui province by means of Combination Forecast Model.It is intended to offer some theoretical guide for the economic developmentofAnhui.

modern information service industry；transformation；developmenttendency.

F719；F49

A

2095-7955（2016）03-0033-03

安徽省哲学社会科学规划办项目《安徽省现代服务业集群模式优化研究》（项目编号：AHSK11-12D13）。

2016-03-16

马成文（1963—），安徽财经大学经济学院教授。主要研究方向：数量经济、产业经济；王红影（1988—），女，安徽财经大学统计与应用数学学院2014级统计学研究生。主要研究方向：经济统计。