地方財政收入是區(qū)域國民經(jīng)濟發(fā)展狀況的綜合反映,相關(guān)部門制定有效的財政政策和加強地方財政收入的監(jiān)督管理都離不開財政收入的預測。河北省地理位置優(yōu)越,環(huán)京津、臨渤海,經(jīng)濟的發(fā)展推動了地方財政收入的增長。現(xiàn)今隨著京津冀協(xié)同發(fā)展重要戰(zhàn)略的開展,河北省迎來了有利的發(fā)展機會,精準的財政收入預測在提高決策管理水平和促進國民經(jīng)濟協(xié)調(diào)快速發(fā)展方面有十分重要的應(yīng)用價值。建立科學合理的預測機制,提出更創(chuàng)新有效的預測方法,這對于建設(shè)河北經(jīng)濟,促進社會發(fā)展具有重要的意義。本文在分析已有預測方法的特點和不足基礎(chǔ)上,以河北省1994²017年的地方財政收入及其他相關(guān)經(jīng)濟指標數(shù)據(jù)為樣本,首先,利用Adaptive-Lasso模型、隨機森林模型分別對影響河北省地方財政收入的因素進行選擇。其次,將各自篩選出的變量進行XGboost回歸預測建模,同時與不進行任何變量篩選建立出的模型進行比較,以平均絕對誤差及R方為衡量標準,結(jié)果發(fā)現(xiàn):隨機森林方法篩選出變量后再進行XGboost建模擬合出的模型平均絕對誤差小于另外兩種模型,預測效果好,而同時R方大于另外兩種模型,擬合效果好。最后,依據(jù)隨機森林方法篩選出的9... 

【文章來源】：河北經(jīng)貿(mào)大學河北省

【文章頁數(shù)】：46 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 國內(nèi)外研究現(xiàn)狀述評
    1.4 研究內(nèi)容與組織結(jié)構(gòu)
    1.5 技術(shù)路線圖
    1.6 創(chuàng)新點
2 預備知識
    2.1 Adaptive-Lasso變量選取
    2.2 隨機森林
    2.3 XGboost方法
    2.4 灰色預測
    2.5 神經(jīng)網(wǎng)絡(luò)
    2.6 本章小結(jié)
3 河北省地方財政收入影響因素的分析
    3.1 數(shù)據(jù)的理解
        3.1.1 數(shù)據(jù)來源
        3.1.2 河北省地方財政收入的影響因素描述說明
    3.2 河北省地方財政收入及影響因素的描述性分析
    3.3 河北省地方財政收入及影響因素的相關(guān)分析
    3.4 模型建立和實證分析
        3.4.1 Adaptive-Lasso變量選取
        3.4.2 隨機森林變量選取
        3.4.3 XGboost回歸建模
    3.5 本章小結(jié)
4 河北省地方財政收入的未來3期預測模型
    4.1 單個影響因素的灰色預測
    4.2 神經(jīng)網(wǎng)絡(luò)預測
    4.3 本章小結(jié)
5 結(jié)論及展望
    5.1 結(jié)論與建議
        5.1.1 河北省地方財政收入預測結(jié)論
        5.1.2 河北省地方財政收入政策建議
    5.2 展望
參考文獻
作者簡歷
致謝


【參考文獻】：
期刊論文
[1]基于ARIMA和GM（1,1）模型的煤炭市場需求預測研究[J]. 姜春海,閆振好,宋志永.  產(chǎn)業(yè)經(jīng)濟評論(山東大學). 2019(03)
[2]基于逐步回歸篩選的回歸組合預測模型[J]. 王自成,朱家明,陳華友.  統(tǒng)計與決策. 2019(17)
[3]基于BP神經(jīng)網(wǎng)絡(luò)誤差校正的ARIMA組合預測模型[J]. 吳曉峰,楊穎梅,陳垚彤.  統(tǒng)計與決策. 2019(15)
[4]基于CEEMD-SVM組合模型的快遞業(yè)務(wù)量預測[J]. 李辰穎.  統(tǒng)計與決策. 2019(12)
[5]基于灰色預測和徑向基網(wǎng)絡(luò)的人口預測研究[J]. 徐麗麗,李洪,李勁.  計算機科學. 2019(S1)
[6]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的稅收預測[J]. 周香連.  市場周刊. 2019(06)
[7]高度重視減稅降費中地方財政的可持續(xù)性問題[J]. 許生.  財政科學. 2019(04)
[8]武漢市財政收入分析預測模型探究[J]. 張強,董雪.  現(xiàn)代信息科技. 2019(02)
[9]基于灰色-BP神經(jīng)網(wǎng)絡(luò)的福州市年平均氣溫預測模型[J]. 林耿,鄭紫微.  河南工程學院學報(自然科學版). 2018(04)
[10]基于灰色RBF神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預測[J]. 方彥.  中國科技信息. 2018(22)



本文編號：3041870