个人收入预测

个人收入预测（共7篇）

个人收入预测 篇1

1.引言

个人收入是国家实际购买力水平的体现。改革开放以来, 中国居民收入稳步上涨, 但收入差距却越来越大, 对于个人收入影响的分析也成了研究的重点。从个人收入分配理论看, 影响收入分配差异的因素主要分为两个方面。一是内生决定收入因素, 即人力资本等内生变量;另一个是外生决定因素, 即制度和宏观变量。本文运用BP神经网络和支持向量机方法从内生决定因素来分析对个人收入的影响。

BP神经网络方法的整个信息传递过程为输入层到输出层的单向传递, 保证了网络输出向量与原训练样本中因变量数据之差最小, 目前已广泛应用于疾病诊断、基金股票的波动预测等研究中。支持向量机 (SVM) 是建立在统计学习理论之上, 专门用来针对处理样本量有限时的机器学习问题, 避免了BP神经网络中的局部最优的问题, 并且具有比BP神经网络更好的泛化能力, 已广泛应用于图像处理、个人信用评价等领域。人工神经网络和支持向量机算法在结构上类似, 但是功能应用和预测效果却有很大的不同, 研究这两个模型间的区别和联系, 将为不同情况下建立合适的预测模型提供理论依据。

2.BP神经网络与支持向量机对个人收入的预测

本文从内生决定因素分析个人收入的差异, 而非因家政策等外在因素。研究数据来源于南斯拉夫卢布尔雅那大学数据库, 样本中有15296 例数据, 其中删除了962 例有缺失值的数据。数据集中年收入小于等于50K的有11526个, 占总样本比例的75.4%。从年龄、性别、工作性质、教育程度、受教育年限、婚姻状况、职业、家庭关系、资本增益、资本损失、每星期工作小时数这11个因素分析个人收入差距。支持向量机模型选用的是默认的RBF函数, 而BP神经网络模型建立中输入节点数为11, 输出节点数为2, 隐含层单元数为10, 利用MATLAB工具箱中的newff和sim函数对样本进行训练, 通过训练后各个自变量的影响程度大小找出个人收入的影响因素, 然后通过预测准确率、均方误差MSE和决定系数R2来验证两个模型的预测效能。

训练后, 自变量影响程度大小排在前四位的依次是资本增益、受教育年限、每星期工作小时数和年龄, 这几个变量被判断为个人收入的影响因素, 不同程度的连接着输入层与输出层间的权重。如表1, 支持向量机对个人收入训练样本预测准确率为87.6%, 均方误差为0.08, 决定系数为0.14, 测试样本预测的准确率为85.3%, 均方误差为0.27, 决定系数为0.76。BP神经网络对个人收入训练样本预测准确率为85.1%, 均方误差为0.14, 决定系数为0.84, 测试样本预测的准确率为84.4%, 均方误差为0.32, 决定系数为0.71。可看出, 支持向量机对训练样本和测试样本进行预测的均方误差MSE的值都比BP神经网络小, 预测准确率和决定系数R2的值都要大, 说明相比之下SVM的预测误差更小, 拟合效度更好, 验证了支持向量机比BP神经网络具有更好的预测效能。

3.讨论

研究发现, 年龄、受教育年限、资本增益和每星期工作小时数是影响个人收入的因素。即年龄越大, 受教育年限越长, 资本增益越大, 工作时间越长的收入越高, 说明个人收入与自身的教育和经验投资是呈正比的。个人想要获得的收入回报也必须有同等程度的付出。

研究还证实了SVM、ANN都具有较好的预测能力, 且支持向量机算法的预测效能更强, 这为解决个体预测提供了一种新方法。但是, 在仿真测试中建立的预测模型主要从数据上反映发展变化趋势, 当相关参数变化时, 相应的仿真测试效果也会不同。而且模型中的训练样本和测试样本是随机的, 也会对预测结果造成影响。

参考文献

[1]张文彤, 董伟.SPSS统计分析高级教程[M].北京:高等教育出版社, 2012.

[2]王莎.BP神经网络在股票预测中的应用研究[D].硕士学位论文:中南大学, 2008.

[3]史峰, 王辉等.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社, 2010.

[4]储蕾.基于BP神经网络和SVM的个人信用评估比较研究[D].硕士学位论文:上海师范大学, 2014.

探索业务收入预测模型 篇2

1.掌握数据分析方法。学习数据挖掘技术和数据分析方法, 掌握并应用SPSS Modeler数据挖掘工具;

2.探索影响业务收入关键因素建立预测模型。分析历史业务收入指标, 探索影响业务收入的关键因素, 确定预测分析方法, 搭建预测分析模型;

3.优化预测模型, 实现各业务预测。通过不同模型预测结果的对比和参数调整, 进一步优化预测分析模型, 最终得出预测值。

二、研究内容

1.预测理论和方法研究:研究相关预测理论技术, 重点对时间序列分析、统计学中经典的线性回归等进行深入学习, 针对业务收入的特点, 确定影响收入的关键因素, 探索可行的预测方法。

2.主流的数据挖掘工具研究:深入理解SPSS Modeler的功能节点和建模流程以及分析指标的含义。

3.全业务收入预测模型的研究与搭建:根据业务收入影响因素和预测算法, 建立预测模型并对结果进行对比, 选择最适合的模型, 通过参数调整加以修正。

三、中心业务续买问题分析:

1.对实际续买问题的理解。在这10个月当中, 共有6次消费行为 (即宽带续买行为) , 其中, 有3次消费行为为1个月, 有2次消费行为为3个月, 有1次消费行为为6个月。在这10个月中, 续买频率=续买通一时长的次数总数/总续买次数:消费行为为1个月的续买频率=3/6;消费行为为3个月的续买频率=2/6;消费行为为6个月的续买频率=1/6。

当然, 还应该考虑续买的套餐问题, 中心实际可续买的带宽为20M、50M、100M, 所以, 我们不仅要把数据分成客户每次续买的时长、次数, 还要分出来每次续买时的带宽是多少, 还以“宽带续买”举例说明:在这10个月当中, 共有6次消费行为 (即宽带续买行为) , 其中, 有2次消费行为为50M/1个月, 有1次消费行为为100M/1个月, 有2次消费行为为20M/3个月, 有1次消费行为为20M/6个月。

在这10个月中, 续买频率=续买通一时长同一带宽的次数总数/总续买次数:消费行为为50M/1个月的续买频率=2/6;消费行为为100M/1个月的续买频率=1/6;消费行为为20M/3个月的续买频率=2/6;消费行为为20M/6个月的续买频率=1/6。

这样考虑的问题越细致, 分析得也就会越准确。以此思路走下去, 客户行为的贡献率=续买频率*实际消费金额。

在实级当中, 宽带业务还分为公费客户即专线客户、商贸客户即网吧客户、一般客户即住宅客户和普通的办公客户, 在分析消费行为时, 也应该将这几大项区分开来, 在每一项中再细分以上举例说明的消费行为和贡献率。

2.对全业务发展的理解分析

2.1 GPS业务不需要由任何区分, 只需要统计数量即可;

2.2宽带业务已经举例说明;

2.3固话业务。细分时仍应该按照时间 (1月、2月、3月…..) 、地区 (中心站、幸福里、港东…..) 、缴费方式 (自费、公费) 等大类进行分析。

2.4净增量、净增客户。净增是, 指新增的量与消耗或损失的量之差额, 比如说“ 今天出生10个人 去世8人, 净增人口就是2人”、“今天存款 10元 消费 8元 净增 就是2元” ;对于客户来说净增=新增加的客户-自动删除的客户。

2.5 在预测收入时, 欠费收缴率也应该被平均在预算之内。

四、结束语

此预测收入模型的建立, 可应用于中心业务收入预测工作中。随着模型不断完善, 预测值会越发接近实际值, 在获取最新月份收入后, 产生新的预测结果, 尤其适用于短期预测。

摘要：随着中心利润指标不断增加, 而指标能否完成取决于正确的经营决策, 而正确的决策来源于对业务收入的合理预测。目前收入预测分析, 预测值基本靠经验得出, 缺乏科学有效的分析方法予以支撑。预测值与实际收入的偏差较大, 中心对经营收入的把握越来越难。

浙江农村居民收入的灰色预测分析 篇3

农村居民收入按不同的来源可进行多种分类,根据我国统计局的分类,目前我国农民纯收入主要有以下几个来源:工资收入、家庭经营收入、转移收入及财产收入。而在家庭经营收入中,又可根据农户从事经营活动的类型分为从事家庭农业生产活动的收入与从事家庭非农业生产活动的收入。浙江农村一直是我国经济体制改革深化的领头羊,城镇化水平较高,乡镇企业发达,农户在各种经济中的就业结构、就业机会及收入水平和全国大多数地区存在很大的差异,这必然也体现在农村居民的收入结构上。笔者运用灰色预测方法对2011-2014年期间农村居民各类人均收入与人均纯收入的关系进行预测,进一步分析浙江省农民收入水平的未来发展态势,为制定农村各项经济政策,进一步提高农民收入提供参考。

一、浙江农村居民人均纯收入与各类收入的灰色预测

(一)灰色系统关联分析

灰色关联理论是根据因素之间发展态势的相似或相异程度,亦即“灰色关联度”来衡量因素间关联程度的一种新的分析方法。对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的关联度就越大,反之就越小。灰色关联度分析对于一个系统发展变化态势提供了量化的度量,非常适合动态历程分析。

农村居民收入按不同的来源可进行多种分类,本文将工资收入与从事家庭非农业生产活动的收入并为一类,记作非农劳动收入,家庭经营收入中来源于农业生产活动的部分记作农业劳动收入,则农民纯收入由转移收入及财产收入、非农劳动收入和农业劳动收入三部分构成。灰色关联分析可以从动态角度分析各种不同来源的收入与纯收入之间的相关性,判断不同来源收入在纯收入中所处的地位和重要性。

(二)灰色预测的步骤

灰色预测模型GM(1,1)的建模分为以下五个步骤:

1. 作累加生成数列

设X(0)(1),X(0)(2),X(0)(3),……,X(0)(N)是所要预测指标的原始数据。一般而言,{X(0)(K)}k=1N是一个不平稳随机数列,无法用回归预测法对其进行预测。如果对{X(0)(K)}k=1N作一次累加生成处理,即得到一个新的数列,新数列与原始数列相比,其随机性程度大大弱化,平稳性大大增强。

2. 确定数据矩阵

3. 求参数列

参数向量可以通过如下的最小二乘法拟合得到:

4确定GM(1,1)模型

新数列的变化趋势可以由如下的微分方程来表示:

将上式离散化,得Δ(1)(x(1)(k+1))+az(1)(x(k+1))=u

其中Δ(1)(x(1)(k+1))为x(1)在(k+1)时刻的累减生成序列,在(k+1)时刻的背景值。

解得方程有解为

还原到原始数据得:

上式即为GM(1,1)模型的时间响应函数,是GM(1,1)模型灰色预测的具体计算公式。

5. GM(1,1)模型的精度检验

模型选定之后,必须对它进行精度的检验,只有通过检验的模型,才能用来进行预测。本文选用最常见的相对误差检验法。

(三)灰色预测的实证分析结果

根据浙江省农村居民人均纯收入及各类收入数据拟合的灰色预测模型如表1所示。在利用表1中模型预测之前,还需要检验模型的精度。模型的相对误差检验值显示人均纯收入和非农劳动收入预测模型的相对误差均不足1%,灰色预测精度极高。农业劳动收入、转移收入和财产收入预测模型的相对误差也不足3%,精度也较好。四个模型的精度均符合标准,这些模型可以用于预测分析。根据模型预测出浙江省农村居民2011-2014年人均纯收入与各类收入见表2。并以此为基础,对未来几年的预测值进行发展趋势关联分析,求出其发展趋势关联度数值见表3。

(单位:元)

2011-2014年浙江省农村居民各类人均收入与人均纯收入的关联度预测值显示,未来几年中浙江省农村居民纯收入仍然主要取决于非农劳动收入。农业劳动收入的关联度值超过了转移收入及财产收入的关联度值,但是两者非常接近。

二、浙江农村居民增收的对策和建议

灰色关联度分析和灰色预测模型的结果显示,未来几年中浙江农村居民人均纯收入仍将快速增长,但其结构的基本格局不会改变,非农劳动收入始终是农民收入的主要组成部分。我们要从农民人均纯收入结构分析中入手,积极应对,增加农村居民工资收入及家庭二、三产业经营收入,使农村居民人均纯收入保持较快速增长。

(一)提高农民向城市的转移速度,保证工资性收入的稳定增长

农村居民工资性收入的增长是收入增长的主要推动力量。从长期看,农民收入增长的快慢,很大程度上取决于农村剩余劳动力向城市流动和转移的快慢。在当前金融危机的背景下,一定要想办法解决当前的农村劳动力外出务工人数增速减缓趋势,要想办法提高农民工在城市就业的稳定性,创造条件使农民工能稳定留居城市,并最终完成人口迁移过程。一方面,要加快户籍制度和社会保障制度改革;另一方面,要加快建立城乡统一的劳动力市场,保护农民工的合法权益。

(二)加速推进城市化建设,积极发展农村二、三产业

保证农民收入持续稳定的增长,最根本最有效的办法是扩大农民的非农就业。为此,在现有的基础上,有规划有步骤地进一步发展一批卫星城市和小城镇,以此带动农村工业布局的相对集中,促进农村工业化和城市化的同步发展。以现有集镇为基础,聚集一批同行业或经济技术联系较为密切企业,建设农村工业小区,以获取规模经济效益。这一点目前浙江省做得比较成功,金融危机爆发使相当一部分农村企业面临生存危机,促使企业要加速转型升级,对部分企业可以通过资产转让、兼并等手段逐步加以调整。

(三)大力推进农业结构性调整,加快农业生产经营方式向集约化、规模化、产业化大生产经营的转变

浙江土地资源比较稀缺,因此农业要围绕城市经济社会的发展,大力发展都市型现代农业。同时促进农业生产的规模化经营,可以降低农业生产的成本,增强农业抗风险能力,提高农业生产的效益。农业产业化经营凭借产、供、销一体化,协同作业以及现代科学技术和先进的管理制度提高经营效益,节省交易费用,创造出高于非产业化经营的效益增量。

影响和制约农村居民人均纯收入增加的因素较多,根据上述灰色预测的结果,我们认为必须把增加农民收入和产业格局的调整相联系,把促进非农就业和加速城镇化步伐相联系,用工业化、城镇化、市场化解决增加浙江农民收入问题。

参考文献

[1]邓聚龙.灰色控制系统(第二版)[M].武汉:华中理工大学出版社,1993:313-315

[2]李子奈.如何转移农村剩余劳动力[J].经济学家,2000(4)

铁路局营业收入预测方法研究 篇4

(一) 预测旅客列车客票收入的基本原理。铁路运输进款清算办法明确了运输企业进款清算的总体思路, 铁路运输进款清算的总体思路是:收入来自市场、旅客运输、专业运输承运结算、普通货运分段计算、提供服务相互清算。与旅客列车运行直接相关的客运进款原则上作为列车担当企业的客运营业收入, 其余客运进款作为收款企业的客运营业收入。铁路运输企业客运进款清算的内容, 包括客票进款、行包专列运费进款、列车补票进款, 与列车有关的客运其他进款以及客票发展金。客票进款包括:旅客票价进款、卧铺订票费进款、车站候车室空调费进款。

从客票收入预测的组织体系我们可以看出, 旅客列车客票收入的预测是基础, 铁路局客运收入预测的准确与否, 主要取决于旅客列车客票收入预测的准确度。旅客列车是通过运送旅客来取得客票收入, 在运送旅客过程中列车等级、席别、运送距离等因素影响着客票收入的高低, 对于旅客列车来说客票收入的预测原理如下。

客票收入=旅客人数×收入率

收入率:是平均运送每位旅客的客票收入, 它受行程、席别、列车等级等因素的影响。

旅客人数:又称旅客运输量, 是指乘坐该趟旅客列车的总人数。

影响客票收入因素有旅客人数和收入率, 每趟旅客列车硬座、软座、硬卧、软卧分席别收入率变化不大。所以计算客票收入的关键是确定旅客人数, 如何计算旅客人数呢?我们可以运用对过去几年旅客人数变动的趋势分析来预计旅客人数, 但是没有考虑旅客行程和运送能力利用率对客票收入的影响, 所以不够科学准确, 应该运用下列公式预计旅客人数。

旅客人数=旅客周转量/旅客平均行程

影响旅客人数的因素有旅客周转量和旅客平均运程, 每趟旅客列车硬座、软座、硬卧、软卧分席别旅客平均行程变化不大, 计算旅客人数的关键是计算旅客周转量, 怎样科学准确地计算旅客周转量呢?每趟旅客列车都有定员人数, 定员人数乘以列车里程等于定员周转量, 是旅客列车的运送能力, 硬卧、软卧、软座不允许超员, 运送能力的利用率不可能超过100%, 硬座运送能力的利用率可以超过100%。一趟旅客列车完成的旅客周转量与旅客列车的运送能力以及运送能力的利用率有关, 旅客列车的运送能力就是定员周转量, 旅客列车的运送能力的利用率就是上座率。所以一趟旅客列车完成的旅客周转量等于定员周转量乘以上座率, 即:

旅客周转量=定员周转量×上座率

定员周转量等于旅客列车的定员人数乘以旅客列车的运行里程, 反映旅客列车的运送能力。

上座率是旅客列车运送能力的利用率, 是反映旅客列车运行效益的综合指标。

根据上述计算分析原理, 客票收入可以表述如下:

客票收入=定员周转量×上座率×收入率/旅客平均行程

从上述分析可以看出, 客票收入主要受收入率、平均运程、定员周转量、旅客列车上座率等因素的影响。对于一趟旅客列车来说, 定员周转量是一个相对固定的已知数, 分席别人均收入率和旅客平均运程变化不大, 所以影响旅客列车客票收入的主要是旅客列车上座率, 所以对客票收入的计算集中体现在旅客列车上座率这个指标上。科学地计算分析确定旅客列车上座率是客票收入预算的关键。

(二) 固定预测法。固定预测法就是根据过去旅客列车运行的有关数据资料, 预计旅客列车未来可能达到的运营水平, 即推测旅客列车上座率、收入率以及平均行程等指标, 结合未来旅客列车的编组情况, 预测旅客人数、旅客周转量和客票收入。

(三) 概率弹性预测法。弹性预测法与固定预测法的不同之处就在于预测旅客列车上座率的方法不同, 在固定预测法中就是根据回归方程直接预测上座率, 没有考虑到实际数据与回归方程确定的理论数据之间的估计标准误, 如果把估计标准误和概率考虑进来, 我们预测的上座率就是一个区间, 而不是一个固定值。

客运段每天对返回的旅客列车按车次进行汇总计算, 可以计算出全段的旅客人数、旅客周转量及平均行程、客票收入及收入率、旅客列车上座率等反映旅客列车运行状况的指标, 上报铁路局。铁路局汇总各个客运段的数据, 计算出全局的旅客人数、旅客周转量及平均行程、客票收入及收入率、旅客列车上座率等反映旅客运输状况的综合指标。

二、普通货运营业收入

(一) 普通货运营业收入的内容。铁路局的货运营业收入包括货运管内清算收入、货运直通运行清算收入、货运直通发到清算收入、货运其他收入和单项清算收入, 在货运营业收入中管内清算收入、直通运行清算收入、直通发到清算收入所占比重较大, 而货运其他收入和单项清算收入所占比重较小。

(二) 货运管内清算收入的预测。铁路局的货运管内清算收入为本局实际完成的货运管内进款, 因此我们实际上是管内货运运输进款, 货运运输进款包括货物运费、电气化附加费、货车中转技术作业费、纯货运站货运其他进款、客货混合站收取的取送车费, 其中货物运费是最主要的。所以预测货运管内清算收入主要就是预测货运管内运输的货物运费。

1.固定预测法。通过研究各种货物到各个到站的情况, 预计各种货物到各个到站的货物吨数, 预测各种货物的运费, 汇总各种货物的运费形成该站的管内货物运费。

2.经验弹性预测法。固定预测法的优点是比较简单, 便于检查, 但关于未来运输能力及货源情况考虑的不是十分全面, 也许会多一点, 也许会少一点, 有许多不确定因素影响着我们的预测, 基层站段长期从事货物运输工作的人员有着丰富的货物运输经验, 他们可以利用自己的经验预测各种货物到各个到站货运量大致的范围。

(三) 货运直通清算收入的预测。铁路局的货运直通清算收入包括直通运行清算收入、直通发送清算收入和直通到达清算收入。直通运行清算收入按照本局实际完成的普通货物直通周转量和全路统一的直通周转量清算单价进行清算;直通发送清算收入按照本局实际完成的普通货物直通运费进款和全路统一的直通发送清算比率进行清算;直通到达清算收入按照本局实际完成的普通货物直通到达吨数和全路统一的直通到达清算单价进行清算。预测直通运行清算收入就是预测直通货物周转量, 我们要在充分研究各个分界站接入和交出货物情况以及货物流向的基础上, 考虑铁道部车流调整规划以及运行图的调整情况, 预测直通货物周转量。

1.经验固定预测法。根据这几年输出、输入、通过的货运量的发展变化情况, 结合运输管理人员的实际经验, 预测将要完成的输出、输入、通过的货运量的数值。

2.经验弹性预测法。影响输出、输入、通过货运量的因素很多, 我们即使很有经验, 也很难预测的十分准确, 有可能会出现误差, 所以我们提出了经验弹性预测法。我们在预测时不是确定一个固定值, 而是根据经验确定一个可能的范围。

摘要：运输营业收入是反映运输企业盈利能力的重要指标之一, 铁路局营业收入的计算涉及内容多、项目广, 预测起来难度较大, 如何既简便又科学准确地预测铁路局的运输营业收入, 是摆在我们面前的重要课题。在预测运输营业收入时, 以定量预测为主, 通过大量的数据研究客货运输市场的发展变化情况, 只有认识和掌握了客货运输市场的发展变化情况, 才能科学准确地预测客货运量, 从而预测营业收入。铁路局的营业收入包括客运营业收入、货运管内营业收入、货运直通清算营业收入、提供服务收入和专项收入。根据运输营业收入的构成我们重点研究对铁路局营业收入影响比较大的客运营业收入、货运管内营业收入、货运直通清算营业收入的预测方法, 以指导铁路运输企业加强经营管理, 促进增收。

个人收入预测 篇5

1 用户结构情况

截止12月底, 宽带在网用户为29.7万, XDSL用户占比为78%, 校园用户占比为9.5%, 且增长趋势明显。

2 不足之处

近期, 通过省、市两级公司的共同努力, 加大了对大颗粒带宽、专线、校园用户的营销, 效果明显, 为完成数据收入指标提供了强有力的支撑。

不足之处:

1) 受对手竞争和用户到期影响, 用户流失严重。

2) 新增用户增长乏力, 且地市发展不平衡。

3) 个别地市宽带市场收入波动较大。原因是个别地市校园用户偏多, 导致受节假日影响, 市场收入起伏波动较大。

3 宽带收入预测办法

宽带计费带收入作为市场收入的主要组成部分, 将直接影响市场收入指标的完成情况, 如何准确预测出宽带收入, 一直是数据分析的主要课题。经过省计费中心几个月的数据跟踪、汇总, 终于找出其收益变化规律, 现将预测办法汇总如下:

宽带收入=上月基数+新增用户收益影响 (含本月、上月) +宽带续费率影响 (含本月、上月)

3.1 新增用户收益影响

1) 上月新入网用户影响情况

由于上月入网用户计费时间不足全月, 采用按天计费的原则, 这些用户在本月的计费原则为按月计费, 这样会导致同一批用户, 在入网的当月和下月, 贡献的计费带收入存在差异, 也就是上月入网用户的增量收益。

增量收益=sum (用户*月基本费) -上月收益 (可以统计出来)

2) 本月新入网用户影响预测

由于上月入网用户计费时间不足全月, 采用按天计费的原则, 根据在网用户Arpu值, 粗略计算出计费带贡献值。

新入网计费带贡献值=新入网用户数*Arpu值/2。

其中Arpu值=在网用户收益/在网用户数。

3.2 宽带续费率因素1) 上月续费率影响

由于用户到期的时间不同, 未续费用户在上月产生部分计费带收益, 这部分收益在下月将损失掉, 会造成负影响。

上月续费率负影响:未续费用户上月产生计费带之和。 (可以计算出来) 。

未续费用户=上月应续费用户* (1-续费率) 。

2) 本月续费率影响预测

本月未续费用户计费带收益贡献值, 将小于月基本费, 这部分也将造成计费带负影响。

本月续费率负影响=未续费用户*Arpu值/2。

其中:未续费用户=应续费用户* (1-续费率) 。

Arpu值=在网用户收益/在网用户数。

附:根据上述分析, 20XX年12月份的预测过程如表1所示 (包含影响计费带的各因素) :

4 结论

经过近几个月的观察, 此预测办法准确率较高, 每月的误差基本控制在2~5万范围内, 误差率为0.1%~0.5%之间, 为省公司组织市场收入, 提供了精确的数据依据。

准确预测, 除了掌握细致的方法外, 必须加强与省、市两级公司的沟通, 随着宽带用户结构的变化, 逐步完善此预测办法, 力求将误差率控制在最小, 此预测方法已在全省推广。

参考文献

[1]余晓晖.我国宽带发展的若干战略思考[J].信息网络, 2004 (10) .

[2]贺宁.全球宽带接入市场发展现状和趋势[J].中国新通信, 2009 (2) .

[3]黄勇军, 冯明, 丁圣勇, 樊勇兵.电信运营商大数据发展策略探讨[J].电信科学, 2013 (3) .

[4]周亮.以专业化、精细化管理降低互联网流量成本、提升用户感知[A].四川省通信学会2009年学术年会论文集[C], 2009.

[5]何华杰, 唐浩新.运营商宽带业务及网络发展策略分析[A].通信发展战略与管理创新学术研讨会论文集[C], 2006.

[6]李瞾.河南网通宽带用户管理系统的改造及几个关键问题的研究[D].郑州大学, 2005.

吉安市农民人均纯收入预测模型 篇6

建模模型的选择,既有统计模型,又有灰色模型[2];统计模型既有线性,又有非线性。为了便于计算,以简取繁,我们令x=日历年-2000,二次抛物线模型中令x=日历年-2003,

直线模型y1=a+bx a=1727.046 b=281.8 rxy=0.9413

对数模型y2=axblga=3.3048 a=2017.29 b=0.24rlgxlgy=0.8624

指数模型y3=aebxlna=7.5202 a=1845.01 b=0.1025rxlny=0.9503

G(1,1)模型y4=xt(0)a=-0.137045 b=1706.584383x(t+1)=14616.473329e0.137045t+-12452.763329

二次抛物线模型y5=b0+b1t+b2t2b0=2415.39 b1=281.81b2=78.54

现将各模型的模型值统计于表2:

注:表2中y1=1727.05+281.81t y2=2017.29t0.24y3=1845.01e0.11ty4=xt(0)y5=2415.39+281.81t+78.54t2

鉴于5个预测模型精度的比较,既不好用相关系数,因为他们是不同质,如模型1中相关系数是x与y的,模型2是lgx与lgy的,模型3是x与lny的,又不便用F检验,因此我们采用丁思统[3]教授提取的拟合相关系数,即研制数学模型用的实测值与用模型计算的模型值之间的相关系数,各模型的拟合相关系数亦附于表2。从表2可以看出二次抛物线模型的拟合相关系数最高,所以该模型最优。

经统计检验[4]:ryy5=0.9911**>r0.01=0.959达到极显著水平。

摘要：用5个简易模型去选择吉安市农民人均纯收入预测模型,并以拟合相关系数判定其优劣。

关键词：农民,人均纯收入,预测模型

参考文献

[1]中国统计局.中国统计年鉴[M].北京:中国统计出版社,2001-2005.

[2]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社,1988.

[3]丁思统,廖为明.关于数学模型的评价与检验[J].江西农业大学学报,2006(4):641-644.

个人收入预测 篇7

收入决定着一个地区的人民生活水平、消费能力等, 自改革开放以来, 广西经济迅猛发展, 特别是2010 年建立东盟自由贸易区和环北部湾经济区, 促使广西经济突飞猛进, 居民的收入也不断增加, 生活水平不断提高, 但城镇居民与农村居民收入差距也更加扩大, 不利于社会稳定发展。自2010 年农业部提出“千方百计提高农民收入增长6%”的号召, 农村居民收入问题备受关注。本文以广西农村居民纯收入为研究对象, 利用eviews8.0 软件进行分析, 建立ARMA模型, 并对最近三年的农村居民纯收入进行拟合与比较, 提出合理建议, 将有利于广西农村经济的统筹发展, 对合理发展农村经济, 提高农村居民收入具有现实意义。

2 模型介绍

ARMA ( p, q) 模型全称是自回归移动平均模型, 由Box和Jenkins于70 年代初创立, 亦称B-J方法, 是一种精度较高的时间序列短期预测方法, 建模前提要求序列须是平稳序列。模型表达式为:

其中, ф1, ф2, ..., фp为自回归系数, θ1, θ2, ... , θq为移动平均系数。

3 实证分析

3.1 数据的来源与处理

本文以1985-2014 年广西农村居民人均纯收入为样本数据, 记为yt 序列, 数据来源于《广西统计年鉴 (2014) 》。从数据本身观察到, 广西农村居民人均纯收入除了在2000 年-2002 年出现大幅度减少之外, 基本上可认为保持指数函数的上升趋势, 因此认为yt 序列是非平稳的。

3.2 平稳化处理与ADF检验

序列平稳是建立ARMA模型的前提条件, 因此需要对{yt} 序列进行平稳化处理。为了消除指数上升趋势的影响, 进行如下处理: (1) 对{yt}对数变换, 得到的新序列记为 {lyt}; (2) 对 {lyt} 序列进行一阶逐期差分, 将处理后的新序列记为{dlyt} 。为了确定序列{dlyt}的平稳性, 利用EViews8.0 软件对{yt}、 {lyt}和 {dlyt} 这三个序列进行ADF检验。由表3.1 可以看出, {yt}序列和 {lyt} 序列的ADF检验统计量值分别为-1.7157、-2.7458, 均大于各自对应的显著性水平1%, 5%, 10% 临界值, 而且其对应的概率p值大于显著性水平0.05, 不能拒绝原假设, 说明{yt}和 {lyt} 序列存在单位根, 是不平稳序列。{dlyt} 序列的单位根统计量ADF = -3.1502 , 均小于显著性水平1%, 5%, 10% 的临界值, 对应概率p =0.0342, 小于显著性水平0.05, 拒接原假设, 即认为{dlyt 序列不存在单位根, 是平稳序列。

3.3 模型的识别和建立

利用EViews8.0 软件对 {dlyt} 序列做自偏相关和偏相关图, 取滞阶数为k =[n/4]8, n为样本量, 如图3.1 所示。由图3.1易知, 从延迟1 期起, 图形迅速落入随机区间内。为更精确选取到合适的参数, 我们利用穷举法, 根据AIC和SC准则来定阶。经比较发现参数组合 (p 2, q 1) 的拟合优度R2 0. 5225 比较高, AIC  2.2609和SC  2.1169 值是最小的, 因此选该参数组合建立模型。

3.4 模型参数估计及检验

建立ARIMA (2, 1, 1) 模型, 其参数估计及检验结果如下表3.2, 三个参数的估计值对以及对应的概率p值均小于0.05, 说明各参数显著不为零。模型表达式为:

参数估计之后, 还需对模型的适合性进行检验, 即对模型的残差{εt}序列做白噪声检验。从残差{εt 序列的自相关和偏相关图 (图3.2) 可看出, 相伴概率pQ显示, 均大于显著水平0.05, 因此残差  序列满足独立性假设, 是白噪声序列, 模型拟合很好。

注:*表示显著性概率值小于显著性水平0.05;**表示显著性概率值小于显著性水平0.01;

3.5 预测

运用ARIMA (2, 1, 1) 模型对广西农村居民人均纯收入做2012 年, 2013 年, 2014 年拟合值, 与实际值进行比较, 结果如表3.3 所示, 误差率分别为1.931%, 2.474%, 3.966%, 由于模型本身存在一定的误差, 可以认为这些误差都在5% 的范围内, 比较合理, 模型拟合良好。利用该模型对2015 年, 2016 年广西农村居民人均纯收入进行预测, 分别为7455 元和7627 元。

4 结语

从2011 年--2014 年的拟合值与实际值的比较中可以看出, 模型拟合精度比较高, 但2011 年误差率为4.607%, 误差比较大, 原因是数据本身的随机性和ARIMA (2, 1, 1) 模型本身存在一定的不可避免的缺陷。因此在预测部分, 可以考虑趋势外推法等其它方法。从2015 年--2016 年预测值来看, 广西农村居民收入稳步增加, 但与广西城镇居民收入相比较, 增加幅度较小, 速度慢。为提高广西农村居民收入, 缩小城乡收入差距, 具体可以从以下三方面建议: (1) 增加农业生产投入, 推进现代化农业发展, 提高农民收入, 缩小城乡差距; (2) 完善农村社会保障体系, 逐步建立农村居民与城镇居民平等一致等的养老体系、医疗体系等; (3) 重视农村教育事业, 特别是农民的职业教育和成人教育, 提高文化素质和技能, 有利于不论是在家务农还是外出务工, 增加就业渠道, 提高收入。

摘要：根据1985--2014年广西农村居民人均纯收入的时间序列数据, 运用eviews8.0软件, 对该时间序列进行ADF检验和自相关和偏自相关分析, 建立ARMA (2, 1, 1) 模型。比较2011年--2014年农村居民纯收入的拟合值与实际值发现, 误差率均在5%范围内, 说明模型拟合效果较好。并对未来两年进行预测, 预测表明, 广西农村居民收入稳步增长, 但与城镇居民收入增长速度相比, 增长速度缓慢, 城乡收入差距将持续扩大, 不利于整体经济发展。最后针对提高农村居民收入提出一些可行性建议。

关键词：广西,农村居民,收入,ARIMA模型

参考文献

[1]易丹辉.数据分析与Eviews应用[M].中国统计出版社, 2002.

[2]李超.基于ARIMA模型的安徽省农村居民收入趋势预测[J].大众科技, 2014 (5) .

[3]覃思乾.广西农村居民收入与消费的误差修正模型研究[J].广西民族学院学报 (自然科学版) , 2006 (8) .