针对经济预测中数据缺失及其处理的浅析

李慧云

【摘要】经济预测既是一种科学，也是一种艺术，既依赖于客观的数据规律，也依赖于数据学家的预测。这种特性导致经济预测过程中可能会出现数据缺失的问题，由于条件的差异，数据缺失问题的种类也显示出了相应的不同。文章深入地分析了经济预测过程中常见的数据缺失的类型，并以此为基础提出了具有针对性的解决措施，希望可以为相关工作人员提供一定的指导与帮助。

【关键词】经济预测；数据缺失；处理方式；预测填补

为了有效地预测经济市场中存在的各种不确定的运行风险，全面提高经济效益，需要进行全面的经济预测。经济预测可以被定义为一种分析程序，在得到最终的数据结果之前，需要被不断重复、循环。

其中涉及大量的数量关系，需要专业工作人员进行细致的计算、比对、分析。随着我国市场经济体系的不断发展，国内外经济市场的深入交流导致我国市场内出现了更多复杂且多变的经济现象，为了透过这些现象找到其中的本质内涵，提高现代企业在制定战略发展及管理策略方面的准确性与科学性，需要对经济现象中的内在联系及数据关系进行全面的分析与预测。但是在经济预测的过程中，常常会出现各种问题指示数据出现不全面或是缺失的问题，基于此，文中对经济预测数据缺失的类型进行了深入的分析，并提出了相关解决措施。

一、经济预测行为与数据缺失

经济预测作为一种必要的经济形势分析方式，由于其种类的不同导致其经济数据缺失的类型和原因也各不相同。经济预测行为通常被分为以下三种类型：

（一）以经济预测的范围进行划分

经济预测行为包括国民经济预测和企业经济预测两大类型，也包括部门经济预测、地区经济预测、世界经济预测。

（二）以经济预测的时效进行划分

预测的类型存在短期预测、长期预测、中期预测的区别，其中短期预测和长期预测在预测对象的性质、要求、各国习惯等方面均存在明显的差异。在实践过程中，通常以预测期间内某项指标是否出现了根本性质的变化依据，将预测类型划分为长期预测和短期预测，相比之下，中期预测具有明显的过渡性。

（三）以经济预测的性质进行划分

预测行为存在质的预测和量的预测两种主要类型。如果在进行某项经济预测的过程中，需要相关预测者对所需要预测事物进行概括性的了解和掌握，并对其变化趋势进行准确的描述，判断所预测现象的发生频率的高低，此时就可以采用质的预测。在预测过程中，如果需要利用一些已知的经济指标推算另一些指标的未来值，进而说明达到这些数值的概率，就采用量的预测。如果预测变量的数值是一种单一数值，则可以被称为点值预测。如果预测变量的数值有一个幅度，处于上限和下限的区间之内，则可以被称为区间预测。

二、经济预测数据缺失处理的常用方法

各项经济数据在收集和保存的过程中可能会受到各种因素的影响出现数据缺失的问题，比如对于某一项经济数据在收集的过程中，由于量化指标不清晰或者是收集的资料不全面、人手不足等，会导致原始经济数据的不全面。另外，在對数据进行管理的过程中，纸质数据可能会出现破损问题，电子数据由于数据库维护、软件版本升级等也可能会出现数据缺失的问题。这些问题对经济预测行为造成了极大的困扰，为了处理此类问题，笔者将常见的数据缺失处理方式归纳为以下类型：

（一）数据删除法

操作最为简便的处理方式是数据的删除法，也就是在进行经济数据未来走向的预测过程中，直接将缺失的数据删除掉，将其划分在所需要考虑的数据范围之外，直接使用现有的数据完成预测过程。比如说，在预测服装外贸的出口值差异时，现明确2013～2014年的数据，但是缺少2012年的数据，此时可以直接将2012年的数据刨除，在现有数据的基础之上进行经济情况预测。相比于其他处理方式，删除法所得到的数据在科学性和准确性方面由于对数据规律的探究有所不足，因此可能存在着一定的欠缺。

（二）推断法

相比之下，推断法补充缺失的经济数据在科学性方面有所提升，统计数据中极有可能某些数据是在长期的存放过程中，如前文所说纸质数据在保管的过程中，由于保管不当可能会致使某一项数据不全或是缺失，此时难以直接算出数据的增长率或是下降率，需要进行合理的数据推断。比如，如果在数据缺失的情况下想要算出2015年6月的零售商品销售总值，可以利用同年5月的销售数据乘以同比增长率即可得到2015年6月的零售商品销售总额。此种方法同样可以被应用于工业、农业、服务业等各项产业的增长总值的缺失数据补充的过程中，为未来阶段内经济形式的预测提供更加科学的依据。这种数据的填补方法与经济理论具有极高的贴合度，因此可以充分地保证填补的准确性。但是这种方法并不能被应用于所有的数据预测过程中，如果所需补充数据前一年或者是前一个月的数据也不全面，则无法准确地计算相应的数据，此时这种方法无效。

（三）取平均数法

详细来说就是利用缺失数据前后的同类型数据，将其相加并取其平均数，将这个平均数作为缺失部分的数据，以完成接下来的经济预测。这种方法的适用范围通常是缺少某一个月度、季度或者年度的数据。比如在预测某城市2016的食品消费总额这个数据指标时，如果发现缺少今年缺少2015年1月的相应数据指标，则可以取2015年2月和2014年12月食品消费额数据的平均数完成对2015年1月食品消费情况缺失数据的补充。

（四）取等差数列法

在计算方法与理论上，此种方式与取平均数法存在着某些相似性。但是这种补充方式的使用范围更大，一般在预测的过程中如果发现缺少两个或两个以上的所需数据时，则可以选择该种方式。比如：某沿海城市2015年度的海鲜产品出口总额这一数据不全面，7月、8月、9月这三个月的数据缺失，此时可以使用5月的数据和9月的数据，完成对缺失数据的补充，此过程需要使用等差数列法，充分考虑出口产值的递增或者是递减的情况，进行合理的数据补充，进行接下来的经济预测。

三、Knowledge Miner预测填补数据法

与其他集中数据补充的方法相比，预测填补数据法在准确性上更高，因此往往具有较高经济预测的满意度。随着市场经济的不断发展，经济现象的复杂性不断显现，为了有效地应对数据缺失的问题，预测填补数据法的数据补充效果得到了更广泛和深入的认可。为了提高数据预测的准确性，往往需要设定合理的检验标准来提高数据补充的科学性，并进一步提高经济预测的满意程度。

预测填补数据法当中所涉及的各项经济预测指标之间往往存在着必然的联系。在实际的经济预测过程中，可以将Knowledge Miner预测填补数据法视为一种自组织建模和预测的工具，该种计算方式所得到的各项数据更具准确性，因此具有良好的确实数据填补效果。此外，这种填补预测方式在操作上更加简单、便捷，可以有效地提高经济预测的效率，预测过程中一般不需要其他分析软件的帮助，既提高的数据预测的时间，也为企业有效的节约了经济预测的成本。另外，Knowledge Miner预测填补数据法可以有效地排除各种经济指标之间的联系性对预测行为所产生的不必要的干扰，提高了预测的准确性。

四、结语

总而言之，经济预测活动对于企业合理战略策略的制定具有至关重要的意义，该项活动本身存在着固有特点和规律。经济缺失是经济预测过程中不可避免的一种经济问题，需要相关人员采用各种方法完成缺失数据的补齐工作，此时需要充分明确数据之间的各项关系，分析同类型经济数据在发展过程中存在的客观规律，在此基础上做出合理的经济预测，文中提出了几种常见的缺失数据的补充方式，并深入地论证了Knowledge Miner预测填补数据法的数据补充有效性。希望通过本文可以为相关工作人员提供有价值的借鉴与参考，以不断提高经济预测的科学性与准确性。

参考文献

[1]徐健锐，李星毅，施化吉.处理缺失数据的短时交通流预测模型[J].计算机应用，2010，（4）.

[2]莫仕勋，吴杰康，李如琦，贝宇.负荷预测系统数据缺失与畸变的分析及其处理[J].广西大学学报（自然科学版），2010，（2）.

[3]毛李帆，姚建刚，金永顺，李文杰，关石磊，陈芳.中长期负荷预测的异常数据辨识与缺失数据处理[J].电网技术，2010，（7）.

[4]沐守宽，周伟.缺失数据处理的期望——极大化算法与马尔可夫蒙特卡洛方法[J].心理科学进展，2011，（7）.

[5]李騫，郭慧玲.经济预测与分析的智能数据挖掘[J].煤炭技术，2011，（10）.

[6]穆肇南，张健.数据挖掘技术在经济预测中的应用[J].计算机仿真，2012，（6）.

[7]喻国明，樊拥军.传统媒体预测经济的“大数据+”模式及实践价值[J].编辑之友，2016，（1）.