基于数据挖掘技术的贵州省财政收入分析预测

刘德伟

摘  要：贵州作为国内率先引入大数据等新兴产业的省份，其经济发展一直以来颇受人们的关注。而财政收入是地方经济发展的重要因素，因此该文将以贵州省财政收入为主要研究对象，收集2004—2019年的相关经济指标并运用Rstudio软件进行数据处理，并做主要变量的描述性统计、相关性分析，通过灰色预测模型对地方财政收入进行预测，得出贵州省2020年和2021年财政收入的预测值，对贵州财将来政收入规划具有一定的参考价值。

关键词：财政收入   描述性统计   相关性分析   灰色预测

中图分类号：F812                            文献标识码：A文章编号：1672-3791（2021）07（b）-0187-03

Analysis and Forecast of Fiscal Revenue in Guizhou Province Based on Data Mining Technology

LIU Dewei

（Guizhou University of Finance and Economics， Guiyang， Guizhou Province， 550025  China）

Abstract： As the first province to introduce big data and other emerging industries in China， Guizhou's economic development has always attracted people's attention. Fiscal revenue is an important factor in local economic development. Therefore， this paper will take the fiscal revenue of Guizhou Province as the main research object， collect relevant economic indicators from 2004 to 2019， use Rstudio software for data processing， make descriptive statistics and correlation analysis of main variables， and predict local fiscal revenue through grey prediction model， the predicted financial revenue of Guizhou Province in 2020 and 2021 is obtained， which has a certain reference value for the future financial and political revenue planning of Guizhou Province.

Key Words： Financial revenue; Descriptive statistics; Correlation analysis; Grey prediction

近年來，贵州经济稳步增长，GDP总量从倒数爬升至中等偏下水平，而增速方面已连续10年居于前列，因此贵州的财政收入具备一定的研究意义。关于财政收入预测的研究，众多学者以财政收入来构建多元回归模型，并运用OLS方法估计回归系数，最终通过检验来确定每一种因素对财政收入的贡献度，这种方法对数据依赖较大，存在一定局限性。侯甜甜等学者基于ARIMA和马氏链模型的中国财政收入预测为研究各省财政收入提供了参考[1]。张强等研究者与龙小燕研究者分别运用逐步回归分析方法预测武汉市财政收入并研究了影响因素，这对当地财政政策有很好的指导作用，但是多元逐步回归方法容易局限于局部最优解而不是全局最优解[2-3]。宋良美研究者从VAR模型来对江苏省财政收入和财政支出进行预测和分析[4]。江星等研究者对安徽省财政收入进行多元分析证明实现财政收入的增长主要依靠的是经济的增长[5]。王守英研究者通过模型分析和神经网络对济南市的财政收入进行了预测[6]。丁玮珂等研究者发现第一二三产业对财政收入的影响程度各有不同[7]。综上所述，随着科学和技术的发展与完善，运用新方法对近几年新数据进行研究贵州财政收入是很有必要的。

1   数据探索分析

财政收入的影响因素有许多，有的影响效果强，而有些效果则弱一些，该文根据经济理论以及参考已有研究成果，初步选取13个自变量来分别分析各因素对财政收入（y）的影响，具体见表1。基于数据可得性，该文选取2004—2019年影响财政收入相关变量的数据，数据来源为《贵州统计年鉴》。

1.1 描述性分析

描述性分析是对数据进行整体情况分析，初步了解2004—2019年各种数据的变化程度和增长速度。就上述13个因素从以下几个方面着手分析。

1.1.1 就业和收入方面

社会从业人数（x1）的Min值为1 770.9，Max值为2 186，Mean值为1 929.39，SD值为109.20。由此可见社会就业人数趋于稳定上升趋势，且波动性较小，伴随着经济的持续发展，就业人数稳定增长是一种正向反馈，而就业人数的增多通常也伴随着居民消费的提升，从而提升财政收入;在岗职工工资总额（x2）的Min值为236.6，Max值为2 516.04，Mean值为1 142.02，SD值为771.26。随着贵州省经济的飞速发展，在职工的工资水平也同时得到提升，这不仅有利于人民的生活水平提高，从税收这一层面也反映出了财政收入水平得到了提高;城镇居民人均可支配收入（x4）的Min值为7 322.05，Max值为34 404，Mean值为18 671.19，SD值为8 728.87。可支配收入相比工资总额，能更加直观地反映居民的收入水平，从可支配收入的均值以及标准差来看，其相比工资总额来说波动性更小，也与财政收入水平的关系更为密切。