1.一种基于倒向回归方程的应用电力大数据预测GDP的方法,其特征在于,包括如下步骤:
步骤1、采集历史数据:
A)采集待预测地区工业企业历史用电量数据,数据的频率为季度;
B)计算每个季度的平均气温的中位数;
C)计算每个季度节假日的天数;
D)计算每个季度待预测地区的工业品出厂价格指数;
步骤2、进行变量设置:
A)设置工业企业用电量增长率et=log(Et/Et-1),Et表示第t期的工业企业用电量;
B)设置GDP的增长率gdpt=log(GDPt/GDPt-1),GDPt表示第t期的GDP;
C)设置每个季度平均气温的上升幅度tet=log(Tet/Tet-1),Tet表示第t期的季度平均气温;
D)对于每个季度,若属于高温季度,则设置高温虚拟变量MH=1,否则MH=0;
E)对于每个季度,若属于低温季度,则设置低温虚拟变量ML=1,否则ML=0;
F)设置工业品出厂价格指数的增长率ppit=log(PPIt/PPIt-1),PPIt表示第t期的工业品出厂价格指数;
G)设置每个季度的节假日天数变量Dt;
H)对于每个季度,若存在5-7天长假,则设置假期虚拟变量LH=1,否则为0;
步骤3、对工业企业用电量、GDP进行对数差分处理;
步骤4、设置正向回归方程并进行参数估计:
et=β0+β1gdpt+β2tet+β3MHt+β4MLt+β5Dt+β6LH+β7ppit+ξt (1)
式中,β0,β1,...,β7是回归系数的估计值,ξt是最小二乘法中的误差项;
采用最小二乘法估计出β0,β1,...,β7;
加入用电量增长率一阶滞后变量β8et-1和二阶滞后变量β9et-2,设置如下线性回归方程:
et=β0+β1gdpt+β2tet+β3MHt+β4MLt+β5Dt+β6LH+β7ppit+β8et-1+β9et-2+ξt (4)
步骤5、利用估计的参数推导倒向回归方程模型:
由方程(1)可知GDP增长率的预测值gdpt:
则下一期GDP的预测值GDPt+1的计算公式为:
GDPt+1=GDPt·exp(gdpt+1) (7)。
2.根据权利要求1所述的一种基于回归方程的应用电力大数据预测GDP的方法,其特征在于,当待预测地区为江苏省时,采用最小二乘法估计出β0,β1,...,β7,则方程(1)对应为:
3.根据权利要求1所述的一种基于回归方程的应用电力大数据预测GDP的方法,其特征在于,设置以待预测季度为基准,向前取
个季度的数据作为窗口,对每个季度的数据估计一次参数β0,β1,...,β7的估计值,用于预测待预测季度的GDP。
4.根据权利要求3所述的一种基于回归方程的应用电力大数据预测GDP的方法,其特征在于,