[发明专利]一种基于倒向回归方程的应用电力大数据预测GDP的方法

摘要

本发明公开了一种基于倒向回归方程的应用电力大数据预测GDP的方法：步骤1、采集历史数据；步骤2、进行变量设置；步骤3、对工业企业用电量、GDP等变量进行对数差分处理；步骤4、设置正向回归方程并进行参数估计；步骤5、利用估计的参数推导倒向回归方程模型：则下一期GDP的预测值GDP_t+1的计算公式为：GDP_t+1＝GDP_t·exp(gdp_t+1)。利用正向回归方程的参数估计值推导倒向回归方程，解构电力数据并以此预测地区经济发展情况，为电力与经济主管部门提供有效的建模方法及决策参考。

主权项

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e_t＝log(E_t/E_t‑1)，E_t表示第t期的工业企业用电量；B)设置GDP的增长率gdp_t＝log(GDP_t/GDP_t‑1)，GDP_t表示第t期的GDP；C)设置每个季度平均气温的上升幅度te_t＝log(Te_t/Te_t‑1)，Te_t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ppi_t＝log(PPI_t/PPI_t‑1)，PPI_t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：e_t＝β₀+β₁gdp_t+β₂te_t+β₃MH_t+β₄ML_t+β₅D_t+β₆LH+β₇ppi_t+ξ_t  (1)式中，β₀,β₁,...,β₇是回归系数的估计值，ξ_t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β₈e_t‑1和二阶滞后变量β₉e_t‑2，设置如下线性回归方程：e_t＝β₀+β₁gdp_t+β₂te_t+β₃MH_t+β₄ML_t+β₅D_t+β₆LH+β₇ppi_t+β₈e_t‑1+β₉e_t‑2+ξ_t  (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gdp_t：$\begin{array}{c}{\mathrm{gdp}}_t=\frac{1}{{\mathrm{\β}}_1}\[e_t-{\mathrm{\β}}_0-{\mathrm{\β}}_2{\mathrm{te}}_t-{\mathrm{\β}}_3{\mathrm{MH}}_t-{\mathrm{\β}}_4{\mathrm{ML}}_t-{\mathrm{\β}}_5{D}_t-{\mathrm{\β}}_{6}LH-{\mathrm{\β}}_7{\mathrm{ppi}}_t-{\mathrm{\ξ}}_t\]\\ =\frac{e_t}{{\mathrm{\β}}_1}-\frac{1}{{\mathrm{\β}}_1}\[{\mathrm{\β}}_0+{\mathrm{\β}}_2{\mathrm{te}}_t+{\mathrm{\β}}_3{\mathrm{MH}}_t+{\mathrm{\β}}_4{\mathrm{ML}}_t+{\mathrm{\β}}_5{D}_t+{\mathrm{\β}}_{6}LH+{\mathrm{\β}}_7{\mathrm{ppi}}_t+{\mathrm{\ξ}}_t\]\end{array}---\left(5\right)$则下一期GDP的预测值GDP_t+1的计算公式为：GDP_t+1＝GDP_t·exp(gdp_t+1)  (7)。