搜索
首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-0-基于BP神经网络的我国规模以上工业企业资产总值预测模型摘要本文首先基于因子分析原理在spss中对2000年至2013年中国所有规模以上工业企业总资产相关数据进行因子分析，分析每年因子得分结果得出了中国自2000以来规模以上企业资产发展状况的初步分析。其次基于神经网络分析方法，对中国2000年到2013全国工业企业资产总额的时间序列数据进行分析，以2000年至2012年之间的规模以上企业资产总额作为训练数据，模拟并预测了2013年的全国规模以上工业企业的资产总额，在根据相关指标走势进行分析后对参数进行调整，最终得出了较为准确的估计结果。关键词：规模以上工业企业；资产总额；BP神经网络；因子分析；spss；预测；引言工业发展状况是我国经济发展的一项重要指标，中国国家统计局每年都要对我国不同地区相关工业企业的发展情况进行调查统计，最终将结果出示在中国国家统计局统计年鉴中。而规模以上企业的资产运营状况在中国所有的企业中，占有一定程度主导经济走向的地位。国家统计年鉴中对于规模以上工业企业的资产运营数据（完整统计）是自1999年起的，在本文中我们选取2000年及以后的数据作为分析对象。所选择的数据是有时间序列数据（2000至2013年数据）与截面数据（包含1个工业企业资产指标）构成的面板数据。从统计数据来看，我国规模以上企业工业每年的指标变化程度不一，每一样指标对该企业资产运营状况的影响程度不同，但这些数据总体呈现上升趋势。因子分析法是用来分析每一年全国规模以上工业企业资产总运营情况的，随着时间的变化，我国的规模以上工业企业资产运营究竟是在走上坡路还是下坡路，是在不断提速还是减速，经过因子分析之后，就可以根据每一年针对反映资产运营状况的只要因子得分来做出科学判断了，这就是第一步要完成的任务。而神经网络分析方法则是一种基于计算机快速学习记忆功能的数据处理方首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-1-法，利用神经网络分析的学习功能，我们可以实现对特定数据的趋势预测。比如将我国2000年至2012年的全国工业企业资产总计额作为训练数据，进行合理的神经网络预测，最终得出2013年的全国工业企业资产总计预测数据。在本文中我们就将进行尝试，并对针对结果的准确性进行分析。从经济发展角度来讲，如果能够较为精确的通过神经网络模型预测工业数据，将会为国家经济计划的制定提供多一种可参考的指标。本文的创新之处在于站在时间序列的角度进行因子分析评分，从而评价每一年份我国规模以上工业企业的资产运营状况，并且在分析基础上加入了神经网络模型的预测功能，使得现有的数据可以作为预测之后资产总额的基础，从而产生一定的分析价值。一．模型方法（一）知识准备（1）规模以上企业国家对不同行业的企业都制订了一个规模要求，达到规模要求的企业就称为规模以上企业，规模以上工业企业在2010年之前是指年主营业务收入在500万元及以上的法人工业企业；2011年是指年主营业务收入在2000万元及以上的法人工业企业。（2）因子分析因子分析法是通过对样本相关阵的内部依赖关系的研究，将一些具有一定关系的变量或样本归结为较少的几个不可观测的综合因子(又称主因子)的多元统计分析方法。首先由相应计算确定主因子的个数，建立因子模型，如果求出主因子解后，各个主因子的解释力度不够，还需要进行因子旋转，以得到一个更有解释意义的因子结构，最后应用因子分析模型去评价每年的中国规模以上企业资产总额在整个模型中的地位，即进行综合评价。（3）BP神经网络神经网络作为一门新兴的信息处理科学，是对人脑若干基本特性的抽象和模拟。它是以人的人脑运作模式为基础，研究自适应及非程序的信息处理方法。这种运作机制的特点表现为通过网络中人量神经元的作用来体现它白身的处理功能，从模拟人脑的结构和单个神经元功能出发，达到模拟人脑处理信息的目的，目前它在国民经济和国防科技现代化建设中神经网络具有广阔的应用领域和发展前景，在当今社会，BP神经网络是现实应用中最为广泛的。首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-2-本文将应用BP神经网络的预测功能进行规模以上工业企业数据分析。（二）因子分析第一步：在spss中对初始2000年至2013年我国规模以上工业企业资产经营数据1进行设置，修改变量名称、属性，调至方便可用。第二步：在spss中对数据进行因子分析指令。具体点击相关因子分析部分的操作项目，使得最终输出结果中包含最终主要因子的因子载荷，经过因子旋转后因子的贡献率、每一年份地因子得分，最终计算每一年综合得分；第三步：对所得结果进行分析并绘制每一年份综合得分折线图、综合得分变化率折线图，对图形走势进行相关分析。第四步：结合2000年至2013年实际中国经济走向等因素进行宏观的因子得分变化情况分析，回归实际得出我国规模以上工业企业资产经营发展情况相应结论。（三）神经网络模拟第一步：在spss中首先使用BP神经网络分析部分功能进行预先预测，使用2000年至2012年数据作为训练数据，预测2013年的规模以上工业企业资产总额，发现结果与实际相差较大。第二步：在spss中进行预测优化，首先使用图形绘制功能绘制出包含资产总额之外13个指标的折线图，然后根据折线图中相关指标的变动趋势来筛选指标，将线性相关性强的指标留下，把一些变动趋势不太明显的指标排除出去。具体利用指标进行线性图形输出，观察筛选初步筛选指标。一共用于训练的数据有2000-2012年13条，最后筛选横向指标维度为流动资产总计、负债合计、所有者权益、主营业务收入、主营业务成本、主营业务税金及附加、利润总额一共7维。进行7-18-1的神经网络分析，暂定最多训练次数为50000次。第三步：对预测结果进行准确度分析，由结果调整中间节点数量以及最大训练次数，最终得出较为精确的2013年中国全国工业企业总资产预测结果。二．结果分析（一）因子分析结果1数据来源与《2013年中国统计年鉴》首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-4-总体解释因子ComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%112.00985.78085.78012.00985.78085.7808.74662.47062.47021.3609.71495.4941.3609.71495.4944.62333.02495.4943.3202.28297.7764.1921.36999.1465.106.75899.9036.010.07299.9767.002.01299.9888.001.00999.9969.000.003100.000102.325E-5.000100.000119.430E-66.736E-5100.000121.644E-61.174E-5100.000132.253E-71.609E-6100.000143.567E-172.548E-16100.000首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-5-由表1、2我们可以看出，在所有企业单位数、资产总计、流动资产总计、负债合计、所有者权益合计、主营业务收入、主营业务成本、主营业务税金及附加、利润总额、本年应交增值税、总资产贡献率、资产负债率、流动资产周转次数、工业成本费用利润率一共14个指标中，互相之间的相关系数基本上都可以满足cov0.3，这样的指标十分适合进行因子分析。由表3可知，对我国2000年至2013年全国规模以上工业企业资产运营状况指标进行因子分析后，一共可以提取出两个主因子，累计贡献率达到95.494%。旋转后主因子贡献Component12企业单位个数.437.810资产总额.923.380流动资产总额.929.367负债合计.927.372所有者权益合计.918.391主营业务收入.920.390主营业务成本.921.388主营业务税金及附加.942.325利润总额.901.421本年应交增值税.906.420总资产贡献率.688.707资产负债率-.163-.913流动资产周转次数.494.823工业成本费用利润率.425.790表4：我国2000年至2013年全国规模以上工业企业资产运营状况指标主因子旋转之后贡献情况年份因子1得分因子2得分2000-0.19997-2.163472001-0.61347-1.315912002-0.7113-0.951392003-0.70285-0.621472004-0.910440.233722005-0.830460.393472006-0.801750.828542007-0.642351.200152008-0.19460.9008420090.156820.5751220100.410061.2651720111.26920.2117520121.7159-0.1846320132.05523-0.37189表5：我国2000年至2013年全国规模以上工业企业资产运营状况因子得分情况首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-6-由表4可知，在经过旋转之后，主因子1主要反映资产总额、流动资产总额、负债合计、所有者权益合计、主营业务收入、主营业务成本、主营业务税金及附加、利润总额、本年应交增值税的情况，根据它反映指标的内容我们可以把主因子1定为相关工业企业资金运营的因子；主因子2主要反映企业单位个数、总资产贡献率、资产负债率、流动资产周转次数、工业成本费用利润率，根据它反映指标的内容我们可以把主因子2定为相关工业企业次率变化的因子。由表5中出示的数据，我们可以结合表3中涉及到的因子贡献率数值，从而得到如下因子最终得分计算公式：F=（工业企业资金运营因子得分*62.47%+工业企业次率变化因子得分*33.03%）/95.50%利用计算公式带入计算，可得如下结果：年份因子得分得分变化率2000-0.879073722001-0.856418620.0226550972002-0.794338460.0620801622003-0.67470360.119634862004-0.514716390.1599872082005-0.407146830.1075695612006-0.237891580.1692552442007-0.005095810.23279577320080.1842731230.18936893420090.3014948590.11722173620100.7058116580.40431679920110.9034662460.19765458820121.0585753310.15510908520131.2157768730.157201542表6：我国2000年至2013年全国规模以上工业企业资产运营状况综合得分表由上表我们可以清晰地看到自2000年以来直到2013年中每一年的全国规模以上工业企业资产运营状况量化表示，为了更加清楚的了解这些变化，我们将绘制图形。首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-7-图1：全国2000年至2013年规模以上工业企业资金运营综合得分变化图由上图我们可以看出，在2008年前后，我国的规模以上工业企业资金运营得分从负变为正，并且基本呈现增长的趋势，其中在2000年至2009年间，增长速度较为均匀，在2009年至2010年间增长稍快，2010年以后，又恢复原速增长。图2：全国2000年至2013年规模以上工业企业资金运营综合得分变化率图首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-8-从图2中我们可以更加清晰的看出，2000年至2013年间，我国的规模以上工业企业资产