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matlab中编程，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进行编程，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；matlab；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，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-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。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matlab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进行编程输入，调至方便可用。第二步：在matlab中对数据进行因子分析编程。具体使用matlab中相关统计分析的因子分析部分语句进行，使得最终输出结果中包含最终主要因子的因子最终得分情况；第三步：编程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matlab中首先使用BP神经网络分析部分功能进行初步编码，随意假定隐含层层数以及使用全部指标，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matlab中进行预测优化，首先在matlab中使用set语句对不同内容的线条设置不同的颜色和线宽，利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-*-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年中国全国规模以上工业企业总资产预测结果。二．结果分析（一）因子分析结果首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-3-指标主成分载荷：企业单位数0.7995资产总计0.9861流动资产总计0.9835负债合计0.9847所有者权益合计0.9878主营业务收入0.9879主营业务成本0.9875主营业务税金及附加0.9710利润总额0.9844本年应交增值税0.9910总资产贡献率0.9530资产负债率-0.6265流动资产周转次数0.8571表1：我国规模以上工业企业资产经营发展情况因子分析主成分载荷由表1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、一共13个指标中，一共可以提取出一个主因子，其对于各个指标的载荷相对较高。年份综合得分2000-15.30452001-13.63572002-12.45742003-10.81172004-7.37102005-5.50292006-2.636720070.769720084.046820095.1320201010.9188201113.1217201215.5436201318.1873表2：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综合得分情况由表2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综合得分状况的量化表示，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~-5-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~-7-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运营状况一直维持上升趋势，上升的幅度分别在2004年、2008年、2010年达到过局部的最高幅度增长，字2010年以后，我国规模以上工业企业资产运营状况一直处于增长但是增长速度逐渐减慢的状态。图3我国2000年至2013年间规模以上工业企业资产运营状况变化率、国民生产总值变化率、工业生产总值变化率走势对比图由图3可以看出，我们分析所得到的规模以上工业企业资产运营状况变化率走势图与我国2000年至2013年间国民生产总值变化率、工业生产总值变化率走势大体上保持一致。在2009年时，三个趋势都发生了明显的下降，2010年左右增长趋势在小高峰后便开始走减缓增长的下坡路。即规模以上工业企业资产运营状况、国民生产总值、工业生产总值尽管都在增长，但增长的速度在放缓。对于2009年时三条折线图显示出的规模以上工业企业资产运营状况、国民生产总值、工业生产总值集体下滑态势，我们可以知道在2009年席卷全球的金融危机也在一定程度上影响了中国的经济增速，虽然我国的规模以上工业企业资产运营状况、国民生产总值、工业生产总值在金融危机冲击下保持了正增长，但全球范围内的经济滑坡还是使得我国的工业企业运营收到了一定程度打击，从而影响了整个社会的经济价值创造，国民生产总值增速骤减。在2010年左右前后，全球经济复苏形势总体较为明朗，我国在第一年经历了首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~-8-金融危机的波及之后，迅速采取一系列宏观经济调控政策，例如“三网融合”、“史上最严厉楼市调控”、人民币汇改“再启”等等措施，使得我国经济复苏速度加快，金融危机影响逐渐消退。此后中国经济正式进入转型阶段，GDP增长量逐渐降低，因生产力下降且中国领导人无法推进重塑经济的严苛改革措施，经济发展到达经济增速放缓的效果在折线图中也可以得到印证。（二）BP神经网络分析结果图4：2000-2013年我国规模以上工业企业资产运营数据部分指标走势图由图3我们可以将将变化趋势不明显或不稳定的指标逐一删去，同时观察预测结果的准确度，与资产总额变化趋势基本一致的变量留下，经过多次调试，进行BP神经网络预测。图5：我国规模以上工业企业资产总额BP神经网络预测图（剩余指标）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~-9-图5中，我们留存的指标为流动资产总计、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个，隐藏节点数位4个，形成一个7-4-1形式BP神经网络预测模型。在此时，我们所预测出的2013年我国规模以上工业企业资产总额为850910.48（亿元），与真实值853949.48（亿元）的相差失误率为0.00442628（小于0.5%）。可以看做是比较成功的BP神经网络预测结果。由此结果我们可以借助于BP神经网络模型，使用今后几年内的我国规模以上工业企业资产运营部分指标数据，来预测当年的我国规模以上工业企业资产总额。将BP神经网络预测功能使用在实际生产预测中。三．结论在因子分析评价每年的中国规模以上企业资产运营情况环节，我们得到的结果是在2000年至2013年间，我国的规模以上工业企业资产运营状况一直维持上升趋势，上升的幅度分别在2004年、2007年、2010年达到过局部的最高幅度增长，自2010年以后，我国规模以上工业企业资产运营状况一直处于增长但是增长速度逐渐减慢的状态，这个变化趋势与我国2000年至2013年国民生产总值变化率、工业生产总值变化率走势大体上保持一致。分析结果与2009年席卷全球的金融危机对中国经济增速的影响相一致，与2010年左右前后，我国在迅速采取宏观经济调控政策逐渐消退影响相一致。与此后中国经济正式