CN106022547A - 一种区域经济未来发展宏观预测系统及其方法 - Google Patents

Abstract

本发明公开了一种区域经济未来发展宏观预测系统及其方法，包括以下步骤：获得与该区域经济发展相关的不同历史阶段、不同时间频度的该区域发展微观经济数据；利用上述获取的微观经济数据，结合对应时间段宏观经济发展指标，结合未来发展宏观函数，构建区域未来发展宏观预测模型；本发明的优点在于：将宏观预测理论与分析、误差修正相结合，对某区域未来发展主要类型的宏观预测进行了分析，进一步挖掘了隐含在宏观预测与未来发展之间的重要信息，揭示了系统宏观预测与未来经济发展的相互作用机制及因果关系；将宏观预测方法与可持续发展相结合，构建了可持续发展曲线，并对系统可持续发展水平时间变化与经济增长成因机制进行了分析。

Description

一种区域经济未来发展宏观预测系统及其方法

技术领域

本发明属于宏观经济领域，具体涉及一种区域经济未来发展宏观预测系统及其方法。

背景技术

不同区域，无论是其经济结构还是其经济发展水平均存在较大差异，因此区域宏观经济预测模型在建模原理与计量经济学方法的应用层面与全国的宏观经济预测模型存在较大差异，不同的预测周期采用的建模基础理论也应该是有差别的。不同区域经济变量之间的相互影响关系、影响程度应能真实反映本地区经济历史动态特征。尽管所有宏观经济预测模型的建立都是以经济理论和经济运行机理为基础，但由于经济运行过程存在较大的不确定性，加之经济统计指标数据的相对滞后性以及经济指标统计过程中不可避免的误差，从而使得多数计量模型方程难以保持较强的稳健性(Robust)。为了保证模型计算和预测的准确性和稳健性，通常需要通过形式不同但机理一致的相近模型反复进行测试实验以及在各个子模型之间寻求相互验证。

目前已有一些科研院所对宏观经济预测建模有些研究，也有部分研究成果，但是这些宏观经济预测模型大多数是在算法上下功夫，如遗传算法、改进粒子群算法、神经网路算法等在宏观经济预测模型中的应用。而且这些研究模型不会因为预测周期的改变而改变算法原理，预测结果的合理性与否无从解释且无法内部校核。再者，大家都知道国民经济指标的统计是通过采集样本统计而来，部分经济统计指标的可信度是值得商榷的，传统经济预测模型无从甄别数据的可用性，如果历史样本期的数据可信度较高，且在经济结构与国家宏观政策没有太大变化的情况下，预测结果也许较好，但要是历史样本期的数据可信度较低，且经济结构与国家宏观政策有大的调整，预测结果不准确是必然的。

国内研究不足

国内研究对我国区域未来发展宏观预测研究的发展进步，对促进生态、经济和社会的可持续发展无疑有着巨大的推动作用。不过从掌握的文献上来看，在以下几个方面，相关的研究仍存在一些不足，有待进一步加强或深化。

(1)对于宏观预测理论及方法的探讨研究不足

当前国内的研究过程中虽然已经不仅仅是简单套用传统宏观预测分析的理论和方法，而是对其有了一定的讨论和改进。但是这些讨论和改进往往只是局限于应用层面，即根据研究的实际需要对宏观预测评价指标进行改进和补充，很少有涉及到更深层次的探讨。比如，目前研究所采用的宏观预测转换率主要来自Odum等人多年来在北美地区的研究成果，由于不同地区在工业产成品资金、工业增加值、工业企业从业人员数、固定资产投资、社会消费品零售总额、海关进出口总额、工业企业利润总额、城镇居民可支配收入、各项税收收入、财政收入、金融机构各项贷款、居民消费价格指数、OECD的中国先行指数、国家统计局的先行指数、存在一定的差异性，直接使用Odum等人提出的宏观预测转换率得出的结果势必会有一定的偏差。因此，接下来的研究应当根据中国的实际情况对宏观预测转换率进行检验和修正，以提高其理论的适用性和研究的准确性。

(2)对于多学科、多方法的交叉与融合研究不足

近年来国内宏观预测方法的应用研究中不同学科、不同方法的交叉与融合趋势越来越明显，这对于宏观预测理论自身的发展和应用范围的拓展都是大有裨益的。然而宏观预测作为一种沟通自然系统与经济系统的有效手段，在实际应用中与一些热门的经济方法的结合却还很不够，这就导致一些问题难以得到解决。例如，宏观预测方法可以用来分析生态经济系统的整体运行状况和演变趋势，但在面对诸如宏观预测投入与产出之间、自然子系统和社会经济子系统之间究竟存在什么样的相互作用机制和因果关系等问题时，却显得无能为力。因此，今后的研究中应当进一步加强宏观预测方法与其他领域方法，特别是经济计量分析的结合，进一步挖掘隐含在宏观预测流投入产出之间的重要信息，深化对系统可持续状况的了解，充分发挥宏观预测方法联系自然系统与经济系统的桥梁作用。

(3)对于经济系统模型在可持续发展机制方面的研究不足

当前在运用宏观预测方法进行生态经济系统可持续发展研究的过程中存在这样一个不足：即往往只局限于对系统可持续发展水平的描述和评价，而较少涉及对可持续发展影响机制的探讨。部分研究虽有所涉及，但也仅仅只是讨论了宏观预测流投入产出的变化对系统可持续发展水平的影响。然而事实上，生态经济系统作为一个开放的复杂巨系统，它的运行受到了来自内部和外部的许多自然和社会经济要素或变量的影响，只有进一步分析系统的可持续发展与一些主要影响因素之间的互动机制，才能更加全面准确地把握系统可持续发展的现状和未来，也才能真正找到改善系统可持续发展状况的途径，这对于制定科学合理的可持续发展政策，促进系统的可持续发展具有重要的意义，在今后的研究应对此予以足够的重视。

发明内容

为了解决上述技术问题，本发明提供一种区域经济未来发展宏观预测系统及其方法，包括以下步骤：

(1)获得与该城市经济发展相关的不同历史阶段、不同时间频度的该城市发展微观经济数据；

(2)利用上述获取的微观经济数据，结合对应时间段宏观经济发展指标，结合未来发展宏观函数，构建区域未来发展宏观预测模型；

所述区域未来发展宏观预测模型包括：

1)工业增加值预测模型，其指数回归方程为：

式中：

GYZJ-工业增加值预测响应值；x-资本投入；β-生产规模；ε-成本效率。

2)固定资产投资总额预测模型，其指数回归方程为：

其中：

式中：

GDZC-固定资产投资总额预测响应值；p-固定资产投资新开工项目；γ-劳动效率乘子，与工作经验正相关；x-GDP；β-人口总量加权值；α-中长期贷款利率，y-第三产业增加值；ε-资本调整成本。

3)社会零售商品总额预测模型，其指数回归方程为：

其中：

其中：

式中：

CSHLS-社会零售商品总额预测响应值；L-零售商品扩张；x-景气循环值；y-基准商品；z-零售商品先行值；ε-零售商品衰退；HL-零售商品年涨幅；LS-零售商品地区差异。

4)出口总额预测模型，其指数回归方程为：

式中：

CKZE-出口总额预测响应值；NX-工业税收收入自变量；v-市场占有率；x-贸易竞争力指数；B-净出口；β-贸易量指数。

进一步的，所述工业增加值预测模型，包括：

(1)水泥产量预测模型，其指数回归方程为：

其中：

式中：

SNCL-水泥产量预测响应值；x-熟料热耗；g-水泥产销率扩张值；a-水泥综合电耗率；k-劳动生产率。

(2)钢材产量预测模型，其指数回归方程为：

其中：

式中：

GTCL–钢材产量预测响应值；-实现利税；x-综合电耗率；k-钢材产量系数；α-毛利率；ω-净利率；t-时间；i-钢材产量平滑系数。

(3)工业用电量预测模型，其指数回归方程为：

式中：

GYY–工业用电量预测响应值；a-年工业总产值；x-综合电耗率；k-年工业用电量占比；δ-利润率；t-时间。

进一步的，所述固定资产投资总额预测模型，包括：

(1)房地产开发综合景气指数预测模型，其指数回归方程为：

式中：

FCJQ–房地产开发综合景气指数预测响应值；θ-年开工面积；e-自然常数；y-销售面积；k-房价与CPI同步率；r-按揭贷款增长与个人收入增长同步比；i-房地产投资增长率与GDY增长率比值。

(2)工业设备投资增速预测模型，其指数回归方程为：

式中：

GYSB-工业设备投资增速预测响应值；θ-工业设备折旧率；w-工业设备更新比；s-工业设备投入增加值；γ-工业设备十年淘汰率；y-工业设备投入与GDP增加值比；EQ-工业设备投入与产能比；η-工业设备投资系数。

(3)宏观经济景气指数-先行指数预测模型，其指数回归方程为：

式中：

XXZS-宏观经济景气指数-先行指数预测响应值；γ-景气指数；r-线性扩散指数；E-合成指数；B-阻力循环指数；S-激励循环指数；Y-工业产品增加值；EU-景气指数与先行指数交互系数。

(4)固定资产信贷投资增速预测模型，其指数回归方程为：

式中：

XDTZ-固定资产信贷投资增速预测响应值；α-平滑系数(0≤α≤1)；Y-信贷风险预期值；S-当年投资指数平滑值；D-五年累计投资二次指数；t-时间。

进一步的，所述社会零售商品总额预测模型，包括：

(1)居民收入预测模型，其指数回归方程为：

JMSR＝1-exp{-γ(dy_t-ct)²} (式-18)式中：

JMSR-居民收入预测响应值；γ-测试群体人口数占总人口数比；Y-平均收入与总收入比；d-基尼系数；t-群体收入重叠指数；c-各收入群体收入加权平均值。

(2)消费者信心指数预测模型，其指数回归方程为：

式中：

XFXX-消费者信心指数预测响应值；θ-收入指数；y-就业人口与总收入比；i-耐用品购买指数；γ-经济形势与消费购买力比；s-物价满意度指数。

(3)消费者支出预测模型，其指数回归方程为：

式中：

XFZC-消费者支出预测响应值；μ-总消费滞后阶数；α-实际金融资产指数；y-同期人均实际消费水平；c-消费边际效用弹性值；γ-政府的实际债务水平；ε-同期人均可支配收入；t-时间。

进一步的，所述出口总额预测模型，包括：

(1)出口订单预测模型，其指数回归方程为：

式中：

CKDD-出口订单预测响应值；μ-贸易竞争力指数；ρ-产品出口总额；y-产品进口总额；α-出口外向度指数；D-高新技术产品出口额；ε-产业贸易内指数；t-时间。

(2)中国制造业PMI预测模型，其指数回归方程为：

式中：

PMI–中国制造业PMI预测响应值；y-制造业差分后序列；a-制造业自噪声值；β-工业自回归阶数；k-综合产能；ε-利润平均阶数；t-时间。

(3)人民币兑美元汇率预测模型，其指数回归方程为：

式中：

HL–人民币兑美元汇率预测响应值；a-边际税率值；Y-消费函数；F-信贷产出率；E-通货膨胀阶数；B-政府购买力回归数；S-税收；U-边际货币供应量。

(4)来料加工装配贸易预测模型，其指数回归方程为：

式中：

LLJG–来料加工装配贸易预测响应值；-工艺损耗率；x-装配消耗函数；y-贸易信贷；γ-双边贸易供应量；E-通货膨胀基数；B-运输成本回归数；S-贸易周期；t-时间。

进一步的，本发明还公开了一种区域经济未来发展宏观预测方法，该方法包括如下步骤：

第1步：获取该区域经济发展的历史数据，分别筛选出与工业增加值相关的微观经济指标，如：资本投入、生产规模、成本效率；计算出工业增加值预测响应值，构建工业增加值预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第2步：获取该区域经济发展的历史数据，分别筛选出与固定资产投资总额相关的微观经济指标，如：固定资产投资新开工项目、劳动效率乘子、与工作经验正相关、GDP、人口总量加权值、中长期贷款利率、第三产业增加值、资本调整成本；计算出固定资产投资总额预测响应值，构建固定资产投资总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第3步：获取该区域经济发展的历史数据，分别筛选出与社会零售商品总额相关的微观经济指标，如：零售商品扩张、景气循环值、基准商品、零售商品先行值、零售商品衰退、零售商品年涨幅、零售商品地区差异；计算出社会零售商品总额预测响应值，构建社会零售商品总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第4步：获取该区域经济发展的历史数据，分别筛选出与出口总额相关的微观经济指标，如：工业税收收入自变量、市场占有率、贸易竞争力指数、净出口、贸易量指数；计算出出口总额预测响应值，构建出口总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第5步：获取该区域经济发展的历史数据，分别筛选出与水泥产量相关的微观经济指标，如：熟料热耗、水泥产销率扩张值、水泥综合电耗率、劳动生产率；计算出水泥产量预测响应值，构建水泥产量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第6步：获取该区域经济发展的历史数据，分别筛选出与钢材产量相关的微观经济指标，如：实现利税、综合电耗率、钢材产量系数、利润总额、利润总额、时间、钢材产量平滑系数；计算出钢材产量预测响应值，构建钢材产量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第7步：获取该区域经济发展的历史数据，分别筛选出与工业用电量相关的微观经济指标，如：年工业总产值、综合电耗率、年工业用电量占比、利润总额、时间；计算出工业用电量预测响应值，构建工业用电量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第8步：获取该区域经济发展的历史数据，分别筛选出与房地产开发综合景气指数相关的微观经济指标，如：年开工面积、销售面积、房价与CPI同步率、按揭贷款增长与个人收入增长同步比、房地产投资增长率与GDY增长率比值；计算出房地产开发综合景气指数预测响应值，构建房地产开发综合景气指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第9步：获取该区域经济发展的历史数据，分别筛选出与工业设备投资增速相关的微观经济指标，如：工业设备折旧率、工业设备更新比、工业设备投入增加值、工业设备十年淘汰率、工业设备投入与GDP增加值比、工业设备投入与产能比、工业设备投资系数；计算出工业设备投资增速预测响应值，构建工业设备投资增速预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第10步：获取该区域经济发展的历史数据，分别筛选出与宏观经济景气指数-先行指数相关的微观经济指标，如：景气指数、线性扩散指数、合成指数、阻力循环指数、激励循环指数、工业产品增加值、景气指数与先行指数交互系数；计算出宏观经济景气指数-先行指数预测响应值，构建宏观经济景气指数-先行指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第11步：获取该区域经济发展的历史数据，分别筛选出与固定资产信贷投资增速相关的微观经济指标，如：平滑系数、信贷风险预期值、当年投资指数平滑值、五年累计投资二次指数、时间；计算出固定资产信贷投资增速预测响应值，构建固定资产信贷投资增速预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第12步：获取该区域经济发展的历史数据，分别筛选出与居民收入相关的微观经济指标，如：测试群体人口数占总人口数比、平均收入与总收入比、基尼系数、群体收入重叠指数、各收入群体收入加权平均值；计算居民收入预测响应值，构建居民收入预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第13步：获取该区域经济发展的历史数据，分别筛选出与消费者信心指数相关的微观经济指标，如：收入指数、就业人口与总收入比、耐用品购买指数、经济形势与消费购买力比、物价满意度指数；计算消费者信心指数预测响应值，构建消费者信心指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第14步：获取该区域经济发展的历史数据，分别筛选出与消费者支出相关的微观经济指标，如：总消费滞后阶数、实际金融资产指数、同期人均实际消费水平、消费边际效用弹性值、政府的实际债务水平、同期人均可支配收入、时间；计算出消费者支出预测响应值，构建消费者支出预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第15步：获取该区域经济发展的历史数据，分别筛选出与出口订单相关的微观经济指标，如：贸易竞争力指数、产品出口总额、产品进口总额、出口外向度指数、高新技术产品出口额、产业贸易内指数、时间；计算出口订单预测响应值，构建出口订单预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第16步：获取该区域经济发展的历史数据，分别筛选出与中国制造业PMI相关的微观经济指标，如：制造业差分后序列、制造业自噪声值、工业自回归阶数、综合产能、利润平均阶数、时间；计算出中国制造业PMI预测响应值，构建中国制造业PMI预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第17步：获取该区域经济发展的历史数据，分别筛选出与人民币兑美元汇率相关的微观经济指标，如：边际税率值、消费函数、信贷产出率、通货膨胀阶数、政府购买力回归数、税收、边际货币供应量；计算出人民币兑美元汇率预测响应值，构建人民币兑美元汇率预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第18步：获取该区域经济发展的历史数据，分别筛选出与来料加工装配贸易相关的微观经济指标，如：工艺损耗率、装配消耗函数、贸易信贷、双边贸易供应量、通货膨胀基数、运输成本回归数、贸易周期、时间；计算出来料加工装配贸易预测响应值，构建来料加工装配贸易预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果。

本发明专利公开的一种区域经济未来发展宏观预测系统及其方法，其优点在于：

(1)本发明将宏观预测理论与分析、因果关系检验、误差修正模型等计量经济学方法相结合，对区域未来发展主要类型的宏观预测进行分析，进一步挖掘隐含在宏观预测与未来发展之间的重要信息，揭示系统宏观预测与未来经济发展的相互作用机制及因果关系。有助于加强宏观预测理论方法的深度和广度研究；

(2)本发明将宏观预测方法与环境可持续发展相结合，构建了可持续发展曲线，对系统可持续发展水平的时序变化与经济增长的相互关系及此关系背后的成因机制进行了分析，深化了宏观预测方法在系统可持续发展研究中内容；

(3)本发明围绕该理论与方法开展不同区域和不同尺度的实证类应用，对其区域进行系统的宏观预测分析，以促进区域经济社会的发展，乃至在整个华东经济区的发展，本发明运用宏观预测方法对其生态经济系统的运行状况与可持续发展水平进行全面系统的研究具有重要的现实意义。同时，以某区域为例进行的一些宏观预测理论和研究方法的改进对其他地区的研究也具有一定的借鉴和参考意义。

附图说明

图1是本发明中所述的一种区域经济未来发展宏观预测系统及其方法流程图。

图2是本发明中所述的工业增加值函数模拟与实际值拟合示意图。

图3是本发明中所述的社会零售商品总额函数模拟与实际值拟合示意图。

具体实施方式

下面对本发明提供的一种区域经济未来发展宏观预测系统及其方法进行进一步说明，本说明的内容不应理解为对本发明的限制，在不背离本发明精神和实质的情况下，对本发明方法、步骤或条件所作的修改和替换，均属于本发明的范围。

(1)工业增加值预测：

1)确定模型：

$GYZJ={\mathrm{\β}}_0+\underset{n}{\mathrm{\Σ}}{\mathrm{\β}}_n{x}_n+\underset{i}{\mathrm{\Σ}}\underset{j>i}{\mathrm{\Σ}}{\mathrm{\β}}_i{x}_i{x}_j+\underset{m}{\mathrm{\Σ}}{\mathrm{\β}}_m{x}_m^2+log(x_n-1)(x_i-2)+\mathrm{\ϵ}$

2)变量含义：

GYZJ-工业增加值预测响应值；

x-资本投入；

β-生产规模；

ε-成本效率。

3)回归方程：

$GYZJ=5.12+\underset{n}{\mathrm{\Σ}}12.45x_n+\underset{i}{\mathrm{\Σ}}\underset{j>i}{\mathrm{\Σ}}45.154x_i{x}_j+\underset{m}{\mathrm{\Σ}}2.157x_m^2+log(x_n-1)(x_i-2)+2.154$

(2)固定资产投资总额预测：

1)确定模型：

$GDZC=p(y=1|x)+\underset{i}{\mathrm{\Σ}}({\mathrm{\αx}}_i-1)+\underset{j}{\mathrm{\Σ}}{\mathrm{\β}}_j{({\mathrm{\αx}}_i^2-{\mathrm{\γx}}_j)}^{\frac{1}{2}}+\exp \left(f\right(y\left)\right)$

$f\left(y\right)={\mathrm{\β}}_0+\underset{n}{\mathrm{\Σ}}({\mathrm{\β}}_n{x}_n+1)+\underset{i}{\mathrm{\Σ}}\underset{j>i}{\mathrm{\Σ}}({\mathrm{\β}}_i{x}_i{x}_j-1)+\underset{m}{\mathrm{\Σ}}({\mathrm{\β}}_m{x}_m^2+1)+\mathrm{\ϵ}$

2)变量含义：

GDZC-固定资产投资总额预测响应值；

p-固定资产投资新开工项目；

γ-劳动效率乘子，与工作经验正相关；

x-GDP；

β-人口总量加权值；

α-中长期贷款利率，

y-第三产业增加值；

ε-资本调整成本。

3)回归方程：

$GDZC=0.32+\underset{i}{\mathrm{\Σ}}(-0.43x_i-1)+\underset{j}{\mathrm{\Σ}}11.2*{(-0.43x_j^2-0.5x_j)}^{\frac{1}{2}}+\exp \left(f\right(y\left)\right)$

$f\left(y\right)=4.6+\underset{n}{\mathrm{\Σ}}(0.95x_n+1)+\underset{i}{\mathrm{\Σ}}\underset{j>i}{\mathrm{\Σ}}(0.47x_i{x}_j-1)+\underset{m}{\mathrm{\Σ}}(6.7x_m^2+1)+\mathrm{\ϵ}$

(3)社会零售商品总额预测：

1)确定模型：

$CSHLS=ln(LS-(x-2)\×{\left(z^2+y^2+x^2\right)}^{\frac{1}{3}})+\underset{n}{\mathrm{\Σ}}{\mathrm{\β}}_n{x}_n+sin\[\left(2\mathrm{\π}\mathrm{\ϵ}x\right)-1\]+x^2$

$LS=ln(HL-2.3\×{\left(\left(z^2+y^2-1\right)\×{\left(z^2+y^2\right)}^{\frac{1}{2}}\right)}^{\frac{1}{2}})\mathrm{\ϵ}+\underset{n}{\mathrm{\Σ}}{\mathrm{\β}}_n{x}_n+sin\[\left(3\mathrm{\π}\mathrm{\ϵ}x\right)-1\]+x^2$

$HL=log(L-2x\sqrt[2]{z^2+\sqrt{z^2+y^2}}){\mathrm{\ϵ}}_i+\underset{i=1}{\overset{3}{\mathrm{\Σ}}}(x^2+y^2){\mathrm{\ϵ}}_i{x}_i+\sinh \left(2\mathrm{\π}\mathrm{\ϵ}x\right)-1+x_i^2$

2)变量含义：

CSHLS-社会零售商品总额预测响应值；

L-零售商品扩张；

x-景气循环值；

y-基准商品；

z-零售商品先行值；

ε-零售商品衰退；

HL-零售商品年涨幅；

LS-零售商品地区差异。

3)回归方程：

$CSHLS=ln(LS-(x-2)\×{\left(z^2+y^2+x^2\right)}^{\frac{1}{3}})+\underset{n}{\mathrm{\Σ}}0.12x_n+sin\[\left(2\mathrm{\π}6x\right)-1\]+x^2$

$LS=ln(HL-2.3\×{\left(\left(z^2+y^2-1\right)\×{\left(z^2+y^2\right)}^{\frac{1}{2}}\right)}^{\frac{1}{2}})6+\underset{n}{\mathrm{\Σ}}0.12x_n+sin\[\left(3\mathrm{\π}6x\right)-1\]+x^2$

$HL=log(L-2x\sqrt[2]{z^2+\sqrt{z^2+y^2}})4+\underset{i=1}{\overset{3}{\mathrm{\Σ}}}(x^2+y^2)4x_i+\sinh \left(2\mathrm{\π}6x\right)-1+x_i^2$

(4)出口总额预测：

1)确定模型：

$CKZE=NX+\underset{i=1}{\overset{\mathrm{\∞}}{\mathrm{\Σ}}}{v}_i{x}_i+\frac{{\∪}_{i=1}^{10}{v}_i{x}_i+B_i}{{(x_i^2-B_i)}^3}{B}_i{x}_i\frac{(x_i-1)}{{(x_i^2-B_i)}^2}+\frac{1}{(x_i^2-B_i)}$

$NX={\mathrm{\β}}_0+\underset{n}{\mathrm{\Σ}}\frac{{\mathrm{\β}}_{n}ln\left(x_n\right)}{(x_n^2-B_n)}+\underset{i=1}{\overset{10}{\∪}}{v}_i{x}_i+B_i{x}_i+\underset{j}{\mathrm{\Π}}(x_j^2-B_j)$

2)变量含义：

CKZE-出口总额预测响应值；

NX-工业税收收入自变量；

v-市场占有率；

x-贸易竞争力指数；

B-净出口；

β-贸易量指数。

3)回归方程：

$CKZE=NX+\underset{i=1}{\overset{\mathrm{\∞}}{\mathrm{\Σ}}}\frac{1}{3}*x_i+\frac{{\∪}_{i=1}^{10}\frac{1}{3}*x_i+B_i}{{(x_i^2-B_i)}^3}{B}_i{x}_i\frac{(x_i-1)}{{(x_i^2-B_i)}^2}+\frac{1}{(x_i^2-B_i)}$

$NX=21.37+\underset{n}{\mathrm{\Σ}}\frac{\frac{3}{7}\·\ln \left(x_n\right)}{(x_n^2-B_n)}+\underset{i=1}{\overset{10}{\∪}}\frac{2}{3}\·x_i+B_i{x}_i+\underset{j}{\mathrm{\Π}}(x_j^2-B_j)$

(5)水泥产量预测：

1)确定模型：

$SNCL=\underset{0\≤x\≤1}{max}\frac{-x\±\sqrt{x^3-4gx}}{2a}\·\exp {(x-1)}^2+log(x-1)(x-2)$

$g=2\underset{0\≤x\≤1}{max}x-\frac{-x\±\sqrt{x^3-4ax}}{3a}{e}^{{(x-1)}^2}+\log k(x-2)(x-1)$

2)变量含义：

SNCL-水泥产量预测响应值；

x-熟料热耗；

g-水泥产销率扩张值；

a-水泥综合电耗率；

k-劳动生产率。

3)回归方程：

$SNCL=\underset{0\≤x\≤1}{max}\frac{-x\±\sqrt{x^3-12x}}{4.8}\·\exp {(x-1)}^2+log(x-1)(x-2)$

$g=2\underset{0\≤x\≤1}{max}x-\frac{-x\±\sqrt{x^3-18.2x}}{3.6}{e}^{{(x-1)}^2}+log2.7*(x-2)(x-1)$

(6)钢材产量预测：

1)确定模型：

$GTCL=\hat{y}\·\exp (-i\mathrm{\ω}t)+\exp \[{(x-1)}^2\]+{\mathrm{\αy}}_t+(1-\mathrm{\α}){\hat{y}}_t+log(x_t-1)$

$\exp (-i\mathrm{\ω}t)=\hat{y}{e}^{-i\mathrm{\ω}t}-e^{{(x-1)}^2}+\mathrm{\α}yt+(1-\mathrm{\α})*{\hat{y}}_{t-1}+\log k(x-2)(x-1)$

2)变量含义：

GTCL–钢材产量预测响应值；

-实现利税；

x-综合电耗率；

k-钢材产量系数；

α-毛利率；

ω-净利率；

t-时间；

i-钢材产量平滑系数。

3)回归方程：

$GTCL=\hat{y}\·\exp (-19.2*t)+\exp \[{(x-1)}^2\]+0.12y_t+0.88{\hat{y}}_t+log(x_t-1)$

$\exp (-19.2*t)=\hat{y}{e}^{-19.2*t}-e^{{(x-1)}^2}+0.12*y_t+0.88*{\hat{y}}_{t-1}+\log k(x-2)(x-1)$

(7)工业用电量预测：

1)确定模型：

$GYY=\exp \left(\mathrm{\α}k\right)+\underset{n}{\mathrm{\Σ}}(t_n\·cos\frac{x\mathrm{\π}(\mathrm{\δ}-1)}{\mathrm{\δ}+1}+t_n\·sin\frac{x\mathrm{\π}(\mathrm{\δ}-1)}{\mathrm{\δ}})$

2)变量含义：

GYY–工业用电量预测响应值；

a-年工业总产值；

x-综合电耗率；

k-年工业用电量占比；

δ-利润率；

t-时间。

3)回归方程：

$GYY=\exp \left(1734\right)+\underset{n}{\mathrm{\Σ}}(t_n\·cos\frac{x\mathrm{\π}*0.08}{2.08}+t_n\·sin\frac{x\mathrm{\π}0.08}{1.08})$

(8)房地产开发综合景气指数预测：

1)确定模型：

$FCJQ={\mathrm{\θ}}_1(\hat{y}-\frac{\hat{y}}{i^2})e^r+{\mathrm{\θ}}_2\frac{\hat{y}}{i^s}(k-i)+{\mathrm{\θ}}_3(1-y^k)+{\mathrm{\θ}}_4(e^{ry}+{\mathrm{\π}}^y\frac{y}{k^e})e^{k}2)$

2)变量含义：

FCJQ–房地产开发综合景气指数预测响应值；

θ-年开工面积；

e-自然常数；

y-销售面积；

k-房价与CPI同步率；

r-按揭贷款增长与个人收入增长同步比；

i-房地产投资增长率与GDY增长率比值。

3)回归方程：

$FCJQ=24778*(\hat{y}-\frac{\hat{y}}{i^2})e^r+23.39*\frac{\hat{y}}{i^s}(k-i)+12.81*(1-y^{0.82})+10.07*(e^{0.62*y}+{\mathrm{\π}}^y\frac{y}{{0.82}^e})e^{0.82}$

(9)工业设备投资增速预测：

1)确定模型：

$\left\{\begin{array}{c}GYSB=\frac{({\mathrm{\θ}}_3{W}_Y-{\mathrm{\θ}}_4{W}_S)+{\mathrm{\θ}}_1({\mathrm{\γ}}_3{W}_Y-{\mathrm{\γ}}_4{W}_S)}{1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1}{\hat{E}}^{\frac{Y}{S}}+\frac{({\mathrm{\θ}}_3{W}_{EU}-{\mathrm{\θ}}_5{W}_S)+{\mathrm{\θ}}_1({\mathrm{\γ}}_3{W}_{EU}-{\mathrm{\γ}}_5{W}_S)}{{(1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1)}^2}{\hat{E}}^{\frac{EU}{S}}\\ +\frac{({\mathrm{\θ}}_4{W}_{EU}-{\mathrm{\θ}}_5{W}_Y)+{\mathrm{\θ}}_1({\mathrm{\γ}}_4{W}_{EU}-{\mathrm{\γ}}_5{W}_Y)}{{(1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1)}^3}{\hat{E}}^{\frac{EU}{Y}}\\ Y={\mathrm{\η}}_1\frac{({\mathrm{\θ}}_3{W}_Y-{\mathrm{\θ}}_4{W}_S)+({\mathrm{\γ}}_3{W}_Y-{\mathrm{\γ}}_4{W}_S)}{1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1}{\hat{E}}^{\frac{Y}{S}}+{\mathrm{\η}}_2\frac{({\mathrm{\θ}}_3{W}_{EU}-{\mathrm{\θ}}_5{W}_S)+({\mathrm{\γ}}_3{W}_{EU}-{\mathrm{\γ}}_5{W}_S)}{{(1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1)}^2}{\hat{E}}^{\frac{EU}{S}}\\ +{\mathrm{\η}}_3\frac{({\mathrm{\θ}}_4{W}_{EU}-{\mathrm{\θ}}_5{W}_Y)+({\mathrm{\γ}}_4{W}_{EU}-{\mathrm{\γ}}_5{W}_Y)}{{(1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1)}^3}{\hat{E}}^{\frac{EU}{Y}}\end{array}\right.$

2)变量含义：

GYSB-工业设备投资增速预测响应值；

θ-工业设备折旧率；

w-工业设备更新比；

s-工业设备投入增加值；

γ-工业设备十年淘汰率；

y-工业设备投入与GDP增加值比；

EQ-工业设备投入与产能比；

η-工业设备投资系数。

3)回归方程：

$\left\{\begin{array}{c}GYSB=\frac{(0.37*W_Y-0.21*W_S)+0.6*(0.83*W_Y-0.89*W_S)}{1-{\mathrm{\γ}}_2{\mathrm{\θ}}_1}{\hat{E}}^{\frac{Y}{S}}+\frac{(0.37*W_{EU}-0.25*W_S)+0.41*(0.84*W_{EU}-0.79*W_S)}{{(1-0.79*0.37)}^2}{\hat{E}}^{\frac{EU}{S}}\\ +\frac{(0.21*W_{EU}-0.37*W_Y)+0.41*(0.84*W_{EU}-0.67*W_Y)}{{(1-0.67*0.37)}^3}{\hat{E}}^{\frac{EU}{Y}}\\ Y=1.34*\frac{(0.37*W_Y-0.22*W_S)+(0.84*W_Y-0.76*W_S)}{1-0.76*0.37}{\hat{E}}^{\frac{Y}{S}}+1.67*\frac{(0.36*W_{EU}-0.45*W_S)+(0.84*W_{EU}-0.67*W_S)}{{(1-0.67*0.35)}^2}{\hat{E}}^{\frac{EU}{S}}\\ +2.3\frac{(0.84*W_{EU}-0.79*W_Y)+(0.79*W_{EU}-0.84*W_Y)}{{(1-0.84*0.37)}^3}{\hat{E}}^{\frac{EU}{Y}}\end{array}\right.$

(10)宏观经济景气指数-先行指数预测：

1)确定模型：

$\begin{array}{c}XXZS={\mathrm{\γ}}_1(\hat{r}-1)+{\mathrm{\γ}}_2(E+1)+{\mathrm{\γ}}_3({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})+{\mathrm{\γ}}_4({\hat{E}}^{\frac{B}{Y}}+{\widehat{\mathrm{\π}}}^Y-\widehat{\mathrm{\π}})+{\mathrm{\γ}}_5({\hat{E}}^{\frac{B}{EU}}+{\widehat{\mathrm{\π}}}^{EU}-\widehat{\mathrm{\π}})\\ +{\mathrm{\γ}}_6({\hat{Y}}^S+{\hat{Y}}^Y+{\hat{Y}}^{EU})\end{array}$

2)变量含义：

XXZS-宏观经济景气指数-先行指数预测响应值；

γ-景气指数；

r-线性扩散指数；

E-合成指数；

B-阻力循环指数；

S-激励循环指数；

Y-工业产品增加值；

EU-景气指数与先行指数交互系数。

3)回归方程：

$\begin{array}{c}XXZS=1.56*(\hat{r}-1)+3.4*(E+1)+2.7*({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})+4.7*({\hat{E}}^{\frac{B}{Y}}+{\widehat{\mathrm{\π}}}^Y-\widehat{\mathrm{\π}})+3.6*({\hat{E}}^{\frac{B}{EU}}+{\widehat{\mathrm{\π}}}^{EU}-\widehat{\mathrm{\π}})\\ +3.6*({\hat{Y}}^S+{\hat{Y}}^Y+{\hat{Y}}^{EU})\end{array}$

(11)固定资产信贷投资增速预测：

1)确定模型：

$XDTZ={\mathrm{\αY}}_t+\frac{(1-\mathrm{\α})(S_t-1)}{D_t-1}+\frac{{\mathrm{\αS}}_t+(1-\mathrm{\α})(D_t-1)}{D_t}$

2)变量含义：

XDTZ-固定资产信贷投资增速预测响应值；

α-平滑系数(0≤α≤1)；

Y-信贷风险预期值；

S-当年投资指数平滑值；

D-五年累计投资二次指数；

t-时间。

3)回归方程：

$XDTZ=0.47*Y_t+\frac{0.53*(S_t-1)}{D_t-1}+\frac{0.47*S_t+0.53*(D_t-1)}{D_t}$

(12)居民收入预测：

1)确定模型：

JMSR＝1-exp{-γ(dy_t-ct)²}

2)变量含义：

JMSR-居民收入预测响应值；

γ-测试群体人口数占总人口数比；

Y-平均收入与总收入比；

d-基尼系数；

t-群体收入重叠指数；

c-各收入群体收入加权平均值。

3)回归方程：

JMSR＝1-exp{-0.7*(12.457y_t-14.0037*t)²}

(13)消费者信心指数预测模型，其指数回归方程为：

1)确定模型：

$XFXX=\frac{{\mathrm{\θ}}_1(y-\frac{y}{i^2})+1}{1+\exp \{-\mathrm{\γ}({\mathrm{\θ}}_{1}y-s)\}}$

2)变量含义：

XFXX-消费者信心指数预测响应值；

θ-收入指数；

y-就业人口与总收入比；

i-耐用品购买指数；

γ-经济形势与消费购买力比；

s-物价满意度指数。

3)回归方程：

$XFXX=\frac{27.36*(y-\frac{y}{i^2})+1}{1+\exp \{-1.5(27.36*y-14.16)\}}$

(14)消费者支出预测：

1)确定模型：

$XFZC=({\mathrm{\μ}}_1+\underset{i=1}{\mathrm{\Σ}}{\mathrm{\α}}_{1i}{y}_{t-i})+({\mathrm{\μ}}_2+\underset{i=1}{\mathrm{\Σ}}{\mathrm{\α}}_{2i})\·c+\frac{c-1}{(y_t+\mathrm{\γ})}+{\mathrm{\ϵ}}_t$

2)变量含义：

XFZC-消费者支出预测响应值；

μ-总消费滞后阶数；

α-实际金融资产指数；

y-同期人均实际消费水平；

c-消费边际效用弹性值；

γ-政府的实际债务水平；

ε-同期人均可支配收入；

t-时间。

3)回归方程：

$XFZC=(2+\underset{i=1}{\mathrm{\Σ}}2.2528*y_{t-i})+(5+\underset{i=1}{\mathrm{\Σ}}{y}_{t-i})*3.122+\frac{1.34}{(y_t+1.67)}+{\mathrm{\ϵ}}_t$

(15)出口订单预测：

1)确定模型：

$CKDD=({\mathrm{\μ}}_1+{\mathrm{\ρ}}_1{y}_{t-1}+\underset{i=1}{\mathrm{\Σ}}{\mathrm{\α}}_{1i}{\mathrm{\Δy}}_{t-i})+({\mathrm{\μ}}_2+{\mathrm{\ρ}}_2{y}_{t-1}+\underset{i=1}{\mathrm{\Σ}}{\mathrm{\α}}_{2i}{\mathrm{\Δy}}_{t-i})\·\frac{D-1}{(y_t+1)}+{\mathrm{\ϵ}}_t$

2)变量含义：

CKDD-出口订单预测响应值；

μ-贸易竞争力指数；

ρ-产品出口总额；

y-产品进口总额；

α-出口外向度指数；

D-高新技术产品出口额；

ε-产业贸易内指数；

t-时间。

3)回归方程：

$CKDD=(9.46+23.7*y_{t-1}+\underset{i=1}{\mathrm{\Σ}}17.16*{\mathrm{\Δy}}_{t-i})+(8.79+16.52*y_{t-1}+\underset{i=1}{\mathrm{\Σ}}20.03*{\mathrm{\Δy}}_{t-i})\·\frac{D-1}{(y_t+1)}+{\mathrm{\ϵ}}_t$

(16)中国制造业PMI预测：

1)确定模型：

$PMI=(y_t-\frac{y_t}{\mathrm{\α}+1})+\exp \left(\mathrm{\α}k\right)+\frac{y}{{\mathrm{\α}}^2-1}\mathrm{\β}(1-{\mathrm{\α}}^k)(\mathrm{\ϵ}-\frac{y^{\mathrm{\ϵ}}}{{\mathrm{\α}}^{\mathrm{\ϵ}}+1})$

2)变量含义：

PMI–中国制造业PMI预测响应值；

y-制造业差分后序列；

a-制造业自噪声值；

β-工业自回归阶数；

k-综合产能；

ε-利润平均阶数；

t-时间。

3)回归方程：

$PMI=(y_t-\frac{y_t}{2.256})+\exp (1.256*k)+\frac{y}{1.45}*2*(1-{1.45}^k)(\mathrm{\ϵ}-\frac{y^{\mathrm{\ϵ}}}{{1.45}^{\mathrm{\ϵ}}+1})$

(17)人民币兑美元汇率预测：

1)确定模型：

$\begin{array}{c}HL=-{\mathrm{\α}}_1(\hat{Y}-1)+{\mathrm{\α}}_2(F+1)+{\mathrm{\α}}_3({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})+{\mathrm{\α}}_4({\hat{E}}^{\frac{B}{Y}}+{\widehat{\mathrm{\π}}}^Y-\widehat{\mathrm{\π}})+{\mathrm{\α}}_5({\hat{E}}^{\frac{B}{U}}+{\widehat{\mathrm{\π}}}^U-\widehat{\mathrm{\π}})\\ +{\mathrm{\α}}_6({\hat{Y}}^S-1)+{\mathrm{\α}}_7({\hat{Y}}^Y+1)+{\mathrm{\α}}_8({\hat{Y}}^U-1)\end{array}$

2)变量含义：

HL–人民币兑美元汇率预测响应值；

a-边际税率值；

Y-消费函数；

F-信贷产出率；

E-通货膨胀阶数；

B-政府购买力回归数；

S-税收；

U-边际货币供应量。

3)回归方程：

$\begin{array}{c}HL=-0.76*(\hat{Y}-1)+0.52*(F+1)+0.69*({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})+{\mathrm{\α}}_4({\hat{E}}^{\frac{B}{Y}}+{\widehat{\mathrm{\π}}}^Y-\widehat{\mathrm{\π}})+{\mathrm{\α}}_5({\hat{E}}^{\frac{B}{U}}+{\widehat{\mathrm{\π}}}^U-\widehat{\mathrm{\π}})\\ -0.38*({\hat{Y}}^S-1)+0.27*({\hat{Y}}^Y+1)-0.21*({\hat{Y}}^U-1)\end{array}$

(18)来料加工装配贸易预测：

1)确定模型：

$LLJG={\mathrm{\φ}}_0+{\mathrm{\φ}}_1\frac{x_t}{x_t-1}+{\mathrm{\φ}}_2\frac{1}{x_t{y}_t}+{\mathrm{\γ}}_3\frac{({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})}{{\mathrm{\φ}}_3{x}_t{y}_t^3}$

2)变量含义：

LLJG–来料加工装配贸易预测响应值；

-工艺损耗率；

x-装配消耗函数；

y-贸易信贷；

γ-双边贸易供应量；

E-通货膨胀基数；

B-运输成本回归数；

S-贸易周期；

t-时间。

3)回归方程：

$LLJG=2.45+0.63*\frac{x_t}{x_t-1}+0.58*\frac{1}{x_t{y}_t}+0.37*\frac{({\hat{E}}^{\frac{B}{S}}+{\widehat{\mathrm{\π}}}^S-\widehat{\mathrm{\π}})}{0.52*x_t{y}_t^3}$

表1是实际值与模型预测值拟合及其误差计算，从表1可见，本发明所述的模型，与真实值的误差、与二次平滑指数的误差均小于现有技术分析的结果。

此外，如图2所示，是本发明中所述的工业增加值函数模拟与实际值拟合示意图。图中看出，在本发明所述的工业增加值函数模拟与实际值拟合方面优于现有发明专利所述结果。

如图3所示，是本发明中所述的社会零售商品总额函数模拟与实际值拟合示意图。图中看出，在本发明中所述的社会零售商品总额函数模拟与实际值拟合方面优于现有发明专利所述结果。

Claims (6)

1.一种区域经济未来发展宏观预测系统，其特征在于，包括以下步骤：

(1)获得与该区域经济发展相关的不同历史阶段、不同时间频度的该区域发展微观经济数据；

(2)利用上述获取的微观经济数据，结合对应时间段宏观经济发展指标，结合未来发展宏观函数，构建区域未来发展宏观预测模型；

所述区域未来发展宏观预测模型包括：

1)工业增加值预测模型，其指数回归方程为：

式中：

GYZJ-工业增加值预测响应值；x-资本投入；β-生产规模；ε-成本效率。

2)固定资产投资总额预测模型，其指数回归方程为：

其中：

式中：

GDZC-固定资产投资总额预测响应值；p-固定资产投资新开工项目；γ-劳动效率乘子，与工作经验正相关；x-GDP；β-人口总量加权值；α-中长期贷款利率，y-第三产业增加值；ε-资本调整成本。

3)社会零售商品总额预测模型，其指数回归方程为：

其中：

其中：

式中：

CSHLS-社会零售商品总额预测响应值；L-零售商品扩张；x-景气循环值；y-基准商品；z-零售商品先行值；ε-零售商品衰退；HL-零售商品年涨幅；LS-零售商品地区差异。

4)出口总额预测模型，其指数回归方程为：

式中：

CKZE-出口总额预测响应值；NX-工业税收收入自变量；v-市场占有率；x-贸易竞争力指数；B-净出口；β-贸易量指数。

2.根据权利要求1所述的一种区域经济未来发展宏观预测系统，其特征在于，所述工业增加值预测模型，包括：

(1)水泥产量预测模型，其指数回归方程为：

其中：

式中：

SNCL-水泥产量预测响应值；x-熟料热耗；g-水泥产销率扩张值；a-水泥综合电耗率；k-劳动生产率。

(2)钢材产量预测模型，其指数回归方程为：

其中：

式中：

GTCL–钢材产量预测响应值；-实现利税；x-综合电耗率；k-钢材产量系数；α-毛利率；ω-净利率；t-时间；i-钢材产量平滑系数。

(3)工业用电量预测模型，其指数回归方程为：

式中：

GYY–工业用电量预测响应值；a-年工业总产值；x-综合电耗率；k-年工业用电量占比；δ-利润率；t-时间。

3.根据权利要求1所述的一种区域经济未来发展宏观预测系统，其特征在于，所述固定资产投资总额预测模型，包括：

(1)房地产开发综合景气指数预测模型，其指数回归方程为：

式中：

FCJQ–房地产开发综合景气指数预测响应值；θ-年开工面积；e-自然常数；y-销售面积；k-房价与CPI同步率；r-按揭贷款增长与个人收入增长同步比；i-房地产投资增长率与GDY增长率比值。

(2)工业设备投资增速预测模型，其指数回归方程为：

式中：

GYSB-工业设备投资增速预测响应值；θ-工业设备折旧率；w-工业设备更新比；s-工业设备投入增加值；γ-工业设备十年淘汰率；y-工业设备投入与GDP增加值比；EQ-工业设备投入与产能比；η-工业设备投资系数。

(3)宏观经济景气指数-先行指数预测模型，其指数回归方程为：

式中：

XXZS-宏观经济景气指数-先行指数预测响应值；γ-景气指数；r-线性扩散指数；E-合成指数；B-阻力循环指数；S-激励循环指数；Y-工业产品增加值；EU-景气指数与先行指数交互系数。

(4)固定资产信贷投资增速预测模型，其指数回归方程为：

式中：

XDTZ-固定资产信贷投资增速预测响应值；α-平滑系数(0≤α≤1)；Y-信贷风险预期值；S-当年投资指数平滑值；D-五年累计投资二次指数；t-时间。

4.根据权利要求1所述的一种区域经济未来发展宏观预测系统，其特征在于，所述社会零售商品总额预测模型，包括：

(1)居民收入预测模型，其指数回归方程为：

JMSR＝1-exp{-γ(dy_t-ct)²} (式-18)

式中：

JMSR-居民收入预测响应值；γ-测试群体人口数占总人口数比；Y-平均收入与总收入比；d-基尼系数；t-群体收入重叠指数；c-各收入群体收入加权平均值。

(2)消费者信心指数预测模型，其指数回归方程为：

式中：

XFXX-消费者信心指数预测响应值；θ-收入指数；y-就业人口与总收入比；i-耐用品购买指数；γ-经济形势与消费购买力比；s-物价满意度指数。

(3)消费者支出预测模型，其指数回归方程为：

式中：

XFZC-消费者支出预测响应值；μ-总消费滞后阶数；α-实际金融资产指数；y-同期人均实际消费水平；c-消费边际效用弹性值；γ-政府的实际债务水平；ε-同期人均可支配收入；t-时间。

5.根据权利要求1所述的一种区域经济未来发展宏观预测系统，其特征在于，所述出口总额预测模型，包括：

(1)出口订单预测模型，其指数回归方程为：

式中：

CKDD-出口订单预测响应值；μ-贸易竞争力指数；ρ-产品出口总额；y-产品进口总额；α-出口外向度指数；D-高新技术产品出口额；ε-产业贸易内指数；t-时间。

(2)中国制造业PMI预测模型，其指数回归方程为：

式中：

PMI–中国制造业PMI预测响应值；y-制造业差分后序列；a-制造业自噪声值；β-工业自回归阶数；k-综合产能；ε-利润平均阶数；t-时间。

(3)人民币兑美元汇率预测模型，其指数回归方程为：

式中：

HL–人民币兑美元汇率预测响应值；a-边际税率值；Y-消费函数；F-信贷产出率；E-通货膨胀阶数；B-政府购买力回归数；S-税收；U-边际货币供应量。

(4)来料加工装配贸易预测模型，其指数回归方程为：

式中：

LLJG–来料加工装配贸易预测响应值；-工艺损耗率；x-装配消耗函数；y-贸易信贷；γ-双边贸易供应量；E-通货膨胀基数；B-运输成本回归数；S-贸易周期；t-时间。

6.一种区域经济未来发展宏观预测方法，其特征在于，该方法包括如下步骤：

第1步：获取该区域经济发展的历史数据，分别筛选出与工业增加值相关的微观经济指标，如：资本投入、生产规模、成本效率；计算出工业增加值预测响应值，构建工业增加值预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第2步：获取该区域经济发展的历史数据，分别筛选出与固定资产投资总额相关的微观经济指标，如：固定资产投资新开工项目、劳动效率乘子、GDP、人口总量加权值、中长期贷款利率、第三产业增加值、资本调整成本；计算出固定资产投资总额预测响应值，构建固定资产投资总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第3步：获取该区域经济发展的历史数据，分别筛选出与社会零售商品总额相关的微观经济指标，如：零售商品扩张、景气循环值、基准商品、零售商品先行值、零售商品衰退、零售商品年涨幅、零售商品地区差异；计算出社会零售商品总额预测响应值，构建社会零售商品总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第4步：获取该区域经济发展的历史数据，分别筛选出与出口总额相关的微观经济指标，如：工业税收收入自变量、市场占有率、贸易竞争力指数、净出口、贸易量指数；计算出口总额预测响应值，构建出口总额预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第5步：获取该区域经济发展的历史数据，分别筛选出与水泥产量相关的微观经济指标，如：熟料热耗、水泥产销率扩张值、水泥综合电耗率、劳动生产率；计算出水泥产量预测响应值，构建水泥产量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第6步：获取该区域经济发展的历史数据，分别筛选出与钢材产量相关的微观经济指标，如：实现利税、综合电耗率、钢材产量系数、利润总额、利润总额、时间、钢材产量平滑系数；计算出钢材产量预测响应值，构建钢材产量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第7步：获取该区域经济发展的历史数据，分别筛选出与工业用电量相关的微观经济指标，如：年工业总产值、综合电耗率、年工业用电量占比、利润总额、时间；计算出工业用电量预测响应值，构建工业用电量预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第8步：获取该区域经济发展的历史数据，分别筛选出与房地产开发综合景气指数相关的微观经济指标，如：年开工面积、销售面积、房价与CPI同步率、按揭贷款增长与个人收入增长同步比、房地产投资增长率与GDY增长率比值；计算出房地产开发综合景气指数预测响应值，构建房地产开发综合景气指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第9步：获取该区域经济发展的历史数据，分别筛选出与工业设备投资增速相关的微观经济指标，如：工业设备折旧率、工业设备更新比、工业设备投入增加值、工业设备十年淘汰率、工业设备投入与GDP增加值比、工业设备投入与产能比、工业设备投资系数；计算出工业设备投资增速预测响应值，构建工业设备投资增速预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第10步：获取该区域经济发展的历史数据，分别筛选出与宏观经济景气指数-先行指数相关的微观经济指标，如：景气指数、线性扩散指数、合成指数、阻力循环指数、激励循环指数、工业产品增加值、景气指数与先行指数交互系数；计算出宏观经济景气指数-先行指数预测响应值，构建宏观经济景气指数-先行指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第11步：获取该区域经济发展的历史数据，分别筛选出与固定资产信贷投资增速相关的微观经济指标，如：平滑系数、信贷风险预期值、当年投资指数平滑值、五年累计投资二次指数、时间；计算出固定资产信贷投资增速预测响应值，构建固定资产信贷投资增速预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第12步：获取该区域经济发展的历史数据，分别筛选出与居民收入相关的微观经济指标，如：测试群体人口数占总人口数比、平均收入与总收入比、基尼系数、群体收入重叠指数、各收入群体收入加权平均值；计算出居民收入预测响应值，构建居民收入预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第13步：获取该区域经济发展的历史数据，分别筛选出与消费者信心指数相关的微观经济指标，如：收入指数、就业人口与总收入比、耐用品购买指数、经济形势与消费购买力比、物价满意度指数；计算出消费者信心指数预测响应值，构建消费者信心指数预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第14步：获取该区域经济发展的历史数据，分别筛选出与消费者支出相关的微观经济指标，如：总消费滞后阶数、实际金融资产指数、同期人均实际消费水平、消费边际效用弹性值、政府的实际债务水平、同期人均可支配收入、时间；计算出消费者支出预测响应值，构建消费者支出预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第15步：获取该区域经济发展的历史数据，分别筛选出与出口订单相关的微观经济指标，如：贸易竞争力指数、产品出口总额、产品进口总额、出口外向度指数、高新技术产品出口额、产业贸易内指数、时间；计算出口订单预测响应值，构建出口订单预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第16步：获取该区域经济发展的历史数据，分别筛选出与中国制造业PMI相关的微观经济指标，如：制造业差分后序列、制造业自噪声值、工业自回归阶数、综合产能、利润平均阶数、时间；计算出中国制造业PMI预测响应值，构建中国制造业PMI预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第17步：获取该区域经济发展的历史数据，分别筛选出与人民币兑美元汇率相关的微观经济指标，如：边际税率值、消费函数、信贷产出率、通货膨胀阶数、政府购买力回归数、税收、边际货币供应量；计算出人民币兑美元汇率预测响应值，构建人民币兑美元汇率预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果；

第18步：获取该区域经济发展的历史数据，分别筛选出与来料加工装配贸易相关的微观经济指标，如：工艺损耗率、装配消耗函数、贸易信贷、双边贸易供应量、通货膨胀基数、运输成本回归数、贸易周期、时间；计算出来料加工装配贸易预测响应值，构建来料加工装配贸易预测模型，同时对该模型进行测试、校核、修正，最终输出预测结果。