摘要
山西省是北方的资源大省，在脱贫攻坚、乡村振兴以及新旧动能转换等各项任务中肩负着重大使命。山西省财政在脱贫攻坚、促进高质量转型等全省重大战略方面发挥了十分重要的作用。然而，山西省财政也面临收入增速放缓、税收制度不完善等困难和挑战。合理有效地预测山西省财政收入，对促进山西省优化财政支出结构，深化财政预算改革，保障财政收支总体良好运行具有现实意义。为了更有效地促进山西财政增收，需要研究山西省财政收入的影响因素并通过变量筛选选择合适的因素对其进行建模预测。 本文选取2000-2019年的山西省财政收入及其15个影响因素的数据。首先进行描述性分析和变量相关性分析，了解变量分布及变量间的相关程度，发现变量与山西省财政收入之间的相关程度较高。其次，利用Elastic Net回归、PC-simple、Adaptive-Lasso、随机森林和最优子集5种方法进行变量选择，并对每种特征选择方法得到的主要解释变量建立灰色模型GM(1,1)进行预测。基于特征选择的结果，分别建立GM-BP组合模型和GM-RBF组合模型对山西省2020和2021年的财政收入进行预测。最后，根据RMSE(Root Mean Square Error)、MAPE(Mean Absolute Percentage Error)、MAE(Mean Absolute Error)三种评价指标评判模型的预测效果。同时，将组合模型得到的2020年山西省财政收入预测值与真实值进行比较，进一步验证组合模型的有效性。 实验结果显示，本文提出的Elastic Net-GM-BP组合模型的RMSE、MAPE、MAE分别为0.2765，0.04%，0.2083，说明该模型相较于其他模型预测精度较高，预测效果较好。Elastic Net方法筛选出了影响山西省财政收入的10个关键因素，主要包括社会从业人数、在岗职工平均工资等解释变量，覆盖了财政、国民经济、人口及劳动工资、固定资产、市场发展情况及山西省特性6个方面，对山西省财政收入来源有较强的解释性。结合灰色模型在小样本预测中具有较强的优势以及神经网络模型处理非线性数据能力强的优点，灰色神经网络预测模型有效的提高了模型的预测精度，进一步验证了Elastic Net-GM-BP组合模型在山西省财政收入方面具有良好的预测性能。为山西省在制订有关财政政策、促进山西省经济快速发展提供了一定程度的借鉴。
NETL