作者简介：陈美璘（1988-），女，湖南邵阳人，兴义民族师范学院经济贸易学院教师，主要从事企业管理等方面研究。

摘 要：社会消费品零售总额反映一定时期内人民物质文化生活水平的提高情况，反映社会商品购买力的实现程度，以及零售市场的规模状况。本文运用指数平滑法对我国五个省市的社会消费品零售总额进行预测，发现各省市在社会消费品零售总额方面存在的差距，得到的2015-2020的预测值为政府制定相关政策提供参考。

关键词：指数平滑法；社会消费品零售总额；预测

一、引言

时间序列预测法是一种历史资料延伸预测，也称历史引伸预测法。是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。时间序列预测法又包括趋势预测法、指数平滑法、季节性趋势预测法等，在社会消费品零售总额的预测上使用较多的是季节时间序列模型（SARIMA）及指数平滑法。本文通过对我国不同地区社会消费品零售总额官方统计数据的研究，选择了不同地区的五个省市作为研究对象并以这些省市2000～2014年的社会消费品零售总额为样本，运用指数平滑法建立模型后预测2015～2020年的社会消费品零售总额。

二、指数平滑法预测模型建立

时间序列是指某种统计指标的数值，按照时间先后顺序排列起来的数列。时间序列分析是定量预测方法中的一种，它的基本原理：一是认同任何事物的发展都是延续的，因此只要有过去的一些数据就能够对未来的发展趋势进行一定的预测；二是承认事物发展具有随机性。

时间序列分析法中有很多种具体的操作方法，指数平滑法是其中的一种，根据平滑次数不同：有一次指数平滑法、二次指数平滑法和三次指數平滑法等。本文建模所运用的主要是一次指数平滑法。

1.预测模型

设时间序列为y1，y2，y3…yt…，一次指数平滑公式为

S（1）t=αyt+（1-α）S（1）t-1，（1）

式中S（1）t为一次指数平滑值；α为加权系数，且0<α<1。以这种平滑值进行预测，就是一次指数平滑法。它的预测模型为：

t+1=S（1）t，（2）

t+1=αyt+（1-α）yt，（3）

也就是以第t期指数平滑值作为t+1期预测值。

2.加权系数的选择

在进行指数平滑法时，有很重要的一项就是选择加权系数。由式（3）可以看出，α的大小决定了在新预测值中新数据和原预测值所占的比重。α值愈大，新数据所占的比重愈大，原预测值所占比重就愈小，反之亦然。若把式（3）改写为：

t+1=t+α（yt-t），（4）

则可看出，新预测值是通过对原来的预测值进行修正后得到的。修正的幅度大小通过α值的大小来反映，越大代表修正幅度越大，越小则代表修正幅度越小。所以，α值是很重要的一个指标，它不只能够反映出预测模型对时间序列数据变化的反应速度，而且决定着预测模型修正误差的能力。

若选取α=0，则t+1=yt即下期预测值就等于本期预测值，在预测过程中不考虑任何新信息；若选取α=1，则t+1=yt，即下期预测值就等于本期观察值，完全不相信过去的信息。这两种极端情况很难做出正确的预测。

因此，α值应根据时间序列的具体性质在0～1之间进行选择。具体如何选择一般要根据实际情况来定：

（1）当时间序列波动不大时，也就是说比较平稳时，则α应取小一点，如（0.1-0.3），这样就可以减少修正幅度，使预测模型能包含较长时间序列的信息。

（2）当时间序列具有迅速且明显的变动倾向，也就是说很不平稳时，那么α应取大一点，如（0.6-0.8），这样使预测模型灵敏度能够高些，以便迅速跟上数据的变化。

3.初始值的确定

运用一次指数平滑法进行预测，不只可以选择合适的α，还要对初始值S10进行确定，初始值是由预测者估计或指定的。在时间序列的数据较多的情况下，比如在20个以上时，那么初始值对之后的进行预测的预测值影响很小，就可以把第一期数据作为初始值。当时间序列的数据较少时，比如在20个以下时，那么初始值对之后进行预测时得到的预测值会有很大的影响，这时，就必须认真研究如何正确确定初始值，一般情况下可以把最初几期实际值的平均值算出来作为初始值。

三、社会消费品零售总额预测分析

1.北京市社会消费品零售总额预测

通过运用本文所建模型进行计算，得到关于北京市社会消费品零售总额预测模型，当α取0.7时，均分误差较少，预测结果较优。通过表1对比历年的实际值与预测值，可看出预测值与实际值相差不大，拟合得较好。

2.上海市社会消费品零售总额预测

通过运用本文所建模型进行计算，得到关于上海市社会消费品零售总额预测模型，当α取0.6时，均分误差较少，预测结果较优。通过表1对比历年的实际值与预测值，可看出预测值与实际值相差不大，拟合得较好。

3.湖南省社会消费品零售总额预测

通过运用本文所建模型进行计算，得到关于湖南省社会消费品零售总额预测模型，当α取0.6时，均分误差较少，预测结果较优。通过表2对比历年的实际值与预测值，可看出预测值与实际值相差不大，拟合得较好。

4.贵州省社会消费品零售总额预测

通过运用本文所建模型进行计算，得到关于贵州省社会消费品零售总额预测模型，当α取0.6时，均分误差较少，预测结果较优。通过表2对比历年的实际值与预测值，可看出预测值与实际值相差不大，拟合得较好。

5.海南省社会消费品零售总额预测

通过运用本文所建模型进行计算，得到关于海南省社会消费品零售总额预测模型，当α取0.6时，均分误差较少，预测结果较优。通过表3对比历年的实际值与预测值，可看出预测值与实际值相差不大，拟合得较好。

四、社会消费品零售总额预测结论与建议

本文通过运用指数平滑法依据2000-2014年的社会消费品零售总额数据，对我国五省市2015-2020的社会消费品零售总额分别进行了预测，从预测结果来看，预测值与实际值拟合的较好，因此，预测结果有很大程度的可信度。从预测结果来看，未来六年该五省市的社会消费品零售总额是程不断增长的趋势。由于各省发展的实际情况不一样，发展速度也有差异，各省市社会消费品零售总额差距较大，而且这差距也没有减少的趋势。

根据预测结果，北京与上海的社会消费品零售总额将分别在2016与2017年突破万亿元大关。而作为中部省份的湖南省2014年社会消费品零售总额已突破万亿元。西部地区的贵州省社会消费品零售总额数量发展到2020年也只能与北京市2008年的数量持平。处于我国最南部的海南省，2014年的社会消费品零售总额已突破千万元大关，根据预测，未来几年其都在千万元徘徊。

由以上分析可知，我国社会消费品零售总额省市之间的差距较大，尤其是东西部省市差距更大。影响社会消费品零售总额的因素很多，因此，东西部差距的原因比较复杂。社会消费品零售总额在一定程度上能够反应出某地的经济发展水平，通过本文进行预测可看出，各省市的发展水平差距很大，对于经济相对落后的一些地区，如何加快发展提高人民的生活水平与消费能力是当务之急。

（作者单位：兴义民族师范学院）

参考文献：

[1] 王长江.指数平滑法中平滑系数的选择研究[J]，中北大学学报（自然科学版），2006（06）.

[2] 陈宛庚，袁梅.指数平滑法在贵州省煤炭产量预测中的应用初探[J]，煤炭技术，2012（12）.

[3] 崔建伟，薛建成.指数平滑法在小浪底大坝变形预测中的应用[A]，《测绘通报》测绘科学前沿技术论坛摘要集[C]，2008.

[4] 罗中德，赖美艳.中国社会消费品零售总额的预测分析[J]，统计与决策，2013（02）.

[5] 周坤乔.社会消费品零售总额实际预测方法的探讨[J]，浙江统计，2005（08）.