刘禹 赖家锦 李涛

摘 要：为探讨新冠肺炎疫情对社会消费的影响，本文选取有关变量，利用MATLAB建立BP神经网络模型，并基于该模型预测2020年社会消费品零售总额约为355614亿元，从而为政府应对疫情对消费市场的冲击提供数据支撑。

关键词：社会消费品零售总额;BP神经网络;经济内循环

中图分类号：F724.2 文献标识码：A 文章编号：2096-0298（2020）12（b）--03

2020年初，新型冠状病毒肆虐神州大地，国民经济生活受到极大冲击。目前，国内疫情基本得到了有效控制，各地也适时推出消费券等优惠政策进一步拉动内需，激发居民的消费潜力。那么，在国内疫情防控常态化和国际疫情局势仍然复杂的背景下，2020年下半年我國消费规模能否回升到疫情之前的水平受到了学界和社会的广泛关注。因此，预测社会消费品零售总额这一体现国内消费需求的重要指标显得尤为重要。

1 国内文献综述

目前，学界对于社会消费品零售总额的预测大多依赖于传统多元回归分析法和时间序列分析法。罗森、张孟璇（2020）基于2000—2018年各季度数据构建多元回归模型，对2019年四个季度的社会消费品零售总额进行了预测;史晓雯、杨娟（2020）对临沂市2013—2018年的月度社会消费品零售总额分别建立乘积季节模型ARIMA（1，1，0）×（1，1，1）12与指数平滑预测模型，对比其拟合效果后对临沂市2019年1月至3月的社会消费品零售总额进行了预测;李欣欣（2017）以社会消费品零售总额、广义货币供应量、居民消费价格指数为内生变量，常数为外生变量建立向量自回归（VAR）模型，对社会消费品零售总额月度数据进行了预测。但是，传统的数理统计方法存在假设过多、不符合实际、程序烦琐、精度不高等不足之处。

神经网络方法作为机器学习的一种方法，对于经济指标的预测尚处于新兴阶段，且尤以BP神经网络的应用最为广泛。但是还鲜有运用该方法进行宏观经济指标预测的文献。因此，本文拟运用BP神经网络方法，结合社会消费品零售总额的影响因素分析，给出较为精确的预测值，以期为中国经济未来的发展提供参考。

2 研究方法及指标数据

2.1 研究方法

社会消费品零售总额是一个具有高度综合性的经济变量，其增长不仅取决于消费者层面如人口、可支配收入等的变化，同时也受到生产者层面如门店数量、企业规模、产品质量等的影响，还受到宏观环境的制约，因而是一个复杂的非线性系统。而BP人工神经网络方法进行预测无需事先确定变量之间的数学关系，仅通过训练学习某种规则，在给定输入值时就可得到最接近期望值的输出结果。

2.2 指标体系选取与构建

本文在系统性、显著性、可操作性等指标体系构建的原则上，参考有关文献，选择了人均GDP、居民消费价格指数（CPI）、城镇居民人均可支配收入、年度货运量、年度进口总额、年度财政支出、年末货币供应量（M1）、突发重大公共卫生事件、地震灾害直接灾损率、自然灾害直接灾损率等指标，用以构建BP神经网络。其中，突发重大公共卫生事件这一指标参考陈海平等 （2013）构建的突发重大公共卫生事件指标系统得出;地震灾害直接灾损率、自然灾害直接灾损率两项参考了赵阿兴等 （1993）的研究成果。其他指标的数据来源于历年统计年鉴、统计公报及国家统计局公开信息。各指标数据见表1。

3 BP神经网络模型预测

3.1 神经网络构建

BP神经网络算法流程总体可以分为BP神经网络的构建、训练、预测三步，具体步骤如图1所示。

本文选取各类研究中常用的单隐含层的三层BP神经网络来实现对社会消费品零售总额的预测。在网络设计过程中，关键一步是确定隐含层的神经元数N。N过大会加大网络计算量并产生过度拟合问题，N过小则会降低神经网络性能。目前，对于隐含层中神经元数目N的确定只有一些经验公式可用。本文在选取隐含层神经元个数时参照的经验公式，其中， n为输入层神经元个数， m为输出层神经元个数， a为[1，10]的常数。经过多次试验和比较，本文选择隐含层神经元个数N=5。

3.2 输入层数据

首先，运用SPSS对人均GDP、居民消费价格指数（CPI）、城镇居民人均可支配收入、货运量、进口总额、财政支出、年末货币供应量（M1）与年份进行相关性分析，表明这些指标与年份之间存在显著的相关关系。其中，人均GDP、城镇居民人均可支配收入、年末货币供应量（M1）、财政支出四个指标取2012年以来我国经济发展从高速发展时期进入高质量发展时期的数据，并结合疫情实际将前三者的2020年预测值从指数增长改为线性增长;居民消费价格指数、货运量采用2000年以来的数据，并运用线性回归方程预测;考虑到中美贸易摩擦和国际疫情持续蔓延的双重影响，对于进口总额的预测则采取了拟合度更高的二次函数模型;参考饶海洋的研究成果，2020年突发重大公共卫生事件的指标值为54，以2014—2019年5年内地震灾害直接灾损率、自然灾害直接灾损率平均值作为2020年直接灾损率。相关性分析结果见表2，2020年上述指标的OLS预测值见表3。

利用MATLAB R2018a中的神经网络工具箱构建该预测模型，导入以上数据，随机选取两组作为测试组，其他为训练组，并在做归一化处理后输入神经网络模型。设定的模型参数见表4：

3.3 输出预测结果

本文用训练好的BP神经网络模拟，并测算预测输出和实际值的误差百分比，进而重复上述步骤依次训练出多个神经网络模型，最终筛选了300个预测误差百分比在[-0.05，0.05]的预测数据，以确保预测精度在90%以上。将所有预测结果输入SPSS进行统计分析，其直方图十分接近正态分布，略呈右偏，表明数据质量很好。因此，本文取300个数据的均值360838.1（保留一位小数，单位：亿元）作为2020年社会消费品零售总额的预测值。该预测值相较2019年同比下降约12.3%。

国家统计局数据显示，2020年上半年社会消费品零售总额为172256亿元，结合该数据和社会消费品零售总额的季节性变化、居民消费能力的持续复苏等因素综合判断，该预测值具有较强的合理性和准确度。

4 结语

近年来，党中央经济工作会议提出了经济“內循环”的概念。在国际局势持续复杂的背景下，消费毫无疑问成为中国经济发展主要动能，也是实现经济高质量发展的必由之路。但必须指出，当前国内疫情虽已基本得到控制，却远未完全结束;局地零星病例、境外输入病例将在未来很长一段时间内持续存在。这对于居民消费习惯、消费心理的影响无疑是极其巨大且深远的，中国居民的边际消费倾向在这段时间内可能会持续低迷。但以社会消费品零售总额为代表的居民消费数据下降是暂时的，中国经济持续向好的长期态势不会改变。而如何提振消费、真正实现经济发展以“内循环”为主体，将成为未来一段时间围绕中国经济发展的重要课题。

参考文献

杨扬，杨桂元.新冠肺炎疫情对我国社会消费品零售总额的影响程度评价[J].价值工程，2020，39（18）：31-33.

王爽，汪海飞.中国社会消费品零售总额的成分分解及预测——基于X-12-ARIMA模型的应用[J].经济研究导刊，2020（17）：75-77.

史晓雯，杨娟.社会消费品零售总额预测的模型构建及实证分析——以临沂市为例[J].科技经济导刊，2020，28（06）：8-9.

罗森，张孟璇.基于多元回归模型的社会消费品零售总额预测[J].现代商业，2020（01）：3-7.

张舒.我国社会消费品零售总额影响因素分析[J].全国流通经济，2019（03）：3-6.

韩玉锦.新冠肺炎疫情对经济会有多大影响——基于社会消费品零售总额的角度[J].产业经济评论，2020（02）：13-23.

陈海平，郝艳华，吴群红，等.突发公共卫生事件影响综合评价指标体系构建[J].中国公共卫生，2013，29（05）：628-631.

饶海洋.基于BP神经网络的2020年国内旅游人数预测[J].中国经济社会大数据研究平台，2020.

赵阿兴，马宗晋.自然灾害损失评估指标体系的研究[J].自然灾害学报，1993（03）：1-7.

李欣欣.基于向量自回归的我国社会消费品零售总额预测分析[J].江苏商论，2017（09）：3-8.