基于shapley回归框架的中国GDP预测研究

发布时间：2024-04-02 01:10

　　经济发展的必然性使经济预测成为可能,经济发展的偶然性意味着经济预测一定存在误差。经济预测是政府和企业的经济决策、编制计划和经济管理的重要依据,所以经济预测的准确性十分重要。在面对国内外经济环境的复杂性时,机器学习模型在预测领域往往具有更好的预测性能。虽然机器学习模型预测性能较好,但由于模型结构复杂且不透明而只能得到预测的优劣,不能得出影响因素对被解释变量的影响程度和显著性。也就是说,机器学习模型在可解释性和准确性之间做出权衡。此外,机器学习模型大多是非参数模型。所以,机器学习模型的“黑箱问题”阻碍了其在实际中的运用,而且不透明的机器学习模型的应用可能会导致道德、安全、隐私和越来越多的法律问题。本文的主要研究思路是使用嵌套的交叉验证方法训练神经网络、支持向量机、随机森林、极端决策树和XGBOOST模型,采用均方误差和R²对比机器学习模型和线性回归模型在长期预测和短期预测中的预测准确性。在确定了机器学习模型的预测性能的确优于线性回归模型后,计算在长期预测和短期预测中预测性能都有较大提升的随机森林、极端决策树和XGBOOST三种模型的Shapley值,然后利用不同时间的...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图4-1嵌套的交叉验证

基于Shapley回归框架的中国GDP预测研究26图4-1嵌套的交叉验证4.3Shapley回归框架机器学习模型如支持向量机、决策树和神经网络通常在预测方面具有更好的预测性能，尽管机器学习模型存在着不可解释性问题，但是它在预测某些需要精确预测结果以做出决策的政策问题上还是会有实质....

图5-3中，在预测一季度后的GDP时，弹性网相对于基准模型线性回归而言，均方误差并没有明显的下降，表示弹性网的预测准确性相对于线性

基于Shapley回归框架的中国GDP预测研究42图5-2预测1年以后GDP的模型训练结果在图5-3中，在预测一季度后的GDP时，弹性网相对于基准模型线性回归而言，均方误差并没有明显的下降，表示弹性网的预测准确性相对于线性回归模型没有改善。支持向量机相对于线性回归模型而言，均方误....

图5-3预测1季度以后GDP的模型训练结果

5.实证分析结果43图5-3预测1季度以后GDP的模型训练结果5.3.3模型预测准确性对比本文以线性回归模型作为基准模型，选取弹性网、神经网络、支持向量机、随机森林、极端决策树和XGBOOST六种模型对比预测准确性。本文采用的对比指标是均方根误差（RMSE）和R2，均方根误差的公....

图53预测1年后GDP的模型对比

5.实证分析结果45图5-3预测1年后GDP的模型对比从图5-4中发现，在预测一季度后GDP时，弹性网的R2和RMSE相比于线性回归模型的R2和RMSE没有明显的差值，表示弹性网的预测准确性没有明显的提升。支持向量机和神经网络的R2和RMSE相比于线性回归模型都有一个明显的差值，....

本文编号：3945584