基于省区协调发展的GDP预测模型

doi:10.12006/j.issn.1673-1719.2018.074

气候变化研究进展 ›› 2019, Vol. 15 ›› Issue (1): 54-61.doi: 10.12006/j.issn.1673-1719.2018.074

基于省区协调发展的GDP预测模型

张强¹,黎楠¹,陈文颖¹,单葆国²,张成龙²,尹硕³

1 清华大学能源环境经济研究所,北京 100084
2 国网能源研究院有限公司,北京 102209
3 国网河南省电力公司经济技术研究院,郑州 450052

收稿日期:2018-05-21 修回日期:2018-09-02 出版日期:2019-01-30 发布日期:2019-01-30
作者简介:张强,男,博士研究生;
基金资助:
国家电网公司科技项目(5217L017000N);科技部课题“减缓气候变化评估”

Provincial GDP projection model based on balanced development

Qiang ZHANG¹,Nan LI¹,Wen-Ying CHEN¹,Bao-Guo SHAN²,Cheng-Long ZHANG²,Shuo YIN³

1 Institute of Energy, Environment and Economy, Tsinghua University, Beijing 100084, China
2 State Grid Energy Research Institute Co., Ltd., Beijing 102209, China
3 Economics &Technology Research Institute, State Grid Henan Electric Power Company, Zhengzhou 450052, China;

Received:2018-05-21 Revised:2018-09-02 Online:2019-01-30 Published:2019-01-30

摘要/Abstract

摘要：

基于柯布-道格拉斯生产函数与自回归移动平均模型(ARIMA)构建出一个GDP综合预测模型,并且考虑十九大全面建成小康社会与实现共同富裕的精神与国家关于技术、资本、劳动力等方面的区域平衡发展战略调整模型的参数,计算了2016—2050年中国分省的GDP总量与人均GDP,进一步通过计算省区间人均GDP的基尼系数来分析省区协调发展的水平。研究结果表明,在考虑省区协调发展时,各省区在2016—2050年间的GDP总量与人均GDP的差距逐渐缩小,省区间人均GDP的基尼系数将从2015年的0.219下降到2030年的0.176和2050年的0.137,未来区域间发展不均衡的态势在实现经济稳步增长同时可以得到缓解。

关键词: GDP, 省区协调发展, 基尼系数, 柯布-道格拉斯函数, ARIMA模型

Abstract:

In this paper, a GDP projection model was constructed based on the Cobb-Douglas production function and the Autoregressive Integrated Moving Average (ARIMA) model. Under the consideration of balanced development the Gini coefficient of provincial GDP per capita was used to measure the degree of development balance. This model projects Chinese provincial GDP and GDP per capita from 2016 to 2050. Based on the balanced development from technology, labor, and capital. The projection results show that from 2016 to 2050, the gap between the GDP and GDP per capita in each province will shrink and the Gini coefficient will decline. In this projection, the Gini coefficient will decrease from 0.219 in 2015 to 0.176 in 2030 and then to 0.137 in 2050. The results also show that development of each province will tend to be balanced in the future.

Key words: GDP, Provincial balanced development, Gini coefficient, Cobb-Douglas function, ARIMA (Autoregressive Integrated Moving Average) model

张强,黎楠,陈文颖,单葆国,张成龙,尹硕. 基于省区协调发展的GDP预测模型[J]. 气候变化研究进展, 2019, 15(1): 54-61.

Qiang ZHANG,Nan LI,Wen-Ying CHEN,Bao-Guo SHAN,Cheng-Long ZHANG,Shuo YIN. Provincial GDP projection model based on balanced development[J]. Climate Change Research, 2019, 15(1): 54-61.

图/表 5

图1 模型的总体结构

Fig. 1 Framework of the model

图2 中国GDP总量拟合与预测结果

Fig. 2 Fitting and forecasting result of Chinese GDP

图3 省级GDP数据的拟合与预测结果

Fig. 3 Fitting and forecasting result of provincial GDP

图4 2020年和2050年人均GDP预测结果

Fig. 4 GDP per capita in 2020 and in 2050

图5 不同模型预测结果的区域基尼系数比较

Fig. 5 Gini coefficients in different models

参考文献

[1]	金虎斌 . 1978—2010年我国区域经济发展不均衡的态势及原因探析[J]. 商业时代, 2012 ( 5):129-130
[2]	国务院. 国务院关于大力实施促进中部地区崛起战略的若干意见[Z/OL]. 2012[ 2018- 05- 01].
[3]	国务院. 国务院关于进一步推进西部大开发的若干意见[Z/OL]. 2004[ 2018- 05- 01].
[4]	国务院. 国务院关于进一步实施东北地区等老工业基地振兴战略的若干意见[Z/OL]. 2009 [ 2018- 05- 01].
[5]	国务院. 国务院关于近期支持东北振兴若干重大政策举措的意见[Z/OL]. 2014 [ 2018- 05- 01].
[6]	龚国勇 . ARIMA模型在深圳GDP预测中的应用[J]. 管理科学, 2008 ( 4):53-57
[7]	赵蕾 . ARIMA模型在福建省GDP预测中的应用[J]. 科技和产业, 2007 ( 1):45-48
[8]	华鹏, 赵学民 . ARIMA模型在广东省GDP预测中的应用[J]. 统计与决策, 2010 ( 12):166-167
[9]	Wei N, Bian K J, Yuan Z F , et al. Analysis and forecast of Shaanxi GDP based on the ARIMA model[J]. Asian Agricultural Research, 2010,2(1):34-36
[10]	魏宁 . 时间序列分析方法研究及其在陕西省GDP预测中的应用[D]. 杨凌:西北农林科技大学, 2010
[11]	郝香芝, 李少颖 . 我国GDP时间序列的模型建立与预测[J]. 统计与决策, 2007 ( 23):4-6
[12]	熊志斌 . 基于ARIMA与神经网络集成的GDP时间序列预测研究[J]. 数理统计与管理, 2011,30(2):306-314
[13]	王莎莎, 陈安, 苏静等. 组合预测模型在中国GDP预测中的应用[J]. 山东大学学报: 理学版, 2009,44(2):56-59
[14]	王正宇, 王红玲 . 基于ARIMA模型的我国GDP分析预测[J]. 对外经贸, 2011 ( 12):107-108
[15]	Leimbach M, Kriegler E, Roming N , et al. Future growth patterns of world regions: a GDP scenario approach[J]. Global Environmental Change, 2017,42:215-225
[16]	姜彤, 赵晶, 曹丽格 , 等. 共享社会经济路径下中国及分省经济变化预测[J]. 气候变化研究进展, 2018,14(1):50-58
[17]	单豪杰 . 中国资本存量 K 的再估算: 1952—2006 年[J]. 数量经济技术经济研究, 2008 ( 10):17-31
[18]	武康平 . 高级微观经济学[M]. 北京: 清华大学出版社, 2003
[19]	王金荣, 蔺丽莉 . 中国人口劳动参与率与未来劳动力供给分析[J]. 人口学刊, 2006 ( 4):19-24
[20]	张健华, 王鹏 . 中国全要素生产率: 基于分省份资本折旧率的再估计[J]. 管理世界, 2012 ( 10):18-30
[21]	董晓花, 王欣, 陈利 . 柯布-道格拉斯生产函数理论研究综述[J]. 生产力研究, 2008 ( 3):148-150
[22]	张强, 王毅, 李鼎睿 , 等. 基于X-12-ARIMA季节分解与年度电量校正的月度电量预测[J]. 电力建设, 2017,38(1):76-83
[23]	崔元硕, 黄昊, 张琼 . 全要素生产率中的加成定价与规模报酬效应[J]. 数量经济技术研究, 2017,34(10):128-143
[24]	马忠东, 吕智浩, 叶孔嘉 , 等. 劳动参与率与劳动力增长1982—2050年[J]. 中国人口科学, 2010 ( 1):11-27
[25]	张雄 . 退休年龄对劳动参与率的影响[J]. 西北人口, 2009,30(6):23-26
[26]	Dong H, Dai H, Geng Y , et al. Exploring impact of carbon tax on China’s CO2, reductions and provincial disparities[J]. Renewable & Sustainable Energy Reviews, 2017,77:596-603

基于省区协调发展的GDP预测模型

Provincial GDP projection model based on balanced development

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献

相关文章 5

编辑推荐

Metrics

本文评价

[1]	张滨,吕洁华. 温室气体排放的环境库兹涅茨曲线检验与减排路径的冲击动态——基于黑龙江省统计核算数据[J]. 气候变化研究进展, 2019, 15(1): 84-94.
[2]	王谋. 世界排放大国CO₂排放和GDP的格兰杰因果分析及其对国际气候治理的影响和意义[J]. 气候变化研究进展, 2018, 14(3): 303-309.
[3]	马晓哲, 王铮, 唐钦能, 朱永彬. 全球实施碳税政策对碳减排及世界经济的影响评估[J]. 气候变化研究进展, 2016, 12(3): 217-229.
[4]	赵凤彩,尹力刚,高兰. 国际航空碳排放权分配公平性研究[J]. 气候变化研究进展, 2014, 10(6): 445-452.
[5]	滕飞何建坤潘勋章张弛. 碳公平的测度：基于人均历史累计排放的碳基尼系数[J]. 气候变化研究进展, 2010, 6(06): 449-455.