需求结构模型（精选十篇）
需求结构模型 篇1
煤炭是中国的重要能源, 中国经济的较快发展以及工业化、城镇化的推进将拉动煤炭需求的上升, 因此, 对政府来说, 对煤炭需求进行建模与预测可以对能源战略的制定、环境质量的评估预测提供参考。对相关企业来说, 需求量决定生产量, 供不应求和供过于求的市场对相关企业造成的损失都是不可忽视的, 因此研究煤炭需求的中长期变化, 对稳定煤炭市场平衡, 提高煤炭行业效率, 保障煤炭企业经营成果有重要意义。
近些年来国内学者已从不同角度选取数据对中国煤炭需求进行预测。林伯强, 魏巍贤, 李丕东[1]收集1980~2004年的中国煤炭统计数据, 选取五个变量测算了煤炭需求长期收入弹性、价格弹性、结构弹性以及运输成本弹性, 并以此模拟了2006~2015年不同GDP增长率下、不同重工业比例增长率下、不同煤炭工业出厂价格增长率下和不同运输费用增长率下, 中国煤炭需求的演变路径。王妍, 李京文[2]研究了中国主要耗煤部门行业 (电力、钢铁、建材和化工) 的发展趋势、单位能耗和节能技术进步等因素, 以此预测出了中国2010年和2020年的煤炭需求量。胡雪棉, 赵国浩[3]把煤炭需求量作为被解释变量, 把GDP增长率、煤炭占能源消费的比重、燃料购进价格指数、煤炭消费增长率、煤炭工业固定资产投资、煤炭生产量、煤炭消费弹性系数、采掘业工人工资、采掘业工人数量作为解释变量, 使用Matlab软件建立双隐层前馈BP (back-propagation) 神经网络模型预测了中国未来5年的煤炭需求量。陈正[4]认为影响煤炭需求的因素主要是城镇化发展水平、产业结构变化、能源加工转换效率, 并通过构建间接预测模型对煤炭需求进行长期趋势预测, 预测结果认为中国到2030年将会出现煤炭需求的峰值。
国外文献对能源与煤炭的需求情况也进行了多种预测。Shi-wei Yu和Ke-jun Zhu以1980~2009年的GDP、总人口、工业GDP比重、城镇化率和煤炭占能源消费的比重作为基础数据, 先后使用改进的粒子群优化算法-遗传算法 (PSO-GA) 预测出中国在2015年的能源需求量将是47亿吨标准煤[5], 又建立以混合编码的粒子群优化算法和径向基函数 (MPSO-RBF) 网络为基础的能源需求预测模型, 预测出中国在2020年的能源消费量为52.9亿吨标准煤[6]。Volkan S.Edigera和Sertac Akar[7]把12种一次能源作为研究对象, 选用自回归移动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA) 和季节ARIMA (SARIMA) 方法来估计土耳其2005~2020年的一次能源需求。Paul Crompton和Yanrui Wu[8]使用1956~2003年的煤炭、天然气、石油和水电消费量数据, 选取能源消耗量、实际燃料价格 (天然气和水电的价格不可用) 、GDP和人口数量作为变量, 应用贝叶斯向量自回归的方法分别预测中国1990~2010年这4种能源消费量, 加总求得2010年能源消费总量为21.73亿吨标准煤。Ming Zhang, Hailin Mu, Gang Li和Yadong Ning[9]对1990~2006年的GDP、城市化率、客运营业额及货运营业额进行偏最小二乘回归, 预测出2010年、2015年和2020年中国的交通能源需求量。Alper Unler[10]选取土耳其1979~2005年的GDP、总人口、进口量和出口量作为基础数据和变量, 采用粒子群体优化的需求方法预测其2025年的能源需求, 并与蚁群优化 (ACO) 能源需求估计模型进行了对比, 结果显示前者更为精确。Chien-Chiang Lee和Yi-Bin Chiu[11]收集经济合作与发展组织 (OECD) 24个国家1978~2004年人均实际GDP、实际能源价格、能源强度、资本形成总额占GDP的比例, 采用面板平滑转换误差修正模型研究发现, 当选取能源强度、资本形成总额占GDP的比例作为阈值变量时, 能源消费、实际收入和实际能源价格之间存在非线性关系, 以此预测出2006~2025年的能源需求量。
根据上述研究的具体内容来看, 多是基于煤炭消费与各种相关因素的关系来进行预测, 对煤炭消费结构本身的预测分析并不多见, 仅有的消费结构预测文章是按照产业结构划分为第一、第二和第三产业, 或者按消耗行业划分为电力、钢铁、建材和化工[2], 这样的划分过于笼统。更细致的煤炭消费结构划分有助于更加明确地了解煤炭消费的来龙去脉, 从而更准确地预测未来煤炭的需求。本文按照煤炭消费结构的七大行业和三大环节进行划分, 全面细致地分析各行业各环节的耗煤量与比例的变化趋势, 并运用单变量预测方法对未来各项的耗煤量进行了预测, 最终组合预测出2020年的煤炭需求总量。
2 数据选取
本文根据中国统计年鉴中的煤炭平衡表和WIND数据库, 选取其中两个子矩阵进行煤炭消费总量的对比预测。两个子矩阵的煤炭消费总量平衡关系式分别为: (1) 煤炭消费总量=终端消费 (主要是工业消费) +中间消费 (发电、供热、炼焦、制气等) +经营运输损失 (洗选损耗) 。 (2) 煤炭消费总量 (TO) =农林牧渔水利业+工业+建筑业+交通运输、仓储和邮政业+批发、零售业和住宿、餐饮业+其他行业+生活消费。单位统一为万吨标准煤。
按照OECD/IEA (国际能源署) 的定义, 终端煤炭消费是指煤炭开采出来之后直接作为燃料、动力、原料、材料等用于生产和非生产活动的消费。中间煤炭消费, 即加工转换损失环节是指煤炭加工、转换企业 (或车间) 生产二次能源, 如发电、电厂供热、炼焦、制气等所消耗的煤炭数量, 其产出品仍是能源。洗选损耗则是指选煤和型煤加工损失、煤炭储运损失、输电损失、油气运输损失、油气田损失、炼油损失等。
本文收集了1980~2010年以上各项煤炭消费数据 (有间断) , 向后预测到2020年的各项煤炭消费量。同时, 本文使用历史数据和预测数据清晰地展示了各行业和各环节煤炭消耗比重的变化趋势, 进行煤炭消费结构预测;最后, 使用组合预测方法预测出未来煤炭需求总量。
3 模型选择
预测技术可分为单变量预测[12,13]和多变量预测[14], 其中单变量预测主要是时间序列预测和智能预测技术, 多变量预测主要是因果关系预测技术。时间序列预测用的最多的是平滑预测模型[15,16,17]和ARIMA[18,19]预测模型, 历史上有大量关于这些模型的理论及实证研究, 并仍在被不断地改进。在预测科学中的一个重要的工具是以最佳方式整合信息, 这就是组合预测。近年来, 组合预测方法[20,21,22]已成为预测领域中的一个重要的研究方向, 得到了广泛的应用。
基于此, 本文选取已获得多次成功使用, 但仍在不断发展中的单变量ETS (Exponential Smoothing) 指数平滑模型、Holt-Winters模型, 对各环节的煤炭消费量———终端消费 (工业) 、加工转换损失 (发电、供热、炼焦、制气) 、洗选损耗;各行业的煤炭消费量———农林牧渔水利业, 工业, 建筑业, 交通运输、仓储和邮政业, 批发、零售业和住宿、餐饮业, 其他行业, 生活消费, 分别作单变量预测。在R语言环境中运行forecast (ets (x) ) 、forecast (HoltWinters (x, gamma=FALSE) 程序语言执行预测功能。
ETS模型的三项 (Error, Trend, Seasonal) 分别表示误差项 (A, M, Z) 、趋势项 (N, A, M, Z) 、季节项 (N, A, M, Z) 。"N"=none (无) , "A"=additive (加法) , "M"=multiplicative (乘法) , "Z"=automatically (自动) 。ETS模型的组合共有30种, 在数据加载后, 通过信息准则与预测精度的比较进行模型选择, 最终确定一种符合本研究的ETS模型。使用按消费环节和行业划分的煤炭消费量做出的指数平滑估计模型列于表1和表2。表中给出了递归计算方程与点估计的公式, 其中, lt表示时间t时的截距项, bt表示时间t时的斜率, α和β为平滑指数, h表示滞后周期。
表3、表4中:AIC赤池信息准则、AICc改进的赤池信息准则、BIC贝叶斯信息准则、ME平均误差、RMSE均方根误差、MAE平均绝对误差、MPE最大允许误差、MAPE平均绝对百分比误差、MASE平均绝对平方误差等标准。以上所列的模型都是在综合了信息准则值和误差值最小的情况下得出的, 因此具有精确性和科学性的特征。
Holt-Winters模型包括无季节模型和基于加法的季节模型, 以及基于乘法的季节模型。基本思想是把具体线性趋势、季节变动和随机变动的时间序列进行分解研究, 并与指数平滑法相结合, 分别对长期趋势、趋势的增量和季节变动进行估计, 然后建立预测模型, 外推预测值。它在两参数指数平滑的基础上, 引入第3个参数处理数据季节性, 也称为三阶指数平滑。该模型的三项 (level, trend, seasonal) 分别表示水平项、趋势项、季节因素。本文数据为年度数据不存在季节因素影响, 所以使用无季节性模型, 把seasonal的参数gamma设置为FALSE:fit〈-fore-cast (HoltWinters (x, gamma=FALSE) ) 。
无季节性Holt-Winters模型的模型为
式中:at表示截距, 为t时刻的周期项;bt表示斜率, 为t时刻的趋势项;α、β分别为平滑系数在0、1之间。具体的参数值见表5和表6。
同选择ETS各模型的原则类似, Holt-Winters模型的给出是基于各项预测误差值最小的情况下得出的, 因此是最优模型。
4单变量预测结果分析
4.1 按环节划分煤炭消费量预测结果分析
本文把煤炭消费按环节划分为三大环节:终端消费、中间消费和洗选损耗消费。终端消费中, 工业是主要部门;中间消费环节主要包括发电、供热、炼焦、制气部门。
(1) ETS和Holt Winters预测法下各环节煤炭消费量2011~2020年预测值及分析
以ETS预测法的数据为例, 如表9所示, 煤炭总消费量呈现逐年递增的趋势, 到2020年增长至47.25亿吨标准煤, 与2012年的34.43亿吨标准煤相比, 增长幅度达37.23%.其中可以发现, 耗煤最大的部门是工业部门、炼焦部门和发电部门, 分别占耗煤总量的53.16%、15.29%、14.42%.
终端消费环节在1980年消耗3.88亿吨标准煤, 到2010年增至8.43亿吨标准煤。其中, 工业耗煤量自1980年的2.16亿吨标准煤, 增至2010年的6.81亿吨标准煤, 在终端煤炭消费比重由55.78%增至80.79%;表10中Holt Winters预测法下的工业耗煤量在2020年更是达到了10.14亿吨标准煤, 占终端消费环节的83.76%.工业耗煤量的这种发展趋势说明, 一直以来电力、钢铁、建材和化工等相关工业始终处于不断扩张的阶段。其中, 值得注意的是, 1996年终端耗煤量为6.85亿吨标准煤, 其中工业耗煤达6.76亿吨标准煤, 所占比例为98.7%, 这是在工业耗煤稳步增长中出现的一个奇异值。这是由于1996年正是我国“九五”计划的开端之年, 主要奋斗目标之一是实现人均国民生产总值比1980年翻两番, 而且1996年中国钢产量首次突破一亿吨, 产量达到世界第一位。这说明工业的发展是经济发展的主要推动力量, 其中煤炭的充足供应为生产活动提供了保障。
在中间消费环节与洗选损耗环节中, 如表9所示, 从数量上来看, 未来10年除制气消耗损失有降低趋势外, 其他各项都呈稳定或增长趋势。制气行业的发展, 在1980年耗煤量仅为0.0131亿吨标准煤, 到2008年耗煤量为0.12亿吨标准煤, 年均增长8.32%.但是自2008年后, 煤制气耗煤量逐年下降, 主要是煤气逐渐被其他燃气取代的结果。2020年, 发电耗煤量和炼焦耗煤量将达到25.12亿和7.22亿吨标准煤, 较2010年的15.45亿和4.72亿吨标准煤增长幅度巨大, 年均增长分别为4.98%和4.34%.供热耗煤量2020年与2010年相比, 年均增长3.96%.
(2) 三大煤炭消费环节1980~2020年耗煤比例趋势分析
图1中1980年终端消费环节比例为63.60%, 1985年为64.59%, 之后一直呈下降趋势。这说明煤炭开采出来之后直接作为燃料、动力、原料、材料等的情况虽然绝对数量仍在增加, 但所占比例越来越小。
相反, 图1显示中间环节消费所占的比例却有增无减, 1995年为50.47%, 首次超越了终端环节消费比重, 直至2007年达到75.42%的顶峰。预测结果显示, 在未来几年内, 中间消费将再次达到最大比例。中间消费环节又分为发电、供热、炼焦、制气等部门, 可以为社会提供电力、热能、焦炭、煤气等二次能源, 这些更高级的能源产品对居民的生活来说更为有效、清洁、方便。因此, 提高中间环节消费的比重, 最大限度地使用二次能源是实现节能减排的必要手段。除此之外, 重视对二次能源的循环利用也是企业降低能源成本, 增加利润的重要举措。
煤炭洗选损耗比重在2000年前呈波动形式变化, 2001~2010年呈增长趋势变化, 2011~2020年将呈下降趋势变化。自1980年, 由于洗选技术的逐步成熟, 在此环节的能源损失不断减少;但2001年起, 洗选损耗比重却只升不降, 这可能与运输行业、输电厂等产业迅速发展, 导致耗煤总量迅速变大有很大的关系。未来10年的预测结果显示, 最终会由于技术进步使能源在加工和运输等方面的损耗越来越少, 能源的使用效率越来越高, 洗选损耗量呈现逐年下降趋势, 到2020年仅占耗煤量的2%左右。
4.2 按行业划分煤炭消费量预测结果分析
本文把中国煤炭消费按行业划分为七大部门:农林牧渔水利业, 工业, 建筑业, 交通运输、仓储和邮政业, 批发、零售业和住宿、餐饮业, 其他行业, 生活消费。
(1) ETS和Holt Winters预测法下各环节煤炭消费量2011~2020年预测值及分析
以ETS预测法的数据为例进行分析, 如表11所示, 煤炭总消费量为各行业预测值的加总, 到2020年中国煤炭消费总量达到48.30亿吨标准煤, 平均年增长4.36%, 其中, 工业和生活消费煤炭数量最多。据统计在过去十年, 能源消耗平均每年增长9%, 因此4.36%已经是一个很保守的增长率了。以中国当前的情况来看, 在可承受的资源环境和国际条件下, 如果能源消耗高居不下, 那么能源消费增长速度将大于GDP增长速度, 中国能源消费弹性系数将有增无减, 无法支撑未来经济高水平持续增长。
(2) 两大主要煤炭消费行业1980~2020年耗煤总量及比例趋势分析
图2和图3分别描绘了工业部门和生活消费部门的绝对耗煤量和相对耗煤比例。可以看到, 工业耗煤的绝对数量和比重都是最大的, 到2020年将达到46.69亿吨标准煤, 占总消耗量的96.67%.因此, 要想中国降低煤炭消费总量, 在工业方面的节能减排是最快最有效降低能耗的切入点, 其中调整产业结构、优化技术等方法势在必行。
生活能源消费为煤炭消费的第二大主渠道, 但比例逐年递减。据历史数据表明, 1990年生活煤炭消费量最高为1.67亿吨标准煤, 占煤炭消耗总量的15.83%;到2020年, 生活煤炭消费量为0.92亿吨标准煤, 占煤炭消耗总量的1.89%.生活煤炭消费量之所以越来越少, 主要是生活能源消费品种繁多, 电力和热力的使用正迅速代替煤炭成为主要消费种类, 这极大的有利于环境保护和非可再生资源的节约。
(3) 其他五个煤炭消费行业1980~2020年耗煤总量及比例趋势分析
图4和图5分别描绘了除工业部门和生活消费部门外, 其他各行业的绝对耗煤量和相对耗煤比例。
从相对比例来看 (图5) , 到1996年耗煤量所占比重最大的前三个行业是交通运输、仓储和邮政业, 农林牧渔水利业, 其他行业。之后, 批发、零售业和住宿、餐饮业迅速发展, 在1997年成为比例第三大的行业;2000年超过交通运输、仓储和邮政业成为比例最大的行业;之后, 随着农林牧渔水利业、其他行业耗煤比例的缓慢降低, 批发、零售业和住宿、餐饮业将成为耗煤量最大的行业 (图4) 。
交通运输、仓储和邮政业从1980年的耗煤量最大行业经过三十年的发展, 成为耗煤量最低的行业 (图4) , 且可预测的未来十年耗煤量仍持续走低。
建筑业1980年耗煤量为556万吨标准煤, 到2010年耗煤量为718.92万吨标准煤, 增长量相对较小, 未来预测仍有逐年递增的趋势 (图4) ;同时, 建筑业又是耗煤比例不高的行业, 2010年的耗煤比重仅为0.23%, 未来预测有下降的趋势 (图5) 。
批发、零售业和住宿、餐饮业自1978年以来随着我国改革开放政策的实施, 成为适应消费需求扩张率先发展的行业, 但是经历了波折的发展过程 (图4) 。受物价和经济发展变化影响, 此行业的繁荣与萧条反复发生, 导致能源消耗量也是忽高忽低。但是图4显示, 批发、零售业和住宿、餐饮业的耗煤量在可预见的未来将是增长趋势, 说明行业规模将继续扩大, 这也符合我国大力发展第三产业的号召。
农林牧渔水利业是国民经济的基础, 1990年前其耗煤量一直处于第二位, 1993年、2000年、2005年、2008年出现极大的回落 (图4) , 相比之下, 批发、零售业和住宿、餐饮业和其他行业的耗煤量在这三年却出现了明显的增大, 猜测这和物价的变化有相当的联系。
5 煤炭需求总量预测
(1) 按行业划分:使用ETS预测法预测单个行业的耗煤量, 然后进行加总求得2020年煤炭消耗总量为482951.14万吨标准煤;使用ETS预测法以历年煤炭消耗总量为基础直接预测未来十年的煤炭消耗总量, 到2020年为472464.20万吨标准煤。用加总各行业Holt Winters法预测值为464671.75万吨标准煤, Holt Winters法直接预测求得值为482036.20万吨标准煤。
(2) 按环节划分:由于各环节加总后的值并不等于总值, 所以只对历史数据煤炭消耗总量直接用ETS、Holt Winters预测, 求得2020年消耗总量为472464.20万吨标准煤和482036.20万吨标准煤。
本文对其结果进行组合预测, 组合预测时会遇到权重选择问题, 很多的文章[21]讨论过组合预测的权重设定问题, 但是作者认为既然认定了所选择的模型各有优劣, 如果在组合时给予不同的权重相当于对模型有了优劣的排序, 这样本就可以选择最优的模型而不必再做组合。因此简单的等权重组合预测模型也就具有了很好的合理性和适用性。基于此, 本文通过算术平均后求得, 到2020年中国煤炭消耗总量为464947.63万吨标准煤。
6 结论
本文基于对我国煤炭内部消费结构的详细划分, 针对三大煤炭消费环节、七大耗煤行业煤炭消费量的原始值, 在30种ETS模型及上百种HW模型的计算结果下 (R的FORECAST程序包) , 通过信息准则 (AIC, BIC, AICc) 的选择及各项预测精度的比较, 得出最为精确的单变量预测模型, 然后结合历史数据, 对各环节、各行业30年来煤炭消费量和消费比例的发展趋势与波动情况进行分析说明, 理论上预测出各环节、各行业未来十年的发展趋势, 最终组合预测求得2010~2020年中国煤炭需求总量。
结果表明, 未来十年, 从消费环节划分来看, 煤炭主要被用于中间消费环节的加工转换, 终端消费环节和洗选损耗环节耗煤比例将持续下降;其中, 发电部门、炼焦部门和工业部门为耗煤最大的部门, 分别占耗煤总量的53.16%、15.29%、14.42%, 且未来仍呈现增长趋势。从行业划分角度来看, 工业和生活消费用煤量最大, 未来工业耗煤比例将持续上升, 但是生活耗煤比例会持续下降;交通运输、仓储和邮政业从1980年的耗煤量最大行业将成为耗煤量最低的行业;建筑业的发展对煤炭的依赖虽然较低, 但是未来耗煤量有逐年递增的趋势;批发、零售业和住宿、餐饮业以及农林牧渔水利业在过去几十年由于受物价起伏的影响较大, 行业规模不断发生扩张和收缩变化, 引起煤炭消费量的波动, 但是在预测未来十年中耗煤量基本成上升趋势。
员工培训需求模型 篇2
企业培训是一个系统工程，它是由五个环节构成的一个循环过程，依次包括：培训需求评估；培训目标设定；培训计划拟定；实施培训活动；评价培训结果。然后寻找新的培训压力点，进入下一个循环。因此，对培训需求的评估是培训工作的首要环节，它是对企业员工和管理者在一定时期内是否需要培训，需要何种培训而进行的评估。下面我们在相关资料的基础上，构建了三种员工培训需求评估模型，以供参考。
培训需求的循环评估模型
所谓的循环评估模型指的是对于员工培训需求提供一个连续的反馈信息流，以用来周而复始地估计培训需求。在每个循环中，都需要依次从组织整体层面、作业层面和员工个人层面进行分析。
具体而言，循环评估模型需要解决以下三个层次的问题：
组织层面的分析。它指的是确定组织范围内的培训需求，以保证培训计划符合组织的整体目标与战略要求。因此组织层面的培训需求反映的是某一企业的员工在整体上是否需要进行培训。假设企业在推进办公自动化过程中给办公系统装备了计算机系统，那么就需要考虑
相关的员工整体是否具备应有的计算机知识。在这一过程中，需要对组织的外部环境和内部气氛进行分析，包括政府的产业政策、企业的生产率、事故率、疾病、辞职率、缺勤率和员工的工作行为等，关键问题是发现组织目标与培训需求之间的联系。在组织分析层面，组织高层的重视和投入是培训计划成功与否的重要决定因素，因为有效的培训与组织的目标直接相关。
作业层面的分析。这一层面的分析需要确定培训的内容，即员工达到理想的工作绩效所必须掌握的技术和能力。这一层面的分析包括系统地收集反映工作特性的数据，并以这些数据为依据，制定每个岗位的工作标准。同时还要明确员工有效的工作行为所需要的知识、技能和其他特征。工作分析、绩效评价、质量控制报告和顾客反映等都为这种培训需求评估提供了重要信息。
个人层面的分析。个人层面的分析是将员工目前的实际工作绩效与企业员工绩效标准进行比较，或者将员工现有的技能水平与预期未来对员工技能的要求进行比照，发现两者是否存在差距。个人层面的分析信息来源包括业绩考核记录、员工技能测试以及员工个人填写的培训需求问卷。为了将来评估培训的结果和评估未来培训的需要，对培训需求的分析要形成一种制度。
这种评估模型的优势在于：从组织整体到员工个人全面分析培训
需求，避免发生遗漏；它提供了循环方案，使培训需求分析成为定期进行的工作，可及时发现管理者和员工在三个层面的培训需求，使培训工作成为企业一项长期性制度，不再是一时的“整风运动”。这种评估模型存在的不足：主要是工作量大，需要专门人员定期进行，同时需要管理者和员工的积极支持和参与。
培训需求的任务——绩效评估模型
要知道，培训需求评估的目的是了解员工和管理者在某方面的培训需求，因此，我们可以根据新员工和原有员工的不同情况分别进行评估。对于新员工，可以使用任务分析的方法，即根据新员工即将承担的工作任务对员工的要求来判断员工的培训需求。对于现职员工，可以使用绩效分析的方法，即根据现有员工的实际绩效水平与目标绩效水平之间的差异来进行培训需求评估。
任务分析。对于比较低层次的工作，公司通常雇用没有经验的人，这时就可以使用任务分析法来确定工作中需要的各种技能。在任务分析过程中，我们除了可以使用工作说明书和工作规范外，还可以使用工作任务分析记录表，他记录了工作中的任务及其所需的技能。工作任务分析记录表通常包括工作的主要任务和子任务、各项工作的执行频率、绩效标准、执行工作任务的环境、所需的技能和知识以及学习技能的场所。
绩效分析。所谓的绩效分析是考察员工的目前实际绩效与理想的目标绩效之间是否存在偏差，然后决定是否可以通过培训来矫正偏差。在这一过程中，需要完成以下几项工作：开展绩效评估，发现绩效偏差；进行成本—价值分析，即确定投入时间和努力来弥补这一绩效偏差是否值得；认定“能不能”和“肯不肯”的问题。这需要回答以下三个问题：员工是否了解工作的内容和绩效标准？员工是否肯做？员工如果肯做，是否能够胜任？
员工培训的主要作用是通过提高员工的工作能力来改进工作绩效，因此培训能够解决员工能力方面的问题。而要改变员工的工作态度，虽然也可以采用培训的办法，但更主要的是通过改变奖励和惩罚等措施、调整薪酬政策和工作设计等方面来实现。如果员工不知道自己的绩效差异，就应首先考虑“能不能”的问题，然后再考虑“肯不肯”的问题。
这种评估模型适于基层的新员工和现职员工。其优势在于：比较明确具体地找出培训需求；操作较容易，可根据目标任务或绩效标准与实际绩效考核情况比较，并结合技能与态度分析进行；可在各班组全面展开，提高员工的参与性；可揭示企业人力资源管理中存在的如工作设计不合理、管理人员监督不利等其他问题。这种模型也有局限性，它主要适于操作性员工；此外，它需要有良好的工作岗位设计与
分析资料，并具备完善的员工绩效考核体系。
前瞻性培训需求评估模型
随着技术的不断进步和员工在组织中个人成长的需要，即使员工目前的工作绩效是令人满意的，也可能因为工作需要为工作调动做准备、为职位的晋升做准备、或者为适应工作内容要求的变化做准备等原因提出培训的需求。前瞻性培训需求评估模型为这种情况提供了良好的分析框架，这种评估模型的特点是：在员工当前工作绩效满意的情况下，进行前瞻性分析，以便为未来发展做准备，其中包括企业发展和员工个人职业发展。
这种模型的优势在于：它建立在未来需求的基点上，使培训工作变被动为主动，更具战略意义。可充分考虑企业发展目标与个人职业发展规划的有效结合，为组织与个人发展准备一个结合点，这是开发与激励员工以及培养员工对组织的归属感的有效手段。这种模型的局限性是：这种评估模型是建立在未来的基点上，因此预测的准确度难免出现偏差。对培训的深广度也较难把握。如果在使用该模型时，没有把员工的职业发展与企业发展结合好的话，员工在接受培训后，在组织中无从发挥其才学技能，那他（她）可能会“跳槽”。因此，这
我国商业住宅需求模型研究 篇3
关键词：住宅需求模型 拟合 房价
1 概述
住房需求是影响房价的一大因素，在房价日益高涨的今天，研究住房需求成为有效控制房价的重要途径和手段。学术界对住房需求已有大量研究[1-3]，其中定性分析多于定量分析，本文根据相关文献研究，决定采用计量经济学的相关知识来对住房需求模型进行拟合建模。
2 模型的建立
2.1 指标的选取
指标的选取对模型的准确性有很重要的影响，本文确定了六个主要影响因素：國内生产总值增速（GDPZ）；商品房销售价格（P）；就业人口总数（JY）；年末人口总数（RK）；恩格尔系数（EGR）；准货币（ZHB）。房地产经济学认为影响房地产行业的因素一般可以分为一般因素、区域因素。一般因素主要包括经济因素、社会因素等。经济因素包括经济发展因素、财政金融因素等。社会因素包括人口因素、家庭规模因素等。行政因素包括地价政策、城市规划等。区域因素是某一特定区域内的自然条件与社会、经济、行政、技术因素等产生的区域性特征，包括繁华因素、交通便捷因素等。通过阅读房地产行业研究文献，我们发现当前对房地产需求影响因素的研究多集中于经济总量增长、人口增长、可支配收入、利率、土地价格、住宅销售价格等几个方面。本文选取了以下几个指标变量作为影响住宅商品房需求的因素。
①国内生产总值增速（GDPZ）。根据有关文献研究，GDP增速对居民日常用品影响不明显，但是对价格较大的耐用品消费影响明显，住宅作为居民一次性耐用品消费，受GDP增速的影响很大。②商品房销售价格（P）。根据经济学原理，商品的价格是影响商品需求不可忽略的因素。③就业人口总数（JY）。就业人口是影响房地产需求的一个重要因素，就业的增长和衰退情况也成为决定房地产需求变动的强有力因素。④年末人口总数（RK）。总人口的变动特别是中青年人口的变动对我国的房地产市场有很大的影响，人口变化是制约房地产市场变化的根本因素，因此，本文选取年末人口总数来体现人口对住宅需求的影响。⑤恩格尔系数（EGR）。恩格尔系数代表了一个家庭的富裕情况。⑥准货币（ZHB）。准货币虽受到政策影响较大，但是可以作为衡量居民财富的一个标准用以来衡量居民对住宅的需求。我们采用计量经济学中相关性分析，平稳性检验和协整检验等方法，对可能影响住宅需求的因素进行筛选和检验。
2.2 指标变量的检验和筛选
考虑到实际的定量建模，必须对各个影响因素进行统计上的检验。首先是变量之间的相关性检验，从结果得知，上述六个指标变量除去准货币外对需求的相关性都很高。准货币虽然线性相关性弱一些，但是不能说明没有其他相关关系，予以保留。指标变量之间有较大的相关性会对模型的合理性产生影响，因为相关性大说明指标变量之间可以相互代替，因此还需要对各个指标变量进行共线性诊断，然后通过逐步回归筛选指标变量。根据检验结果，解释变量ZHB和P、JY、RK之间，EGR和P、JY、RK之间，P和JY、RK、ZHB之间都有较高的相关系数。因此，我们可以认定解释变量之间确实存在着多重共线性。采用逐步回归方法，先分别拟合ZZXS对各个变量的一元回归，得到6个一元回归模型的参数结果，每个方程都只给出解释变量系数估计值，T统计量，T统计量相应概率P以及拟合优度R2。其中，ZHB的系数估计值为58.50，T统计量为20.155，概率值P为0.0000，拟合优度R2为0.9598。EGR系数估计值为-3382.915，T统计量为-5.1477，概率值P为0.0001。GDPZ的系数估计值为0.256，T统计量为20.764，概率值P为0.0000，拟合优度R2为0.962。P的系数估计值为27.682，T统计量为18.294，概率值P为0.0000，拟合优度R2为0.9516。JY的系数估计值为4.4058，T统计量为7.1948，概率值P为0.0000，拟合优度R2为0.7527。RK的系数估计值为6.193，T统计量为8.7788，概率值P为0.0000，拟合优度R2为0.8192。
对于解释变量出现的多重共线性问题，我们采用逐步回归的方法，依据t检验法，对解释变量指标进行筛选，最后确定了当年的恩格尔系数（EGR）、就业人员数（JY）、住宅商品房本年销售价格（P）和人口数量（RK）为影响房地产需求的指标变量。
2.3 模型的建立
我们采用回归拟合的方法来构建房地产需求模型，在进行回归拟合之前，都需要对数据的平稳性进行检验，并根据检验结果进行拟合或者进行相应的协整检验和处理。我们通过Eviews5.0对4个影响因素分别进行检验。根据绘制的走势图，可以确定变量所选用模型，计算所得单位根检验结果可知所有变量的t统计量值均大于10%临界值，因此，所有的时间序列数据均为非平稳序列，需要进行一阶差分，对变量一阶差分可知，ZZXS、JY、P、EGR、RK是一阶平稳的。根据经典回归模型的假定，可以使用经典回归模型方法建立回归模型，如果变量在某个时期受到干扰后偏离了长期均衡点，它们之间的内在机制会在下一个时期进行调整，这样，变量之间又回到均衡状态。上述五个变量都是一阶单整序列，因此，我们可以对其进行协整分析。
在这里我们采用协整检验，根据处理分析的结果，可以判断变量之间存在着四个协整关系，从长期来看，变量之间存在着长期均衡关系。我们可以采用多元回归拟合，建立反映房地产需求的数学模型，我们使用Eviews5.0进行最小二乘拟合，以ZZXS为被解释变量，得到结果：
ZZXS=5392916-1397.481×EGR-10.45829×JY+
30.75120×11.11019×PK
其中各拟合数据的T统计量如下：
(3.363432) (-2.067938) (-7.921087)
(8.819912) (5.216692)
其中，EGR变量没有通过t检验，进行逐步回归后得到的模型也不理想，因此，我们尝试建立如下对数线性模型。
ln（ZZXS）=β1+β2×ln(EGR)+β2×(P)+β3×ln(JY)+β2×ln(RK)+μ1
其中，ln(ZZXS)表示當年住宅商品房销售面积，ln(EGR)表示当年家庭恩格尔系数，ln(JY)表示当年就业人口数，ln(P)表示当年住宅商品房销售价格，ln(RK)表示年末人口总数，μi为随机扰动项。
3 模型的实证分析
根据上面建立的模型，我们选取上述五个变量1991年到2009年19年的数据，运用Eviews5.0进行多元线性回归，得到结果：
ln（ZZXS）=1163402-3015×ln(EGR)-29.106×ln(JY)+15167×ln(P)+21019×ln(RK)+μ1
其中，拟合优度：R2=0.992588?莓F。统计量值：F=468.6846。从拟合的结果来看，各个影响因素都通过t检验，整个模型的拟合优度达到0.992588，F统计值也通过了检验，因此，拟合所得到的模型是合理和准确的。
4 结论
对上面所得模型进行分析，我们可以发现，恩格尔系数和就业人口数前面的系数是负值，住宅商品房当年销售价格和当年人口总数前面的系数是正值，说明恩格尔系数越高，即家庭生活越贫困，对住房的需求越小，具体影响指数为3.015。模型也反映出人口越多对住宅的需求也越大。模型也反映出住宅商品房的价格的增高对需求呈现出拉动作用，虽然违背一般经济学原理，但是符合现在国内房地产市场的现状和国人的消费心理，说明住宅商品房作为消费品与一般消费品的不同之处，这一点可以为制定房地产调控政策提供有益的帮助。同时，模型也表明就业人口对房地产市场呈现出反向拉动作用，根据相关文献研究结果表明，就业人口对租房需求的上升会对住宅商品房的需求产生影响，这一点也显示了我国房地产市场发展的特殊性。
参考文献：
[1]李艳双.房地产业与国民经济协调发展研究[D]，天津大学博士论文，42-66，2003。
[2]吕红军，王要武，姚兵.房价增长时期商品房需求调控模型研究[J]，哈尔滨工程大学学报，第29卷10期：91-93，2008.
[3]陆宁，蔡爱云.我国建筑业可持续发展综合评价[J]，重庆建筑大学学报，第4期：3-4，2006.
[4]中华人民共和国国家统计局.中国统计年鉴(2009)[Z].2009.
作者简介：
王洪（1978-），女，重庆市长寿人，主要从事置业咨询工作。
需求结构模型 篇4
20世纪70年代末我国实行改革开放的政策以来, 居民生活水平发生了翻天覆地的变化。在30多年的时间里, 居民的消费水平不断提高、消费结构不断优化, 作为居民主要副食品的动物性食品的消费需求也呈现出新的特点。以20世纪90年代以来我国城镇居民肉类食品人均年购买量为例, 2009年的购买总量比1990年增长了9.5千克, 增长率达到37.8%。其中, 猪肉的购买量所占比例最大, 一直处于肉类食品购买总量的50%以上, 但是这一比例有明显下降趋势, 年均下滑0.7%;牛羊肉购买量所占比例也有下降的态势, 但变化幅度不大;禽肉购买量的变化非常明显, 2009年人均购买量为10.5千克, 是1990年的3倍, 同时2009年禽肉购买量所占比例达到30.2%, 比20年前翻了一番还多。
近年来, 越来越多的国内外学者针对我国居民食品消费进行了研究, 尤其在需求结构变动方面, Guo et al (2000) 利用1989—1993年居民的消费支出数据分析了我国居民食品消费特征, 认为这一阶段我国居民的消费偏好发生了变化, 并且这种变化可能是由于媒体宣传西方饮食习惯造成的;程立超 (2009) 通过对2000年和2004年两个截面数据的对比, 证明我国居民食品消费存在代际差异。
但是, 至今还是很少文献能明确回答这样一个问题:如果我国居民的食品需求确实发生了结构性变化, 那么变化发生的时间点或时间段在哪里?找到这个问题的答案至关重要, 因为食品需求的结构性变化代表着居民消费偏好的变化, 确定了结构变化的时间点或时间段, 就可以以此为线索, 发现我国居民当前需求结构的新特点和新趋势, 并深入分析导致消费偏好变化的主要影响因素。洞悉居民消费偏好的变化对相关企业制定生产和营销战略有着非常重要的意义, 对于国家相关部门确定相关产业政策和宏观消费政策也具有重要的参考价值。
本文尝试分析我国城镇居民30年来动物性食品需求结构的变化。具体来说, 本文所要回答的研究问题是:改革开放以来, 我国城镇居民动物性食品需求是否在一个时间点或者时间段发生了结构性变动?如果是, 那么变动是在何时发生的?变动后的需求结构特征是什么?
结构变动可以通过参数或非参数方法进行研究。如果相对价格的变动相对于总支出来说比较小, 那么非参数分析方法就可能无法检测到实际的结构变动。鉴于此, 本文选择使用参数分析方法研究结构变动。具体来说, 本文假设居民对于动物性食品和其他商品的消费偏好存在弱可分离性, 利用渐变式结构变动几乎理想需求系统模型 (Gradual Switching AIDS) 分析我国城镇居民住户调查的历年平均消费数据, 以发现30年来居民动物性食品需求结构变动的时间路径。
二、建立模型
几乎理想需求系统模型 (Almost Ideal Demand System, 简称AIDS) 是经济学家安格斯·迪顿 (Angus Deaton) 和约翰·米尔鲍尔 (John Muellbuer) 于1980年提出的, 是在恩格尔曲线理论的基础上引入价格变量的一个扩展。其理论假设是, 消费者在预算约束下的消费选择能够实现效用最大化, 即消费者能够通过消费所选择的消费品获得最大满足。在结构性变动的计量研究中, AIDS模型是很多学者的选择。
本文使用Moschini and Meilke (1989) 对AIDS模型的修正方法, 分析我国城镇居民动物性食品消费需求的结构变迁。具体的研究假设是:在AIDS模型能够对真实的需求系统进行令人满意的估计前提下, 模型不存在结构性变化。如果假设不成立, 那么就意味着模型相关参数会随时间而变动。基于模型的齐次性限制, 这种结构性变动会同时影响系统内所有方程, 因此, 可以假设所有参数都有相同的时间变化路径。
用kt代表时间路径, 并使用一阶差分将AIDS模型改写为以下形式:
其中, λi、γij、δij、βi、φi是待估计的回归系数;wi是第i种商品在总消费支出中所占的份额, 即第i种商品的预算消费份额;Pj是第j种商品的价格;X为家庭总收入或总支出;P为价格指数, 使用Stone价格指数代替, 即ln P=∑iwiPi;X/P为真实支出。如果λi=0、δij=0、而且φi=0, 则参数稳定, 假设成立, 没有结构性变动;反之, 则假设不成立, 有结构性变动。
结构变动的具体时间路径可以由以下等式估计:
以上三个等式可以检验在t个时期内, 居民需求是否出现了渐变式的结构变动。其中, τ1代表原有需求结构的最后一年, τ2代表新需求结构开始的第一年, τ1与τ2之间的时间段为需求结构渐变式变动阶段。如果τ2=τ1+1, 那么说明这一结构变化是突变性质的。
为与需求理论保持一致, 有以下各回归系数的制约条件关系式:
按照Moschini and Meilke (1989) 的建议, 本文通过观察各模型估计后收敛的极大似然估计值 (Maximum Likelihood Estimator) 发现需求结构变动的时间路径。具体做法是:将 (τ1, τ2) 的不同组合代入式 (1) , 通过比较模型的对数似然估计值, 可以发现在哪一种组合条件下模型拟合度最好 (对数似然值最大, 即残差最小) , 据此可以确定τ1与τ2的值。
三、数据
基于数据可得性和观测值数量的考虑, 本文样本数据选择了1981—2008年我国城镇居民猪肉、牛羊禽肉、蛋类以及水产品四类动物性食品的人均消费支出和价格数据。
各类消费支出数据获取自历年《中国城市 (镇) 生活和价格年鉴》。除水产品价格外, 各类食品的价格数据来源于《中国牧业通讯》和《农村养殖技术》各期中的“全国畜产品及饲料集市价格”、以及《中国物价统计年鉴》中的“主要商品零售价格”。水产品价格由城镇居民水产品消费支出金额除以当年水产品消费量计算得出。1994年价格数据无法获取, 因此使用相邻两年的价格均值替代。由于1986年之前的价格数据无法获得, 因此根据Fan et al (1995) 的建议, 使用《中国统计年鉴》中公布的价格指数和已有价格数据计算得出。利用以1978年为基年的历年CPI调整各类食品的价格为不变价, 随后, 各类价格通过除以样本均值进行标准化处理, 然后取自然对数。各类动物性食品消费支出由相关食品的人均消费量和价格相乘而得。消费品价格指数按照Stone价格指数计算公式加权求和计算得出。
四、估计过程
本文使用Eviews5.0统计软件, 利用Zellner的近似不相关迭代回归方法 (SUR) , 对动态渐变式结构变动AIDS模型进行估计。随后, 在各估计模型中选择对数似然值最大的模型, 以此确定需求结构变动的时间路径。
为了避免四种动物性食品完整需求系统中存在的奇异矩阵问题, 系统估计中省去一个等式。因此, 模型中共有三个等式 (在估计中省略掉牛羊禽肉等式) , 并根据 (5) 式和 (7) 式对模型施加“加总性”和“对称性”的限制条件。牛羊禽肉等式中的各个参数估计值依照加总性和对称性的限制特征从其他等式的估计结果中计算得出。估计参数27个, 有效系统观测值共计109个。
为估计结构变动的时间路径, 假设τ1<τ2, 则τ1的取值范围为1981—2007年, τ2的取值范围为1982—2008年。因此, τ1与τ2的组合共计378个, 需要对模型进行378次估计, 以发现能够提供模型最优拟合度的 (τ1, τ2) 。
五、估计结果
1、结构变动时间路径的估计结果与统计检验
比较各系统模型估计后收敛的对数似然值, 可以发现当τ1=1981, τ2=1995时模型的对数似然值最大 (Log Likelihood=295.9685) 。据此, 本文数据分析得出结论:我国城镇居民的动物性食品消费需求在1995年之前一直处于渐变式结构变动阶段, 结构变动在20世纪90年代中期结束, 并在随后的十几年中呈现出相对稳定的需求结构特征。
为了检验结构变动的显著性, 本文对不同的参数限制假设进行了Wald系数检验。检验结果表明, 可以在1%的显著水平上推翻价格与支出参数没有结构性变动, 截距参数没有发生结构性变动的假设。
虽然结构变动时间路径的估计结果本身并没有显示结构变动的原因, 但是这一结果与我国改革开放以来经济体制改革的时间历程相呼应, 因此在一定程度上显示出经济体制改革对于我国居民食品需求结构的巨大影响。
2、参数估计结果与需求偏好变化分析
1981—2008年我国城镇居民动物性食品渐变式需求结构变动AIDS模型的参数估计结果显示, 模型拟合度比较好 (R2均在0.8以上) , 并且63%的参数估计结果都在0.1的显著水平上通过了t检验。
需求结构的变动意味着居民的需求偏好发生了变化。在假定价格和支出水平不变的情况下, 可以估计出结构变动所引起的偏好变化。假设△ln Pjt=0, △ln (Xt/Pt) =0, 那么截距项参数 (λi) 可以代表结构变动引起的偏好改变。在本研究的模型参数估计结果中, 猪肉、牛羊禽肉和水产品的截距项参数估计值小于0 (参数估计值分别为-0.82、-0.72、-0.27) , 蛋类的截距项参数估计值大于0 (参数估计值为1.81) 。这说明需求结构变动减少了居民对于猪肉、牛羊禽肉和水产品的需求, 增加了居民对于蛋类食品的需求。
对于这一结果要结合我国国情进行分析。20世纪80年代至90年代初期, 我国逐渐取消了统购统销和配给制度, 同时提高居民收入、放开价格。如果假设居民的真实支出 (收入) 和价格都不变, 同时又失去了食品的配给, 那么居民的真实收入实际上是在减少, 生活水平将会下降, 对于动物性食品的需求难以得到满足。在这种情况下, 居民增加对蛋类的支出份额, 而减少其他动物性食品的支出, 这意味着蛋类食品在当时的动物性食品需求中具有收入效应为负的特征。当然, 实际情况是经济体制改革增加了居民收入, 居民生活水平不断提高。从β的动态因素参数估计值来看, 猪肉、牛羊禽肉和水产品的β动态因素参数估计值大于0 (估计值分别为0.19、0.15、0.06) , 蛋类的β动态因素参数估计值小于0 (估计值为-0.40) 。可见, 在结构变动的影响下, 随着真实支出 (收入) 的增加, 居民不断增加猪肉、牛羊禽肉和水产品的消费支出份额, 而减少了蛋类食品的支出份额。这表明, 结构变动不断使居民的动物性食品需求更加多样化、也更加健康。
3、结构变动后的需求弹性分析
为了更加清晰地了解当前居民动物性食品需求特征, 本文利用1996—2008年的支出和价格数据进行了AIDS参数估计和需求弹性分析。
(1) 需求的支出弹性。城镇居民四类动物性食品的需求支出弹性见表1。支出弹性可以反映出价格不变时, 需求相对于支出变动的反应程度。表中四类动物性食品的支出弹性均大于0, 因此都是正常商品, 当动物性食品总支出增加时, 各类动物性食品的支出也将增加。
表1显示出居民近十几年来消费需求的几个特征。首先, 各类食品支出弹性都接近单位弹性, 表明动物性食品总支出增长时, 居民会相应增加对各食品的需求, 尤其是增加对于牛羊禽肉的需求 (牛羊禽肉支出弹性大于1) 。其次, 观察预算支出份额, 可以发现猪肉是支出份额最大的动物性食品。反映在边际支出份额上, 居民动物性食品支出每增加1元, 就会使用0.36元购买猪肉。排在第二和第三位的是水产品和牛羊禽肉。这表明, 虽然居民的动物性食品需求日趋多样化, 但由于饮食习惯的影响, 猪肉需求的主导地位仍会在相当长的时间内持续。
(2) 需求的价格弹性。城镇居民四类动物性食品需求价格弹性见表2。从表中可以观察到以下几个需求特征。第一, 四类动物性食品的自价格弹性均为负数, 价格上涨时居民会减少对相应食品的需求量, 这与预期结果相符。第二, 各类食品的自价格弹性 (绝对值) 都大于交叉价格弹性 (绝对值) , 可见居民对动物性食品的需求主要受食品自身价格的影响, 而不是其他食品价格的影响。第三, 牛羊禽肉的自价格弹性 (绝对值) 大于1, 说明其对于居民消费来说是“奢侈品”。第四, 牛羊禽肉与其他动物性食品的交叉价格弹性小于0, 而猪肉、蛋类和水产品与其他动物性食品的交叉价格弹性大于0, 这说明牛羊禽肉类食品与其他动物性食品互为互补品, 而猪肉、蛋类和水产品与其他食品互为替代品。同时, 各交叉弹性 (绝对值) 数值都较小, 说明各食品间的替代与互补关系都比较弱。
六、结论和政策建议
本文使用动态渐变式结构变动AIDS模型, 分析了我国城镇居民三十年来动物性食品需求结构变化的时间路径, 研究发现以下结论。
第一, 我国城镇居民动物性食品需求在1981—1995年十五年间发生了渐变式结构变动。这一需求结构变动在九十年代中期结束, 随后进入了需求结构相对稳定的阶段。虽然20世纪90年代中期之后我国居民收入不断提高, 但动物性食品需求结构相对稳定, 居民对相关食品的消费偏好在近十几年并没有发生改变。
第二, 考察当前居民需求状况发现, 猪肉是城镇居民支出份额最大的动物性食品, 以猪肉为主导的饮食习惯仍将持续。这意味着生猪在相当长的时间内仍会是我国最重要的畜产品, 因此对饲料粮食的生产和供应提出了更高的要求。必须建立粮食、饲料、经济作物三元的种植结构以缓解畜牧业发展对于饲料作物生产的压力。
第三, 各类动物性食品支出弹性都接近单位弹性, 表明随着收入的增加, 居民会相应提高动物性食品的户内消费。因此, 提高居民收入, 可以进一步扩大居民对于相关食品户内消费的潜力。
第四, 我国城镇居民各类动物性食品的自价格弹性 (绝对值) 大于交叉价格弹性 (绝对值) , 表明居民对动物性食品的需求主要受食品自身价格的影响。尤其是牛羊禽肉的自价格弹性 (绝对值) 大于1, 表明其需求对价格变动反应敏感。因此, 要扩大居民对于动物性食品的需求就要稳定相应食品的价格。
摘要：本文利用渐变式结构变动AIDS模型分析了我国城镇居民三十年来动物性食品需求结构变动的时间路径。研究发现, 我国城镇居民动物性食品需求在1981—1995年的15年间发生了渐变式结构变动, 此后的十几年中需求结构稳定。
关键词：动物性食品,需求,结构变动,AIDS,模型
参考文献
[1]盛来运:中国统计年鉴2010[M].北京:中国统计出版社, 2010.
[2]RICKERTSEN K.:Structural Change and the Demand for Meat and Fish in Norway.European Review of Agricultural E-conomics[J].1996 (23) .
[3]OHTANI K, S KATAYAMA.:A Gradual Switching Re-gression Model with Auto-correlated Errors[J].Economics Let-ters, 1986 (21) .
[4]MOSCHINI G, MELIKE K D.:Modeling the Pattern of Structural Change in U.S.Meat Demand[J].American Agricul-tural Economics, 1989 (5) .
[5]FAN S, WAILES E J, CRAMER G L.:Household Demand in Rural China:A Two-Stage LES-AIDS Model[J].American Journal of Agricultural Economics, 1995 (2) .
需求结构模型 篇5
基于灰色系统理论的物流需求预测模型
为了推动现代物流的发展,对历史物流需求进行分析和对未来物流需求进行科学预测已成为必需.因为,物流需求分析和预测是制定物流产业发展政策及物流基础设施规划、设计的主要依据,同时也是保证物流供给、调整物流供需平衡、合理整合物流资源的`基础.本文利用灰色系统理论对我国物流需求进行建模分析.
作 者：陈森 周峰 作者单位：武汉科技大学管理学院刊 名：统计与决策 PKU CSSCI英文刊名：STATISTICS AND DECISION年，卷(期)：2006“”(3)分类号：C934关键词：
需求结构模型 篇6
关键词 知识服务 专家知识服务 推断 思维模型
分类号 G252.0
DOI 10.16810/j.cnki.1672-514x.2016.02.014
Inference of Expert Knowledge Demand and it’s Model Building
Zhou Xinyue
Abstract From the general character of scientific research and typical characteristics of experts’ knowledge demand， this paper carries out the research which taking experts， service personnel， and the process of service interaction between them as the principal part， highlighting a preliminary study dominated by thinking science technology method. It probes into the basic inference method of expert knowledge demand and builds the thinking model of expert knowledge demand inference.
Keywords Knowledge service. Knowledge service for experts. Conjecture. Thinking model.
随着学术竞争日趋激烈，专家针对个体的具体决策目标或问题，对于数据挖掘和比较研究为基础的动态知识组织和解决方案提出了更高的知识需求，而且随着科学向着深层次和高水平发展，学科分化呈现综合化、专业化的特点，学科间相互联系和渗透的加强以及边缘学科和交叉学科的不断产生，这一需求更为迫切。图情界多年研究与实践形成的知识服务理论虽已较为系统，却难以适应专家知识需求的发展变化，亟需建立相应的服务体系，实现服务和需求的协调发展。
笔者提出了“专家知识服务”概念及其研究的整体框架[1]，进行了技术实现方面的初步探索[2-3]，并且认识到研究的重点在于专家知识发现与知识获取的共性要与解决专家个体具体决策目标或问题的知识服务相结合，核心是以专家、服务人员以及二者之间在服务过程中的互动关系为主体，突出以思维科学为主导的方法与技术研究。因此，从专家科学研究的共性和专家知识需求的典型特征出发，结合实践经验、教训，初步探讨了专家知识需求的基本推断方法，构建了专家知识需求推断的思维模型。
1 推断
“推”就是“推理”，“断”则是“判断”。推断就是“根据专家个人已有的科学研究，通过多维度的逻辑分析、推理，对其个人在研或待研的科学研究关键环节即将需要的具有借鉴、参考价值的知识进行主观预测、判断的思维活动”。
1.1 “推断”是一种主观思维活动
“推断”的主体是图情工作者。也就是说，这种对专家个体某种具体知识需求的分析、判断，是图情工作者通过逻辑分析获得的个人观点。
1.2 “推断”是专业性的图情活动
这是面向专家科学研究提供知识服务的主要环节和基础工作，实质是面向特定对象传递具有特定价值的知识，属于图情工作范畴。
1.3 “推断”具有创造性、超前性和主动性
根据已有的研究提前谋划即将需要的知识，体现了开拓性与超前性。主动性不仅体现在服务态度，还强调了服务方法与成效的主动性。
2 专家科学研究的共性与知识需求的典型特征
2.1 专家科学研究的共性——学术竞争优势
专家开展科学研究，其目的是填补个人专长领域内的研究空白，或者对前人的研究有新的发展和补充，或在同时期同类研究中尽快有所突破，其本质是赢得或保持学术竞争优势。
2.2 专家知识需求的典型特征——学术相关性
专家知识需求是为了发现个人专长学术领域的研究空白或不足，以明确个人的科学研究目的，以及怎么研究有助于在学术竞争中赢得或保持竞争优势。因此，知识需求的典型特征表现在与专家在研或待研的科学研究具有学术相关性上。
3 专家知识需求推断
3.1 学术特征的四要素
目前，用户知识需求的研究大多采用以文献外部特征的数理统计揭示文献信息篇章之间定量关系的文献计量法和以内容主题符号揭示各类信息篇章内部符号群之间定性与定量关系的内容分析法[4-10]，如以主题词或关键词词频统计或共现聚类分析反映某领域研究的结构、趋势和热点，或以文献引证、被引的共现分析表达研究的质量和相互关系。
但是，这些方法只能静态地体现对于知识发现与获取的共同表达，而不能动态地反映知识需求本身及其与专家科学研究的内在关联。要揭示专家科学研究需要什么知识，就必须搞清为什么需要和怎么利用的问题，也就是相关知识体现在研究什么事物（或现象）的什么属性、解决什么学术问题、采取什么工具和手段、得到哪些具有学术意义和实用价值的创造性结果等内容的差异及其与专家科学研究的关联上。因此，为了准确而又明确地反映相关知识的学术特征，笔者将相关知识的学术特征分为研究对象、研究内容、研究方法和研究结果等四大类要素，其信息来自正文、摘要、题名和关键词中具有实质意义的词组或句子。
nlc202309040700
3.2 推断专家知识需求的基础
科学研究的研究对象是客观世界或人类社会的各种事物和现象及其属性、特性、运动形式、发展规律，这是一个离散结构的多层次关系的体系。树形结构图揭示了从宏观到微观、从现象到本质的发展和演化的过程：从初始对象开始在每一个具有属性分解的响应点（以下称节点）处进行分枝直到分解停止，每个节点可以按从属、因果、递进等关系分解为下一层的若干子节点，如节点O可以分解为节点O1、O2、O3、O4、O5等，节点O2、O4又可以分别分解为O6、O7、O8、O9和O10、O11等，节点O12是节点O8分解的子节点等，对应于某一节点的子节点体现为并列关系，如O1、O2、O3、O4、O5相对于节点O，O6、O7、O8、O9和O10、O11分别相对于节点O2、O4等（见图1）。
专家通常会长期、深入地致力于某种具体事物或者与之相关的某种社会现象进行研究，因此同一专家研究对象对应的事物或现象基本上是稳定的，不会轻易突变，具有一定的延续性，但又有可能变动到相近的事物或现象，如水稻→杂交稻、超级稻、优质稻、早稻、晚稻、籼稻等；或者在研究某个事物（或现象）的某一属性之后变动到其他属性或衍生下一级属性，具有一定的可变性。
基于专家科学研究对象的延续性，归纳专家已有研究，就可把握专家关注的研究对象，这是推断的基础，而研究对象适度变化，则产生新的知识需求，使推断具有意义和价值。
3.3 推断专家知识需求的基本方法
目前，推断专家知识需求的基本方法是类比法。类比，就是通过两个或两类对象的不同现象与内部属性关系的比较，找出某些属性或关系的类似点，把某一对象的有关信息推移到另一对象。这是融合了抽象思维和形象思维的独特思维方法[11]。笔者认为，两个或两类科学研究，如果研究对象之间存在某些相同、相近或相似点，就可将某一研究的某些特征类推到另一研究，而判断研究对象相同、相近或相似的依据是是否存在某个相同的属性，如果这个属性存在且对应同种事物（或现象）则研究对象相同，对应的是上下位概念的事物（或现象）则相近，对应非同种或同类事物（或现象）则相似。如“水稻→品质”与“杂交稻→品质”“玉米→品质”，共同属性为“品质”，“水稻”与“杂交稻”有上下位关系，“水稻”与“玉米”非同种，则“水稻→品质”与“杂交稻→品质”相近，与“玉米→品质”相似。
将专家与他人科学研究进行学术特征类比，如果研究对象相同、相近，那么学术特征的差异，表达了专家专长领域内不同于已有研究的非空白区，可以帮助专家发现领域内研究的空白或存在的不足，确定个人新的科学研究的方向和增长点。如果研究对象相似，学术特征差异，可以提供专家个人新研究中可以吸取、扩展、渗透和移植的研究内容或研究方法。
因此，专家需求的知识，就是相比专家已有科学研究具有相同、相近或相似研究对象且有学术特征差异性的他人科学研究的文献或报道。
3.4 类比判断的内容、规则与模型
若专家已对事物O的属性O1的等四个子属性进行了研究，其中对应于O2有研究内容C1、C2、C3、C4，对应于C1有研究方法M1、研究结果R1，学术特征如图2-a：若另有他人对事物O’的子属性O’1的子属性O’2（或更下级子属性O’3）进行了研究，对应于O’2有研究内容C’1、研究方法M’1、研究结果R’1，学术特征如图2-b。
那么，专家已有科学研究与他人具有相似性的科学研究按照“研究对象→研究内容→研究方法→研究结果”的顺序进行学术特征依次类比判断的过程如图3。
3.5 专家知识需求的四步推断
专家知识需求推断分为四个步骤（见图4）。
第一步，专家科学研究学术成果集成。根据专家的个人信息（如姓名和机构），从知识源汇总专家已公开发表的学术文献，将其原有的分散状态的学术文献整合为呈现研究阶段积累的有机知识整体。
第二步，专家科学研究学术特征分析。从题名、关键词、摘要、正文中提取具有实质意义的词组或句子，按学术特征四要素，通过在认知语境下的动态推理，实现语篇之中词汇、句子多层次语义信息理解，提炼、归纳专家科学研究的学术特征。
第三步，相似知识采集。通过认知语境下对语篇环境中词汇、句子多层次语义信息的动态推理，从知识源采集与专家科学研究对象相同、相近或相似的文献或报道。
第四步，相关知识类比判断。按研究对象、研究内容、研究方法和研究结果等四要素将相似文献与专家已有科学研究进行类比，根据类比判断的内容、规则与模型建立推断算法，判断并提取具有差异性的、对专家在研或待研科学研究具有特定价值的文献或报道。
4 结语
专家知识服务是一种强调适用性与实用性的知识服务创新模式，专家知识服务及其研究的核心是专家知识需求的推断。笔者目前只能通过研究专家具体知识需求与其科学研究的内在联系的共性，对根据专家个体具体决策目标或问题推断其具体知识需求的基本方法与基础思维模型进行初步定性分析，比较粗疏，甚至存在问题和不足，还需要进行大量的研究、探索，如专家个体科学研究学术特征的智能挖掘、专家科学研究学术相似知识智能化采集与相关知识智能抽取，都需要进行相关规则、模型、算法的研究。
参考文献：
[ 1 ] 周新跃.专家知识服务：面向专家的知识服务创新研究思考[J].图书馆学研究，2015，36（8）：51-56.
[ 2 ] 周新跃.Notefirst在专家知识服务中的应用实践[J].新世纪图书馆，2013，34（8）：46-49.
[ 3 ] 周新跃.Notefirst与CNKI个人数字图书馆在专家知识服务中的应用与比较[J].晋图学刊，2013，29（5）：27-31.
[ 4 ] 邹永利.情报检索系统文献主题表征与用户需求特征[J].情报理论与实践，1998，21（3）：132-135.
[ 5 ] 张曙，张甫，许惠青，等.科技文献资源需求分析方法研究[J].情报杂志，2013，32（8）：174-177，18.
[ 6 ] 张莉娅，邓勇，张姝影.基于知识网络的岗位知识需求分析及与知识型人才的匹配研究[J].图书馆学研究，2014，35（17）：28-37.
[ 7 ] 张为江.基于用户需求分析的数字图书馆知识发现系统研究[J].图书馆理论与实践，2014，34（9）：83-85.
[ 8 ] 贺梅萍，石德万，莫崇菊.基于科技创新需求的高校图书馆用户服务研究[J].图书馆，2011，39（3）：42-44，47.
[ 9 ] 晁亚男，毕强，滕广青.高校学生用户开放存取知识需求分析[J].中国图书馆学报，2013，39（1）：63-70.
[10] 刘雁.高校图书馆核心用户信息需求分析[J].图书馆工作与研究，2008，30（10）：72-74.
[11] 邝朴生，马跃进，钱东平.创新学[M].北京：中国农业大学出版社，2003：83-85.
周新跃 湖南农业大学图书馆馆员。湖南长沙，410128。
（收稿日期：2015-06-23 编校：刘 明）
需求结构模型 篇7
关键词：需求模型,设计模型,数据流图,软件结构图,转换
随着计算机和互联网的飞速发展, 软件规模和复杂度不断增大。在经历了程序设计阶段、软件设计阶段和受到软件危机的影响, 软件开发进入了应用多种技术和管理方法指导软件开发的软件工程阶段。在软件生命周期中, 需求和设计是重要的两个环节。需求分析是对软件功能目标的明确, 设计阶段分为总体设计和详细设计, 其中总体设计的任务是将软件需求转化为数据结构和软件的总体结构。由于需求分析针对软件的问题空间, 设计阶段针对软件开发的解空间, 两者在软件开发过程中如何很好的衔接成为软件设计人员需要解决的问题。随着研究人员对需求和设计研究的深入, 从需求模型过渡到设计模型的问题逐渐成为软件工程研究领域关注的热点[1]。
在面向对象设计 (OOD) 的方法中, 目前主要有基于特征模型的方法、基于Use Case图的方法、基于设计模式的方法以及基于模型转换的方法[2]。而在面向数据流设计的方法中, 由于传统的结构设计 (SD) 方法的局限性和转换工作本身固有的困难性, 从数据流图导出结构图的转换工作至今仍然以手工方式进行。
该工具的设计旨在对复杂软件系统数据流图到结构图的转换展开研究工作, 为复杂软件系统提供绘制数据流图和从数据流图到软件结构图的转换功能。
2 系统的设计与实现
系统的开发过程分为以下几个阶段:
2.1 需求分析
1) 建立和存储数据流图
数据流图是一种图形化技术, 描绘数据在软件中流动和被处理的逻辑过程, 是系统逻辑功能的图形表示。数据流图由数据处理, 数据源或终点, 数据存储文件和数据流构成。通常数据处理用圆形表示, 数据源或终点用矩形表示, 数据存储文件用右侧未封闭的矩形表示, 数据流用带箭头的直线表示。
要完成数据流图的绘制, 工具要提供绘制上述四种图形的功能。为了设计出更合适的数据流图, 要对这些图形进行细化的处理: (1) 对选定图形的大小进行调整; (2) 对选定图形添加文字内容; (3) 对选定图形进行拖动。
为了给数据流图向软件结构图的转化提供接口, 数据流图的各个组件要以一定的形式保存起来, 方便转换方法对其进行调用和处理操作。同时, 为了保证数据流图的持久使用性, 要将数据流图的信息以一定的格式保存在本地, 再次使用时可以随时获取从而显示在绘图界面上。
2) 从数据流图转化为结构图
设计以数据流图为输入端, 以结构图为输出端的转化算法。
3) 显示结构图
利用数据流图的绘制模块加以修改和扩展, 将转化算法的输出数据显示出来。用户可以对结构图进行自定义的修改。
2.2 系统设计
工具按功能需求分为:输入, 处理, 输出三个模块, 分别完成创建数据流图, 从数据流图转换到结构图, 输出结构图的功能。
2.2.1 输入模块
工具的形式化设计采用Java Swing技术, 工具窗体由菜单栏, 工具栏, 文件资源管理, 绘图面板栏等组成。
借助Java2D技术通过继承建立圆形, 矩形, 右侧未封闭矩形, 带箭头直线的实体类, 运用适配器模式实现对图形的选定操作, 从而实现对选定图形的细化处理。
建立数据实体类将数据流图的各个节点的详细信息存入集合, 利用XML实现对集合中每个信息读写操作。
下面的流程图 (图1) 展示了绘制数据流图的一般过程:
输入模块的关键在于绘图面板的设计, 以下是绘制数据流图的几个关键点:
1) 绘图面板的状态:由工具栏按钮的事件响应控制绘制图形的种类, 按钮与绘图面板的状态一一对应。
2) 确定鼠标按下所在坐标:如果点在图形中, 返回该图形对象并设置其已被选定属性。对于点是否在直线上这个问题, 通过确定的一个非常小的范围, 判断点到直线的距离是否在此范围内来解决。
3) 绘图面板的事件监听:鼠标单击则选定图形, 双击则对组件进行命名, 拖动则跟随鼠标改变组件的位置。
4) 临时坐标:为了达到绘图的平滑效果和良好的用户体验, 采用临时坐标对当前绘制的图形进行定位修正。当坐标改变时, 绘图面板立即刷新, 从而达到预期理想的效果。
2.2.2 处理和输出模块
转换算法的主要思想是采用添加边界节点法, 将边界部分有多条数据流的数据流图汇聚到一个新节点, 将添加的节点作为结构图的第二层, 作为数据流传递的间接接口。[2]
转换过程中需要采用上述方法将图结构转换为树结构, 最后以树结构的形式呈现出结构图。
2.3 实验结果
输入数据流图示如图2所示, 其中包括:数据源点和终点, A表示输入部分, B表示处理部分, C表示输出部分。
转换后的结构图如图3所示:
3 相关工作比较
在研究该项目的过程中, 查阅了数据流图向结构图转换的相关研究成果。和《从数据流图到模块结构图的自动转换系统》 (以下简称“自动转换系统”) [3]这一研究成果相比较, 相似点在于从数据流图到结构图的转换的思路都是将数据流图转化为有向图结构。但也有不同之处, 《自动转换系统》采用“有向控制图”的方法对数据流图进行了特定的限制, 而本项目则是采用“添加边界节点”的方法将数据流图以有向图形式进行处理;另外在获取数据流图这一步骤中, 《自动转换系统》采用输入参数的方法, 而本项目采用的形式化交互式的绘图模式, 方便性和人性化程度都更高。
4 结束语
本文针对复杂软件开发过程中需求模型到设计模型转换的问题, 讨论了在软件设计过程中如何将数据流图转换为结构图。首先, 根据软件设计方法提出了从需求模型到设计模型的项目背景。其次, 对本项目的需求进行了分析, 着重介绍了本项目绘图输入模块的设计方法。最后, 描述并展示了实验结果。实验结果表明本文提出的数据流图到结构图的转换方法的正确性和有效性。该工具的设计实现了从数据流图到结构图的转换, 建立了软件生命周期中需求和设计之间的联系, 有利于帮助软件设计从需求向设计的转化。
参考文献
[1]梅宏, 申峻嵘.软件体系结构研究进展[J].软件学报, 2006, 17 (6) :1257-1275.
[2]祝义, 黄志球, 曹子宁, 等.一种基于形式化规约生成软件体系结构模型的方法[J].软件学报, 2010, 21 (11) :2738-2751.
我国寿险需求模型及其实证分析 篇8
关键词：人寿保险,通胀率,社会保险支出
一、选题背景与研究意义
我国自1982年恢复寿险业务以来寿险业经历了迅猛发展。08年全国寿险业务保费收入6658.37亿元, 同比增长49.17%, 是保险市场近5年来增长最快的一年。
二、模型设定
针对寿险保费收入 (设为Y) , 本文选取的因素有:国内生产总值 (GDP, 设为X1) , 通胀率 (设为X2, 由于在某些年份通胀率可能出现负数, 因此本文用居民消费指数替代) , 受教育比例 (即具有大学及大专以上学历的人数占总人口数的比例, 设为X3) , 存款余额 (设为X4) , 社会保险支出 (设为X5) 。
为了尽量降低模型设计的误差, 我们选用了对数型模型, 建立模型的如下所示:
三、模型的检验
1.多重共线性检验
从经济意义上分析, 我们有理由认为这五个因素间可能存在多重共线性。
用Eviews得出如下结论
由上表可知, 该模型可决系数为0.991015, F检验值为308.8262, 明显显著。然而X1、X2、X5的t检验不显著, 同时X1系数的符号与预期的相反, 这表明很可能存在严重的共线性。
运用逐步回归法消除多重共线性以后的模型如下:
2.平稳性检验
由于此模型是时间序列模型, 因此我们考虑ADF检验该模型是否平稳:
由上表可知:Y属于一阶单整序列.
2.异方差检验
用ARCH检验得到R^2满足分布, 查表得知=0.215795> (21) R^2=0.063296因此不存在异方差, 最终结果简化为 (为了模型美观, 以下各变量均代表其对应的对数型变量) :
四、结论
(一) 国内生产总值 (GDP) 对保费收入有很大影响, 可能是经济发展使得人们拥有更多的储备支持今后生活, 同时运用资金变成了一个重要手段来为将来做保障。保险公司可以针对这一点推出比较新型的寿险, 针对要求比较精细又有充分能力的客户单独保险。
(二) 通货膨胀极为严重时会对寿险需求产生负面影响, 通货膨胀率的上升导致寿险需求的下降, 但并不是所有类型的通货膨胀都会导致寿险需求的下降。适度的通货膨胀有利于寿险业的发展, 因为适度的通货膨胀能刺激经济增长, 从而带来居民收人的增长, 进而增加对寿险的需求。
(三) 由于受教育比例对于保费收入影响显著, 而且可以看出是呈正相关关系。换言之, 受教育程度越高的人越倾向于买份保险作保障。因此保险公司不仅要宣传产品, 还要关注保险主体对于专业知识的认识程度, 改善曾经认为保险“不可靠”和“诈骗”的印象, 建立正面客观的形象。另外, 收入水平和教育水平对寿险需求的影响显著为正, 这表明要促进寿险业的发展, 关键还是要促进地区经济的发展。
(四) 我们一般认为社会保险覆盖面可能会对寿险业发展有一定抑制作用。然而模型得出的结论是社会保险覆盖面越广在一定程度上越促进保费增长。究其原因可能是我国社保制度真正从建立到逐步完善的时间还不长, 社保标准较低, 但享受到保险的好处后有能力的人会继续购买寿险寻求更大的保障。
参考文献
[1]卓志.我国人寿保险需求的实证分析[J].保险研究, 2001 (05) .
城市住宅需求预测模型研究 篇9
有利于居民住房问题的解决。政府根据城市居民在一定价格水平下的住房需求, 合理供地, 确保居者有其屋。
促进房地产业的健康发展。提高房地产企业市场分析的能力, 科学预测, 有效供给, 减少房屋空置, 提高房地产企业的资金利用效率, 促进其健康发展。
提高土地资源的利用效率。对住宅用地需求准确预测, 可以为土地利用总体规划、土地年度利用计划的制定提供重要依据, 合理供地, 在满足居民住房需求的同时, 减少房屋空置, 减少土地闲置、浪费现象的出现, 以提高土地利用效率。
一、住宅需求预测
1. 国外研究。
Mankiw及Well提出的住宅需求总量预测模型为:D=h (R) *N。在该式中:D为住宅需求总量;h (R) 为平均每人的住宅需求量函数 (居住水平函数) ;R为租金;N为人口数量。该模型是针对欧美国家成熟的住宅市场提出的, 住宅问题基本解决, 住宅需求与租金水平和人口数量密切相关。
Dowell和Myers1987年提出了基于人口的住宅市场潜在需求预测方法:商品住宅潜在市场容量=现有人口未来住宅消费增长量+未来新增人口住宅消费量+未来期内现有住宅淘汰量。
Paul Cheshire和Stepen Sheppard1998年提出了利用房价收入比预测住宅需求, 预测流程如下:
房价 (套) =家庭年收入×房价收入比
家庭年收入=人均年收入×平均每户人数
住房总消费支出额=总人口家庭年消费支出额×住房消费支出比
住房有效需求总量=住房总消费支出额/每套房价。
2. 国内研究。
香港谢贤程博士在Mankiw及Well住宅需求总量模型的基础上, 考虑了收入这一变量, 将住宅需求方程改进为:D=h (R*Y) *N, 式中:D为住宅需求总量;h (R*Y) 为平均每人的住宅需求量函数 (居住水平函数) ;R为租金;N为人口数量;Y为国内生产总值 (GDP) 。大陆学者认为谢贤程提出的住宅需求方程中的R仅代表租金水平, 不足以反映住宅价格的全部, 提出了以下的模型:D=h (P*Y) *N, 式中:P为住宅的价格 (即租金) 综合水平。
成思危在其主编的《中国城镇住房制度改革》一书中, 选用了部分亚洲国家首都的人均GDP的截面数据, 采用回归拟合的方法研究得出:1997年到2000年中国的人均住宅需求量的经验公式 (居住水平函数) 为:y=6.1976x0.3789, R2=0.6201, F=15.6885, 式中:x为人均GDP;y为人均居住面积。在这里, GDP综合反应住宅价格、租金、人均可支配收入、利率等因素对住宅需求的影响。
二、城市住宅需求预测模型的改进
为了科学预测城市住宅需求, 必须在对现有需求预测模型分析的基础上进行改进。
1. 预测模型改进的总体思路。
针对现有住宅需求预测方法的不足之处, 在预测模型中考虑住房贷款对住宅需求的影响, 针对不同的需求类型分别加以预测, 并充分考虑影响因素的不确定性对需求预测的影响。
2. 住房贷款对居民支付能力指标的影响。
随着金融市场的发展和居民消费意识的提高, 住房贷款已经逐渐为居民所接受, 并且贷款往往占购房款很大的比例, 这时, 家庭购房有两个资金来源:储蓄和贷款。通常利用部分储蓄来支付购房的首付款。贷款的偿还由家庭收入来负担。在这种情况下, 住房价格对住房需求的影响在一定程度上仅仅是一个主观的评价, 此时更加明显地表现为贷款偿还对住宅需求的影响。在住宅支付能力的定义中, 用a Y≥C (或a≥C/Y) 来判断该家庭是否对此住房具有支付能力。在考虑住房贷款的情况下, 应将贷款购买住宅家庭的年 (月) 需还款额与其平均年 (月) 家庭收入中可用于偿还住房贷款的金额进行比较, 用于衡量购买住宅家庭的还款能力, 即住房支付能力。
3. 城市住宅需求预测模型的改进。
大陆学者认为谢贤程博士提出的住宅需求方程:D=h (R*Y) *N, 其中的租金水平R不足以反应住宅价格的全部, 将其改进为:D=h (P*Y) *N。价格P为住宅价格。但是笔者认为用直接利用住宅价格P来衡量住宅需求只适合于金融市场不发达, 居民只能使用自己的财富积累来购买住房的情况下。在住房贷款逐渐为居民接受的情况下, 用年 (月) 可负担还贷额和住宅单位建筑面积年 (月) 所需承担还贷额来衡量住宅需求更加直观, 可以用来预测住宅需求。由于a Y≥C中住房消费比例a通常是由C决定的, 或者说我们这里的a Y是用来满足实际的住宅需求的, 所以我们可以取a Y=C, C为住宅单位建筑面积所需的月 (或年) 支出与建筑面积的乘积, 在已知a Y和住宅单位建筑面积所需的月 (或年) 支出的情况下, 就可以计算出住宅需求。可负担还款额由家庭稳定收入、未来住房消费倾向来决定, 单位住宅建筑面积需承担还款额由住宅价格、贷款比例、贷款期限和住房贷款利率确定。根据中国人民银行的规定, 可以采用等额本息还款法和等额本金还款法 (利随本清还款法) , 两种还款方式的偿还总额相同。在此, 我们按照等额本息还款法计算家庭还款额。这时就可以将住房需求模型改进为:
其中, La (I, ηh) :年可负担还贷额;Ln (P, ηl, Nt, i) :住宅单位建筑面积年需承担还贷额;I:收入, ηh:住房消费倾向, P:住宅价格, i为贷款利率, ηl为贷款比例, Ni为贷款年限, Np人口 (家庭) 数量。
三、人口机械增长引起的住房需求影响因素分析
人口机械增长引起的住房需求与城市人口机械增长数量和人均住房支出有关, 城市人口机械增长产生住房需要, 人均住房支出代表购买力。假设住房的首付款的支付可以通过自己收入的积累和父母的赞助来承担。人均住房支出是用来偿还贷款, 贷款的偿还采用等额本息偿还方式。人均住房支出是由平均的消费支出和住房支出比决定。消费支出与人均收入呈正相关关系。住房支出比的确定可以在恩格尔系数确定的条件下, 参照恩格尔系数与住房支出比对照表来确定。根据恩格尔定律, 随着收入的增加, 恩格尔系数呈下降趋势, 建立恩格尔系数与收入的负相关关系式。
1.收入分布的研究。机械增长人口进入城市为了有更好的工作、较高的收入水平, 从而享受物质文化生活。户籍制度的限制也要求迁移人口一般应有一个稳定的接收单位, 然而由于迁移人口自身素质、能力的差异, 以及不同单位对引进人员要求的差异, 对引进人员数量的限制, 从而造成机械增长人口在不同行业中的分布。在此, 假设机械增长人口在城市各行业中的分布符合原有城市人口在城市各行业的分布。虽然机械增长人口有较高的学历或技能, 应该有较高的收入, 但由于刚进入单位, 一般职位较低, 所以不可能有太高的收入, 所以我们可以假设机械增长人口的工资水平相当于行业的平均工资水平, 用行业工资的分布来表示新增人口的工资分布。
2.恩格尔系数与收入的关系研究。恩格尔系数有两种常用的计算口径。一种是由德国统计学家厄恩斯特·恩格尔在19世纪中叶提出的, 指食品支出占全部生活消费支出的比重, 即:恩格尔系数=食品支出/全部生活消费支出×100%。恩格尔研究发现, 随着收入的增加, 恩格尔系数将不断降低。这一规律被称为恩格尔定律。西方经济学界普遍接受了这一定律, 并加以引申。比较著名的是美国经济学家保洛.萨缪尔森在其《经济学》教科书中提出的萨氏恩格尔系数, 即:萨氏恩格尔系数= (食品支出/全部支出) ×100%。在该公式中, 分母不仅包括消费, 还含有储蓄支出, 这使得按这一方法计算的系数通常小于恩氏系数。而且由于储蓄受到利率等因素影响, 使萨氏系数的复杂性增加。本文选用恩氏系数为计算口径。
随着收入的增加, 恩格尔系数将不断降低。因此, 在收入的增加与恩格尔系数的变化之间应该存在着负向关系。从恩格尔系数与城镇居民人均收入的时间序列总体变化关系上看, 城镇居民人均收入随时间推移而增长, 而恩格尔系数则随时间推移而下降, 因此在收入增长与恩格尔系数之间存在着反向变动关系。
复旦大学陆小斌通过中国与韩国居民恩格尔系数变动比较得出以下结论:一是市场机制完善的社会, 恩格尔系数变化较稳定, 它不会受价格控制的影响;二是社会经济发展到一定程度之后, 恩格尔系数会呈现较稳定的下降趋势。正如钱纳里等人提出的, 一国人均GDP达到200美元之后, 恩格尔系数就会大幅度下降, 中国在1992年人均GDP达到了200美元;三是居民的平均消费倾向不会成为影响恩格尔系数的主导因素, 也意味着居民收入水平达到一定高度之后, 收入成为影响恩格尔系数的主导因素。
从以上对我国城镇居民收入和恩格尔系数的对比分析以及中韩恩格尔系数变动对比结论可以做出判断, 在今后的一段时间内, 随着我国城镇居民收入的提高, 恩格尔系数将呈稳定的下降趋势。
3.住房支出比的确定。一般地说, 住房消费支出比的确定与两个因素有关。一是与人均国民收入水平有关。人均国民收入水平被视为生产力发展水平的衡量标志, 即生产力发展到一定的水平时, 居民住房支出比应达到一定的数值范围。二是与居民生活水平有关。就是说, 当居民生活达到一定水平时, 居民住房支出比应达到一定的数值范围。恩格尔系数是衡量生活水平的常用指标。刘岐在《当代中国住宅经济》一书中通过按恩格尔系数分组, 取住房支出比的平均值得表1。
表1只列举了恩格尔系数在20%~59%范围内所对应的平均住房支出比, 因为在计算中可能出现恩格尔系数小于20%或大于59%的情况, 所以我们需要对该情况做出假设。恩格尔系数大于59%时, 还未解决温饱问题, 所以不可能有购买住房的能力, 所以我们假设平均住房支出为0。恩格尔系数小于20%时, 假设住房支出比不会再提高, 仍为30%。为了计算的方便, 我们假设恩格尔系数在20%~39%时, 住房支出比均匀分布。从而得出如下住房支出比—恩格尔系数对照图。
4.消费支出的预测。英国著名经济学家凯恩斯 (Keynesian) (1883-1946) 在《就业、利息和货币通论》中认为, 消费支出与实际收入之间保持着稳定的函数关系, 消费支出主要决定于人们的现期可支配收入, 随着收入的增加, 消费将增加, 但消费的增加量小于收入的增加量, 即边际消费倾向递减。数学公式为:
这被称为“基本心理学定理”。在这一理论假设下, 凯恩斯的绝对收入函数表示为:
其中, C:消费支出;Y:收入;α、β:待估计参数, α:自发性消费, β:消费倾向;α>0, 0<β<1;ε:随即扰动项。
利用消费支出和可支配收入的历史数据我们可以对上式进行线形回归, 就可以根据可支配收入计算消费支出。
5.人均可支配收入的预测。利用人均可支配收入的历史数据进行时间序列分析, 从而确定时间序列方程。以进行人均可支配收入的预测。
6. 住宅单位面积所需支出。随着住房价格的持续走高, 以及居民消费观念的改变, 越来越多的人接受贷款买房的方式。住宅消费贷款包括住房公积金贷款和商业贷款两种方式。
建设部发布《2006年全国住房公积金缴存和使用情况》中提到:依法扩大住房公积金制度覆盖范围, 有针对性地采取措施, 突出重点, 全面推进归集扩面工作, 使制度覆盖范围逐步扩大到包括在城市有固定工作的农民工在内的城镇各类就业。稳步提高住房公积金使用率, 加大对中低收入职工住房消费的支持力度。进一步完善住房公积金提取和贷款政策, 增强服务意识, 便捷贷款程序, 合理降低费用, 提高办事效率, 有针对性地解决影响资金使用效率的问题。可以看出, 随着住房价格的持续走高, 房价问题已经对居民住房问题的解决造成一定程度的影响, 国家从解决民生问题的角度出发, 将会进一步扩大住房公积金的覆盖面, 进一步提高住房公积金使用效率。所以本文中的住房消费贷款采用公积金贷款方式, 贷款期限15年 (央行2006年一季度《中国货币政策执行报告》中个人房贷全部住房贷款平均期限为17年) , 贷款的偿还采用等额本息偿还方式。贷款比例为房款的80%。年利率为4.77% (2007年3月18后) 。在以上假设条件下, 可以利用公式 (4) 计算在一定房价水平上单位建筑面积所需支出。
其中A:单位建筑面积年所需支出;P:住宅单位建筑面积价格;i:公积金贷款利率;T:贷款年限。
四、展望
如何使城市住宅用地需求预测更科学、合理, 笔者认为仍需继续在以下几个方面做进一步研究:
1. 居民住房支出的预测方面。
在收入和价格一定的情况下, 居民住房支出比直接决定其住房支付能力。如果能通过对我国居民消费结构的分析建立适合我国居民的恩格尔系数—住房收入比对应关系, 对住宅需求预测科学性的提高产生重要影响。
2. 居民住房需求类型方面。
建立居民收入与廉租房、经济实用房、商品住房需求的对应关系, 以及居民收入与住宅价格或房价的对应关系, 可以使住宅需求预测变得更加方便、科学。
3. 研究住宅需求的空间分布。
在住房需求空间分布的基础上, 就可以利用不同地区的容积率将住宅需求转化为住宅用地需求。
摘要：通过对现有住宅需求预测方法及住房贷款支付能力对住宅需求的影响分析, 文章提出了住宅需求预测模型改进的思路, 建立了以居民住房支出和单位住宅建筑面积年需偿还贷款额来预测住房需求的改进模型。并对不同类型住宅需求的影响因素以及人均可支配收入、恩格尔系数、住房支出等因素之间关系进行分析和建模, 形成了一套较为完整的分类型住宅需求预测的具体方法。
关键词：住宅需求,预测模型,因素分析
参考文献
[1] .谢贤程.香港房地产市场.香港:商务印书馆 (香港) 有限公司, 1995
[2] .Dowell.Myers.Extend Predictions of housing demand in metropolitan areas:the coming Downturn.The appraisal journal, 1987.4:11-12
[3] .Paul Cheshire, stepen sheppard.Estimating the demand for housing, land, and neighbourhood characteristics.oxford bulletin of economics ands tatistics, 1998.60.3:21-22
[4] .Wang H.C., Deng Z.M, Tam C.M.Housing demand for the medium and low income in China.International Journal for Housing Science and Its Applications, 2001.25.2:111-112
[5] .成思危.中国城镇住房制度改革.北京:民主与建设出版社, 1999
[6] .孟宪海.合理确定住宅有效需求.清华大学学报 (哲学社会科学版) , 2005 (15)
[7] .顾严.我国城镇居民恩格尔系数分析.中国物价, 2003 (11)
[8] .陆小斌, 资树荣.中韩居民恩格尔系数变动比较.开放导报, 2005
物资需求预测模型与应用研究 篇10
物资需求预测是影响航材供应和库存管理水平的重要因素[1]。为了避免盲目性, 需要对航材进行科学合理的分类和估计, 人们也越来越重视航材备件科学的预测与库存控制[2,3,4,5]。
对于清洗剂、油漆、油料、化工用品等消耗性物资随时间、任务、单位等的不同变动较大, 难以用主成分分析法进行研究。本文考虑采用二次移动平均法进行需求预测, 以解决工程应用问题。
1 物资需求预测模型
对于消耗性物资, 由相关部门统计出各类物资历年发料数据, 计算出年平均发料量Q。再统计出机队的总飞行小时数T。计算出每飞行小时的平均需求q=Q/T。再用q乘以本年度的总飞行小时数, 计算出年度总的需求量。
二次移动平均法, 又称二重移动平均法, 是利用预测目标时间序列的一次移动平均值和二次移动平均值 (即以一次移动平均值为时间序列, 进行计算的二次移动平均值) 的滞后偏差演变规律, 从而建立起线性方程进行预测的方法, 它适用于某些具有线性变动趋势的经济现象。
移动平均是根据时间序列资料, 逐项推移, 依次计算包含一定项数的平均数, 以反映时间序列变化趋势的方法。
设时间序列为y1, y2, …, yt, 则简单移一次动平均公式为
式中:Mt为t期的移动平均数, N为移动平均项数。
由式 (1) 可知
二次移动平均为在一次移动平均的基础上再进行一次一次移动平均。
由上式可知
其线性方程为
式中:
yt+T代表第 (t+T) 的预测值。
t代表一次和二次平均的当期, 通常名之为本期。
以一次移动平均值, 加上一次移动平均值与二次平均值之差, 作为初步基本预测值的定义, 可得参数。
at, bt——都是参数, at的含义为初始基本预测值, bt为滞后偏差的修正值。
可知, 参数at, bt的计算公式为
式中:
Mt (1) ——代表t期的一次移动平均值;
Mt (2) ——代表t期的二次移动平均值。
N代表移动平均的期数。
at, bt代入 (5) , 可得
就可以算出t以后各期T的预测值。
2 实例分析
2.1 物资消耗数据
假设某单位1995年到2011年的某物资的平均每年的消耗情况, 如表1 (前两列) 所示。
(单位:Kg)
2.2 模型计算
计算步骤如下:
(1) 根据历年实际消耗量, 以n=5年为期, 计算出一次移动平均值, 如表中第四栏所示。
例如1999年为
1999年之后的依次类推。
(2) 根据一次移动平均值, 算出二次移动平均值, 如表中第五栏所示。二次移动平均在一定的基础上进行又一次一次移动平均。
例如2003年的二次移动平均数为
(3) 计算at的值
例如2011年
(4) 计算bt的值
以各年的参数代入公式
求出预测值, 以T+1为下一期的预测值。
例如2012年为
2.3 结果分析
以2003年为本期, 如使用一次移动平均值进行预测下一年的化工品消耗为115.4, 则滞后值为124-115.4=8.6约占
如使用二次移动平均值, 简单的预测值为109.32, 滞后14.68, 而利用本文所推导的公式预测, 则预测值为124.52, 仅相差0.52, 误差只有0.42%。可见, 利用该公式预测是比较合理的。
3 结束语
二次移动平均法适用于某些具有线性变动趋势的经济现象, 而物资类的消耗正符合这一规律, 因此预测结果比较理想, 预测的结果显示与实际情况相符, 并且可以方便地预测物资的消耗量, 利用于合理控制库存量, 制订订货计划, 便于工程应用。
参考文献
[1]王瑞朝, 王远达, 卢永吉等.军用飞机备件供应保障流程分析.飞机设计, 2009, 29 (2) :77-80.
[2]罗兵, 熊中楷, 杨秀苔.存货影响销售率且理论需求为线性时变函数时的EOQ模型.中国管理科学, 2002, 10 (6) :66-71.
[3]Zaid T.Balkhi, Lakdere Benkherouf.On an inventorymodelfor deteriorating items with stock dependent and time-varyingdemand rates.Computers&Operations Research.2004, (31) :223.
[4]Jinn Tsair Teng, Chun-Tao Chang.Economic productionquantity models for deteriorating items with price-and stock-dependent demand.Computers&Operations Research.2005, (32) :297-308.
