期刊文献⁺

任意字段

题名或关键词

题名

关键词

文摘

作者

第一作者

机构

刊名

分类号

参考文献

作者简介

基金资助

栏目信息

贵州省财政收入影响因素分析及预测被引量：7

下载PDF

导出

摘要本文以贵州省1995-2017年的地方财政一般预算收入及其他相关经济指标数据为样本,通过Adaptive-Lasso变量选择法来分析影响贵州省地方财政收入的关键因素,再用灰色预测模型筛选出的各指标2018-2019年的值,最后建立BP神经网络模型预测2018-2019年贵州省地方财政一般预算收入,得到预测效果良好。

作者徐子卿

机构地区贵州财经大学数统学院

出处《农村经济与科技》 2019年第6期158-159,共2页 Rural Economy and Science-Technology

关键词财政收入 Adaptive-Lasso 灰色神经网络

分类号 F323.6 [经济管理—产业经济]

引文网络
相关文献

参考文献2

1邢棉.季节性预测的组合灰色神经网络模型研究[J].系统工程理论与实践,2001,21(1):31-35. 被引量：40
2余力.中国财政收入影响因素的统计分析[J].青海大学学报（自然科学版）,2015,33(3):90-93. 被引量：3

二级参考文献4

1牛东晓,邢棉.时间序列的小波神经网络预测模型的研究[J].系统工程理论与实践,1999,19(5):89-92. 被引量：69
2周忠辉,丁建勋,王丽丽.我国财政收入影响因素的实证研究[J].当代经济,2011,28(8):84-85. 被引量：14
3李璠宇.浅析影响财政收入的主要因素[J].中国外资,2011(24):27-27. 被引量：1
4蒋静婷.人口结构转变对中国经济增长的影响机制分析[J].当代港澳研究,2012(4):156-172. 被引量：2

共引文献41

1郭继周,彭绍雄,宋贵宝,刘蔚.海军导弹武器装备使用保障费用灰色研究[J].海军航空工程学院学报,2001,16(3):321-324. 被引量：1
2赵雯雯,叶义成,邢冬梅.基于灰色神经网络组合模型的矿山安全事故预测分析[J].安全,2011,32(10):5-8. 被引量：2
3孙轶群,程岳雷,江修波.改进灰色预测模型在配电网规划中的应用[J].电力与电工,2012,32(3):14-16. 被引量：1
4邢棉,杨实俊,牛东晓,孙伟.多元指数加权电力负荷灰色优化组合预测[J].电网技术,2005,29(4):8-11. 被引量：27
5朱韬析,江道灼,汪泉.一、二月份用电量的预测模型[J].继电器,2005,33(6):62-65. 被引量：5
6王会青,王婷,谷志红.基于灰色神经网络法的高峰负荷预测[J].华东电力,2005,33(4):11-13. 被引量：10
7邢棉,臧志彬,任峰,杨照芬,张磊.电力负荷预测的最优分段校正模型研究及应用[J].中国电力,2005,38(6):5-7. 被引量：7
8李松,刘波.灰色季节变动指数模型GSVI(1,1)在农村用电量预测中的应用[J].中国电力,2006,39(6):15-18. 被引量：5
9邢棉,于兰香,刘晓霞.基于神经网络校正的电力负荷灰色预测[J].华北电力大学学报（自然科学版）,2006,33(4):93-95. 被引量：4
10李松.基于改进灰色GM模型的用电量预测方法研究[J].电力需求侧管理,2006,8(5):17-19. 被引量：2

同被引文献47

1徐涛.中国财政收支对宏观经济稳定效应的实证分析——基于1952～2006年的样本[J].山西财经大学学报,2009,31(S1):188-189. 被引量：1
2谢乃明,刘思峰.离散GM(1,1)模型与灰色预测模型建模机理[J].系统工程理论与实践,2005,25(1):93-99. 被引量：352
3苏变萍,曹艳平,王婷.多因素时间序列的灰色预测模型[J].西安建筑科技大学学报（自然科学版）,2007,39(2):289-292. 被引量：14
4范敏,石为人,梁勇林,华海玉.组合预测模型在地方财政收入预测中的应用[J].重庆大学学报（自然科学版）,2008,31(5):536-540. 被引量：20
5张梦瑶,崔晋川.基于时间序列法的国税月度收入预测模型研究[J].系统科学与数学,2008,28(11):1383-1390. 被引量：16
6陈相东,王彬.多因素灰色预测模型及其应用[J].数学的实践与认识,2012,24(1):80-83. 被引量：23
7刘荣.基于逐步回归方法的国家财政收入的影响因素分析[J].劳动保障世界（理论版）,2012(5):51-54. 被引量：5
8李全中.我国财政收入的灰色区间预测及精度检验[J].统计与决策,2012,28(12):82-84. 被引量：5
9何邓娇.广州市财政收入影响因素的实证研究——基于VAR模型分析[J].经济研究导刊,2014(15):104-106. 被引量：10
10景宏军,王李存.基于VAR模型的地方财政收入的动态预测和结构分析——以黑龙江省为例[J].财会研究,2015,0(3):5-9. 被引量：6

引证文献7

1高天惠,张玉静,朱家明,崔文凯.基于主成分分析对安徽省税收收入影响因素的实证研究[J].哈尔滨师范大学自然科学学报,2020(5):12-17. 被引量：4
2丁玮珂.广西:新常态下地区财政收入影响因素的实证[J].区域治理,2020,0(2):8-11. 被引量：1
3连强.基于多因素灰色模型的河南省财政收入预测[J].中国市场,2020(22):34-36. 被引量：5
4秦权.湖南省财政收入影响因素分析及预测——基于Python软件实现[J].中国市场,2021(29):40-41. 被引量：1
5朱海龙,李萍萍.基于岭回归和LASSO回归的安徽省财政收入影响因素分析[J].江西理工大学学报,2022,43(1):59-65. 被引量：13
6闫静莹.Lasso算法在SVR模型中的应用[J].合作经济与科技,2023(7):173-175. 被引量：1
7胡欣瑜,林耿.基于Lasso回归的福州市财政收入分析与预测[J].统计学与应用,2024,13(5):1982-1994.

二级引证文献23

1刘德伟.基于数据挖掘技术的贵州省财政收入分析预测[J].科技资讯,2021,19(20):187-189.
2王琼.基于灰色预测和BP神经网络的一般公共预算收入预测分析——以无锡市为例[J].中国乡镇企业会计,2021(12):12-14. 被引量：2
3方红丽.我国税收收入影响因素分析[J].经济研究导刊,2022(7):120-122. 被引量：5
4李坦,李晓楠.浅谈增值税改革红利[J].环渤海经济瞭望,2021,35(12):16-18.
5舒服华.基于岭回归的我国石材消费影响因素分析[J].石材,2022(5):1-5. 被引量：1
6李学泱,邵喜高.基于多元线性回归和Lasso回归的高校生源质量影响因素研究[J].鲁东大学学报（自然科学版）,2022,38(4):350-356. 被引量：6
7李伯超.基于岭回归的有色金属行业股票价格影响因素分析——以洛阳钼业为例[J].中国商论,2022(23):110-112.
8闫静莹.Lasso算法在SVR模型中的应用[J].合作经济与科技,2023(7):173-175. 被引量：1
9臧晶,张经纬.基于时间序列的异常检测算法的研究[J].科技资讯,2023,21(10):225-228.
10严洲宇,赵弘,董潇潇.基于多因素灰色模型和遗传算法的管道内修复涂层设计[J].中国表面工程,2023,36(4):229-238. 被引量：3

1胡宇橙,杨盼星.天津与重庆旅游收入影响因素比较研究[J].经济论坛,2019(1):112-117. 被引量：3
2张译,郑新奇.2000-2015年河北省林地时空变化特征及驱动力[J].水土保持研究,2018,25(2):269-273. 被引量：10
3黄小峰,廖丽佩,朱灏.基于灰色Verhulst-BP神经网络的中国电解铜消费峰值预测[J].数学理论与应用,2017,37(3):78-92.
4孙孟,张晶,郭项培.低保标准的建模分析[J].中国金属通报,2018(3):187-187. 被引量：1
5游佳炜.中国财政收入影响因素的实证分析[J].中国集体经济,2019,0(7):100-103. 被引量：6
6李春新.研究TD-LTE网络2/8天线性能对比[J].数码世界,2018(9):47-47.
7宋金城.基于经济指标的信息熵能源总量多因子控制模型构建[J].计算机科学与应用,2014,4(12):369-378. 被引量：1
8张喆,鲁亚军.新时代下商业银行杠杆率影响因素分析[J].企业经济,2019,38(3):58-63. 被引量：1
9赵娜.基于主成分分析的成都CPI影响因素研究[J].中国统计,2019,34(3):44-47.
10何婷,张博楠,郭力平.中班儿童金钱相关经济概念发展特点及其影响因素[J].今日教育（幼教金刊）,2019,0(3):8-13.

农村经济与科技

2019年第6期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部