农村电子商务产业集群的趋势预测的研究.doc

农村电子商务产业集群的趋势预测的研究 　　内容摘要：农村电子商务产业集群发展趋势的预测对于当地政府制定帮扶政策和战略规划具有重要意义。为更准确探究其发展变化趋势，本文从多角度选取指标，利用信息熵理论合成综合指标，构建了增长曲线模型、灰色模型、BP神经网络模型和灰色神经网络组合模型对其进行预测，实证分析表明灰色神经网络组合模型的预测精度优于单项预测模型，更适合于沙集电子商务产业集群发展趋势的预测。 　　关键词：农村电子商务 灰色模型 BP神经网络模型 组合预测 沙集 　　引言 　　作为“互联网+村域经济”的典型产物，“淘宝村”这一极具中国特色的农村电子商务集聚形态正受到越来越多的关注。近年来，其规模在全国范围内加速扩张，截至2015年底，淘宝村数量达到780个，同比增幅达到269.7%，淘宝镇数量也由去年的19个增至71个，分布于广东、福建、浙江、江苏等10个省市。农村电子商务作为推动农村信息化、引导农民增收，实现农村“大众创业、万众创新”的重要举措，其未来发展趋势对农村经济转型升级、社会和谐稳定发展进程都会产生重要影响。为保障其可持续发展，有必要探究评估其发展水平和预测发展走向的方法，以帮助当地政府制定帮扶政策和相关战略规划解决其在发展中遇到的困境，使其充分发挥“新常态”下推动农村经济增长的引擎作用。 　　农村电子商务产业集群作为新兴事物，相关学术研究较少，研究重点聚焦在发展模式、形成原因、建设培育和对策措施等方面，探究其发展水平并预测未来发展趋势的学术论文较为罕见。本文在借鉴区域电子商务发展水平测度模型和产业集群趋势预测模型相关研究成果的基础上，尝试构建了农村电子商务产业集群发展趋势预测模型，基于江苏沙集镇这一典型案例进行了实证分析，并对不同类型模型的预测效果进行了对比分析。 　　模型构建 　　（一）增长曲线预测模型 　　增长曲线模型即描述经济变量随时间变化的规律性，从已经发生的经济活动中寻找规律性，并用于未来的经济预测。作为一种常见的发展趋势预测模型，学术界已取得很多可供借鉴的成果，常用的增长型曲线模型包括指数曲线模型（彭敬东，2009）、Logistic曲线模型（高源，2012；汪翠翠，2015）、修正S曲线模型（常征，2012）、多项式曲线模型（赵丽萍，2013）等几类。 　　（二）灰色预测模型 　　灰色预测模型可以依据现有数据信息探索系统变动规律，对未来变化做出定量预测，具有样本数据少、建模简单、运算方便、预测精度较为良好等特点，在很多领域都受到广泛应用。灰色GM（1，1）模型可以通过以下步骤来进行预测： 　　（四）灰色神经网络预测模型 　　灰色神经网络预测模型是将灰色GM（1，1）模型与BP神经网络模型结合起来的一种组合模型，其构建步骤如下： 　　建立残差序列的BP网络模型。将原有时间序列与利用GM（1，1）模型预测值的残差记为e（0）（k）。设{e（0）（k）}为残差序列，k=1、2、…n，S表示预测阶数，即用e（0）（k-1），e（0）（k-2） ，…，e（0）（k-S）的信息来预测K时刻的值。将e（0）（k-1），e（0）（k-2） ，…，e（0）（k-S）作为BP神经网络S个输入样本，将e（0）（k）的值作为预测的期望值。 　　实证分析 　　（一）指标选取和数据预处理 　　与传统产业集群相比，电子商务产业集群拥有更广泛的范围、更为灵活的组织规模和更多的发展影响因子，评估其发展水平时，需要考量电子商务本身特性，目前学术界在进行区域电子商务评价测度时大多采取构建指标体系的综合评价法。经济合作发展组织（OECD）提出的S型曲线电子商务测度理论模型成为后续研究的理论基础，部分学者基于此研究成果，根据研究目的和研究对象进行相应调整，构建了不同的电子商务发展水平测度体系。如APEC（2006）提出的电子商务准备状况评估指南帮助政府评估电子商务就绪度的状况；刘敏等（2008）构建了涵盖电子商务交易规模、基础设施和对国民经济影响等多个方面电子商务发展测度指标体系；黄建青（2012）构建电子商务就绪度模型体系对中国、美国等七国电子商务发展水平进行了实证分析。 　　指标选取。本文在借鉴刘敏所设计的电子商务发展测度指标体系的基础上，兼顾数据可得性与指标独立性，构建了沙集电子商务产业集群发展水平测度体系（见表1）。 　　数据预处理。本文采用熵权法确定测度体系中各指标的权重系数，由权重系数对这些指标进行线性组合得到一个综合指标值（SARD），代表2006-2014年沙集电商产业集群的发展水平。熵权法的主要步骤如下： 　　（二）实证分析 　　增长曲线预测模型。利用SPSS统计软件对SARD时间序列进行拟合，比较分析几种增长曲线模型的拟合度，其中二次函数曲线模型拟合度最高（R2=0.990）。得