趋势测度方法

趋势测度是反映现象未来情况及变化趋势的统计测度方法，根据所研究实际问题的不同，可以将趋势测度方法分为回归分析方法、时间序列分析方法和计量经济学分析方法。

（一）回归分析方法

回归分析通常重点考察一个特定变量（因变量），而将其他变量（自变量）看做是这一变量的影响因素，通过建立适当的数学模型来表达变量间的变动关系，然后借助一个或几个自变量的取值来预测因变量的取值。

回归分析可以按照不同的分类标准进行分类，从变量间回归分析的表现形式来看，回归分析可以分为线性回归分析和非线性回归分析；按回归分析所涉及变量的多少来分类，可以将回归分析分为一元回归分析和多元回归分析。杨荫洲（1986）认为多元回归预测要比一元回归预测更为可靠，但是计算比较复杂，因此在多元回归预测中要严格控制自变量的个数。进行回归预测时，应首先通过对要预测的事件和相关因素对应的观察值做相关图以判断变量间的相关类型，进而确定使用哪种回归模型。然后，计算相关系数，判断变量间相关关系的密切程度。最后，根据所建立的回归模型进行回归预测，为做出合理决策提供技术上的支持。

在多元回归预测中还会涉及多重共线性的问题，所谓多重共线性就是回归中有两个或两个以上自变量彼此相关的情形，多重共线性的存在会导致回归结果混乱甚至将分析引入歧途，另外还会对参数估计值的正负号产生影响。我们必须正确识别和处理多重共线性问题。识别多重共线性的方法有多种，最简单的一种是计算各对自变量之间的相关系数，检验其显著性水平，若显著，就说明模型中存在多重共线性。另外，当模型的检验显著，但几乎所有的回归系数的检验却不显著时和回归系数的正负号与预期相反时，也能够说明模型存在多重共线性。若模型中存在多重共线性，就应该采取积极的措施来解决，但根据相关系数检验解决多重共线性的方法并不是最好的。我们应该想办法在建立模型之前就有选择地确定进入模型的自变量，从而避免多重共线性问题的出现，其中，变量选择的方法主要有：向前选择法、向后剔除法和逐步回归法。

（二）时间序列分析方法

时间序列分析方法是一种研究变量如何随时间发展变化的预测方法，它利用经济发展的历史资料预测未来一定时期内经济的发展变化情况。可以利用该方法，依据系统观测所得的时间数列对系统进行客观描述。当观测值取两个以上变量时，还可以用一个时间序列中的变化去说明另一个时间序列中的变化。另外，还可以通过拟合时间序列，预测该时间序列的未来值。

按时间序列变动趋势的不同，时间序列分析方法可以分为平稳序列分析方法、趋势序列分析方法、季节型序列分析方法和复合型序列分析方法。其中，平稳序列分析方法包括简单平均法、移动平均法和指数平滑法；趋势序列分析方法包括线性趋势分析方法和非线性趋势分析方法；季节型时间序列是指序列中含有趋势和季节等多种成分的时间序列，在处理这种时间序列时，应该在考虑趋势的同时，将季节因素作为哑变量引入回归模型，再用多元回归方程进行预测；复合型序列是指含有趋势性、季节性、周期性和随机成分的序列，对这类序列的预测方法通常是将时间序列的各个因素依次分解出来，然后再进行预测。

徐国祥认为当时间序列既无趋势也无周期变化形态时，使用简单移动平均法，若时间序列中出现趋势和周期因素时，应使用加权平均法。指数平滑法适用于具有或不具有季节形态的反复的短期预测，其中包括简单指数平滑法、带有趋势形态的指数平滑法和带有循环变动形态的指数平滑法。简单指数平滑法适用于时间序列中既没有循环变动也没有趋势可言的情况；带有趋势形态的指数平滑法适用于时间序列存在某种趋势的情况；带有循环变动形态的指数平滑法适用于时间序列中存在循环变动，但不管是否存在长期趋势的情况。当被预测的时间序列存在明显的趋势时应该使用趋势外推法，该方法广泛适用于中期预测。如果时间序列的逐年增长量大致相同，可以使用相应的直线模型预测未来；如果时间序列的逐年增长率大致相同，可以使用相应的指数曲线模型预测未来；如果时间序列的逐年增长量中期大，前期和后期小，可以使用相应的二次抛物线模型预测未来。当时间序列呈现出某些有规律的季节性态势时，应首先运用分解分析法。它适用于一次性的短期或不经常的预测。

（三）计量经济学方法

计量经济学是一种以一定的经济理论和实际统计资料为基础，运用数学、统计学方法与计算机科学，以建立计量经济学模型为主要手段，定量研究具有随机性特征的经济变量间关系的数学模型，还可以利用计量经济学模型计量出经济理论中阐述的经济关系的实际数值，以便使用计量结果验证或改进经济理论，并且进一步解释过去、预测未来和规划政策。最常构建的计量经济学模型为ARIMA模型，该模型主要用于平稳序列或可平稳化序列的预测中。计量经济学模型可用于经济结构分析、宏观经济预测和政策评价等多个方面。

从一个结构方程式以内的相互关系来看，经济变量分为因变量和自变量；从变量数值在整个模型范围内的决定方式来看，经济变量又可以分为内生变量和外生变量，内生变量的数值在模型范围以内决定，外生变量的数值在模型范围以外决定，外生变量数值的变化影响内生变量的取值，但是内生变量的取值不影响外生变量的取值。需要注意的是，内生变量不一定在各个结构方程式内都处于因变量的地位，但是全部内生变量的数值最终都由整个模型的全体方程式共同决定。计量经济模型的构建就是用全体外生变量和随机扰动项作为已知条件来解释全体内生变量的数值最终是如何决定的过程。计量经济学模型所使用的数据可以分为截面数据、面板数据和时间序列数据，截面数据较多应用于微观经济行为的分析中，但是宏观政策分析中偶尔也会用到；面板数据弥补了截面数据不能控制观测主体中未观测到变量的不足，可以满足模型变量的一致性的要求；时间数列数据多用于分析经济行为者在不同时期的动态经济行为。

计量经济学模型的结构方程式必须相互独立，不相矛盾的，且其数目必须等于内生变量的数目。另外，还要检验估计结果是否符合模型所依据的经济理论，检验方式主要是看估计的参数值是否显著大于零。若大于零，说明有关变量之间存在相互关系；若不大于零，则要继续收集资料，进行估计，或改进模型，甚至修订依据的理论，直到得出显著的参数估计值为止。在利用计量经济学模型进行预测时，只需将外生变量的预期可能取到的数值代入所建立的模型即可。