企業(yè)管理論文對中小企業(yè)數量基于時間序列的預測
2010年9月，市委、市政府召開了加快科技型中小企業(yè)發(fā)展動員大會，頒布了《市委、市政府關于加快科技型中小企業(yè)發(fā)展的若干意見》，啟動實施了天津市科技小巨人成長計劃。三年多以來，全市上下形成合力，各區(qū)縣、各單位、各部門積極行動、認真落實，科技型中小企業(yè)呈現出蓬勃發(fā)展態(tài)勢。
摘要：大力發(fā)展科技型中小企業(yè)，是天津市十二五期間的一個重要的戰(zhàn)略舉措。三年多以來天津市科技型中小企業(yè)快速發(fā)展，目前總數累計已達5萬家。在看到企業(yè)數量不斷增長的同時，把握這種發(fā)展內部所存在的統(tǒng)計規(guī)律，并利用這種規(guī)律指導今后的工作，對于天津市科技型中小企業(yè)未來一段時間更好的發(fā)展大有益處。故本文針對我市科技型中小企業(yè)數量，使用時間序列模型進行擬合，并基于擬合的模型對未來天津市科技型中小企業(yè)的數量進行預測。
關鍵詞：企業(yè)管理論文投稿,科技,中小企業(yè),預測
1研究的目的與意義
截至2013年底，我市科技型中小企業(yè)累計達到49212家，從不同階段的企業(yè)數量分布來看，初創(chuàng)期企業(yè)是我市科技型中小企業(yè)的主體，共38851家，占全市科技型中小企業(yè)總數的78.95%；成長期企業(yè)7867家，占全市總數的15.98%；壯大期企業(yè)2494家，占全市總數的5.06%。（以上數據來源為科服網，科服網為整合政府和社會資源的網絡信息平臺，現已成為科技型中小企業(yè)發(fā)展工作的在線管理平臺、數據統(tǒng)計監(jiān)測平臺和企業(yè)綜合服務平臺。）
天津市科技型中小企業(yè)在啟動的三年多以來，科技型中小企業(yè)一直呈現出蓬勃發(fā)展的態(tài)勢，科技型中小企業(yè)的數量一直在不斷的增長。但是目前普遍缺少對我市科技型中小企業(yè)數量增長規(guī)律的研究，如何對這種增長的規(guī)律用合適的模型進行適當的分析，用科學的的手段掌握發(fā)展的內在規(guī)律，基于這一規(guī)律對科技型中小企業(yè)今后一段時間的發(fā)展做出預測，以便相關部門更好的針對預測出的結果安排工作，有著重要的意義。故本文使用自2010年9月科技型中小企業(yè)發(fā)展工作啟動以來的科服網數據庫資料，基于時間序列模型，首次擬合和預測了天津市科技型中小企業(yè)在初創(chuàng)期、成長期和壯大期的科技型中小企業(yè)數量。
2時間序列模型
時間序列模型是由Box和Jenkins于70年代初提出的著名預測方法[1]，幾十年來，時間序列模型方法在應用中不斷成熟和進步，在經濟學、商學、工程學、自然科學以及社會科學等諸多領域都有著廣泛的應用，為人類生產力的發(fā)展做出了巨大的貢獻。目前，時間序列模型在預測人口、GDP、空氣污染、能源消費和火災風險等多方面得到了廣泛而成功的應用[2-6]。
移動平均法、加權移動平均法、指數平滑法和回歸預測法是目前比較常用的預測方法。移動平均法受計算期數影響，預測值僅與近期有關，與計算期以前的數據無關，與客觀情況不盡相符；加權移動平均法需要預測者對序列進行了解和分析；指數平滑法預測值受數值大小的影響較大，取值不當，預測值出現的偏差就大；回歸預測法比較機械，不易靈活掌握，對信息資料質量要求較高。相比于這幾種方法，使用時間序列模型進行預測可以充分利用所有的數據，充分反映數據的自相關關系，能更好的貼近數據的真實情況，達到更加準確的預測效果。
時間序列模型是由自回歸移動平均（ARMA）模型組成，包括純自回歸（AR）和純移動平均（MA）模型作為特例。
在自回歸模型中，過程的當前值為由有限的過程先前值的線性組合和一個沖擊所構成。由來記等間隔時間上的值，且記為關于的序列偏差，所以有：
�。�1）
被稱為p階自回歸過程，記為AR（p），因為式（3-1）是變量X對其自身過去值的回歸，所以稱為自回歸模型。
當還表示為的無線加權和時，模型就變?yōu)橐苿悠骄Ｐ停咕�性依賴有限的q個的過去值，于是有：
�。�2）
稱為q階移動平均模型，記為MA（q），其中乘在上的權數
不必綜合為1，也不必是正的。
為了使實際中擬合的時間序列有更大的靈活性，可以將自回歸和移動平均項一起納入模型中，這就是自回歸移動平均混合模型：
�。�3）
此模型記為ARMA（p，q）。
3數據分析
圖1所示的三張圖分別為從2010年9月至2013年12月初創(chuàng)期、成長期和壯大期天津市科技型中小企業(yè)的數量，從圖中可以看出三個時期的企業(yè)數量在三年多的時間中一直呈現快速增長的趨勢。由于2010年12月的數值存在一定程度的突發(fā)性，當時是由于各區(qū)縣科委處于集中申報時期，與其他數值的相關性不強，故從序列中刪除2010年12月的數值。從圖中可以直接看出，三個序列均為非平穩(wěn)序列，故分別對其進行一階差分，差分后的序列見圖2。
從圖2中可以看出，三個序列都始終在一個常數值附近隨機波動，而且波動的范圍有界，若觀察值序列的時序圖顯示出該序列有明顯的趨勢性或周期性，那它通常不是平穩(wěn)序列，故可以認為差分后的序列為平穩(wěn)序列。使用Minitab軟件分別計算三個序列的自相關和偏相關函數，結果見圖3。
�。╝）初創(chuàng)期（a）初創(chuàng)期
�。╞）成長期（b）成長期
（c）壯大期（c）壯大期
圖12010.9-2013.12圖2差分后的
科技型中小企業(yè)數量科技型中小企業(yè)數量
（a）初創(chuàng)期
�。╞）成長期
�。╟）壯大期
圖3三個不同時期天津市科技型中小企業(yè)數量差分序列的自相關和偏相關函數
從圖3中可以看出，三個序列均存在一定程度的自相關性，故可以使用ARIMA時間序列模型對其進行擬合。使用JMulti軟件分別對三個序列的模型階數進行檢驗，結果顯示三個序列為一階自回歸模型AR（1）。使用Minitab軟件分別對三個序列進行擬合，結果如下：初創(chuàng)期：Xt=542.25+0.3844Xt-1+εt
成長期：Xt=89.27+0.3918Xt-1+εt
壯大期：Xt=17.54+0.6128Xt-1+εt
處于三個時期的科技型中小企業(yè)數量都存在一定程度的自相關性，說明了我市科技型中小企業(yè)數量的增加與之前的企業(yè)數量有著一定程度的關系，并非獨立的數值。故基于擬合的時間序列模型對我市今后三年時間每季度的科技型中小企業(yè)數量進行預測，結果見表1：
表1三個不同時期天津市科技型中小企業(yè)數量的預測值
�。╝）初創(chuàng)期
（b）成長期
�。╟）壯大期
從表1中可以看出，預計到2014年年底我市的初創(chuàng)期科技型中小企業(yè)可以達到49081家，成長期科技型中小企業(yè)可以達到9560家，壯大期科技型中小企業(yè)可以達到2989家，總數可以達到61630家。2015年年底初創(chuàng)期科技型中小企業(yè)可以達到59653家，成長期科技型中小企業(yè)可以達到11324家，壯大期科技型中小企業(yè)可以達到3529家，總數可以達到74506家。2016年年底初創(chuàng)期科技型中小企業(yè)可以達到70225家，成長期科技型中小企業(yè)可以達到13088家，壯大期科技型中小企業(yè)可以達到4069家，總數可以達到87409家。
2014年1月底，我市初創(chuàng)期科技型中小企業(yè)達到39111家，成長期7824家，壯大期3168家，總數50103家�；跁r間序列模型的預測值分別是39525家、7972家和2520家，總數50017家。從結果可以看出，預測值與實際值相差并不大，此方法具有一定的可信度，可以用來對今后一定時間的科技型中小企業(yè)數量進行預測，且預測結果可以用來指導相關部門的工作，可以更早的對發(fā)展趨勢進行把握。
4總結與發(fā)展建議
對我市科技型中小企業(yè)數量使用時間序列模型進行預測是基于數據內部的純統(tǒng)計規(guī)律進行的分析，拋開了政策因素和組織因素等外部影響條件，在使用上會存在一定的誤差，但是其揭示的數據內部的規(guī)律是客觀存在的，我市科技型中小企業(yè)的數量存在著自相關性，而利用這一自相關性進行的預測具有一定的科學依據，是可以用來指導今后一定時期的工作的。模型的建立是基于2010年9月至2013年12月的歷史數據的基礎上，隨著今后數據的不斷積累，基于時間序列模型的預測會更加準確。
從計劃啟動開始的三年多以來，我市科技型中小企業(yè)共提供了50萬個就業(yè)崗位，在科技型中小企業(yè)就業(yè)的人數占全市就業(yè)總人口的25%，從業(yè)人員年均收入達到6萬元，比全市企業(yè)職工平均工資高出40%�？萍夹【奕顺砷L計劃實施取得顯著成效，對我市經濟發(fā)展、產業(yè)結構調整、創(chuàng)新能力提升和社會事業(yè)進步等方面做出了重要貢獻。因此，科學的分析方法和務實的工作對于進一步發(fā)展我市科技型中小企業(yè)有著十分重要的作用，基于成熟的統(tǒng)計模型的數據分析的方法值得進一步研究和推廣。
參考文獻：
[1]BOXG，JEKINSGM，REINSELGC.時間序列分析——預測與控制[M].顧嵐，范金城譯.北京：中國統(tǒng)計出版社，1997.
[2]楊君哲，吳靜，王娟.中國人口數量的時間序列分析[J].科技信息，2012，32：139-140.
[3]徐世香.對我國1978年-2009年的GDP時間序列分析——基于1978年不變價格[J].中國商界，2013，3：193.
[4]鮑玉星，曉開題·依不拉音，吳文華.烏魯木齊大氣污染與呼吸系統(tǒng)疾病日住院人數的時間序列分析[J].新疆醫(yī)科大學學報，2013，4（36）：537-542.
[5]胡俊娟.中國能源消費的時間序列分析[J].浙江科技學院學報，2013，25（3）：164-167.
[6]姜立平，張曉琚.城市火災風險的時間序列分析[J].消防技術與產品信息，2013，8：8-12.
