现代流通业与先进制造业子系统协同性预警分析

（一）科技创新能力协同性预警分析

1.预测科技创新能力协同性警度值

将现代流通业与先进制造业的科技创新能力静态协同性评价指数C1s（x，y）作为警情指标，利用ARMA模型对其在2015—2019年的发展趋势值进行预测。

首先，进行平稳性检验。在预测之前，用ADF检验对序列C1s（x，y）的平稳性进行检验。ADF检验时选择含有“Intercept”，检验结果见表6-2。

表6-2　序列C1s（x，y）单位根检验结果

表6-2表示，序列C1s（x，y）在1%的显著性水平下，拒绝原假设，因而是平稳的序列。

其次，确定模型阶数。利用ARMA进行预测前，需要确定模型阶数。确定模型阶数时，需要先观察序列的相关系数AC和偏自相关系数PAC，以确定其是否适用ARMA（p，q）模型。接着，应用AIC和SC最小值原理确定ARMA（p，q）模型的阶数，即p和q的值。

由于序列C1s（x，y）的自相关系数AC和偏自相关系数PAC没有明显截尾，对其两次差分后截尾，见图6-1。偏自相关系数在3阶时接近置信带边缘，尝试拟合AR（2）或AR（3）；自相关系数在1阶截尾，尝试拟合MA（1）。

图6-1　序列C1s（x，y）两次差分后的AC和PAC

为了确定ARMA（p，q）模型中的p和q值，本书尝试了不同阶数的ARMA模型，观察AIC和SC值，根据AIC和SC最小化原理确定p和q值。各个模型AIC和SC值见表6-3。

表6-3　ARMA模型的阶数及AIC、SC值（科技创新能力协同性指数）

由表6-3可知，ARMA（2，2）模型中的AIC和SC值最小。根据AIC和SC值最小化原则，最后确定模型的阶数为p=2和q=2。得到如下科技创新能力协同性指数预测模型：

式中，DDC1s（t）为序列C1s（x，y）的二次差分序列。

再次，检验ARMA（2，2）模型。拟合模型需要经过检验才能确定适用性。模型（6-4）残差序列的AC和PAC见图6-2。通过对模型残差序列进行检验，发现残差序列不显著相关，因此本书认为模型拟合通过检验。

图6-2　科技创新能力协同性指数预测模型残差相关

最后，预测科技创新能力协同性指数。根据式（6-4）的预测模型，对数据进行还原，得到2015—2019年现代流通业与先进制造业科技创新能力协同性指数预测值。

2.划分警级并预报警度

本书使用3σ法，现代流通业与先进制造业科技创新能力协同性预警警级和警度见表6-4。

表6-4　现代流通业与先进制造业科技创新能力协同性预警警级与警度

根据表6-4对现代流通业与先进制造业科技创新能力协同性预警与警级的划分标准，对1992—2019年现代流通业与先进制造业科技创新能力协同性进行警度预报，得到表6-5。

表6-5　现代流通业与先进制造业科技创新能力协同性预警警度与警级的划分情况

续表

表6-5可以看出，1997年、2000年、2008年、2011年我国现代流通业与先进制造业科技创新能力处于轻警状态，2001年处于中警状态，其余年份处于无警状态。

（二）可持续发展能力协同性预警分析

1.预测可持续发展能力协同性警度值

在进行现代流通业与先进制造业可持续发展能力协同性预警之前需要预测其2015—2019年的发展趋势值。将现代流通业与先进制造业可持续发展能力静态协同性评价指数C2s（x，y）作为警情指标，利用ARMA模型对其2015—2019年发展趋势值进行预测。

首先，进行平稳性检验。利用ADF检验现代流通业与先进制造可持续发展能力协同性指数C2s（x，y）的平稳性。ADF检验时选择含有“Intercept”，检验结果表示，序列数C2s（x，y）在1%的显著性水平下，拒绝原假设，因而是平稳的。

其次，确定模型阶数。观察序列C2s（x，y）的相关系数AC和偏自相关系数PAC确定其是否适用ARMA（p，q）模型。接着，应用AIC和SC最小值原理确定ARMA（p，q）模型的阶数，即p和q值。

由于序列C2s（x，y）的自相关系数和偏自相关系数没有明显截尾，对其一次差分后截尾偏自相关系数在2阶时接近置信带边缘，尝试拟合AR（1）或AR（2）；自相关系数在1阶截尾，尝试拟合MA（1）。根据AIC和SC值最小化原则，最后确定模型的阶数为p=1和q=2。得到如下可持续发展能力协同性指数预测模型：

式中，DC2s（t）为序列C2s（x，y）的一次差分序列。

再次，检验ARMA（1，2）模型。拟合模型需要检验才能确定适用性。通过对模型（6-5）的残差序列进行检验，发现残差序列不显著相关，因此本书认为模型拟合通过检验。

最后，预测现代流通业与先进制造业可持续发展能力协同性指数。根据式（6-5）的预测模型，并对数据进行还原，得到2015—2019年现代流通业与先进制造业可持续发展能力协同性指数预测值。

2.划分警级并预报警度

根据3σ法，现代流通业与先进制造业可持续发展能力协同性指数预警警级和警度见表6-6。

表6-6　现代流通业与先进制造业可持续发展能力协同性预警警级与警度

根据表6-6对现代流通业与先进制造业可持续发展能力协同性预警与警级的划分标准，对1992—2019年现代流通业与先进制造业可持续发展能力协同性进行警度预报，得到表6-7。

表6-7　现代流通业与先进制造业可持续发展能力协同性预警警度与警级的划分情况

续表

从表6-7可以看出，1992—2019年，现代流通业与先进制造业可持续发展处于无警状态，这说明现代流通业与先进制造业可持续发展能力协同性状况较好。

（三）市场开拓能力协同性预警分析

1.预测市场开拓能力协同性警度值

在进行现代流通业与先进制造业市场开拓能力协同性预警之前，需要预测其在2015—2019年发展趋势值。将现代流通业与先进制造业市场开拓能力静态协同性评价指数C3s（x，y）作为警情指标，利用ARMA模型对其2015—2019年发展趋势值进行预测。(www.xing528.com)

首先，进行平稳性检验。利用ADF检验现代流通业与先进制造业市场开拓能力协同性指数C3s（x，y）的平稳性。ADF检验时选择含有“Intercept”，检验结果表示，序列C3s（x，y）在5%的显著性水平下，拒绝原假设，是平稳序列。

其次，确定模型阶数。由于序列C3s（x，y）的自相关系数和偏自相关系数没有明显截尾，对其进行一次差分。本书尝试了不同阶数的ARMA模型，根据AIC和SC值最小化原则，最后确定模型的阶数为p=1和q=1。得到如下市场开拓能力协同性指数预测模型：

式中，DC3s（t）为序列DC3s（x，y）的一次差分序列。

再次，检验ARMA（1，1）模型。通过对模型（6-6）的残差序列进行检验，发现残差序列不显著相关，模型拟合通过检验。

最后，预测现代流通业与先进制造业市场开拓能力协同性指数。根据式（6-6）的预测模型，并对数据进行还原，得到2015—2019年现代流通业与先进制造业市场开拓能力协同性指数预测值。

2.划分警级并预报警度

根据3σ法，现代流通业与先进制造业市场开拓能力协同性指数预警警级和警度见表6-8。

表6-8　现代流通业与先进制造业市场开拓能力协同性预警警级与警度

根据表6-8对现代流通业与先进制造市场开拓能力协同性预警与警级的划分标准，对1992—2019年现代流通业与先进制造业市场开拓协同性进行警度预报，得到表6-9。

表6-9　现代流通业与先进制造业市场开拓能力协同性预警警度与警级的划分情况

续表

从表6-9可以看出，1992—2019年，现代流通业与先进制造业市场开拓能力协同性警度变化比较大。1994年、1999年、2000年、2001年、2002年、2005年、2008年，现代流通业与先进制造业市场开拓能力处于中警状态；1992年、2010年、2012年、2013年，现代流通业与先进制造业市场开拓能力处于轻警状态；其他年份处于无警状态。

（四）产业效率协同性预警分析

1.预测产业效率协同性警度值

将现代流通业与先进制造业产业效率静态协同性评价指数C4s（x，y）作为警情指标，利用ARMA模型对其在2015—2019年的发展趋势值进行预测。

首先，进行平稳性检验。利用ADF检验现代流通业与先进制造业效率协同性指数C4s（x，y）的平稳性。ADF检验时选择含有“Intercept”，检验结果表示，序列C4s（x，y）在1%的显著性水平下，拒绝原假设，是平稳序列。

其次，确定模型阶数。根据AIC和SC最小值来确定模型的阶数，最后确定p=2和q=1。得到如下效率协同性指数预测模型：

式中，DC4s（t）为序列C4s（x，y）的一次差分序列。

再次，检验ARMA（2，1）模型。拟合模型需要检验才能确定适用性。通过对模型（6-7）的残差序列进行检验，发现残差序列不显著相关，因此本书认为模型拟合通过检验。

最后，预测现代流通业与先进制造业产业效率协同性指数。根据式（6-7）的预测模型，并对数据进行还原，得到2015—2019年现代流通业与先进制造业效率协同性指数预测值。

2.划分警级并预报警度

根据3σ法，划分现代流通业与先进制造业市场效率协同性指数预警警级并预报警度，见表6-10。

表6-10　现代流通业与先进制造业产业效率协同性预警警级与警度

根据表6-10对现代流通业与先进制造效率协同性预警与警级的划分标准，对1992—2019年现代流通业与先进制造业效率协同性进行警度预报，得到表6-11。

表6-11　现代流通业与先进制造业产业效率协同性预警警度与警级的划分情况

续表

从表6-11可以看出，1992—2019年，现代流通业与先进制造业产业效率协同程度较好。1996年、2001年、2004年、2009年产业效率协同性处于轻警状态，1994年、2010年处于中警状态外，其他年份的协同性处于无警状态。

（五）产业效益协同性预警分析

1.预测产业效益协同性警度值

将现代流通业与先进制造业产业效率静态协同性评价指数C5s（x，y）作为警情指标，利用ARMA模型对其在2015—2019年的发展趋势值进行预测。

首先，进行平稳性检验。利用ADF检验现代流通业与先进制造业产业效益协同性指数C5s（x，y）的平稳性。ADF检验时选择含有“Intercept”。结果表示，序列C5s（x，y）在1%的显著性水平下，拒绝原假设，是平稳序列。

其次，确定模型阶数。由于序列C5s（x，y）的自相关系数和偏自相关系数没有明显截尾，对其进行一次差分。根据AIC和SC值最小化原则，最后确定模型的阶数为p=2和q=1。得到如下产业效益协同性指数预测模型：

式中，DC5s（t）为序列C5s（x，y）的一次差分序列。

再次，检验ARMA（2，1）模型。通过对模型（6-8）的残差序列进行检验，发现残差序列不显著相关，因此本书认为模型拟合通过检验。

最后，预测现代流通业与先进制造业产业效益协同性指数。根据式（6-8）的预测模型，并对数据进行还原，得到2015—2019年现代流通业与先进制造业产业效益协同性指数预测值。

2.划分警级并预报警度

根据3σ法，划分现代流通业与先进制造业产业效益协同性指数预警警级并预报警度，见表6-12。

表6-12　现代流通业与先进制造业产业效率协同性预警警级与警度

根据表6-12对现代流通业与先进制造产业效益协同性预警与警级的划分标准，对1992—2019年现代流通业与先进制造业产业效益协同性进行警度预报，得到表6-13。

表6-13　现代流通业与先进制造业产业效益协同性预警警度与警级的划分情况

续表

从表6-13可以看出，1992—2019年，现代流通业与先进制造业产业效益协同性均处于无警状态，这说明现代流通业与先进制造业产业效益处于非常协同状态。