时间序列模型在我国财政收入分析中的应用new

《时间序列模型在我国财政收入分析中的应用new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第27卷第2期阜阳师范学院学报(自然科学版)VoI．27，No．22010年6月JournalofFuyangTeachers‘College(NaturalScience)Jun．2010时间序列模型在我国财政收人分析中的应用谷雪，孙德山(辽宁师范大学数学学院，辽宁大连116O29)摘要：利用全国1978年至2005年间的28个财政收入数据，选择四个时间序列模型和一个混合指数函数一AR模型进行拟合。依据AIC准则、BIC准则和MAPE准则分别对模型预测精度进行评价，选择恰当模型。以2006、2007和2008年的数据作为检验数据验证模型

2、的预测效果，进一步证实ARMA模型预测效果较好。．关键词：ARMA模型，混合指数函数一AR模型；财政收入；预测中图分类号：TP391文献标识码：A文章编号：1004—1069(2010)02—0010—04ApplicationoftimeseriesmodelinfinancialrevenueanalysisGUXue，SUNDe—shan(SchoolofMathematics，LiaoningNormalUniversity，DalianLiaoning116029，China)Abstract：Useofthe28Nationa

3、lfinancialincomedatasfrom1978to2005，thispaperselectsfourtimeseriesmodelsandhybridexponential-ARmodeltofitting．TheappropriatemodelisselectadbasedonthecriteriaAIC，BICandMAPEtoevaluatethemodelpredictionsaccuracy．Takingthe2006，2007and2008’Sdataastestdatatoverifythemodelpredic

4、—tions，itshowsthatARMAmodelprovidesgoodforecast．Keywords：ARMA；hybridexponential—ARmodel；revenue；forecast财政收入，是指政府为履行其职能、实施公共一般模型政策和提供公共物品与服务需要而抽泣的一切资Yr—c+y一1+讫—z+⋯+—p++金的总和。财政收入是衡量一国政府财力的重要指01一1+Ozef-2+⋯+一称为ARMA(p，q)模标，政府在社会经济活动中提供公共物品和服务的型，其中E(E。)一0，E(￡)一d。，E(·)=0，范围和数量，

5、在很大程度上决定于财政收入的充裕t≠S。状况。财政就是为了满足社会公共需要，弥补市场用滞后算子表示：失灵，以国家为主体参与的社会产品分配活动。它(1一L一讫L一⋯一L)·Y一既是政府的集中性分配活动，又是国家进行宏观调C+(1+01L+02L。+⋯+OqLq)·，控的重要工具。同时，反应出一个国家或地区的经(L)·Yt—C+@(L)·，济发展水平。因而，对财政收入的研究具有重要的(L)，()没有公共因子，≠0，≠0。现实意义。仇，⋯，是自回归系数，0“，是滑动平均系数[¨。1ARMA模型1．2数据的预处理1．1ARMA模型定义画图观察，如

6、图1数据呈现出明显的指数增长收稿日期：2010—04一Ol基金项目：辽宁省高等学校科研项目(2008343)资助。作者简介：谷雪(1985一)，女，在读研究生。研究方向：应用统计学。通讯作者：孙德山(1970一)，男，博士，副教授。研究方向：应用统计学。第2期谷雪等：时间序列模型在我国财政收入分析中的应用趋势。该数据是非平稳序列，因此对其取对数后差后达到平稳，下面对处理后的ddlre时间序列建立分。模型。1．3模型建立^IREVE厄首先计算出序列的自相关函数和偏相关函数。V观察自相关函数和偏相关函数都表现出拖尾的特j霉一<性，可以确定使用

7、ARMA(，g)模型。进一步分析，餐可看出自相关函数在第四步有明显的减小，在第六步有更进一步的减小，所以P取3或4。但是，试验年份的时间序列发现P取3或4并没有得到好的结果。偏相关函数在第四步有明显的减小，q取3。为了找到最佳模图1初始数据型，下面分别建立MA(2)、MA(3)、ARMA(2，3)、如图2为一阶差分后的数据，指数增长趋势逐ARMA(3，2)四个模型进行分析，结果如表2所示。渐消失，但仍然没有明显的平稳特征，再进行二阶其中，ARMA(2，3)是去掉不显著解释变量的只包差分并用ADF检验法比较其平稳性，检验结果如含AR(2)、

8、MA(1)、MA(2)和MA(3)的跳阶AR—表1所示。MA模型；ARMA(3，2)是包含AR(3)和MA(2)的跳阶模型。表2模型的比较j四g籁莨骧籁时间序列由表2可知MA(3)模型和ARM