arima模型在广东省gdp预测中的应用

《arima模型在广东省gdp预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、ARIMA模型在广东省GDP预测中的应用16摘要在国民经济发展的过程中，国内生产总值(GDP)无疑是衡量一个国家综合国力的重要指标国内生产总值(GrossDomesticProduct)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。这个指标把国民经济全部活动的产出成果概括在一个极为简明的统计数字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了一个最为综合的尺度，可以说，它是影响经济生活乃至社会生活的最重要的经济指标。对其进行的分析预测具有重要的理论与现实意义。而一个国家的国内生产

2、总值又是由各省生产总值所构成的，因此研究各省生产总值对研究国内生产总值以及各省乃至全国经济都起着重要作用。时间序列是指同一种现象在不同时间上的相继观察值排列而成的一组数字序列。时间序列预测方法则是通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测。传统的时间序列分析方法在经济中的应用，主要是确定性的时间序列分析方法，包括指数平滑法、移动平均法、时间序列的分解等等。随着社会的发展，许多不确定因素在经济生活中的影响越来越大，必须引起人们的重视。1970年，Box和Jenkins提出了以随机理论为基础的时间序列分析方法，使时间序列分析理论上升到了

3、一个新的高度，预测的精度大大提高。时间序列分析的基本模型有：ARMA模型和ARIMA模型。本文以广东省1978年至2009年三十二年来省内生产总值为基础，SAS软件对数据进行时间序列分析，建立时间序列模型，并对模型进行检验，综合各种条件最终确定较适合模型。最后利用所建模型对吉林省未来10年的省内生产总值做出预测。关键词：时间序列：GDP；ARMA模型；ARIMA模型ARIMA模型在广东省GDP预测中的应用1第一章引言41．1分析预测GDP年度数据的原因41．2时间序列分析法简述41．3本文的主要工作416二.时间序列分析基本方法42.1、平稳时间序列的定义52.2平稳性检验52.3纯随

4、机性52.4模型62.5模型62.6模型72．7模型72.8模型的识别8三．实例分析93.1原始数据的平稳性分析93.2原始数据的平稳化处理103.2.一阶差分113.2.2二阶差分113.3.3三阶差分：123.3ARIMA（p,q）模型的建立与检验.133.3.1p,q确定133.3.2参数检验及残差检验143.3.2模型确定143.4序列预测153.4.1拟合、预测图153.4.2短期预测及预测效果.15四，结论1516第一章引言1．1分析预测GDP年度数据的原因国内生产总值(GDP)是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果。这个指标把国民经济全部活动的产出成

5、果概括在一个极为简明的统计数字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了一个最为综合的尺度，可以说，它是影响经济生活乃至社会生活的最重要的经济指标。对其进行的分析预测具有重要的理论与现实意义。而一个国家的国内生产总值又是由各省生产总值所构成的，因此研究各省生产总值对研究国内生产总值以及各省乃至全国经济都起着重要作用。本文以吉林省为例，利用时间序列分析方法，建立吉林GDP时间序列模型，分析经济增长的内在特征。并对未来十年吉林经济发展做出预测，为政府制定经济发展战略提供依据。1．2时间序列分析法简述客观现象都是处在不断发展变化之中，对现象发展变化的规律，不仅要从

6、内部结构、相互关联去认识，而且还应随时间演变的过程去研究，这就需要运用时间序列分析方法。时间序列分析是一种广泛应用的数量分析方法，它主要用于描述和探索现象随时间发展变化的数量规律。时间序列是指同一种现象在不同时间上的相继观察值排列而成的一组数字序列。时间序列预测方法则是通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测。传统的时间序列分析方法在经济中的应用，主要是确定性的时间序列分析方法，包括指数平滑法、滑动平均法、时间序列的分解等等。随着社会的发展，许多不确定因素在经济生活中的影响越来越大，必须引起人们的重视。时间序列分析的基本模型有：A

7、RMA模型和ARIMA私模型。时间序列分析预测法，首先将预测目标的历史数据按照时间先后的顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。1．3本文的主要工作从《中国统计年鉴2011》中选取广东1978年2009年共32年的GDP作为数据，运用时间序列的分析方法来建立模型，进行模型识别、参数估计和模型检验