• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于時(shí)間序列的我國GDP的短期預(yù)測

      2016-06-17 09:42張江城
      2016年15期
      關(guān)鍵詞:預(yù)測

      張江城

      摘要:隨著經(jīng)濟(jì)全球化的深入,一國的經(jīng)濟(jì)實(shí)力在國家實(shí)力中的重要性越來越突出,世界各國都開始瘋狂發(fā)展經(jīng)濟(jì),以在國際競爭中求得一席之位。GDP(國內(nèi)生產(chǎn)總值)從某個(gè)側(cè)面反映了國家的經(jīng)濟(jì)實(shí)力,成為了各國衡量經(jīng)濟(jì)實(shí)力的重要指標(biāo)。中國從改革開放之后,經(jīng)濟(jì)不斷發(fā)展,GDP數(shù)據(jù)逐年增加,并呈現(xiàn)一定的規(guī)律。若能準(zhǔn)確的預(yù)測中國之后幾年的GDP數(shù)據(jù),對國家宏觀調(diào)控具有重要意義。本文在各項(xiàng)預(yù)測方法中選擇了時(shí)間序列模型作為研究對象。從時(shí)間序列的基本概念出發(fā),了解時(shí)間序列模型的種類與建模方法,以整套的時(shí)間序列建模理論為基礎(chǔ),在我國GDP數(shù)據(jù)上建立了ARMA模型,應(yīng)用ARMA模型對2012年我國GDP數(shù)據(jù)進(jìn)行預(yù)測,其預(yù)測結(jié)果與實(shí)際值之間相差很小,擬合結(jié)果比較滿意;在此基礎(chǔ)上,預(yù)測未來三年的GDP數(shù)據(jù)。

      關(guān)鍵詞:GDP;時(shí)間序列模型;ARMA;預(yù)測

      一、 我國GDP的ARMA模型的建立

      (一) 數(shù)據(jù)的平穩(wěn)性的檢驗(yàn)和處理

      以我國1978年到2012年的GDP數(shù)據(jù)為例,分析ARMA的建模過程,并通過所選模型對2013年到2015年的我國GDP進(jìn)行預(yù)測,其中2012年的GDP數(shù)據(jù)為對照值。

      1978-2012年我國GDP時(shí)間序列數(shù)據(jù)資料見表1。

      從圖1可看出,近30多年來,我國GDP數(shù)據(jù)呈現(xiàn)出指數(shù)增長趨勢,具有明顯的非平穩(wěn)性。同時(shí)通過對近三十多年的GDP數(shù)據(jù)進(jìn)行單位根檢驗(yàn),結(jié)果見表2,ADF檢驗(yàn)表明GDP時(shí)間序列是單位根過程,是非平穩(wěn)時(shí)間序列?;蛘哂蒅DP時(shí)間序列的自相關(guān)和偏相關(guān)圖(圖2)可以看出,自相關(guān)系數(shù)沒有很快的趨于0,說明序列不是純隨機(jī)的,是非平穩(wěn)的。

      為了檢驗(yàn)?zāi)P偷念A(yù)測效果,將2012年的觀測值留出作為評價(jià)預(yù)測精度的參照對象。因此將建模的樣本期定為1978年到2011年。接下來對含有指數(shù)增長趨勢的時(shí)間序列,可以通過取對數(shù)將指數(shù)趨勢化為線性趨勢,然后在進(jìn)行差分消除線性趨勢。

      如上圖,先經(jīng)過對數(shù)處理后的數(shù)據(jù)LGDP呈線性趨勢(圖3),然后再經(jīng)過一階差分后,數(shù)據(jù)DLGDP呈現(xiàn)上下波動的狀態(tài)(圖4),然后對DLGDP數(shù)據(jù)作單位根檢驗(yàn)(表3)和自相關(guān)-偏相關(guān)圖檢驗(yàn)(圖5)。

      由表3可以看出,ADF檢驗(yàn)的t統(tǒng)計(jì)量=-3.724676,小于檢驗(yàn)水平為1%、5%、10%的統(tǒng)計(jì)量臨界值,而且t統(tǒng)計(jì)量相應(yīng)的概率值P非常小,因此拒絕存在單位根的原假設(shè),即認(rèn)為序列是平穩(wěn)的。

      同時(shí),由圖5可以看出樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)很快都落入隨機(jī)區(qū)間,即可認(rèn)為序列的趨勢性已基本消除,序列是平穩(wěn)的。

      (二) ARMA模型的建立與優(yōu)化

      ARMA(p,q)的自相關(guān)系數(shù)和偏相關(guān)系數(shù)均是拖尾的。從圖2-5中可以看出,自相關(guān)函數(shù)AC和偏相關(guān)函數(shù)PAC都具有拖尾性。自相關(guān)系數(shù)在q>1時(shí)顯示截尾現(xiàn)象,對q=1,2進(jìn)行比較最終確定最合適的值;偏相關(guān)系數(shù)在p>4時(shí)顯示明顯的截尾現(xiàn)象,對p=2,4進(jìn)行比較最終確定最合適的值。因此,可選擇的模型有ARMA(2,1),ARMA(2,2),ARMA(4,1),ARMA(4,2).對這四個(gè)模型進(jìn)行檢驗(yàn)比較。

      通過檢驗(yàn),這四個(gè)模型中,除了ARMA(2,1)的滑動平均過程不可逆外,其他模型的之后多項(xiàng)式的根部落在單位圓外,說明序列DLGDP的平穩(wěn)性和可逆性。同時(shí),通過表8可以看出,與前3個(gè)模型相比,ARMA(2,1)模型的AIC值和SC值最小,且擬合優(yōu)度2值最大,故選擇ARMA(2,1)為最優(yōu)預(yù)測模型。

      估計(jì)該模型的參數(shù)及模型的相關(guān)檢驗(yàn)結(jié)果。結(jié)果顯示,參數(shù)估計(jì)的p值非常小,參數(shù)估計(jì)值具有統(tǒng)計(jì)意義。其展開式如下:

      二、模型的診斷檢驗(yàn)

      ARMA模型參數(shù)估計(jì)后,應(yīng)檢驗(yàn)?zāi)P褪欠裾_。在前面已經(jīng)介紹過,通過殘差序列的白噪聲檢驗(yàn)來檢驗(yàn)?zāi)P偷挠行?。殘差序列的白噪聲檢驗(yàn)常用的是Q統(tǒng)計(jì)量檢驗(yàn):

      從圖6可以看到,殘差序列的樣本自相關(guān)函數(shù)都在95%的置信區(qū)間以內(nèi),從滯后1階到16階的自相關(guān)函數(shù)相應(yīng)的概率值P都大于檢驗(yàn)水平0.05,因此不能拒絕原假設(shè),即認(rèn)為模型ARMA(2,1)估計(jì)結(jié)果的殘差序列不存在自相關(guān)。

      三、 模型的預(yù)測

      根據(jù)以上的分析,所建立的ARMA(4,2)模型是合適的,因此可以用它來進(jìn)行預(yù)測。利用Eviews對DLGDP的2012到2015的數(shù)據(jù)進(jìn)行預(yù)測,結(jié)果如圖7,紅色虛線是預(yù)測置信區(qū)間,可以看到隨著向后預(yù)測期的增加,預(yù)測置信區(qū)間變大,從而表明預(yù)測期越往后,模型的預(yù)測精度越差。

      如表1所示,經(jīng)預(yù)測2012年的GDP值為55144524,與實(shí)際值的誤差為6.19%,較為精確。利用此模型對2013年到2015年我國的GDP數(shù)據(jù)進(jìn)行預(yù)測,結(jié)果在表9中顯示。

      四、總結(jié)

      ARMA模型對具有明顯趨勢的時(shí)間序列分析提供了很好的數(shù)學(xué)模型,它不依賴于變量所涉及到的專業(yè)知識,只依靠了樣本數(shù)據(jù)本身來實(shí)現(xiàn)建模。在社會經(jīng)濟(jì)發(fā)展變化過程的分析研究中廣泛應(yīng)用。預(yù)測時(shí)不需考慮其他因素的影響,僅從序列本身出發(fā),建立相應(yīng)的模型進(jìn)行預(yù)測,這就從根本上避免了尋找主要因素和次要因素的困難;和回歸相比,可以避免了尋找模型中對隨機(jī)擾動項(xiàng)限定條件在經(jīng)濟(jì)實(shí)踐中難以滿足的矛盾。

      本文將時(shí)間序列分析方法應(yīng)用到我國國內(nèi)生產(chǎn)總值短期預(yù)測中。文章對整個(gè)ARMA時(shí)間序列的建模及預(yù)測過程進(jìn)行了十分詳細(xì)的介紹,并且以我國GDP數(shù)據(jù)為例,利用ARMA模型進(jìn)行了預(yù)測,得到了比較好的預(yù)測結(jié)果。在整個(gè)建模過程中,通過Eviews軟件可以很方便地得出序列模型并且有很高的擬合精度。(作者單位:武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院)

      參考文獻(xiàn):

      [1]Robert H.Shumway and David S.Stoffer:《Time Series Analysis and Its Applications With R Examples》[M],世界圖書出版社,2009

      [2]李正輝、李庭輝著:《時(shí)間序列分析實(shí)驗(yàn)》[M],中國統(tǒng)計(jì)出版社,2010

      [3]易丹輝著:《時(shí)間序列分析方法與應(yīng)用》[M],中國人民大學(xué)出版社,2011

      [4]潘紅宇著:《時(shí)間序列分析》[M],對外經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2006

      [5]何書元著:《應(yīng)用時(shí)間序列分析》[M],北京大學(xué)出版社,2011

      [6]樊歡歡、李嫣怡、陳勝可著:《Eviews 統(tǒng)計(jì)分析與應(yīng)用》[M],機(jī)械工業(yè)出版社,2011

      [7]方榮華著:《基于ARMA時(shí)間序列理論的建模及應(yīng)用》[J],科技資訊,2012(19)

      [8]李守麗著:《時(shí)間序列分析法在預(yù)測未來GDP中的應(yīng)用》[J],科技信息,2011

      [9]成剛、袁佩琦、陳瑾著:《北京市人均GDP的時(shí)間序列分析及預(yù)測》[J],生產(chǎn)力研究,2007

      [10]王艷梅、陳希鎮(zhèn)、董乃銘著:《山西省人均GDP的發(fā)展態(tài)勢——基于時(shí)間序列、最小二乘回歸、分位數(shù)回歸方法》[J],管理科學(xué),2012(18)

      [11]趙婷著:《ARMA在我國GDP預(yù)測中的應(yīng)用》[J],金融領(lǐng)域,2011(1)

      [12]郝香芝、李少穎著:《我國GDP時(shí)間序列的模型建立與預(yù)測》[J],理論新探,2007(23)

      [13]范玉妹、玄婧著:《ARMA算法在GDP預(yù)測中的應(yīng)用》[J],江南大學(xué)學(xué)報(bào),2010(6)

      猜你喜歡
      預(yù)測
      無可預(yù)測
      選修2-2期中考試預(yù)測卷(A卷)
      選修2-2期中考試預(yù)測卷(B卷)
      選修2—2期中考試預(yù)測卷(A卷)
      不可預(yù)測
      佛冈县| 措勤县| 静安区| 寿光市| 武鸣县| 乡宁县| 滦南县| 井陉县| 长沙县| 扶余县| 登封市| 望都县| 安徽省| 东至县| 漳平市| 遂宁市| 建平县| 湖南省| 汉川市| 巴林右旗| 长丰县| 景谷| 德化县| 石楼县| 天台县| 宜君县| 大荔县| 茌平县| 西华县| 呼和浩特市| 关岭| 雅江县| 武功县| 平潭县| 丽水市| 绥德县| 庆阳市| 舒兰市| 凤台县| 南江县| 庆元县|