一、ARMA时间序列模型
二、我国GDP时问序列特征分析
三、ARMA模型的选择和预测
四、结论
ARMA模型是一类常用的随机时序模型,它是一种精度较高的
时序短期预测方法。其基本思想是:某些时间序列是依赖于时间t的
一族随机变量,构成该时序的单个序列值虽然具有不确定性,但整
个序列的变化却有一定的规律可以用相应的数学模型近似描述。
ARMA模型有三种基本类型:自回归模型、移动平均模型以及自回
归移动平均模型。
利用EVIEwS5.0软件对我国1978年到2006年的GDP时间序列
数据消除价格因素的影响后进行分析。将数据绘制成折线图,如图
1所示。(单位:亿元)
图1 我国实际GDP的折线图
从1978年到1990年之间我国的实际GDP增长比较缓慢, 从
1990年以后我国的实际GDP增长呈明显上升趋势。总体来看实际
GDP时间序列具有明显的增长趋势。由我国实际GDP时间序列的自
相关和偏自相关图(图2)可以看出,我国的实际GDP时间序列的自相
关系数没有很快的趋于0,说明序列不是纯随机的,是非平稳的。
图2 我国GDP时间序列的自相关和偏自相关图
对实际GDP时间序列取自然对数后再进行二阶差分后,所得的
自相关和偏自相关图如图3所示,当滞后阶数大于5时,序列的自相
关系数很快的趋近于0,即落人随机区间,说明时间序列是平稳的,
且没有季节性趋势。
图3 二阶差分后的GDP自相关和偏自相关
同时,对进行取对数二阶差分后的GDP时间序列作单位根检
验,结果也表明时间序列是平稳的(见表1)。表中,t检验统计量值为-
4.875439,比显著性水平为1%的临界值小,所以拒绝原假设,即序
列不存在单位根,序列平稳。
表1 GDP单位根检验结果
根据实际GDP时间序列进行二阶差分后所得的自相关和偏自相
关图(如图3)可以很明显得看出:在偏自相关图中,滞后一、二、
三、四期的偏自相关系数明显不为0,而在k=5后偏自相关系数很快
的趋近于0,所以取p=5;自相关系数在k=l和k=4处显著不为0。所以
取q=l和q=4。综合考虑,可能合适的(p,q)组合为(5,1)、(2,4)、
(3,1)。由表2可以看出模型ARMA(3,1)效果较好,即可以对我国实
际GDP时间序列建立ARMA(3,1)模型。结果如下所示:
表2 模型的检验结果
根据预测模型可以得到预测结果如下表所示(表3):预计
2009年我国的GDP将要达35025.065亿元,比2008年增长7.901
%;2010年我国的GDP将要达到39067.202亿元,比2009年增长
11.541%;到2011年,我国的GDP将达到45132.258亿元,比
2010年增长15.525% 。
表3 利用ARMA模型预测2009-2011年的GDP (单位:亿元)
预计到2009年我国实际GDP可超过35000亿元,而2011年我国
的实际GDP值可达45000亿元。虽然ARMA模型预测的20092011年
的实际GDP值的绝对值有一定的差距,但是差距很小。因此可以认
为ARMA模型都可以较好地预测实际GDP值。
76消费导刊2009.7
■ 周璇 贵州财经学院
基于时间序列分析的全国GDP预测模型
[摘 要]
[关键词]
本文利用统计软件对我国1978年到2006年的实际GDP时间序列数据进行了分析,建立了ARMA模型,并对2009年到2011年的全国
GDP进行了预测。结果表明模型有很好的预测效果。
全国GDP ARMA模型 预测 时间序列
参考文献
[1]王燕。应用时间序列分析[M],中国人民大学出版社,2006
[2]易丹辉。数据分析与Eviews应用[M],北京:中国统计出版社,2002
·财会纵横
Consume Guide·Accounting Realm
本文档为【基于时间序列分析的全国GDP预测模型】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。