模型财政税收论文范文-阐述基于arma模型在我国财政收入中的应用word版下载

《模型财政税收论文范文-阐述基于arma模型在我国财政收入中的应用word版下载》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、模型财政税收论文范文:阐述基于ARMA模型在我国财政收入中的应用word版下载导读：本论文是一篇关于基于ARMA模型在我国财政收入中的应用的优秀论文范文，对正在写有关于模型论文的写作者有一定的参考和指导作用，论文片段：4.5模型的适应性检验模型的适应性是指ARMA模型己经完全或基本上解释了系统的动态性，实质上是at的独立性检验，即检验at〜NID(0，€%la2)。如果残差序列对应的P值大于显著性水平5%,认为服从独立分布。根据适应性检验的结果可以看出，概率P值均大于显著性水平0.05,都应接受原假设，即认为服从独立分布，模型通过了适应摘要

2、：财政收入代表着一个地区或国家的经济发展水平，是经济指标系统屮的核心指标。在本文屮，利用Pandit-Wu的建模策略，用最佳准则函数A1C定阶法，选取ARMA(2,1)模型作为最佳预测模型，可以为相关部门制定未来发展规划、实施相关措施提供可靠的参考。关键词：Pandit-WuARMA模型AIC定阶法1•刖g经济运转过程从较长时间看，由于市场机制的作用，呈现一定的规律，这将给吋间序列预测预测提供了依据。目前，预测经济运转，时间序列的理论与策略较多，而模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对经济运转

3、短期趋势的预测准确率较高，是近些年应用比较广泛的策略之O由于财政收入不仅能够在总体上衡量一个地区或国家的经济发展水平，也能够在整体上度量经济波动和经济周期状态，因此，对财政收入进行精确的拟合和预测对分析一国的宏观经济发展趋势具有重要作用。在本文中，根据模型的应用条件，选取1960-2009年我国财政收入的数据进行建模分析，该数据来《A中国统计年鉴2010》。2.模型简介ARMA模型是由美国统计学家G.E.P.Box和英国统计学家G.M.Jenkins在二十世纪七十年代提出的吋间序列分析模型，即自回归移动平均模型。定义为时间序列Xt不仅与其以

4、前时刻的自身值有关，而且还与其以前进入系统的扰动存在一定的依存关系，可以表示为：Xt=€%olXt-l+...+€%opXt-p+at-€%alat-l~...-€%aqat-q则称该吋间序列Xt为（p，q）阶自iHj归移动平均模型，记为ARMA（p，q），参数€%ol，€%o2...€%op为自回归参数，€%al,€%a2...€%aq为移动平均参数，是模型的待估参数。3.建模分析首先对序列｛Xt｝的图形进行分析，如果数据是非平稳的，时间序列图则会存在呈现一定的上升或下降趋势，在各个吋间点上的随机规律是不同的，难以通过已知的信息去掌握时间

5、序列整体上的随机性，则须对数据进行差分处理；如果数据序列存在异方差,则须对原数据进行对数转换，同时分析处理后序列的相关图，用单位根检验来判断序列的平稳性，直至得到一个平稳的序列，通过对平稳序列进行建立模型，作出残差图，对模型进行适应性检验，利用最佳准则函数定阶法选取最佳模型，进而对未来值进行预测。2.模型预测的基木步骤4.1数据的预处理将财政收入序列用x表示，对1960-2009年的序列作时序图，用后三年的数据做模型预测检验。该图向右上方倾斜，说明序列具有很强的上升趋势，该序列不是平稳序列，需进行平稳化处理。由于对数能很好的消除异方差，因而

6、对原序列取对数，记为lx。从对数化后的图像可以看出，数据呈线性变动趋势，己基本消除异方差的影响。在本文中选择具有代表性的AugmentedDickey-FullerTest(ADF)检验。该检验的原假设是：HO:序列存在一个单位根；H1：序列不存在单位根。如果拒绝原假设，则说明该序列是平稳序列。用ADF进行单位根检验结果如下：注：检验类型(c，t，k)中的c，t和k分别表示单位根检验包括常数项、时间趋势和滞后阶数，滞后阶数根据AIC敁优信息准则确定，△表示一阶差分。ADF检验表明，在5%的显著性水平不，变量lx经过一阶差分后是平稳的，即{l

7、xt}ml(l)。4.2模型识别若平稳吋间序列的自相关函数拖尾，而偏自相关函数是截尾的，则可断定此序列适合AR(p)模型；若平稳时间序列的自相关函数是截尾，而偏A相关函数是拖尾的，则可断定此序列适合MA(q)模型；若平稳时间序列的自相关和偏自相关都是拖尾的，则此序列适合ARMA(P,q)模型。[1]4.3模型定阶从所作的自相关和偏自相关图可以看出，自相关图刻化了数据系统的动态性，除了1阶和6阶的A相关系数大于两倍标准差外，其他都在两倍标准差内，自相关和偏自相关图都是拖尾的，选择Pandit-Wu的建模策略，即建立ARMA模型。4.4参数估计

8、采用最小二乘估计建立ARMA(2,1)模型，建立的方程如下:d(log(xt))=-0.2260dxt-l~0.0568dxt-2~0.7629at-2+0.1088+at从所作