时间序列预测法在工业生产总值预测的应用.doc

《时间序列预测法在工业生产总值预测的应用.doc》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、时间序列预测法在工业生产总值预测的应用一、相关背景工业总产值是指以货币表现的工业企业在一定时期内生产的已出售或可供出售的工业产品，总量。它是反映一定时间内工业生产总规模和，总水平的重要指标，是计算工业生产发展速度和主要比例关系，计算工业产品销售率和其他经济指标的重要依据。工业总产值包括成品价值、工业性作业价值和自制半成品、在产品期末期初差额价值。工业，总产值采用“工厂法”计算，即以工业企业作为一个整体，按企业工业生产活动的最终成果来计算。但各企业之间、行业之间、地区之间存在着重复计算。其计算公式为：报告期工业总产值=报告

2、期全部产品的成品价值+报告期工业性作业价值+（报告期自制半成品和在产品期末余额-报告期自制半成品和在产品期初余额）计算工业总产值采用的价格有不变价格和现行价格。二、数据说明某市1995—2004年各月的工业生产总值见表1，其数据记为{}。我们对1995—2003年数据建模，2004年的数据留做检验模型的预测效果。表1某市1995-2004年各月的工业生产总值单位：万元表1的数据见图1，由图1可以看出数据具有明显的周期性，做一次季节差分，，差分后的结果如图2所示，由此我们可以看出数据趋于平稳，平稳化后得到的序列记为{}，共

3、有96个数据。图1某市1995-2004年各月的工业生产总值图2季节差分后的工业生产总值我们求得时间序列{}的均值＝1．509，对其零均值化(即－)得到的时间序列仍记为{}。对于新的时间序列计算其自相关函数和偏自相关函数，具体结果见表2。从表2中可以看出，当k>2时，有，并且{}呈现拖尾现象，故可以初步判定此时间序列{}适合AR(2)模型。表2自相关函数和偏自相关函数我们对{}再拟合AR(p)，发现也可以考虑AR(3)，我们对模型AR(2)和AR(3)进行建模，具体结果见表3表3建模输出结果从表3中可以看出，关于模型AR

4、(3)，发现参数＝0.04，t检验值仅为0.39，考虑F检验值为2.77，于是我们认为AR(3)与AR(2)没有显著性差异，故选取AR(2)模型，即：我们利用上述模型对2004年的工业生产总值做一预测，以2003年12月份为原点向前做1～12期的预测，首先由模型进行预测，然后再转化到平稳化前最初的数据结果，详见表4，并见预测图3。由此我们看到，除了2004年2月的预测误差较大之外，其余的预测相对误差均在5％内，可以说AR(2)模型的预测效果较好。表4预测结果图3预测图