毕业论文--ARIMA模型在湖南省GDP预测中的应用

《毕业论文--ARIMA模型在湖南省GDP预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、贵州民族学院毕业论文ARIMA模型在湖南省GDP预测中的应用周凯（贵州民族学院理学院2006级统计班）摘要：论文用PANDIT-WU方法对湖南省GDP数据建立ARIMA模型。建模过程主要包括模型的选择、模型的定阶和模型的检验。经过合理筛选，选择模型作为最终模型，并以此模型预测了湖南省2004至2008年GDP值，预测结果基本符合事实。关键词：ARIMA模型；GDP预测；时间序列24贵州民族学院毕业论文TheApplicationofARIMAModeltoGDPPredictioninHunanProvinceZhouKai(Grade2006,SchoolofScience,Gui

2、zhouUniversityforNationalities)Abstract：ThisthesisappliesPANDIT-WUMethodologyinestablishingARIMAModelforthedataofHunan'sPerCapitaGDP.Themodel-establishingprocessincludesthechoosing,therankingandthetestingofthemodel.Afterreasonablechoices,modelischosentobethefinalmodel.Andonthebaseofthismodel,th

3、ethesispredictsHunan'sPerCapitaGDPintheyear2004to2008,whichisveryclosetothetruths.Keywords：ARIMAModel;Hunan;GDP;Forecast;TimeSeries24贵州民族学院毕业论文目录摘要IABSTRACTII引言1第一章模型建立的基础31.1平稳性检验31.2白噪声检验31.3模型定阶41.4AIC准则4第二章时间序列模型的建立52.1数据的预处理和分析52.1.1数据的平稳化处理52.1.2数据的白噪声检验92.2模型建立102.2.1PANDIT-WU方法102.2.2模型

4、选择和模型定阶11第三章模型检验和预测163.1残差的白噪声检验163.2参数的显著性检验173.3模型预测17结论20成果声明22致谢23参考文献2424贵州民族学院——统计学专业——毕业论文：ARIMA模型在湖南省GDP预测中的应用和分析引言国内生产总值(GrossDomesticProduct)是一个国家或地区在一定时期内所生产和提供的最终货物和服务的总价值。国内生产总值是反映一国国民经济的生产规模及综合实力的总量指标，在经济研究中发挥着重要的作用。对GDP作正确的预测能为宏观经济健康发展起到导向性作用，并为高层政策决策者提供决策依据。而一个国家的国内生产总值又是由各省生产总值

5、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。时间序列模型的提出，源于博可斯与詹金斯所著的《时间序列分析：预测与控制》，这是一种被称之为博可斯-詹金斯(BJ)方法论或ARIMA方法论的新预测方法。在“让数据自己说话”的哲理指导下，着重于分析经济时间序列本身的概率或随机性质，而不在意于构造单一方法或联立方程检验。简言之，时间序列方法就是找出数据中的随机机制和潜在趋势，并对这种随机机制和潜在趋势加以控制，进而对未来做出合理的设计和规划。在宏观经济领域的实证研究中，多数经济时间序列都是非平稳的，例如GDP、收入、消费、货币需求、价格水平和汇率等。而对于

6、一个非平稳序列来说，其数字特征，如均值、方差和协方差等都是随着时间的变化而变化的，也就是说，非平稳序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握序列整体上的随机性。为此，应用博可斯与詹金斯提出的时间序列方法，建立适当的时间序列模型，综合考虑预测变量的过去值、现在值和误差值，可以大大的提高模型预测的精度。常用的时间序列模型有ARMA、ARIMA模型。满足以下条件的称为ARIMA模型[1]：(1.1)式(1.1)可以简记为：24贵州民族学院——统计学专业——毕业论文：ARIMA模型在湖南省GDP预测中的应用和分析(1.2)满足以下条件的称为ARMA模型[1]：(1.3

7、)式(1.3)可以简记为：(1.4)从式(1.2)和(1.4)可以看出，ARIMA模型的实质是差分运算和ARMA模型的简单组合。这说明，任何非平稳的时间序列都可以通过适当阶数的差分运算变为平稳的时间序列。也就是说，原本非平稳的数据只要通过适当的差分运算实现差分后平稳，就可以用ARMA进行拟合。目前ARMA模型的分析方法非常成熟，所以对差分后平稳的序列的分析将非常简单和可靠。因此，在宏观经济领域的实证研究中，ARIMA模型可以很好的从非平稳的数据中提取有价值