时间序列预测法在工业生产总值预测的应用

时间序列预测法在工业生产总值预测的应用

ID:41684365

大小:70.48 KB

页数:4页

时间:2019-08-29

时间序列预测法在工业生产总值预测的应用_第1页
时间序列预测法在工业生产总值预测的应用_第2页
时间序列预测法在工业生产总值预测的应用_第3页
时间序列预测法在工业生产总值预测的应用_第4页
资源描述:

《时间序列预测法在工业生产总值预测的应用》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第五题:结合自己的研究方向做一个应用实例的研究某市1995-2004年各刀的工业生产总值见表1,其数据记为{兀}。我们对1995—2003年数据建模,2004年的数据帘做检验模型的预测效果。表1某市1995-2004年各刀的工业生产总值单位:万元时期工业总产值1995年1月10.939.3411.0010.9811.2911.841995年7月10.6210.9012.7712.1512.2412.301996年1月9.9110.2410.4110.4711.5112.451996年7月11.3211.7312.6113.04

2、13.1414.151997年1月10.8510.3012.7412.7313.0814.271997年7月13.1813.7514.4214.5714.2515.861998年1月12.9411.4314.3614.5714.2515.861998年7月15.1815.9416.5416.9016.881&101999年1月13.7010.8815.7916.3617.2217.751999年7月16.6216.9617.6916.4017.5119.732000年1月13.7312.8515.6816.7917.591&5

3、12000年7月16.8017.2720.8319.1821.4023.762001年1月15.7313.1417.2417.93I&8219.122001年7月17.7019.8721.1721.4422.1422.452002年1月17.8816.0020.2921.0321.7822.512002年7月21.5522.0122.6823.0224.5524.672003年1月19.6117.1522.46:23,1923.4026.262003年7月22.9124.0323.9424.1225.872&25表1的数据见图

4、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,开=兀一坷“2,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{%},共有96个数据。图7-9某市1995〜2004年各月的工业生产总值图1某市1995-2004年各月的工业生产总值Y,5.0-1995199619971998199920002001200220032004t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7=1.509,对其零均值化(即yf-y)得到的时间序列仍记为{>;}«对于新的时间序列计算其H相关两数和偏白相关

5、函数,具体结果见表2。从a2表2中可以看出,当k>2时,冇如火y肩uO.204,并凡{介}呈现拖尾现象,故可以初步判定此时间序列{yt}适合AR⑵模型。表2H相关函数和偏白相关函数kk♦10.4280.42813—0.0700.13520.2910.13114—0.057—0.00230.1880.02915—0.0060.04840・042—0.093160.1520.17050.0870.086170.1410.07160.048—0.001180.117—0.04670.002—0.038190.065—0.06680.

6、0460.045200.0850.11390.0850.08521—0.060—0.136100.004—0.08322—0.088—0.12011—0.048—0.08623—0.0110.09712—0.197—0.18824—0・064—0.072我们对{兀}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#数AR(3)AR(2)0.40±0.210.40±0.210.07±0.220.12±0.20%、!0.04±0.20残差平方和86.9689.64

7、从表3中可以看出,关于模型AR(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:X=°・4]开・[+0・12幵.2+吕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x=0.4j“+0.12儿2+刍进行预测,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刀的预测课差较人之外,其余的预测相对谋差均在5%内,可以说AR(2)

8、模型的预测效果较好。表4预测结果前数向步时期/'y,+1.509转财平稳躺的械实际值M相对误差(%)12004年1月0.7992.30821.9220.994.422004年2月0.5742.08319.2317.0412.932004年3月0.3261.83624.3023

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。