时间序列模型在地级市GDP预测中的应用

发布时间：2020-08-15 21:41

【摘要】：本文以时间序列理论为基础,以郑州市1981年至2010年三十年的地区生产总值为数据基础资料,对数据进行平稳化处理、模型识别、参数估计,建立时间序列模型,并对模型进行检验,确定较适合模型为自回归移动平均模型ARIMA (1,2,1)。利用ARIMA(1,2,1)模型对郑州市2011—2012年GDP作出预测并与实际值比较,结果表明相对误差均在3%之内,预测模型良好,继续利用ARIMA (1,2,1)模型对我市未来5年的地区生产总值做出预测。 国内生产总值(GDP)是现代国民经济核算体系的核心指标,是衡量一个国家综合国力的重要指标。国内生产总值(Gross Domestic Product)是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,它反映该国的经济发展水平和人民的生活状况,它是衡量国家经济发展水平的最优指标。国民经济产出的全部成果都概括在这个指标之中,用一个统计数字来表示简单明了,这一指标为社会财富的经济表现提供了一个最为综合尺度,它同时可以衡量与评价国家经济状况及增长趋势。可以说,这一经济指标在人类的经济生活乃至整个社会生活中扮演着非常重要的角色。对它进行分析,并作出准确及时的预测具有重要的实际意义和理论意义。用GDP指标来反映区域经济增长和发展情况更加准确、深刻和富有实际意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况,制定相应的宏观调控政策有着十分重要的意义。目前国内外GDP预测大量运用了多元线性回归、时间序列、人工神经网络等理论。但由于GDP影响因素的复杂性,这些分析方法的不确定性,使得GDP预测精确度还很低。 时间序列是指同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。时间序列预测法就是通过编制和分析时间序列,根据时间序列所反映出来的发展过程、方向和趋势,进行类推或延伸,借以预测下一段时间或以后若干年内可能达到的水平。其内容包括：收集与整理某种社会现象的历史资料：对这些资料进行检查鉴别,排成数列；分析时间数列,从中寻找该社会现象随时间变化而变化的规律,得出一定的模式；以此模式去预测该社会现象将来的情况。在经济中,传统的时间序列分析方法应用非常广泛,其中最主要的是确定性的时间序列分析方法,包括时间序列的分解、移动平均法和指数平滑法等。随着社会的不断发展变化,很多未知因素越来越影响着经济生活的发展,这种现象必须引起人们的重视。1970年,BoX和Jenkins提出来了一种新的时间序列分析方法,这种方法以随机理论为基础,将原有分析理论提升到一个新的高度,大大提高了预测的精确度。时间序列分析的基本模型有：ARMA模型和ARIMA模型。 运用时间序列模型对郑州GDP进行研究和预测,可以为市领导制定“十二五”发展战略提供了决策依据,同时也郑州的产业规划提供了有意义指导,通过预测结果,我们可以更好的了解郑州市未来的经济发展水平和人民的生活状况。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F222.33;F224;O211.61

【参考文献】

相关期刊论文 前10条

1 王悦;人工神经网络在经济预测中的应用[J];北京广播电视大学学报;2002年01期

2 赵蕾;陈美英;;ARIMA模型在福建省GDP预测中的应用[J];科技和产业;2007年01期

3 韩春红,杨勇,聂盛伟,李国栋;基于联立方程的需求预测计量经济模型[J];东北电力学院学报;2002年01期

4 曾宪龄,孙永杰;省级经济计量模型的建立与预测分析[J];东北大学学报;1999年05期

5 徐先金;姜茂启;;基于灰色预测模型的上海市实际利用外资预测[J];工业技术经济;2009年10期

6 方威;肖衡;任湘郴;;基于线性回归模型的物流需求预测分析[J];生产力研究;2009年12期

7 石美娟;ARIMA模型在上海市全社会固定资产投资预测中的应用[J];数理统计与管理;2005年01期

8 甘寿国;广东宏观经济模型及预测研究[J];统计与预测;2000年06期

9 范里驹;道格拉斯生产函数模型在农业中的运用[J];山东气象;1991年02期

10 马树才,李华,袁国敏,曾宪宁,刘伟奇;区域经济预测的一个宏观计量模型[J];预测;1997年05期

相关硕士学位论文 前3条

1 周伟锋;我国就业需求循环景气分析与预测[D];重庆大学;2009年

2 常洁;熵分析方法在生物信息处理中的应用[D];中南大学;2008年

3 田风娥;人均国民生产总值的小样本时序分析[D];华北电力大学（北京）;2010年

本文编号：2794690