我国城市基础设施投资的预测及其对经济增长的影响分析

发布时间：2021-03-13 08:11

　　在加速城市化发展进程和实现城市现代化过程中,城市建设和发展的一项至关重要的内容就是基础设施投资。基础设施投资在衡量城市发展水平,提高居民生活质量,改善城市投资环境以及提高城市发展竞争力等方面有着重要的作用,在国民经济和社会发展中具有重要的地位。对城市基础设施投资进行预测及与经济增长的关系分析可以帮助投资者和管理者制定决策。本文首先对我国基础设施投资现状的进行描述分析;其次,建立以一定时间长度滚动的基础设施投资时间序列ARIMA模型得到的参数作为先验信息的两种贝叶斯修匀模型与算法,由此得到的参数贝叶斯估计及预测,能够充分利用样本信息和参数的先验信息,具有更小的方差或平方误差,估计参数更科学。采用平均绝对百分比误差（MAPE）和均方根误差（RMSE）两个指标来衡量模型预测效果的好坏,全面地比较不同模型的预测效果。结论为贝叶斯模型的预测效果在一定程度上优于单一时间序列模型的预测效果,说明了贝叶斯参数估计有一定的科学性;再次,利用误差修正模型计量分析中国基础设施投资对经济增长的推动作用大小,得到基础设施投资对经济增长的产生积极的推动作用的结论;最后,根据前文所的的相关结论,提出了相应的政策建议... 

【文章来源】：南京师范大学江苏省 211工程院校

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

图２．?１全国城市基础设施投资资金来源结构变化图??

图３．?Ｉ城市基础设施投资时序图??

图３．?２对数变换及一阶差分后城市基础设施投资时序图??１５??

【参考文献】：
期刊论文
[1]中国城市化水平预测[J]. 林春洋.  中国集体经济. 2015(04)
[2]基于Gibbs抽样方法ARFIMA-GARCH模型的贝叶斯估计[J]. 范金宇,熊健.  数理统计与管理. 2014(05)
[3]基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究[J]. 刘国旺,熊健.  数理统计与管理. 2012(03)
[4]陕西省GDP的预测方法比较与选择[J]. 曹飞.  科技和产业. 2012(04)
[5]基于M-H抽样的贝叶斯非对称厚尾GARCH模型研究[J]. 朱慧明,曾惠芳,郝立亚,李素芳,虞克明.  数理统计与管理. 2011(03)
[6]基于ARIMA与神经网络集成的GDP时间序列预测研究[J]. 熊志斌.  数理统计与管理. 2011(02)
[7]我国基础设施投资与经济增长的关系研究[J]. 李梅.  特区经济. 2009(12)
[8]中国为什么拥有了良好的基础设施?[J]. 张军,高远,傅勇,张弘.  经济研究. 2007(03)
[9]北京城市基础设施建设投资与经济发展水平研究[J]. 王卉彤,李为人.  北京社会科学. 2007(01)
[10]城市化进程对基础设施投资的需求量分析[J]. 李世蓉,蒋时节,户邑.  城市发展研究. 2005(04)

硕士论文
[1]基础设施投资最优规模检验与规模预测[D]. 许秀娟.华南理工大学 2014
[2]先验分布的选择理论研究[D]. 李勇.西南交通大学 2006



本文编号：3079865