基于时间序列分析的我国GDP预测模型

发布时间：2017-05-15 18:06

  本文关键词：基于时间序列分析的我国GDP预测模型，由笔耕文化传播整理发布。

【摘要】：GDP(Gross Domestic Product)是国民经济核算的核心指标,常被公认为衡量一个国家(或地区)经济状况的最佳指标,我们可以从GDP的变化判断出一个国家(或地区)经济状况的盛衰。时间序列分析预测方法是通过序列的历史统计数据揭示现象随时间变化的规律,将该规律延伸到未来,从而对该现象的未来走势做出预测,在经济领域发挥了重要作用。将时间序列分析法应用到我国GDP预测中,利用时间序列模型,能够准确地预测我国GDP将来走势,为国家宏观经济的有效调控和政策制定提供理论引导。本文基于时间序列分析理论,选用国家统计局发布的2000年第一季度至2014年第一季度我国GDP累计值57个季度数据,借助EViews 6.0软件,SAS 9.1.3软件和Matlab 2011a软件,对数据进行拟合分析,分别建立乘积季节ARIMA模型,叠合模型和虚拟变量回归模型,在叠合模型中建立全新的高斯函数与正弦函数和的叠合模型形式,以及在虚拟变量回归模型中开拓建立含多个虚拟变量的非线性回归模型这一新思路,并通过计量模型对2014年后三个季度我国GDP进行预测。分析探讨三种模型的准确性,选择相对预测误差最小的模型成为相对最优预测模型,具有较高的理论和实际作用。
【关键词】：GDP 时间序列分析 乘积季节ARIMA模型 叠合模型 虚拟变量回归模型
【学位授予单位】：苏州科技学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F223;F224
【目录】：

• 摘要6-7
• Abstract7-10
• 第一章 绪论10-13
• 1.1 研究背景和意义10
• 1.2 国内外研究现状10-11
• 1.2.1 时间序列分析研究动态10-11
• 1.2.2 国内外有关GDP的研究现状11
• 1.3 本文的主要工作11-13
• 第二章 乘积季节ARIMA模型13-24
• 2.1 乘积季节ARIMA模型相关基本概念13-15
• 2.1.1 序列平稳性13
• 2.1.2 乘积季节(SARIMA) 模型13-15
• 2.2 乘积季节ARIMA模型相关基本方法15-19
• 2.2.1 单位根检验法15-16
• 2.2.2 差分变换16-17
• 2.2.3 白噪声检验17
• 2.2.4 信息准则17-19
• 2.3 乘积季节ARIMA模型的建立过程19-20
• 2.3.1 平稳性检验19
• 2.3.2 对差分后的平稳序列进行ARMA拟合19-20
• 2.3.3 参数估计及检验20
• 2.3.4 模型的有效性检验20
• 2.3.5 模型的预测及评价20
• 2.4 乘积季节ARIMA模型在我国GDP预测中的应用20-24
• 2.4.1 平稳性检验及处理20-21
• 2.4.2 模型的识别与确定21-23
• 2.4.3 模型的预测与评价23-24
• 第三章 叠合模型24-31
• 3.1 叠合模型的原理与方法24-26
• 3.1.1 叠合指数函数模型24
• 3.1.2 叠合三角函数模型24-26
• 3.1.3 叠合模型26
• 3.2 对我国GDP时间序列建立叠合模型26-28
• 3.2.1 我国GDP时间序列特征分析26
• 3.2.2 趋势部分拟合26-27
• 3.2.3 建立叠合三角函数模型27-28
• 3.3 我国GDP时间序列叠合模型的改进28-31
• 3.3.1 叠合模型形式改进28-29
• 3.3.2 对我国GDP时间序列建模29-31
• 第四章 虚拟变量回归模型31-36
• 4.1 多元线性回归回顾31
• 4.2 虚拟变量31-32
• 4.2.1 定义31-32
• 4.2.2 赋值方法32
• 4.3 建立虚拟变量回归模型32-34
• 4.3.1 设定虚拟变量32
• 4.3.2 参数估计及检验32-34
• 4.4 我国GDP虚拟变量回归模型34-36
• 4.4.1 设定虚拟变量34
• 4.4.2 参数估计及检验34
• 4.4.3 模型的预测与评价34-36
• 第五章 结论及展望36-38
• 5.1 结论36
• 5.2 展望36-38
• 参考文献38-41
• 致谢41-42
• 附录42-43
• 作者简历43

【相似文献】

中国期刊全文数据库 前10条

1 高峰;;顾客满意度时间序列分析应用研究[J];中国质量;2009年01期

2 刘亮;唐海萍;张丽军;;基于ARMA模型的财政教育投资时间序列分析[J];北京师范大学学报(自然科学版);2010年02期

3 张先兵;张松;;我国人均国内生产总值的时间序列分析(1952-2011)与静态预测(2012-2015)[J];现代管理科学;2013年06期

4 王绍棣,谢涛,王汝传,庄佳;基于时间序列分析的纪特邮票发行量预测[J];南京邮电学院学报(自然科学版);2001年03期

5 王晶晶;;消费价格指数的时间序列分析[J];时代经贸(中旬刊);2007年S8期

6 覃海丹;袁申鹤;张政;;湖北省全社会固定资产投资时间序列分析[J];现代商贸工业;2008年11期

7 查文中;;中国CPI指数的时间序列分析[J];中国集体经济;2009年27期

8 任崇光;高俊芳;张黛华;;时间序列分析在水量预测中的应用[J];预测;1985年S1期

9 刘春岚，徐运辉，王承中;商品销量的趋势分析及预测[J];吉林工学院学报;1994年02期

10 范玉莲;王广富;;时间序列分析在中国城市化进程分析中的应用[J];科学咨询(决策管理);2008年02期

中国重要会议论文全文数据库 前10条

1 高峰;;时间序列分析在顾客满意度中的应用研究[A];第三届中国质量学术论坛论文集[C];2008年

2 郑文衡;陈俊华;严尊国;杨立明;张秋文;;用时间序列分析预报地震的新途径[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年

3 苏春宏;张宏;;时间序列分析在规划环境影响评价环境背景分析中的应用[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年

4 钟球;蒋莉;周琳;李建伟;陈瑜晖;连永娥;;广东省结核病发病趋势的时间序列分析[A];中国防痨协会科普委员会第十二届学术大会论文集[C];2010年

5 余卫东;闵庆文;;商丘市居民生活消费生态足迹的时间序列分析[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（下册）[C];2004年

6 李圣明;;时间序列分析及其在变形监测中的应用研究[A];湖北省测绘学会2006年度科学技术交流会论文集[C];2006年

7 郑璐石;郑颖人;;对时间序列分析的建模问题初探[A];水电与矿业工程中的岩石力学问题——中国北方岩石力学与工程应用学术会议文集[C];1991年

8 刘晓斌;;小波网络在经济时间序列分析中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

9 任永建;周锁铨;石顺吉;;2005年南京市PM_(10)浓度时间序列分析[A];中国气象学会2007年年会大气成分观测、研究与预报分会场论文集[C];2007年

10 闵庆文;余卫东;成升魁;;商丘市居民生活消费生态足迹的时间序列分析[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年

中国重要报纸全文数据库 前3条

1 ;统计新书评介[N];中国信息报;2001年

2 本报记者 李爱铭;“小神算”出手,误差仅六千[N];解放日报;2010年

3 早报记者 韩晓蓉　实习生 杨鑫P";高中生用数学模型预测世博客流 平均误差6000人[N];东方早报;2010年

中国博士学位论文全文数据库 前4条

1 聂淑媛;时间序列分析的早期发展[D];西北大学;2012年

2 张晋昕;医学时间序列分析及其预测应用相关问题的研究[D];第四军医大学;2000年

3 王鼐;非线性动力学方法在时间序列分析中的应用[D];复旦大学;2005年

4 鲍漪澜;基于支持向量机的金融时间序列分析预测算法研究[D];大连海事大学;2013年

  本文关键词：基于时间序列分析的我国GDP预测模型，，由笔耕文化传播整理发布。

本文编号：368461