基于ARIMA模型及回归分析的安徽省GDP预测研究

发布时间：2017-09-27 05:23

  本文关键词：基于ARIMA模型及回归分析的安徽省GDP预测研究

  更多相关文章： 时间序列分析 回归模型 GDP 预测 ARIMA模型

【摘要】：国内生产总值(GDP),指的是国家(或地区)的经济在一年(或一个季度)内生产的所有最终产品和劳务价值的总和；它是国民经济核算的核心指标,同时也能衡量一个国家或地区的经济状况和发展水平。在今年三月份的两会期间,提出2015年国内生产总值将增长7%左右,比去年下降约0.5个百分点：在国家统计局公布的数据中显示,刚过去的1-3月中国GDP的增速放缓至7%,是2009年第一季度以来增速最低的。这些数据告诉我们,对于GDP的研究分析在国家宏观经济政策的制定中具有重要的理论和实际意义。时间序列预测和回归分析预测是现有的两种常用的预测方法。时间序列预测是研究预测目标与时间之间的演变关系,是一种动态数据分析处理方法；它利用概率统计学为理论基础用来分析动态数据,对数据建立相应的数学模型,并进一步进行预测分析。时间序列预测主要是利用历史数据对序列随时间变化的规律进行揭示,并将这一规律延伸到未来,进行预测。确定性时间序列是传统的时间序列分析方法,它主要包括指数平滑法、移动平均法、时间序列的分解等。常用的时间序列模型主要有：AR模型,MA模型,ARIMA模型。回归分析模型是对统计关系进行定量描述的一种模型,是研究一个变量关于另一个(些)变量的具体依赖关系的计算方法和理论,通过控制一个(些)变量的取值去改变另一个(些)特定变量取值的精确程度。本文主要以安徽省1952年到2013年这62年的国内生产总值为基础,对安徽省这62年的产业结构变化进行分析以及产业结构对于GDP的影响,并对安徽省2014-2020年的GDP进行预测。将安徽省GDP发展分为三个阶段,第一阶段(1952-1978年)以第一产业农业为绝对主导,其他产业缓慢发展；第二阶段(1979-2000年)安徽省三大产业增加值齐头并进,对安徽省GDP的贡献成三足鼎立之势；第三阶段(2001-2013年)农业增加值对于安徽省的贡献越来越低,而第二产业则取代第一产业,成为对安徽省GDP贡献最高的产业。利用SAS和MATLAB软件对安徽省第一,第二,第三产业产值与GDP进行预测分析,将回归与时序相结合,建立ARIMAX模型：利用分析得到的ARIMAX(2,5)对2009-2013年国内生产总值做预测并与仅考虑GDP这一单一因素建立的ARIMA (0,2,1)模型得到的预测值进行比较,分析相对误差。得到的结果显示：利用回归与时序相结合的多元时间序列模型比时间序列模型的预测结果更好,并用其对2015年安徽省GDP进行短期预测。
【关键词】：时间序列分析 回归模型 GDP 预测 ARIMA模型
【学位授予单位】：安徽农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F127
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-13
• 1.1 问题的提出8
• 1.2 论文研究的目的和意义8-9
• 1.3 国内外的研究现状9-11
• 1.3.1 时间序列分析的国内外研究现状9-10
• 1.3.2 时间序列在经济领域的国内外研究现状10-11
• 1.4 论文内容及研究方法11-13
• 1.4.1 论文内容11-12
• 1.4.2 研究方法12-13
• 第二章 时间序列基本理论及常用模型13-23
• 2.1 时间序列分析13-14
• 2.2 时间序列的预处理14-16
• 2.2.1 平稳性14-15
• 2.2.2 纯随机性检验15
• 2.2.3 差分运算15-16
• 2.3 时间序列的四种常用模型16-19
• 2.3.1 自回归(AR)模型16
• 2.3.2 移动平均(MA)模型16-17
• 2.3.3 自回归移动平均(ARMA)模型17
• 2.3.4 差分自回归移动平均(ARIMA)模型17-19
• 2.4 基于回归与时序相结合的多元时间序列分析19-22
• 2.4.1 多元回归分析19-20
• 2.4.2 逐步回归基本思想及步骤20-21
• 2.4.3 多元时间序列分析21-22
• 2.5 本章小结22-23
• 第三章 安徽省GDP阶段分析23-30
• 3.1 安徽省GDP分析24-25
• 3.2 安徽省分阶段研究25-28
• 3.2.1 缓慢发展阶段(1952年-1978年)25-26
• 3.2.2 快速发展阶段(1979年-2000年)26-27
• 3.2.3 高速发展阶段(2001年.)27-28
• 3.3 安徽省工业发展28-29
• 3.4 本章小结29-30
• 第四章 安徽省GDP模型30-44
• 4.1 安徽省GDP简单指数模型30-31
• 4.2 建立有关安徽省GDP的ARIMA模型31-37
• 4.2.1 安徽省1952-2008年GDP数据的初步分析31-35
• 4.2.2 模型的识别与定阶35
• 4.2.3 参数估计35-36
• 4.2.4 模型检验36
• 4.2.5 2009-2013 年预测结果36-37
• 4.3 安徽省GDP多元时间序列模型37-43
• 4.4 本章小结43-44
• 第五章 总结与展望44-46
• 5.1 总结44-45
• 5.2 展望45-46
• 参考文献46-49
• 致谢49-50
• 个人简介50

【参考文献】

中国期刊全文数据库 前6条

1 冯瑞;;GDP时间序列的ARIMA模型研究[J];重庆工商大学学报(自然科学版);2014年12期

2 樊亮;;甘肃省GDP的时间序列分析与预测[J];甘肃高师学报;2013年05期

3 薛冬梅;;ARIMA模型及其在时间序列分析中的应用[J];吉林化工学院学报;2010年03期

4 刘爱萍;郜文明;;ARIMA模型在省级全社会固定资产投资预测中的应用[J];河南金融管理干部学院学报;2008年04期

5 周明,聂艳丽,李庚银,倪以信;基于小波分析的短期电价ARIMA预测方法[J];电网技术;2005年09期

6 刘颖,张智慧;中国人均GDP(1952-2002)时间序列分析[J];统计与决策;2005年04期

中国博士学位论文全文数据库 前1条

1 李德才;基于多元时间序列的关联分析及预测方法研究[D];大连理工大学;2012年

中国硕士学位论文全文数据库 前7条

1 罗妤;小波分析与非线性逐步回归预测方法的实现与应用[D];安徽农业大学;2013年

2 袁磊磊;基于时间序列分析的商业企业销售预测模型研究[D];重庆理工大学;2013年

3 魏宁;时间序列分析方法研究及其在陕西省GDP预测中的应用[D];西北农林科技大学;2010年

4 刘荣其;基于聚类和时序分析的林分生长模型[D];福建农林大学;2009年

5 汤岩;时间序列分析的研究与应用[D];东北农业大学;2007年

6 吴喜;时间序列建模与模型选择的应用研究[D];合肥工业大学;2006年

7 田金方;一类经济时间序列分析模型及其应用[D];山东师范大学;2003年

，

本文编号：927859