基于ARIMA模型国内人口受教育年限预测
发布时间：2022-01-01 20:36
本文基于人力资本水平衡量方法测算我国人力水平,采用ARIMA模型得出结论:我国人口受教育平均年数增速缓慢,仅为0.06年/人,并将在2022年到达6年。
【文章来源】：劳动保障世界. 2019,(20)
【文章页数】：1 页
【部分图文】：
自相关图从自相关图与偏相关图中我们初步认定其自相关3阶截尾，偏相关
鹘逃?愦蔚钠骄?芙逃??限，各级教育层次和对应受教育年限设定为：文盲0年、小学6年、初中9年、高中及中专12年、大专及以上（含本科及研究生）16年。nij表示既定的受教育水平下的人口份额。三、ARIMA模型对对数化后的变量进行二阶差分做PDF检验，发现P值接近0，时序平稳度十分显著。通过平稳性检验后，我们确定ARIMA(p,d,q)模型中的d值为2。接下来需要对ARIMA(p,2,q)模型的p和q值进行识别。ARIMA模型的自相关和偏自相关图如图1、2所示。图1自相关图从自相关图与偏相关图中我们初步认定其自相关3阶截尾，偏相关图3阶截尾，对此初步建立ARIMA(3,2,3)模型，并对其参数检验结果进行反复分析比较，逐步剔除参数检验不显著的移动平滑第1，2阶数，最终得到疏系数模型ARIMA(3,2,(3))。通过SAS软件对ARIMA(3,2,(3))模型进行参数检验残差检验，由检验结果知在5%的显著水平下，截距项，AR1-3，MA(3)的参数检验十分显著。延迟各阶残差自回归检验P值均显著大于(=0.05)，所以该模型显著成立。计算ARIMA模型的AIC和SBC值分别为-458.265和-447.212，效果极佳。由各个参数估计值，我们得到模型的最终表达式为：我们由此得到ARIMA模型的拟合图并预测2022年我国人口受教育平均年数达到6年。图2偏相关图图3ARIMA模型拟合效果图四、研究结论本文利用《新中国65周年统计数据》、各年份《中国统计年鉴》和中经网数据库的数据，构建了我国人力资本的指标。基于ARIMA模型，测算出我国人均受教育的年数仅为5.7年，我国的人口受教育水平不能够支撑我国经济的高质量发展，因而扩大教育的普及和高素质人才的培养仍旧是重点问题。我国人口受教育平均年数的增长较为缓慢，每年增长仅为0.06年/人，至2022年，我国人口受教育平均年数达到6年。参考文献：
对其参数检验结果进行反复分析比较，逐步剔除参数检验不显著的移动平滑第1，2阶数，最终得到疏系数模型ARIMA(3,2,(3))。通过SAS软件对ARIMA(3,2,(3))模型进行参数检验残差检验，由检验结果知在5%的显著水平下，截距项，AR1-3，MA(3)的参数检验十分显著。延迟各阶残差自回归检验P值均显著大于(=0.05)，所以该模型显著成立。计算ARIMA模型的AIC和SBC值分别为-458.265和-447.212，效果极佳。由各个参数估计值，我们得到模型的最终表达式为：我们由此得到ARIMA模型的拟合图并预测2022年我国人口受教育平均年数达到6年。图2偏相关图图3ARIMA模型拟合效果图四、研究结论本文利用《新中国65周年统计数据》、各年份《中国统计年鉴》和中经网数据库的数据，构建了我国人力资本的指标。基于ARIMA模型，测算出我国人均受教育的年数仅为5.7年，我国的人口受教育水平不能够支撑我国经济的高质量发展，因而扩大教育的普及和高素质人才的培养仍旧是重点问题。我国人口受教育平均年数的增长较为缓慢，每年增长仅为0.06年/人，至2022年，我国人口受教育平均年数达到6年。参考文献：[1]中华人民共和国2012年国民经济和社会发展统计公报[M].中国统计出版社,2013.[2]中华人民共和国2017年国民经济和社会发展统计公报[M].中国统计出版社,2018.[3]Barro,R.J.&J.W.Lee,2001,“InternationalDataonEducationalAttainmentUpdatesandImplication”,OxfordEconomicPapers,(3),pp.63-541.作者简介：肖丽雯（1998—），女，汉族，江西赣州人，本科在读，研究方向为经济统计。
本文编号：3562799
【文章来源】：劳动保障世界. 2019,(20)
【文章页数】：1 页
【部分图文】：
自相关图从自相关图与偏相关图中我们初步认定其自相关3阶截尾，偏相关
鹘逃?愦蔚钠骄?芙逃??限，各级教育层次和对应受教育年限设定为：文盲0年、小学6年、初中9年、高中及中专12年、大专及以上（含本科及研究生）16年。nij表示既定的受教育水平下的人口份额。三、ARIMA模型对对数化后的变量进行二阶差分做PDF检验，发现P值接近0，时序平稳度十分显著。通过平稳性检验后，我们确定ARIMA(p,d,q)模型中的d值为2。接下来需要对ARIMA(p,2,q)模型的p和q值进行识别。ARIMA模型的自相关和偏自相关图如图1、2所示。图1自相关图从自相关图与偏相关图中我们初步认定其自相关3阶截尾，偏相关图3阶截尾，对此初步建立ARIMA(3,2,3)模型，并对其参数检验结果进行反复分析比较，逐步剔除参数检验不显著的移动平滑第1，2阶数，最终得到疏系数模型ARIMA(3,2,(3))。通过SAS软件对ARIMA(3,2,(3))模型进行参数检验残差检验，由检验结果知在5%的显著水平下，截距项，AR1-3，MA(3)的参数检验十分显著。延迟各阶残差自回归检验P值均显著大于(=0.05)，所以该模型显著成立。计算ARIMA模型的AIC和SBC值分别为-458.265和-447.212，效果极佳。由各个参数估计值，我们得到模型的最终表达式为：我们由此得到ARIMA模型的拟合图并预测2022年我国人口受教育平均年数达到6年。图2偏相关图图3ARIMA模型拟合效果图四、研究结论本文利用《新中国65周年统计数据》、各年份《中国统计年鉴》和中经网数据库的数据，构建了我国人力资本的指标。基于ARIMA模型，测算出我国人均受教育的年数仅为5.7年，我国的人口受教育水平不能够支撑我国经济的高质量发展，因而扩大教育的普及和高素质人才的培养仍旧是重点问题。我国人口受教育平均年数的增长较为缓慢，每年增长仅为0.06年/人，至2022年，我国人口受教育平均年数达到6年。参考文献：
对其参数检验结果进行反复分析比较，逐步剔除参数检验不显著的移动平滑第1，2阶数，最终得到疏系数模型ARIMA(3,2,(3))。通过SAS软件对ARIMA(3,2,(3))模型进行参数检验残差检验，由检验结果知在5%的显著水平下，截距项，AR1-3，MA(3)的参数检验十分显著。延迟各阶残差自回归检验P值均显著大于(=0.05)，所以该模型显著成立。计算ARIMA模型的AIC和SBC值分别为-458.265和-447.212，效果极佳。由各个参数估计值，我们得到模型的最终表达式为：我们由此得到ARIMA模型的拟合图并预测2022年我国人口受教育平均年数达到6年。图2偏相关图图3ARIMA模型拟合效果图四、研究结论本文利用《新中国65周年统计数据》、各年份《中国统计年鉴》和中经网数据库的数据，构建了我国人力资本的指标。基于ARIMA模型，测算出我国人均受教育的年数仅为5.7年，我国的人口受教育水平不能够支撑我国经济的高质量发展，因而扩大教育的普及和高素质人才的培养仍旧是重点问题。我国人口受教育平均年数的增长较为缓慢，每年增长仅为0.06年/人，至2022年，我国人口受教育平均年数达到6年。参考文献：[1]中华人民共和国2012年国民经济和社会发展统计公报[M].中国统计出版社,2013.[2]中华人民共和国2017年国民经济和社会发展统计公报[M].中国统计出版社,2018.[3]Barro,R.J.&J.W.Lee,2001,“InternationalDataonEducationalAttainmentUpdatesandImplication”,OxfordEconomicPapers,(3),pp.63-541.作者简介：肖丽雯（1998—），女，汉族，江西赣州人，本科在读，研究方向为经济统计。
本文编号：3562799
本文链接：https://www.wllwen.com/shekelunwen/renkou/3562799.html
