本文關鍵詞：基于ARIMA模型及回歸分析的安徽省GDP預測研究

  更多相關文章： 時間序列分析 回歸模型 GDP 預測 ARIMA模型

【摘要】：國內(nèi)生產(chǎn)總值(GDP),指的是國家(或地區(qū))的經(jīng)濟在一年(或一個季度)內(nèi)生產(chǎn)的所有最終產(chǎn)品和勞務價值的總和；它是國民經(jīng)濟核算的核心指標,同時也能衡量一個國家或地區(qū)的經(jīng)濟狀況和發(fā)展水平。在今年三月份的兩會期間,提出2015年國內(nèi)生產(chǎn)總值將增長7%左右,比去年下降約0.5個百分點：在國家統(tǒng)計局公布的數(shù)據(jù)中顯示,剛過去的1-3月中國GDP的增速放緩至7%,是2009年第一季度以來增速最低的。這些數(shù)據(jù)告訴我們,對于GDP的研究分析在國家宏觀經(jīng)濟政策的制定中具有重要的理論和實際意義。時間序列預測和回歸分析預測是現(xiàn)有的兩種常用的預測方法。時間序列預測是研究預測目標與時間之間的演變關系,是一種動態(tài)數(shù)據(jù)分析處理方法；它利用概率統(tǒng)計學為理論基礎用來分析動態(tài)數(shù)據(jù),對數(shù)據(jù)建立相應的數(shù)學模型,并進一步進行預測分析。時間序列預測主要是利用歷史數(shù)據(jù)對序列隨時間變化的規(guī)律進行揭示,并將這一規(guī)律延伸到未來,進行預測。確定性時間序列是傳統(tǒng)的時間序列分析方法,它主要包括指數(shù)平滑法、移動平均法、時間序列的分解等。常用的時間序列模型主要有：AR模型,MA模型,ARIMA模型�；貧w分析模型是對統(tǒng)計關系進行定量描述的一種模型,是研究一個變量關于另一個(些)變量的具體依賴關系的計算方法和理論,通過控制一個(些)變量的取值去改變另一個(些)特定變量取值的精確程度。本文主要以安徽省1952年到2013年這62年的國內(nèi)生產(chǎn)總值為基礎,對安徽省這62年的產(chǎn)業(yè)結構變化進行分析以及產(chǎn)業(yè)結構對于GDP的影響,并對安徽省2014-2020年的GDP進行預測。將安徽省GDP發(fā)展分為三個階段,第一階段(1952-1978年)以第一產(chǎn)業(yè)農(nóng)業(yè)為絕對主導,其他產(chǎn)業(yè)緩慢發(fā)展；第二階段(1979-2000年)安徽省三大產(chǎn)業(yè)增加值齊頭并進,對安徽省GDP的貢獻成三足鼎立之勢；第三階段(2001-2013年)農(nóng)業(yè)增加值對于安徽省的貢獻越來越低,而第二產(chǎn)業(yè)則取代第一產(chǎn)業(yè),成為對安徽省GDP貢獻最高的產(chǎn)業(yè)。利用SAS和MATLAB軟件對安徽省第一,第二,第三產(chǎn)業(yè)產(chǎn)值與GDP進行預測分析,將回歸與時序相結合,建立ARIMAX模型：利用分析得到的ARIMAX(2,5)對2009-2013年國內(nèi)生產(chǎn)總值做預測并與僅考慮GDP這一單一因素建立的ARIMA (0,2,1)模型得到的預測值進行比較,分析相對誤差。得到的結果顯示：利用回歸與時序相結合的多元時間序列模型比時間序列模型的預測結果更好,并用其對2015年安徽省GDP進行短期預測。
【關鍵詞】：時間序列分析 回歸模型 GDP 預測 ARIMA模型
【學位授予單位】：安徽農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F224;F127
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-13
• 1.1 問題的提出8
• 1.2 論文研究的目的和意義8-9
• 1.3 國內(nèi)外的研究現(xiàn)狀9-11
• 1.3.1 時間序列分析的國內(nèi)外研究現(xiàn)狀9-10
• 1.3.2 時間序列在經(jīng)濟領域的國內(nèi)外研究現(xiàn)狀10-11
• 1.4 論文內(nèi)容及研究方法11-13
• 1.4.1 論文內(nèi)容11-12
• 1.4.2 研究方法12-13
• 第二章 時間序列基本理論及常用模型13-23
• 2.1 時間序列分析13-14
• 2.2 時間序列的預處理14-16
• 2.2.1 平穩(wěn)性14-15
• 2.2.2 純隨機性檢驗15
• 2.2.3 差分運算15-16
• 2.3 時間序列的四種常用模型16-19
• 2.3.1 自回歸(AR)模型16
• 2.3.2 移動平均(MA)模型16-17
• 2.3.3 自回歸移動平均(ARMA)模型17
• 2.3.4 差分自回歸移動平均(ARIMA)模型17-19
• 2.4 基于回歸與時序相結合的多元時間序列分析19-22
• 2.4.1 多元回歸分析19-20
• 2.4.2 逐步回歸基本思想及步驟20-21
• 2.4.3 多元時間序列分析21-22
• 2.5 本章小結22-23
• 第三章 安徽省GDP階段分析23-30
• 3.1 安徽省GDP分析24-25
• 3.2 安徽省分階段研究25-28
• 3.2.1 緩慢發(fā)展階段(1952年-1978年)25-26
• 3.2.2 快速發(fā)展階段(1979年-2000年)26-27
• 3.2.3 高速發(fā)展階段(2001年.)27-28
• 3.3 安徽省工業(yè)發(fā)展28-29
• 3.4 本章小結29-30
• 第四章 安徽省GDP模型30-44
• 4.1 安徽省GDP簡單指數(shù)模型30-31
• 4.2 建立有關安徽省GDP的ARIMA模型31-37
• 4.2.1 安徽省1952-2008年GDP數(shù)據(jù)的初步分析31-35
• 4.2.2 模型的識別與定階35
• 4.2.3 參數(shù)估計35-36
• 4.2.4 模型檢驗36
• 4.2.5 2009-2013 年預測結果36-37
• 4.3 安徽省GDP多元時間序列模型37-43
• 4.4 本章小結43-44
• 第五章 總結與展望44-46
• 5.1 總結44-45
• 5.2 展望45-46
• 參考文獻46-49
• 致謝49-50
• 個人簡介50

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 馮瑞;;GDP時間序列的ARIMA模型研究[J];重慶工商大學學報(自然科學版);2014年12期

2 樊亮;;甘肅省GDP的時間序列分析與預測[J];甘肅高師學報;2013年05期

3 薛冬梅;;ARIMA模型及其在時間序列分析中的應用[J];吉林化工學院學報;2010年03期

4 劉愛萍;郜文明;;ARIMA模型在省級全社會固定資產(chǎn)投資預測中的應用[J];河南金融管理干部學院學報;2008年04期

5 周明,聶艷麗,李庚銀,倪以信;基于小波分析的短期電價ARIMA預測方法[J];電網(wǎng)技術;2005年09期

6 劉穎,張智慧;中國人均GDP(1952-2002)時間序列分析[J];統(tǒng)計與決策;2005年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李德才;基于多元時間序列的關聯(lián)分析及預測方法研究[D];大連理工大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 羅妤;小波分析與非線性逐步回歸預測方法的實現(xiàn)與應用[D];安徽農(nóng)業(yè)大學;2013年

2 袁磊磊;基于時間序列分析的商業(yè)企業(yè)銷售預測模型研究[D];重慶理工大學;2013年

3 魏寧;時間序列分析方法研究及其在陜西省GDP預測中的應用[D];西北農(nóng)林科技大學;2010年

4 劉榮其;基于聚類和時序分析的林分生長模型[D];福建農(nóng)林大學;2009年

5 湯巖;時間序列分析的研究與應用[D];東北農(nóng)業(yè)大學;2007年

6 吳喜;時間序列建模與模型選擇的應用研究[D];合肥工業(yè)大學;2006年

7 田金方;一類經(jīng)濟時間序列分析模型及其應用[D];山東師范大學;2003年

，

本文編號：927859