本文關(guān)鍵詞：時間序列模型在我國互聯(lián)網(wǎng)普及率分析中的應(yīng)用

  更多相關(guān)文章： 時間序列 互聯(lián)網(wǎng)普及率 R軟件 Holt-Winters濾波模型 ARIMA模型

【摘要】：隨著科學技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)也得到了前所未有的發(fā)展,互聯(lián)網(wǎng)的發(fā)展對我們生活方式的改變起了很大的推動作用�；ヂ�(lián)網(wǎng)極大地促進了網(wǎng)絡(luò)購物的發(fā)展,網(wǎng)絡(luò)購物的發(fā)展也刺激了消費,對經(jīng)濟的增長起了很大的促進作用,互聯(lián)網(wǎng)成為了經(jīng)濟增長的新動能。同時互聯(lián)網(wǎng)的發(fā)展也促進了創(chuàng)新,在穩(wěn)增長、調(diào)結(jié)構(gòu)、促就業(yè)中也起了不可替代的作用。我國目前的互聯(lián)網(wǎng)普及率將近過半,但是未來幾年的互聯(lián)網(wǎng)普及率到底能達到多少,還是一個未知數(shù)。因此,對未來的互聯(lián)網(wǎng)普及率進行預(yù)測有很重要的意義。時間序列模型是我們處理時間序列數(shù)據(jù)最常用的模型。時間序列模型包括兩大類,有基于平穩(wěn)時間序列建立的模型,也有基于非平穩(wěn)時間序列建立的模型。雖然我們在實踐中見到最多的是非平穩(wěn)時間序列,但是平穩(wěn)時間序列模型是非平穩(wěn)時間序列模型的基礎(chǔ)�；陔S機分析的非平穩(wěn)時間序列建模就是在平穩(wěn)時間序列模型的基礎(chǔ)上發(fā)展起來的。在非平穩(wěn)時間序列的建模中,ARIMA模型和Holt-Winters濾波模型是分別基于隨機分析和確定性分析而產(chǎn)生的模型。ARIMA模型主要針對隨機性比較強的序列建模;Holt-Winters濾波模型主要針對隨機性比較弱的序列建模。由于在建模之前對序列的不了解,我們通常同時用兩種模型去擬合非平穩(wěn)時間序列,然后進行比較,選擇合適的模型。本文首先對時間序列的主要特征和時間序列的分析步驟進行了介紹,然后詳細介紹了平穩(wěn)時間序列的建模,接著在平穩(wěn)時間序列建模的基礎(chǔ)上對非平穩(wěn)時間序列的建模進行了分析。在分析的過程中將非平穩(wěn)時間序列的建模分為基于確定性分析的建模和基于隨機分析的建模兩種,并對這兩種進行了比較。最后本文運用2000年12月至2015年6月我國的互聯(lián)網(wǎng)普及率數(shù)據(jù),基于R軟件來進行分析,通過ARIMA模型和Holt-Winters濾波模型分別對我國的互聯(lián)網(wǎng)普及率數(shù)據(jù)進行擬合。最后經(jīng)過模型比較選擇了Holt-Winters濾波模型,并運用Holt-Winters濾波模型預(yù)測了我國未來5年的互聯(lián)網(wǎng)普及率。分析表明,到2020年6月年我國的互聯(lián)網(wǎng)普及率將達到59.4%,增長不是很快,因此本文提出了相關(guān)的政策建議來提升互聯(lián)網(wǎng)普及率的增長。
【關(guān)鍵詞】：時間序列 互聯(lián)網(wǎng)普及率 R軟件 Holt-Winters濾波模型 ARIMA模型
【學位授予單位】：云南財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F49
【目錄】：

• 摘要3-5
• Abstract5-10
• 第一章 緒論10-14
• 第一節(jié) 研究背景10-11
• 第二節(jié) 研究目的11
• 第三節(jié) 時間序列分析的產(chǎn)生和發(fā)展11-13
• 一、時間序列分析的產(chǎn)生11-12
• 二、時間序列分析的發(fā)展12-13
• 第四節(jié) 論文結(jié)構(gòu)13-14
• 第二章 時間序列分析的簡介14-20
• 第一節(jié) 時間序列的主要特征14-16
• 一、時間序列的相關(guān)性14-15
• 二、時間序列的平穩(wěn)性15-16
• 三、時間序列的波動聚集性16
• 第二節(jié) 時間序列分析的步驟16-20
• 一、模型識別17
• 二、模型估計17-18
• 三、模型檢驗18
• 四、模型應(yīng)用18-20
• 第三章 平穩(wěn)時間序列的建模分析20-32
• 第一節(jié) 時間序列的檢驗20-22
• 一、時間序列平穩(wěn)性檢驗20
• 二、時間序列純隨機性檢驗20-22
• 第二節(jié)ARMA模型介紹22-26
• 一、AR模型22-23
• 二、MA模型23-24
• 三、ARMA模型24-26
• 第三節(jié) 模型的識別26-27
• 一、自相關(guān)系數(shù)與偏自相關(guān)系數(shù)26
• 二、模型定階26-27
• 第四節(jié) 模型參數(shù)估計27-29
• 一、矩估計27-28
• 二、極大似然估計28-29
• 三、最小二乘估計29
• 第五節(jié) 模型檢驗29-31
• 一、模型的顯著性檢驗30
• 二、模型參數(shù)的顯著性檢驗30-31
• 第六節(jié) 模型預(yù)測31-32
• 第四章 非平穩(wěn)時間序列的建模分析32-43
• 第一節(jié) 時間序列的確定性和隨機性分解32-34
• 一、Wold分解定理32-33
• 二、Gramer分解定理33-34
• 第二節(jié) 基于確定性分析的建模方法34-37
• 一、移動平均法34-35
• 二、指數(shù)平滑法35-36
• 三、Holt-Winters濾波模型36-37
• 第三節(jié) 基于隨機分析的建模方法37-40
• 一、差分運算37-38
• 二、PP檢驗和KPSS檢驗38-40
• 第四節(jié)ARIMA模型40-41
• 第五節(jié) 對模型擬合效果的判斷41-43
• 一、Holt-Winters濾波模型和ARIMA模型的比較41-42
• 二、對模型擬合殘差的檢驗42-43
• 第五章 基于時間序列模型的我國互聯(lián)網(wǎng)普及率分析43-53
• 第一節(jié) 互聯(lián)網(wǎng)普及率數(shù)據(jù)43
• 第二節(jié) 從實證分析中選擇模型43-49
• 一、ARIMA模型對序列的擬合43-46
• 二、Holt-Winters濾波模型對序列的擬合46-49
• 第三節(jié) 模型的比較49-51
• 第四節(jié) 對互聯(lián)網(wǎng)普及率的預(yù)測51-53
• 第六章 結(jié)論與政策建議53-55
• 第一節(jié) 結(jié)論53
• 第二節(jié) 政策建議53-55
• 參考文獻55-59
• 致謝59-60
• 本人在讀期間完成的研究成果60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊貴軍;;時間序列模型描述個體經(jīng)濟發(fā)展趨勢的局限性及改進方法[J];現(xiàn)代財經(jīng)(天津財經(jīng)大學學報);2006年07期

2 郭順生;王磊;黃琨;;基于時間序列模型預(yù)測汽車銷量研究[J];機械工程師;2013年05期

3 李寶慧;用時間序列模型對社會消費品指數(shù)的規(guī)律進行研究和預(yù)測[J];統(tǒng)計研究;2000年01期

4 吳令云,趙遠東;用時間序列模型分析突發(fā)事件對經(jīng)濟的影響[J];統(tǒng)計與決策;2004年04期

5 陳飛,高鐵梅;結(jié)構(gòu)時間序列模型在經(jīng)濟預(yù)測方面的應(yīng)用研究[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2005年02期

6 霍振宏;;基于時間序列模型下國民經(jīng)濟發(fā)展趨勢實證分析[J];中原工學院學報;2007年04期

7 鄭煜;孟軍;;時間序列模型對黑龍江省水稻比較優(yōu)勢的預(yù)測[J];東北林業(yè)大學學報;2008年10期

8 張新波;;時間序列模型在稅收預(yù)測中的應(yīng)用[J];湖南稅務(wù)高等�？茖W校學報;2010年04期

9 劉領(lǐng)坡;;我國社會消費品零售總額時間序列模型及預(yù)測[J];經(jīng)濟論壇;2011年06期

10 范菲菲;;河南省經(jīng)濟增長的時間序列模型分析[J];河南農(nóng)業(yè);2012年22期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時間序列模型及其應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

2 史青;練曉華;;時間序列模型在地鐵結(jié)構(gòu)變形預(yù)測中的應(yīng)用[A];第十五屆華東六省一市測繪學會學術(shù)交流會論文集（江蘇上海論文分冊）[C];2012年

3 黃榮坦;;廈門港集裝箱吞吐量的時間序列模型[A];2002年中國管理科學學術(shù)會議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時間序列模型及人民幣匯率預(yù)測[A];第二十九屆中國控制會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 國海證券研究所;時間序列模型預(yù)測3月CPI為—1.26%[N];上海證券報;2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國石化報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 趙彪;兩類時間序列模型的統(tǒng)計推斷[D];中國科學技術(shù)大學;2015年

2 尚華;兩類時間序列模型的異常值檢測研究[D];首都經(jīng)濟貿(mào)易大學;2016年

3 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應(yīng)用研究[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10條

1 段煉;基于時間序列模型的日內(nèi)交易策略在A股市場上的應(yīng)用[D];復(fù)旦大學;2014年

2 馬云飛;多因素模糊時間序列預(yù)測模型的研究[D];大連海事大學;2016年

3 劉丑娟;基于變參數(shù)粒子群的模糊時間序列模型的研究[D];大連海事大學;2016年

4 劉雅寧;基于小波分析和優(yōu)化理論的時間序列預(yù)測研究[D];燕山大學;2015年

5 陳海燕;模糊時間序列模型在論域上的研究與應(yīng)用[D];武漢郵電科學研究院;2016年

6 高山;小波分析和組合模型在沉降預(yù)計中的應(yīng)用研究[D];安徽理工大學;2016年

7 易燕飛;基于時間序列模型的傳染病流行趨勢及預(yù)測研究[D];長春工業(yè)大學;2016年

8 李蒼祺;時間序列模型在我國互聯(lián)網(wǎng)普及率分析中的應(yīng)用[D];云南財經(jīng)大學;2016年

9 涂曄;時間序列模型的誤差分析與研究[D];昆明理工大學;2009年

10 李金玲;基于特征展開法的模糊時間序列模型的約減算法[D];大連海事大學;2015年

，

本文編號：716089