發(fā)布時間：2017-05-15 18:06

  本文關鍵詞：基于時間序列分析的我國GDP預測模型，由筆耕文化傳播整理發(fā)布。

【摘要】：GDP(Gross Domestic Product)是國民經濟核算的核心指標,常被公認為衡量一個國家(或地區(qū))經濟狀況的最佳指標,我們可以從GDP的變化判斷出一個國家(或地區(qū))經濟狀況的盛衰。時間序列分析預測方法是通過序列的歷史統(tǒng)計數據揭示現(xiàn)象隨時間變化的規(guī)律,將該規(guī)律延伸到未來,從而對該現(xiàn)象的未來走勢做出預測,在經濟領域發(fā)揮了重要作用。將時間序列分析法應用到我國GDP預測中,利用時間序列模型,能夠準確地預測我國GDP將來走勢,為國家宏觀經濟的有效調控和政策制定提供理論引導。本文基于時間序列分析理論,選用國家統(tǒng)計局發(fā)布的2000年第一季度至2014年第一季度我國GDP累計值57個季度數據,借助EViews 6.0軟件,SAS 9.1.3軟件和Matlab 2011a軟件,對數據進行擬合分析,分別建立乘積季節(jié)ARIMA模型,疊合模型和虛擬變量回歸模型,在疊合模型中建立全新的高斯函數與正弦函數和的疊合模型形式,以及在虛擬變量回歸模型中開拓建立含多個虛擬變量的非線性回歸模型這一新思路,并通過計量模型對2014年后三個季度我國GDP進行預測。分析探討三種模型的準確性,選擇相對預測誤差最小的模型成為相對最優(yōu)預測模型,具有較高的理論和實際作用。
【關鍵詞】：GDP 時間序列分析 乘積季節(jié)ARIMA模型 疊合模型 虛擬變量回歸模型
【學位授予單位】：蘇州科技學院
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F223;F224
【目錄】：

• 摘要6-7
• Abstract7-10
• 第一章 緒論10-13
• 1.1 研究背景和意義10
• 1.2 國內外研究現(xiàn)狀10-11
• 1.2.1 時間序列分析研究動態(tài)10-11
• 1.2.2 國內外有關GDP的研究現(xiàn)狀11
• 1.3 本文的主要工作11-13
• 第二章 乘積季節(jié)ARIMA模型13-24
• 2.1 乘積季節(jié)ARIMA模型相關基本概念13-15
• 2.1.1 序列平穩(wěn)性13
• 2.1.2 乘積季節(jié)(SARIMA) 模型13-15
• 2.2 乘積季節(jié)ARIMA模型相關基本方法15-19
• 2.2.1 單位根檢驗法15-16
• 2.2.2 差分變換16-17
• 2.2.3 白噪聲檢驗17
• 2.2.4 信息準則17-19
• 2.3 乘積季節(jié)ARIMA模型的建立過程19-20
• 2.3.1 平穩(wěn)性檢驗19
• 2.3.2 對差分后的平穩(wěn)序列進行ARMA擬合19-20
• 2.3.3 參數估計及檢驗20
• 2.3.4 模型的有效性檢驗20
• 2.3.5 模型的預測及評價20
• 2.4 乘積季節(jié)ARIMA模型在我國GDP預測中的應用20-24
• 2.4.1 平穩(wěn)性檢驗及處理20-21
• 2.4.2 模型的識別與確定21-23
• 2.4.3 模型的預測與評價23-24
• 第三章 疊合模型24-31
• 3.1 疊合模型的原理與方法24-26
• 3.1.1 疊合指數函數模型24
• 3.1.2 疊合三角函數模型24-26
• 3.1.3 疊合模型26
• 3.2 對我國GDP時間序列建立疊合模型26-28
• 3.2.1 我國GDP時間序列特征分析26
• 3.2.2 趨勢部分擬合26-27
• 3.2.3 建立疊合三角函數模型27-28
• 3.3 我國GDP時間序列疊合模型的改進28-31
• 3.3.1 疊合模型形式改進28-29
• 3.3.2 對我國GDP時間序列建模29-31
• 第四章 虛擬變量回歸模型31-36
• 4.1 多元線性回歸回顧31
• 4.2 虛擬變量31-32
• 4.2.1 定義31-32
• 4.2.2 賦值方法32
• 4.3 建立虛擬變量回歸模型32-34
• 4.3.1 設定虛擬變量32
• 4.3.2 參數估計及檢驗32-34
• 4.4 我國GDP虛擬變量回歸模型34-36
• 4.4.1 設定虛擬變量34
• 4.4.2 參數估計及檢驗34
• 4.4.3 模型的預測與評價34-36
• 第五章 結論及展望36-38
• 5.1 結論36
• 5.2 展望36-38
• 參考文獻38-41
• 致謝41-42
• 附錄42-43
• 作者簡歷43

【相似文獻】

中國期刊全文數據庫 前10條

1 高峰;;顧客滿意度時間序列分析應用研究[J];中國質量;2009年01期

2 劉亮;唐海萍;張麗軍;;基于ARMA模型的財政教育投資時間序列分析[J];北京師范大學學報(自然科學版);2010年02期

3 張先兵;張松;;我國人均國內生產總值的時間序列分析(1952-2011)與靜態(tài)預測(2012-2015)[J];現(xiàn)代管理科學;2013年06期

4 王紹棣,謝濤,王汝傳,莊佳;基于時間序列分析的紀特郵票發(fā)行量預測[J];南京郵電學院學報(自然科學版);2001年03期

5 王晶晶;;消費價格指數的時間序列分析[J];時代經貿(中旬刊);2007年S8期

6 覃海丹;袁申鶴;張政;;湖北省全社會固定資產投資時間序列分析[J];現(xiàn)代商貿工業(yè);2008年11期

7 查文中;;中國CPI指數的時間序列分析[J];中國集體經濟;2009年27期

8 任崇光;高俊芳;張黛華;;時間序列分析在水量預測中的應用[J];預測;1985年S1期

9 劉春嵐，徐運輝，王承中;商品銷量的趨勢分析及預測[J];吉林工學院學報;1994年02期

10 范玉蓮;王廣富;;時間序列分析在中國城市化進程分析中的應用[J];科學咨詢(決策管理);2008年02期

中國重要會議論文全文數據庫 前10條

1 高峰;;時間序列分析在顧客滿意度中的應用研究[A];第三屆中國質量學術論壇論文集[C];2008年

2 鄭文衡;陳俊華;嚴尊國;楊立明;張秋文;;用時間序列分析預報地震的新途徑[A];1995年中國地球物理學會第十一屆學術年會論文集[C];1995年

3 蘇春宏;張宏;;時間序列分析在規(guī)劃環(huán)境影響評價環(huán)境背景分析中的應用[A];2010中國環(huán)境科學學會學術年會論文集(第二卷)[C];2010年

4 鐘球;蔣莉;周琳;李建偉;陳瑜暉;連永娥;;廣東省結核病發(fā)病趨勢的時間序列分析[A];中國防癆協(xié)會科普委員會第十二屆學術大會論文集[C];2010年

5 余衛(wèi)東;閔慶文;;商丘市居民生活消費生態(tài)足跡的時間序列分析[A];科技、工程與經濟社會協(xié)調發(fā)展——河南省第四屆青年學術年會論文集（下冊）[C];2004年

6 李圣明;;時間序列分析及其在變形監(jiān)測中的應用研究[A];湖北省測繪學會2006年度科學技術交流會論文集[C];2006年

7 鄭璐石;鄭穎人;;對時間序列分析的建模問題初探[A];水電與礦業(yè)工程中的巖石力學問題——中國北方巖石力學與工程應用學術會議文集[C];1991年

8 劉曉斌;;小波網絡在經濟時間序列分析中的應用[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

9 任永建;周鎖銓;石順吉;;2005年南京市PM_(10)濃度時間序列分析[A];中國氣象學會2007年年會大氣成分觀測、研究與預報分會場論文集[C];2007年

10 閔慶文;余衛(wèi)東;成升魁;;商丘市居民生活消費生態(tài)足跡的時間序列分析[A];生態(tài)學與全面·協(xié)調·可持續(xù)發(fā)展——中國生態(tài)學會第七屆全國會員代表大會論文摘要薈萃[C];2004年

中國重要報紙全文數據庫 前3條

1 ;統(tǒng)計新書評介[N];中國信息報;2001年

2 本報記者 李愛銘;“小神算”出手,誤差僅六千[N];解放日報;2010年

3 早報記者 韓曉蓉　實習生 楊鑫P";高中生用數學模型預測世博客流 平均誤差6000人[N];東方早報;2010年

中國博士學位論文全文數據庫 前4條

1 聶淑媛;時間序列分析的早期發(fā)展[D];西北大學;2012年

2 張晉昕;醫(yī)學時間序列分析及其預測應用相關問題的研究[D];第四軍醫(yī)大學;2000年

3 王鼐;非線性動力學方法在時間序列分析中的應用[D];復旦大學;2005年

4 鮑漪瀾;基于支持向量機的金融時間序列分析預測算法研究[D];大連海事大學;2013年

  本文關鍵詞：基于時間序列分析的我國GDP預測模型，，由筆耕文化傳播整理發(fā)布。

本文編號：368461