GDP是指一個國家或地區(qū)在內(nèi)的全部常住單位在一段時間里生產(chǎn)的全部勞務(wù)價值和最終產(chǎn)品,它代表著一個國家或地區(qū)的經(jīng)濟狀況。它與就業(yè)率、經(jīng)濟增長率、通貨膨脹等都有很大的關(guān)聯(lián),GDP是狹隘的經(jīng)濟增長。所以掌握GDP的短期變化特點對GDP進(jìn)行短期預(yù)測,這對我們進(jìn)行宏觀經(jīng)濟調(diào)控具有重要的作用。江蘇省的GDP值近年來都略低于廣東省位居全國第二。對作為GDP大省的江蘇省而言,預(yù)測GDP的值顯得尤為重要。本文主要選擇1970年到2018年江蘇省的GDP數(shù)據(jù),其中訓(xùn)練模型使用的是1970年到2016年的數(shù)據(jù),而測試模型使用的是余下的年份數(shù)據(jù)。江蘇省的GDP數(shù)據(jù),屬于非平穩(wěn)時間序列,具有線性和非線性的特征。本文基于這些數(shù)據(jù)建立四種模型,主要使用R和SAS兩個軟件,對江蘇省GDP進(jìn)行預(yù)測。最終對我們建立的模型的預(yù)測精度進(jìn)行比較分析,以此找到最優(yōu)模型。首先,建立ARIMA模型,本文建立的是ARIMA（0,2,2）,此模型是關(guān)于江蘇省GDP數(shù)據(jù)的線性模型,并預(yù)測出江蘇省的GDP值;其次,建立非線性模型BP神經(jīng)網(wǎng)絡(luò),選擇合適的激活函數(shù),訓(xùn)練好神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),挖掘出GDP數(shù)據(jù)的非線性特點。然后,GDP數(shù)據(jù)具有線性和非線... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２江蘇�。牵模袝r序圖??－

山東大學(xué)碩士學(xué)位論文??三?／??嫩＼?／??／??：?Ｊ?＇??麵?／??■?？Ｗ??１？匁?１？７７?ｌｆＭ?ｌ？?Ｉｔ＇Ｄ?！？０?ｌｏｔ?ＩＭｔ?＞Ｍ?ＩＭＣ?ＩＭＭ?ＩＫＭ?�。�?ＩＣＣＣ?ｍｅ?ＷＭ?：００！?９０Ｍ?？＜？?９０（１?２０Ｕ?ｎ＜ｌ?ＸＵ??圖２－２江蘇�。牵模袝r序圖??從上圖２－２我們可以看出序列存在比較明顯的長期的遞增形式，所以序列是屬??于非平穩(wěn)序列，因此我們要對１９７０年到２０１６年的ＧＤＰ數(shù)據(jù)進(jìn)行平穩(wěn)化處理。??２．?４．?２數(shù)據(jù)平穩(wěn)化處理??由于江蘇�。牵模袛�(shù)據(jù)存在明顯的長期遞增趨勢，因此對序列進(jìn)行一階差分運??算，▽ｙｔ?＝?ｙｔ?—ｙｔ－ｉ，運行結(jié)果如圖２－３所示：??Ｖｔｆ??？？ｆ－??????ｊ．?；??二?１＼?［??￣?Ｊ］ｊ１／Ｖ??￣?／??，．丨丨…二?一＾氣一＾?＿??■ｎｏ?ｉｎ＞?�。�?ｉｎｉ?ｉｎ＊?ｉｗ＞?ｉ？（?ｉｍ?ｉｍｉ?ｉｎ＊?ＩＭＳ?■？？？，《■？?ｉｍｉ?ｍａ?ｘｕ?ｍ?ｉｕａ?？ｉｔ?ｋｍ?？■＊??圖２－３江蘇�。牵模小A差分后的序列時序圖??從圖２－３我們可以看出，我們對序列進(jìn)行一階差分后提取了序列的部分遞增信??息，但是序列提取的趨勢信息不是很完全，長期增長的信息仍然存在于經(jīng)過差分??后的數(shù)據(jù)里面，于是我們對差分后的序列再做一次差分運算，二階差分的時序圖??見圖２－４。??１７??

山東大學(xué)碩士學(xué)位論文??Ｗ????ＳＯＯＣ；??ｘｘｏ＼??ｉ?—＾４??ｊ?ｖ?Ｉ??Ｉ?＼??試?ｉ：??＾?；??—??—????Ｊ??Ｉｔｘ?ｔ＊？?�。裕�?＜＊Ｘ?）？？？?Ｉ？Ｎ?＇ＵＫ?？ｍ?ＩＳＭ?Ｉ４Ｍ?１＊Ｈ?１＊Ｗ?ｉ＊Ｈ?ＪＣＣＣ?ＫＨ?ＭＭ?Ｍｌ?？．＞?Ｋｌ＜?？ｌ＜??圖２－４江蘇�。牵模卸A差分后時序圖??由圖２－４可知，二階差分序列充分提取了原序列中蘊涵的增長信息，序列呈現(xiàn)??出非常平穩(wěn)的隨機波動。為了進(jìn)一步確定平穩(wěn)性，對二階差分后的序列進(jìn)行單位??根檢驗。單位根檢驗結(jié)果見表２－２所示。??表２－２?ＡＤＦ單位根檢驗??類型?延遲階數(shù)?ｔ檢驗統(tǒng)計量?Ｐ值??無常數(shù)均值、無趨勢?］?－７．４?＜０．０００１??有常數(shù)均值、無趨勢?１?－８．０６?０．０００１??有常數(shù)均值、有趨勢?１?－８．６７?＜０．０００１??由表２－２可知，當(dāng)顯著性水平七０．０５時，ｐ值明顯小于故拒絕原假設(shè)，認(rèn)??為二階差分后的序列是平穩(wěn)時間序列。??２．?４．?３模型識別和定階??再進(jìn)行二階差分后確定序列是平穩(wěn)時間序列，此時我們需要對序列進(jìn)行純隨??機性檢驗，如果序列經(jīng)過檢驗后是純隨機序列，說明序列沒有任何需要提取的價??值信息，建模結(jié)束。??表２－３序列白噪聲檢驗??滯后?Ｗ￣￣自由度＂＂Ｆ１?自相關(guān)系數(shù)??６?３２．０３?６?＜０．０００１￣－０．２４９?－０．２７７?０．４６１?－０．４０１?０．００８?０．３４１￣??１２?３３．８３?１２?０．０００７?－０．１６３?０．０２５?－０．０１４?－０

【參考文獻(xiàn)】：
期刊論文
[1]時間序列ARIMA模型在艾滋病疫情預(yù)測中的應(yīng)用[J]. 羅靜,楊書,張強,王璐.  重慶醫(yī)學(xué). 2012(13)
[2]5種系統(tǒng)疾病住院醫(yī)療費用的時間序列分析與預(yù)測[J]. 吳進(jìn)軍,蘇汝好.  中國醫(yī)院管理. 2000(11)
[3]隨機時間序列ARIMA模型在短期經(jīng)濟預(yù)測中的應(yīng)用[J]. 郭旺.  長沙交通學(xué)院學(xué)報. 1989(01)

碩士論文
[1]基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)模型的重慶市GDP實證分析[D]. 王冬冬.廣西師范大學(xué) 2019
[2]關(guān)于我國GDP的預(yù)測方法研究[D]. 朱佳俊.山東大學(xué) 2019
[3]基于GARCH模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票價格[D]. 施敏.南京大學(xué) 2018
[4]幾種山東省GDP的預(yù)測方法及其比較[D]. 李超楠.山東大學(xué) 2018
[5]基于灰色遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的江西省GDP預(yù)測[D]. 牛晉徽.景德鎮(zhèn)陶瓷大學(xué) 2016
[6]基于時間序列分析的我國GDP預(yù)測模型[D]. 陳瑤.蘇州科技學(xué)院 2015
[7]基于BP神經(jīng)網(wǎng)絡(luò)模型下預(yù)測吉林省GDP[D]. 孫文淵.延邊大學(xué) 2015
[8]ARIMA模型與遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)在GDP預(yù)測中的應(yīng)用[D]. 單玉隆.蘭州大學(xué) 2014
[9]時間序列模型在地級市GDP預(yù)測中的應(yīng)用[D]. 李守麗.鄭州大學(xué) 2013
[10]基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的湖南省GDP預(yù)測研究[D]. 楊挺.中南大學(xué) 2008



本文編號：3120096