时间序列分析期末论文1【参考】.doc

课 程 论 文 时间序列分析 题 目 时间序列模型在人口增长中的应用 学 院 数学与统计学院 专 业 统计学 班 级 统计（二）班 学生姓名 殷婷 2010101217 指导教师 刘翠霞 职 称 2012 年 10 月 29 日 引 言1) 在预测中国人口的增长趋势时，假设全国人口数量的变化是封闭的即而不考虑与其他国家的迁移状况；2)在预测的年限内，不会出现意外事件使人口发生很大的波动，如战争，疾病；3) 题目数据能够全国的整体根据抽样的基本原理，预测人口增长趋势最直接的方法就是预测出人口总数的增长量，因此我们中华人民共和国国家统计局得到的年度人口数据。考虑到迁移率、死亡率、出生率、年龄结构等多个因素对人口数量的影响，求解人口增长趋势的关键是如何在我们的模型中充分的利用这些影响因素从而使我们的预测结果具有较高的精确性。 年份 总人数 1990 114333 1991 115823 1992 117171 1993 118517 1994 119850 1995 121121 1996 122389 1997 123626 1998 124761 1999 125786 2000 126743 2001 127627 2002 128453 2003 129227 2004 129988 2005 130756 2006 131448 2007 132129 2008 132802 分析：这是通过原始数据得到的散点图，可以看出人数呈现的是逐渐上升的趋势。 研究步骤: 分析描述性统计量，由以上数据计算总人数的均值和标准差： 总人数 的均值 = 124871 总人数 的标准差 = 5787.78 观察值个数=19 运用eviews软件对白噪声序列进行检验： 步骤为： 2.打开resid序列，view，correlogram，差分阶数选择level，确定看q统计量的伴随p值 模型显著性检验 图：模型残差 图：残差的平稳性和纯随机性检验 分析：对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于0，且，q统计量对应的p值都小于0.05，所以该序列平稳。 模型的预测 点击“forecast”，会弹出一个对话框，在eviews中有两种预测方式，“dynamic”和“static”，前者是根据所选择的一定的估计区间，进行多步向前预测，后者只滚动的进行向前一步预测，即每预测一次，用真实值代替预测值，加入到估计区间，再进一步向前预测。 先估计2003年到2008年的X的总人数，可以根据对话框自行选择，得到如下结果： 分析：图中实线代表X的预测值，两条虚线则提供了两倍标准差的置信区间。可以看到，正如我们在前面所讲的，随着预测时间的增长，预测值很快趋向于序列的均值，图中右边列出的是评价预测的一些标准，如平均预测误差平方根（rmse）为78.79787，theil不相等系数为0.000301，表示预测能力比较好。 下面再利用“static”方法估计2004年到2008年的X，方法如上可以得到如下结果： 分析：方差比例的下降表明较好的模拟了实际序列的波动，theil不等系数为0.014605，表明模型的预测结果较为理想。 模型优化 当一个拟合模型通过了检验，说明在一定的显著水平下，该模型能有效地拟合观察值序列的波动，但这种有效模型不是唯一的。 优化的目的，是为了选择相对最优模型。 分析：由上图可知，滞后二阶参数不显著，不需要进行深入判断。 综合分析：使用了时间序列分析的方法对全国的总人口数据序列建立了自回归预测模型，并利用模型对2003到2008年的数值进行预测和对照。预测结果与实际值比较如下表所示。一阶自回归模型经济意义比较明确，可以处理随时间变化的波动，模型在短期内预测比较准确，平均绝对年份实际值预测值相对误差(％) 平均误差误差为0.289%，但随着预测期的延长，预测误差可能会出现逐渐增大的情况。尽管如此，其短期预测精度还是比较高的。 年份 实际值 预测值 相对误差 平均 2003 129227 128951 0.151 0.289 2004 129988 129970 0.010 2005 130756 130990 0.127 2006 131448 132010 0.302 2007 132129 133030 0.482 2008 132802 134050 0.664