基于ARIMA模型的山东省建筑业总产值的预测.docVIP

基于ARIMA模型的山东省建筑业总产值的预测 　　【摘要】建筑业总产值是体现建筑业价值量的重要指标。依据山东省统计年鉴相关数据，采用时间序列分析法，对山东省1990～2010年建筑业总产值进行了分析。通过对数据的平稳性检验、模型的确认等综合分析，建立了ARIMA（1，2，1）时间序列模型，对2011～2015年山东省的建筑业总产值进行预测。 　　【关键词】山东省建筑业总产值，ARIMA模型，预测 　　一、前言 　　现行建筑业统计制度中，体现建筑业价值量的指标有建筑业总产值、建筑业增加值和竣工产值三项，建筑业总产值是以货币形式表现的建筑业企业在一定时期内生产的建筑业产品和提供的服务总和。长期以来，这一统计指标在宏观上是反映建筑业生产规模及发展速度的重要指标，在微观上是对建筑业企业施工规模、企业能力和经营成果的综合体现，因此，探讨研究我国建筑业总产值的预测方法，具有一定的理论和现实意义。 　　二、建立山东省建筑业总产值的时间序列模型 　　1.绘制时间序列图。利用Eviews5软件绘制原始数据的时间序列图，从所绘制时间序列图看出序列有明显的上升趋势，无周期具有非平稳性。因此，需要通过差分将其转化为平稳序列。 　　2.平稳化处理。用差分法进行平稳性处理。一阶差分后，时间序列仍然存在非平稳性。因此再进行二阶差分，二阶差分后的序列是平稳的。 　　3.模型识别。对原数列二阶差分后我们可以看出该序列为白噪声序列，说明对原数列二阶差分不适用于平稳化，因此对原数据进行对数化。对数化后，序列图还有一定的趋势。同时，从对数化后的单位根检验所得的也可以看出：ADF检验的值还大于1%水平下的临界值。所以时间序列仍然存在非平稳性。 　　二阶差分后，序列图没有趋势。同时， ADF检验值明显小于1%水平，5%水平下的临界值，由此可知对数化后再二阶差分的序列是平稳的。 　　从二阶差分后序列的相关图我们可以看出自相关系数截尾，偏相关系数是拖尾的 ，初步识别，该模型为MA（1）。 　　4.模型参数估计及模型建立 　　我们选用最佳准则函数定阶法，即AIC准则，该准则是在模型参数极大似然估计的基础上，对模型的阶数和相应参数同时给出一组最佳估计。AIC准则是在给出不同的模型的AIC计算公式基础上，选取使AIC达到最小的那一组阶数为理想阶数。列举比较选择法知，可能拟合的模型为ARMA（p，q）。 　　因此对差分序列{x5}分别估计下面若干模型：AR（1） MA（1） MA（2） ARMA（1，1） ARMA（1，2） 用Eviews 分析，得如下结果： 　　模型名为MA（1），相应系数为ma（1），AIC值为-0.623350，SC值为-0.523935；模型名为MA（2），相应系数为ma（1）ma（2），AIC值为-0.518530，SC值为-0.369408；模型名为AR（1），相应系数为ar（1），AIC值为-0.178053，SC值为-0.079122；模型名为ARMA（1，1），相应系数为ar（1）ma（1），AIC值为-1.383663，SC值为-1.235268；模型名为ARMA（1，2），相应系数为ar（1）ma（1）ma（2），AIC值为-0.610961，SC值为-0.413101。 　　由此可知模型ARMA（1，1）的AIC和SC值最小，因此选择这个模型进行预测。 　　5.残差白噪声检验。参数估计后，对模型进行检验，即对模型的残差序列进行白噪声检验。若残差序列不是白噪声序列，意味着残差序列还存在有用信息没被提取，需要进一步改进模型。由残差序列的自相关分析图可知：残差序列的自相关系数都落入随机区间，自相关系数的绝对值大都小于0.1，与0无明显差异。而且，P值都大于0.05，表明残差序列是纯随机的。模型残差不存在序列相关，并且各项统计量指标效果也很好，因此，模型拟合是成功的。 　　6.模型预测方程。因为预测所用模型为ARIMA（1，2，1），所以根据表11可得出预测方程为： 　　三、山东省建筑业总产值的预测 　　从ARIMA（1，2，1）模型的拟合图可以看出实际值与预测值相差很小，模型拟合比较好。最后用模型ARIMA（1，2，1）对2011年到2015年山东省建筑业总产值进行预测，2011年预测总产值为6611.11亿元，2012年预测总产值为7979.14亿元，2013年预测总产值为9666.45亿元，2014年预测总产值为11755.28亿元，2015年预测总产值为14350.27亿元。 　　四、结论及建议 　　1.结论。从预测结果可以看出2011年山东省建筑业总产值将达到6611.11亿元，2012年将达到7979.14亿元，2013年将达到9666.45亿元，2014年将达到11755.28亿元，2