河南省GDP预测建模技术分析.docx

基于时间序列模型的河南省GDP预测应用研究 摘要 在国民经济发展过程中，GDP数据是政府制定经济政策的重要依据，也是宏观经济中备受关注的数据，本文基于时间序列理论，利用ARMA模型对河南省1992年到2012年的GDP时间序列数据进行建模，预测出未来六年河南省的GDP数据，并提出支持河南省经济发展的政策建议，为地方经济的发展提供智力支持。 关键词： 河南省GDP; 时间序列; ARMA模型； 一． 文献综述 1.问题的引入 河南省位于中国中部，是第一人口大省，虽然经济实力在全国属于中等水平，但是近年来发展迅速，并且在2015年河南GDP增长8.3%，全省经济总体平稳，呈现稳中向好的态势，GDP总量排名全国第五位。所以对河南经济走势进行分析具有重要的理论和现实意义。由于GDP是影响经济生活乃至社会生活最重要的经济指标，常被公认为衡量一个国家或地区经济状况的最佳数据，因此对河南省经济的分析自然也就离不开对河南省GDP的分析。 2.论文研究的目的和意义 GDP 是指一个国家或地区所有常住单位在一定时期内生产活动的最终结果。这个指标不仅能从总体上度量国民产出和收入规模，也能从整体上度量经济波动和经济周期状态。成为宏观经济中最受关注的经济数据，被认为是衡量国民经济发展、判断宏观经济运行状况的一个重要指标，也是政府制定经济发展战略和经济政策的重要依据。因此，准确的分析预测 GDP 具有重要的理论和现实意义。而一个国家的 GDP 又是由各省 GDP 所构成的，因此研究各省 GDP 对研究全国 GDP 以及各省乃至全国经济都起着重要作用。 3.国内外的研究现状 3.1时间序列分析的国内外研究现状 时间序列方法最早起源于1927 年，数学家 Yule 首先提出建立自回归（AR）模型来预测市场变化的规律；1931 年，数学家 G.Walker 建立了滑动平均（MA）模型和自回归移动平均（ARMA）模型。Norbort Wiener 和 Andrei K.lmogonor对时间序列的参数模型拟合和推断过程作出了贡献； G.P. Box and G.M.Jenkins（1976）提出 ARMA 模型，先将非平稳时间序列通过相应处理转化为平稳序列，然后对得到的平稳时间序列利用 ACF 图和 PACF 图对模型进行识别，提出了时间序列中的自回归、移动平均、自回归移动平均三种最基本模型，并提出模型识别、模型参数估计、模型适用性检验及控制的一套理论，成为时间序列建模最通用的方法。时间序列分析在社会各领域都得到了广泛的应用，并针对不同的情况又相继提出了一些新模型。比如自回归条件异方差（ARCH）模型、 GARCH 模型、门限自回归模型、平滑转换和混沌模型、随机方差模型等。 在我国，时间序列分析在70年代末到80年代中后期才得到深入研究和广泛应用。70 年代，ARMA 模型成为时序分析的中心课题，预测领域的主要方法之一。通常把 AR模型，MA 模型和 ARMA 模型归入 Box-Jenkins 方法，称作 ARMA 模型体系。它是一个重要的预测工具，是时间序列分析中许多基本思想的基础。该方法在统计学上是完善的，有牢固的理论基础，完整的程序化的建模方法。但方法很复杂，对数据的性质也有一定的要求。对于该方法的预测精度，不同的运用环境有着不同的结论。近年来，时间序列已涉及到社会生活的各个领域，如：经济、气象水文、、信号处理、机械振动等，特别是与其它多学科相互交叉，形成新的研究模式。如时间序列分析与控制论、信号信息处理、非线性时间序列与人工神经网络、小波分析及分形等多学科相互交叉，从而对很多的前沿学科领域中的问题展开了研究。 3.2国内外有关 GDP 的时间序列研究 近年来，国内外的许多学者对GDP采用时间序列分析法对其发展规律进行研究并用于预测。梁鑫等（2008）利用SPSS软件，在AIC准则下建立了ARIMA(1,2,1)模型，利用非参数统计方法对模型进行了适应性检验，进而用广西1950-2006年的GDP数据进行实证分析及预测。赵盈（2006）以我国1954-2004年GDP的数据资料为依据，采用Box—Jenkins方法建立ARMA(1,1,1)模型，揭示我国GDP增长变化的规律性，并对回归结果进行实证分析。靳珊（2007）对贵州1950-2006年的数据进行分析，采用Eviews软件建立ARIMA(1,1,1)模型来揭示贵州GDP的增长变化规律。刘颖和张智慧（2005）研究了中国人均GDP时间序列分析，讨论了Box-Jenkins模型对中国人均GDP建模及短期预测。而对河南省GDP的统计研究目前仍较少。 在国外，Wallis and Whitley（1991）对刊载的英国1984-1988年的经济预测模型的误差进行了分析。Mrinalin