中国GDP的时间序列建模与分析.docVIP

中国GDP的时间序列分析及预测 摘要:本文是基于时间序列理论，并且利用Eviews软件针对我国1981年至2010年三十年的国内生产总值时间序列数据进行了分析，通过对改革开放30年来的GDP数据进行平稳化处理、模型识别、参数估计，建立时间序列模型，并对模型进行检验，确定较适合模型为自回归移动平均模型。通过对模型的分析和利用，对我国未来几年的国内生产总值做出预测。即 对2011 年到2015 年的全国GDP 进行了预测，结果表明模型有很好的预测效果。 关键词：时间序列，国内生产总值，ARMA 模型，ARIMA模型，预测 一、引言 1.1 GDP的概述极其研究意义 国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。国内生产总值(Gross Domestic Product)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，它反映国家和地区的经济发展及人民生活水平，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。 一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、政府支出和净出口额。用公式表示为：GDP=C+I+G+X。式中：C为消费、为私人投资、G为政府支出、X为净出口额。可以预见，国内生产总值(GDP)受经济基础、人口增长、资源、科技文化、环境、体制、发展战略等诸多因素的影响，这些因素之间又有着错综复杂的关系，因此，运用结构性的因果模型分析和预测GDP往往比较困难。然而将历年的GDP 作为时间序列，根据过去的数据得出其变化规律，建立预测模型，用此来预测未来的变化，具有着重要的意义。 本文利用我国1981-2010 年度GDP 历史数据为样本，利用在研究一个国家或地区经济和商业预测中比较先进适用的时间序列模型之一的ARIMA 模型对样本进行统计分析，以揭示我国GDP 变化的内在规律性，并进行后期预测。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。并对未来五年我国经济发展做出预测，为政府制定经济发展战略提供依据。 1.2 时间序列分析方法的简述 时间序列分析是一种广泛应用的数量分析方法，它主要用于描述和探索现象随时间发展变化的数量规律。时间序列是指同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。时间序列预测方法则是通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测。时间序列分析的基本模型有：模型和模型。 时间序列分析预测法，首先将预测目标的历史数据按照时间先后的顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须其它的信息。 1.3 本文的主要工作 从《中国统计年鉴 2011》中选取我国1981 年2010年共30年的GDP作为数据，运用时间序列的分析方法来建立模型，进行模型识别、参数估计和模型检验，并且利用模型来预测未来的GDP。 二、变量选取与数据来源 关于数据的选取方面，由于考虑到改革开放近30年中国的经济高速发展，相比之前的二三十年这个时间段的GDP增速较高，如果很笼统的囊括了六七十年代的数据的话，模型的分析以及预测效果可能并不是非常的理想，或者说和改革开放后的30多年相比，之前的发展阶段不一样的年代的数据对本文所构建模型的分析及预测显得并不是很重要。 下面以我国1981—2010年国内生产总值数据为例，该数据从《中国统计年鉴 2011》中查找。介绍用时间序列分析法对数据分析的过程，并通过其预测2009及2010两年的国内生产总值与实际的国内生产总值比较，选取最为合理的预测方法对未来5年我国GDP的做出预测。实际上2011年的GDP数据已经可以查阅，但为了数据的权威性，选择了《中国统计年鉴 2011》中GDP数据，而且并不影响模型的分析和预测效果。 根据应用时间序列的基本原理知识我们得知，在进行建模之前，首先要对数据进行一些简单的处理。本文主要是对GDP时间序列数据进行平稳性检查，然后再进行平稳化处理。另外本文的实证分析，采用了Eviews软件来对数据进行各种处理和分析。 表2-1 我国19—2010年国内生产总值 1981 4891.6 1982 5323.4 1983 5962.7 1984 7208.1 1985 9016 1986 10275.2 1987 12058.6 1988 15