时间序列分析在吉林省进出口贸易总额预测中的应用.docVIP

时间序列分析在吉林省进出口贸易总额预测中的应用 时间序列分析在吉林省进出口贸易总额预测中的应用 　　随着外贸体制的不断深入，吉林省贸易总额快速增长，进出口总额从1984年的3.78亿美元增加到2013年的258.53亿美元，特别是十六大以来，吉林省对外贸易坚持优化结构与扩大总量并举，实现了进出口贸易的大幅攀升[1]。但由于吉林省经济优势在外贸出口中作用不突出、利用外资规模小等原因[2]，使得吉林省的进出口贸易总额仍然落后于其他省份。在我国对外开放程度的不断深化，对外直接投资对我国进出口贸易的影响进一步凸显[3]的背景下，如何对吉林省的进出口贸易总额进行科学合理的预测，进而采取相应措施，优化进出口贸易结构，具有重要的现实意义。 　　该文利用吉林省1984-2011年进出口贸易总额数据，使用Eviews8.0，建立了模型，进行了实证分析，并对吉林省2012-2015年的进出口总额进行了预测。 　　1 实证分析 　　1.1 数据来源 　　以1984-2011年吉林省进出口总额为研究对象，通过时间序列分析建立模型，对2012-2015年的进出口总额进行预测，进而得到吉林省进出口总额的大致变化趋势。数据来源于《吉林省统计年鉴》，数据整理（见表1）。 　　1.2 模型的建立[4] 　　1.2.1 数据预处理本文由论文联盟http://www.LW收集整理 　　将表1中的数据绘制成折线图（见图1），序列具有明显的指数上升趋势，说明序列是非平稳的。因此，要对序列进行平稳化处理。将表1中的数据经过取对数再取一阶差分，单位根结果显示该序列平稳，但从白噪声检验显示自相关系数落入置信区间内，与0没有显著差异，序列是纯随机的，即是白噪声序列，因此，对原序列直接取对数差分处理是不可行的。 　　因此，我们采取对原序列进行直接进行二阶差分运算（图2）。 　　为了进一步检验该序列是否为平稳的，对数据再进行单位根检验和白噪声检验，由检验结果（图3），对应的值-2.778716小于10%显著水平下的临界值-2.650413，因此，可以认为二阶差分后序列平稳。且该序列属于非白噪声系列。 　　1.3 模型的建立 　　1.3.1 自相关系数ACF和偏自相关系数PACF 　　偏自相关系数图表明除了滞后1阶的偏自相关系数外，其余的都在两倍标准差范围内波动，但是最后并没有收敛，而是小范围内波动，因此判断该序列的偏自相关系数不截尾。而自相关系数在滞后阶数为1时显著不为0，在滞后阶数大于1时基本与0无差异，但最后也没有收敛，而是小范围波动，因此判断该序列的自相关系数也不截尾。因此我们考虑用模型来拟合数据。 　　1.3.2 模型定阶 　　第一步：从样本自相关系数和样本偏自相关系数来看，选定过程。 　　第二步：为了更准确的对模型进行识别，较精确的判定，的值，我们尝试几种不同的模型拟合，根据AIC准则和SIC准则，最终选择了模型，最终的估计结果（如图4所示）。方程如下： 　　1.3.3 模型的检验 　　利用模型中的残差（Residual）及实际值（Actual）和拟合值（fitted）比较可看出，模型的残差较小且模型的拟合值和实际值具有较好的一致性。从残差序列相关系数图可看出自相关系数落入置信区间内，与0没有显著差异，序列是纯随机的，即残差是一个白噪声序列，模型回归显著成立。所以该模型还是比较理想的， 　　1.3.4 模型的预测 　　利用模型对吉林省2012-2015年进出口总额进行预测，得到预测值结果（如下表2）。 　　通过表2可以看出，经过对2012年、2013年两年的第三产业总产值的实际值与预测值的比较可以看出，误差率分别为0.53%和5.48%，误差率较小，因此，利用其预测吉林省进出口总额是有效的。 　　4 结语 　　由于模型是通过差分使非平稳序列转化为平稳序列的过程，因此，比较适用于短期预测，精度较高。但在实际建立模型时，应该根据所要解决的问题及问题的特点等多方面因素来综合考虑并选择相对最优的模型。 1