毕业论文--ARIMA模型在湖南省GDP预测中的应用.docVIP

ARIMA模型在湖南省GDP预测中的应用 周凯 （贵州民族学院理学院2006级统计班） 摘要：论文用PANDIT-WU方法对湖南省GDP数据建立ARIMA模型。建模过程主要包括模型的选择、模型的定阶和模型的检验。经过合理筛选，选择模型作为最终模型，并以此模型预测了湖南省2004至2008年GDP值，预测结果基本符合事实。 关键词：ARIMA模型；GDP预测；时间序列 The Application of ARIMA Model to GDP Prediction in Hunan Province Zhou Kai (Grade 2006, School of Science, Guizhou University for Nationalities) Abstract：ethodology in establishing ARIMA Model for the data of Hunans Per Capita GDP. The model-establishing process includes the choosing, the ranking and the testing of the model. After reasonable choices, model is chosen to be the final model. And on the base of this model, the thesis predicts Hunans Per Capita GDP in the year 2004 to 2008 , which is very close to the truths. Keywords：ARIMA GDP; Forecast; Time Series 目 录 摘要 i Abstract ii 引 言 1 第一章 模型建立的基础 3 1.1 平稳性检验 3 1.2 白噪声检验 3 1.3 模型定阶 4 1.4 AIC准则 4 第二章 时间序列模型的建立 5 2.1数据的预处理和分析 5 2.1.1 数据的平稳化处理 5 2.1.2 数据的白噪声检验 9 2.2 模型建立 10 2.2.1 PANDIT-WU方法 10 2.2.2 模型选择和模型定阶 11 第三章 模型检验和预测 16 3.1 残差的白噪声检验 16 3.2 参数的显著性检验 17 3.3 模型预测 17 结论 20 成果声明 22 致谢 23 参考文献 24 引 言 国内生产总值(Gross Domestic Product)是一个国家或地区在一定时期内所生产和提供的最终货物和服务的总价值。国内生产总值是反映一国国民经济的生产规模及综合实力的总量指标，在经济研究中发挥着重要的作用。对GDP作正确的预测能为宏观经济健康发展起到导向性作用，并为高层政策决策者提供决策依据。而一个国家的国内生产总值又是由各省生产总值所构成的，因此研究各省生产总值对研究国内生产总值以及各省乃至全国经济都起着重要作用。 时间序列模型的提出，源于博可斯与詹金斯所著的《时间序列分析：预测与控制》，这是一种被称之为博可斯-詹金斯(BJ)方法论或ARIMA方法论的新预测方法。在“让数据自己说话”的哲理指导下，着重于分析经济时间序列本身的概率或随机性质，而不在意于构造单一方法或联立方程检验。简言之，时间序列方法就是找出数据中的随机机制和潜在趋势，并对这种随机机制和潜在趋势加以控制，进而对未来做出合理的设计和规划。 在宏观经济领域的实证研究中，多数经济时间序列都是非平稳的，例如GDP、收入、消费、货币需求、价格水平和汇率等。而对于一个非平稳序列来说，其数字特征，如均值、方差和协方差等都是随着时间的变化而变化的，也就是说，非平稳序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握序列整体上的随机性。为此，应用博可斯与詹金斯提出的时间序列方法，建立适当的时间序列模型，综合考虑预测变量的过去值、现在值和误差值，可以大大的提高模型预测的精度。 常用的时间序列模型有ARMA、ARIMA模型。 满足以下条件的称为ARIMA模型[1]： (1.1) 式(1.1)可以简记为： (1.2) 满足以下条件的称为ARMA模型[1]： (1.3) 式(1.3)可以简记为： (1.4) 从式(1.2)和(1.4)可以看出，ARIMA模型的实质是差分运算和ARMA模型的简单组合。这说明，任何非平稳的时间序列都可以通过适当阶数的差分