ARIMA模型在贵州省全社会固定资产投资预测中应用.doc

ARIMA模型在贵州省全社会固定资产投资预测中应用 　　摘要采用1978―2008年贵州省全社会固定资产投资总额数据,运用自回归求积移动平均(ARIMA)模型,预测分析了未来几年内贵州省全社会固定资产投资增长情况。结果表明,ARIMA(4,1,3)能够提供较准确的预测,可以用作预测未来贵州省全社会固定资产投资变化趋势,为贵州省保持经济平稳快速增长所需全社会固定资产投资规模提供数据参考。 　　关键词ARIMA 模型; 全社会固定资产投资; 预测;应用 　　中图分类号 F832.48;F124 文献标识码A文章编号 1007-5739(2010)15-0385-02 　　 　　ApplicationofARIMAModelinTotalFixedAssetInvestmentsForecastingofGuizhouProvince 　　CHEN Qi-liang 1CHEN Zi-li 2 　　(1 Economic Management Department,Bijie University,Bijie Guizhou 551700; 2 Foreign Language Department,Bijie University) 　　AbstractBased on the investment in fixed assets data of Guizhou Province from 1978 to 2008,the autoregressive moving average(ARIMA) model was introduced to forecast the increasing of the fixed investments of Guizhou Province.The result showed the forecast of ARIAM(4,1,3)model was exact,and it can be used to forecast and provide the reliable basis for investing in fixed assets of Guizhou Province. 　　Key wordsARIMA model;total fixed asset investment;forecast;application 　　 　　投资、消费和出口是经济增长的三驾马车,其中投资可控性较强,因此投资经常是政府宏观政策的重要手段之一。全社会固定资产投资,反映固定资产投资规模、速度、比例关系和使用方向的综合性指标,对经济增长和平衡发展意义深远[1-3]。笔者从时间序列角度出发,根据过去的资料得出其变化规律,并用预测未来的发展变化。 　　 　　1ARIMA模型基本思路 　　 　　从《贵州统计年鉴2009》上,搜集计算整理出1978―2008年贵州省全社会固定资产投资总额数据(表1)。在应用ARIMA法预测之前,必须确保时间序列贵州省全社会固定资产投资总额的平稳性。对其先运用Eviews 5.0软件中View下面Line graph对其作出折线图(图1),再运用View下面的Unit Root Test对其进行单位根检验(表2),确定其是否为平稳序列。 　　 　　 　　从图1可以看出,该折线图向右上方倾斜、并且其前后波动幅度不一致,表明此时间序列既存在增长趋势,又存在异方差性,而且从表2的单位根检验结果来看,其没有通过扩充的迪基?富勒(Augmented Diekey Fuller,简称ADF)平稳性检验,因此该时间序列是非平稳时间序列,很难识别其变化的固定模式。即使采用传统法拟合直线或指数曲线等趋势模型都存在有自相关,预测结果与实际情况存在很大的差距,故选择ARIMA法进行预测。 　　 　　 　　ARIMA模型(p,d,q)又称为自回归求积移动平均模型。其中AR指自回归,p为模型的自回归项数;MA为移动平均,q为模型移动平均项数;I指积分,d为时间序列成为平稳之前必须取其差分的次数。其表达式为: 　　yt=α0+α1+Yt-1+α2Yt-2+…+αpYt-p+β0ut+β1ut-1+…+βqut-q+ν (1) 　　 　　2ARIMA模型的应用 　　 　　2.1取d 　　从图1和表2单位根检验可以看出,该时间序列是非平稳的时间序列,因此需要对序列进行平稳化处理,经过逐次尝试,最后确定先对数据取自然对数,然后进行一阶差分处理。处理得到的数据见表2,故取d=1。 　　2.2对p和q筛选 　　做出时间序列{z}的折线图(图2)和直到滞后10期的ACF值和PACF值(表3),以及ADF单位根检验(表4)。 　　 　　 　　从时间序列{z}