我国第三产业增加值的分析和预测__基于SARIMA模型.doc

范文范例 学习指导 word版整理资料 我国第三产业增加值的分析与预测—基于SARIMA模型 中文摘要 大多数时间样本是不平稳的，多数存有走向性和周期性。如果直接将不平稳时间样本当作平稳时间样本进行回归分析，则可能造成伪回归。本文以1992年第一季度到2014年第三季度我国第三产业增加值季度数据为研究对象，分析数据散点图随时间改变的走向，综合利用取对数差分和季节差分的方法以及单位根检验法，消除数据样本的走向性和周期性，并进一步验证样本是否平稳。通过样本的自相关函数和偏自相关函数对模型参数估计，发现SARIMA模型能比较好的对我国第三产业增加值2014年第四季度进行时间序列的分析与预测。经过对第三产业增加值的时间样本分析，呈现出我国第三产业发展仍显延迟，发展水平低，落后于发达国家和很多发展中国家的近状，需要加强第三产业的总体规划和指导，从实现第三产业开放性跨越式升级的角度转变发展方式、实现经济结构战略性调整。 关键词：季节乘积ARIMA模型；我国第三产业增加值；时间序列分析 一、引言 孔珊珊和李晓琳经过OLS法和格兰杰因果检验的实证分析，研究我国第三产业增加值与我国人均主要工农产品产量的关联，得出我国人均主要工农产品产量水平与第三产业增加值存有长期动态均衡关联，而格兰杰因果检验发现它们没有因果关联的结论。【1】没有对我国第三产业增加值进行时间序列分析。而曹跃群、胡新华采用三大经济区以及各省市区第三产业发展的数据样本，找寻它们之间不同演化的趋势和特征，阐明我国第三产业发展地区不同的演化，给出了第三产业发展不同客观存在于31个省市之间，但是从这种不同的演化趋势及特征来看，并不存有进一步分明的扩充趋势的结论。【2】同样没有对我国第三产业增加值进行预测。乔咪采用1952—2007年第三产业生产总值的样本，运用平稳性和白噪声检验方法，对第三产业生产总值的进行预测。得出第三产业内部构造问题，第二产业的限制作用，制度环境的限制作用是作用第三产业发展的几个障碍。并提出要不断完善市场体制，突破垄断的建议。【3】没有探讨季节性因素对我国第三产业增加值的影响。综上所述，通过阅读大量文献发现，目前关于第三产业增加值时间序列的研究分析绝大多数在于第三产业增加值的区域差异化，第三产业与其它因素的关联及年度第三产业总值，而关于季度第三产业增加值的季节乘积ARIMA模型构造的归纳与展望不多。因此，本文将另辟蹊径，运用季节乘积ARIMA模型来建立关于我国1992-2014年季度第三产业的时间序列模型，并对其进行短期静态预测。结论指出，虽然第三产业增长速度加快，但呈现峰谷交替态势。建议继续深化改革，多渠道增加资金投入，培养和引进服务业人才，鼓励扩大国际化经营等措施，加快我国第三产业的发展。 二、理论知识 （一）ARIMA模型样本特性 大部分时间样本序列是不平稳的，如果直接把不平稳时间序列作为平稳时间序列进行回归分析，会造成“伪回归”。 非平稳时间数据的处理 关于确定性趋势的消除方法，可以先对原始序列取对数，在用最小二乘法或差分的方法。通过单位根ADF检验，选择适合的阶数差分。 SARIMA基本思想 随机序列是指将预测样本随时间推迟而产生的样本序列，可以用一定的数学模型来近似描述这个序列。该数学模型就是季节乘积ARIMA模型，可以从时间序列的过去值及现在值来预测未来值。 SARIMA定义 季节性时间序列呈现出周期性的特性。不同的季节时间样本会拥有出不同的周期，假设s为周期的长度，那么一般月度样本的周期长度s是12，季度样本的一个周期长度s表示为一年的四个季度。采用Box-Jenkins建模方法来建立SARIMA，首先需要辨明周期长度s的数值，然后通过差分后序列的相关图来辨别模型的类型，最后进行参数的估计和检验。博克斯（Box）和詹金斯（JenKins）于70年代初推出一著名时间样本预测模型方法，也就是Box-Jenkins建模方法。季节乘积ARIMA模型是由ARIMA模型演变而来的。 ARIMA模型是由3个进程组成；自回归进程（AR（p））；单整（I（d））;移动平均进程（MA(q)）。AR(p)即自回归进程，是用线性函数的过去值表示当前值的进程。假设后一时期的行为主要与其前一时期的行为有关联，而与其前一时期从前的行为没有直接关联，也就是Xt=1Xt-1+at，【4】也就是AR(1)。推广之，如果Xt不仅与前期值Xt-1有关联，而且与Xt-p相关联时，也就是Xt-pXt-p=at，【4】记作AR(p)。MA（p），即移动平均过程。假设一阶