时间序列分析在地级市GDP预测中的应用.pptxVIP

时间序列分析在地级市GDP预测中的应用研究 本文以时间序列理论为基础，以郑州市1981年至2010年三十年的地区生产总值为 数据基础资料，对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ARIMA(1,2，1)。利用ARIMA (1,2，1)模型对郑州市2011_2012年GDP作出预测并与实际值比较，结果表明相对误 差均在3％之内，预测模型良好，继续利用ARIMA(1,2，1)模型对我市未来5年的地 区生产总值做出预测。 时间序列预处理 差分运算 若数据序列表现着显著的线性趋势，那么一阶差分就可以实现趋势平稳。如果差分序列显示曲线趋势，通常可以用低阶(二阶或者三阶)差分提取出曲线趋势。对于包含着周期较为固定的序列进行步长为周期长度的差分运算，一般可以较好地提取周期的信息。 平稳性检验（DF检验、ADF检验 一阶回归模型 中，当 时，证明序列是平稳的。若pl，则说明序列是非平稳的，在存在单位根的情况下，通过检验p为1的可能性，判断序列是否平稳性序列。DF检验的假设是： ADF检验 ：用于数据序列有高阶滞后相关的情况存在 时间序列基本模型 回归模型 AR 移动平均模型 MA 回归移动平均模型 ARMA ARIMA模型建立 数据平稳化处理：