时间序列分析在吉林省进出口贸易总额预测中的应用.docxVIP

最新整理时间序列分析在xxxx省进出口贸易总额预测中的应用 时间序歹0分析在xxxx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，xxxx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20xx年的258.53亿美元，特别是xx大以来，xxxx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] o但 由于xxxx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xxxx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 xxxx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xxxx省1984-20xx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 xxxx省20xx-20xx年的进出口总额进行了预 测。 1实证分析 1.1数据 以1984-20xx年xxxx省进出口总额为研究对象，通过时间序列分析建立模 型，对20xx-20xx年的进出口总额进行预测，进而得到 xxxx省进出口总额的大 致变化趋势。数据 于?xxxx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 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， 说明序歹0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，单位根结果显小该序歹0平稳，但从白噪声检验显小自相关系 数落入置信区间内,与 说明序歹0是非平稳的 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歹0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咖著水平下的临界值 -2.650413 ,因此，可以认为二阶差分后序列平稳。且该序列届于非白噪声系列。 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，因此判断该序歹0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，因此判断该序歹0 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 序歹0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，序歹0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xxxx省20XX-20XX年进出口总额进行预测，得到预测值结果（如 下表2） o 通过表2可以看出，经过对20xx年、20xx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%^ 5.48%,误差率较小，因此， 利用其预测xxxx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。