基于ARIMA模型的海南省国内生产总值预测.docxVIP

PAGE 1 - 基于ARIMA模型的海南省国内生产总值预测 本文选取海南省GDP数据作为讨论样本，时间为1978—2021年数据，全部数据均来源于《海南统计年鉴》，如表1所示。因本文是在现有数据的基础上，依据ARIMA模型对海南省GDP进行预报，因此，样本内数据区间为1978—2021年，将样本外2021—2021年的实际数据与预报数据进行对比，从而推断模型的拟合效果，进而再预报2021—2021年海南省GDP的进展状况。 〔二〕数据预处理 经济数据所构成的时间序列往往都是非平稳的，将1978—2021年海南省GDP做折线图，如图1所示：随着时间的推移，海南省GDP呈现指数增长趋势，增长速度快速，初步推断其是非平稳的时间序列。因此，为了消除异方差以及指数趋势，对其进行对数化处理，记为lGDP。 〔三〕序列的平稳性检验 为了更精确地检验时间序列的平稳性，对lGDP接受ADF单位根检验，检验结果如表1所示，由表1可知，ADF统计量为-1.838831，该值明显高于各显著性水平下的临界值，且P值大于各显著性水平，因此，说明该时间序列存在单位根，序列是非平稳的。 而建立ARIMA模型的前提是该序列是平稳的，为了进一步消除lGDP的线性趋势，对lGDP进行一阶差分处理，其一阶差分序列记为DlGDP，再次进行ADF单位根检验，结果如表2所示，ADF检验的统计量为-3.813250，该值小于5%显著性水平下的临界值-3.533083，说明单位根是不存在的，因此，DlGDP在5%显著性水平下是平稳的时间序列。由此可知，DlGDP序列是一阶单整过程，存在一个单位根，ARIMA〔p，d，q〕模型中的=1，即lGDP～I〔1〕，平稳的lGDP可构建ARIMA〔p，q〕模型。 〔四〕模型识别 在ARIMA模型中，d=1，通过观看平稳的DlGDP序列的自相关图和偏自相关图初步识别p与q。 由图2可知，DlGDP的自相关函数和偏自相关函数均是拖尾的，因此可构建ARIMA〔p，q〕模型。由的偏自相关函数可以初步确定p=1，由自相关函数可以初步确定q=1，但是仅通过自相关函数和偏自相关函数确定p与q，此方法较为粗糙，精确度较低，因此需要通过信息准则进一步确定模型形式。本文在ARIMA〔1，1，1〕，AR〔1〕，MA〔1〕，ARIMA〔1，1，2〕，MA〔2〕，ARIMA〔2，1，1〕，AR〔2〕中再次依据AIC准则和SC准则进行模型筛选。结果如表3所示： 〔五〕模型建立 通过表4可知，该模型通过了F检验，拟合优度较低，但是5%显著性水平下，变量系数均显著，模型的特征根的倒数均处于单位圆之内，因此，ARIMA〔1，1，2〕模型较合理。依据表4结果，ARIMA〔1，1，2〕模型如下： 〔六〕模型诊断与检验 对模型的诊断与检验是检验殘差序列是否满足白噪声序列，假如残差序列满足白噪声序列要求，则模型拟合有效，否则需重新建模。因此对残差进行ADF单位根检验和Q统计量检验，结果如表5与图3所示，依据表5可知，即使在1%显著性水平下，残差序列都是平稳的;从图3可知，残差的自相关函数与偏自相关函数均处于置信区间内，P值较大，残差满足白噪声检验，基本不存在可提取的信息，因此，模型拟合效果较好。 〔七〕模型预报 依据所建模型对海南省2021—2021年GDP进行预报，预报值如下： 利用ARIMA〔1，1，2〕模型对2021—2021年海南省GDP进行预报，绘制预报值与实际值比较表，得到两年的平均误差为4.8%，操纵在5%之内，预报效果较好。在2021年预报值与实际值之间的差距较大，到2021年时，二者之间的差距渐渐缩小，说明模型的预报效果渐渐增添，从预报可知，海南省GDP随着时间的推移呈现出明显的上升趋势，且进展速度逐年加快。 三、结束语 本文通过建立ARIMA〔1，1，2〕模型，实现了对海南省GDP非平稳时间序列的建模，通过模型检验可知，根据B-J法建立的ARIMA〔1，1，2〕模型具有较好的预报能力，ARIMA〔1，1，2〕模型可用于对海南省GDP的短期预报，为海南省经济进展目标的制定提供决策参考。 [