- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE2
《数据与统计创新创业教育》课程
数学与统计学院应用统计学
一、基本信息
类型
√学术论文√创业项目
题目
基于时间序列分析的江苏省GDP预测模型
形式
√数据√统计
√创新√创业
姓名(学号)
凌新萍(919113700102)
贺韵佳(919113700101)
张月星(919113700116)
注:基本信息表每个单元格最多保留一个√
二、评价
创新点
内容
规范性
总分
时间:2022年10月20
目录TOC\o1-3\h\z\u
摘要 1
一、引言 3
二、ARIMA模型简介 3
三、ARIMA模型的建立与预测 4
四、ARIMA模型对江苏省GDP的预测及实证结果分析 5
五、结语 9
参考文献 10
基于时间序列分析的江苏省GDP预测模型
摘要
分析1980年至2021年的江苏省GDP数据,建立了时间序列分析中的自回归滑动平均求和模型ARIMA(p,d,q),利用该模型对江苏省GDP进行短期预测,为江苏省经济的发展提供参考。建立1978年至2019年江苏省GDP数据的时间序列,利用R语言软件建立ARIMA模型,并用该模型预测的2020年和2021年江苏省GDP数据与实际数据进行比较,对建立的模型进行优化评估,最后利用优化模型对2022年至2029年江苏省GDP进行短期预测。根据建立的时间序列分析得到最优模型为ARIMA(0,2,6),预测值与实际值的平均相对误差为0.805%,ARIMA模型能较好地反映江苏省GDP发展的趋势并进行短期预测。
关键词:时间序列分析;ARIMA模型;R语言
一、引言
国内生产总值(GrossDomesticProduct)是体现经济发展情况的一个重要指标,而研究GDP的数值对预测经济的发展起到了极大的参考作用。如果能正确的预测出GDP的发展,那么就可以依据预测的结果,为国家或地区在制定经济政策方面上提供依据和参考作用。然而任何一个国家的国民经济有许多因素构成,我国国民经济的重要组成部分之一则是各个省区的经济,一些发展比较迅速的省区更是对全国经济的增长起到了推动了作用,而一些发展比较缓慢的省区,其原因和解决的方法也是很值得我们去研究的。
ARIMA模型建立的过程分为模型的识别、估计、检验和预测这四个过程。
江苏省是一个比较发达的省份,而它所处的地理位置和众多人数也对全国经济的发展起到了很重要的作用。最近几年来,江苏省的经济呈现快速增长的趋势,但是这个趋势能保持多久却是我们需要仔细考虑的问题。所以本文就对江苏省的GDP数据进行分析研究,而研究GDP具有一定的现实和指导意义。本文选择时间序列分析的方法对江苏省GDP进行预测,时间序列预测是通过处理自身时间序列的数据来研究其变化趋势的,也就是通过分析过去和现在的数据来预测未来的数据,而分析处理数据的过程就是建立模型的过程,然后再依据建立的模型来预测出未来数据的变化。
二、ARIMA模型简介
时间序列分析方法,主要是用来解决具有随机性、季节性以及平稳性的时间序列问题的,它是由博克斯-詹金斯(BoxJenkins)发现的。最基本的模型是自回归滑动平均求和模型ARIMA(p,d,q),当p=0,d=0时,就是滑动平均模型MA(q),当q=0,d=0时,就是自回归模型AR(p),当只有d=0时,模型就变成了自回归滑动平均混合模型ARMA(p,q),所以后三种模型是ARIMA模型的特殊形式。
ARMA(p,q)模型
ARMA(p,q)模型是自回归模型(AR)和滑动平均模型(MA)的混合形式,所以它又称为自回归滑动平均混合模型,方程形式为:
Y
其中,c是常数,是自回归模型AR的系数,p是AR的阶数,是滑动平均模型MA的系数,q是MA的阶数,et是均值为0方差为σ
ARIMA(p,d,q)模型
ARMA模型只能在的平稳时间序列中应用,对于非平稳的序列,ARMA模型却不再适用,这时就需要引入一个新的模型,即ARIMA模型,ARIMA模型主要解决非平稳的时间序列问题。
{Yt}是一个不平稳的时间序列,在d次差分运算后,序列逐渐趋于平稳,就称Yt是自回归滑动平均求和混合模型。如果差分后的序列Wt=?dYt满足ARMA(p,q)模型,就称Yt
W
用序列符号Yt
Y
+
通过化简可以得到:
Yt=
+
称其为模型的差分方程形式。值得注意的是,该表达式看起来是一个ARMA(p+1,q)过程。
从上述方程之间的相互转化可以推断出,ARIMA模型实际上就是差分运算和ARMA模型之间的结合
您可能关注的文档
- 2.相似三角形中考真题.docx
- 2.相似三角形中考真题.pdf
- 1.相似三角形初三.pdf
- 3.圆初中三年级数学.docx
- 初中三年级化学.docx
- 应用统计创新能力实践报告.docx
- 实现用pytorch对mnist构造一个cnn.docx
- 20221005 课件 光普图像文字识别(OCR)技术及场景应用介绍.pptx
- 毕业实习报告封面.docx
- 企业参观心得体会.docx
- 2023年二级建造师之二建建筑工程实务综合提升训练试卷和答案.docx
- 2022-2023年二级建造师之二建机电工程实务训练试卷.docx
- 2023年一级建造师之一建港口与航道工程实务测试卷附答案详解.docx
- 一级建造师之一建工程法规测试卷.docx
- 施工员之装饰施工专业管理实务试卷包括详细解答.docx
- 2023年试验检测师之交通工程综合提升检测卷附答案.docx
- 高级经济师之工商管理考前冲刺检测卷和答案.docx
- 2022-2023年投资银行业务保荐代表人之保荐代表人胜任能力通关练习题库附答案详解.docx
- 2023年心理咨询师之心理咨询师二级技能训练试卷含答案讲解.docx
- 2023年心理咨询师之心理咨询师三级技能通关模拟卷附答案详解.docx
文档评论(0)