上海大学在校人数.pdf

上海大学在校人数【一】:上海市每万人口在校大学生人数分析报告

上海市每万人口在校大学生人数分析报告

一、摘要

以1978~2013年上海市每万人口在校大学生人数数为研究对象，利用Eviews软件与SPSS

软件，对其进行确定性分析与ARIMA模型拟合，为后期上海市每万人口在校大学生人数进行

预测

二、关键词在校大学生人数确定性分析ARIMA模型单位根检验三、引言

教育是兴国之本，教育直接为一个国家的建设提供大量高素质人才。十年树木，百年树

人，随着社会的不断进步，人们对教育越来越重视，越来越希望自己的孩子学到更多的知识，

来面对今后的生活与事业，21世纪是知识经济的时代，知识和技术是经济增长的关键因素。

1956年，美国经济学家索罗一反新古典经济学派的理论框架，在生产函数中引入了一个除资

本和劳动力之外的变量——知识和技术。1990年，又一位美国经济学家保罗·罗默提出技术

进步内生增长模型，把知识完整地纳入经济和技术体系，即知识水平和人力素质是生产率提

高和经济增长的内在动力之一，初步解释了知识活动是如何导致经济持续增长的，从而肯定

了知识创新、技术进步和人力资本智力化的中心性。教育是培养人才，传递知识文化的主要

工具和手段，因此，知识经济时代，人类生产方式在从“资本积累”向“知识积累和创新”

转移的过程中，教育将毫无疑问的具有明显的经济活动性质。“知识产业”成为新的经济增长

点和支撑点。一个国家的经济越是走向现代化，科技水平和劳动力素质作用的价值就越大，

教育和教育产业对整个经济的作用力就越不可忽视。谁能抢占教育产业的制高点，谁能实现

人力资本的知识化、智能化，谁就有可能是始终处于不败之地。于是，在市场经济较为成熟

的西方国家，教育与市场之间建立了千丝万缕的联系，教育的结构与规模、招生与毕业生就

业、课程与教学等，都要以服务经济为目标。因此教育对一个国家及民族来说是不可缺失的、

是至关重要的。上海是中国对外的一大市场、是连接国外与国内的一大纽带。所以研究上海

市每万人在校大学生的人数是至关重要的。四、正文

问题重述:关于上海市每万人口在校大学生人数分析报告及短期预测原理及步骤确定

性分析、ARIMA模型

1确定性分析

最常用的是确定性因素分解方法，其源于长期的观察实践——人们将序列的各种变化归

纳为4种因素的综合影响，长期趋势(T)、循环波动(C)、季节变动(S)、随机波动(I)，在观

察时间不够长时，不考虑循环波动。因素间的影响相互作用构成几大模型——加法模型

xtTtStIt，乘法模型xtTt*St*It，混合模型xtSt*TtIt或xtSt*(TtIt)。原理人们观察序列

建立模型，再用趋势拟合或平滑法得出模型，最后对未来进行预测。1基本步骤

绘制时序图，观察序列是否有明显的趋势与周期。

选择拟合模型，根据序列的趋势、周期选择合适的拟合模型。计算季节指数(序列有明

显周期才计算)。

消除季节影响，用原始序列除以相应的季节指数，再趋势拟合。短期预测2ARIMA模

型

ARIMA模型全称为差分自回归移动平均模型。是由博克思和詹金斯于70年代初提出的一

著名时间序列预测方法，博克思-詹金斯法。其中ARIMA(p，d，q)称为差分自回归移动平均

模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为

平稳时所做的差分次数。

ARIMA模型的基本思想是将预测对象随时间推移而形成的数据序列视为一个随机序列，

用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值

及现在值来预测未来值。1基本步骤

绘制时序图，观察序列的平稳性。

差分平稳化，对不平稳的序列进行差分运算使之变成平稳。白噪声检验，对差分后平稳

的序列进行白噪声检验。模型拟合，对平稳非白噪声差分序列拟合ARMA模型。残差检验短

期预测

分别用确定性分析、ARIMA模型对数据进行处理。ARIMA模型的检验如下:

利用SPSS软件画出序列的时序图如下

图1时序图

由图1发现此序列不平稳，不满足要求。

一阶差分后的序列图如下:

图2一阶差分后的时序图

利用Eviews软件对一阶差分后的数据进行单位根检验，检验如下