基于R语言ARIMA模型的全国硕士研究生报名人数预测研究 .pdfVIP

龙源期刊网

基于R语言ARIMA模型的全国硕士研究

生报名人数预测研究

作者：施怡

来源：《电脑知识与技术》2018年第08期

摘要：针对近年来，全国各地硕士研究生报名人数稳增不减的情况，利用R语言以及时间

序列相关分析，结合近20年的全国硕士研究生报名人数数据采用ARIMA建立模型进行分析

研究。根据实验寻找恰当的ARIMA模型并对未来三年全国硕士研究生报名人数进行预测。从

预测结果可以发现研究生考试已逐步成为大四毕业生的首要选择。

关键词：ARIMA模型；差分；时间序列分析；平稳

中图分类号：TP3文献标志码：A文章编号：1009-3044（2018）08-0212-03

十九大报告，对教育方面做出了详细说明。近年来，随着研究生招生规模的逐渐扩大，报

名参加硕士研究生考试的人数也逐年增加。大多数关于研究生的文章是以研究生的现状、研究

生的教育、研究生的就业等方面为主题。就目前新闻热点而言，全国硕士研究生报名人数的增

长问题也是一热门话题。报考人数与录取人数也存在着极大差异。本文就对近20年的全国硕

士研究生报名人数为主线，研究运用ARIMA模型预测未来三年全国硕士研究生报名人数，分

析其变化。

利用R语言软件选择最优模型，提高预测的准确性。

资料1与方法

资料1.1来源

本研究数据资料来源于考研帮以及部分考研信息网址，使用的数据资料包括1995—2018

年全国硕士研究生报名人数。

研究1.2方法

运用时间序列中的ARIMA模型。ARIMA（p，d，q），p为自回归阶数，d为时间序列称

为平稳序列进行差分的阶数，q为移动平均阶数，其一般表达式为

运用ARIMA模型建立模型通常从以下三个方面出发：（1）时间序列平稳化处理：根据

时间序列趋势图，如果所得出的时间序列不是平稳时间序列，应当采用差分的方法将原时间序

列变为平稳时间序列，几阶差分需要通过单方根检验得出最优差分阶数d。（2）模型参数估

计与检验：根据自相关函数图（ACF）与偏相关函数图（PACF）的拖尾与截尾的性质，通过

龙源期刊网

由低阶到高阶的尝试，选取最优的模型参数值；并进行残差的白噪声检验，选择合适的模型；

如果未通过检验，应当重新选择模型。（3）模型预测：运用选择的适当的ARIMA模型对未

来三年全国硕士研究生报名人数进行预测并分析。

结果2

根据资料列出2.11995—2018年全国硕士研究生报名人数的表格

年全国硕士研究生报名人数如表1所示。根据表1，运用R语言中的绘图程

序，绘制全国硕士研究生随时间的趋势图。由图1可以得出，1995—2018年全国硕士研究生

报名人数总体上呈上升趋势，由1995年的15.5万人上升到2018年的238万人（见表1），年

平均增长率为12.1%。

时间序列平稳化处理2.2

由图1提供的信息非常明确，1995—2018年全国硕士研究生报名人数这样的时间序列有

明显的递增趋势，所以它一定不是平稳序列。因此需要将原始的数据进行差分运算。

进行差分遵循从小到大这一特点，故现对该时间序列进行1阶差分运算，得出如图2所示

的趋势图。

阶差分时间序列图显示，11阶差分处理后的数据增减趋势较为平稳，但是依据数据最优

化及准确性原则，需要对1阶差分后的时间序列再做一次差分运算。

故现对该序列进行2阶差分运算。

在理论上，足够多的差分运算可以充分提取原时间序列中的非平稳确定性信息。但进行差

分运算需要注意的是，差分运算的阶数不是越多越好。差分是对信息的提取、加工的过程，每

次差分都会有信息的损失，所以差分的阶数需要适当，以免过度差分。

差分后的时间序列是否平稳，可以通过对差分后的时间序列进行单位根检验以此来判断差

分的阶数是否最优。通过R语言可以迅速得出，