基于时间序列模型对四川省第三产业增加值的预测及分析.pdfVIP

CHINASCIENCEANDTECHNOLOGYINFORMATIONMay.2019·中国科技信息2019年第10期科技工作

DOI：10.3969/j.issn.1001-8972.2019.10.041

影响力可替代度

行业曲线

linkindustry

田 也 郭金雨 蒲千倩 罗庆华 刘晓红

四川轻化工大学

真实度

基于时间序列模型对四川省第三产业

增加值的预测及分析

根据问题的要求提出统计假设：

本文以第三产业增加值为建模分析主线，应用随机时间序列分析

H0：序列存在单位根，H1：序列不存在单位根

技术，对第三产业增加值进行预测分析。通过格兰杰因果检验，得到

普通高等学校毕业生人数和第三产业增长值之间极其显著的相关性，由检验结果可知：在0.05的显著性水平下，拒绝原假设。

结合统计软件SAS 和Eviews，单独研究这一因素对第三产业增长值故该序列不存在单位根，为平稳时间序列。

的影响，据此进行政策调整，以促进四川经济的发展。

ARIMA模型

随着社会经济和科学的进一步发展，如今四川省第三产模型定阶

业总体规模迅速扩大。在经过强化第一产业、优化第二产业、本文首先确定平稳化后数据是非白噪声序列，然后对

大力发展第三产业为主旋律的一系列政策措施下，四川省第{LNY}建立ARIMA（1，1，1）模型，加入常数项和趋势项

三产业增加值基本呈快速平稳增长态势，通过收集数据发现：进行进一步的检验，最后对比不同阶数模型的参数估计与检

年增加值从1978年36.86亿元增长到2013年的9420.06验结果，选择最优ARIMA模型。

亿元。ARIMA（1，1，0）模型调整的复决定系数是五种模型

中最大的，且AIC和SC是最小的，因此选择ARIMA（1，

数据预处理1，0）来建立模型。根据其估计值，得出四川省第三产业增

模型介绍加值的ARIMA模型的具体形式为：

ARIMA模型，即差分整合移动平均自回归模型，

ARIMA模型能够对具有较高时序性的时间序列进行短期预模型检验

测。对ARIMA（1，1，0）模型的残差序列进行检验，p

ARIMA（p，d，q）模型的数学表达形式为：值均大于0.05，故ARIMA（1，1，0）模型的残差序列为

白噪声序列，此模型可行。

其中AR：”自回归”，p：自回归的项数，MA：“滑传递函数

动平均”，q：移动平均的项数，d：使原始时间序列化为平模型简介

稳序列需要做的差分次数，L：滞后算子。