• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于SARIMA模型對中國GDP分析及預(yù)測

      2018-03-01 07:18:12孫皖寧楊靜楊依依劉桐同白曉東
      中國集體經(jīng)濟 2018年36期
      關(guān)鍵詞:R語言預(yù)測

      孫皖寧 楊靜 楊依依 劉桐同 白曉東

      摘要:國內(nèi)生產(chǎn)總值 (簡稱GDP),是衡量一個國家或地區(qū)宏觀經(jīng)濟狀況的一個重要指標(biāo),要想做到對宏觀經(jīng)濟進行積極而有效的調(diào)控,首先要對未來經(jīng)濟的走勢進行預(yù)測,根據(jù)預(yù)測結(jié)果揭示其變化規(guī)律和發(fā)展趨勢,為制定科學(xué)的宏觀調(diào)控政策提供依據(jù)。文章基于時間序列理論,主要利用季節(jié)時間序列模型對2000~2016年中國GDP季度數(shù)據(jù)建模,并且對2017年季度數(shù)據(jù)進行預(yù)測。結(jié)果表明,基于SARIMA的GDP預(yù)測模型的擬合和預(yù)測效果具有較高的可靠性與準(zhǔn)確性。

      關(guān)鍵詞:GDP;SARIMA模型;預(yù)測;R語言

      一、引言

      當(dāng)前,中國經(jīng)濟史研究迫切需要解決的前沿課題之一是為更好地考察中國經(jīng)濟增長情況及發(fā)展趨勢,進行經(jīng)濟統(tǒng)計研究及GDP預(yù)測,并深入挖掘,有效分析。然而,對GDP做出科學(xué)正確的預(yù)測,可以為相關(guān)部門提供科學(xué)的決策依據(jù),具有非常良好的實用性。早前,由美國統(tǒng)計家G.E.P.Box和英國統(tǒng)計家G.M.Jenkins創(chuàng)立的一類隨機時序模型ARIMA,可以通過序列的規(guī)律性變化,利用過去值和現(xiàn)在值預(yù)測未來值。但是,當(dāng)時間序列中有明顯的時間趨勢和季節(jié)性變化時,使用ARIMA模型進行分析及預(yù)測往往預(yù)測結(jié)果不理想。因此,本文將建立季節(jié)ARIMA模型并且對GDP季節(jié)數(shù)據(jù)進行短期預(yù)測。

      二、季節(jié)ARIMA模型介紹

      在實際問題中,許多商業(yè)和經(jīng)濟領(lǐng)域中的數(shù)據(jù)都呈現(xiàn)出每隔一段時間重復(fù)、循環(huán)的季節(jié)現(xiàn)象。比如我國的GDP (每隔一個季度取一個觀測值) 中就含有以季度為周期的變化。像這類序列,我們稱為季節(jié)性序列。在季節(jié)性隨機時間序列周期長度為s的兩個時間點上的隨機變量有相對較強的相關(guān)性,或者說季節(jié)性時間序列表現(xiàn)出周期相關(guān)。例如,s=4,xt與xt-4有相關(guān)關(guān)系,于是我們就可以利用xt與xt-4之間這種周期相關(guān)性進行擬合。下面介紹季節(jié)ARIMA模型:

      設(shè)一個季節(jié)性時間序列{xt}通過D階的季節(jié)差分(1-BS)D后為一平穩(wěn)時間序列Wt,即Wt=(1-BS)Dxt,則一階自回歸季節(jié)模型為

      (四)模型預(yù)測分析結(jié)果

      運用建立的模型疊加,即將確定性模型的預(yù)測值和SARIMA(0,0,1)×(0,1,1)的預(yù)測值疊加,就得到2017年第一季度至第四季度的國內(nèi)生產(chǎn)總值的最終預(yù)測結(jié)果,并與實際的國內(nèi)生產(chǎn)總值進行比較。表1為2017年GDP季度數(shù)據(jù)預(yù)測值與實際值對比結(jié)果。因為擬合的模型綜合考慮了國內(nèi)生產(chǎn)總值的確定性趨勢、季節(jié)性變化的特征,該模型可以獲得較高的擬合精度和較好的外推預(yù)測性能。由表1可知,平均相對誤差為4.4787%,也表明SARIMA(0,0,1)×(0,1,1)模型預(yù)測精度較高。從而為衡量國民經(jīng)濟發(fā)展規(guī)模、速度、結(jié)構(gòu)提供可靠的參考依據(jù)。未來中國GDP將持續(xù)增長,但增長率逐漸減小固定在7%左右,為最適合中國經(jīng)濟發(fā)展。

      四、總結(jié)

      (一)研究結(jié)果

      論文主要利用SARIMA模型研究2000年至2016年中國GDP季度數(shù)據(jù),對其分析、建模,并進行短期預(yù)測,觀察未來中國GDP的發(fā)展趨勢,得出以下結(jié)論。

      1. 2000~2016年中國GDP季度數(shù)據(jù)呈現(xiàn)較為規(guī)律的以季度為周期的波動性,根據(jù)預(yù)測量可以為政府制定相應(yīng)政策提供數(shù)據(jù)參考。

      2. 通過季節(jié)ARIMA模型擬合2000~2016年中國GDP數(shù)據(jù),發(fā)現(xiàn)模型SARIMA(0,0,1)×(0,1,1)能很好的擬合數(shù)據(jù),并且預(yù)測精度較高。平均相對誤差僅為4.4787%,未來GDP依舊穩(wěn)步上升,但是增長緩慢。

      (二)模型的優(yōu)點

      1. 季節(jié)ARIMA模型是在原有ARIMA模型基礎(chǔ)上加入時間序列的季度變化而形成的一種短期預(yù)測模型,具有很強的線性建模能力。

      2. SARIMA模型不需要對時間序列的發(fā)展模式先作先驗的假設(shè),即不考慮預(yù)測變量的過去值與當(dāng)前值,同時對模型擬合產(chǎn)生的誤差也作為重要因素添加到模型中,因此與眾多預(yù)測模型方法相比,SARIMA模型有比較高的預(yù)測精度。

      3. 該模型是一種擬合非平穩(wěn)時間序列的方法,它既能提取序列的確定性信息,又能提取其隨機性信息,不僅提高了模型的擬合精度,還使結(jié)果符合實際,變得更易理解,兼具了時間序列確定性分析和隨機性分析的優(yōu)點。

      (三)模型的缺點

      該模型的缺點是,隨著預(yù)測時間的延長,預(yù)測誤差會逐漸增大,精度會隨之下降。

      參考文獻:

      [1]張蔚,張彥琦,楊旭.時間序列資料ARIMA季節(jié)乘積模型及其應(yīng)用[J].第三軍醫(yī)大學(xué)學(xué)報,2002(08).

      [2]張興裕.周麗君.劉元元.李曉松. SARIMA模型與殘差自回歸模型在甲肝發(fā)病率預(yù)測中的應(yīng)用及比較[J].四川大學(xué)報,2012(05).

      [3]白曉東.應(yīng)用時間序列分析[M].清華大學(xué)出版社,2017.

      [4]趙喜倉.周作杰.基于SARIMA模型的我國季度GDP時間序列分析與預(yù)測[D].江蘇大學(xué),2010.

      [5]黃艷華.乘積季節(jié)模型ARIMA(p,d,q)×(P,D,Q)_s 在CPI分析中的應(yīng)用[J].重慶工商大學(xué)學(xué)報,2016(03).

      *基金項目:國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目資助(G201712026043)。

      (作者單位:大連民族大學(xué))

      猜你喜歡
      R語言預(yù)測
      無可預(yù)測
      黃河之聲(2022年10期)2022-09-27 13:59:46
      選修2-2期中考試預(yù)測卷(A卷)
      選修2-2期中考試預(yù)測卷(B卷)
      選修2—2期中考試預(yù)測卷(A卷)
      不可預(yù)測
      不必預(yù)測未來,只需把握現(xiàn)在
      基于GPS軌跡數(shù)據(jù)進行分析改善城市交通擁擠
      基于R語言的Moodle平臺數(shù)據(jù)挖掘技術(shù)的研究
      基于R語言的湖南產(chǎn)業(yè)結(jié)構(gòu)對其經(jīng)濟增長貢獻分析
      商(2016年24期)2016-07-20 08:03:39
      注重統(tǒng)計思維培養(yǎng)與應(yīng)用為主導(dǎo)的生物統(tǒng)計學(xué)課程建設(shè)
      考試周刊(2016年15期)2016-03-25 04:09:43
      那曲县| 蒙阴县| 临安市| 大余县| 攀枝花市| 石楼县| 滦平县| 龙泉市| 鄄城县| 宁强县| 刚察县| 兴安县| 措勤县| 大方县| 罗甸县| 湄潭县| 大余县| 陇川县| 廉江市| 鹤庆县| 澄迈县| 六枝特区| 乌兰察布市| 绥棱县| 都昌县| 万安县| 龙陵县| 松原市| 和硕县| 淮阳县| 东莞市| 淮滨县| 永泰县| 健康| 凤山县| 吴川市| 香格里拉县| 墨江| 桐庐县| 开化县| 鲁甸县|