《关于宁波市ｇｄｐ的时间序列分析_1》由会员分享，可在线阅读，更多相关《关于宁波市ｇｄｐ的时间序列分析_1（6页珍藏版）》请在金锄头文库上搜索。
1、从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果关于宁波市的时间序列分析 论文 关键词GDP时间序列ARMA论文摘要本文广泛求证和搜集三十年来宁波市GDP的相关数据，运用统计学和计量 经济 学原理从时间序列的定义出发，探索宁波市GDP时间序列的平稳性，并结合统计软件EVIEWS运用ARMA建模法，对宁波市GDP时间序列进行识别、估计、诊断和预测后，建立最优计量经济模型进行经济预测，并为各级政府和 企业 的管理决策提供数量化的建议。一、时间序列分析法简述客观现象都是处在不断 发展 变化之中，对现象发展变化的 规
2、律 ，不仅要从内部结构、相互关联去认识，而且还应随时间演变的过程去研究，这就需要运用时间序列分析方法。时间序列分析是一种广泛应用的数量分析方法，它主要用于描述和探索现象随时间发展变化的数量规律。时间序列是指同一种现象在不同时间上的相继观察值排列而成的一组数字序列。时间序列预测方法则是通过时间序列的 历史 数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。传统的时间序列分析方法在经济中的应用，主要是确定性的时间序列分析方法，包括指数平滑法、滑动平均法、时间序列的分解等等。时间序列分析预测法，首先将预测目标的历史数据按照时间先后的顺序排列，然后分析它随时间的变化趋势及
3、自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。二、分析预测GDP年度数据的原因国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果。可以说，它是影响经济生活乃至社会生活的最重要的经济指标。对其进行的分析预测具有重要的理论与现实意义。三、对GDP数据的分析笔者对1978至XX年的30个年度国内生产总值数据进行了分析，只用前28个数据参与建模，并用后两年的数据检验拟合效果。如果一个随机时间序列的均值和方差在时间过程上都是常数，并且在任何两时期之间的协方差仅依赖于该两时期间
4、的距离或滞后期，而不依赖于 计算 这个协方差的实际时间，就称它为平稳的。在以年份为横轴，以宁波市GDP为纵轴的坐标系中作曲线得到GDP时序图。从图中可以看出宁波市的GDP不具有明显的周期变化和季节波动，但呈现出明显的增长趋势，所以它是非平稳的，这种非平稳性也可以用单位根检验来判断。但这种通过时序图示的方法略显粗略，可对其再进行精确的单位根检验，以检验时序的平稳性。由于GDP时序有明显增长的时间趋势，故采用模型作为检验方程对GDP时序进行单位根检验，其中若接受，说明GDP为含有单位根的非平稳过程。进一步对时间趋势的显著性进行检验，并使用DF中的F检验分别检验参数约束，若拒绝原假设，表明GDP具有
5、明显的时间趋势特征，而且单位根检验的结论具有较强的检验力。对宁波市的GDP进行ADF检验的三个模型得到如下结果：表一：模型1的检验结果ADFTestStatistic1%CriticalValue*-5%CriticalValue-10%CriticalValue-由上面三张表可知，没个模型检验ADF统计量都分别大于三个不同显著水平的临界值，表明序列是非平稳的。由于对时间序列建模要求数据应具有平稳性和零均值化，因此对于非平稳性时间序列，必须先进行数据平稳化，零均值化处理。在对GDP取对数值的基础上，再进行二阶差分。从其差分后的自相关图中可以看出，该序列的自相关系数很快趋于0，即落入随机区间，表
6、明时序是平稳的。对其再次进行单位根检验，ADF检验结果如下：表二：序列DLGDP的ADF检验结果ADFTest1%CriticalValue*-5%CriticalValue-10%CriticalValue-由表可知，ADF统计量为-，分别小于不同检验水平的三个临界值，所以经差分后，GDP时序数列成为一个平稳序列。四、GDP的时间序列模型的识别及建立对我国GDP的时间序列模型进行识别，首先要利用统计软件作出时序的自相关以及偏自相关函数图，以判断时间序列模型的阶数。本文根据上述已经做好数据准备的GDP时序数据，即1978XX年间取对数后的GDP一阶差分值序列，利用进行数据处理，从该时序数据的自
7、相关函数ACF和偏自相关数PACF的图形可以看出，偏自相关函数一阶截尾，自相关函数呈拖尾状并且振荡衰减趋于零。于是我们可判断此数据是一个一阶自回归过程。 利用Eviews对模型进行估计，结果如下：DW=AIC=-=-由估计结果可知，上述模型的根具有不大于1的模数，也就是说，它的共轭根在单位圆之内，因此过程是平稳的，并且模型的参数通过显著性检验。进行参数估计后，进一步对模型的适合性进行检验，即对模型的残差序列进行白噪声检验以判断残差序列是否为纯随机。通过残差序列的相关图和偏相关图分析，发现所有Q值都小于检验水平为的卡方分布临界值。由此可判断该模型的随机误差序列是一个白噪声序列。五、对宁波市GDP
8、序列预测效果的验证和分析我们使用了时间序列分析的方法对山东省国内生产总值的年度数据序列建立了自回归预测模型，并利用模型对XX和XX年的数值进行预测和对照。预测结果与实际值比较如下表所示。一阶自回归模型 经济 意义比较明确，可以处理随时间变化的波动，模型在短期内预测比较准确，平均绝对误差为%，但随着预测期的延长，预测误差可能会出现逐渐增大的情况。尽管如此，其短期预测精度还是比较高的。年份实际值预测值相对误差平均误差XXXX-由此可见，时间序列预测法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，只需变量本身的 历史 数据，在实际中有着广泛的适用性。在应用中，应该根据所要解决的问题及问题的特点等方面因素来综合考虑并选择相对最优的模型。 参考 文献1易丹辉，数据分析与Eviews应用M北京： 中国 统计出版社，XX2李子奈，潘文卿，计量经济学M北京：高等 教育 出版社，XX3赵盈。我国GDP时间序列模型的建立与实证分析J西安财经学院学报，XX，6 课题份量和难易程度要恰当，博士生能在二年内作出结果，硕士生能在一年内作出结果，特别是对实验条件等要有恰当的估计。
