基于arma模型的我國gdp時間序列分析與預測-全文預覽
【正文】 1xt1=246。231。xttqe+f p)162。m,de,fpqf1BBqFP1q1B2(B)et式中，et=此時選取模型可以為ARIMA(1,1,2）模型。差分序列自相關(guān)系數(shù)與偏相關(guān)系數(shù)圖通過對一階差分的對數(shù)序列的自相關(guān)系數(shù)和偏相關(guān)系數(shù)圖的分析觀察，可以知道模型大致可選取兩種模型。q 217。DLOGGDP一階差分單位根檢驗4結(jié)合圖3與表1，結(jié)果表明序列l(wèi)ogGDP經(jīng)過一階差分之后序列平穩(wěn)。root一階差分后對數(shù)GDP時序圖從圖（3）可以觀察得出，序列大致趨于平穩(wěn)。CriticalroottStatisticProb1*AugmentedDLOGGDP差分運算是一種對信息的提取﹑加工過程，每次差分都會有信息的損失，在實際中差分運算的階數(shù)要適當，應當避免過差分。（2）序列蘊含著曲線趨勢，通常低階（2階或3階）差分就可以提取出曲線趨勢的影響。Forecasting拿到觀察值序列之后，無論是采用確定性時序分析方法還是隨機時序分析方法，分析的第一步都是要通過有效的手段提取信息中所蘊含的確定性信息。而我們的目的主要是利用ARMA取對數(shù)后的對此時間序列做時序圖如圖1所示：GDP500,000400,000300,000200,000100,000055 60 65 70 75 80 85 90 95 00 05 10圖1如果擬合模型通過檢驗，仍然轉(zhuǎn)向步驟（2)，充分考慮各種可能，建立多個擬合模型，從所有通過檢驗的擬合模型中選擇最優(yōu)模型。（3）估計模型中未知參數(shù)的值。若所給的序列并非穩(wěn)定序列，則必須對所給的序列做預處理，使其平穩(wěn)化，然后用ARMA模型建模。t表示時間序列{=j=t為移動平均模型的介數(shù)；t其中，=239。Lp+L=in在20世紀70年代提出的著名時序分析模型,即自回歸移動平均模型。又考慮了隨機波動的干擾性,2. ARMA模型模型；預測值1. 前言國內(nèi)生產(chǎn)總值（GDP）代表一國或一個地區(qū)所有常住單位和個人在一定時期內(nèi)全部生產(chǎn)活動的最終成果，是社會總產(chǎn)品價值扣除了中間投入價值后的余額，是國民經(jīng)濟各行業(yè)在核算期內(nèi)增加值的總和。GDPGDPGDP=)(etE0,q q]型[Moving0239。0,Vart(e)185。模型的我國年我國序列的變化規(guī)律，并且預測未來兩年我國；ARMA本文就此對我國GDP時間序列進行分析，并且采用ARMA模型對序列進行擬合，最后在此基礎(chǔ)上對后期二年數(shù)據(jù)進行預測。其在經(jīng)濟預測過程中既考慮了經(jīng)濟現(xiàn)象在時間序列上的依存性,Jenkxtf1xt1xtq1et1 2238。)q}在時刻(iR)為自回歸系數(shù)；qjq)表示移動平均系數(shù)；e t}在ARMA模型建模流程1首先用ARMA模型預測要求序列必須是平穩(wěn)的，也就是
試題試卷相關(guān)推薦
鄂ICP備17016276號-1