統(tǒng)計學之時間序列分析在經(jīng)濟預測中的應用-資料下載頁
2025-07-28 05:23本頁面
【正文】 特征，而后者是季度或月度模型，能揭示出被解釋變量的非線性特征；前者的解釋變量涵義明確，政策分析性強，而后者的解釋變量是被解釋變量的滯后項或平滑項，政策分析性弱；前者的估計簡單，直接使用最小二乘法，但對含解釋變量的滯后項的回歸模型，則需要識別它的階數(shù)，而后者的幾種類型的模型均需要先估計它的階數(shù)后，使用最小二乘法；利用前者進行預測時需要知道解釋變量的預測值，這又是一個預測問題，而利用后者進行預測時不存在這個問題。2． 了解組合模型的構造原理本案例把回歸模型和時間序列模型結合起來構成組合模型，研制出一種回歸與時間序列加法模型，提高了擬合程度和預測能力。除此之外，我們還可以構造其它的組合預測，只要我們采用某種恰當?shù)姆椒?，把不同模型的計算結果綜合起來，相互取長補短，就能達到提高預測精度和增加預測結果可靠性的效果[10] 詳見參考文獻14。3． 掌握模型建立過程中有關技術性問題在預測過程中，建立預測模型會遇到一些技術性的問題（如：方程式法平均發(fā)展速度指標的計算問題，非線性模型的線性化問題，NLS估計的初始值選擇問題，ARIMA模型理論估計與軟件中的做法區(qū)別問題等），這些問題的解決，對學生獨立思考問題的能力也是一個有益的訓練。4． 各種預測方法的特點不同的預測方法有各自的特點：（1）預測的時間范圍不同，有的適宜作短期預測，有的可以作中、長期預測；（2）條件不同，有的方法計算復雜，需要時間序列資料苛刻，有的則比較簡單，對資料要求也不高；（3）適用場合不同，有的對任何時間序列資料均可，有的只適合于平穩(wěn)發(fā)展的時間序列，有的對時間序列的具體變化形態(tài)還有要求；（4）預測精度不同，有的具有較高的精度，有的只是作一種趨勢性的判定，建模者可以根據(jù)一些指標（如：①平方和誤差：；②平均絕對誤差：；③均方根誤差：；④平均絕對百分比誤差[11] 一般認為如果MAPE的值低于10，則認為預測精度較高。：；⑤均方百分比誤差：；⑥Theil不等系數(shù)[12] 根據(jù)均方誤差的分解，還可以定義三個與希爾不等系數(shù)相關的指標。偏差率BP反映了預測值均值和實際值均值間的差異；方差率VP反映了它們標準差的差異；協(xié)變率CP反映了剩余的誤差。值得說明的是：CP=1BPVP，當預測是比較理想時，均方誤差大多數(shù)集中在協(xié)變率上，而其余兩項都很小。：）[13] 這里為實際值，為擬合值或預測值；①、②和③屬于絕對指標，其它屬于相對指標建議使用。進行適當?shù)倪x取。附一：參考文獻1． 王振龍：《時間序列分析》，中國統(tǒng)計出版社，2000、2；2． 易丹輝：《統(tǒng)計預測——方法與應用》，中國統(tǒng)計出版社，2004；3． 王慶石、盧興普：《統(tǒng)計學案例教材》，東北財經(jīng)大學出版社，19912；4． 江之源：《經(jīng)濟預測方法與模型》，西南財經(jīng)大學出版社，1999；5． 暴奉賢、陳宏立：《經(jīng)濟預測與決策方法》，暨南大學出版社，19912；6． 龐皓、楊作廩：《統(tǒng)計學》，西南財經(jīng)大學出版社，2002；7． Pindyck,Rubinfeld著，錢小軍譯：《計量經(jīng)濟模型與經(jīng)濟預測》，機械工業(yè)出版社，19911；8． 楊海山、蘇永明：《統(tǒng)計學》，中國物資出版社，1992；9． 暴奉賢、陳宏立：《經(jīng)濟預測與決策方法》，暨南大學出版社，19912；10． 易丹輝：《數(shù)據(jù)分析與Eviews應用》，中國統(tǒng)計出版社，20010；11． 王艷明、許啟發(fā)：時間序列分析在經(jīng)濟預測中的應用，《統(tǒng)計與預測》，2006；12． 楊海山：統(tǒng)計數(shù)據(jù)質(zhì)量評估的組合模型，《統(tǒng)計與決策》，2007；13． 葛新權：線性回歸與時間序列加法預測模型，《預測》2000年第1期。14． 周偉、王建軍：陜西省國民經(jīng)濟發(fā)展的組合預測研究，《系統(tǒng)工程理論與實踐》1998年第6期。附二：分析軟件1． 辦公自動化軟件：EXCEL、ACCESS等2． 統(tǒng)計軟件：SPSS、SAS等3． 計量經(jīng)濟軟件：TSP、EVIEWS等附三：時間序列預測方法的特點BoxJenkins的建模理論已經(jīng)比較成熟，其具體的操作過程可以按照如附圖所示的流程進行。附圖 時間序列模型建立流程參數(shù)估計診斷與檢驗模型是否合適檢驗序列的零均值性和平穩(wěn)性YESNO模型識別模型定階模型應用附四：時間序列預測方法的特點附表 各種預測方法及其特點預測方法時效長短適用范圍所需條件代價定性預測法市場調(diào)查法短、中期市場是成熟的市場設計調(diào)查表，做大量的市場調(diào)研工作較高德爾菲法中、長期對缺乏歷史統(tǒng)計資料或趨勢面臨轉(zhuǎn)折的事件進行預測需做大量的專家調(diào)研較高主觀概率法短、中期對事物的發(fā)展變化需作個人的主觀判斷大量搜集資料，對資料進行整理、判斷較高定量預測法趨勢外推法中、長期時間序列的變化存在一定的規(guī)律，沒有大的轉(zhuǎn)折出現(xiàn)需要時間序列的歷史數(shù)據(jù)，作趨勢圖試探低分解分析法短期適于時間序列存在季節(jié)性波動或周期性波動只需要序列的歷史資料低移動平均法短期不帶季節(jié)變動的反復預測需要時間序列資料，注重初始權重的選擇低指數(shù)平滑法短期具有或不具有季節(jié)變動的反復預測需要時間序列資料，注重初始權重的選擇低博克斯—詹金斯法短期適用于任何序列的發(fā)展形態(tài)的一種高級預測方法往往要求大量的歷史數(shù)據(jù)，計算過程復雜中等景氣預測法短、中期適用于時間序列趨勢延續(xù)及轉(zhuǎn)折預測收集大量歷史資料和數(shù)據(jù)并進行大量計算中等灰色預測法短、中期要求時間序列是由灰色系統(tǒng)產(chǎn)生的收集對象的歷史數(shù)據(jù)中等馬爾可夫預測法短、中期要求時間序列具有“無后效性”收集一定的歷史數(shù)據(jù)中等狀態(tài)空間模型和卡爾漫濾波短、中期適用于各類時間序列的預測收集對象的歷史數(shù)據(jù)并建立狀態(tài)空間模型中等
范文總結相關推薦
鄂ICP備17016276號-1