论文总字数：9812字

摘 要

现在我们经常使用数据来衡量一个国家的宏观经济，所以用的数据来进行数据的模拟，所以需要建立一个模型来预测的大致范围，但是影响的因素是多种多样的，而且这些因素间又通常存在严重的多重共线性，同时经济数据又常常是自相关非平稳的数据，所以准确找出可以模拟的模型并进行建模是比较困难的。运用统计学的基本原理, 根据时间序列的相关定义,结合统计软件的运用和模型的建模方法, 将模型应用于全国数据的分析与预测得到了令人十分满意的结果。通过对模型参数的识别与检验、数据的平稳性检验、模型的检验等综合分析，确立了模型对的建模。该模型具有操作简单实用、预测精度高的特性，能恰当且正确描述全国状况，可以用来做短期的数据的预测，为政府部门制定更加详细的经济计划提供可靠的依据和适当的参考，并根据所建立的模型对中国2014年的进行预测。

关键词: 模型，，预测，时间序列

Abstract：Now we often use GDP data to measure a country"s macroeconomic , so use the GDP data to simulate the data, so it is necessary to create a model to predict the approximate range of GDP, but are diverse factors , and these factors inter- and usually there is a serious multicollinearity , while economic data and often non-stationary autocorrelation data, GDP can be simulated accurately identify the model and modeling is more difficult. Applying the basic principles of statistics, time series based on the relevant definitions , combined with modeling methods and the use of statistical software Eviews and ARIMA model , ARIMA model used in the analysis and forecast of China"s GDP data has been very satisfactory results . Through the model parameters identification and inspection, testing and other data, a comprehensive analysis of the stationary test , model , established the model ARIMA model to GDP. The model is simple and practical, high prediction accuracy characteristics , can be a proper and accurate description of the situation of the national GDP , can be used to make short-term forecasting GDP data , the development of more detailed economic plan for the government to provide a reliable basis and appropriate reference and in accordance with the established model ARIMA forecast for China "s GDP in 2014.

Keywords: ARIMA model,GDP,forecast,time series

目 录

1绪论 …………………………………………………4

1.1 引言………………………………………………………… 4

1.2 简介 …………………………………………………… 4

1.3 模型结构……………………………………………… 5

1.3.1 自回归模型…………………………………………… 5

1.3.2 移动平均模型………………………………………… 5

1.3.3 模型……………………………………………… 5

1.3.4 模型………………………………………… 5

2 模型在中应用的实证分析…………………………… 6

2.1原始数据的预处理 ……………………………………………6

2.2 模型的参数确定 ………………………………………9

2.3 全国数据的拟合 …………………………………………11

2.4 模型的检验……………………………………………11

2.4.1 拟合优度检验………………………………………………11

2.4.2方程显著性检验………………………………………………11

2.5 模型的预测……………………………………………………12

结论…………………………………………………………………14

参考文献 ………………………………………………………………15

致谢 ………………………………………………………………… 16

1 绪论

1.1 引言

国内生产总值（）是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。国内生产总值是核算体系中一个重要的综合性统计指标，也是中国新国民经济核算体系中的核心指标，同时也是进行经济分析和决策、调控及国民经济核算的重要指标，它反映一国的市场规模和经济实力现状，在经济研究中发挥着重要的作用。常作为模型的重要变量,所以预测模型基于数据，社会中很多专家学者对的预测感兴趣。本文用模型对全国的进行估计和预测，ARIMA模型是通过对预测目标自身时间序列的处理来研究分析其变化趋势的。通过时间序列的历史已有数据揭示数据随时间变化的规律,将这种规律进行延伸,就可以对该现象的未来作出预测。

1.2 模型简介

模型全称为差分自回归移动平均模型()，是由博克思(Box)和詹金斯(Jenkins)于20世纪70年代初提出的著名时间序列预测方法。其中被称为差分自回归移动平均模型，表示自回归，表示自回归项数；是移动平均，为移动平均项数，是时间序列成为平稳时所做的差分次数。它是一种以时间序列的自相关分析为基础的精度较高的时间序列短期预测方法。模型在经济预测过程中不仅考虑了经济现象在时间序列上的依存性，而且考虑了随机波动的干扰性，对于经济运行短期趋势的预测准确率较高，是在统计预测中应用比较广泛的方法之一。它主要试图解决以下两个方面的问题：一是在对时间序列分析的基础上，预测时候选择适当的模型；二是分析时间序列的随机性、季度性和平稳性。本文通过应用时间序列分析和预测的方法，建立了国内生产总值（）的模型，并进行了简单的预测，取得了令人满意的效果。

模型的基本思想是：将预测对象随时间不同而形成的数据序列视为一个随机时间序列，用一定的数学经济模型来近似的描述这个时间序列。这个时间序列模型一旦被识别后，可以实现从时间序列的过去值及现在值的数据来预测未来值。模型的基本程序主要是：（1）对序列的平稳性进行识别，主要是根据时间序列的散点图、偏自相关函数图和自相关函数，然后以单位根检验数据的方差、数据的趋势及其数据季节性规律，。一般来讲，对于经济运行的时间序列，一般不是平稳序列的数据。（2）如果数据序列是非平稳的数据，则需要对非平稳的序列数据进行常规的平稳化处理，有时数据存在一定的下降或者增长的趋势，则需要对数据进行多次或者一次差分处理，如果数据存在明显的异方差，则需对数据进行相关的技术处理，直到处理后的数据的偏相关函数值以及自相关函数值无显著地不等于零。（3）建立相应的模型，主要是根据时间序列模型的相关的识别规则来进行判断。如果平稳数据序列的偏相关函数是明显拖尾的，而自相关函数是明显截尾的，则可断定数据序列是适合模型的；如果平稳数据序列的偏相关函数是明显截尾的，而自相关函数是明显拖尾的，可断定序列数据是适合模型的；如果平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合模型。（4）检验其是否具有统计意义，主要是对进行参数估计（5）诊断残差序列是否为白噪声，通过假设检验判断。（6）利用已通过检验的模型进行预测分析。

剩余内容已隐藏，请支付后下载全文，论文总字数：9812字