论文总字数：17265字

摘 要

国内生产总值GDP（Gross Domestic Product）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。它反映一国（或地区）的经济实力和市场规模。对GDP的正确预测能为所有依赖经济规律的投机者、把握宏观走向的掌权者提供相关依据，为他们能更好更及时的规划行动提供帮助。因此，预测GDP对经济的发展十分重要。本文的主要研究内容如下：

1. 对GDP的分析，大多是基于时间序列模型上的。为此，我们先介绍以下涉及时间序列分析的一些相关定义、历史和现状，并继续讨论各个时间序列模型的用法结构。
2. 为研究湖北省GDP的变化情况，我们用最经典的一元时间序列模型，即ARIMA模型来对原始数据分析。在一系列运算和检验得出较精确的模型，成功预测出后几年的GDP数据。
3. 为了更进一步的预测并提出相关建议，本文引入新变量采用多元时间序列分析来建立模型。通过对比得出引入相关变量越多预测模型更精准的结论。

通过建立这几个模型，得到了GDP变化的一些趋势，建议大力扶持第三产业发展来促进产业结构转型，保持GDP快速平稳发展的状态。

关键词：时间序列：GDP预测；ARMA模型；ARIMA模型；ARIMAX模型

Abstract

Gross Domestic Product (GDP) is an important comprehensive statistical index in the accounting system, and also the core index in China's new national economic accounting system. It reflects the economic strength and market size of a country (or region). In most cases, but not all, GDP is a good measure of economic well-being. To GDP forecast for all rely on economic law right of speculators, grasp the macro to provide evidences in power, for they will be able to better and more timely planning action to help. Therefore, forecasting GDP is very important for economic development. The main research contents of this paper are as follows:

1. The analysis of GDP is mostly based on the time series model. To this end, we will first introduce the following definitions, histories, and current situations related to time series analysis, and continue to discuss the usage structure of various time series models.

2. In order to study the change of GDP in hubei province, we used the most classical unary time series model, namely ARIMA model, to analyze the original data. After a series of calculations and tests, a more accurate model was obtained, which successfully predicted the GDP data in later years.

3. In order to make further prediction and make relevant Suggestions, this paper introduces new variables and adopts multivariate time series analysis to build the model. By comparison, the more relevant variables are introduced, the more accurate the prediction model is.

Through the establishment of these models, some trends of GDP change are obtained, and it is suggested to strongly support the development of tertiary industry to promote the transformation of industrial structure and maintain the rapid and steady development of GDP.

Key words: time series: GDP forecast; ARMA model; ARIMA model; ARIMAX model

目录

一.引言 1

1.1分析预测GDP年度数据的背景及意义 1

1.2时间序列分析法简述 1

1.3国内外研究状况 2

1.4本文的主要工作 2

二．时间序列分析基本方法 4

2.1平稳时间序列 4

2.2纯随机性 4

2.3模型 5

2.4模型 6

2.5模型 6

2.6模型 7

2.7模型 8

2.8模型的识别 9

三．实例分析 11

数据来源： 11

3.1平稳性分析 11

3.2差分运算 13

3.3 建立模型并检验 15

3.4 GDP预测 17

四．GDP多元时间序列分析 19

4.1数据收集整理 19

4.2序列平稳化 20

4.3模型建立 22

五．结论 26

5.1全文总结 26

5.2建议 26

参考文献： 27

致 谢 29

一.引言

1.1分析预测GDP年度数据的背景及意义

GDP（Gross Domestic Product)，中文国内生产总值,实质是全部产品的最终市场价值，有空间（一个国家或地区）、时间（一定时间内，月或年）和群体（常驻人群或生产者）的划分。这个指标是估计和评价经济状况、经济增长趋势等趋向性指标的一个最为均衡的尺度，是国民经济核算的综合性的核心指标，甚至可以说，它是与经济生活方方面面相关的最重要的经济指标。

GDP能反映出经济社会的经济实力和市场规模。当GDP数值增加、函数曲线上升时，表明该地区经济正在扩张；反之GDP负增长时，表示进入衰退期。它能反映出经济增长率、通货膨胀率和失业率等，是社会宏观经济的总量体现。因此，对GDP的精准分析和预测能很大程度影响未来。

虽然湖北省经济一直处于高速发展阶段，但为了今后更有效更惠民的持续发展，我们要不断总结和解决暴露出的问题并在发展之路上不断前进。在过去的几十年里，湖北省保持快速发展的同时也承受了很大负担，过度的消耗资源使现在的矿产资源和环境资源都负载不动了，然而改变发展模式、促进新兴行业发展不能一蹴而就，是需要一个过程的。所以在这种经济环境下，预测未来GDP以及调整产业结构就具有十分重要的意义。以下是这些年的GDP-年份表。

1.2时间序列分析法简述

图 1.1 GDP时序图

如成语“沧海桑田”、“水滴石穿”所言，客观现象都是随时间和环境变化而不断发展变化。这就要求我们不仅要认识对现象发展变化的内部结构、客观相互规律，而且还应随时间演变的过程去研究（即考虑以t为参数）。从微观的角度上来看，序列的平稳性有效保证了序列具有不随时间变化的性质，人们通常研究的均值、方差和自协方差具有一定的特性，即遍历性。通常情况下遍历性对于时间间隔有着严格的要求，通过实验可以发现，时间序列并不存在长期规律性。通过这种对真理的不懈追求，人类提出了时间序列分析方法。

而时间序列分析的目的一般有两个：1.对应过去和现在：建立原始数据的生产模型，观测数据变化的随机机制2.着眼于未来：预测序列未来的可能值，并以此推导最佳生产企划。在传统的时间序列研究过程中，曾经有人提出运用时间序列的不同成分来对其进行分析，该种方法是由Perosons 所提出。主要就是将时间序列分为几个步骤，分别是长期趋势、循环变动、季节变动以及随机变动，在研究时间序列的时候，就是将这些因素视为确定性的，然后再对其展开具体的分析和研究。其要求对数值的精确收集分析，十分僵硬且不好用。而随时间发展，人们需求不断提高、复杂，如时尚潮流、国民需要变化等许多不确定因素在经济生活中的影响越来越大，旧有的确定性的方法越来越不管用，人们必须要寻找新的方法来解释并预测这些不确定因素，完善对于未来的规划发展从而促进社会经济发展。经过对数据的不断分析和检验，在1970年终于，新的理论和方法被发现了。提出发现的功臣，Box和Jenkins，以随机理论为基础，提出了新的时间序列分析方法，提高了人们对于不确定因素的判断，大大提高了预测精度和实现的可能，将时间序列理论拓展出一片新风景。

时间序列分析的基本模型有：ARMA模型、ARIMA模型，本文还用到了ARIMAX模型。常用软件有:Matlab,S-plus,Eviews还有SAS等。

1.3国内外研究状况

国内外分析中，不同学者采用了不同方式，陈莹莹学者通过建立ARMA模型预测了福建省未来三年第三产业增加值的数据^[16]；司圃旭学者采用了Lasso进行变量选择后构建了ARMA模型、ARIMA模型和ARIMAX模型，一步步分析山东省GDP的影响条件和对未来的预测^[5]； 罗森, 司徒雪颖学者采用VAR模型研究我国季度GDP^[17]；舒服华学者基于BP神经网络来对安徽省GDP进行分析；还有吴波妮、罗森、张孟璇、宋禧瑞等学者用时间序列方法分析各地的GDP趋势^[3][11][12]。由于非平稳序列的复杂性，模型应随外部环境的变化做相应的调整，保障各省数据与预测的准确性。综上所述，基于时间序列对GDP进行分析和预测是一种比较普遍的分析方式，这些研究为政府决策者提供相关决策凭依资料，为宏观经济的发展起到指导性作用。本文将运用时间序列的分析方法来建立模型，进行模型识别、参数估计和拟合检验，并利用模型来预测未来的GDP。

1.4本文的主要工作

本文的核心就是用各种时间序列分析方法去预测GDP的趋向，并提出可行建议。选取的GDP原始数据是从《中国统计年鉴2019》中选取的湖北自1988年到2013年的值，由于从时序图中易得原始数据不在均值附近波动，可视其为不平稳序列。运用时间序列分析的一些定义，将其差分以使求出平稳序列，再建立相应的模型，并利用模型来预测未来的GDP值。然后根据模型的推导，有效地得到新数据，求解更加精确的模型。接着根据建立的ARIMAX模型，利用湖北GDP的数据上进行仿真实验，计算各年GDP，将模型预测得到的结果进行分析，并进行优缺点对比。

第一章是引言，介绍一下历史、现状和意义。

请支付后下载全文，论文总字数：17265字

相关图片展示：