【基于ARIMAXX模型的GDP分析与预测实证研究5600字（论文）】

基于ARIMAXX模型的GDP分析与预测实证研究摘要GDP指的是一年（或四分之一）国家（或地区）经济生产的所有产品和服务的合计值，这是国家经济会计的中心目标，也可以测量国家和地区的经济状况和发展水平。本研究以安徽省的经济发展趋势为调查目标，将1978年至2019年的GDP选定为分析的时序数据，并采用通过SARS软件确立SARS模型。首先，稳定检查了GDP数据。其次，建立模型，确认模型顺序，确认模型参数，确认模型参数的适用性，选择最佳模型，使用已建立的模型，推测2020年到2022年安徽省的短期GDP。关键词：安徽省；GDP数据；短期预测目录TOC\o"1-3"\h\u摘要 引言一个国家或地区衡量经济状况的重要目标是GDP，同时，也可作为政府拟定经济发展战略和政策的重要依据。GDP的剖析可以说具有十分重要的理论和现实意义。但是，我省的GDP是由各个市区的GDP组成的，因此研讨各市区的GDP，进行有效的剖析和预测，关于研讨我国经济和各省的经济形势具有重要意义。计算GDP的办法有三种：出产法、分配法和开销法。咱们以为GDP是一组时间序列，使用SARS模型，依据过去的观测数据，能够发现变化规律，预测未来的开展。时刻序列剖析办法足以对历史数据树立数学模型，并在此基础上剖析随机数据的计算特征。人们取得的观测数据始终是有限的，并不是无限的，时刻序列剖析办法便是使用有限的观测数据树立一个相对精确的数学模型，然后得到具有必定精度的计算特征，并与实践结果进行比较，然后判别数学模型是否准确，能否很好地描述结果。为了树立一个高精度的时刻序列模型，需要对模型的参数进行估量，使模型的阶次最合适；如何使用计算数据有效地表达经济系统中变量之间相互作用的动力机制，既是计量经济学的重要内容，也是时刻序列剖析办法在经济学中的重要使用。回归剖析模型也是处理这类预测问题的一种办法。本文也选用这种办法对GDP值进行预测，但一般的回归模型是静态的，往往不能充分反映变量之间的动态联系。1文献综述目前，赵楠选取河南省1978年至2017年的GDP数据，终究树立arimax（4,1,3）模型。模型对河南省2018-2020年GDP进行了检验和猜测。本文选取山东省1975-2015年的GDP进行剖析。实证剖析标明，用B-J方法树立的arimax（1,1,1）模型具有较好的猜测效果。猜测了山东省2016-2020年的GDP。1.1时间序列分析现状根据猜测序列的历史数据，考虑猜测序列未来可能的价值，必要时考虑其他相关的序列或要素。本文根据时刻序列的第二个目，的识别观测数据生成的随机机制。由于时刻序列剖析和发展的力量来自于经济发展的需求，这种办法在经济学中常常运用。早期在经济学中的应用首要有时刻序列分化、移动平均法、指数平滑法等确定性时刻序列剖析办法。但是在咱们的生活中有很多不确定要素，它们在经济生活中也占有非常重要的地位。要探究促进经济有用稳定发展的新途径。Box和Jenkins于1970年提出了一种根据随机理论的时刻序列剖析办法，将随机理论面向了一个新的高度。在我国经济发展中，时刻序列剖析办法也得到了广泛的应用，首要应用于数据挖掘、数据计算、金融服务、农业发展、医药和人口计算等范畴。计算机的迅速发展和普及也加快了时刻序列剖析的发展。咱们能够运用许多计算机软件来协助咱们学习时刻序列剖析。经过研究，通用软件包括MATLAB、S-PLUS、Eviews和SAS。本文利用SAS软件对时刻序列进行剖析和猜测。1.2ARIMAX模型简介Arimax模型又称求和自回归滑动均匀模型，它广泛应用于各种时刻序列数据剖析中，是一种短期猜测办法，具有较高的猜测精度。这种猜测办法适用于难以判断时刻序列典型特征的时刻序列的猜测。2ARIMAX模型结构与建模步骤2．1ARIMAX模型结构Arimax（P，D，q）模型是一种特殊的非平稳时刻序列分析和猜测办法，也称为box-Jenkins办法。公式1所示的结构通常称为arimax（P，D，q）模型。其中：结构中的B表明推迟运算符的含义。在确认差值D时应避免差值过大。Arimax模型是在自回归模型（AR模型）和移动均匀模型（MX模型）的基础上，结合差分运算，从时间序列数据本身动身进行分析和短期猜测。它也通常被称为自回归移动均匀模型。本文主要树立了安徽省GDP的arimax模型，并利用arimax模型对未来几年的数据进行了短期猜测。(1)平稳性检验本文以安徽省1978-2019年GDP数据为基础，树立时刻序列图，并运用图查验法和单位根查验法对其平稳性进行查验。假如不安稳，咱们能够进行恰当的差动操作并重新测试使其安稳。经过白噪声查验，观测周期是否为纯随机序列，是否值得咱们花时刻去研究剖析，挖掘出咱们需求的信息。从时刻序列图能够看出，安徽省GDP的时刻序列并不是一个安稳的指数增长。对数化后，利用一阶差分使其安稳。对数序列称为对数GDP时刻序列。(2)模型的识别与定阶经过平稳性检验，通过差分运算得到平稳的非白噪声序列。，对观测序列进行恰当的拟合。最终，arimax模型是arimax（0,2,1）。(3)参数估计假如上述拟合的arimax（1，l，0）模型没有完成，则估量模型中的参数。常用的参数估量办法有三种，本文采用的办法是最小二乘估量。模型的检验应与数据进行比较的开始序列和误差序列数据，以确认它们对实际的有效反应。测试时间序列模型，以确认缺点的相应序列是否为白色噪声；假如模型能猜测未来；否则，该模式需要改进，以便更好地应对实际。(5)序列预测拟合模型对2009.2013年的GDP值进行预测，并与实际值进行比较，看是否可以预测；结果表明，该模型可以做出较好的预测，并对安徽省2020-2022年GDP值进行了短期预测分析。2.2ARIMAX模型建模步骤图2.1ARIMAX模型建模流程图2.3回归与时序相结合的多元时间序列分析2.3.1多元回归分析本文介绍了遗传学的基本原理。一般来说，现代意义上的回归剖析是研讨一个变量对另一个变量的详细依靠的计算方法和理论。经过操控一个变量的值来改动另一个特定变量的值的准确性，独立变量的给定值来预测相关变量的平均值或特定值。本文主要采用多元线性回归方法，以榜首、二、三工业产量为独立变量，GDP为变量。回归分析是经过对观测数据的研讨，讨论因变量与n个白变量之间的定量联系。线性相关，n组数据（y，Xi1，XI2，…，xn）符合以下模型（F=L，2，…，n）：3安徽省GDP阶段的矩阵模式可以记为:其中Y表示可观测的随机向量，占是不可观测的随机向量，C是已知矩阵，β、σ2是未知参数，并且设2.3.2逐步回归基本思想及步骤在实际问题中，影响因变量y的因素许多。人们期望挑选对依靠变量y有显著影响的独立变量，树立回归关系。在回归方程中，如果忽略影响相关变量y的重要因素，则所树立的回归方程在预测时会发生较大的误差；可是，如果回归方程中变量太多，且对依靠变量y影响不大，则得到的回归方程不只“胀大”，并且精度较低。本文采用逐步回归方法对自变量进行分析。基本步骤如图：图2.2逐步回归步骤运用逐步回归方法和SAS软件，结果表明，GDP与第一、二、三产业存在着很高的相关性，任何一个都是不能够消除的。3ARIMAX模型的建立3．1数据的来源本文选取安徽省1978-2019年的GDP数据作为研讨对象，所有GDP数据如表3.1所示．表3.11978—2019年安徽省GDP数据3．2平稳性检验及处理原始时间序列数据通常是非平稳序列，有必要对数据的稳定性进行测验和处理。通过散点图或折线图，判别序列是否为平稳序列．安徽省GDP时序图如图3.1所示．图3.1安徽省GDP时序图从图2可以看出，图上的曲线简直呈指数上升，而原始序列是非平稳序列。其次，我们需求处理非平稳序列，在此基础上，选用对数序列进行差分处理。它叫液化天然气。依据图纸，LNG也是一个非平稳序列。一阶差分处理后的新序列称为dlng。dlng序列图图3.2DLnG序列图由图3.2可以大致看出，dlng序列的趋势根本消除，但不能准确判断是否为平稳序列。因此，有必要使用ADF查验来查验dlng序列的平稳性。ADF试验结果见表3.2．表2DLnG序列的ADF检验结果ADF测试结果表明，R计算值为-4.050719，明显性水平为1%时，R计算值明显低于-3.610453临界值。这表明，当明显性水平为1%时，dlng序列没有单位根，因此dlng序列是安稳的。3.3安徽省分阶段研究本章选最终产出法研讨安徽省GDP的工业结构，即从三大工业的分析中，选取六个变量，即第一工业农业X1，第二工业X2，第二工业建造X3，第三工业运输仓储邮政x4，第三工业批发零售X5，第三工业其他X6；3.2.1缓慢发展阶段(1952年．1978年)图3-5图3.5显示了该阶段的行轮廓散布矩阵。从这个散布矩阵可以看出，现阶段第一产业（农业）占国内生产总值的比重在50%左右，建国初期乃至到达75%。因此，可以说现阶段第一产业（农业）对GDP的贡献率最高，但也可以看到，随着经济的发展，其在GDP中的比重逐渐下降。几年前，第二产业对GDP的贡献率还不到10%，但随着安徽省对工业发展的注重，工业总产值不断提高。图3-6缓慢发展捌惯量和卡万分群惯性和Z2计算的分化可从图3.3中读出，总Z2=0.03876，总惯性=64.3289，行点和列点之间的联系可用总惯量（前二维）的88.96%表明。在1952年和1978年GDP缓慢开展的过程中，安徽省农业产值对GDP的贡献一直占有主导地位。在国家政策的支持下，工业产值对GDP的贡献率也不断提高，直接赶上了农业的主导地位；尽管其他变量的变化有增有减，但它们对GDP的贡献率还不到10%，现阶段还没有考虑。3.3.2快速发展阶段(1979年．2000年)图3-7快速发展期行轮廓分布阵图3-8快速发展期惯量和卡方分解图3.7和3.8显示了该阶段的行轮廓散布矩阵、惯性和卡方分解。现阶段，GDP总产值在增加，各行业产值也在增加，但其对GDP的影响是否发生了改动，可以从线性散布矩阵中看出。安徽省农业产值占GDP的比重呈下降趋势，由1979年的48%下降到2000年的25.56%；但工业产值比重虽有改动，但改动起伏不大，基本保持在30%左右；可是，第三产业的产值正在上升。虽然农业在这一阶段得到了开展，但其对安徽省GDP的奉献却在不断下降。受国家改革开放政策的影响，在这个GDP快速开展的阶段，安徽省三大产业齐头并进，对GDP的奉献处于分散状态。3.3.3高速发展阶段(2001年-)图3.9高速发展期行轮廓分布阵图3.10高速发展期惯重和卡方分解从这一阶段能够看出，安徽省农业产值对GDP的贡献率正在逐渐下降，2003年不到20%，随着经济的发展，工业产值占GDP的比重已接近40%。第三工业等工业产值虽然波动较大，但基本保持在25%左右。目前，工业产值对安徽省的贡献基本上占主导位置，第二工业和第三工业对安徽省GDP的贡献占主导位置，第一工业位置逐渐下降，第二工业与第三工业共同发展。3．4模型中的参数估计为了确定arimax（p，D，G）模型中其他两个参数p和G的值，我们制造dlng序列的自相关图和偏自相关图。图3.3DLnG从dlng序列的自相关白相关图能够看出，自相关和偏自相关都具有拖尾性，契合arimax模型的特点。其间，偏自相关系数在一阶滞后时出现尾部，而自相关系数在五阶和六阶滞后时下降到标准差的两倍边缘。很难直接从图4中确定这两个参数。因此，通过连续实验和模型筛选，比较AIC值并调查模型参数的显著性，确定了最优模型的两个参数P=2，q=3，即arimax（2），1，3。arimax（2，1，3）模型参数估计成果见表3.3．表3ARIMAX(2，1，3)模型估计结果对应的P值都比较小，在5％的显著性水平下，模型的参数都是显著的．模型的最小二乘估计结果为：3．5模型的检验在确定最优模型arimax（2,1,3）后，需要检验arimax（2,1,3）的拟合作用。实际上，白噪声测验是对模型中发生的残差序列进行的。白噪声测验结果表明，残差序列是白噪声序列，阐明残差序列之间没有自相关联系，数据信息提取完整，一起也阐明最终模型的拟合作用非常好。拟合作用如图3.4所示．图3.4ARIMAX(2，1，3)拟合效果图4ARIMAX模型的预测采用Arimax（2,1,3）模型对安徽省1978-2019年GDP进行预测，得出各年的预测值。计算出两者之间的相对误差，结果表明，相对误差小于8%，说明该模型的预测精度较高。因此，利用该模型对安徽省2020-2022年样本区间外的GDP选择进行了动态预测。表4.12015—2022年安徽省GDP实际值与预测值对比5结论根据安徽省1978～2019年GDP数据，经过平稳处理、模型阶数确定、模型参数估计和适用性查验，最终确定了arimax（2，1，3）模型。模型经过适用性查验后，猜测了安徽省1978～2019年的GDP。1978-2019年猜测结果与实际值的相对误差小于8%，标明猜测精度高，可以对安徽省2020-2022年GDP进行短期猜测。根据表4短期猜测结果，安徽省2020年至2022年GDP将坚持平稳增长态势，有望完成预期方针，为经济决策者供给一定参考。参考文献[1]潘洪.中药国际化现状与对策研究[D].江苏:南京大学,2006.[2]苏州浪潮智能科技有限公司.一种便于过压保护和欠压关断测试的辅助电路、测试系统:CN201922243348.4[P].2020-10-20.[3]王祎.中小型教育培训机构客户关系管理系统的设计与实现[D].北京:北京工业大学,2017.[4]向继发.基于HTML5技术的移动Web前端设计与开发分析[J].数码设计（上）,2020,9(1):42.[5]谷丹丹,刘力岩.基于HTML5技术的移动Web前端设计与开发[J].缔客世界,2020,6(3):7.DOI:10.12247/j.2096-7748.2020.03.008.[6]连政.基于HTML5技术的移动Web前端设计与开发[D].浙江:浙江工业大学,2014.[7]薛玉倩.基于HTML5的Web前端设计与开发[J].内蒙古科技与经济,2019(17):68-69.[8]盛婷婷.基于HTML5技术的移动Web前端设计与开发分析[J].电子制作,2016(19):46-47,75.DOI:10.3969/j.issn.1006-5059.2016.19.019.[9]于圣彬.基于HTML5技术下移动Web前端设计与开发的研究[J].中国新通信,2018(4):47.DOI:10.3969/j.issn.1673-4866.2018.04.042.[10]周西柳,肖薇.基于HTML5的前端框架设计与应用研究[J].中国宽带,2020(11):93.[11]沈晓文.基于HTML5的移动化妆品销售系统前端设计与实现[D].上海:上海交通大学,2013.[12]杨雪.基于html5+css3网页设计翻转