【基于ARIMAXX模型的GDP分析與預測實證研究5600字（論文）】

基于ARIMAXX模型的GDP分析與預測實證研究摘要GDP指的是一年（或四分之一）國家（或地區）經濟生產的所有產品和服務的合計值，這是國家經濟會計的中心目標，也可以測量國家和地區的經濟狀況和發展水平。本研究以安徽省的經濟發展趨勢為調查目標，將1978年至2019年的GDP選定為分析的時序數據，并采用通過SARS軟件確立SARS模型。首先，穩定檢查了GDP數據。其次，建立模型，確認模型順序，確認模型參數，確認模型參數的適用性，選擇最佳模型，使用已建立的模型，推測2020年到2022年安徽省的短期GDP。關鍵詞：安徽省；GDP數據；短期預測目錄TOC\o"1-3"\h\u摘要 引言一個國家或地區衡量經濟狀況的重要目標是GDP，同時，也可作為政府擬定經濟發展戰略和政策的重要依據。GDP的剖析可以說具有十分重要的理論和現實意義。但是，我省的GDP是由各個市區的GDP組成的，因此研討各市區的GDP，進行有效的剖析和預測，關于研討我國經濟和各省的經濟形勢具有重要意義。計算GDP的辦法有三種：出產法、分配法和開銷法。咱們以為GDP是一組時間序列，使用SARS模型，依據過去的觀測數據，能夠發現變化規律，預測未來的開展。時刻序列剖析辦法足以對歷史數據樹立數學模型，并在此基礎上剖析隨機數據的計算特征。人們取得的觀測數據始終是有限的，并不是無限的，時刻序列剖析辦法便是使用有限的觀測數據樹立一個相對精確的數學模型，然后得到具有必定精度的計算特征，并與實踐結果進行比較，然后判別數學模型是否準確，能否很好地描述結果。為了樹立一個高精度的時刻序列模型，需要對模型的參數進行估量，使模型的階次最合適；如何使用計算數據有效地表達經濟系統中變量之間相互作用的動力機制，既是計量經濟學的重要內容，也是時刻序列剖析辦法在經濟學中的重要使用。回歸剖析模型也是處理這類預測問題的一種辦法。本文也選用這種辦法對GDP值進行預測，但一般的回歸模型是靜態的，往往不能充分反映變量之間的動態聯系。1文獻綜述目前，趙楠選取河南省1978年至2017年的GDP數據，終究樹立arimax（4,1,3）模型。模型對河南省2018-2020年GDP進行了檢驗和猜測。本文選取山東省1975-2015年的GDP進行剖析。實證剖析標明，用B-J方法樹立的arimax（1,1,1）模型具有較好的猜測效果。猜測了山東省2016-2020年的GDP。1.1時間序列分析現狀根據猜測序列的歷史數據，考慮猜測序列未來可能的價值，必要時考慮其他相關的序列或要素。本文根據時刻序列的第二個目，的識別觀測數據生成的隨機機制。由于時刻序列剖析和發展的力量來自于經濟發展的需求，這種辦法在經濟學中常常運用。早期在經濟學中的應用首要有時刻序列分化、移動平均法、指數平滑法等確定性時刻序列剖析辦法。但是在咱們的生活中有很多不確定要素，它們在經濟生活中也占有非常重要的地位。要探究促進經濟有用穩定發展的新途徑。Box和Jenkins于1970年提出了一種根據隨機理論的時刻序列剖析辦法，將隨機理論面向了一個新的高度。在我國經濟發展中，時刻序列剖析辦法也得到了廣泛的應用，首要應用于數據挖掘、數據計算、金融服務、農業發展、醫藥和人口計算等范疇。計算機的迅速發展和普及也加快了時刻序列剖析的發展。咱們能夠運用許多計算機軟件來協助咱們學習時刻序列剖析。經過研究，通用軟件包括MATLAB、S-PLUS、Eviews和SAS。本文利用SAS軟件對時刻序列進行剖析和猜測。1.2ARIMAX模型簡介Arimax模型又稱求和自回歸滑動均勻模型，它廣泛應用于各種時刻序列數據剖析中，是一種短期猜測辦法，具有較高的猜測精度。這種猜測辦法適用于難以判斷時刻序列典型特征的時刻序列的猜測。2ARIMAX模型結構與建模步驟2．1ARIMAX模型結構Arimax（P，D，q）模型是一種特殊的非平穩時刻序列分析和猜測辦法，也稱為box-Jenkins辦法。公式1所示的結構通常稱為arimax（P，D，q）模型。其中：結構中的B表明推遲運算符的含義。在確認差值D時應避免差值過大。Arimax模型是在自回歸模型（AR模型）和移動均勻模型（MX模型）的基礎上，結合差分運算，從時間序列數據本身動身進行分析和短期猜測。它也通常被稱為自回歸移動均勻模型。本文主要樹立了安徽省GDP的arimax模型，并利用arimax模型對未來幾年的數據進行了短期猜測。(1)平穩性檢驗本文以安徽省1978-2019年GDP數據為基礎，樹立時刻序列圖，并運用圖查驗法和單位根查驗法對其平穩性進行查驗。假如不安穩，咱們能夠進行恰當的差動操作并重新測試使其安穩。經過白噪聲查驗，觀測周期是否為純隨機序列，是否值得咱們花時刻去研究剖析，挖掘出咱們需求的信息。從時刻序列圖能夠看出，安徽省GDP的時刻序列并不是一個安穩的指數增長。對數化后，利用一階差分使其安穩。對數序列稱為對數GDP時刻序列。(2)模型的識別與定階經過平穩性檢驗，通過差分運算得到平穩的非白噪聲序列。，對觀測序列進行恰當的擬合。最終，arimax模型是arimax（0,2,1）。(3)參數估計假如上述擬合的arimax（1，l，0）模型沒有完成，則估量模型中的參數。常用的參數估量辦法有三種，本文采用的辦法是最小二乘估量。模型的檢驗應與數據進行比較的開始序列和誤差序列數據，以確認它們對實際的有效反應。測試時間序列模型，以確認缺點的相應序列是否為白色噪聲；假如模型能猜測未來；否則，該模式需要改進，以便更好地應對實際。(5)序列預測擬合模型對2009.2013年的GDP值進行預測，并與實際值進行比較，看是否可以預測；結果表明，該模型可以做出較好的預測，并對安徽省2020-2022年GDP值進行了短期預測分析。2.2ARIMAX模型建模步驟圖2.1ARIMAX模型建模流程圖2.3回歸與時序相結合的多元時間序列分析2.3.1多元回歸分析本文介紹了遺傳學的基本原理。一般來說，現代意義上的回歸剖析是研討一個變量對另一個變量的詳細依靠的計算方法和理論。經過操控一個變量的值來改動另一個特定變量的值的準確性，獨立變量的給定值來預測相關變量的平均值或特定值。本文主要采用多元線性回歸方法，以榜首、二、三工業產量為獨立變量，GDP為變量。回歸分析是經過對觀測數據的研討，討論因變量與n個白變量之間的定量聯系。線性相關，n組數據（y，Xi1，XI2，…，xn）符合以下模型（F=L，2，…，n）：3安徽省GDP階段的矩陣模式可以記為:其中Y表示可觀測的隨機向量，占是不可觀測的隨機向量，C是已知矩陣，β、σ2是未知參數，并且設2.3.2逐步回歸基本思想及步驟在實際問題中，影響因變量y的因素許多。人們期望挑選對依靠變量y有顯著影響的獨立變量，樹立回歸關系。在回歸方程中，如果忽略影響相關變量y的重要因素，則所樹立的回歸方程在預測時會發生較大的誤差；可是，如果回歸方程中變量太多，且對依靠變量y影響不大，則得到的回歸方程不只“脹大”，并且精度較低。本文采用逐步回歸方法對自變量進行分析。基本步驟如圖：圖2.2逐步回歸步驟運用逐步回歸方法和SAS軟件，結果表明，GDP與第一、二、三產業存在著很高的相關性，任何一個都是不能夠消除的。3ARIMAX模型的建立3．1數據的來源本文選取安徽省1978-2019年的GDP數據作為研討對象，所有GDP數據如表3.1所示．表3.11978—2019年安徽省GDP數據3．2平穩性檢驗及處理原始時間序列數據通常是非平穩序列，有必要對數據的穩定性進行測驗和處理。通過散點圖或折線圖，判別序列是否為平穩序列．安徽省GDP時序圖如圖3.1所示．圖3.1安徽省GDP時序圖從圖2可以看出，圖上的曲線簡直呈指數上升，而原始序列是非平穩序列。其次，我們需求處理非平穩序列，在此基礎上，選用對數序列進行差分處理。它叫液化天然氣。依據圖紙，LNG也是一個非平穩序列。一階差分處理后的新序列稱為dlng。dlng序列圖圖3.2DLnG序列圖由圖3.2可以大致看出，dlng序列的趨勢根本消除，但不能準確判斷是否為平穩序列。因此，有必要使用ADF查驗來查驗dlng序列的平穩性。ADF試驗結果見表3.2．表2DLnG序列的ADF檢驗結果ADF測試結果表明，R計算值為-4.050719，明顯性水平為1%時，R計算值明顯低于-3.610453臨界值。這表明，當明顯性水平為1%時，dlng序列沒有單位根，因此dlng序列是安穩的。3.3安徽省分階段研究本章選最終產出法研討安徽省GDP的工業結構，即從三大工業的分析中，選取六個變量，即第一工業農業X1，第二工業X2，第二工業建造X3，第三工業運輸倉儲郵政x4，第三工業批發零售X5，第三工業其他X6；3.2.1緩慢發展階段(1952年．1978年)圖3-5圖3.5顯示了該階段的行輪廓散布矩陣。從這個散布矩陣可以看出，現階段第一產業（農業）占國內生產總值的比重在50%左右，建國初期乃至到達75%。因此，可以說現階段第一產業（農業）對GDP的貢獻率最高，但也可以看到，隨著經濟的發展，其在GDP中的比重逐漸下降。幾年前，第二產業對GDP的貢獻率還不到10%，但隨著安徽省對工業發展的注重，工業總產值不斷提高。圖3-6緩慢發展捌慣量和卡萬分群慣性和Z2計算的分化可從圖3.3中讀出，總Z2=0.03876，總慣性=64.3289，行點和列點之間的聯系可用總慣量（前二維）的88.96%表明。在1952年和1978年GDP緩慢開展的過程中，安徽省農業產值對GDP的貢獻一直占有主導地位。在國家政策的支持下，工業產值對GDP的貢獻率也不斷提高，直接趕上了農業的主導地位；盡管其他變量的變化有增有減，但它們對GDP的貢獻率還不到10%，現階段還沒有考慮。3.3.2快速發展階段(1979年．2000年)圖3-7快速發展期行輪廓分布陣圖3-8快速發展期慣量和卡方分解圖3.7和3.8顯示了該階段的行輪廓散布矩陣、慣性和卡方分解。現階段，GDP總產值在增加，各行業產值也在增加，但其對GDP的影響是否發生了改動，可以從線性散布矩陣中看出。安徽省農業產值占GDP的比重呈下降趨勢，由1979年的48%下降到2000年的25.56%；但工業產值比重雖有改動，但改動起伏不大，基本保持在30%左右；可是，第三產業的產值正在上升。雖然農業在這一階段得到了開展，但其對安徽省GDP的奉獻卻在不斷下降。受國家改革開放政策的影響，在這個GDP快速開展的階段，安徽省三大產業齊頭并進，對GDP的奉獻處于分散狀態。3.3.3高速發展階段(2001年-)圖3.9高速發展期行輪廓分布陣圖3.10高速發展期慣重和卡方分解從這一階段能夠看出，安徽省農業產值對GDP的貢獻率正在逐漸下降，2003年不到20%，隨著經濟的發展，工業產值占GDP的比重已接近40%。第三工業等工業產值雖然波動較大，但基本保持在25%左右。目前，工業產值對安徽省的貢獻基本上占主導位置，第二工業和第三工業對安徽省GDP的貢獻占主導位置，第一工業位置逐漸下降，第二工業與第三工業共同發展。3．4模型中的參數估計為了確定arimax（p，D，G）模型中其他兩個參數p和G的值，我們制造dlng序列的自相關圖和偏自相關圖。圖3.3DLnG從dlng序列的自相關白相關圖能夠看出，自相關和偏自相關都具有拖尾性，契合arimax模型的特點。其間，偏自相關系數在一階滯后時出現尾部，而自相關系數在五階和六階滯后時下降到標準差的兩倍邊緣。很難直接從圖4中確定這兩個參數。因此，通過連續實驗和模型篩選，比較AIC值并調查模型參數的顯著性，確定了最優模型的兩個參數P=2，q=3，即arimax（2），1，3。arimax（2，1，3）模型參數估計成果見表3.3．表3ARIMAX(2，1，3)模型估計結果對應的P值都比較小，在5％的顯著性水平下，模型的參數都是顯著的．模型的最小二乘估計結果為：3．5模型的檢驗在確定最優模型arimax（2,1,3）后，需要檢驗arimax（2,1,3）的擬合作用。實際上，白噪聲測驗是對模型中發生的殘差序列進行的。白噪聲測驗結果表明，殘差序列是白噪聲序列，闡明殘差序列之間沒有自相關聯系，數據信息提取完整，一起也闡明最終模型的擬合作用非常好。擬合作用如圖3.4所示．圖3.4ARIMAX(2，1，3)擬合效果圖4ARIMAX模型的預測采用Arimax（2,1,3）模型對安徽省1978-2019年GDP進行預測，得出各年的預測值。計算出兩者之間的相對誤差，結果表明，相對誤差小于8%，說明該模型的預測精度較高。因此，利用該模型對安徽省2020-2022年樣本區間外的GDP選擇進行了動態預測。表4.12015—2022年安徽省GDP實際值與預測值對比5結論根據安徽省1978～2019年GDP數據，經過平穩處理、模型階數確定、模型參數估計和適用性查驗，最終確定了arimax（2，1，3）模型。模型經過適用性查驗后，猜測了安徽省1978～2019年的GDP。1978-2019年猜測結果與實際值的相對誤差小于8%，標明猜測精度高，可以對安徽省2020-2022年GDP進行短期猜測。根據表4短期猜測結果，安徽省2020年至2022年GDP將堅持平穩增長態勢，有望完成預期方針，為經濟決策者供給一定參考。參考文獻[1]潘洪.中藥國際化現狀與對策研究[D].江蘇:南京大學,2006.[2]蘇州浪潮智能科技有限公司.一種便于過壓保護和欠壓關斷測試的輔助電路、測試系統:CN201922243348.4[P].2020-10-20.[3]王祎.中小型教育培訓機構客戶關系管理系統的設計與實現[D].北京:北京工業大學,2017.[4]向繼發.基于HTML5技術的移動Web前端設計與開發分析[J].數碼設計（上）,2020,9(1):42.[5]谷丹丹,劉力巖.基于HTML5技術的移動Web前端設計與開發[J].締客世界,2020,6(3):7.DOI:10.12247/j.2096-7748.2020.03.008.[6]連政.基于HTML5技術的移動Web前端設計與開發[D].浙江:浙江工業大學,2014.[7]薛玉倩.基于HTML5的Web前端設計與開發[J].內蒙古科技與經濟,2019(17):68-69.[8]盛婷婷.基于HTML5技術的移動Web前端設計與開發分析[J].電子制作,2016(19):46-47,75.DOI:10.3969/j.issn.1006-5059.2016.19.019.[9]于圣彬.基于HTML5技術下移動Web前端設計與開發的研究[J].中國新通信,2018(4):47.DOI:10.3969/j.issn.1673-4866.2018.04.042.[10]周西柳,肖薇.基于HTML5的前端框架設計與應用研究[J].中國寬帶,2020(11):93.[11]沈曉文.基于HTML5的移動化妝品銷售系統前端設計與實現[D].上海:上海交通大學,2013.[12]楊雪.基于html5+css3網頁設計翻轉