毕业论文移动版

人均国内生产总值（Real GDP per capita），也称作“人均GDP”，被定义成一个国家在特定核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口的比值。作为最重要的宏观经济指标之一，人均GDP被公认为是衡量各国经济发展水平和人民生活水平的主要标准。对GDP的估计是一个具有悠久历史的经济问题, 但这一领域的新研究结果仍然层出不穷。

赵春燕（2000）一文使用的是紧缩法,就是利用国民经济核算体系中的投入产出表里的现价总产出以及中间投入数据，并把它们与各生产部门的总产出以及中间投入物价指数结合，以此来推算出各生产部门的不变价增加值，它们相加求和得出的值就是国内生产总值不变价数据。

许宪春(2005)从国内生产总值价格指数与国内生产总值物量指数之间的关系及由此派生的重要宏观经济指标的计算公式得出不变价GDP核算是两个指数的关键，并简单介绍不变价增加值的核算方法。

杨灿、孙秋碧(2006)在文章中总结归纳并扩展了指数序列的一般理论,采用循环测验和动态协调的方法对指数进行检验，探讨了不变价GDP核算中有关指数编制和应用的若干问题。

赵红(2005)通过国际标准指数术语与相应中国式价格指数术语简介及对照分析，对不变价GDP生产核算所用到的价格指数进行介绍。这篇文章指出不变价GDP核算中不变价GDP时间序列存在着的问题，并提出改进不变价GDP核算和价格统计的建议。

这一系列文献的结果从不同的角度丰富了GDP评估体系的内涵，具有相当的学术价值论文网。但他们的讨论基本是基于社会学或者宏观经济学的角度，存在着相当的主观性，这大大地影响了这些结果的应用。

时间序列分析法是建立在大量的历史数据的基础上进行模型的建立，进而对序列进行短期的预测。它预测方法的基本思想是：预测一个现象的未来变化时,用这个现象的过去行为来预测未来。即通过时间序列的历史数据表示现象随时间变化的规律,并将这种规律延伸到未来,从而对该现象的未来作出预测；在现实中的时间序列都是非平稳的，它的变化受许多因素的影响，有些因素起着长期的、决定性的作用，使时间序列的变化呈现某种趋势及一定的规律性，有些因素则起着短期的、非决定性的作用，使时间序列的变化呈现出某种不规则性。传统的时间序列分析方法在经济中的应用，主要是确定性的时间序列分析方法，包括指数平滑法、移动平均法、时间序列的分解等等。随着社会发展，许多不确定的因素在经济生活中的影响越来越大，这必须引起人们的重视。1970年，Box和Jenkins提出了以随机理论为基础的时间序列分析方法，使时间序列分析理论上升到了一个新的高度，预测的精度大大提高。时间序列分析的基本模型有：ARMA模型和ARIMA模型。这两个模型已经应用于许多实际问题中，并取得了良好的效果。

张健,、陈涛在《基于ARIMA的乘积季节模型在城市供水量预测中的应用》一文中，利用ARIMA模型研究了成都市2006年1月至2010年2月年城市供水量数据的分析。这篇文章对模型残差信息提取的不充分以至于预测的结果不准确给出了详细的分析与说明，这个模型的检验非常充分，拟合度较高，预测结果准确并且作图美观，效果非常好，值得学习。

孙亚星、徐庭兰在《我国货币供应量的ARIMA模型与预测》中提出了ARIMA模型适合对我国货币供应量的非平稳序列走势进行预测，并建立ARIMA模型。通过ARIMA模型对货币供应量的拟合、检验以及预测，其结果显示在我国货币供应量短期的预测上，可为我国货币供应量的预测以及走势提供一定的参考依据。这个模型阶数与平常看到的ARIMA模型阶数相差较大，但是也能够取得很好的预测效果，值得借鉴。 (责任编辑：qin)