毕业论文
计算机论文
经济论文
生物论文
数学论文
物理论文
机械论文
新闻传播论文
音乐舞蹈论文
法学论文
文学论文
材料科学
英语论文
日语论文
化学论文
自动化
管理论文
艺术论文
会计论文
土木工程
电子通信
食品科学
教学论文
医学论文
体育论文
论文下载
研究现状
任务书
开题报告
外文文献翻译
文献综述
范文
RIMA模型在河南省GDP预测中的应用(2)
本文第一部分介绍了时间序列模型的基本概念,其中包括模型的介绍、平稳性条件、模型的识别、模型参数估计与检验以及模型的预测。第二部分是实证分析,采用1978~2013年36年的河南省GDP的数据,用Eviews软件对该数据进行分析处理,从而建立精度较高的ARIMA模型,最后完成对2014年、2015年和2016年河南省GDP的预测。
1.时间序列模型的基本概念
1.1 时间序列模型的介绍
1.1.1时间序列模型的定义
时间序列模型是根据
系统
观测到的时间序列数据,通过曲线拟合和参数估计建立
数学
模型的理论和方法。它一般采用曲线拟合和参数估计法进行。
1.1.2时间序列模型的种类
(1)ARMA模型:ARMA模型的全称是平均自回归模型,它是最常用的拟合平稳序列的模型,它又可细分为AR(p)模型、MA(q)模型和ARMA(p,q)模型三大类。
纯AR(p)模型
其中 是随机干扰项, 是随机干扰序列。
纯MA(q)模型
一般的自回归平均模型ARMA(p,q)
该式表明,一个随机时间序列的概念是可以通过一个移动自回归平均过程生成,该序列可以由其自身的过去或滞后值以及随机干扰项来解释。如果它的行为不会随着时间的推移而发生变化,则该序列是平稳的,那我们可以通过过去的行为来预测未来。这就是是时间序列的优势所在。
(2)ARIMA(p,d,q)模型
ARIMA模型的全称是自回归移动平均模型,其中ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归, p为自回归项; MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。如果我们将一个非平稳时间序列通过d次差分,将它变为平稳的,然后用一个平稳的ARMA(p,q)模型作为它的生成模型,则我们就说该原始时间序列是一个自回归单整移动平均时间序列,记为ARIMA(p,d,q)。
ARIMA模型的结构
上式中 = , 为平稳可逆模型ARMA(p,q)模型的自回归系数多项式; 为平稳可逆模型ARMA(p,q)模型的移动平滑系数多项式。其中定义差分算子 为 .因此, 与滞后算子 之间的关系为 。
1.1.3 ARIMA模型的实质
由以上可见,ARIMA模型的实质就是差分运算与ARMA模型的组合。这说明适当阶数的差分运算后,可将序列实现平稳,就可以对差分后的序列进行ARMA模型进行拟合了。
ARIMA 模型是一类常用的随机时间序列模型,它是一种精度较高的时序短期预测方法,其基本思想是:某些依赖于时间 t 的一族随机变量可视为随机时间序列,它们呈现一定的变化规律,可以用相应的数学模型近似描述这个时间序列的变化。通过对该数学模型进行分析研究,我们更能本质地看到时间序列的变化和特征。在进行预测时,利用最小方差意义,可计算得到最优预测。
1.1.4 ARIMA模型预测的基本程序
(1)画出原始数据的时序图,从时序图可以看出数据的基本趋势:围绕某直线波动;呈指数上升或下降趋势;显示出季节性或上面各趋势的组合等。根据图形特征初步判断序列为平稳或非平稳的。一般来讲,经济运行的时间序列都不是平稳序列。
(2)如序列非平稳,通过相应的变换将其变为平稳序列线性趋势:差分;指数趋势:先取对数再差分;季节性:季节差分(建立季节模型)。
共3页:
上一页
1
2
3
下一页
上一篇:
线性规划的单纯形法及其应用+文献综述
下一篇:
我国投资与经济增长相互关系的研究
数形结合在中学数学中的...
论数形结合在中学数学教育中的应用
小学数学教师在学生心目中的形象
向量法在高中数学中的应用矢量法
数据分析在大数据时代的应用
数学语言表达在中学数学...
小学数学课堂提问的有效性研究
医院财务风险因素分析及管理措施【2367字】
承德市事业单位档案管理...
国内外图像分割技术研究现状
C#学校科研管理系统的设计
10万元能开儿童乐园吗,我...
公寓空调设计任务书
神经外科重症监护病房患...
志愿者活动的调查问卷表
AT89C52单片机的超声波测距...
中国学术生态细节考察《...