• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    ARMA模型擬合甘肅省GDP淺析

    2019-01-03 11:30:04火富昌
    時代金融 2018年33期
    關(guān)鍵詞:季度時序殘差

    火富昌

    (蘭州財經(jīng)大學(xué)金融學(xué)院,甘肅 蘭州 730000)

    一、引言

    國內(nèi)生產(chǎn)總值(GDP)是給定時期的經(jīng)濟(jì)內(nèi)生產(chǎn)的所有最終產(chǎn)品和服務(wù)的市場價值。GDP常常被認(rèn)為是對經(jīng)濟(jì)表現(xiàn)狀況的最佳衡量指標(biāo)。GDP的目的是用一個單一的數(shù)字來匯總所有數(shù)據(jù),它代表了某一給定時期經(jīng)濟(jì)活動的貨幣價值。在GDP核算過程中,包括四部分內(nèi)容:消費(fèi)、投資、政府購買和進(jìn)出口。消費(fèi)有家庭在產(chǎn)品與服務(wù)商的支出構(gòu)成;投資由為未來使用而購買的產(chǎn)品構(gòu)成;政府購買是政府購買的產(chǎn)品和服務(wù);凈出口是一國賣給其他國家的產(chǎn)品與服務(wù)的價值減去外國賣給該國的產(chǎn)品與服務(wù)的的價值。

    在市場機(jī)制的作用下,長期中的經(jīng)濟(jì)增長會呈現(xiàn)一定的趨勢規(guī)律,使得某一國家或者某一區(qū)域的GDP具有一定的可測性。國內(nèi)生產(chǎn)總值既能反映某個經(jīng)濟(jì)體的周期性變化,即經(jīng)濟(jì)的增長與誰退,同時可以反映出經(jīng)濟(jì)增長的幅度。本文擬應(yīng)用甘肅省2008-2016年季度GDP數(shù)據(jù),對趨勢變量和季節(jié)虛擬變量進(jìn)行回歸,引入ARMA模型來反映GDP的動態(tài)變化,并利用該模型對2017年的季度GDP預(yù)測。最后通過淺析甘肅省經(jīng)濟(jì)的波動及其發(fā)展變化給出政策建議。

    二、方法介紹

    ARMA模型(Auto-Regressive and Moving Average Model),即自回歸移動平均模型,是研究時間序列的重要方法,由自回歸模型(簡稱AR模型)與移動平均模型(簡稱MA模型)兩種最基本的模型結(jié)合起來,就產(chǎn)生了自回歸移動平均模型。由于ARMA模型只是解釋時間序列自身變化規(guī)律和相互聯(lián)系的數(shù)學(xué)表達(dá)式,不考慮其他相互因素的變動,只要掌握了模型識別的關(guān)鍵步驟,該預(yù)測方法借助統(tǒng)計軟件實現(xiàn)起來比較簡單。該預(yù)測方法的缺陷是未考慮其他因素的影響即沒有自變量與因變量之間的因果關(guān)系,只是通過實踐序列自身的變化規(guī)律及趨勢預(yù)測。

    ARMA模型的三種基本形式:

    (一)自回歸模型AR(p)

    上式模型為p階自回歸模型,記為AR(p),其中c為常數(shù),αt為自回歸參數(shù),隨機(jī)誤差項εt是均值為0,方差為σ2的白噪聲序列。

    (二)移動平均模型MA(q)

    上式模型為q階移動平均模型,記為MA(q),其中c為常數(shù),θi為移動平均參數(shù),是模型的待估計參數(shù)。εt是均值為0,方差為σ2的白噪音過程。

    (三)自回歸移動平均模型ARMA(p,q)

    上式模型為(p,q)階自回歸移動平均模型,記為ARMA(p,q)其中c為常數(shù),αt和θi分別為自回歸參數(shù)和移動平均參數(shù)。εt是均值為0方差為σ2的白噪聲序列。

    將上面的三個式子寫成滯后算子的表示形式為:

    滯后算子多項式需滿足:

    從上述關(guān)系可得,自回歸AR(p)模型和移動平均MA(q)模型均是 ARMA(p,q)模型的特例。

    三、實證分析

    (一)初始模型建立

    1.原始數(shù)據(jù)。2008-2016年GDP季度數(shù)據(jù)時序如圖1所示(單位:億元)。

    圖1 GDP時序圖

    通過時間序列圖,可以明顯得出該時間序列具有一個整體向上的線性趨勢,同時通過時序圖可以判斷出原時間序列具有明顯的季節(jié)性。結(jié)合他人的研究經(jīng)驗,季度GDP均表現(xiàn)出明顯的積極性,因此判斷2008—2016年甘肅省GDP季度數(shù)據(jù)為一非平穩(wěn)時間序列。

    2.原始數(shù)據(jù)處理。由于原始GDP季度序列有很強(qiáng)的趨勢成分和季節(jié)成分,因此數(shù)據(jù)處理的目的是消除趨勢以及進(jìn)行季節(jié)性調(diào)整。

    圖2 消除季節(jié)因素的GDP時序圖

    圖3 去除季節(jié)因素的GDP對數(shù)序列

    對圖2消除季節(jié)因素的GDP取對數(shù),得到結(jié)果,如圖3所示。

    通過對圖2及圖3,發(fā)現(xiàn)序列是有趨勢的非平穩(wěn)序列,運(yùn)用差分法嘗試消除趨勢,使其平穩(wěn)。對取對數(shù)之后的序列進(jìn)行一階差分,得到新的序列如圖4所示。

    圖4 GDP對數(shù)一階差分時序圖

    3.實證結(jié)果。根據(jù)AIC最小準(zhǔn)則對其建立ARMA(1,2)模型,即運(yùn)用eviews6.0得出實證結(jié)果,如圖5所示:

    圖5 DLNGDP 的 ARMA(1,2)過程估計

    得到回歸方程如下:

    預(yù)測擬合圖如圖6所示,

    圖6 殘差值、實際值和預(yù)測值

    對DLNGDP殘差序列進(jìn)行ADF檢驗:

    圖7 殘差A(yù)DF檢驗結(jié)果

    根據(jù)圖7所示,殘差序列是平穩(wěn)的,在1%、5%、10%的顯著性水平下均能拒絕原假設(shè),殘差序列不存在相關(guān)性。

    (三)預(yù)測結(jié)果,如圖8所示

    圖8 DLNGDP的一階差分預(yù)測序列

    四、結(jié)論

    (一)經(jīng)濟(jì)解釋

    利用ARMA模型對甘肅省季度GDP進(jìn)行了實證,預(yù)測及擬合。通過ARMA模型可以得到,在對甘肅省2008—2016年季度GDP進(jìn)行回歸后,模型的預(yù)測值和實際中核算的GDP能夠很好的擬合,對甘肅省季度GDP的增長規(guī)律有了進(jìn)一步的探索和發(fā)現(xiàn)。

    (二)對于甘肅省經(jīng)濟(jì)發(fā)展的建議。

    1.根據(jù)甘肅省各地區(qū)差異,尋找適合區(qū)域發(fā)展的獨(dú)有主題功能區(qū)。各地區(qū)的主體功能區(qū)協(xié)調(diào)發(fā)展,合理統(tǒng)一地推動全省經(jīng)濟(jì)可持續(xù)發(fā)展。

    2.貫徹落實中央、甘肅省“十三五”規(guī)劃,持續(xù)推進(jìn)西部大開發(fā)戰(zhàn)略。提升城鎮(zhèn)化建設(shè)速度,實現(xiàn)農(nóng)村富余勞動力向城鎮(zhèn)化建設(shè)的轉(zhuǎn)移。在大力發(fā)展鄉(xiāng)鎮(zhèn)企業(yè),積極鼓勵鄉(xiāng)鎮(zhèn)私營企業(yè)的發(fā)展,擴(kuò)大農(nóng)村勞動力需求,實現(xiàn)規(guī)?;r(nóng)業(yè)生產(chǎn),提高農(nóng)業(yè)產(chǎn)業(yè)化水平。

    3.加強(qiáng)人文素質(zhì)教育,進(jìn)一步建設(shè)教育基礎(chǔ)設(shè)施,尤其是邊遠(yuǎn)山區(qū)和少數(shù)民族聚居地區(qū)的文化教育,大力發(fā)展職業(yè)教育,大量培養(yǎng)技術(shù)型人才。針對科技密集型企業(yè)要鼓勵引進(jìn)和培養(yǎng)科研、創(chuàng)新人才,使人力資本有效的轉(zhuǎn)換為生產(chǎn)技術(shù)的革新。提高整體人口人文科學(xué)素質(zhì),為經(jīng)濟(jì)持續(xù)良好發(fā)展夯實基礎(chǔ)。

    猜你喜歡
    季度時序殘差
    時序坐標(biāo)
    基于雙向GRU與殘差擬合的車輛跟馳建模
    2021年第4季度航天器發(fā)射統(tǒng)計
    國際太空(2022年2期)2022-03-15 08:03:22
    2021年第3季度航天器發(fā)射統(tǒng)計
    國際太空(2021年11期)2022-01-19 03:27:06
    基于Sentinel-2時序NDVI的麥冬識別研究
    2021年第2季度航天器發(fā)射統(tǒng)計
    國際太空(2021年8期)2021-11-05 08:32:44
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    翻番的1季度與瘋狂的3月
    一種毫米波放大器時序直流電源的設(shè)計
    電子制作(2016年15期)2017-01-15 13:39:08
    高淳县| 林州市| 昆山市| 镇康县| 云浮市| 乐至县| 尉犁县| 遵义县| 开原市| 洞头县| 平南县| 荃湾区| 凤阳县| 岳池县| 温泉县| 万荣县| 清丰县| 海安县| 保山市| 平泉县| 郎溪县| 望谟县| 花莲市| 涞水县| 黄冈市| 湖北省| 沙洋县| 新田县| 宜城市| 亳州市| 宁化县| 嫩江县| 浙江省| 马关县| 那坡县| 南靖县| 仙居县| 新乐市| 和田县| 望谟县| 嵊泗县|