财政支出预测中的干预分析

对财政支出的未来发展趋势进行预测是国家预算中经常遇到的问题。经济预测大多是以时间序列的前期数据建立预测模型，然后用此模型对后期数据进行预测。具体进行预测中往往会看到所建模型在某一个时期或某一段时期内不能准确地给出较精确的预测值。这是因为时间序列的变化趋势中除了有随机因素的影响，还会有其它干预因素的影响。本就财政支出预测中的干预因素进行定量分析，修正预测模型来提高预测精度。     

趋势成分引起的虚假回归问题解决方法研究

本文研究了由序列中趋势成分引起的虚假回归问题的解决方法。发现在模型设定式中加入趋势变量,并考虑趋势存在结构突变的情况,再根据残差是否存在自相关进行可行广义最小二乘（FGLS）或普通最小二乘（OLS）估计,可以有效解决趋势成分引起的虚假回归问题。通过理论分析表明,采用本文中的估计方法,所得检验两序列是否为虚假相关的t统计量渐近服从标准正态分布或与标准正态非常接近的分布。Monte Carlo模拟证实了该方法的有效性。最后以Yule(1926)中两高度虚假相关的时间序列为例,佐证文中结论。     

利用改进的ARMA模型来预测供应链中的需求

本文介绍了ARMA模型的基本原理，分析了ARMA模型在市场需求预测中的不足，进行改进。并通过应用实例说明了改进的ARMA模型应用于需求预测过程的具体步骤和实施难点。     

基于时间序列模型在物流需求预测中的应用

本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化、标准化，建模，经模型的识别、定价、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。     

我国财政教育支出的趋势ARIMA模型

随着我国经济的快速发展,政府对教育投入规模不断扩大.本文基于1952-2015年财经教育支出的数据,利用趋势ARMA模型,对我国未来几年的教育支出进行了定量预测.预测结果显示:我国财政教育支出大致呈现指数增长趋势.     

中国人均GDP时间序列建模与相关分析

人均GDP是衡量一个国家和地区经济发展水平和综合经济实力的重要指标。本文在相关背景下收集了1978-2008年中国人均GDP时间序列数据,应用了SPSS软件进行数据分析并建立时间序列模型,利用模型预测了2009,2010年人均GDP数值,对制定相应的宏观调控政策有十分重要的意义。     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

基于时间序列拟合武汉市商品住宅价格的走势

本文从武汉市近几年的季度经济数据出发，利用时间序列模型，研究商品住宅价格的变化数据，分别给出了五种不同的函数模型，对商品住宅平均价格的时间序列数据进行模拟，并成功得出其拟合函数，由此对武汉市未来短期内商品住宅价格的变化进行合理的预测。针对所发现的现象及预测，进一步对房地产调控政策提出建设性的建议。     

在协整分析中如何处理截距和趋势

协整分析是经济时间序列分析中用到的重要工具，本文指出了国内进行协整分析时存在的不足，进而从理论和实证的角度，阐述了协整分析中处理截距和趋势的方法。     

我国GDP增长率序列中趋势成分和周期成分的分解

本文使用H-P滤波、时间趋势平稳、ARMA趋势平稳和状态空间分解等趋势分解方法，对我国GDP增长率序列进行了趋势分解，并对各种周期成分进行了对比检验。我们发现，这些分解方法得到的周期成分具有类似的统计性质，但就残差序列的白噪声检验来说，双变量状态空间模型的分解效果最为显著，因此应该采用状态空间模型进一步分析我国的经济周期性质。