对经济增长的时间序列分析

时间序列分析在经济运用中作用十分明显。利用1980～2003年国内生产总值的相关资料,运用时间序列分析,应用SAS软件对经济增长时间序列进行模型识别、拟合、估计和预测,预测结果较为满意。而改革开放以来,投资在经济增长中的作用越来越明显,在对经济增长序列进行时间序列分析的同时,也结合回归分析建立经济增长和投资的回归-时间序列组合模型来进行分析。     

时间序列分析方法在张家川冠心病发病情况的应用

文章应用SPSS软件对张家川地区2002年12月至2006年8月冠心病每月发病人数统计资料做时间序列分析观测到该时间序列是无长期趋势和周期性波动的序列,进行指数平滑法拟合得到单参数的指数平滑模型,数学表达式,且进行预测值比较,得到较好效果。     

广西GDP的时间序列分析与预测模型

文章利用时间序列分析中的ARIMA探索宏观经济预警系统中的基础数学模型。首先把广西1978～2008年GDP时间序列平稳化,ADF检验后确认二阶差分为平稳序列,根据ACF和PACF图并且结合AIC准则最终模型确定为ARIMA（2,0,3）。     

基于先验神经网络的港口物流量对海洋经济增长预测——以浙江省为例

提出了一种基于先验知识神经网络预测模型,分别采用时间序列和多变量建模方法对反映浙江省海洋经济发展水平的各指标进行建模预测,与其他建模方法(如GM(1,1)时间序列模型)相比,有更好的综合性能。最后采用PKNN时间序列模型对2011-2020年浙江省沿海地区海洋经济发展水平进行预测,结果表明预测得到的2015年浙江海洋经济产值接近浙江省规划值。     

基于宏观经济的物流行业需求研究分析

现有研究物流行业需求的实证研究大都采取时间序列数据,但并没有对时间序列通常存在的单位根进行处理,使得其结论缺乏可信度.利用1992-2011年我国物流产业发展的时间序列数据,通过ADF检验发现存在单位根,采用Johansen的极大似然估计方法对向量误差修正模型进行了重新估计.     

时间序列分析方法在张家川冠心病发疴隋况的应用

文章应用SPSS软件对张家川地区2002年12月至2006年8月冠心病每月发病人数统计资料做时间序列分析观测到该时间序列是无长期趋势和周期性波动的序列,进行指数平滑法拟合得到单参数的指数平滑模型,数学表达式z^ （t＋1）=0．8zt＋0．2z^ t,且进行预测值比较,得到较好效果。     

张家川地区急性阑尾炎月发病人数ARIMA模型拟合

文章应用SPSS软件对张家川地区2001年9月至2006年7月急性阑尾炎每月发病人数统计资料做时间序列分析观测到该时间序列是一组平稳即白噪声序列,无季节周期性,进行ARIMA模型拟合得到ARIMA(1,0,1)模型,数学表达式Yt=0.129Yt-1+at+0.3756at-1,且进行预测值比较,得到较好效果。     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

深圳物流业与区域经济可持续增长研究

通过搜集深圳改革开放三十年来的经济发展数据,应用时间序列平稳性检验、格兰杰因果关系检验、时间序列协整检验及误修正模型分析了深圳物流业发展与区域生产总值之间的数量依存关系,为深圳市物流业可持续发展提供决策参考.     

股票价格时间序列的隐藏瞬时模式识别方法研究

由于时间序列数据挖掘方法具有刻画和预测所观察事件特征的突出特点,将它运用于股票价格时间序列分析,不仅可以揭示隐藏于股票价格时间序列中的瞬时模式,而且还可以有效预测诸如股票价格急剧变化等高频金融时间序列事件。本文基于时间序列数据挖掘理论与方法的探讨,将其运用于具体的股票价格生成的高频时间序列分析。结果表明,具有统计显著性的、可以刻画和预测事件的隐藏瞬时模式是能够被识别的。     

湖北省农村居民人均纯收入的时间序列模型

本文利用湖北省1980-2008年农村居民人均纯收入时间序列数据,建立了ARMA(自回归移动平均)模型进行时间序列分析.分析结果表明,ARMA(1,1)模型能够提供较好的预测结果,因而可以用其进行预测,为相关部门提供参考数据.     

基于小波分解和相空间重构的大气电场混沌特征浅析

本文通过对伴有闪电过程的地面大气电场强度时间序列进行相空间重构分析知,闪电时段内地面大气电场强度时间序列均呈现混沌特性,而非闪电时段内地面大气电场强度时间序列并不全部呈现混沌特性;闪电时段内的地面大气电场强度时间序列经过小波函数sym5的4层分解重组的低频部分的相空间重构混沌特性较原始时间序列的相空间重构混沌特性明显。     

对全国发电量时间序列问题的经济计量建模分析

经济计量问题从某种意义上来说就是对数据的规律性认识,以及应用这种规律性来指导预测和决策。从数据所属的时空界限来分,我们可以将数据分为截面数据和时间序列或者是二者的合成数据。并且随着时间序列分析方法的完善,尤其在长期决策中时间序列分析也变得越来越常用。本文给出时间序列的B-J方法详细论述,并结合全国发电量时间序列研究其应用价值。     

X11季节调整技术介绍——北京市统计局宏观经济监测技术培训团赴美学习情况报告（之二）

一、基本知识 时间序列:在规则的、连续的时间间隔内,对同一指标进行测量所得到的数据序列. 经济时间序列及特点:反映经济现象的时间序列称为经济时间序列.经济时间序列的重要特点包括趋势、转折点和指标间的一致性.趋势是指随着时间的延续序列的数值是增还是降;转折点是指序列曲线走势在该点由上升(或下降)变为下降(或上升),或者上升(或下降)的速度比此前更快(或更慢).指标间的一致性是指不同行业(如制造业、零售业和建筑业)主要指标之间的比例关系是否合理,或者同一指标月度、季度和年度数据是否协调等.     

服务业外商直接投资与经济增长关系的实证分析——以江苏省为视角

在述评相关领域已有成果的基础上,以江苏省1992年到2007年的数据为样本,运用时间序列分析和滞后变量模型对服务业外商直接投资和江苏省经济增长的关系进行了实证研究。结果表明:江苏省GDP和SFDI均为非稳定的时间序列数据,但两者之间存在协整关系和正相关关系。     

外商直接投资对四川进出口贸易影响的实证分析

文章以1985-2008年四川地区实际利用外商直接投资金额与进出口的时间序列数据为样本观测值,采用时间序列分析的方法,分析了四川地区外商直接投资与进出口之间的关系.实证结果表明,外商直接投资对四川地区的进出口贸易并没有显著影响.     

我国人均国内生产总值的时间序列分析(1952-2011)与静态预测(2012-2015)

国内生产总值是最重要的宏观经济指标,人均国内生产总值是衡量国家发展程度与人民生活水平的重要标志。党的十八大报告提出到2020年全面建成小康社会,实现GDP和人均收入比2010年翻一番的目标,因此对我国人均国内生产总值进行时间序列分析与静态预测对实现GDP总量翻番的目标具有重要意义。文章从国内生产总值和时间序列模型的基本理论出发,选取了自1952年至2011年人均GDP的60个样本数据,建立了以时间序列为基础的AR(1)模型,模型通过了EViews软件中的所有检验,模型的精度较高。文章利用AR(1)模型对2012年至2015年的人均GDP做出了预测,预测结果表明,至"十二五"期末,我国的名义人均GDP基本可实现比2010年翻一番的目标。     

影响我国保费收入的因素分析

利用1982-2005年的时间序列数据,对这一期间影响我国保费收入的经济因素进行实证分析,考虑了时间序列的平稳性,研究发现国内生产总值,市场利率,人口因素和寿险业自身的发展都对保费收入有显著影响,而通货膨胀率对保费收入的影响并不显著。     

基于ARMA模型的上海市人均GDP时间序列分析与预测

本文分析了上海市人均GDP水平时间序列(1978年至2008年),在将数据平稳化的基础上建立自回归移动平均模型(ARMA模型),从中找出上海市人均GDP序列变化的规律,并在此基础上对未来几年的指标数值进行了预测。     

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。