黑龙江省GDP预测的灰色模型

灰色预测方法是经济预测中一种非常有效的方法,它的主要特点是建立预测模型所需要的原始数据不多,容易采集,这种预测方法简便并具有较高的准确性。本文运用灰色理论,以2000～2006年黑龙江省GDP情况为原始数据,建立了黑龙江省GDP预测的灰色模型,并对2007～2010年黑龙江省GDP做了预测。     

咸宁市经济发展的SWOT分析和预测

在对咸宁市经济发展状况进行SWOT分析的基础上,利用2001—2010年咸宁市GDP统计数据作为原始数据,建立灰色预测数学模型,检验模型的有效性,利用模型预测咸宁市2015年的GDP总量,预测结果：咸宁市2015年的GDP规模将达到1 050亿元。     

云南省低碳经济发展研究——基于“单位产值”水平的实证研究

近年来,云南省的经济取得了较快的发展,但其资源消耗量和碳排放量日益增加,环境质量不断下降,发展与资源环境压力并存。选取云南省2000~2010年十年的数据,从万元GDP用水量、万元GDP能耗、万元GDP碳排放三个测度指标对云南省16个市州低碳经济发展水平进行分析,从而了解云南省在低碳经济发展中存在的问题。     

北京市人均GDP的时间序列分析及预测

人均GDP是具有重要经济意义的指标,它的增长具有一定的内在规律性,文章建立了北京市人均GDP的时间序列模型,分析研究了模型的稳定性和可外推性,预测了2005年～2010年北京市人均GDP的发展水平,说明北京市人均GDP具有一定的时间趋势。     

基于RBF神经网络的GDP时间序列预测模型研究

对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义.本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验.实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754％,而本文提出的RBF_TSF模型的预测精度则高达95.0360％.这表明本文提出的RBF TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度.同时该模型收敛迅速,具有很强的实用价值.     

基于BP神经网络技术的GDP预测方法

在一般的经济预测中,通常采用回归分析方法建立模型对GDP进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,对GDP进行研究,并得到了对2009年我GDP较为满意的预测结果。     

云南省财政支出与经济增长效应分析

本文运用云南省1978-2006年的年度财务支出结构数据,在单位根和协整检验的基础上建立VAR模型,利用Eviews3.1软件分析、研究云南省财政支出结构对经济增长的影响.通过实证分析,发现不同的支出对GDP的影响程度各不相同,其中,影响程度最大的是科教文卫支出.本文最后根据实证分析的结果,提出要使云南省国民生产总值继续保持强劲的增长势头,应如何优化云南省财政支出结构.     

GDP缺口预测中金融变量预测能力的分析

2008年的金融危机对全球的经济产生了深远的影响,因此,在预测主要宏观经济指标时就应更多的考虑金融变量。通过利用主成分分析得到了能够反映中国金融状况的几个主成分,并利用这些金融主成分对GDP缺进行了预测。本课题通过比较分析来评价金融主成分在预测GDP缺口中的作用。     

财政支出规模与经济增长的关系研究——以云南省为例

财政支出是政府宏观调控的重要手段,它不仅为政府职能的顺利实现提供保障,而且其规模直接体现了政府对经济的干预程度.云南省是一个少数民族边疆省份,经济社会发展相对落后,财政支出的合理利用对发展社会经济事业具有重要的作用.文章通过利用1994年-2010年云南省财政支出与GDP总量数据建立模型,计量研究分析云南省财政支出规模与经济增长的关系,为如何发挥财政支出对边疆民族地区经济增长的推动作用提供政策建议.     

武汉市物流需求预测

综合货运量是物流需求最主要的一项指标.文章通过综合货运量对武汉市物流需求影响进行预测,根据武汉市2007年至2010年GDP预测总量,选用一元线性回归分析方法对武汉市综合货运量的预测,说明武汉市物流需求未来几年将以较快的速度增长.