湖南经济主要指标未来两年的预测

本文采用作者2005年推出的称为“前移回归分析”的时间序列预测新方法对湖南省经济主要指标进行预测，取得较好的效果。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素（变量）的不足，也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。经济指标是多项相关因素的函数，一个时间段内各项指标（自变量）值会影响下一时间段待预测指标（因变量）的取值，这是新方法的依据。所建模型，经湖南省历史数据检验效果较好，但预测明后年的指标，有待今后的统计公报证实。     

中国市场化利率形成机制的模型实证研究

本文从多个角度选取了可能影响市场化利率的多个变量,对市场化利率作协整建模分析.单位根检验结果表明,在样本期1993年第1季度至2004年第2季度内,我国宏观经济数据的非平稳性非常显著,选取的所有的时间序列季度数据均是含有一个单位根的非平稳序列.通过Granger 因果关系检验,找到了影响市场化利率的Granger原因.运用协整理论构建了市场化利率模型,从长期均衡方程看到主要影响市场化利率的因素分别为GDP、通胀因素(CPI)、汇率、货币供应量(M0,M1).从最终建立的短期动态误差修正模型各项评价指标来看,该模型具有良好的统计性质,从拟合值及预测值结果看具有较好的拟合及预测精度.因此,该模型对市场化利率预测与控制具有较好的参考作用.     

ARIMA模型在广东工业指标预测中的应用

采用自回归移动平均模型ARIMA对广东省工业增加值进行动态分析。结果显示,ARIMA(1,1,0)×(1,1,0)12对于考察序列是适用的,达到了较好的模拟预测效果,可用于对广东省工业增加值的短期未来预测。     

中小区域多单元人口发展预测——以南京市为例

中小区域人口预测是当前人口预测的难点问题.综合运用相关分析、回归分析和时间序列分析法,把时间和空间结合起来建立时空回归模型对南京市及其区县的人口发展进行预测.研究表明,南京市在2020年和2030年的户籍人口数分别为673万和727万人,常住人口分别为873万人和1027万人.在影响人口发展诸因素不完全确知的条件下,用多个相邻小区域目前几年的人口数量通过时空回归方法对未来年份的人口进行预测,是一项简便而有效的方法.     

绿色发展视阈下湖南省生态足迹的驱动力因素分析

利用湖南省2000—2015年的数据,在对湖南省生态足迹进行测算的基础上,采用偏最小二乘回归模型,建立起生态足迹与经济、社会各因素的多元回归模型,以此来研究导致生态足迹加剧的主要影响因子。从模型可知,12项因子对于湖南省生态足迹的増长均有程度不一的影响。除农业人口之外,其余的11个可能影响因子的自变量系数均为正,且与生态足迹的变化呈现趋同的变化趋势。其中,能源消费总量、城镇化率和总人口数3个自变量的显著度最大,对生态足迹的正向驱动作用最大。以2000—2015年湖南省的实测能值生态足迹数据与各影响因子的同期数据进行比对,再次验证了模型研究结果的合理性。结果表明:造成湖南省生态足迹增长最主要的驱动因素是由产业结构不合理造成的巨大的能源消费量以及经济的快速发展和庞大的人口数量。     

基于灰色预测法的湖南农村居民人均消费研究

对2000—2010年湖南省农村居民人均实际消费进行分析的基础上利用灰色预测法对农村居民消费项目未来趋势进行预测;运用关联度分析方法确定反映农村居民消费水平的8项主要统计指标因素相对于消费支出的关联程度,对影响消费支出的主要指标因素进行系统分析,结果表明居住和食品是对湖南省农村居民生活消费支出影响最大的因子。     

广东省经济走势DPT逐月跟踪预测

右列各图:(1)红色线为2005年预测值曲线,曲线红色数字是预测值;蓝线为2005年实际值曲线,曲线蓝色数字是实际值;绿色曲线为前三年(2002-2004年)平均线;(2)各指标的预测按时间序列模型外推所得,为名义增长率;(3)月度和年度回归预测综合模型:被解释变量为地区生产总值,解释变量为政府财政支出、社会消费品总额、进口+出口、工业增加值、金融机构存款余额;月度和年度需求回归模型与过去一样。外贸出口总额时序分析图(预测全年总额2313.9亿元,增长20.68%)固定资产(基+更+房)时序分析图(预测全年总额5011.95亿美元,增长10.1%)地区生产总值时序分析…     

基于搜索大数据的旅游需求自回归分布滞后模型预测研究

基于搜索引擎的搜索指数记录了关于某一关键字或某个类别的用户搜索历史,这些时间序列数据可为经济活动的预测提供原始实时依据。文章通过引入搜索大数据构建自回归分布滞后模型(即ARDL模型)预测旅游需求。具体研究内容是以美国2004年1月至2016年9月入境中国香港旅游人数为因变量、搜索指数的滞后变量为自变量建立自回归分布滞后模型,并进行预测分析。实证结果表明,搜索指数与入境旅游数具有正向相关关系,搜索指数可以提高旅游预测精度。研究结果可为网络信息计量学理论、旅游管理预测提供实证数据参考。     

广东省经济走势DPT逐月跟踪预测

右列各图：(1)红色线为预测曲线，曲线红色数字是预测值；蓝线为实际值曲线，曲线蓝色数字是实际值；(2)各指标的预测按时间序列模型外推所得；(3)由于今年的月度数椐还未公布，故采取年度指标数作时间序列外推；(4)由于实际利用外资指标不再公布统计，调整为实际利用外商直接投资的新口径指标，而缺历史数据，     

资产流动性因子与上市公司财务预警的实证研究——以主因子为中间变量的Logistic回归分析

因子分析与Logistic回归分析相结合更能提高财务失败预警模型的有效性。为了从资产流动性的角度研究上市公司财务失败的预警模型,备选了14个变量指标并进一步筛选出8个判别效果较高的原始变量,接着运用因子分析方法求取了主因子,再将4个流动性主因子作为自变量引入到Logistic回归模型当中去,运用Logistic回归分析建立了财务失败的预警模型,同时对模型的系数进行了解释,对模型的预测效果进行了检验,最后获得了有益的结论。     

广东省经济走势DPT逐月跟踪预测

右列各图: (1)红色线为预测曲线, 曲线红色数字是预测值;蓝线为实际值曲线,曲线蓝色数字是实际值;(2)各指标的预测按时间序列模型外推所得,为名义增长率;(3)由于统计数有些指标调整,使去年取的指标今年缺数据,故从本期起调整为地区生产总值,社会消费品零售总额,工业生产增加值,出口总额,进口总额,财政支出,金融机构存款(不含外币)余额等七大指标(4)相应的回归预测模型改为综合模型,被解释变量为地区生产总值,解释变量为财政支出、社会消费品零售总额、进出口总额、工业增加值、金融机构存款余额。     

我国社会消费品零售总额时间序列模型及预测

本文运用时间序列分析方法中的季节时间序列模型（SARIMA）,对我国社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且通过模型对社会消费品零售总额做了预测,该模型可以提供较为准确的短期预测效果。     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

基于主成分分析法的宏观经济景气指数研究

受新冠肺炎疫情冲击、逆全球化加剧等因素影响,宏观经济形势更趋复杂多变,对提升经济监测、预测的能力提出了更高要求.而宏观经济景气指数被称为经济运行的"风向标"和"指示器",对预测经济走势、政府政策制定有重要参考价值.本文利用时差相关分析等方法,从近40项备选指标中筛选确定宏观经济景气指标的8项先行指标和5项一致指标,并基...     

广东省经济走势DPT逐月跟踪预测

右列各图:(1)红色线为2005年预测值曲线,曲线红色数字是预测值;蓝线为2005年实际值曲线,曲线蓝色数字是实际值;绿色曲线为前三年(2002-2004年)平均线;(2)各指标的预测按时间序列模型外推所得,为名义增长率;(3)月度和年度回归预测综合模型:被解释变量为地区生产总值,解释变量为政府财政支出、社会消费品总额、进口+出口、工业增加值、金融机构存款余额;月度和年度需求回归模型与过去一样。一、地区生产总值7月累计达10472.35亿元,8月按8月份工业增加值实际值相关分析得到再作时序外推,全年生产总值为19446.99亿元,名义增长21.37%,比上月外推…     

时间序列分析在金融价格预测中的应用

与回归分析不同，时间序列分析不是根据与其它变量的因素关系来预测一个变量的未来变化，而是根据该变量自身过去的规律来预测其未来的变化。这与实际中价格信息的复杂性特征具有较好的符合关系。作在Intnet网上查取了伦敦金属交易所（LME）镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个，用其中的前37个数据进行时间序列分析，得到了AR（3）模型，用最小二乘法和Yule-Walker法预测后五个数据，得到了较好的效果。因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景。     

广东省经济走势DBT逐月跟踪预测

右列各图:(1)红色线为2005年预测值曲线,曲线红色数字是预测值;蓝线为2005年实际值曲线,曲线蓝色数字是实际值;绿色曲线为前三年(2002-2004年)平均线;(2)各指标的预测按时间序列模型外推所得,为名义增长率;(3)月度和年度回归预测综合模型:被解释变量为地区生产总值,解释变量为政府财政支出、社会消费品总额、进口+出口、工业增加值、金融机构存款余额;年度需求回归模型与过去一样。一、地区生产总值有前四个月数总值达5410.91亿元,按去年前四月度数总值4326.96亿元相比,名义增长25%;按此时序外推,预测全年值为20220.34亿元,增长26%;按年度数…     

广东省经济走势DPT逐月跟踪预测

右列各图:(1)红色线为2005年预测值曲线,曲线红色数字是预测值;蓝线为2005年实际值曲线,曲线蓝色数字是实际值;绿色曲线为前三年(2002-2004年)平均线;(2)各指标的预测按时间序列模型外推所得,为名义增长率;(3)从本期起右图各指标为:地区生产总值,社会消费品零售总额,工业生产增加值,出口总额,进口总额,财政支出,金融机构存款(不含外币)余额,固定资产投资(基础建设+更新改造+房地产开发)等八个指标;(4)月度回归预测综合模型:被解释变量为地区生产总值,解释变量为政府财政支出、社会消费品总领、进口+出口、工业增加值、金融机构存款余额;年度…     

基于生产函数的中国旅游发展总量预测模型研究

旅游发展总量指标主要包括旅游收入和旅游人次数.基于生产函数,以旅游收入和旅游人次数为因变量,以构成旅游业的支柱产业旅行社、旅游饭店、旅游交通的相关指标为自变量,采用回归方法建立了中国旅游发展总量预测模型(实际模型自变量筛选后只有旅行社一个),并对模型进行了实证分析,对模型参数的经济含义进行了解释.发现了我国当前旅游发展总量预测的唯一决定性影响因子——旅行社数量,定量实证了我国当前旅游发展水平的低层次性、旅行社经营水平的低层次性,提出旅行社数量及其经营水平是衡量一个地区旅游发展水平高低的核心影响因子.建议国家及地方政府要转变对旅行社的偏颇认识,要把加强旅行社的管理和指导作为地方旅游经济工作的重点.     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果.纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据.本研究以北京某地铁站两个同一工作日的客流量作为研究对象,以15分钟为单位进行时间段的客流量采集,建立时间序列,通过已知数据对下一时间点(15分钟内)客流量进行预测,并针对同一工作日的数据进行实证检验.根据预测结果分析,验证了时序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性.