关于我国卫生医疗服务的计量经济学模型及其检验

基于1982-2014年中华人民共和国统计局公布的我国卫生医疗服务、国内生产总值、财政支出以及人均卫生费用的相关数据,建立准确而合理的计量经济学模型,研究我国人均卫生费用和社会经济的相关之间的函数关系,较为准确的对我国人均卫生费用的变化进行定量的分析和预测。     

关于我国城镇奶制品市场的需求预测分析

本文通过对我国城镇奶制市场近15年销量情况的统计和分析,在结合经济学和统计学相关课程知识的基础上,对所得数据进行了相关分析,包括：数据来源、数据整理汇总、需求模型建立、产品弹性分析以及市场需求预测和估计;根据分析所得,可以帮助社会大众完善其对中国城镇奶制品市场需求特性认识和理解。     

四川农民人均收入的时间序列模型的建立与分析

大多数的经济时间序列存在惯性，或者说是迟缓性，通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。杞民人均纯收入的增长具有其内在的规律性。本文收集到了四川1978年～2004年的红民人均纯收入统计数据，将这些数据进行平穗化、零均值化处理，并利用序列的自相关函数，偏自相关函数的性质，确认数据所适合的模型，从而建立了时间序列模型，并对其进行了分析。     

基于ARIMA模型的浙江省GDP预测

应用ARIMA模型对浙江省1978年至2007年期间的GDP数据进行分析，从中找出浙江省GDP的规律，然后预测未来四年的GDP数据。与实际情况相比较得出拟合效果比较好，AKIMA模型比较适合短期预测。     

“单独二胎”政策对北京市小学招生规模的影响

本文主要探讨实行“单独二孩”政策和外来人口对北京市人口结构，特别是小学入学规模的影响，以及入学规模与外来人口结构之间的关系。 针对问题一，我们使用北京市2004-2012年数来预测2015-2025年人口总数以及出生率，建立了按年龄分布的女性模型（ Leslie模型），根据人口更替率和修正后的总和生育率，构造Leslie矩阵，建立相应的Leslie模型。结果显示在2021年以后小学入学规模会有一定量增加，但并不会带来人口暴涨。 针对问题二，通过分析数据可得近年北京市小学招生数中外来人口数的时间变化以及该数据与外来人口总数的关系，然后通过分析近年北京市外来人口年龄构成，各部分比例趋于稳定值，因此我们直接建立年份与北京市小学招生数中的外来人口数、外来人口总数以及外来人口年龄结构的模型。认为外来人口增加有利于减缓老龄化。 针对问题三，为预测北京市未来小学招生数，将其分为京籍和非京籍两部分分别考虑。由问题二模型预测北京市小学招生数中的外来人口数，同时利用问题一中的模型预测京籍小学招生数。非京籍数由于缺乏数据，采用了线性模型，在短期内预测结果可信，但对于中长期预测需要改进模型。 由此，得到了北京生育政策调整后人口增长的预测模型，由小学入学人数对外来人口结构进行了推测，并对人口老龄化、人口抚养比等一系列评价指标进行了预测。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

基于ARIMA模型的甘肃省GDP的分析与预测

文章基于甘肃省1992—2021年GDP数据，通过对数据的ADF检验、模型参数识别与检验、模型检验等综合分析，确立了ARIMA(0,2,1)模型，得出甘肃省未来两年GDP分别为10938.502亿元和11658.45亿元，该模型具有简单实用、预测精度高的特点，能恰当描述甘肃省GDP状况，可用来做短期预测，为政府部门制订宏观经济计划提供依据和参考。     

应用Logistic模型和Compertz模裂预测和分析变频空调的销售

本文采用1998～2004年我国变频空调的销售数据，应用LogisIic模型和Compertz模型对变频空调的销售情况进行定量分析和预测。预测结果表明1998-2015年变频空调的销售量将递增，2015年后销售量将有所下降，进而本文分析了制约变频空调销售的主要影响因素，并对变频空调的销售提出对策和建议。     

基于时间序列模型的中国出口总额分析及预测

基于中国近20年来中国出口总额的月度数据,通过对数据特征进行的分析,采用了Holt-Winters滤波方法和ARIMA(0,1,1)模型对数据进行拟合,并对模型进行了相关检验,以此来考虑模型的可行性及拟合效果的优良性。最后对中国出口总额的月度数据进行了预测,结果显示Holt-Winters滤波方法和ARIMA(0,1,1)模型的预测平均相对误差率很小,说明时间序列模型在我国出口总额的预测中具有较好的实用价值。     

基于ARIMA的多晶硅组件价格预测

本文依据北极星光伏商务通网站多晶硅组件价格相关数据,采用时间序列分析法,对2012年4月20日至9月20日多晶硅组件价格周数据进行了分析。通过对数据的平稳性检验、模型的确认、模型检验等综合分析,建立了ARIMA(0,2,4)时间序列模型,对预留最后3周的数据进行预测。预测结果表明,实际值与预测值之间的绝对误差均在1.43%以内,误差率均在2.46%内,该模型有较好的短期预测效果,能较好地模拟并预测多晶硅组件价格变化的趋势,为光伏企业产品价格的准确预测提供了重要方法。     

基于ARMA模型的山东粮食产量预测研究

以1980年以来的山东粮食产量数据为基础,先后通过平稳化检验及自相关与偏相关分析,建立ARMA模型,确定模型参数并对残差序列进行白噪声检验。借助Eviews软件对其走势进行分析研究,通过理论模型对粮食产量进行预测,并将预测情况与山东省粮食的实际产量做对比,为政府及相关部门提供决策参考。     

北京市未来人口发展趋势预测——利用多状态模型对未来人口、人力资本和城市化水平的预测分析

利用PDE模型,以2000年人口普查数据为预测的基础数据和相关参数设计的主要依据,对北京市2000-2030年人口变化的规模、年龄结构进行了预测;结合人口迁移和教育发展,预测了北京市人力资本的变化.比较了在不同生育率和迁移方案下,北京市人口增长、老龄化和人力资本的变化,根据预测结果对北京市人口和城市规划提出了政策建议.     

北京市未来人口发展趋势预测——利用多状态模型对未来人口、人力资本和城市化水平的预测分析

利用PDE模型,以2000年人口普查数据为预测的基础数据和相关参数设计的主要依据,对北京市2000-2030年人口变化的规模、年龄结构进行了预测;结合人口迁移和教育发展,预测了北京市人力资本的变化。比较了在不同生育率和迁移方案下,北京市人口增长、老龄化和人力资本的变化,根据预测结果对北京市人口和城市规划提出了政策建议。     

2013年北京市城投债发行规模实证研究

本文基于KMV模型的适用性，构建了基于KMV模型的城投债信用风险测度，并利用北京市的统计数据预测了2013年地方政府的理性发债规模和违约概率。以下案例分析中，假设预测违约概率的期间长度为一年（T=1），使用的数据为北京市1983至2012年的国内生产总值、地方财政收入、地方财政支出。我们先用两种方法预测了北京2013年的财政收入，接着确定担保比例口，最后，我们比较不同发债规模下的违约概率，以此确定出2013年北京市城投债的理性预期发行规模。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。     

基于灰色系统理论的电子商务人才需求预测

本文依据相关资料数据,运用灰色系统理论研究了宁波市2001-2007年电子商务人才需求量的变化规律,建立了宁波市电子商务人才需求预测的灰色模型,并对宁波市未来5年电子商务人才需求总量进行了预测分析,为人才管理和培养决策提供科学依据和参考.     

吉林省女性就业状况研究

根据1985-2013年吉林省女性就业相关数据,对吉林省女性就业结构变化和女性职工占比的变化进行分析与预测,结果显示,吉林省女性就业结构两极分化严重,未来五年女性职工比重会呈现缓慢上涨趋势。     

中国外汇储备规模预测

基于改革开放后中国外汇储备规模变化的不同阶段划分及相关数据。本文研究表明自2000年以采高额储备规模主要来源于出口贸易、外商直接投资和国家外债，国家政策取向、金融行业改革等因素引发了对外汇储备的高需求。基于上述分析，结合近十年宏观经济数据。利用偏相关分析剔除通货膨胀率影响，从诸多经济变量中遴选出了出口总值、外商直接投资、M2、人均GDP、外债余额和平均进口倾向等六个与外汇储备规模变化最密切的变量进行多元回归分析．以外汇储备为因变量．分别建立了幂函数回归和多项式回归两种多元回归模型．拟合优度、F检验和t检验表明二者都能较好的预测外汇储备规模．尤其以多项式回归模型预测效果为佳。     

成都市房地产价格影响因素分析

以成都市1998年房地产改革后的近10年房地产数据为研究基础,通过分析影响房地产价格的因素,建立联立方程组模型,再运用最小二乘法对建立的线性回归模型进行模拟。使用的数据为2002到2014年的成都市房地产的相关数据,建立的预测模型主要对2015年的房地产价格进行预测。最后使用对比分析法分析成都市房地产市场的特点。     

LNN模型在新上证综指的预测

本文利用线性神经网络模型（LNN）对“新上证综指（000017）”进行拟合预测。选取从“新上证综指”开始发行月份（2006年1月）到2011年6月的月度数据，用前62个做训练组，最后4数据做预测组，通过比较不同滞后窗口模型的误差平方和，选择适当的窗口数为最优模型。