城镇居民消费支出与收入的预测模型——基于十堰市的实证分析

本文根据2000年～2006年十堰市城镇居民消费性支出与可支配收入基本数据,应用灰色预测模型对未来几年十堰市居民可支配收入进行了预测,应用线性回归模型对居民消费支出与可支配收入之间的数量关系的基本规律进行研究,并对其消费走势进行了预测分析,为制定新一轮的经济政策提供了决策依据。     

发展中国家未来乘用车需求量预测——基于24个发展中国家的实证分析

使用2006年,24个发展中国家各自的人口总量、购买力平价调整后的GDP、乘用车销量来进行多元回归分析,对一国的人口总量和GDP对乘用车销量影响的显著性进行了研究。最后利用建立的模型及预测的未来人口总量和GDP,并且结合从模型中得到的对预测值的修正指数(假设在一定时期内,实际观测值对于预测数据的偏离是系统性的,并且这种影响是保持比例不变的),对2014年和2020年这24个发展中国家的乘用车需求量进行了预测。     

上海GDP的时间序列分析和预测

本文用ARIMA模型对上海市1952年到2007年GDP数据进行分析,并预测出未来一年的GDP数据。对所上海GDP数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,最后用Ljung-box检验方法对所建立的模型进行相关性检验,对2008年的上海GDP进行的预测。     

基于时间序列分析的全国GDP预测模型

本文利用统计软件对我国1978年到2006年的实际GDP时间序列数据进行了分析,建立了ARMA模型,并对2009年到2011年的全国GDP进行了预测。结果表明模型有很好的预测效果。     

ARMA在我国GDP预测中的应用

本文用ARMA模型对我国1978—2007年GDP数据进行分析,并预测出未来三年的GDP数据。与实际GDP相对照模型预测误差较小,说明ARMA模型非常适合于短期预测。     

基于ARMA模型的我国国内生产总值的预测研究

本文应用时间序列的ARMA模型对剔除价格因素的我国历年实际GDP序列进行实证研究,得出我国GDP的回归模型,并依次预测我国2011年实际GDP和名义GDP。     

我国GDP时间序列的模型建立与实证分析

本文利用统计软件对我国1987年到2012年实际GDP时间序列数据进行了分析,解释趋势性,利用PP检验,检验我国GDP序列的平稳性,并建立我国GDP对数序列的ARIMA模型,得到我国GDP内在的规律性,可以用来做我国GDP时间序列的拟合和预测。     

涉外税收政策、GDP和产业结构关系的实证研究

本文使用1992～2009年的年度样本数据,通过向量自回归模型,运用协整检验分析、脉冲响应函数分析、方差分解分析三种方法对我国自改革开放以来的涉外税收政策对GDP和产业结构的影响进行了实证分析,并得出结论：涉外税收政策与GDP和产业结构之间存在长期的均衡关系;涉外税收政策对GDP的影响作用比较明显,但对产业结构的影响不确定。因此,我国需要进一步完善涉外税收政策,以此推动GDP进一步改善,促进产业结构合理调整。     

我国财政支出和GDP的增长关系分析

一、模型的构建1.样本数据的选择在经过大量分析比较使用了1985-2005年的财政支出职能结构的分类数据和历年的GDP为样本区间,对我国财政支出与GDP之间的关系做实证分析,在此忽略社会文教费,行政管理费,其他支出等因素对GDP的影响。我们采用了所取样本数据,其中X1为经济建设费、X2为社会文教费（亿元人民币）,Y为我国GDP（亿元人民币）数据来源于国家统计局网站。2.经济计量模型的建立根据以上的分析,我们建立如下的线性回归模型为：     

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。     

中国人均GDP的时间序列模型比较分析

人均GDP是衡量一个国家经济发展和居民生活水平的重要指标。运用中国1978至2008年人均GDP数据建立ARIMA模型和Auto-Regressive模型,利用AIC和SBC准则比较分析选出最优模型对2009-2013年的人均GDP进行预测,整个过程都是通过SAS系统实现的。     

基于ARIMA模型的我国GDP分析预测

改革开放后,中国走上市：场经济道路,与以往的计划经济相比,国内生产总值的计量应该以改革开放1978年为分水岭,GDP经济模型的建立应当以此为计量起点,做出分析和预测。基于Box—Jenkins（博克斯一詹金斯）方法的时间序列分析技术,对我国1978--2008年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA模型,通过模型对我国2007—2011年度的GDP进行了预测。模型实证分析的结果表明：在GDP时间序列分析建模与预测方面,Box—Jenkins方法及其ARIMA模型是一种精度较高且切实有效的方法模型。     

基于ARIMA模型的江西省GDP的预测与分析

本文以1978年-2013年36个年度的江西省GDP为研究对象,主要借助于SAS等统计软件,通过对原始数据的预处理。模型的识别、检验和优化,从而最终确定了ARIMA（3,1,0）模型,利用该模型对江西省的GDP进行短期的误差相对较小的预测和分析。     

广东省人均GDP时间序列建模及预测

人均GDP是一个重要的经济统计指标,其增长具有其内在的规律性。文章以1952-2007年广东省人均GDP的统计资料为依据,针对序列的非平稳特征,对广东省人均GDP变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,对序列继续进行一阶差分处理,变成平稳序列,建立广东省人均GDP时间序列的ARIMA模型并对模型进行检验,最后将模型用于广东省人均GDP的预测分析。计算结果表明,该模型能较好地解决广东省人均GDP的估计和预测问题,预测精度较高。     

安徽省人均GDP时间序列模型的建立

人均GDP是一个使用频率很高的统计指标,其增长具有其内在的规律性。文章以1978-2003年安徽省逐年人均GDP的统计数据为依据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关、偏自相关的性质,确认序列应当适合的模型,从而建立其时间序列模型。     

发电量与经济增长关系研究

对2000年到2009年上半年的GDP与发电量季度数据进行了回归分析,并建立了回归与ARMA的组合模型。结果表明,从长期来看,发电量对GDP增长有显著影响,并且上一季度发电量每增加1%,GDP增长1.77%。因此,促进电力工业的发展,保证电力供应的充足,对经济发展有着重要影响。     

基于时间序列的我国GDP的短期预测

随着经济全球化的深入,一国的经济实力在国家实力中的重要性越来越突出,世界各国都开始疯狂发展经济,以在国际竞争中求得一席之位。GDP(国内生产总值)从某个侧面反映了国家的经济实力,成为了各国衡量经济实力的重要指标。中国从改革开放之后,经济不断发展,GDP数据逐年增加,并呈现一定的规律。若能准确的预测中国之后几年的GDP数据,对国家宏观调控具有重要意义。本文在各项预测方法中选择了时间序列模型作为研究对象。从时间序列的基本概念出发,了解时间序列模型的种类与建模方法,以整套的时间序列建模理论为基础,在我国GDP数据上建立了ARMA模型,应用ARMA模型对2012年我国GDP数据进行预测,其预测结果与实际值之间相差很小,拟合结果比较满意;在此基础上,预测未来三年的GDP数据。     

城市化、第二产业对第三产业发展影响实证研究——基于固定效应模型的分析

使用1997-2004年中国城市化率、第二产业GDP和第三产业GDP统计数据,建立个体与时点固定效应模型对全国城市化、第二产业发展对第三产业发展的影响进行了实证研究。研究结果表明,从全国各省市自治区来看,城市化率对第三产业国内生产总值的影响都是正向影响。从不同年份来看,第二产业发展对第三产业发展的影响也都是正的,并且第三产业发展的独立性在逐年增强。我国当前要推动第三产业发展,必须大力推进城市化,必须做大做强第二产业。     

FDI与经济增长的关系分析 ——以四川为例

本文根据四川省2000年~2014年的时间序列数据,对四川省GDP和外商直接投资(FDI)建立非结构化的VAR模型,进行了格兰杰(Granger)因果关系检验,并通过建立脉冲响应函数和方差分解模型分析了GDP与FDI之间的动态影响关系。研究结果表明:四川省FDI与GDP为双向、动态的因果关系;FDI的增加在短期和长期内会促进经济增长,在中期内反而对经济的增长产生抑制作用;GDP的增长会对FDI产生显著的带动作用,并且带动作用具有滞后效应。     

基于初始条件优化的GM(1.1)模型在黑龙江省GDP预测中的应用

鉴于GDP是衡量一个地区经济发展程度的重要指标,若能对该地区的GDP的未来趋势做出尽可能精确的预测,则对该地区未来经济发展政策的制定和实施都有着积极的作用。从减少预测误差为出发点,利用对传统GM(1. 1)预测模型初始条件的选择进行优化,建立了预测精度改善的基于初始条件优化的GM(1. 1)模型,并利用优化的GM(1. 1)模型结合黑龙江省近些年的GDP数据对黑龙江省未来几年的GDP发展趋势进行了预测,并依据预测结果提出了黑龙江省经济发展的建议。