基于SARIMA模型的我国季度GDP时间序列分析与预测

被引:24
作者
赵喜仓
周作杰
机构
[1] 江苏大学财经学院
关键词
SARIMA模型; 季度GDP; 预测;
D O I
10.13546/j.cnki.tjyjc.2010.22.023
中图分类号
F224 [经济数学方法]; F222.33 [国民经济计算体系];
学科分类号
0701 ; 070104 ; 020208 ; 0714 ; 020201 ;
摘要
文章主要研究季节时间序列模型在我国季度GDP时间序列预测中的应用,并分析探讨模型的准确性和实用性。文章分析了我国1992~2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型。通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓。预测结果的准确性较高,并具有一定现实意义。
引用
收藏
页码:18 / 20
页数:3
相关论文
共 8 条
[1]   我国GDP时间序列的模型建立与预测 [J].
郝香芝 ;
李少颖 .
统计与决策, 2007, (23) :4-6
[2]   北京市人均GDP的时间序列分析及预测 [J].
成刚 ;
袁佩琦 ;
陈瑾 .
生产力研究, 2007, (03) :83-84+161
[3]   对2005年GDP季度数据的预测——基于包含趋势和季节成分的ARMA模型的分析 [J].
王瑞泽 .
统计与决策, 2005, (15) :113-114
[4]   ARIMA模型在上海市全社会固定资产投资预测中的应用 [J].
石美娟 .
数理统计与管理, 2005, (01) :69-74
[5]  
应用数量经济学[M]. 机械工业出版社 , 张晓峒, 2009
[6]  
数据分析与Eviews应用[M]. 中国统计出版社 , 易丹辉主编, 2002
[7]  
计量经济学[M]. 高等教育出版社 , 李子奈编著, 2000
[8]  
Time Series Analysis:Univariate and Multi-variate Methods. William W S Wei. Addison Wesley . 1989