APP下载

基于时间序列的山西省GDP预测分析

2017-03-09韩慧婧李晓萌

时代金融 2017年3期

韩慧婧++李晓萌

【摘要】GDP即国民生产总值,是衡量一个国家综合实力的指标。本文在时间序列分析理论的基础上,以山西省1993年到2013年21年来的GDP总值为基础,使用 Eviews软件和Excel对数据进行针对时间的分析,对模型进行检验,然后利用本文所建立的模型对山西省未来的6年作出预测。

【关键词】时序分析 GDP ARIMA模型

第一、GDP;即國家国民生产总值,它分析的是一个国家或者地区的生产总值,是衡量经济发展,经济规模,经济水平的重要指标,是反映一个国家的生产力水平。通过分析GDP的发展状况,我们可以进一步的了解一国的过敏发展情况。

第二、随着我国的经济的逐步增长的同时,我们对计量的研究取得了很高的进展,并且在基础的理论研究方面也有很大的进展,而对于时间序列的理论的分析主要表现有两个方面,一是单位根的检验,二是非线性模型的研究。

第三、实证分析。本文以山西省的国民生产总值数据作为例子,在传统的模型的基础上,利用时序的分析方法,借助常用的数据分析的软件,以时序平均值、标准差等等的参数,同时评价模型准则,建立山西省时间序列模型,分析经济增长的内在特征。比较山西省的指数模型和时序模型,并对未来6年的国民经济GDP做出预测,为政府制定对应的宏观经济发展战略,同时也为政府作出最终决策提供数据依据。

我省GDP在总体上来观察,是表现出很明显的上升趋势的,可以发现原来序列是非平稳的。可以进一步进行ADF检验,检验t统计量的值为0.426184,显著性水平1%,5%,10%的临界值分别-3.920350,-3.065585,-2.673459,可见t统计量的值大于各显著性水平的临界值,且p值明显大于0.05,故接受原假设,认为序列不平稳。为了可以更好的进行数据分析,通常必须要求数据序列是平稳的,所以我们有两种方法可以使数据平稳化:一是取对数,二是差分法。

对数据进行对对数化处理,再进行二阶查分后,判断进行ADF检验,检验t统计量的值为-4.746491,由得出的结果可以观察到,所以t统计量的值小于其不同水平的临界值,而且p值远小于0.05,所以这里,可以认为是拒绝原假设,认为我们的序列是平稳的。这里,数据序列经过二阶差分后是平稳的,所以相应模型的差分阶数就可以定为2。

我们可以通过观察模型的自相关和偏自相关系数来定阶,通关观察发现,滞后三阶就呈现出了拖尾现象,所以我们可以选用ARIMA(1,2,1)和ARIMA(1,2,2)模型进行参数估计。

通过分析上面四图中数据以及相应的参数估计结果,我们可以得到,ARIMA(1,2,1) 和ARIMA(1,2,2)模型的滞后多项式倒数根均落在单位圆内,满足过程的平稳要求。但是,由于调整后的ARIMA(1,2,2)的Adjusted R^2值比ARIMA(1,2,1)的调整后的R方值大,且两个模型的AIC值和SC值相差小,故选择ARIMA(1,2,2)模型更好。做完模型的构建和参数估计的工作之后,需要检查和分析对应统计数据结果,来判断所选的模型能否符合要求。在所有值都大于0.05,接受残差为我们随机序列的假设。再进行对应异方差的White检验。所以表明该序列为白噪声序列,所以信息的提取很充分,模型也选择的比较合理。综合比较上述两个模型,ARIMA(1,2,1)更合理。所以我们用ARIMA(1,2,1)模型对山西省GDP进行分析预测。

由山西省统计年鉴报告可知,山西省2014年GDP的实际值为1275944(百万元)。将2014年山西省GDP的预测值与实际值进行比较,来判定模型的合理性。

表1 2014年期间山西省的国民生产总值预测与真实值的比较研究 单位:百万元

由上表我们可以得到,MAE和MAPE的值都很小,表明了预测模型较好,通过验证了山西省2014年的数据,发现预测结果的相对误差可以小于5%,说明预测效果很好。所以,我们选择ARIMA(1,2,1)模型对山西省未来6年的GDP作出预测,如下表所示:

表2 2015~2020年山西省GDP预测值

第四,结论。通过对山西省1993~2013年的GDP进行时序分析,我们建立了ARIMA(1,2,1)模型,通过对模型进行检测,我们判定该模型符合数据所需的要求,可以满足预测条件,通过对2014年山西省的GDP进行预测,并且比较了预测值与实际值的相对误差,结果为相对误差很小,我们继续对山西省的2015年至2020年的6年内的山西省GDP进行了预测,其呈现增长趋势,说明其符合经济发展的一般规律,为山西省的经济政策提供了可参考的价值。

参考文献

[1]门小琳.组合预测方法在我国CPI预测中的应用.南京财经大学硕士论文[D].2012年.

[2]赵紫旭.现阶段推进我国基本公共服务均等化对策研究.渤海大学硕士论文[D].2012年.

[3]陈敏.1993.时间序列分析.北京:高等教育出版社:113-196.

[4]戴思锐.2003.计量经济学.北京:中国农业出版社:298-299.

作者简介:韩慧婧(1991-),女,山西大同人,山西财经大学2015(统计学)学术硕士究生,研究方向:金融高频数据;李晓萌(1993-),女,山西运城人,山西财经大学2015(统计学)学术硕士研究生,研究方向:多维贫困测度方法及不平等研究。