基于时间序列的浙江省人均GDP的预测

【摘 要】 中国自改革开放后，经济不断发展，人均GDP数据逐年增加并呈现一定的规律。若能低误差地预测中国未来几年的人均GDP数据，对宏观调控具有重要意义。本文选择时间序列模型作为研究方法，在我国人均GDP数据上建立ARIMA模型，并使对比出的最优模型对2014-2018年我国人均GDP数据进行预测，其中2014-2015年预测结果与实际值相差不大，因此，预测的未来短期人均GDP具有一定参考价值。

【关键词】 GDP ARIMA模型 预测

1 数据处理

本文数据是来自浙江省统计年鉴的浙江省人均GDP历史数据（1978-2013年）。运用ARMA模型的前提是，建立模型的时间序列须产生于零均值平稳随机过程，下面对数据的平稳性进行检查。

1.1数据平稳性检验

首先绘制浙江省人均GDP时间序列数据，如下图：

由图1-1见，36年浙江省人均GDP呈加速的指数增长趋势，具有明显的非平稳性。人均GDP的增长受多种可变因素影响。剔除一些偶然因素，人均GDP 的增长存在内在规律性。

1.2数据零均值化和平稳化处理

含有指数趋势的时间序列，可取对数将指数趋势转化为线性趋势，后进行差分以消除线性趋势。对数据取对数再进行一阶差分后，发现数据波动较大，整体有向下趋势，仍具非平稳性。因此继续二阶差分，二阶差分后基本平稳，差分后均值0.13237，基本符合要求。

2 时间序列模型的建立

ARMA模型是一类常用的随机时序模型，全称自回归滑动平均模型，是目前最常用的拟合平稳序列的模型。它又可以细分为AR模型、MA模型和ARMA模型三大类

2.1模型的建立

模型的识别可以通过自相关和偏自相关图来判别。……