时间序列在济南市GDP预测中的应用与可行性分析

李尚静

摘要：GDP指一个国家或地区在某一特定的生产活動和某一特定时期内，全国市场价格计算的全部居民单位的最终结果。时间序列是一种动态数据分析的方法，为了探索未来5年济南经济发展的趋势，本文以济南市近20年拟合ARMA模型进行预测，最后得出结论，未来五年济南市GDP将逐年增长，增长趋势相对稳定。

关键词：GDP;时间序列;ARIMA模型;预测;Eviews

1.前言

1.1模型介绍

ARMA模型（Autoregressive moving average model）是时间序列最常用的最有效果的一种数据处理模型。

若时间序列满足

则该时间序列服从（p.q）阶的自回归滑动平均混合模型。

ARMA模型由自回归模型AR模型、MA模在实践应用中，ARMA模型主要用于长期追踪资料的研究，市场规模预测、消费者行为模式变迁等方面。

2.数据处理

本文所出现并用于实验的数据为来自于国家数据网，数据原始序列是非平稳时间序列，由于数据不符合我们要求，因此我们继续对数据进行更进一步的分析探讨，取自然对数是经济学中常用的数据处理方式，接下来我们对该组数据取自然对数，让原数据变为LNGDP，得到的新的数据组序进行ADF检验，检验后得LNGDP是平稳时间序列，对数据预处理完毕。

3. 模型识别

3.1模型定阶

可以初步将模型定阶为ARMA模型。根据AIC、SC、HQ准则选择的ARMA模型模型，并进行残差序列相关检验，分别选取滞后1阶、2阶、3阶进行检验，根据AIC.SC.HQ检验原则，选择值最小的滞后一阶，检验选取滞后1阶进行残差相关检验，LM检验统计量Obs*R-squared对应的P值0.09，在5%的显著性水平下，不拒绝原假设，检验结果表明残差无序列相关。……