李尚靜
摘要:GDP指一個國家或地區在某一特定的生產活動和某一特定時期內,全國市場價格計算的全部居民單位的最終結果。時間序列是一種動態數據分析的方法,為了探索未來5年濟南經濟發展的趨勢,本文以濟南市近20年擬合ARMA模型進行預測,最后得出結論,未來五年濟南市GDP將逐年增長,增長趨勢相對穩定。
關鍵詞:GDP;時間序列;ARIMA模型;預測;Eviews
1.前言
1.1模型介紹
ARMA模型(Autoregressive moving average model)是時間序列最常用的最有效果的一種數據處理模型。
若時間序列滿足
則該時間序列服從(p.q)階的自回歸滑動平均混合模型。
ARMA模型由自回歸模型AR模型、MA模在實踐應用中,ARMA模型主要用于長期追蹤資料的研究,市場規模預測、消費者行為模式變遷等方面。
2.數據處理
本文所出現并用于實驗的數據為來自于國家數據網,數據原始序列是非平穩時間序列,由于數據不符合我們要求,因此我們繼續對數據進行更進一步的分析探討,取自然對數是經濟學中常用的數據處理方式,接下來我們對該組數據取自然對數,讓原數據變為LNGDP,得到的新的數據組序進行ADF檢驗,檢驗后得LNGDP是平穩時間序列,對數據預處理完畢。
3. 模型識別
3.1模型定階
可以初步將模型定階為ARMA模型。根據AIC、SC、HQ準則選擇的ARMA模型模型,并進行殘差序列相關檢驗,分別選取滯后1階、2階、3階進行檢驗,根據AIC.SC.HQ檢驗原則,選擇值最小的滯后一階,檢驗選取滯后1階進行殘差相關檢驗,LM檢驗統計量Obs*R-squared對應的P值0.09,在5%的顯著性水平下,不拒絕原假設,檢驗結果表明殘差無序列相關。表明變量無遺落變量,即滯后階數的選取是合理的。
分別在滯后一階、滯后二階、滯后三階進行異方差檢驗(ARCH),并將所到的AIC.SC.HQ數據,根據AIC.SC.HQ檢驗則,選擇值最小的滯后一階ARCH(1)檢驗中Obs*R-squared 統計量對應的P值0.6878,在5%的顯著性水平下,不拒絕原假設,即檢驗結果表明無ARCH效應,即無ARCH形式的異方差,模型可用。
3.2回歸結果
根據以上所有的結果分析,我們可以得到所構建模型的ARMA模型結果,我們針對所得結果可以進行進一步的理論分析。
經過所有回歸結果識別,可以得到該模型結果如表3.1
因此該模型的回歸方程為:
4.模型預測
根據本文之前所描述理論規則,利用Eviews軟件對ARMA模型擬合的濟南市GDP數據進行未來五年GDP的動態預測和靜態預測。
在預測樣本內(2001-2019)采取靜態預測,樣本外的(2020-2024)采取動態預測的方式方法。
將所預測的LNGDP還原后,可得到未來五年預測GDP值如下表4.1。
結論
本文將采取最近20年的濟南市的GDP數據,選取自然對數,對擬合模型進行檢驗后,利用ARMA模型對濟南市未來5年(2020-2024)的對數后的GDP(LNGDP)序列進行模型擬合,由模型擬合優度原則可得本次擬合效果較高,最終擬合ARMA模型的較好,然后用軟件預測未來五年濟南市的GDP值。
參考文獻
[1]陳瑩瑩. 福建省GDP總體分析和第三產業增加值的時間序列分析[J]. 商業經濟, 2020.(1):3-5