共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
首先通过对运城市1996-2018年GDP数据进行平稳化处理,建立ARIMA模型,然后利用2019、2020年真实数据与拟合数据的相对误差判断模型的拟合效果,并利用相对误差与建立的Holt-Winters模型结果比较,最终确定ARIMA(0,2,1)模型为预测模型。最后利用ARIMA(0,2,1)模型对运城市2023-2025年三年的GDP进行预测,并结合运城市经济发展中存在的问题给出四点建议。 相似文献
3.
《洛阳师范学院学报》2016,(5):68-70
选取2009年1月至2015年12月我国生产者价格指数的指标值,建立自回归移动平均(ARIMA)模型,并通过白噪声检验和数据拟合得到生产者价格指数预测的最优模型.结果表明,ARIMA(7,1,2)模型为最优模型.利用该模型对我国2016年1月至6月的生产者价格指数进行预测,结果显示,未来半年内,我国生产者价格指数小幅回升,经济运行趋势向好. 相似文献
4.
基于洛阳市1989-2009年人口总量数据和线性时间序列建模方法,建立了洛阳市人口发展趋势的ARIMA(2,2,1)模型,并且对2010-2016年洛阳市人口总量和发展速度进行了预测.预测结果显示,洛阳市总人口在未来几年将保持平均增长量为3.6万,平均增长率为0.52%的态势增长. 相似文献
5.
6.
《赤峰学院学报(自然科学版)》2016,(14)
城镇化发展水平同一个地区经济发展水平、政府政策制定与实施密切相关.运用时间序列理论,以ARIMA模型为重要分析工具,选取安徽省1955-2014年城镇化水平数据,利用EViews软件拟合了ARIMA模型并对未来安徽省城镇化水平进行了短期预测.结果表明,ARIMA(1,2,1)模型通过了参数显著性检验和模型显著性检验,模型的拟合效果良好,并且安徽省城镇化水平短期预测精度高.模型预测结果表明,安徽省未来城镇化发展势头较好. 相似文献
7.
《洛阳师范学院学报》2019,(2):11-14
将时间序列模型应用于2005年第一季度至2018年第三季度的历史GDP指数数据并进行分析.构建ARIMA模型和残余自回归模型,并在此过程中进行白噪声测试和参数测试.结果表明, ARIMA(0, 1, 4)模型是一个相对优化的模型,适用于短期内预测河南省GDP指数的未来趋势.在此基础上作出短期预测结果,显示未来四个季度的河南省地区生产总值指数值呈现稳步减缓的趋势. 相似文献
8.
通过介绍时间序列ARIMA模型分析法,运用SAS8.0软件系统对1978-2006年广西壮族自治区生产总值立模型,通过比较选择了拟合较好的ARIMA(1,1,0)模型,并且作了预测分析,得到较为满意的效果. 相似文献
9.
基于最优组合模型的中国GDP预测 总被引:1,自引:0,他引:1
李小月 《喀什师范学院学报》2012,33(2):23-26
利用1990~2010年中国GDP数据,在建立ARIMA、多项式趋势拟合模型和GM(1,1)模型基础上,以误差平方和最小为最优准则建立组合预测模型,并把它应用于我国GDP的预测。所得结果误差优于三个模型的分别预测,表明组合预测模型在时间序列数据的预测中更有优势。并用所建的组合预测模型进行2011~2015年的预测。 相似文献