青岛市固定资产投资的统计分析

通过时间序列统计分析方法研究了青岛市1991～2011年固定资产投资状况,并对未来5年青岛市固定资产投资趋势进行了预测,为相关部门提供统计学依据.     

基于ARMA模型的财政教育投资时间序列分析

以1991—2008年的财政教育投资数据为依据,通过对数据进行平稳化、零均值化处理,并利用序列的自相关、偏自相关性质,建立序列的合理时间序列模型,最后利用模型进行了预测,预测结果比较切合实际.     

基于多重时间序列模型的城市固定资产投资与GDP的动态关系

针对固定资产投资与GDP动态关系的研究,首先采用Granger Causality Test确定固定资产投资与GDP存在因果关系,建立了固定资产投资与GDP的多重时间序列模型,并用Q统计量检验模型的适应性;对模型分析得出,固定资产投资会推动GDP增长,且具有4~5 a的正向滞后作用;最后,分别应用该模型和ARIMA模型预测厦门市2000—2008年GDP值,结果表明,该模型预测误差比ARIMA模型低8%左右.     

黄淮海平原历史旱涝灾害的时间序列分析

选用全国自然灾害历史数据库中黄淮海平原地区的旱涝灾害等级数据，运用时间序列分析方法，建立了该地区旱涝灾害的自回归－－移动平均混合模型（ＡＲＭＡ模型），并根据所建模型对旱涝灾害进行了后验预报，结果表明，用ＡＲＭＡ模型做年际旱涝变化趋势预报是有潜力的。     

时间序列预测模型及其应用

预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测出系统在未来的特性，以便对系统的特性进行处理或控制．文章给出了自回归-滑动评价混合模型（ARMA模型）、平稳序列模型、差分序列模型（ARIMA模型）三种时间序列预测模型，并给出了具体的例子．     

时间序列平稳性检验

对于一个时间序列的分析首先要判断是否是平稳时间序列,即看它的均值和方差是否随时间的变化而变化,且自相关函数是否与时间间隔有关而与所处的时刻无关。通常,大多数时间序列是非平稳的。因此,首先要检验平稳性,然后再将非平稳时间序列转化成平稳时间序列。在时间序列分析中,为检验序列的平稳性,经常要用到一阶差分,二阶差分,有时为选择一个合适的时间序列模型还要对时间序列数据进行对数转换或平方根转换等。从时间序列数据和时间序列模型2方面来阐述时间序列平稳性的检验,共介绍4种检验法。在实际中可以将这些方法与实际背景相结合来判断时间序列的平稳性。     

基于时间序列分析的货运周转量预测

基于重庆市统计局的实际统计数据,通过对实际样本数据进行预处理,确认重庆水运货运周转量序列为平稳非白噪声序列。在此基础上,通过对1995-2009年重庆水运货运周转量的数据分析,利用时间序列分析方法建立了ARMA预测模型,结果显示该模型具有较好的预测效果,对重庆水路货物运输工作及水运的发展决策有一定的参考价值。     

长江未来水质污染的时间序列分析

根据1995~2004年长江流域水质报告给出的主要统计数据,对长江未来10年水质污染的发展趋势用时间序列分析模型进行了预测分析(假如不采取有效治理措施).预测结果令人触目惊心:长江水文年全流一类水质、三类水质的百分比呈明显下降趋势;四类水质、五类水质和劣类水质的百分比呈严重上升趋势.10年后,长江全流劣类水质的百分比上升到可怕的程度.如不采取有效措施,长江将彻底癌变.     

基于ARMA时间序列理论的建模及应用

介绍一种精度较高的时间序列短期预测方法,即带有周期性的ARMA模型。通过该数学模型的分析与研究,对时间序列整个变化的规律性做出近似描述,更准确的认识与了解到时间序列的结构与特征,进而达到最小方差意义下的最优预测。     

时间序列分析在粮食产量预测中的应用

在预测粮食产量中可以应用时间序列分析.叙述了时间序列模型的辨识、预测及建模过程,利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,并对2010年的粮食产量进行了预测.     

对复杂混沌时间序列快速预测的前馈神经网络

提出了一种基于前馈神经网络结构的适合于非线性预测的在线学习方法，这种方法吸收了最小二乘法和传统在线ＢＰ算法的优点，具有收敛速度快，跟踪性能好、适用于非线性预测等特点。     

基于Box-Jenkins方法的中国年度GDP时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国1966-2006年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARMA模型,本文也通过模型对中国2007-2010的年度GDP进行了预测.模型实证分析的结果表明:在GDP时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

浙江省人均GDP时间序列模型的建立与预测

人均GDP是各级政府和学术界经常使用的主要指标之一,科学预测人均GDP有着十分重要的意义.文章建立了浙江省人均GDP的时间序列模型,并预测了2008-2012年浙江省人均GDP的发展水平,说明了浙江省经济将在未来4年继续保持高速发展.     

时间序列分析法在预测未来GDP中的应用

时间序列分析法是根据已得到的时间序列数据,通过曲线拟合和参数估计来建立数学模型的理论和方法。本文是以郑州市的GDP为例,并运用ARMA模型预测法对未来5年郑州市GDP进行预测。     

ARIMA模型在太原市全社会固定资产投资预测中的应用

采用Eviews软件系统中的时间序列建模方法对太原市的固定资产投资总额资料进行了分析，建立了ARIMA模型。结果显示ARIMA（2，1，3）模型提供了较准确的预测效果，可用于未来的预测，为太原市全社会固定资产投资的预测提供了一种方便实用的方法。     

沪深A股综合指数的时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国沪、深A股综合指数的2000～2009年月收盘数据序列进行建模分析,验证了沪、深A股综合指数月收盘数据的时间序列特性,研究并选择了这两个序列的最佳ARMA模型,本文也通过模型对2010年的综合指数进行了预测.模型实证分析的结果表明：在股市综合指数时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

江西省固定资产投资模型的构建及分析

当前 ,困扰我国宏观经济运行状况仍是生产过剩 ,需求不足。同时考虑到整个世界经济低迷 ,及美国经济复苏受“9.1 1”事件的打击的外在经济环境下 ,显然不能依靠出口拉动经济增长 ,因此扩大内需是宏观经济工作的重心。江西省作为华东内陆次发展的地区 ,在出口贸易与高科技产业没有优势的情况下 ,扩大内需着重而有效的措施之一是投资。投资需求作为需求的重要组成部分之一 ,其拉动经济增长的基本原理是 :通过投资乘数拉动国民收入成倍增长 ,而国民收入的增长反过来又会通过加速数带动投资增长 ,即在乘数 -加速数的双重作用下促进经济的增长。…     

对固定资产投资与投资效果的分析

固定资产投资情况,牵动着体制改革与经济建设的全局。对投资过程的正确把握以及对投资效果的恰当分析,事关当前和今后投资决策的方向和经济运行的质量。因此,应引起重视。     

投资时间序列的混沌分维研究

以某市固定资产投资同比增长数据为根据,利用混沌动力学中的相空间重构技术、幅值谱分析、庞加莱截面等方法进行分析,并计算其关联分维,得出其饱和嵌入维数为5、关联分维约为17,初步确定某市固定资产投资增长过程具有混沌特性,有5个因素影响着某市固定资产投资的同比增长幅度,其中2个因素起决定作用·该法可用于复杂的经济系统的分析研究·