B-J方法在河南省进出口总额预测中的应用

利用ARIMA模型对1979—2008年河南省进行出口总额年度数据进行分析,结果表明ARIMA（2,2,4）模型有较好的预测结果,可以用于河南省进出口总额年度数据的短期预测。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

ARIMA模型在我国人均生活能源消费量预测中的应用

本文以我国1983年～2005年的人均生活能源消费量数据为基础,建立了ARIMA(2,2,0)模型,检验结果表明,ARIMA(2,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内我国人均生活能源消费量的预测。在此基础上,对我国2006年～2011年的人均生活能源消费量作了预测,最后给出了结论及建议。     

对时间序列的ARIMA调整与回归分析——以民航客运统计为例

以2003-2009年我国民航客运统计数据为样本,提出了采用ARIMA模型对时间序列进行预处理之后进行回归分析的研究方法。实证分析表明,ARIMA模型与回归分析相结合为基于月度数据的时间序列定量分析提供了一个有效的工具。     

基于ARIMA模型的我国粮食产量时间序列分析

本文介绍求和自回归于移动平均模型ARIMA（p,d,q）的建模方法。基于1978-2009年我国粮食生产总量的数据分析与预测,并用Eviews软件完成建模过程。通过两个模型预测效果的比较,结果表明,平滑ARIMA模型比ARIMA模型预测的准确度大大提高。     

基于乘法ARIMA模型的公路客运量预测

在收集了2004-2007年我国公路客运量月度数据的基础上,进行时间序列分析,建立了我国公路客运量月度数据的求和自回归移动平均（ARIMA）模型。分析结果显示：与常用的多项式曲线预测模型和灰色预测模型相比,模型ARIMA（2,1,2）（1,1,1）12有更好的预测效果,可以用于我国公路客运量月度数据的短期预测。     

ARIMA模型与指数平滑法对山东省GDP的实证分析

文借助Eviews6.0和Excel软件,建立了ARIMA(1,2,1)预测模型和三次指数平滑预测模型,对山东省1978年到2010年国内生产总值(GDP)数据进行分析,并对2011年到2013年的GDP进行预测。结果表明,ARIMA模型预测结果与真实值相比平均相对误差小,结果更为精确,基本符合事实。因此,选择ARIMA(1,2,1)模型作为最优模型为有关部门制定经济发展战略、经济发展规划提供重要依据。     

ARIMA模型对我国旅游业可持续发展的实证研究

以国内游客人数为研究对象,建立适当模型,分析我国旅游业可持续发展状况。选取1985年至2015年我国国内游客人数为样本,运用Eviews6.0建立ARIMA模型。最终建立ARIMA)1,2,0(模型。经检验,模型拟合效果很好(MAPE=7.363),预测精度极高(99.56%)。ARIMA模型对游客人数的短期预测是合理的,且"十三五"时期国内游客人数呈趋势性增长。     

时间序列分析在我国财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及SAS实现.将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型.     

时间序列分析在居民消费水平指数预测中的应用

该文利用SAS统计软件对我国1978-2009年的居民消费水平指数数据进行分析,分别建立了ARIMA模型和Auto-Regressive模型,并给出了反映各个模型拟合精度的AIC值和SBC值,进而确立了一个反映居民消费水平指数变化规律的较优模型.最后,利用该模型对2010年到2014年的全国居民消费水平指数进行了预测.结果表明ARIMA((2),2,0)模型在短期预测中达到了较高的精度.     

时间序列分析在我国居民消费水平预测中的应用

本文介绍时间序列分析中一种重要的模型——求和自回归移动平均模型ARIMA（p,d,q）的建模方法,基于对我国1970—2008年居民消费水平数据的分析与预测,并用Eviews软件完成建模过程,最后从研究结果得出结论,ARIMA模型是一种具有较高预测精度的短期预测模型。     

我国物价指数的时间序列分析

借助于SAS软件,首先将时间序列的ARIMA模型应用于我国的物价指数分析,通过分析其拟合与预测误差可以发现该模型效果良好.然后运用ARCH模型进行分析,经过比较发现在对我国物价指数的分析上,ARIMA模型的效果要好于ARCH模型.     

基于ARIMA建模的重庆市第三产业产值预测

随着经济的快速发展,第三产业的产值对经济的促进作用越发显得举足轻重,采取自回归求积移动平均法(ARIMA)模型在重庆市2013统计年鉴分析的基础上对第三产业的总值进行了ARIMA建模并进行预测,结果显示,ARIMA(1,2,2)模型对重庆第三产业产值提供了较为准确的预测结果,有较好的拟合程度,可用于未来的预测.     

职工工资增长的数学模型

根据山东省职工历年平均工资统计数据,建立了三个不同的社会平均工资增长数学模型,并预测了我国未来几年社会平均工资增长.计算结果表明,ARIMA模型较另两个模型具有更好的预测效果.     

基于(残差)Auto-Regressive模型利用MATLAB解决经济非平稳时间序列的预测分析

利用(残差)Auto—Regressive模型对我国1978年—2005年的GDP进行建模与预测,显示出该拟合模型优于ARIMA模型,并运行MATLAB软件,实现了建模仿真的全过程,显示了MATLAB的强大科学计算与可视化功能.     

湖南省麻纺织品出口竞争力分析

采取出口市场占有率、显示性比较优势指标、出口优势变差指数、出口产品质量指数,通过对湖南省2000年至2006年的纵向比较和2006年全国范围的横向比较,分析湖南省麻纺织品在我国的出口竞争力地位.研究结果表明：我省麻纺织品的出口竞争力处于全国中等水平偏上,在中西部省份处于领先地位.同时麻织物的发展比麻纱线的发展更稳定,出口金额也远大于纱线出口金额,表明我省麻纺织品出口在一定程度上把握了高利润环节.随着东部地区纺织产业的梯度转移,湖南省极有潜力成为我国的纺织强省.     

对我国社会消费品零售总额的分析和预测

文章运用时间序列中的建模方法并使用SAS软件，对我国社会消费品零售总额的历年数据建立了ARIMA模型，揭示出数据的变化规律，并且通过模型对以后几年社会消费品零售总额做了预测。     

中国人口数量的时间序列分析

本文运用时间序列模型（ARIMA模型）对中国人口进行分析与预测,应用Eviews6．0软件对1949～2007年中国人口数据进行拟合,建立ARIMA模型,运用2008～2010年的人口数据来验证模型,并对2011年的总人口数进行了预测。     

基于线性神经网络的重庆市GDP发展研究

对1978-2011年重庆市生产总值时间序列进行分析,研究发现四阶差分之后,数据趋于平稳;四阶差分序列的自相关系数一阶截尾,最终建立时间序列ARIMA（1,4,1）模型,并测算残差平方和,但ARIMA模型的残差序列存在自相关,对拟合效果产生了影响;基于时间序列ARIMA（1,4,1）模型研究的基础,进一步采用线性神经网络对序列进行学习和仿真计算,结果表明：神经网络的模拟效果优于ARIMA时间序列的模拟效果.     

基于ARIMA模型的我国一次能源生产量时间序列分析

采用ARIMA模型对我国1950～2008年的一次能源生产量数据进行分析。利用Eviews软件建立了相应数学模型,并用该模型对当前值与未来值做了预测。结果表明,预测效果较好,可以用于对未来进行短期预测。