Box-Jenkins法在广西GDP预测中的应用

利用Box-Jenkins方法对1950至2004年广西国内生产总值进行了分析,建立了ARIMA模型,检验结果表明该模型有较好的预测效果.并把广西全社会固定资产投资额作为回归项引入到ARIMA模型中,由此建立了ARIMAX模型,从而进一步提高了模型的预测效果.     

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。     

基于多元时间序列的交通流预测模型

交通流预测是智能交通系统的一项重要研究内容。本文考虑路网的复杂性,使用多元时间序列模型建模,针对贵阳市省医路口2016年4月上下游交通流数据:首先建立ARIMA模型,采用Ljung-Box方法对模型效果进行检验,模型未能通过显著性检验;然后根据车辆的基本通行规律,构建多元时间序列ARIMAX模型,第一步利用主成分回归建立上下游交通流回归模型,第二步对模型残差进行ARIMA建模,得到的ARIMAX模型能够通过LB检验;最后利用预测误差绝对值均值和预测误差百分比绝对值均值进行模型性能评价,构建的ARIMAX模型均优于ARIMA模型。     

基于邻近度的安徽省人均GDP组合预测模型

针对安徽省人均GDP预测问题,以安徽省2000—2018年人均GDP数据为研究区间,其中2000—2017年数据作为训练集,2018年数据作为测试集,提出了一类新的预测评价指标-邻近度及基于邻近度的组合预测模型,并引入一种新的组合权系数求解方法;首先对训练集进行单项预测,即对训练集数据进行指数预测、抛物线预测和移动平均预测,接下来对各单项预测值综合考虑,建立基于邻近度的加权几何平均组合预测模型,通过求解模型得出各单项预测权系数进而求出基于邻近度的组合预测值,最后分别在测试集和训练集上与其他预测方法预测结果进行比较,并预测安徽省2019—2021年人均GDP数据。     

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.     

西藏经济发展预测及影响因素分析

以西藏自治区国内生产总值和影响经济发展的因素作为研究对象,采用定量研究分析的方法,通过西藏GDp数据分析建立了时间序列ARIMA模型,利用该模型对西藏GDP进行了预测。结果表明各年实际值与预测值较为吻合,达到了较好的预测效果。此外采用多元线性回归方法对影响西藏经济的因素进行了分析研究,从影响西藏经济发展的因素来看,在进出口总额、财政支出,固定资产投资总额因素中财政支出对西藏经济发展的因素影响依然较大,这与西藏自身“造血”能力不强有关。     

中国人均GDP的FAR模型

针对我国人均GDP的非平稳特征，根据1949-2005年我国人均GDP的统计资料，建立我国人均GDP的函数系数自回归模型（FAR模型），并将模型用于我国人均GDP的预测分析．计算结果表明，FAR模型能较好地解决我国人均GDP的估计和预测问题，预测精度较高、     

中国人均GDP的FAR模型

针对我国人均GDP的非平稳特征，根据1949-2005年我国人均GDP的统计资料，建立我国人均GDP的函数系数自回归模型（FAR模型），并将模型用于我国人均GDP的预测分析．计算结果表明，FAR模型能较好地解决我国人均GDP的估计和预测问题，预测精度较高、     

中国固定资产投资与经济增长的时滞效应分析

固定资产投资对经济增长的促进作用不容忽视,同时这种影响具有一定的滞后效应.文章选用中国1978-2014年全社会固定资产投资和国内生产总值的时间序列数据.使用协整检验、格兰杰因果检验和阿尔蒙多项式分布滞后模型等计量经济学方法,分析了固定资产投资和GDP间的线性关系.实证结果表明从长期看二者既有长期均衡关系,又有双向因果关系.而从短期看GDP受最近五年固定资产投资额影响较大.     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。