基于季节性ARIMA模型的居民消费水平预测

文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析.首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果.     

中国股市与经济增长的关联性研究

一、实证分析(一)变量与数据实证数据选取1992年第1季度至2005年第2季度的时间序列,共53组观察值。各变量的设定与数据来源如表1所示:以上变量的一阶差分记为Δecono-my、Δstock,恰好分别对应于各季度的经济增长率、股市收益率,具备良好的经济涵义。(二)单位根检验如图1所示,e     

尤尔建立时间序列线性自回归AR(P)模型的历史过程探析

文章透过尤尔的生平经历及研究背景,立足于原始文献,从变量差分方法和无意义相关以及时间序列的分类等基础性工作出发,深入探讨了模型的历史形成过程及其意义。     

基于贝叶斯PSECM模型的非线性协整能源需求研究

文章通过面板数据平滑转换模型研究影响能源需求的主要因素.针对面板数据平滑转换模型的序列差分容易造成信息缺失的问题,进行误差修正,构建PSECM模型,刻画变量的非线性特征与变量之间的长期稳定的非线性关系.由于非线性最小二乘算法难以收敛,容易造成参数估计不准确,运用贝叶斯方法分析模型结构,估计模型参数;在此基础上,对新兴市场国家进行实证分析,研究结果表明:贝叶斯算法能够准确地估计模型各参数,证明了贝叶斯PSECM模型的有效性,能源需求弹性与经济水平、能源价格、金融发展水平之间存在长期稳定非线性协整关系.     

FDI与中国经济增长的协整分析

一、数据及方法 (一)数据 本文所用1978-2002年的数据根据历年<中国统计年鉴>整理而成,其中GDP1、FDIt均以现价形式表示,使用1991年为基期的商品零售价格指数对两个变量进行缩减,以消除物价因素的影响.另外为消除数据中存在的异方差,分别对两个变量取对数.其相应的差分序列为△lnGDPt,△1nFDIt.     

含滞后效应的非线性协整分析

线性协整方法对非平稳经济和金融变量时间序列的计量经济学分析已经比较成熟,但许多宏观经济变量序列以及金融变量序列间的关系往往表现为非线性。文章以NLLS估计为基础提出反映滞后效应的非线性协整回归模型的非线性协整检验方法,统计模拟结果显示该方法具有较小的水平扭曲和较高的势。通过对中国财政支出与城镇居民可支配收入进行实证分析得出两者之间不存在线性协整而存在非线性协整关系,并且这种关系具有滞后效应。     

时间序列的综合分析法在经济预测中的应用

在传统时间序列分解计算方法的基础上 ,采用灰色预测方法对趋势项进行预测 ,建立以传统分析方法和灰色系统理论相结合的经济变量长期预测数学模型 ,并对经济指标进行预测     

上海市经济发展的典型时序模型分析

文章以1978～2007年上海市人均GDP的统计数据为样本,处理原始数据,对序列进行差分平稳化处理,消除虚假回归,进行单位根检验,并借助统计工具,利用序列自相关、偏自相关性质,确认序列适合的模型,从而建立了经典的ARJMA时间序列方程,最终对未来数据进行了经济预测,为管理决策给予一定数量参考价值.     

上证指数与深成指间协整关系的非参数检验

一、引言 在时间序列中常会发现两个变量存在一种长期稳定关系,C.J.Granger把这种长期稳定关系称为"协整关系".传统的协整分析方法是通过对序列差分将其转化为平稳序列,得出其中的线性均衡关系,这种协整关系可称为线性协整.线性协整的建模理论是从实际的数据生成过程出发,在非平稳序列中寻找可能存在的长期线性均衡关系,以建立序列的结构模型,从而反映序列的运行机制.     

0-1动态数据的双向差分的模型构建

文章给出了0-1动态数据的双向差分建模方法。首先将观测序列按某一标准转为0-1动态数据,然后建立单调型动态序列的双向差分模型,对其残差建立起伏型动态序列双向差分模型以作精度修正,这样整个0-1动态数据预测精度非常高。最后,对我国国内生产总值指数变化状态作出了预测。     

中国经济增长与能源消费关系研究——基于中国30省市面板数据的实证检验

通过将能源引入生产函数建立三要素生产函数模型,利用最新发展的面板单位根,面板因果检验和面板协整方法对能源消费与经济增长重新进行了经验检验,面板单位根检验表明能源、GDP等都为一阶差分平稳变量;Granger面板因果关系检验结果表明能源消费是经济增长的因,而经济增长并不是能源消费的因,如果能源供应减少1%,经济增长将下降0.498%。     

中国产业结构变动与经济增长

本文采用我国1978年至2003年的年度统计数据,应用处理平稳数据的方法--协整检验,检验了时间序列变量是否存在长期均衡关系,并采用格兰杰因果关系检验考察时间序列变量是否存在因果关系;证明了我国经济增长与产业结构存在着长期均衡的协同发展关系,认为在我国产业结构的次序逐步发展为二、三、一的结构将最有利于我国经济持续增长.     

多变量时间序列模型识别方法

模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。     

近单整时间序列Scheffe预测模型的内生性及其修正

对于包含近单整时间序列的预测模型,在进行Scheffe检验时由于内生性问题的影响,导致参数统计量的检验水平过于保守,由此也相应降低了检验功效。通过加入解释变量的超前项与滞后项差分项的动态方法进行修正,并对修正前后的统计量有限样本性质进行仿真比较,结果显示这一修正方法可以有效降低内生性问题对Scheffe检验结果的影响。在小样本条件下,经过修正的Scheffe检验不仅提高了统计量的检验功效,同时明显减少了检验水平的扭曲现象。     

多变量时间序列的重构与预测方法

多变量时间序列包含有比单变量时间序列更丰富的动态信息,具有一定的信息完备性和确定性,但多变量时间序列同时也会带来一定的冗余信息和部分噪声.为了更好地反映多变量时间序列的动态特性,文章对多变量时间序列进行空间重构,并利用主成分分析法(PCA)对重构后的多变量时间序列进行处理,以减低特征空间维数;最后采用支持向量机建立预测模型.仿真实验表明,该预测模型具有较强的自适应能力和较好的预测效果.     

能源消费与经济增长动态关系比较研究

文章以1990～2006年我国能源消费各组成部分煤炭,石油,天然气,水电、风电、核电消费量和GDP的时间序列数据为样本,采用ADF检验检验序列的平稳性,采用协整检验方法检验序列变量是否存在长期均衡关系,并在协整的基础上建立误差修正模型,采用格兰杰因果关系检验序列变量之间是否存在因果关系,比较研究我国煤炭,石油,天然气,水电、风电、核电消费与经济增长之间的短期波动和长期均衡关系,并对未来我国能源和经济的协调发展提出了几点建议.     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

交互影响的多元回归与多元时序混合模型

一、引言 经济系统的变量往往具有下列特征. 1.变量是多元的时间序列.例如我们研究金融政策工具的有效性,可以考虑如下4组变量:     

对外贸易影响中国经济增长的动态分析

运用计量经济学方法对中国1980-2007年相关经济变量时间序列数据的平稳性进行ADF检验,对修正后表现平稳的变量进行协整分析,研究在长期内是否存在稳定的均衡关系。通过构建协整方程、误差修正模型和Granger因果关系式分析各经济变量在长期均衡和短期波动中相互因果关系的影响。研究结果表明：在短期内经济增长更多受制于需求,而长期内取决于生产效率的提高。因此在继续重视出口贸易创造市场作用的前提下,要充分发挥外贸在增加要素供给和创造市场需求两个方面的作用。     

对2005年GDP季度数据的预测--基于包含趋势和季节成分的ARMA模型的分析

一、包含趋势和季节成分的ARMA模型 在经济领域里,根据一个经济变量的时间序列数据来建立经济计量模型并以此模型对该变量的未来趋势进行预测已经得到了广泛的应用,其中比较成熟的建模技术有:趋势建模、季节性建模、周期建模(ARMA模型)以及它们的混合建模.