经济时间序列建模中序列趋势问题的探讨：对确定趋势与随机趋势的比较

文章讨论了确定趋势时间序列与随机趋势时间序列在统计性质上的不同特点,比较了两类时间序列在预测值、预测误差以及外部冲击的动态乘数等方面的差异,指出在实际应用中应严格辨析不同时间趋势对建模分析的影响.     

基于判定系数和趋势变动的时间序列逐段线性回归

对时间序列进行分割并使用线性回归模型逐段描述,在许多分析中具有重要意义.本文提出了一种新的时间序列分割方法,与基于拟合误差的方法相比,该方法在保证各子序列线性回归模型的拟合优度方面具有明显的优势,而且能够更准确地根据数据的趋势变化进行分割.实证研究也验证了该方法的有效性.     

我国财政分权与义务教育均衡关系的实证分析

文章通过设计城乡义务教育均衡评价指数,从纵向和横向计算了1995～2009年全国和各省区的指数值并进行比较分析;同时计算各年度中央-省财政分权度和各省内财政分权度指标,并将其与义务教育均衡指数以及人均GDP指标结合在一起设计了时间序列和面板数据模型,运用STATA 10进行分析,结果发现在全国和各省层面上财政分权度与义务教育均衡的关系恰好相反.     

我国蔬菜价格的时间序列变动分析

文章依据全国集贸市场上黄瓜、西红柿、大白菜三种常见蔬菜的价格数据,首先分析了蔬菜价格的季节变动和趋势变动;然后运用ARIMA模型对蔬菜价格进行拟合和预测;最后比较分析了2010年的模型预测价格与实际价格。     

面板数据聚类分析的时间序列趋势外推预测方法

面板数据的聚类分析可以进行压缩的预处理也可以不进行压缩,文章提出可以根据样品中各个指标的时序数据的趋势特征来考虑是否应该进行压缩或如何进行压缩。然后考虑聚类的统计量的设置,再后给出系统聚类法的计算公式。     

传统三点法拟合曲线趋势模型的理论缺陷及其修正

三点法由于其具有计算简便、预测精度较高等优点,因而在拟合具有三个未知参数的曲线趋势预测模型时,人们比较喜欢采用三点法。传统三点法可以用来估计二次抛物线趋势预测模型、修正指数曲线趋势预测模型、罗吉斯     

基于小波变换的股票异常点检测研究

异常点的存在会导致股票数据模型的波动预测功能失效,因此,在对股票数据进行建模分析时,异常点的检测是至关重要的。文章对股票数据通过GARCH模型处理得到的残差进行小波变换,能够准确有效地检测异常点并很好的克服了异常点的"遮蔽效应"。最后,实验证明,该方法的效果良好。     

基于最近邻分析的空气质量时空数据异常点识别

空气质量数据具有在时间上连续、空间上相关的特点,这提高了异常点识别的难度.本文提出在时间维度上运用移动平均法,在空间维度上运用反距离加权法对观测值进行预测并求残差的解决思路,从而将时空数据的异常点识别问题转化为二维残差值的异常点检测问题.通过仿真验证表明新方法具有良好的检出力.最后将新方法应用于北京市实际观测数据,取得了满意的识别效果.     

线性回归模型中异常点的统计诊断

线性回归模型中异常点的统计诊断@吕光明$大连市东北财经大学统计系!116025     

我国实际人均GDP的趋势分析及预测

文章建立了我国实际人均GDP的混合时间序列模型,分析研究了该模型的稳定性和可外推性,预测了2001～2010年10年间我国实际人均GDP的发展水平,指出我国人均实际GDP增长具有时间趋势和周期的稳定性。     

中国教育收益率的长期变动趋势分析

本研究采用中国健康与营养调查1989-2009年的追踪数据,使用多层线性交互分类模型估计了全国教育收益率的总体变化趋势,并通过引入宏观经济发展指标来考察教育收益率变化的影响因素.结果表明,21世纪以来全国教育收益率并没有延续以往快速稳定增长的势头,中国市场转型过程中的制度变革和经济结构变化对教育收益率的变动都有显著影响.由于我国城乡分割的二元经济结构,本研究还比较了城镇和农村地区教育收益率变动趋势的差异,农村地区教育收益率先高后低反映了我国先农村后城市的改革开放进程.     

基于李雅普诺夫指数的临近点选取方法

混沌时间序列的局域法预测以其计算量小、适用性强等优点,得到了广泛应用.但是其预测效果受制于临近点的选取,尤其是“伪临近点”的存在将降低预测精度,所以合理选取临近点至关重要.考虑到相点各维分量对预测的影响不同,相点的演化趋势与其前S步相点存在相关性,文章利用最大李雅普诺夫指数构造权系数提出了基于李雅普诺夫指数的临近点选取方法.通过Lorenz方程产生的混沌时间序列进行检验,结果表明改进方法的预测效果明显提高.     

基于Bayes后验概率的自变量与异常点的同时识别

本文基于自变量与异常点识别隐变量的联合Bayes后验概率,给出了自变量与异常点同时识别的一般方法,且利用Gibbs抽样降低了Bayes后验概率的计算复杂度。其次,针对多值序次数据模型自变量与异常点的同时识别展开详细讨论,给出了同时识别的具体过程。最后通过模拟算例展示了本文方法的有效性。     

人口预测的投影寻踪自回归模型构建与实证

文章根据全国和上海市1980—2020年两种完全不同人口变化规律的时间序列数据,采用自回归分析法,确定了3个预测因子,分别建立投影寻踪自回归（PPAR）模型,建模样本的数据拟合精度和验证样本的预测精度均显著高于GM、Logistic模型,完全能够满足人口预测的需要。实证结果表明：全国人口2011—2020年验证样本的平均绝对误差MAE和平均绝对百分比误差MAPE分别为160.0万人和0.116%,最大相对误差仅为0.26%;2021—2030年的人口预测结果表明,2021—2027年,人口增速越来越慢,并于2027年出现人口达峰,达峰人口为14.15亿人。上海市人口2016—2020年验证样本的MAE和MAPE分别为6.9万人和0.28%,最大相对误差仅为0.53%;2021—2027年人口增速越来越慢,并于2027年达峰,达峰人口为2499.9万人。     

时间序列趋势分析方法的选择及矫正

经济定量化的发展,使时间序列趋势分析在解决社会经济生活中问题的作用越来越广泛,如国民生产总值(GNP)和股市行情的趋势分析等等.单纯地谈及趋势判断问题和趋势预测问题,人们都很清楚其重要性,然而实际分析中,一些貌似枝节实际极为重要的环节往往被人们忽略.那么,如何开展时间序列趋势分析呢?     

拟合抛物线的分段平均法之改进

拟合抛物线的分段平均法之改进王道春，黄守坤，齐恒孝，谭阴英时间数列是指同类社会经济现象的统计指标数值按时间先后顺序排列而成的数列。为了预测和决策，需要对其配合趋势线，从而使我们能够对其进行修匀，使修匀后的数列排除季节变动、循环变动和不规则变动因素的影...     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

我国产业结构变动对经济增长作用的测算及其评价

文章通过运用时间序列计量技术对我国1978-2007年的经济增长与产业结构变动的关系进行实证分析,结果表明:在这一期间,我国的产业结构转变加快,但经济增长并不与其完全一致变化;同时,我国三次产业结构的相对变化对实际经济总产出的增长率的变化的影响程度是不一样的:第一产业的影响是反向的,第二与第三产业的影响是同向的;三次产业的增长率的变化状况对实际经济总产出的增长变动情况也不一样:相对第一产业的增长率的变动,其对第二、三产业的增长率的变动要敏感得多.因而产业政策上要提高第二、三产业的比重,加快第二、三产业的增长速度,走新型工业化与城镇化道路.     

基于重要点与灰色GM(1,1)模型的时间序列分段算法

重要点分段法主要利用局部极值点进行划分,可以将时间序列分割成若干个相对较短但不重叠的子序列.该方法在进行序列划分时,能够既保留全局特征,又保持局部性质,是时间序列分段常用的方法之一.文章采用重要点分割法将序列分割成子序列,之后采用灰色GM(1,1)模型对各个子序列进行拟合.实验证明,基于灰色GM(1,1)模型与重要点的时间序列分段算法能够以更少的拟合误差,实现序列的压缩.     

金融运行异常情况统计监测方法的选择

正从统计学的角度看,金融运行中的异常情况是可以进行界定的。因为在金融运行中我们关心的指标数据一般为时间序列数据,所以金融运行的异常情况在数据上就体现为时间序列数据集中的异常。按照异常的表现形式不同,时间序列的异常主要可以分为点异常和模式异常。这两种异常都可以用于发现一条时间序列或多维时间序列数据集上的