ARIMA与指数平滑法在我国人口预测中的比较研究

文章建立了基于人口时间序列资料的ARIMA和指数平滑法人口预测模型,并将二者进行比较,得出最优模型为ARIMA(2,2,1)模型;用此模型对我国2006～2015年人口数作出了估计.结果表明,ARIMA模型更适合我国人口时间序列数据的拟合;我国总人口在未来十年内仍会增长,但增长速度渐趋缓慢,到2010年末,我国人口将达到13.39亿.     

我国铁路客运量的季节时间序列模型

针对季节调整方法如X-11等调整结果不利于解释,及其方法本身没有考虑我国像春节等季节性特点的不足,文章建立起一般的季节时间序列模型,另外,针对季节周期的主观诊断,文章建立起辅助回归模型,较为客观的诊断时间序列的季节周期。结合我国铁路客运量的实证分析,预测结果表明:未来10月铁路客流量较大,相反,11月和12月客运量较小,这点和历史数据的特征十分类似,说明建立的模型较合适。     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

基于乘法季节ARIMA模型的农村居民人均收入的短期预测

文章采用我国近10年的农村居民人均现金收入季度数据进行乘法季节ARIMA建模,发现ARIMA(0,1,0)×(2,1,0)4模型能够很好的拟合我国农村居民人均收入,并用该模型进行预测,预测结果表明:2014年前两季度的预测值与实际值的相对误差率非常小,说明模型拟合的效果很好;同时预测结果也发现农村居民人均现金收入呈现稳定增长的趋势,且存在明显的季节周期性.     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

月度数据季节因素调整和预测

 内容提要：由于受气候条件、节假日、人们的风俗习惯、人口和国民经济增长等因素的影响,客运量呈现出周期性的增长趋势变化。为客运部门更好地安排客运计划,本文通过指数平滑法中的Holt-Winters模型将时间序列数据分解为季节波动和趋势波动。并对我国铁路、民航、水运和公路的2002-2009年的客运量数据进行拟合。结果表明,铁路和民航客运量数据具有明显的线性趋势和季节性特征,并进一步得出其波峰和波谷到达的时间;模型对铁路、民航、水运和公路客运量均有非常好的拟合效果,其平均绝对百分百误差（MAPE）依次为5.536%,7.49%、6.070%和3.633%。在此基础上对我国2010年各月份的客运量进行了科学预测。     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。     

经济周期波动的函数型时序分解方法——基于CPI的实证分析

建立一个函数型时序分解模型,根据交叉验证方法将数据分为趋势项、周期项和随机项,因而提取出的趋势项具有较好的泛化能力;提出的基于调节粗惩系数的转折点选取法,通过优化粗惩系数较好地分割了CPI的扩张期和收缩期,可判断经济指数的转折点。另外利用傅里叶变换(FFT)提取数据主频,改进了周期型基函数,相比于传统的傅里叶基函数,新的周期基函数对周期项的拟合精度较高。通过对近十年和近两年的CPI数据进行分析,结果表明季节影响较为明显,而且最后的组合模型预测精度较高。     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

基于传递函数模型的我国社会消费品零售总额预测

文章研究我国国民收入与社会消费之间的动态影响机制。通过对我国1978~2008年的国民总收入和社会消费品零售总额数据序列进行分析,建立了传递函数模型,结果显示该模型比单变量的ARIMA时间序列模型具有更好的拟合与预测效果,可以为我国宏观经济发展的监管与决策提供参考。