我国人口城市化水平的统计分析

一、引言 城市化是世界各国社会经济发展的共同现象,城市化是社会生产力变革所引起的人类生产方式、生活方式和居住方式改变的过程.它表现为:一个国家或地区内的人口由农村向城市转移、农业人口转变为非农业人口、农村地区逐步演变为城市地区、城镇数量不断增加,等等.为分析一个国家或地区的城市化发展水平,近20年来,人们先后建立了多个城市化人口动态模型.在众多的模型中,比较著名的有Keyfitz模型、Rogers模型和联合国人口局提出的扩充的Keyfitz模型以及Logistic模型;其中,Logistic模型的应用最为广泛,该模型的具体形式为:     

中国人口城市化对城镇住宅市场需求的影响

一、问题的提出自20世纪80年代实施住房制度改革以来,中国城镇民的住房水平有了显著的提高。到2003年底,中国城镇人均建筑面积达23.67平方米①。自2001年起,中国房地产投资成为仅次于基本建设的第二大类投资,2003年全年累计完成的住宅投资额高达5227.8亿元①,是1997年的3.4倍。但同时住宅市场出现了一种与经济学理论相违背的非均衡现象:商品房空置量的不断递增与住房价格不断上涨相矛盾。统计资料显示,1995年全国城镇商品房空置面积为5031万平方米,到2003年11月空置面积已突破1亿平方米②,但同时,建设部公布的数据显示商品房价格不断上涨,已…     

中国经济增长统计预测——模型,评价与预测

The paper designs a model of China’s economic growth by adoption of advanced methods in the frontier of econometrics. Based upon the model, the paper makes prediction of China’s economic growth, and then assesses the situation of further economic growth tendency.     

多目标组合预测优化模型研究

多目标组合预测优化模型研究①马永开唐小我ＡＢＳＴＲＡＣＴＴｈｅｐａｐｅｒｓｅｔｓｕｐｔｗｏｐｒｅｃｉｓｉｏｎｉｎｄｉｃａｔｏｒｓｆｏｒｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ,ｔｈｅｎｓｕｇｇｅｓｔｓｔｈｅｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｓｃｏｍｂｉｎｅｄｆｏ...     

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.     

2000年湖北宏观经济规划模型预测结果分析

湖北省综合经济规划模型是根据1985年湖北省国民经济投入产出表,应用其大量的、各种、各类最基本的变量数据研制而成的。目的是在人、财、物资源量和需求量全面协调的基础上提出2000年湖北省社会经济发展的总体规划,对湖北省经济发展提出综合平衡的总体设想。该模型由1051个经济计量方程、状态方程和动态投入产出方程构成的动态系统所组成,共含121个外生变量和1050个内生变量。模型采用需求确定结构,供给确定水平的混合导向。国民经济主要指标预测及其依据     

基于ARIMA模型的消费者价格指数预测

科学准确地预测CPI将为宏观经济政策的制定提供合理的数据支持.文章根据我国2010年1月至2015年6月CPI月度数据建立ARIMA模型,对2015年下半年我国的CPI数据进行预测.实证结果表明:ARIMA(12,1,2)模型的预测效果良好,可以作为我国CPI走势判断的有效依据.     

一种无偏组合预测方法及其贝叶斯模型

一种无偏组合预测方法及其贝叶斯模型①①本项研究系国家教委优秀年轻教师基金资助项目。曾勇唐小我ＡＢＳＴＲＡＣＴＴｈｉｓｐａｐｅｒｄｉｓｃｕｓｓｅｓｓｅｖｅｒａｌｍｅｔｈｏｄｓｔｏｔｅｓｔｕｎｂｉａｓｅｄｎｅｓｓｉｎｆｏｒｅｃａｓｔｍｏｄｅｌｓ,ｔｈｅｎ...     

平均发展速度偏差率及其水平校正模型的研究

(式中X为平均发展速度,a_i:为第i期的发展水平,n为间隔的期数)。由于水平法不具体反映中间各期的发展变化情况,而发展又不大可能以严格的等比级数进行,故按水平法计算的各期水平总和与实际的总和一般是有误差的。水平法的这一局限性,在统计学界一直存在着关于其计算出的平均速度代表性是否充分的争论。其实任何一项统计指标及其计算方法都有     

一种基于粗糙集理论的组合预测方法

一、前言组合预测方法的基本原理是博采众多预测方法的优势 ,将多个不同预测模型的预测信息组合以期有效地改善预测模型的拟合能力 ,提高预测精度。而组合信息的一般方式是对各个预测模型进行线性加权平均[1～ 3 ] 。因此 ,组合预测方法的研究工作大部分集中在权系数的确定方法上 ,由此产生了许多组合预测方法。常见的方法有 :基于专家意见、相关分析、误差和最小、模糊数学、灰色理论、人工神经网络、遗传算法、小波分析等的组合预测方法。专家意见法的致命弱点是过分依赖专家的主观判断和经验 ,其结果有时难以令人信服。基于相关分析、误…     

基于AR—EGARCH的空气温度预测模型

天气衍生产品定价极其复杂,其中与温度相关的产品是目前研究热点,其定价核心在于温度变量的精确预测。传统AR-GARCH温度预测模型难以描述温度变量波动率的非对称性。基于此,构建了AR—EGARCH温度预测模型,它能够描述波动率的非对称性,更好地反映温度变化过程。对中国东部南北线六个较发达的城市进行实证研究,结果表明：六个城市的温度变化具有明显的非对称性,AR—EGARCH模型无论是拟合还是预测效果都较传统的AR-GARCH模型更优。     

基于Boosting-ARMA的碳价预测

自回归滑动平均(ARMA)模型是最流行的预测模型之一,而模型选择却是使用ARMA进行预测的难点,尤其是当真实模型的阶数较高时,因此提出Boosting-ARMA预测算法,利用Boosting算法进行最优子集ARMA寻找,自动且高效地完成ARMA模型的识别。模拟实验显示,Boosting-ARMA优于其他方法,用新算法预测碳价实证分析发现,Boosting-ARMA算法可以获得较高的碳价预测准确性并且方便快捷。     

基于多因素影响的房地产价格预测模型

文章根据我国房地产发展情况以及与其影响因素之间复杂的非线性关系,提出了基于多因素影响的房地产价格预测组合模型.首先运用灰色关联法对影响因素进行计算排序,筛选出主要的影响因素变量,然后应用改进的小波神经网络组合预测法对房地产价格进行预测,最后使用马尔科夫链分析法将预测值区间化,提高预测值的可信度,得出最终预测结果.研究表明,考虑多种因素影响的房价预测模型能够有效地预测房地产价格,且较传统的预测方法大大提高了预测精度.     

基于改进熵值法的西部地区城市化水平综合评价研究

从广义城市化的内涵出发,构建了融人口、经济、社会文化和城市建设于一体的城市化水平评价指标体系,采用改进的熵值法,对西部12个省区的城市化水平给予了综合评价,并对其2003-2005年的城市化水平进行综合排序,用以找出各省区的优势和差距,便于针对性地制定提高城市化水平的对策。     

基于网络结构Logistic模型的企业信用风险预警

随着计算机和互联网的快速发展,特别是在大数据时代,企业积累了大量有关企业经营、财务等相关数据,变量众多且关系纷繁复杂,如果利用传统的logistic回归建立企业信用风险预警模型往往效果不好.本文在充分考虑变量间的网络结构(Network)关系基础上,提出了网络结构Logistic模型,通过惩罚方法同时实现变量选择和参数估计.蒙特卡洛模拟表明网络结构Logistic模型要优于其他方法.最后,我们将其应用到我国企业信用风险预警中,充分考虑财务指标间的网络结构关系,科学地选择评估指标,构建更加适合我国国情的企业信用风险预警方法.     

天津城市化水平综合测度研究

把人口城市化作为城市化水平的惟一测度指标,似乎不能全面具体地反映城市化水平。而真正认识和测度城市化水平,对于我国的城市建设和国民经济发展具有重要意义。针对这一问题,文章分析了人口城市化的片面性,提出了新的城市化概念。在此基础上,依据牛顿第二定律,建立了基于城市发展评价城市化水平的城市化水平综合测度模型,对天津市基于城市发展的城市化水平进行了测度,并且对2010年我国部分省、市基于城市发展的城市化水平进行了测度,测度结果与以人口城市化为惟一测度指标的城市化水平进行了对比研究,表明利用城市化水平综合测度模型测度城市化水平的合理性。     

An Interest-rate Model Analysis Based on Data Augmentation Bayesian Forecasting

In this paper, the author presents an efficient method of analyzing an interest-rate model using a new approach called 'data augmentation Bayesian forecasting.' First, a dynamic linear model estimation was constructed with a hierarchically-incorporated model. Next, an observational replication was generated based on the one-step forecast distribution derived from the model. A Markov-chain Monte Carlo sampling method was conducted on it as a new observation and unknown parameters were estimated. At that time, the EM algorithm was applied to establish initial values of unknown parameters while the 'quasi Bayes factor' was used to appreciate parameter candidates. 'Data augmentation Bayesian forecasting' is a method of evaluating the transition and history of 'future,' 'present' and 'past' of an arbitrary stochastic process by which an appropriate evaluation is conducted based on the probability measure that has been sequentially modified with additional information. It would be possible to use future prediction results for modifying the model to grasp the present state or re-evaluate the past state. It would be also possible to raise the degree of precision in predicting the future through the modification of the present and the past. Thus, 'data augmentation Bayesian forecasting' is applicable not only in the field of financial data analysis but also in forecasting and controlling the stochastic process.     

基于BP神经网络的信息商品价格预测模型

从信息商品价格的特点和BP神经网络的功能出发,借助样本训练集和改进的BP算法提出了基于BP神经网络的信息商品价格预测模型,并对模型的泛化精度进行了讨论,最后进行了仿真实验.     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

基于Theil不等系数的C-IGOWLA算子的区间组合预测模型

传统的组合预测方法通常是针对非区间数据在最优准则下来建立最优预测模型的,但实际,中在不确定环境下样本数据和预测值序列均以区间数形式给出,因此有必要研究区间组合预测模型.文章引进连续区间诱导广义有序加权对数平均算子(C-IGOWLA)的概念,以Theil不等系数作为最优准则,提出了一种新的基于Theil不等系数的C-IGOWLA算子的区间组合预测模型,并结合实例验证了模型的有效性.