中国人均GDP19522002时间序列分析


统 计 观 察

中国人均 ;<5 ( !"#$%$&&$) 时间序列分析
刘 颖, 张智慧
(中央财经大学,北京 %"""@% )



要: 时间序列是按照时间顺序取得的一系列数据。大多数的经济时间序列存在惯性, 或者

说是迟缓性, 通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。 分析时 (()*’+,-./-0) 模型对中国人均国内生产总值 间序列的方法有很多, 本文主要讨论用伯克斯 ’詹金斯 时间序列进行建模和短期预测。 (()*’+,-./-0) 模型; 相关; 偏相关 关键词:伯克斯 ’詹金斯 中图分类号: HB% 文献识别码: 6 文章编号: (!""# ) %""!’8C@? "!’""8%’"!

时间序列是按照时间顺序取得的一系列数据。 大多数的 经济时间序列存在惯性, 或者说是迟缓性, 通过对这种惯性 的分析可以由时间序列的当前值和过去值对未来值进行预 测 $%&。分析时间序列的方法有很多, 本文主要讨论伯克斯 ’ 詹 模型的建立。伯克斯 ’ 詹金斯模型不以经 金斯 (()*’+,-./-0) 济理论为指导,依据时间序列自身结构的特点建立模型, 并 且利用外推机制进行预测。建模主要包括三个步骤 $!&: 第一, 时间序列的识别及模型形式的选择。 建立时间序列模型的前 提是时间序列必须具有平稳性, 所以必须先检验时间序列是 否平稳, 若不平稳则先进行差分, 然后再分析相关图和偏相 关图来选择模型形式。模型形式的选择通常不是唯一的。第 二, 模型参数估计。施用 12/,30, 4544 , 464 等统计 软 件 进 行 估计。 第三, 模型的诊断检验。 下面以中国人均国内生产总值 时间序列为例,详细介绍建模过程。本文数据来源于 《!""! 年中国统计 年 鉴 》 及 《中 国 国 内 生 产 总 值 核 算 历 史 资 料 (%778’!""! ) 》 。

下 面 通过对人


表%

中国人均 ;<5 时间序列数据 9%7#!’!""!: 年 人均数 9I: 年 人均数 9I:

人均数 9I:

%7#! 均 ;<5 序 %7#B 列 => 和 !=> %7#C 的 相 关 图 , %7## %7#8 偏相关图 %7#? 分 析 判 别 %7#@ 其 平 稳 性 %7#7 以 及 识 别 %78" %78% 模型形式。 %78! => 的 相 关 %78B 图、 偏 相 关 %78C 图 在 图 ! %78# %788 中 给 出 。 => %78? 的 相 关 图 %78@

%%7 %C! %CC %#" %8# %8@ !"" !%8 !%@ %@# %?B %@% !"@ !C" !#C !B# !!!

%787 %7?" %7?% %7?! %7?B %7?C %7?# %7?8 %7?? %7?@ %7?7 %7@" %7@% %7@! %7@B %7@C %7@#

!CB !?# !@@ !7! B"7 B%" B!? B%8 BB7 B?7 C%? C8" C@7 #!8 #@! 87# @##

%7@8 %7@? %7@@ %7@7 %77" %77% %77! %77B %77C %77# %778 %77? %77@ %777 !""" !""% !""!

7#8 %%"B %B## %#%! %8BC %@?7 !!@? !7B7 B7!B C@#C ##?8 8"#C 8B"? 8#C? ?"@C ?8#% @%@C

呈线性缓 慢衰减特征, 说明 => 是一个非平稳序列。 偏相关图在图 B 中给出。 !=> 的相关图 呈 !=> 的相关图、 正弦衰减特征, 偏自相关图在
图% 中国人均 ;<5 序列

!

模型识别 中 国 人 均 国 内 生 产 总 值 时 间 序 列 数 据 9%7#!’!""!: 见 表

人均 ;<5 差 分 数 用 !=> 表 示 。 => 和 % 。人均 ;<5 用 => 表示, !=> 的变化曲线分别见图 % 。 从 图 % 可 以 看 出 我 国 人 均 ;<5 水 平 保 持 指 数 增 长 趋 势,特别是在 %7?@ 年改革开放以后,呈现出强劲的增长势 头。#" 年间平均每年人均 ;<5 增长 %8%AB 元。如果把 #" 年 和改革开放以 分为两个部分 , 即改革开放以前 (%7#!’%7?@ ) 后时期 (%7?7’!""! ) , 则前一 个 时 期 年 平 均 增 长 率 为 !ABCD , 后一个时期的年平均增长率为 8A%BD。 从人均 ;<5 的变化特 征来看, 这是一个非平稳序列, 明显呈现上升趋势。

EF! 后 呈 截 尾 特
征。 由 此 判 定 应 用 6G9!: 模 型 拟 合 !=> 序 列 数 据。 共 选 择 两 个 (! ) , 一个含 6G 位移 项 , 另 一 个 不含有。 另外, 考 虑相关图 .F% 时

统计与决策 !""# 年 ! 月 (下)

8%

万方数据

统 计 观 察
图! 偏相关图 12 的相关图、 表0 模型 编号 估计结果 拟合的时间序列模型

$V2HWHII-MR2,HP 5 XYYYYYYYX 5 XYYYYYY X 5 XYYYYYY X 5 XYYYYY X 5 XYYYY X 5 XYYY X 5 XYYY X 5 XYY X 5 XY5 X 5 XY5 X 5 XY5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

BRI2,RM THII-MR2,HP 5 XYYYYYYYX 5YX 5 X 5 X 5 X 5 X 5 X 5YX 5 X 5YX 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

’ ! 0 7 # = : 6 9 ’" ’’ ’! ’0 ’7 ’#

$T "59": "56’! "5:’6 "5=!: "5#0! "5707 "5009 "5!#0 "5’60 "5’0’ "5"9! "5"=" "5"0! "5""7 3"5"!’

B$T "59": 3"5"#9 3"5"7# 3"5"09 3"5":= 3"5":9 3"5"#7 3"5"’9 "5"!’ "5"7: "5"’9 3"5""7 3"5"!7 3"5"70 3"5"0=

>3Z2R2 77577! 6"5::! ’"95:6 ’0!50= ’76599 ’="50! ’=:509 ’:’57’ ’:05#= ’:75:" ’:#5!: ’:#5#! ’:#5#9 ’:#5#9 ’:#5=0

BIH[ "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5"""

> ]Q8’#^ ’ !128’9#5"!’6D’57!:=!123’3"5##!’!123!DV2 "5669’ 6:50#6# ’5=7!! !05=== 2 ]’566"7^ ]’’50:=0^ ]375!6!=^ ! !128’57=!"!123’3"5#7’:!123!DV2 "566!= 6659’=: ’5=!7’ !=5=#: 2 ]’’5=’!7^ ]375’00’^ 0 !128’5’0!7!123’3"5!’="!123!DV2D"5#0"7V23’ "569#! 6:50#6# ’59#90 !’5’#’ Z5* ;< 2 ]75:!60^ ]3"56:7’^ ]!5077’^ 7 !128"5900:!123’DV2D"5=7!7V23’ 2 ]’75"=:7^ ]#5"906^ "56909 675"00= ’5:99" !’5"=6

%!

$"5"#]’0^8!05:,

$"5"#]’!^8!’5"

模型 0 的 !123! 参 数 估 计 值 没 有 通 过 显 著 性 检 验 , 所 以 应该剔除 !123! 后重新估计得模型 7 。 模型 7 的参数估计值均通过了显著性检验, 且模型拟合 程度比较高为 "56909, 模型的标准误差是四个模型中最小的, 可以认为没有严重的序列自相关。 ;< 值也在合理区间内, >8 不能拒绝零假设, 可以认为该模型是合理的。 !’5"=6@!05:, 通过综合比较,确定模型 ’ 和 7 作 为 我 国 人 均 A;B 时 间序列模型。 模型的残差序列中不再含有自相关和移动平均 部分。

有峰值, 随后按照正弦衰减, 所以仍考虑建一个 $%&$ (! , ’) 模型。估计结果见表 ! 。 现在运用单位根检验方法 (!), 同样可以得到相同的结果。 如表 ! 。
图0 偏相关图 !12 的相关图、

$V2HWHII-MR2,HP 5 XYYYYYYYX 5 XYYYYY X 5 XYYYY X 5 XYYYY X 5 XYYYY X 5 XYYYY X 5 XYYY X 5 XYYY X 5 XYY X 5 XY5 X 5 XY5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

BRI2,RM THII-MR2,HP 5 XYYYYYYYX YYYYX 5 X 5 XY5 X 5 XYY X 5 X 5 X 5 X 5 X YYX 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5YX 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X 5 X

’ ! 0 7 # = : 6 9 ’" ’’ ’! ’0 ’7 ’#

$T "569# "5:"9 "5#7! "57=7 "57=! "576" "577’ "507: "5!!6 "5’0! "5"=6 "5"0: "5"’= 3"5""= 3"5"0!

B$T "569# 3"57=! "5’:7 "5!9# "5"#6 3"5"0’ 3"5!0! "5"’= 3"5"#7 3"5"7! 3"5’’= "5""9 "5"0! 3"5""= "5"0:

>3Z2R2 7!5#’# =95::7 6=5"!# 965’96 ’’"5#7 ’!75’6 ’0#59# ’70509 ’7=5=6 ’7:56" ’765’’ ’765!" ’765!! ’765!0 ’7650"

BIH[ "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5""" "5"""

#

模型预测 下面用模型 ’ 和模型 7 分别预测 1!""!, 并计算预测精度。

C !""’8#=: , C 对 模 型 ’, 软件计算的预测结果是: 75’ 已 知 ! 1 !1 !""!8#0: 。 C !"".81!""’D!1 C !""!8:=#’D#0:86’66 元 E 人 1 已知 !""! 年我国人均 A;B 实际数是 6’67 元。 预测精度为: #8 6’6636’67 8"5"769F 6’67 75! C !""!87#9 。 对模型 7 , 软件计算的预测结果是: !1

表!

12序列单位根检验
结论 (" , ", ") (WG2G’)

变量 ;\ 或 $;\ 检验 临界值 (#F)检验回归式 (WG2GQ) ;<

!12 !!12

959=!9 3059=!9

3’597:0 05#"7#

"506’= ’5:!=#:

12 具有一
阶单位根

C !""!81!""’D1 C !""!8:=#’D7#986’’" 元 E 人 1 预测精度, #8 6’6736’’" 8"59"7!F 6’67 已知 1!""!86’67 , 750 预测 !""0 年的人均 A;B, C !""087:!G 1 C !""081!""!D!1 C !""08 利用模型 ’ ,可计算预测值 !1 6’67D7:!86=#= 元 E 人 C !""08#7#G1 C !""081!""!D! 1 C !""08 利 用 模 型 7, 可计算预测值, !1 6’67D#7#86:!9 元 E 人
所以,通过模型 ’ 预测出 !""0 年中国人均国内生产总 值为 6=#= 元, 模型 7 预测出的值为 6:!9 元。
参考文献:

!

模型参数估计 使用 *+,-./ 软件对模型进行估计, 估计结果见表 0 。

"

模型检验 模型 ’ , !123’ 和 !123! 参数均通过 4 检验;截矩项 4 值是

如果检验水平是 "8"5"# , 则参数不能通过 4 检 验 ; 如 ’566"7 , 果放宽至 "5’ , 则可以接受截矩项显著不为零的假设。模型 ’ 拟合系数较高为 "5669’ , 模型的标准误差等于 6:50#6# , ;<8 ’5=7!! 可以视为没有严重的序列自相关。> 检验是检验残差 序列的随机性, 其零假设是 “拟合的模型合适” 。模型 ’ 的 >8 所以可以认为模型 ’ 是合适的。 !05=== 略小于临界值 !05: , 模 型 ! 的 参 数 估 计 值 均 通 过 4 检 验 , 但 是 >8!=5=#:? 所以拟合的模型不合适。 !05: ,

(’)A-HIJ- *5B5KHLGA.,M1N &5O-PQ,P/ RPS AI-JHI1 T5 %-,P/-M(&)5 北
京: 中国统计出版社 !""0U’3!5 经济科学出版社, !"""U#93="5 (!) 张晓峒 5 计量经济分析 (&)5 北京: 中国统计出版社, (0) 易丹辉 5 数据分析 与 *+,-./ 应 用 (&)5 北 京 : !""!U

’703’7#5

(责任编辑 E 李友平)

=!

统计与决策 !""# 年 ! 月 (下)

万方数据


相关文档

中国人均GDP的时间序列模型比较分析
中国人均GDP时间序列的实证分析与预测
中国人均GDP_1952_2002_时间序列分析
中国人均GDP的时间序列模型的建立与分析
中国人均GDP时间序列建模与相关分析
利用时间序列分析对中国GDP进行预测
基于ARIMA模型的中国人均GDP时间序列分析
中国人均GDP时间序列模型的建立与预测
中国GDP的时间序列建模与分析
人均GDP时间序列模型及预测
中国人均GDP_1952_2002_时间序列分析
中国人均GDP的时间序列模型的建立与分析
湖北省人均GDP时间序列模型及预测
我国人均GDP 时间序列模型与预测
电脑版