ARIMA模型在河北GDP预测中的应用
时间序列分析在我国GDP预测中的应用
☆故略时间序列分析在我国GDP预测中的应用武纪雯(西安财经大学）摘要：GDP是指某个国家或地区的所有居民单位在一定时间内生产的所有最终产品和服务的市场价值3国民经济核算 的核心指标是国内生产总值，衡量一个国家或某个地区总体经济状况的重要指标也是国内生产总值。
本文以我国1978年至 2014年共37年的GDP数据为依据，基于时间序列分析理论，使用Excel和SAS软件对数据分析，建立合适的模型，并对时间序列 模型进行检验，从而确定时间序列模型为自回归移动平均模型ARIMA(0,2,3)。
利用建立的模型对我国2015-2016年GDP做出 预测并与实际的GDP进行比较，结果的相对误差均在合理范围之内，说明预测的时间序列模型良好，最后利用模型对我国未来5 年的GDP做出预测。
关键词：时间序列；国内生产总值(GDP);SAS软件1.绪论1.1研究的背景、目的和意义1.1.1背景1978-2014年，我国的经济一直保持近两位数的年增长率。
在同一时期，世界经济以年均3%的速度增长；国内生产 总值的排名从第十位上升到第二位。
在世界经济中的份额从 1.8%上升到11.5%。
开放的经济已经发展并继续发展，世界 进出口贸易总额从第29位升至第2位。
根据世界银行的数据，我们的人均国民总收人从190美元增加到5680美元，根据 世界银行的标准，已经从低收人国家跃升至中上收人国家；人 民生活城乡居民恩格尔系数分别从57.5%和67.7%下降到 36.2%和39.9%,城乡免费九年义务教育得到充分实现，高等 教育的人学率有所提高,进人普及阶段。
同时，各项事业不断 进步，政治体制改革不断深化，政治体制日益完善，社会主义 法制建设取得了重要进展。
文化事业生机勃勃，文化产业空 前繁荣，民族文化软实力不断增强。
初步形成覆盖城乡居民 的社会保障体系，社会面临资源和环境制约日益严峻的严峻形势，确立了节约资源，保护环境的理念和基本国策，并做出 了努力。
基于ARIMA模型预测我国GDP
基于ARIMA模型预测我国GDP作者：杨绍明来源：《财讯》2018年第28期GDP是反映一国经济增长变化的综合性指标，也为国家和地区在部署战略方针和制定宏观经济政策上提供了参考和依据。
本文基于时间序列分析理论，以我国1952年至2016年国内生产总值为基础，利用Stata软件，对数据进行拟合分析，建立模型，并利用所建模型对我国未来两年的GDP做出预测。
时间序列 GDP ARIMA模型GDP是指国民生产总值，它指的是，一定时期内，一个国家地区生产活动的最终结果。
对于GDP的预测，可以更加清楚地了解到未来经济的走势和发展状态。
时间序列分析是一种动态的、用于处理数据的统计学方法。
它根据观测到的按时间排序的数据，在曲线拟合和参数估计的理论支持下，建立相关的数学模型，来预测未来的发展状况。
时间序列分析既要承认事物发展具有延续性，根据旧数据，能预测出事物的发展趋势。
也要考虑事物发展具有随机性，所有事物的发展都会受到偶然因素的影响，本文将时间序列分析法用到我国GDP预测中，建立相对应的时间序列模型，预测我国GDP未来趋势，为我国更有效地调控宏观经济和制定决策提供理论支持。
数据处理（1）平稳性检验利用ARIMA模型，对我国1952-2017年的GDP数据进行建模分析，利用得到的模型对接下来的两年我国GDP数值进行预测，将2016、2017年两年的GDP作为对照，以验证预测效果。
本文数据全部来源于国家统计局。
首先，将GDP折算为1952年的价格计价的数据，我国GDP存在明显指数上升趋势，初步判定原始序列是非平稳的。
对原始数据进行单位根验证，ADF检验显示该时间序列是单位根过程，为非平稳时间序列。
只有平稳的时间序列才可以进行分析，对数据的平稳化处理可以有两种方法进行选择：对数法和差分法。
选择一种处理方法使数据平稳化，便于对数据的进一步分析预测。
（2）平稳化处理平稳化处理为了检验模型的预测效果，本文把1952-2015年作为模型的样本期，把2016-2017年的观测值作为检测的参照对象。
ARIMA模型在中国GDP预测中的应用
ARIMA模型在中国GDP预测中的应用作者：邵明吉哲勖周慧涛来源：《价值工程》2018年第09期摘要：文章对我国1978-2015年国内生产总值进行了分析。
运用Box-Jenkins方法建立了ARIMA模型。
通过对数据的平稳性检验、模型参数识别与检验、模型检验等综合分析，确立了ARIMA（2，1，0）模型。
该模型具有简单实用、预测精度高的特点，能恰当描述我国GDP（国内生产总值）状况，并对“十三五”期间的GDP增长速度做出短期预测，为政府部门制定“十三五”期间的经济计划提供依据和参考。
Abstract： The article analyzes China's gross domestic product （GDP） from 1978 to 2015. The ARIMA model was established by Box-Jenkins method. The ARIMA （2，1，0） model was established by comprehensive analysis of data leveling， model parameter identification and test，and model test. The model has the characteristics of simple and practical and high forecasting precision， which can describe the current situation of GDP （GDP） in China and make short-term forecast of GDP growth rate during the "13th Five-Year Plan" period， and provide the basis and reference for the government to make economic plans during the "13th Five-Year plan".关键词：GDP；ARIMA 模型；预测Key words： GDP；ARIMA model；prediction中图分类号：F222.33 文献标识码：A 文章编号：1006-4311（2018）09-0205-030 引言从1979年以后，我国生产总值的增长可被划分为以下几个阶段：GDP增长速度都在50%以上的1980-1987年（除1986年外）；GDP增长速度在30%-40%之间的1988-1994年；GDP 增长速度在13%-24%之间的1995-2006年；2007-2015年，GDP增长速度逐渐降到10%以下。
中国GDP上涨短期和长期预测
中国GDP上涨的短期和长期预测摘要：本文采用arima（p,d,q）模型对中国gdp的上涨进行短期预测，采用趋势外推法进行长期预测，并对模型进行检验，得到比较好的结果。
关键词：gdp上涨预测arima模型引言gdp（gross domestic product）即国内生产总值。
在经济学中，常用gdp和gni（国民总收入，gross national income）共同来衡量该国或地区的经济发展综合水平通用的指标。
这也是目前各个国家和地区常采用的衡量手段。
对中国gdp的上涨空间进行合理预测，对我国经济发展的合理规划具有重要意义。
一、问题分析对于短期预测，取自然对数的gdp时间序列服从arima模型，可以建立arima模型预测短期的gdp。
对于长期预测，根据gdp时序图，预测对象gdp依时间变化大致呈现指数上升趋势，没有明显的季节波动，用趋势外推法进行长期gdp预测。
二、短期预测：arima（p,d,q）模型2.1 模型定阶分析对数一阶差分gdp序列自相关系数和偏自相关系数，认为p 最多是3，q最多是2。
为了准确的对模型进行识别，较精确的判定p和q的值可以根据aic准则，对模型中的p和q两个参数进行多种组合选择，借以评判拟合模型的相对优劣，最后从arima(p,d,q)模型中选择一个拟合最好的曲线作为最后的方程结果，即使aic函数值达到最小的模型为相对最优模型。
计算不同的p、q组合对应的aic为q为1时，p值为1,2,3时分别为-3.009429，-2.973018，-2.905860，同理q为2时，p值分别为-2.966990，-2.973018，-2.905860。
arma（1，1）最优， d取1，因此选择arima(1,1,1)模型。
2.2 参数估计采用最小二乘法，用eviews软件对参数进行估计。
根据t检验和p值可以认为三个未知参数都显著。
所以，拟合模型方程可以描述为：（3.1）即：这里的代表对gdp 取对数形式。
基于产业结构视角的河北省就业潜力与对策分析
基于产业结构视角的河北省就业潜力与对策分析河北经贸大学罗迪、王朝燕、程度胜摘要扩大就业是促进我省经济健康发展和促进社会和谐稳定的重要保证。
十二五”规划纲要提出“实施就业优先战略”，这一提法对我国的经济发展有非常重要的指导作用。
产业结构的优化对就业的影响尤其重要。
产业结构和就业结构一直是相互作用、相互影响。
产业结构的合理性将对就业结构的演进产生较大影响。
本文所用到的数据均来自2010年河北省经济统计年鉴，将采用定量分析与定性分析相结合的方法对河北省的产业结构与就业结构之间的关系进行探讨研究。
其中通过计算1985-2009年第一、第二、第三产业的产业结构偏离度、扩张弹性及就业弹性等指标对河北省的产业结构和就业现状进行评价分析，并运用SPSS软件验证产业结构和就业人数之间所存在的相关性，运用EVIEW软件进行单位根检验、协整检验、因果检验并通过建立ARIMA模型对产业结构趋势进行预测，通过双对数模型就业趋势进行预测。
通过分析发现，河北省正处于产业结构不断调整的状态中，第一产业产值所占比重呈逐年下降趋势，第二第三产业产值所占的比重则呈现出上升趋势，尤其第三产业一直以来保持着快速发展的速度，是推动河北省发展的主力；河北省第一产业的就业人数虽近年来呈现出不断下降趋势但所占比重仍是最大的，第二第三产业的就业人数所占比重逐年上升，并且发现第二第三产业对就业都是有拉动作用的但第一产业近年来不断对就业呈现出“排挤”的状态，此外还发现河北的就业结构和产业结构发展不均衡，不一致，就业弹性偏低等等，这势必会影响河北省以后的发展。
最后，针对河北省产业结构和就业结构存在的问题，本文将从投资、农业、工业等各方面提出政策建议，势必对河北省的就业潜力予以挖掘，推动河北省经济的健康快速发展。
关键词：产业结构；就业结构；协整检验；预测目录一、研究背景 (1)二数据来源及模型简介 (2)2.1数据来源 (2)2.2模型简介 (2)2.2.1 协整检验 (2)2.2.2 Granger因果检验 (2)三、河北省产业结构与就业变动的定性描述 (3)3.1 河北省产业结构演变与现状 (3)3.2 河北省就业人数演变与现状 (6)四、河北省产业结构变动对就业影响的定量研究 (8)4.1 河北省产业结构与就业人数相关性研究 (8)4.2 产业结构与就业的偏差研究 (9)4.3 产业扩张弹性研究 (13)4.4 产业结构拉动就业人数研究 (15)4.4.1 1985-2009年河北省就业弧弹性分析 (15)4.4.2 1985-2009年河北省就业弹性的双对数模型分析 (19)4.5 Granger因果检验 (22)五、河北省产业结构、就业情况的趋势定量分析 (24)5.1基于ARIMA模型的河北省产业结构预测分析 (24)5.2 基于产业结构变动的就业趋势预测 (26)六、对策和建议 (27)6.1 结构优化路径选择 (27)6.1.1利用投资对就业的有效拉动作用 (27)6.1.2 对社会服务业、卫生体育和社会福利业等行业给予产业政策倾斜，对于其发展给予财政资金支持 (27)6.2三大产业发展的相关建议 (28)6.2.1农业方面 (28)6.2.2工业方面 (29)6.2.3服务业方面 (29)参考文献 (31)附录 (32)一、研究背景扩大就业是促进河北省经济健康发展和促进社会和谐稳定的重要保证。
基于ARIMA模型的河北省城市化发展研究
基于ＡＲＩＭＡ模型的河北省城市化发展研究城市化发展是当前经济社会发展的必然，是带动新一轮经济增长的有效载体，而经济社会的发展也是城市化水平不断提高的过程。
本文运用自回归单整移动平均（ARIMA）模型，对河北省城市化水平的发展情况进行分析与预测，结果发现其预测效果，能够反映出河北省城市化的发展趋势。
文章借此希望对河北省在实施城镇化战略的过程中，制定相应方针政策时起到一些参考作用，提供一定的数据支持。
关键词：城市化ARIMA模型ADF检验河北省城市化发展现状分析河北省城市大多沿铁路线分布，这些城市的发展对华北乃至环京津、环渤海两大经济圈的发展有着重要作用。
改革开放以来，在河北省经济发展过程中，快速的城市化已经与大量的劳动力从农业部门向其它部门转移相伴。
在1978～2004年期间，河北省城市化水平基本每年都有所提高（见图1），1978-1989年，城市化水平平稳上升，平均每年提高速度为0.35个百分点；在1990、1991两年间受国内形势的影响，河北省城市化水平略有下降；1992～2004年期间，河北省非农人口比重又出现了持续快速上升的趋势，平均每年增长速度高达0.94个百分点，到2004年河北省城镇非农人口占总人口的比重上升到26.68%。
随着河北省城镇非农人口的增长与城市基础设施的完善，城镇已经发展成为教育、科研、服务的中心和现代化的工业基地，及具有一定文化、经济基础的社会经济中心。
2003年河北省共有设区市11个，县级城市22个，建制镇781个，设区市建成区面积平均为448.34平方公里。
逐步形成以地级城市为中心，建制镇为基础的城镇体系框架。
河北省城镇作为区域经济发展的中心，在区域经济素质提升中处于不可替代的位置，由于交通的便利，吸引着商品、劳动力的集聚和生产的集中，大量人口进入城市，为城市扩散效应的产生奠定良好的基础，并由此带动周围地区经济发展。
河北省城市的资源集聚功能表现较为充分，有效地带动了区域人口、资本、资源的流入，带动了城市化水平的提高。
ARIMA模型预测案例
ARIMA模型预测案例假设我们要预测公司未来一年的销售额，已经收集到了该公司过去几年的销售额数据，我们希望通过ARIMA模型对未来的销售额进行预测。
首先，我们需要对销售额数据进行初步的可视化和分析。
通过绘制时间序列图，可以观察到销售额的趋势、季节性和随机性。
这些特征将有助于我们选择ARIMA模型的参数。
接下来，我们需要对数据进行平稳性检验。
ARIMA模型要求时间序列具有平稳性，即序列的均值和方差不随时间变化。
可以通过ADF检验或单位根检验来判断序列是否平稳。
如果序列不平稳，我们需要对其进行差分处理，直到达到平稳性。
接下来，我们需要确定ARIMA模型的参数。
ARIMA模型由AR（自回归）、I（差分）和MA（移动平均）三个部分组成。
AR部分反映了序列的自相关性，MA部分反映了序列的滞后误差，I部分反映了序列的差分情况。
我们可以使用自相关函数（ACF）和部分自相关函数（PACF）的图像来帮助确定ARIMA模型的参数。
根据ACF和PACF图像的分析，我们可以选择初始的ARIMA模型参数，并使用最大似然估计方法来进行模型参数的估计和推断。
然后，我们可以拟合ARIMA模型，并检查拟合优度。
接着，我们需要进行模型诊断，检查模型的残差是否满足白噪声假设。
可以通过Ljung-Box检验来判断残差的相关性。
如果残差不满足白噪声假设，我们需要重新调整模型的参数，并进行重新拟合。
最后，我们可以利用已经训练好的ARIMA模型对未来的销售额进行预测。
通过调整模型的参数，我们可以得到不同时间范围内的销售额预测结果。
需要注意的是，ARIMA模型的预测结果仅仅是一种可能的情况，并不代表未来的真实情况。
因此，在实际应用中，我们需要结合其他因素和信息来进行决策。
综上所述，ARIMA模型是一种经典的时间序列预测方法，在实际应用中具有广泛的应用价值。
通过对时间序列数据的分析和模型的建立，我们可以对未来的趋势进行预测，并为决策提供参考。
然而，ARIMA模型也有一些限制，如对数据的平稳性要求较高，无法考虑其他因素的影响等。
华北理工大学学报社科版论文
华北理工大学学报（社科版）论文模板说明：此“论文模板示例”是由多篇文章拼接而成，内容多有不连贯处，仅供修改体例格式时参考。
具体格式要求（如正文以下改为双栏排等）以“论文格式”为准。
红色为说明性文字。
基于ARMA模型河北省地区收入总额的预测研究论文题目要精炼、醒目，去掉“研究”字样，一般不超过20 个字，题名中应避免使用非公知公用的缩略语、字符、代号以及结构式和公式。
翟超1，王玲2（1.华北理工大学后勤第一集团，河北唐山 063210；2.华北理工大学出版管理中心，河北唐山 063210）作者姓名之间用逗号隔开；单位排在姓名之下，单位名称用全称，后加逗号排所在省、市及邮编。
关键词：ARMA；河北省地区收入总额；时间序列分析关键词尽量选用《CA》关键词表中提供的规范词，一般列3～8 个关键词，词间加分号。
摘要：大多数时间序列具有惯性或是迟缓性。
通过对这种惯性的分析，未来值可以由时间序列的当前值进行估计。
本文以1978年到2011年河北省地区收入总额数据为研究对象，将这些数据平稳化并做分析，发现ARMA (2, 2)模型能比较好的对河北省地区收入总值进行时间序列分析和预测。
摘要（不用“提要”）中一般不出现公式，去掉“本文”字样，应具有独立性和自含性，简述研究的背景、目的、方法、结果。
其中不应出现图表、冗长的数学公式和非公知公用的符号、缩写词语以及文献序号。
篇幅在100~300字。
中图分类号：TQ172.1+8文献标识码：A可列出一个或一个以上中图分类号，按《中国图书馆分类法》确定。
_________________________________________________________收稿日期：2014–10–01修回日期：2014–12–01基金项目：本文系国家社会科学基金项目“河北省地区收入总额的预测研究”（课题编号：37892109）。
作者简介：姜奉华（1989～），男，安徽宿松人，上海师范大学马克思主义学院硕士研究生，研究方向：中国特色社会主义理论与实践。
中国GDP的计量经济模型(ARIMA模型)分析
提要本文建立了 1952～2007 年中国 GDP的计量经济模型(ARIMA模型)。
对有指数趋势的原始序列用单位根法和自相关图法判别差分后序列是否平稳，先通过最小 BI C值建立计量经济模型中的时间序列模型，然后利用AI C和SBC准则判别所建立的模型是否为最优，然后用条件最小二乘法对模型的参数进行估计，并进行白噪声检验和参数显著性检验，预测2008～2015 年 GDP的发展水平。
A时间序列是指按照时间顺序得到的变量的观测值，而按时间顺序得到的经济变量的观测值即为经济时间序列。
文中讨论的 ARIMA 模型是一类常用的随机时序模型，它是一种精度较高的时序短期预测方法，其基本思想是：某些时间序列是依赖于时间 t 的一族随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型近似描述。
通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测。
我国 GDP 总量的形成是一个复杂的过程，受经济、政策、科技水平、自然等多因素的影响。
GDP 总量或人均 GDP 预测的理论及应用研究非常多。
国内外学者对我国GDP 的研究方法主要有三种：(1)时间序列方法：研究 GDP 随时间发展的规律。
通过时间序列的历史数据揭示现象随时间变化的规律，建立 ARMA、 ARCH 等模型，将这种规律延伸到未来，从而对该现象的未来作出预测;(2)协整检验的计量经济学模型：通过分析影响 GDP 发展的本质因素，研究 GDP 与这些因素的协整关系，建立计量经济学模型;(3)生产函势，并具有很强的非平稳性。
2、数据平稳化。
对于含有指数趋势的时间序列，可以通过取对数将指数趋势转化为线性趋势，然后再进行差分以消除线性趋势。
取对数过后的 GDP 依旧存在非平稳性，需要对其进行差分，先进行一阶差分，绘制一阶差分后的时间序列图。
从图中很难看出一阶差分后的序列是否平稳。
arima数学建模
arima数学建模ARIMA（自回归综合移动平均模型）是一种常用于时间序列分析和预测的数学模型。
它结合了自回归（AR）模型和移动平均（MA）模型，克服了各自模型的不足，具有较高的预测准确性和稳定性。
本文将介绍ARIMA数学建模的基本原理和应用领域。
二、ARIMA的基本原理ARIMA模型是根据时间序列的趋势、周期性和随机性等特点来进行建模和预测的。
它由三个部分组成：自回归（AR）部分、差分（I）部分和移动平均（MA）部分。
其中，自回归部分描述了当前值与过去值的相关性，差分部分用于处理时间序列的趋势特征，移动平均部分描述了当前值与过去随机误差的相关性。
三、ARIMA的应用领域ARIMA模型在各个领域都有广泛的应用。
在经济学中，ARIMA模型被用于金融市场预测、宏观经济指标预测等。
在气象学中，ARIMA模型可以用于天气预测、气候变化分析等。
在工业生产中，ARIMA模型可以用于预测销售趋势、生产指标等。
此外，ARIMA模型还可以应用于股票市场预测、人口统计分析等领域。
四、ARIMA建模步骤1. 数据收集：首先需要收集与待建模问题相关的时间序列数据。
2. 数据预处理：对收集到的数据进行检查、清洗和转换等处理，以确保数据的准确性和可靠性。
3. 模型选择：根据问题的特点，选择合适的ARIMA模型，包括确定自回归阶数、差分次数和移动平均阶数。
4. 模型拟合：将选定的ARIMA模型与数据进行拟合，估计模型参数，并进行模型检验和参数优化。
5. 模型预测：利用已拟合的ARIMA模型对未来时间点进行预测，得出对应的预测结果。
6. 模型评估：对预测结果进行评估，包括计算预测误差、分析模型的准确性和稳定性等。
ARIMA数学建模是一种常用的时间序列分析和预测方法，具有广泛的应用领域。
通过理解ARIMA的基本原理和建模步骤，我们可以更好地应用ARIMA模型进行数据分析和预测，提高问题解决的准确性和可靠性。
希望本文对读者对ARIMA数学建模有所了解和启发。
基于arima和var模型的我国季度gdp预测比较
参数估计结果显示，误差值较小，且各系数均显著，说明模 型拟合效果较好，可以选择该模型拟合时间序列。
3.模型诊断 在建立模型时假设残差之间不相关，且残差服从正态分布， 因此需要对拟合后的残差进行检验。选择Ljung-Box检验残差之 间是否相关，原假设为残差之间不相关。经过计算可以得到p值为 0.4977，大于0.01，即接受原假设，可以认为残差之间符合不相 关的假设。 通过图2，发现散点大致分布在直线两侧，因此可以认为残差 服从正态分布。
在VAR模型方面，Litterman(1980)第一次将VAR模型用于 经济预测。Litterman模型包含六个变量：国债利率、M1、GNP 缩减指数、真实GNP、真实固定资产投资和失业率，预测结果表 明在GDP和就业等真实变量上VAR超过了传统的结构性模型， 在通货膨胀率的预测上则不令人满意。随后有大量文献对VAR
MA(q)模型的形式如下：
其中：参数μ为常数；参数θ是阶移动平均模型的系数；q为 移动平均模型滞后阶数；wt是均值为0，方差为σ2的白噪声序列。
ARIMA(p,d,q)模型的形式如下：
50 现代商业 MODERN BUSINESS
产业研究 | The Industrial Study
p为自回归模型滞后阶数，d为时间序列单整阶数，q为阶移动 平均模型滞后阶数。当时，p=0，此时ARIMA模型退化为MA模 型；当时，q=0，ARIMA模型退化为AR模型。
对宏观变量的预测包括两大类方法：利用模型预测和主观判断 性预测。上世纪60、70年代各国中央银行盛行使用结构性计量模 型进行预测，进入80年代，结构性模型逐渐被VAR模型取代。
目前较为通用的GDP预测方式，是采用时间序列模型的计量 经济学分析。该方法特别适用于经济运行的短期分析。时间序列模 型，是根据系统观测得到的时间序列数据，通过曲线拟合和参数估 计，来建立数学模型的理论和方法。其中最为常见的是自回归移动 平均模型(ARIMA模型)和向量自回归模型(VAR模型)。
基于ARIMA模型的国内生产总值预测
2020·5（下）《科技传播》40作者简介：蔡淅韵，本科在读，华南师范大学数学科学学院，研究方向为统计预测与决策。
基于ARIMA模型的国内生产总值预测蔡淅韵摘 要 文章对1992—2018年的GDP 季度数据进行建模预测。
用确定性分析消除季节效应后通过ARIMA 模型进行拟合，通过对数据误差分析、模型参数估计、模型检验等综合分析，确立了符合趋势性和周期性特点的ARIMA 模型。
该模型具有精确度高的特点，能够恰当对短期GDP 数据进行预测。
再用软件预测未来3年国内GDP 总值，最终得出未来3年国内GDP 将逐年稳定上升的特点。
关键词 GDP ；ARIMA 模型；短期预测中图分类号 G2 文献标识码 A 文章编号 1674-6708（2020）259-0040-02近年来，中国国内生产总值保持较快增长，经济总量不断扩大，发展取得显著成就。
国内生产总值（GDP），是指按照市场价格计算的一个国家或地区所有常住单位在一定时期内生产活动的最终成果，能够反映经济实力和市场规模。
如何利用适当的模型对其进行时间序列分析和预测，对更好地研究国家经济表现具有重要的经济意义。
为了更好地研究国家的经济表现，本文选取季度GDP 作为经济指标，对该指标进行分析，建立了包含趋势和季节成分的ARIMA 模型并进行短期的季度预测。
1 基于ARIMA 模型的GDP 预测理论模型对GDP 进行短期预测时，季节性ARIMA 模型能够刻画出数据变化特征和周期性特征。
利用ARIMA 模型建模首先需要对序列平稳性进行识别。
一般来说，经济运行的时间序列都不是平稳序列，则需要对数据进行差分处理。
如果数据存在异方差需进行对数运算，直到处理后数据的自相关函数值、偏自相关函数值无显著地异于0。
在生活中，部分时间序列具有明显周期性季节效应、趋势效应和随机波动。
首先求出季节效应拟合t S ，并采用中心化的方法将该估计加以修正得到新的估计*iˆS ，最终通过差分处理消除趋势效应的影响。
基于ARIMA 模型对中国M2GDP 的预测
摘要：M2/GDP是广义货币供应量(M2)与国内生产总值(GDP)的比值，它是一个常用的金融指示或经济指标，能够衡量一个国家一定时期内货币超发的程度。
改革开放以来，我国广义货币供给M2呈现明显上升趋势，1978年M2为1 159.1亿元，到2017年增长为1 676 800亿元，而且通过计算相关数据可知，基本上每年GDP的增速都小于M2的增速，导致我国M2/GDP比值持续上升。
M2/GDP的值不宜过高，已经成为学术界和货币管理部门的共识。
本文从货币超发这一角度出发，对M2/GDP构建ARIMA模型进行预测，得到了在未来中国的货币超发水平仍将持续扩大，需警惕货币超发造成的物价上涨、资产泡沫等不良后果的结论。
关键词：货币超发；M2/GDP；ARIMA模型M2/GDP是国际上衡量货币超发比较主流指标，如果该值较高，则说明货币发行量超出了经济发展实际需要的货币数量，货币利用效率低下[1]。
中国的M2/GDP从1978年的0.35上升至2018年的2.03，增长的幅度惊人。
横向比较其他国家，中国的M2/GDP的值也是居于世界前列[2]。
根据国际和历史经验，货币超发往往会造成资产泡沫、通货膨胀等经济问题，对M2/GDP未来的发展趋势的研究能够为政府政策制定提供一定的参考。
本文选择从1952年至2018年的M2/GDP数据，应用时间序列分析对M2/GDP构建ARIMA模型并对其进行经济预测，观察我国的货币超发情况未来发展趋势，为政府相关人员研究与制定货币政策提供参考。
一、文献综述美国经济学家Ronald I.Mckinnon(1973)最早提出M2/ GDP这一指标，他将M2/GDP同一个国家的金融深化程度联系起来，认为M2/GDP可以代表一个国家金融深化的程度[3]。
Gibson Chigumira和 Nicolas Masiyandima(2003)[4]的相关研究证实了，金融机构和资产的变化可以使得M2/ GDP的值发生显著改变。
基于ARIMA模型的河北省人口预测
基于ARIMA模型的河北省人口预测作者：赵华薛红艳来源：《时代金融》2013年第24期【摘要】本文基于河北省人口数据资料，在ARMA自相关原理及时间序列平稳性分析基础上，运用ARIMA模型对河北省未来五年的人口数量进行了预测，并给出了相应建议。
【关键词】河北省人口 ARIMA 模型一、前言人口预测，指根据一个国家、一个地区现有人口状况及可以预测到的未来发展变化趋势，测算在未来某个时间人口的状况。
现阶段人口问题已经成为我国面临的重要问题之一，而河北省一直是中国的人口大省。
到2010年底，我省人口已达到7194万，位居全国第六。
人口问题涉及到我省居民素质、经济发展、社会稳定等社会协调可持续发展的各方面的问题。
适度的人口规模是经济、社会、资源和环境保护协调发展的强有力的保证。
认识人口数量的变化规律，建立人口模型，做出较准确地预测，是有效控制人口规模的前提。
本文运用分析功能强大的数据分析软件EVIEWS进行数据分析，并通过建立模型对未来人口数量进行预测，节约了手工计算时间，简化了手工计算过程，而且更精确地反映我省人口数量的变化规律，本文所用模型为ARMA模型。
二、ARMA自相关分析原理ARMA模型分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。
它有三种类型：自回归（AR：Auto-regressive）模型、移动平均（MA：Moving Average）模型以及自回归移动平均（ARMA：Auto-regerssive Moving Avegare）模型。
（一）自回归模型如果时间序列y，是它的前期值和随机项的线性函数，即可表示为：则该时间序列是p阶自回归序列，记为AR（P）。
随机项，与之后变量不相关，是相互独立的白噪声序列，且服从均值为0、方差为的正态分布。
（二）移动平均模型如果时间序列y，是它的当期和前期的随机误差项的线性函数，即可表示为：则称该时间序列是q阶移动平均序列，记为MA（q）。
ARIMA模型在中国GDP预测中的应用
摘要：在经济快速发展的今天，对gdp的分析预测显得尤为重要。
本文就1978-2014年的国内生产总值进行了分析，建立了arima模型。
通过数据平稳性检验、模型的参数识别、模型诊断等综合分析，确立了arima（3，1，3）为最优模型。
该模型具有简单实用、预测精度高的特点，能恰当描述中国gdp的状况，可以用来进行短期预测，为政府部门制定经济计划提供依据和参考。
关键词：gdp；arima模型；预测一、引言gdp是指一定时期内，一个国家或地区在经济中所生产的全部最终产品和劳务的市场价值总和。
我们常常用它来反映经济的发展状况以及价格的变化情况，并且以此为政府制定相应的政策提供参考。
在经济快速发展，竞争日益激烈的当今社会，谁能准确把握经济的未来走势，合理的判断经济的景气情况，谁就能立于不败之地，因此需要对国家gdp的预测进行分析，这也是本文研究的意义所在。
二、文献综述对经济发展的研究，一直以来受到广大学术界和政府部门的青睐，被学者研究至今，而gdp作为衡量经济发展的重要方向。
从理论到实证都有很多，由于越来越多的因素的影响，绝大部分的经济时间序列数据呈现出非平稳性[1]。
一般的模型都只能对平稳时间序列进行分析，或者将非平稳的转化为平稳的，而arima模型在处理非平稳序列方面有其独特的优势，因此很多学者都用它来建模。
如胡永红等的将arima应用于区域水生态足迹研究[2]；池启水等的arima应用于预测煤炭消费量[3]。
随着科学的发展，技术的进步，在arima建模过程中，对于如何判定滞后阶数，不同的学者给出了不同的建议和决策，例如龚国勇和刘明鼎在做文章时，通过直接观察相关图来判断，并未考虑aic准则或sc准则，如此得出的滞后阶数并不一定为最优的[3-4]。
综合以上参考文献的阅读研究，本文在用arima模型进行gdp预测时，对于最优参数的选取，通过多次检验和尝试来确定，以保证该模型为最理想的模型。
三、模型简介（一）arima模型概述又称为自回归移动平均模型，由ar（p）、ma（q）、arma（p，q）逐渐拓展而来，因为后三种模型只能针对平稳时间序列建模，arima模型打破了这个限制，可以直接对非平稳学建模，它由自回归项、移动平均项和转化为平稳序列所需要的差分次数所构成。
ARIMA模型在河北GDP预测中的应用
（ １ 型 ； 回归 求 积移 动 平 均（ ＲＭＡ模 具 有 统计 意义 ．诊 断 残 差 序 ＭＡ模 自 ＡＩ ）
型 ．使 模 型 同 时综 合 考 虑 了预 测 变 量 的 过 列 是 否 为 白噪 声 。
符 合 ＡＲＭＡ 的建 模 要 求 。 Ｉ
ＡＲ ＭＡ 模 型 的 识 别 与 定 阶 可 以 通 过 Ｉ
关键 词 中 图分 类 号
ＡＲ Ａ 模 型的建模 思想
立 相 应 的模 型 。若 平 稳 序 列
的偏 相 关 函数 是 截 尾 的 ， 而
对 于一 个 非平 稳序 列 来 说 。其 数 字 特 自相 关 函数 是 拖 尾 的 。可 断 征 。 均 值 、 差 和 协方 差等 是 随 着 时 间的 定 序 列 适 合 ＡＲ模 型 ；若 平 如 方
为 此 。 ９ ０年 Ｂ ｘ Ｊ ｎ ｉｓ提 出 了 以 随 机 型 。 １７ ｏ — ｅ ｋｎ
理 论 为 基 础 的时 间 序 列 分 析 方 法 。其 基 本
（ ）进 行 模 型 检 验 主要 ４
图 ｌ 一 阶差 分 的 相 关 系 数 图
模 型包 括 三 种 ： 自回归 （ １ 型 ； 动平 均 有参 数 估 计 。检 验 参 数 是 否 ＡＲ模 移
ＤＷ ＝ ． ６ ４ １ ＡＩ 一 ．３ ７ Ｓ ２０ ７ ５ ． Ｃ＝ ２ ７ ２１ ６． Ｃ＝ 一
（ ） 据 时 间序 列 的散 点 图 、 １根 自相关 函 北 国 内 生 产 总 值 序 列 取 对 数 形 式 记 为 Ｙ＝ ｌ
５８ ９１ 数 和偏 自相 关 函 数 图 以 Ａ Ｆ单 位 根 检 验 Ｌ Ｘ， 一 阶 差 分 后 的 序 列 记 为 Ｚ Ｙ一 ２． ４ ９ Ｄ Ｎ 其 ｌ Ｙ一 ＝
基于ARIMA-GM组合模型的中国GDP预测
基于ARIMA-GM组合模型的中国GDP预测作者：徐宇翔蒋雯李靠队来源：《科学导报·学术》2020年第20期摘要：本文基于求和自回归移动平均模型（ARIMA）与灰色模型GM（1，1）先对中国GDP单独拟合，再构建ARIMA-GM组合模型来优化GDP预测效果。
利用1980年—2014年中国历年GDP数据构建ARIMA模型，以2015年-2017年数据作为模型测试值，将上述ARIMA 模型拟合时产生的残差值进行处理，用GM（1，1）模型拟合，构建ARIMA-GM组合模型拟合并预测。
在三种模型拟合与预测GDP中，ARIMA-GM模型的均方根误差RMSE值均为最小，其他指标都表明ARIMA-GM的拟合及预测误差最小。
关键词：ARIMA 模型;GM（1，1）模型;ARIMA-GM组合模型;GDP预测中图分类号：F234 文献标识码：A引言国内生产总值（Gross Domestic Product，GDP）：是指一个国家（或地区）所有常住单位在一定时期内生产的全部最终产品和服务价值的总和，常用来衡量国家（或地区）经济状况的指标。
它能够反映其国家或地区的经济增长、经济规模、人均经济发展水平、经济结构和价格总水平变化。
在中国改革开放之后，我国经济持续发展，GDP不断上升，实现了“高增长—低通胀”的宏观格局[1]。
GDP作为衡量国家经济的一个重要指标，对GDP的精确分析与掌控就尤为重要，因此建立一种GDP拟合和预测精度较高的模型十分必要，同时也能为我国经济发展供相当重要的参考。
以往有不少学者针对GDP预测应用时间序列分析[2-4]，本文尝试时间序列的组合模型来提升拟合和预测效果。
本文基于求和自回归移动平均模型（ARIMA）与灰色模型GM（1，1）单独分析与ARIMA-GM组合分析，以我国1980年-2017年国内生产总值为依据，对数据进行拟合和预测分析。
最后选取最优模型对我国未来三年的GDP作出合理的预测。
河北省FDI的Intervention-ARIMA预测
河北省FDI的Intervention-ARIMA预测发表时间：2011-04-02T13:29:03.003Z 来源：《价值工程》2011年第3月中旬供稿作者：李春林王会岩[导读] 在经济全球化的背景下，外商直接投资的流入无疑是发展中国家获得所要消化吸收的先进技术或知识的重要途径李春林 Li Chunlin；王会岩 Wang Huiyan（河北经贸大学数学与统计学学院，石家庄 050061）（College of Mathematics and Statistics，Hebei University of Economics and Business，Shijiazhuang 050061，China）摘要：本文利用Intervention-ARIMA模型对河北省FDI（外商直接投资额） (1994-2009年)时间序列进行了动态拟合，重点考虑了1997年中期爆发的亚洲金融危机对河北省FDI的干预影响，取得了较好的拟合效果，并预测了河北省未来几年的招商引资情况的发展趋势。
通过分析得出未来几年河北省的引资状况发展良好，而如何有效的利用则成为不容回避的问题。
Abstract: This paper dynamically simulates the time series of Hebei Province's FDI(foreign direct investment) (1994-2009) by the intervention-ARIMA model. It specifically considered the intervention impact of the Asian financial crisis on the FDI of Hebei Province, and achieved good fitting results. Then it used the simulation model predicted the growth trend of attracting business transactions and foreign investments in Hebei Province in recent years. Analysis indicates that status of attracting foreign capital in Hebei Province will have a well-developed in the next few years, but how to use the investments effectively becomes an unavoidable issue.关键词： FDI；Intervention-ARIMA；预测Key words: FDI；intervention-ARIMA；forecast中图分类号：F222 文献标识码：A 文章编号：1006-4311（2011）08-0124-020 引言在经济全球化的背景下，外商直接投资的流入无疑是发展中国家获得所要消化吸收的先进技术或知识的重要途径。
ARIMA模型在经济预测中的应用
势及其季节性变化规律，对序列的平稳性进行识别。一般来 讲， 经济运行的时间序列都不是平稳序列。 （2） 对非平稳序列 进行平稳化处理。如果数据序列是非平稳的，并存在一定的 增长或下降趋势， 则需要对数据进行差分处理， 如果数据存在 异方差， 则需对数据进行技术处理， 直到处理后的数据的自相 关函数值和偏相关函数值无显著地异于零。 根据时间序列 （3） 模型的识别规则， 建立相应的模型。 如果平稳序列的偏相关函 数是截尾的， 而自相关函数是拖尾的， 可断定序列适合 AR 模 型； 如果平稳序列的偏相关函数是拖尾的， 而自相关函数是截 尾的， 则可断定序列适合 MA 模型； 如果平稳序列的偏相关函 数和自相关函数均是拖尾的， 则序列适合 ARMA 模型。 进 （4） 行参数估计， 并检验其是否具有统计意义。5） （ 进行假设检验， 诊断残差序列是否为白噪声。 （6）利用已通过检验的模型进 行预测分析。 泥脱水性问题。 总而言之， 根据炼钢生产工艺不同， 而目前的炼钢通常是 采用燃烧法与未燃法， 在生产过程中排出的废水也有很大的差 别， 而且每个环节也不一样， 就需要炼钢企业树立起高度的大局 意识和责任意识， 灵活处理每个环节的废水， 达到解决问题的目 的。 并且以昂扬的斗志和高涨的热情， 团结协作， 奋力攻坚的姿 态， 奋力向前， 克服任何问题， 使我国钢铁事业得到良好发展。 参考文献： [1] 刘江. 冷轧废水站厢式压滤机压泥效果不好的原因分析及 措施研究[A].2010 年全国能源环保生产技术会议文集[C]. 2010 . [2] 曹跃华.钢厂冷轧含油废水处理工艺研究[A].自动化技术与 冶金流程节能减排——全国冶金自动化信息网 2008 年会 论文集[C]. 2008 . [3] 戴昆仑,宋若春.浅析反渗透浓水回用 [J].工业水处理,2006 (7). [4] 方志斌,肖国军,尹谷余,刘伟荣. 无机膜技术在含油乳化液 处理中的应用 [A]. 第三届膜分离技术在冶金工业中应用 研讨会论文集[C].2009 . [5] 潘真,胡俊勇.新钢工业废水处理技术分析[A ].2010 年全国 能源环保生产技术会议文集[C].2010 .
ARIMA与指数平滑在GDP预测中的应用（可编辑）
ARIMA与指数平滑在GDP预测中的应用中国科技论文在线////0>.ARIMA 与指数平滑在 GDP 预测中的应用**单玉隆,严定琪(兰州大学数学与统计学院,兰州 730000)5摘要 : 本文利用我国 1978 年至 2010 年共计 33 年的 GDP 数据预测2011 、2012 年的 GDP数据, 利用 EVIEWS 通过自相关函数法 (EACF ) 来选择 ARIMA 模型的参数, 对数据进行预测, 然后再利用指数平滑模型对数据进行预测, 最后对比两组预测数据与真实数据的相差程度来选择更优的预测模型。
10 关键词 :GDP ;ARIMA ; 指数平滑 ;EVIEWS中图分类号 :O29;F224.7ARIMA and exponential smoothing is applied in theprediction of GDP15 SHAN Yulong, YAN DingqiSchool of mathematics and statistics,Lanzhou University,Lanzhou 730000Abstract: This paper is to forecast China’s GDP in 2011 and 2012 by using the GDP data of Chinafrom 1978 to 2010.Through the EACF to select the parameters of the ARIMA model usingEVIEWS, then to pedict the data of 2011 and 2012.Then using the exponential smoothing model20 to predict the data,finally Comparing the two groups of difference of degree of the prediction dataand the real data to select the better prediction modelKey words: GDP;ARIMA; Exponential smoothing;EVIEWS0 引言25 国内生产总值(Gross Domestic Product ,简称GDP )是指在一定时期内(一个季度或一年) , 一个国家或地区的经济中所生产出的全部最终产品和劳务的价值, 常被公认为衡量国家经济状况的最佳指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
科技创业ＰＩＯＮＥＥＲＩＮＧＷＩＴＨＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＭＯＮＴＨＬＹ月刊科技创业月刊２００７年第１１期１ＡＲＩＭＡ模型的建模思想对于一个非平稳序列来说，其数字特征，如均值、方差和协方差等是随着时间的变化而变化的，也就是说，非平稳序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握序列整体上的随机性。
但在宏观经济领域的实证研究中，多数经济时间序列都是非平稳的，例如ＧＤＰ、收入、消费、货币需求、价格水平和汇率等，为此，１９７０年Ｂｏｘ－Ｊｅｎｋｉｎｓ提出了以随机理论为基础的时间序列分析方法，其基本模型包括三种：自回归（ＡＲ）模型；移动平均（ＭＡ）模型；自回归求积移动平均（ＡＲＩＭＡ）模型，使模型同时综合考虑了预测变量的过去值、当前值和误差值，从而有效地提高了模型的预测精度。
ＡＲＩＭＡ模型（Ｐ，ｄ，ｑ）又称为自回归求积移动平均模型。
其中，ＡＲ指自回归，Ｐ为模型的自回归项数；ＭＡ为移动平均，ｑ为模型的移动平均项数；Ｉ指积分，ｄ为时间序列成为平稳之间必须取其差分的次数。
其一般表达式为：Ｙ１＝α１Ｙｔ－１＋α２Ｙｔ－２＋……＋αｐＹｔ－ｐ＋μｔ－β１μｔ－１－β２μｔ－２－……－βｑμｔ－ｑＡＲＩＭＡ模型预测的基本程序：（１）根据时间序列的散点图、自相关函数和偏自相关函数图以ＡＤＦ单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。
一般来讲，经济运行的时间序列都不是平稳序列。
（２）对非平稳序列进行平稳化处理。
如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理。
如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。
（３）根据时间序列模型的识别规则，建立相应的模型。
若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的。
可断定序列适合ＡＲ模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定序列适合ＭＡ模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ＡＲＩＭＡ模型。
（４）进行模型检验主要有参数估计。
检验参数是否具有统计意义，诊断残差序列是否为白噪声。
（５）利用已通过检验的模型进行预测分析。
２ＡＲＩＭＡ模型在河北ＧＤＰ预测中的应用本文的数据是１９８５￣２００４年的河北ＧＤＰ数据，来源于《河北省经济年鉴２００５》。
原始数据Ｘｔ具有明显长期上升趋势，非水平平稳，所以，为了消除原始数据序列的异方差，使数据更为平稳，本文采用对河北国内生产总值序列取对数形式记为Ｙｔ＝ＬＮＸｔ，其一阶差分后的序列记为Ｚｔ＝Ｙｔ－Ｙｔ－１。
为了判断数据Ｚｔ的平稳性，应用单位根检验方法检验（见表１）。
从表１可以看出数列Ｚｔ是平稳数列，符合ＡＲＩＭＡ的建模要求。
ＡＲＩＭＡ模型的识别与定阶可以通过样本的自相关与偏相关函数的观察获得。
从图１可以看出，自相关系数在滞后阶数为１时显著不为零，在滞后阶数大于１时基本都处于置信带内，所以可取ｑ＝１。
偏相关系数在滞后阶数等于１时显著不为零，所以ｐ＝１。
并且与同时建立了多个模型比较，当ｑ＝１，ｄ＝１，ｑ＝１时，模型的ＡＩＣ与ＳＣ均取得最小。
结果如下：Ｚｔ＝０．１５６７＋０．０３５２ＡＲ（１）＋０．７１９７ＭＡ（１）ＤＷ＝２．０６７４５１，ＡＩＣ＝－２．７３２１７６，ＳＣ＝－２．５８４９１９对模型的Ｑ统计量进行白噪声检验，可以得出残差序列相互独立即为白噪声的概率很大，故不能拒绝序列相互独立的原ＡＲＩＭＡ模型在河北ＧＤＰ预测中的应用文明刚１颜丙胜２（１河南师范大学经济管理学院河南新乡４５３００７２河北理工大学经济管理学院河北唐山０６３００９）摘要采用求和自回归移动平均模型（ＡＲＩＭＡ），对河北经济年鉴的数据进行分析。
结果显示，ＡＲＩＭＡ（１，１，１）模型提供较准确的预测结果，可用于未来的预测，可为河北发展提供可靠的参考依据。
关键词ＡＲＩＭＡ时间序列ＧＤＰ预测中图分类号Ｆ２２４．９文献标识码Ａ收稿日期：２００７－０７－１６表２残差单位根检验ＡｕｇｍｅｎｔｅｄＤｉｃｋｅｙ－ＦｕｌｌｅｒｔｅｓｔｓｔａｔｉｓｔｉｃＴｅｓｔｃｒｉｔｉｃａｌｖａｌｕｅｓ：１％ｌｅｖｅｌ５％ｌｅｖｅｌ１０％ｌｅｖｅｌｔ－Ｓｔａｔｉｓｔｉｃ－５．２３３６４３－２．６６９３５９－１．９５６４０６－１．６０８４９５Ｐｒｏｂ．＊０．００００表１一阶差分的ＡＤＦ检验结果ＡｕｇｍｅｎｔｅｄＤｉｃｋｅｙ－ＦｕｌｌｅｒｔｅｓｔｓｔａｔｉｓｔｉｃＴｅｓｔｃｒｉｔｉｃａｌｖａｌｕｅｓ：１％ｌｅｖｅｌ５％ｌｅｖｅｌ１０％ｌｅｖｅｌｔ－Ｓｔａｔｉｓｔｉｃ－３．００７２８７－３．７５２９４６－２．９９８０６４－２．６３８７５２Ｐｒｏｂ．＊０．０４９１自相关．｜＊＊＊＊｜．｜＊．｜．｜．｜．＊｜．｜．＊｜．｜．｜．｜．＊｜．｜．｜．｜．｜．｜．｜．｜．＊｜．｜．＊｜．｜偏相关．｜＊＊＊＊｜．＊＊｜．｜．｜＊．｜．＊＊｜．｜．｜＊．｜．｜．｜．｜．｜．｜＊．｜．＊｜．｜．｜．｜．＊｜．｜．＊｜．｜１２３４５６７８９１０１１１２ＡＣ０．５３８０．１４２０．０５１－０．１０２－０．１２２－０．０５７－０．０６８０．００９０．０１６－０．０２９－０．０９１－０．１７９ＰＡＣ０．５３８－０．２０９０．１０６－０．２２９０．０８３－０．０４０－０．０３３０．０９１－０．０９６０．０２１－０．１５０－０．０８１Ｑ－Ｓｔａｔ８．１５０１８．７３７９８．８１９１９．１５０７９．６５３２９．７６８８９．９４２６９．９４５７９．９５７２９．９９５４１０．３９３１２．０５６Ｐｒｏｂ０．００４０．０１３０．０３２０．０５７０．０８６０．１３５０．１９２０．２６９０．３５４０．４４１０．４９５０．４４１图１一阶差分的相关系数图１７６ＰＩＯＮＥＥＲＩＮＧＷＩＴＨＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＭＯＮＴＨＬＹＮＯ．１１２００７假设，检验通过。
同时，残差的单位根检验也说明模型模拟效果比较好，可以用于预测，如表２所示。
这里使用了时间序列分析的方法对河北省国内生产总值的年度数据序列建立了自回归预测模型，并利用模型对２００４￣２００７年的数值进行预测和对照。
预测结果与实际值比较如表３所示。
３结语通过ＡＲＩＭＡ（１，１，１）可以对河北省ＧＤＰ进行预测，预测效果较好，但是该模型有个缺陷，随着预测时间的延长，预测误差会越来越大。
总体来说，与其他方法相比，其预测的准确性还是比较高的，尤其是短期预测。
参考文献１易丹辉．数据分析与Ｅｖｉｅｗｓ应用［Ｍ］．北京：中国统计出版社，２００２２石美娟．ＡＲＩＭＡ模型在上海市全社会固定资产投资预测中的应用［Ｊ］．数理统计与管理２００５（１）３李子奈．计量经济学［Ｍ］．北京：高等教育出版社，２０００４覃思乾．Ｂｏｘ－Ｊｅｎｋｉｎｓ法在广西ＧＤＰ预测中的应用［Ｊ］．玉林师范学院学报（自然科学）２００６（３）（责任编辑晓天）ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＡＲＩＭＡＭｏｄｅｌｉｎＨｅｂｅｉＧＤＰＦｏｒｅｃａｓｔＡｂｓｔｒａｃｔ：ＴｈｉｓａｒｔｉｃｌｅａｎａｌｙｓｅｓｔｈｅｄａｔａｏｆＧＤＰｆｕｒｎｉｓｈｅｄｂｙｔｈｅＨｅｂｅｉｓｔａｔｉｓｔｉｃｓｙｅａｒｂｏｏｋｃｏｍｐｉｌａｔｉｏｎｗｉｔｈＡＲＩＭＡｍｏｄｅｌ．ＴｈｅａｎａｌｙｓｅｓｓｈｏｗｔｈａｔＡＲＩＭＡ（１，２，１）ｐｒｏｖｉｄｅｓｃｏｍｐａｒａｔｉｖｅｌｙｐｒｅｃｉｓｅｃｏｍｐａｒａｔｉｖｅｌｙｅｓｔｉｍａｔｉｏｎｒｅｓｕｌｔｓ，ｗｈｉｃｈｃａｎｏｆｆｅｒａｒｅａｓｏｎａｂｌｅｂａｓｉｓｆｏｒＨｅｂｅｉｄｅｖｅｌｏｐｍｅｎｔ．Ｋｅｙｗｏｒｄｓ：ＡＲＩＭＡ，ｔｉｍｅｓｅｒｉａｌｓ，ｆｏｒｅｃａｓｔ表３河北省２００４￣２００７年ＧＤＰ预测值年份真实值预测值２００４８８３６．９８４７２．１８７２００５１０１１６．６９９１５．５０５２００６１１６１３．７１１５９７．６６２００７１３５６４．９２１引言素质教育的目标是培养适应国际竞争与挑战，但从现实来看现在学生的学业压力更大了，心理不健全的人已构成很高比例，调查显示，我国受到情绪障碍和行为问题困扰的１７岁以下青少年有３０００万。
中国教育报（２００２年１２月５日）报道：每年全国因心理疾病退学的大学生占退学总人数的５４．４％，在校大学生中因人际关系、环境适应、情感障碍等心理健康问题的占了相当大的比例。
由此而言，素质教育没有取得期望中的成功，笔者认为心理状态反映了生存状态，心理病大量出现的社会是一种病态社会，而这最根本的原因要归结到人文精神的缺失。
理想的人文教育将完成人区别于动物的品质形成，也就是除衣食的追求外要有人的心理品格，即人格独立、精神自由而愉悦、具有创造性思维、社会责任等，以祖宗之言乃曰“仁义礼智信”五常，只有具有了这些素质后人才会感到幸福、家庭才能和睦、国家方能强大。
而目前承担青少年人文教育的主要课程是文史哲类功课。
特别是语文教育是基础，如果它能够完成对优秀传统的继承，将对学生人文素质的提高大有裨益，也必将对整个民族和国家的未来产生巨大作用，也才能够真正落实素质教育。
２存在的问题２．１解剖式学习，不重视人的主体性当前语文教育最大的特点是完全为西洋制学校教育的产物，故沿用了西洋文化看问题的立场，重视主观对客观现象的描述，把客观现象当作一种东西，分成分支来研究，好像将一台机器拆成零件一般，从宏观到微观，结果学科种类越分越细，对事物的把握并没有清晰起来，反而甚至越来越感到迷惘，这是因为我们对人类的感知能力、觉悟的潜能没有予以应有的重视，我们自身难道仅仅具备解剖学上的意义吗？台湾新儒家学派的王财贵博士认为，现在的语文教育，不是开发学生的阅读潜能，不是调动其阅读的兴趣，而是将一篇本无多大意义的课文讲来讲去，直讲得味同嚼蜡，将学习的兴趣一扫而空；或者将一些没有价值的作业让学生反复练习，直练得潜质尽失，甚至成为完成作业的“容器”。
孩子厌学，就成了一种普遍现象。
在灿烂的东方文明中的“原道说”，是用心去体会和认识道，高校素质教育中传统继承与人文精神的重建———从语文教育回归传统谈起陈晓梅（浙江医药高等专科学校浙江宁波３１５１００）摘要经过人为的政治摧残和消费文化的腐蚀，我国国人原先恪守的精神传统在都已经丧失，素质教育难见成效，究其原因，这是传统文化缺少继承的缘故，通过对现行语文教学的宏观分析，提出语文教育回归传统的必要性。
关鍵词语文教育人文精神传统文化中图分类号Ｇ６４０文献标识码Ａ收稿日期：２００７－０６－２２理论视野１７７。