基于时间序列分析方法的四川省GDP分析与预测.docx

摘要：随着国民经济的日益发展，GDP被公认为衡量国民经济发展、判断宏观经济运行状况的最佳指标。GDP是指经济社会（一国或一地区）在一定时期内（一个季度或一年）运用生产要素所生产出的全部最终产品（物品和劳务）的市场价值。[高鸿业.《西方经济学》,第五版.367页.]在全球经济一体化的大格局下，准确地分析与预测GDP具有非常重要的理论和现实意义。

从统计意义上来讲，时间序列是指将某指标在不同时间的不同数值，按时间先后顺序排成的数字序列。这种序列由于收到各种偶然因素的影响，往往表现出某种随机性，彼此之间存在着统计上的依赖关系。[肖枝洪.《时间序列分析与SAS应用》,第一版.2-3页.]时间序列分析方法，是通过预测对象的历史时间数据，以此分析研究其发展变化的规律来建立模型，借此模型去预测出未知数据。传统的时间序列分析方法主要是确定性分析方法，如移动平均法、线性模型、指数模型等。在实际生活中，不确定性因素带来的影响方方面面，随机分析法引起了人们的广泛关注。随着时代的进步，时间序列分析理论的发展有了新高度，模型拟合更加优化，时序分析与预测更加精确，基本模型有ARIMA模型、残差自回归模型等。

本文以时间序列分析理论为基础，选取四川省2005年至2016年共48个季度GDP，通过SAS软件分析序列，尝试构建多种模型并检验优化，最终比较确定最优模型并预测未来4期四川省季度GDP，分析预测结果与提出政策建议。本文将研究的内容主要包括：研究背景与意义；时间序列分析的基本理论和方法；构建四川省季度GDP时间序列模型；结论与建议。

关键词：时间序列分析，GDP，预测，SAS，ARIMA模型，因素分解，X-11，残差自回归模型

目录

摘要

ABSTRACT

1 文献综述-1

1.1 引言-1

1.2 研究背景与意义-1

1.3 国内外研究综述-1

1.4 主要目标与研究思路-2

2 时间序列分析的基本理论与方法-3

2.1 时间序列-3

2.2 时间序列分析的基本理论-4

2.3 时间序列分析方法-4

3 构建四川省季度GDP时间序列模型-7

3.1 数据分析-8

3.2 ARIMA模型法-8

3.3 因素分解法-11

3.4 X-11法-14

3.5 残差自回归法-16

3.6 最优模型选择及预测-18

4 结论和建议-19

参考文献-20