第三產(chǎn)業(yè)增長值增加預(yù)測

1、 期末論文設(shè)計論文題目：第三產(chǎn)業(yè)增長值增加預(yù)測 學(xué)生姓名： 學(xué) 號： 專 業(yè)： 班 級： 指導(dǎo)教師： 完成日期： 年 月 日摘要 服務(wù)業(yè)又稱第三產(chǎn)業(yè)，根據(jù)世界銀行公布的數(shù)據(jù)，目前全球第三產(chǎn)業(yè)增加值占GDP比例的平均值超過60 %，一些發(fā)達(dá)國家接近或超過70 %。從吸納就業(yè)來看，服務(wù)業(yè)己成為吸納就業(yè)的主要渠道，本文旨在提出一種第三產(chǎn)業(yè)增加值預(yù)測的平穩(wěn)預(yù)測方法，即根據(jù)改革開放以來第三產(chǎn)業(yè)增加值的時間序列趨勢，運用Eviews6統(tǒng)計軟件確定合適的ARIMA模型，并對2012-2015年我國第三產(chǎn)業(yè)增加值做出預(yù)測。關(guān)鍵詞 第三產(chǎn)業(yè)增加值 預(yù)測 Eviews6 ARIMA模型1、 引言改革開放以來，經(jīng)過

2、三十多年以第二產(chǎn)業(yè)為主體的經(jīng)濟快速發(fā)展，第三產(chǎn)業(yè)己經(jīng)成為全國各地下一輪的經(jīng)濟增長熱點，有著巨大的發(fā)展空間。1978年至今，我國全面推動經(jīng)濟結(jié)構(gòu)戰(zhàn)略性調(diào)整和產(chǎn)業(yè)升級，加快第三產(chǎn)業(yè)建設(shè)步伐，取得豐碩成果。從三次產(chǎn)業(yè)結(jié)構(gòu)來看，第一產(chǎn)業(yè)規(guī)模萎縮，第二、三產(chǎn)業(yè)規(guī)模有較大的發(fā)展，第三產(chǎn)業(yè)尤為明顯，無論在單位總量還是所占比重，都有很大幅度的增加。因此，深刻認(rèn)識我國第三產(chǎn)業(yè)發(fā)展現(xiàn)狀，準(zhǔn)確把握第三產(chǎn)業(yè)的發(fā)展動向，較為精準(zhǔn)的預(yù)測第三產(chǎn)業(yè)增加值，不失時機地制定出符合我國實際情況的第三產(chǎn)業(yè)發(fā)展策略和措施，對于推進經(jīng)濟社會全面協(xié)調(diào)和可持續(xù)發(fā)展具有重要的現(xiàn)實意義。2、 數(shù)據(jù)的簡單分析與ARIMA模型 從圖2圖三中可以看到

3、，第三產(chǎn)業(yè)增加值時間序列趨勢呈現(xiàn)出明顯的遞增趨勢。在時間序列的平滑預(yù)測當(dāng)中一次移動平均法和一次指數(shù)平滑法只適用于變化不大的平穩(wěn)時間序列，當(dāng)時間序列發(fā)生變化尤其是發(fā)生突然變化時，預(yù)測模型就會變得不理想，而且在比較長的時期內(nèi)一直跟不上實際的數(shù)據(jù)，反應(yīng)緩慢。由序列的時序圖不難看出，該序列呈現(xiàn)出明顯的遞增趨勢，不具有平穩(wěn)序列的特征，因此不宜采用一次指數(shù)平滑法或是一次移動平均法。（以下數(shù)據(jù)均來自2012中國統(tǒng)計年鑒。）圖1-1978-2011年全國第三產(chǎn)業(yè)指數(shù) 圖1-Excel全國第三產(chǎn)業(yè)指數(shù)圖 圖3-Eviews6全國第三產(chǎn)業(yè)指數(shù)圖ARIMA模型全稱為求和自回歸移動平均模型(autoregressiv

4、e integrated moving average model,簡記ARIMA)，是由詹金斯(Jenkins)與博克思( Box)于20世紀(jì)70年代初提出的時間序列預(yù)測方法。其中ARIMAp, d,q稱為差分自回歸移動平均模型，AR為自回歸，p為自回歸項;MA為移動平均，q為移動平均項數(shù)，d為時間序列達(dá)到平穩(wěn)時所做的差分次數(shù)。同時ARIMA中的SARAMA模型專門用于預(yù)測季節(jié)周期性數(shù)據(jù)。ARIMA模型的基本思想是:將預(yù)測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，用一定的數(shù)學(xué)模型來近似描述這個序列。這個模型一旦被識別后，就可以從時間序列的過去值及現(xiàn)在值來預(yù)測未來值。ARIMA(p,d,

5、q)模型共有p+d個特征根，其中p個在單位圓內(nèi)，d個在單位圓。所以當(dāng)時ARIMA(p,d,q)模型非平穩(wěn)。時，原序列方差非齊性，當(dāng)選擇ARIMA（0,1,0）模型d階差分后，差分后序列方差齊性。ARIM A模型最大的優(yōu)點在于對季節(jié)周期性數(shù)據(jù)指標(biāo)的準(zhǔn)確預(yù)測，其與線性回歸預(yù)測模型的區(qū)別為:線性回歸預(yù)測模型的年度、季度、月度模型往往不能較好地揭示出被解釋變量的非線性特征，而ARIMA模型的季度或月度模型能揭示出被解釋變量的非線性特征;線性回歸預(yù)測模型直接使用最小二乘法，估計簡單，對含有解釋變量的滯后項的回歸模型，則需要識別它的階數(shù)，而ARIM A模型需要先估計它的階數(shù)后，再使用最小二乘法;利用線性回

6、歸預(yù)測模型進行預(yù)測時，需要知道解釋變量的預(yù)測值，而利用ARIMA模型進行預(yù)測時不存在這個問題。3、 第三產(chǎn)業(yè)增長值A(chǔ)RIMA預(yù)測模型模型構(gòu)架步驟 1、序列平穩(wěn)化根據(jù)時間序列的散點圖、自相關(guān)函數(shù)ACF和偏自相關(guān)函數(shù)圖PACF，以ADF單位根檢驗其方差、趨勢及其季節(jié)性變化規(guī)律，對序列的平穩(wěn)性及其周期性進行識別。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長或下降趨勢，則需要對數(shù)據(jù)進行差分處理;如果數(shù)據(jù)存在異方差，則需對數(shù)據(jù)進行技術(shù)處理，直到處理后數(shù)據(jù)的自相關(guān)函數(shù)值和偏相關(guān)函數(shù)值無顯著地異于零，這個過程叫非平穩(wěn)序列平穩(wěn)化。 2、模型識別首先對平穩(wěn)序列的模型進行識別，若平穩(wěn)序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)

7、函數(shù)是截尾的，則可斷定序列適合MA模型;若平穩(wěn)序列的偏相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，可斷定序列適合AR模型;若平穩(wěn)序列的偏相關(guān)函數(shù)和自相關(guān)函數(shù)均是拖尾的，則序列適合ARMA模型。同時，此過程還應(yīng)該判斷序列是否具有季節(jié)性，并要確定ARIMA模型的p、q值，如果序列具有季節(jié)性，則需要確定P和Q的取值。一般情況下，可通過自相關(guān)(ACF)和偏自相關(guān)圖(PACF)估計出階數(shù)p,q,P,Q的可能取值，然后，通過AIC準(zhǔn)則(赤池準(zhǔn)則),SBC準(zhǔn)則(施瓦茨準(zhǔn)則)，其中AIC值和SBC值都是越小越好，從而選出最合適的模型階數(shù)。 3、模型檢驗主要檢驗?zāi)Ｐ蛿M合效果與信息是否提取充分，即通過Q統(tǒng)計量診斷殘差

8、序列是否為白噪聲序列。4、模型預(yù)測根據(jù)建立的ARIMA模型，利用Eviews6軟件進行預(yù)測，分析預(yù)測值與實際值。 ARIMA模型的具體建模步驟如圖4所示。 圖4-ARIMA模型構(gòu)架過程4、 實例應(yīng)用（1） 基礎(chǔ)數(shù)據(jù)及處理打開Eviews6軟件，按New-Workfile建立新的工作文件。命令框中輸入data x編輯1978-2011年第三產(chǎn)業(yè)增長指數(shù)數(shù)據(jù)如圖1所示。 對x進行自相關(guān)檢驗，如圖5所示 圖5-x自相關(guān)檢驗對x進行單方根檢驗，如圖6所示 圖6-x單方根檢驗 輸入genr dx=d(x)建立一階差分模型差分后的增長趨勢如圖7所示 圖7-差分后的增長趨勢進行單方根檢驗，結(jié)果如圖8所示 圖

9、8-差分后的單方根檢驗結(jié)果單方根檢驗數(shù)據(jù)顯示一階差分呈現(xiàn)序列平穩(wěn)。對D(Y) 建立AR(1)模型對D(Y) 建立AR(2)模型對D(Y) 建立MA(1)模型對D(Y) 建立MA(2)模型對D(Y) 建立ARMA(1,1)模型實驗口令依次為：ls dx c ar(1)ls dx c ar(2)ls dx c ma(1)ls dx c ma(2)ls dx c ar(1)ma(1)建立模型后的的Eviews6工作截圖依次為圖9、10、11、12、13所示： 圖9-AR(1)模型 圖10-AR(2)模型 圖11-MA(1)模型 圖12-MA(2)模型 圖13-ARMA(1，1)模型根據(jù)圖9、10、1

10、1、12、13所示結(jié)果，比較其AIC、SBC值并列表1：模型AICSBCAR(1)5.10825.1998AR(2)495905.0515MA(1)5.07575.1664MA(2)4.90324.9939ARMA(1,1)5.08185.2192 表1-各擬合模型的AIC、SBC值按照AIC準(zhǔn)則和SBC準(zhǔn)則均應(yīng)選取MA(2)作為擬合模型。（二）第三產(chǎn)業(yè)增長值增加ARIMA預(yù)測模型向前4步預(yù)測，選擇dynamic動態(tài)預(yù)測法，對工作區(qū)間，樣本區(qū)間進行調(diào)整如下：（1）expand 1978 2015（2）smpl 2012 2015根據(jù)前面的分析，由1978-2011年期間的樣本數(shù)據(jù)建立ma(2)

11、模型Ls dx c ma(2)在模型窗口點擊forecast，對序列進行擬合，如圖14： 圖14-forecast命令框得到預(yù)測結(jié)果，如圖15： 圖15、16-擬合后MA(2)模型預(yù)測結(jié)果代入差分方程得到原數(shù)據(jù)則預(yù)測結(jié)果為：2012110.7768322013110.5614012014110.5338312015110.506261五、結(jié)論從大的外部環(huán)境來看，我們經(jīng)濟目前仍然處于高速發(fā)展階段，隨著人民生活水平的不斷提高，服務(wù)業(yè)會日臻完善，第三產(chǎn)業(yè)的發(fā)展前景令人樂觀，從數(shù)據(jù)反映情況來看，第三產(chǎn)業(yè)在全國GDP中所占的比重會不斷增加。因此我國第三產(chǎn)業(yè)增加值所呈現(xiàn)出的增長趨勢是完全符合預(yù)期的，即不僅存在線性增長的因素，也存在二次曲線的增長因素，因此二次曲線指數(shù)平滑預(yù)測模型能夠較好的擬合原始數(shù)據(jù)。盡管二次曲線指數(shù)平滑預(yù)測可以做數(shù)期之后的預(yù)測，但是隨著預(yù)測期數(shù)的增加，其預(yù)測誤差會不斷增大，因此只推薦用于短期預(yù)測，在得到新的數(shù)據(jù)后，我們可以根據(jù)新的數(shù)據(jù)重新調(diào)整模型中的各動態(tài)參數(shù)，