【內(nèi)蒙古GDP探析預(yù)測(cè)的實(shí)證探析9400字（論文）】

內(nèi)蒙古GDP分析預(yù)測(cè)的實(shí)證分析目錄TOC\o"1-3"\h\u24593一、介紹經(jīng)濟(jì)發(fā)展背景 213576（一）研究背景 227964（二）概念闡述 321895二、相關(guān)數(shù)據(jù)和分析方法介紹 41884（一）預(yù)測(cè)方式 46506（二）文獻(xiàn)綜述 430088（三）模型簡(jiǎn)介 520360三、建立模型，分析、檢驗(yàn)、預(yù)測(cè) 518155（一）建模思路 580071.模型選取 6119282.ARIMA模型簡(jiǎn)介及建模思路 631658（二）模型檢驗(yàn)方法 858421平穩(wěn)化檢驗(yàn) 892002模型的識(shí)別 8286103對(duì)模型的未知參數(shù)進(jìn)行估計(jì) 8179164利用擬合模型預(yù)測(cè)時(shí)間序列的未來(lái)值 87345（三）對(duì)影響因素進(jìn)行預(yù)測(cè) 8146171數(shù)據(jù)處理 9154232確定自相關(guān)階數(shù)和平均移動(dòng)階數(shù) 10153273診斷和檢驗(yàn) 12110614利用模型預(yù)測(cè)未來(lái)GdP。 1313892四、結(jié)論 1324276（一）結(jié)論 1318712（二）建議 1423265參考文獻(xiàn) 1632381致謝 19

一、介紹經(jīng)濟(jì)發(fā)展背景（一）研究背景進(jìn)入21世紀(jì)后，內(nèi)蒙古經(jīng)濟(jì)保持快速增長(zhǎng)，自2000年以來(lái)內(nèi)蒙古經(jīng)濟(jì)連續(xù)八年全國(guó)增速第一，平均經(jīng)濟(jì)增速17.4%，經(jīng)濟(jì)總量明顯增加，2014年地區(qū)生產(chǎn)總值約1.6萬(wàn)億元，是2001年的10多倍，城鎮(zhèn)居民人均可支配收入從2000年的5129元增加收到20408元，農(nóng)牧民人均可支配收入由2038元增加到6642元。高速的發(fā)展勢(shì)頭持續(xù)到2013年，內(nèi)蒙古結(jié)束了連續(xù)八年經(jīng)濟(jì)增速全國(guó)第一的格局，2015年前三季度經(jīng)濟(jì)增速降至全國(guó)第21位、西部倒數(shù)第一位。面對(duì)經(jīng)濟(jì)新常態(tài)，亟待研究?jī)?nèi)蒙古經(jīng)濟(jì)高速增長(zhǎng)的原因與現(xiàn)階段面臨的問(wèn)題，才能使內(nèi)蒙古經(jīng)濟(jì)形成良好穩(wěn)定可持續(xù)的發(fā)展態(tài)勢(shì)。結(jié)合近年來(lái)統(tǒng)計(jì)部門(mén)對(duì)外發(fā)布的數(shù)據(jù)，可知近年來(lái)內(nèi)蒙古各盟市人均GDP增長(zhǎng)速度較快，并且和全國(guó)各個(gè)地區(qū)相比，無(wú)論是人均GDP數(shù)值還是GDP增長(zhǎng)速度，均位列前茅。從這些統(tǒng)計(jì)數(shù)據(jù)可以看出近年來(lái)自治區(qū)各盟市經(jīng)濟(jì)發(fā)展勢(shì)頭良好，增長(zhǎng)迅速，但數(shù)據(jù)仍反映出，雖然內(nèi)蒙古各盟市人均GDP在全國(guó)位列前茅，但人均可支配收入占人均GDP比例依然較低。首先要明確人均GDP和人均可支配收入兩個(gè)概念。人均GDP是與生產(chǎn)有關(guān)的概念，人均可支配收入是一個(gè)和收入有關(guān)的概念，兩者是完全不同的，是兩種不同的統(tǒng)計(jì)方法。人均GDP指一國(guó)經(jīng)濟(jì)在核算期內(nèi)最終產(chǎn)品總量除以所有常住單位人口、得到的數(shù)量，而人均可支配收入是指居民在支付個(gè)人所得稅、財(cái)產(chǎn)稅及等其它經(jīng)常性轉(zhuǎn)移支出后所余下的實(shí)際收入。人均GDP不僅事實(shí)上要遠(yuǎn)大于人均收入，而且人均GDP僅僅能反映經(jīng)濟(jì)增長(zhǎng)數(shù)量情況，并不能反映成本、效益、結(jié)構(gòu)、分配、以及生態(tài)環(huán)境等情況。但總體而言，一個(gè)地區(qū)的人均GDP數(shù)值較高，相對(duì)的人均可支配收入也高，而地區(qū)的人均GDP相同，人均可支配收入可能會(huì)有非常大的差距。（二）概念闡述將GDP分為四個(gè)部分。第一部分是勞動(dòng)者報(bào)酬，即全體勞動(dòng)者全部稅前收入，其中包括工資、社保、其他福利、個(gè)人所得稅。第二部分是生產(chǎn)稅凈額，是政府在生產(chǎn)過(guò)程中收取的以增值稅為主的稅收。第三部分是固定資產(chǎn)計(jì)提折舊，是指在生產(chǎn)過(guò)程中所消耗的資本。第四部分是營(yíng)業(yè)盈余，主要是包括企業(yè)所得稅在內(nèi)的企業(yè)稅前利潤(rùn)。人均收入占人均GDP的比例有一個(gè)大致范圍。這個(gè)比例在市場(chǎng)經(jīng)濟(jì)的一般是40%至50%，而并非能達(dá)到100%水平。該比例在經(jīng)濟(jì)發(fā)展水平高的發(fā)達(dá)國(guó)家較高，而經(jīng)濟(jì)發(fā)展水平低的發(fā)展中國(guó)家相對(duì)較低一些。數(shù)據(jù)顯示2013年我國(guó)人均可支配收入占人均GDP的比例為41%，這個(gè)數(shù)字低于美國(guó)等發(fā)達(dá)國(guó)家，但也基本符合發(fā)展中國(guó)家平均水平。此外，還應(yīng)明確一點(diǎn)的是，人均收入與等人均在崗工資也并不能劃等號(hào)，在崗工資數(shù)額要顯著高于人均收入，這是因?yàn)樵谝粋€(gè)國(guó)家中并非每個(gè)人都是勞動(dòng)者，西方國(guó)家很多家庭夫妻雙方只有一個(gè)人在上班，此外，還包括老年人，待業(yè)失業(yè)人群及未成年人群體。這說(shuō)明了一個(gè)國(guó)家產(chǎn)生的財(cái)富，并不能100%轉(zhuǎn)化為國(guó)民收入，還要有相當(dāng)?shù)谋壤糜谠偕a(chǎn)、科技研發(fā)、基礎(chǔ)設(shè)施建設(shè)、軍事開(kāi)支等。二、相關(guān)數(shù)據(jù)和分析方法介紹（一）預(yù)測(cè)方式國(guó)民生產(chǎn)總值(GDP)往往受到許多因素的制約，且這些因素之間又保持著錯(cuò)綜復(fù)雜的聯(lián)系，因此，運(yùn)用結(jié)構(gòu)性的因果模型分析和預(yù)測(cè)往往比較困難。本文從另一角度出發(fā)，認(rèn)為國(guó)民生產(chǎn)總值是一時(shí)間序列，因此可以根據(jù)過(guò)去的資料得出其變化規(guī)律，并用此來(lái)預(yù)測(cè)未來(lái)的發(fā)展變化。1970年，Box和Jenkins提出了以隨機(jī)理論為基礎(chǔ)的時(shí)間序列分析方法，其基本模型有三種：自回歸(AR)模型、移動(dòng)平均(MA)模型以及自回歸求積移動(dòng)平均((ARIMA)模型。自回歸((AR)模型和移動(dòng)平均(MA)模型實(shí)際上是自回歸求積移動(dòng)平均((ARIMA)模型的特例。與傳統(tǒng)法(指數(shù)平滑法、滑動(dòng)平均法、趨勢(shì)預(yù)測(cè)法、趨勢(shì)季節(jié)模型預(yù)測(cè)法、時(shí)間序列的分解等等)相比，ARIMA法更能準(zhǔn)確預(yù)測(cè)內(nèi)蒙古GDP的發(fā)展趨勢(shì)，使所建模型既滿(mǎn)足實(shí)際的要求，也滿(mǎn)足統(tǒng)計(jì)方法理論的要求。這是因?yàn)椋篈RIMA方法假定數(shù)據(jù)序列是由某個(gè)隨機(jī)過(guò)程產(chǎn)生的，它把事物在某一固定時(shí)刻的狀態(tài)視為一個(gè)隨機(jī)過(guò)程，利用隨機(jī)過(guò)程去分析描述事物的發(fā)展趨勢(shì)；這種方法不僅考察預(yù)測(cè)變量的過(guò)去值與當(dāng)前值，同時(shí)模型對(duì)過(guò)去值擬合產(chǎn)生的誤差也作為重要因素進(jìn)人模型，有利于提高模型的精確度；將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，構(gòu)成該時(shí)序的單個(gè)序列值雖然具有不確定性，但整個(gè)序列的變化卻有一定的規(guī)律性，可以用相應(yīng)的數(shù)學(xué)模型近似描述；該方法對(duì)數(shù)據(jù)序列短期波動(dòng)把握的概率度較高。因此，ARIMA模型在預(yù)測(cè)過(guò)程中既考慮了現(xiàn)象在時(shí)間序列上的依存性，又考慮了隨機(jī)波動(dòng)的干擾性，對(duì)短期趨勢(shì)的預(yù)測(cè)準(zhǔn)確率較高，是近年應(yīng)用比較廣泛的方法之一。（二）文獻(xiàn)綜述近幾年，GDP的變化規(guī)律及預(yù)測(cè)己被眾多學(xué)者從很多不同的角度分析論證過(guò)。趙蕾等利用Evicws軟件對(duì)福建省1978}-200年的UDP進(jìn)行了分析，并建立ARIMA(5,3,6)模型，預(yù)測(cè)出與實(shí)際結(jié)果較為接近的2005年福建省UDP。梁鑫等利用SPSS軟件，在AlC準(zhǔn)則下建立了ARIMA(l,2,l)模型，并利用非參數(shù)方法對(duì)模型進(jìn)行了適應(yīng)性檢驗(yàn)，最后對(duì))‘一西的UDP進(jìn)行了分析和預(yù)測(cè)。趙盈依據(jù)195通}-2001年我國(guó)UDP的數(shù)據(jù)資料，選取Iiox-Jcnkin、方法建立了ARI-MA(l,l,l)模型，在揭示我國(guó)UDP變動(dòng)規(guī)律的基礎(chǔ)上，對(duì)回歸結(jié)果進(jìn)行了深入的分析。田成詩(shī)等利用遼寧省1992-200年的相關(guān)數(shù)據(jù)，分別建立了自回歸模型、動(dòng)態(tài)!og}snc曲線(xiàn)模型和灰色預(yù)測(cè)模型，將這3種預(yù)測(cè)結(jié)果的幾何平均作為遼寧省2005-2012年的UDP的預(yù)測(cè)值。李占江等以1952}-2005年內(nèi)蒙占UDP數(shù)據(jù)為依據(jù)，應(yīng)用SAS統(tǒng)計(jì)分析軟件建立了ARIMA(0,2,1)模型，并對(duì)2008年的內(nèi)蒙占UDP作出預(yù)測(cè)。然而利用STIA'A軟件對(duì)UDP進(jìn)行實(shí)證分析進(jìn)而預(yù)測(cè)其發(fā)展規(guī)律的研究并不多。（三）模型簡(jiǎn)介ARIMA（p，d，q）模型又稱(chēng)為求和自回歸移動(dòng)平均模型。其中AR是自回歸，P為模型的自回歸階數(shù)；MA是移動(dòng)平均，q為模型的移動(dòng)平均階數(shù)；；I是求和法，指數(shù)列d次差分的總和，d為模型的差分階數(shù)。ARIMA模型可表示為當(dāng)模型為非季節(jié)的簡(jiǎn)單差分時(shí)當(dāng)模型為季節(jié)有差分時(shí)其中，B為后移算子，Yt為樣本值，并為平均值，μ為移動(dòng)平均算子，Θ為自回歸算子，a}為白噪聲序列。如不考慮周期性，模型標(biāo)記為：ARIMA印，d，q)oP，d，p分別是自回歸的階、差分次數(shù)、滑動(dòng)平均的階；如考慮周期性，模型標(biāo)記為：ARIMA(P，d，q)(P，D，Q)oP，D，Q分別是季節(jié)周期的自回歸的階、差分次數(shù)、滑動(dòng)平均的階，S是循環(huán)的長(zhǎng)度。三、建立模型，分析、檢驗(yàn)、預(yù)測(cè)（一）建模思路從經(jīng)濟(jì)學(xué)角度來(lái)看，影響GdP的因素包括能源、人口、政策、經(jīng)濟(jì)基礎(chǔ)等等。因此，運(yùn)用數(shù)理經(jīng)濟(jì)模型來(lái)對(duì)其進(jìn)行分析和預(yù)測(cè)是較為困難的。故本文從動(dòng)態(tài)分析的角度，將內(nèi)蒙古國(guó)內(nèi)生產(chǎn)總值看作是一個(gè)時(shí)間序列，進(jìn)而利用它的歷史數(shù)據(jù)分析得出其規(guī)律性，最終對(duì)未來(lái)五年的內(nèi)蒙古GdP進(jìn)行分析預(yù)測(cè)。1.模型選取目前，預(yù)測(cè)經(jīng)濟(jì)運(yùn)行時(shí)間序列的理論與方法很多，比較經(jīng)典的有灰色理論、趨勢(shì)預(yù)測(cè)法、時(shí)間序列的分解、指數(shù)平滑法等，這些方法對(duì)經(jīng)濟(jì)形勢(shì)的長(zhǎng)期預(yù)測(cè)較準(zhǔn)，而對(duì)短期趨勢(shì)的把握度并不高。與這些方法相比，Bｏｘ和ＪｅnKInS提出的ARIMA（P，d，q）模型更適合預(yù)測(cè)內(nèi)蒙古國(guó)內(nèi)生產(chǎn)總值的發(fā)展趨勢(shì)。ARIMA模型是通過(guò)分析時(shí)間序列的歷史數(shù)據(jù)來(lái)揭示變量自身的變化規(guī)律，并用這種規(guī)律來(lái)預(yù)測(cè)未來(lái)的發(fā)展?fàn)顩r，忽略以經(jīng)濟(jì)理論為依據(jù)的解釋變量的作用。2.ARIMA模型簡(jiǎn)介及建模思路在介紹ARIMA模型前，首先對(duì)ARMA模型進(jìn)行了解。時(shí)間序列分析是一種廣泛應(yīng)用的數(shù)據(jù)分析方法，它主要用于描述和探索現(xiàn)象隨時(shí)間發(fā)展變化的數(shù)量規(guī)律性。時(shí)間序列分析就其發(fā)展的歷史階段和所使用的統(tǒng)計(jì)分析方法來(lái)看，有傳統(tǒng)的時(shí)間序列分析和現(xiàn)代時(shí)間序列分析。時(shí)間序列分析的一項(xiàng)重要內(nèi)容就是根據(jù)過(guò)去已有的數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的結(jié)果。預(yù)測(cè)是人們?cè)谟^(guān)察和分析客觀(guān)事物發(fā)展過(guò)程的歷史及現(xiàn)狀的基礎(chǔ)上，通過(guò)對(duì)客觀(guān)事物發(fā)展規(guī)律的認(rèn)識(shí)，進(jìn)而推斷其未來(lái)狀況的過(guò)程。預(yù)測(cè)從統(tǒng)計(jì)方法上分類(lèi)，大致可分為三類(lèi)：定性預(yù)測(cè)法、回歸預(yù)測(cè)法和時(shí)間序列預(yù)測(cè)法。定性預(yù)測(cè)法是以邏輯判斷為主的預(yù)測(cè)方法。這一類(lèi)方法主要是通過(guò)預(yù)測(cè)者所掌握的信息和情報(bào)，并結(jié)合各種因素對(duì)事物的發(fā)展前景做出判斷，并把這種判斷定量化。它普遍適應(yīng)于對(duì)缺乏歷史統(tǒng)計(jì)資料的事件進(jìn)行預(yù)測(cè)，或?qū)厔?shì)轉(zhuǎn)折進(jìn)行預(yù)測(cè)?；貧w預(yù)測(cè)法是研究變量與變量之間相互關(guān)系的一種數(shù)理統(tǒng)計(jì)方法。應(yīng)用回歸預(yù)測(cè)可以從一個(gè)或幾個(gè)自變量的值去預(yù)測(cè)因變量將取得的值，回歸預(yù)測(cè)中因變量和自變量在時(shí)間上是并進(jìn)關(guān)系，即因變量的預(yù)測(cè)值要由并進(jìn)的自變量量的值來(lái)旁推。這類(lèi)方法不僅考慮了時(shí)間因素，而且考慮了變量之間的因果關(guān)系。因果回歸預(yù)測(cè)是從研究客觀(guān)事物的因果關(guān)系入手，建立單一回歸模型進(jìn)行預(yù)測(cè)的方法。但有時(shí)，影響預(yù)測(cè)對(duì)象的因素錯(cuò)綜復(fù)雜或有關(guān)影響因素的數(shù)據(jù)資料無(wú)法得到，因果回預(yù)測(cè)法就無(wú)能為力。這時(shí)，采用時(shí)間序列分析法，以時(shí)間t綜合替代這些因素，卻能達(dá)到預(yù)測(cè)的目的。時(shí)間序列預(yù)測(cè)法是依據(jù)預(yù)測(cè)對(duì)象過(guò)去的統(tǒng)計(jì)數(shù)據(jù)，找到其隨時(shí)間變化的規(guī)律，建立時(shí)間序列模型，以外推未來(lái)數(shù)值的預(yù)測(cè)方法。與回歸不同，它不使用除了序列自身以外的其它信息進(jìn)行預(yù)測(cè)。其基本假定是：過(guò)去的變化趨勢(shì)會(huì)延續(xù)到未來(lái)，即未來(lái)是過(guò)去的延伸，這樣就可以根據(jù)過(guò)去已有的形態(tài)或模式進(jìn)行預(yù)測(cè)?？陀^(guān)事物的發(fā)展是在時(shí)間上展開(kāi)的，任一事物隨時(shí)間的流逝，都可以得到一系列依賴(lài)于時(shí)間t的數(shù)據(jù)。設(shè)y1，y2，…，yt是一時(shí)間序列，其中t代表時(shí)間，單位可以是年、季、月、日或小時(shí)。根據(jù)這組數(shù)據(jù)在時(shí)間坐標(biāo)上繪制的曲線(xiàn)圖為時(shí)序曲線(xiàn)圖，它可以形象地表現(xiàn)出事物隨時(shí)間變化的狀況。依賴(lài)于時(shí)間變化的變量yt稱(chēng)之為時(shí)間序列。若事物的發(fā)展過(guò)程具有某種確定的形式，隨時(shí)間變化的規(guī)律可以用時(shí)間t的某種確定函數(shù)關(guān)系加以描述，這類(lèi)時(shí)間序列稱(chēng)為確定型時(shí)間序列，以時(shí)間t為自變量建立的函數(shù)模型為確定型時(shí)間序列模型，這是傳統(tǒng)時(shí)間序列分析的內(nèi)容。若事物的發(fā)展過(guò)程是一個(gè)隨機(jī)過(guò)程，無(wú)法用時(shí)間t的確定函數(shù)關(guān)系加以描述，稱(chēng)為隨機(jī)型時(shí)間序列，建立的與隨機(jī)過(guò)程相適應(yīng)的模型為隨機(jī)型時(shí)間序列模型，如博克斯-詹金斯模型，這就是現(xiàn)代時(shí)間序列分析的內(nèi)容。ARMA（P，q）模型是將純AR（P）與純MA（q）結(jié)合得到的一個(gè)一般的自回歸移動(dòng)平均方程。其基本形式是：ut-C＋1ut-1＋…＋Puut-P＋εt＋θ1εt-1＋…＋θqεt-qt＝1，2，3，…，t其中，φ1，…，φP為回歸系數(shù)，θ1，…，θq為移動(dòng)平均系數(shù)，是模型的待估參數(shù)。ARIMA（P，d，q）模型，即差分自回歸移動(dòng)平均模型，是通過(guò)對(duì)不平穩(wěn)的時(shí)間序列進(jìn)行d階差分后轉(zhuǎn)化為平穩(wěn)時(shí)間序列，然后建立ARMA（P，q）模型。設(shè)ut是d階單整時(shí)間序列，即：ut～I(xiàn)（d），則：ωt＝Δdut＝（1-L）dutωt為評(píng)為時(shí)間序列，即ωt～I(xiàn)（0），于是可以對(duì)ωt建立ARMA（P，q）模型：Φ（L）＝C＋1ωt-1＋…＋Pωt-P＋εt＋θ1εt-1＋…＋θqεt-q上式表明如果一個(gè)序列是單整序列，那么該序列可以由其自身的滯后項(xiàng)及隨機(jī)擾動(dòng)項(xiàng)來(lái)解釋。即如果該序列不隨著時(shí)間的推移而變化，那么就可以通過(guò)該序列過(guò)去的行為來(lái)預(yù)測(cè)其未來(lái)。（二）模型檢驗(yàn)方法1平穩(wěn)化檢驗(yàn)根據(jù)時(shí)間序列的折線(xiàn)圖、自相關(guān)系數(shù)圖，或者通過(guò)AdF單位根檢驗(yàn)，來(lái)判斷時(shí)間序列是否平穩(wěn)。如果序列被驗(yàn)證為不平穩(wěn)，那么可以通過(guò)差分變換或者對(duì)數(shù)差分變換使其滿(mǎn)足平穩(wěn)性條件，同時(shí)確定了差分階數(shù)。2模型的識(shí)別根據(jù)ACF圖和PACF圖來(lái)確定自相關(guān)階數(shù)P和移動(dòng)平均階數(shù)q，以選擇適當(dāng)?shù)哪Ｐ瓦M(jìn)行擬合。3對(duì)模型的未知參數(shù)進(jìn)行估計(jì)并對(duì)估計(jì)結(jié)果進(jìn)行檢驗(yàn)和診斷。一是檢驗(yàn)?zāi)Ｐ蛥?shù)的估計(jì)值是否顯著，其二是診斷殘差序列是否為白噪聲序列。若擬合模型通不過(guò)檢驗(yàn)，則重新確定階數(shù)P和q，重新選擇模型進(jìn)行擬合。4利用擬合模型預(yù)測(cè)時(shí)間序列的未來(lái)值根據(jù)觀(guān)測(cè)數(shù)據(jù)建立的模型是否合適，應(yīng)當(dāng)檢驗(yàn)殘差序列是否為白噪聲序列，當(dāng)殘差序列不是白噪聲序列時(shí)，所建立的模型不是最終模型，還有信息包含在相關(guān)的殘差序列中，模型其他參數(shù)不能完全代表，需要進(jìn)一步擬合；當(dāng)殘差序列是白噪聲序列時(shí)，則Box-Ljung的值的概率P值應(yīng)>>0.05。因此，根據(jù)時(shí)間序列Y‘的模型，我們可以對(duì)其進(jìn)行回歸擬合，將擬合值和實(shí)際值之間的殘差進(jìn)行檢驗(yàn)，得到殘差的自相關(guān)圖和偏相關(guān)圖。因?yàn)闀r(shí)間序列GDP的實(shí)際值和擬合值總的來(lái)說(shuō)比較接近，殘差值較小。殘差的自相關(guān)值和偏相關(guān)值基本上在置信區(qū)間內(nèi)，與零無(wú)顯著差異，殘差通過(guò)白噪聲檢驗(yàn)，說(shuō)明模型擬合適當(dāng)。而且，模型的檢驗(yàn)效果比較好，其中Akaike信息量準(zhǔn)則統(tǒng)計(jì)量AIC=251.27，貝葉斯準(zhǔn)則統(tǒng)計(jì)量SCB=257.16，標(biāo)準(zhǔn)誤差S.E=38.61等，所以可以診斷該模型是可靠的。（三）對(duì)影響因素進(jìn)行預(yù)測(cè)本文采用的樣本數(shù)據(jù)為1952～2011年的內(nèi)蒙古GdP年度數(shù)據(jù)，數(shù)據(jù)來(lái)源于2012年《內(nèi)蒙古統(tǒng)計(jì)年鑒》，所以計(jì)算過(guò)程用StA-tA8.0統(tǒng)計(jì)軟件完成。圖1GDP的時(shí)間路徑圖及GDP取對(duì)數(shù)后的時(shí)間路徑圖1數(shù)據(jù)處理從GdP的時(shí)間路徑圖（圖1）可以看出，內(nèi)蒙古的GdP在過(guò)去58年中呈現(xiàn)出一種指數(shù)增長(zhǎng)的趨勢(shì)，因此是非平穩(wěn)時(shí)間序列。對(duì)于呈指數(shù)增長(zhǎng)的時(shí)間序列，通常可以對(duì)其取對(duì)數(shù)，將其轉(zhuǎn)化為線(xiàn)性趨勢(shì)。由取對(duì)數(shù)后的時(shí)間路徑圖（圖1），可以看出有明顯的線(xiàn)性趨勢(shì)，為了確定其是否平穩(wěn)，對(duì)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)。結(jié)果顯示，t統(tǒng)計(jì)量大于任何置信度的臨界值，因此認(rèn)為序列顯著非平穩(wěn)（表1）。所以再對(duì)其進(jìn)行差分以消除線(xiàn)性趨勢(shì)。經(jīng)過(guò)逐次差分后，發(fā)現(xiàn)二階差分后的序列基本達(dá)到平穩(wěn)，如圖3所示。并且序列通過(guò)了dF檢驗(yàn)（表2），由此可以確定d＝2。表1單位根檢驗(yàn)結(jié)果表2二階差分后的DF檢驗(yàn)結(jié)果2確定自相關(guān)階數(shù)和平均移動(dòng)階數(shù)根據(jù)時(shí)間序列的識(shí)別規(guī)則，采用ACF圖、PACF圖、AIC準(zhǔn)則以及BIC準(zhǔn)則相結(jié)合的方式來(lái)確定ARMA模型的階數(shù)。首先介紹如何根據(jù)ACF圖和PACF圖的性質(zhì)來(lái)確定模型的階數(shù)：若相關(guān)圖即ACF圖表現(xiàn)為拖尾衰減特征，而偏自相關(guān)圖即PACF圖在P期后出現(xiàn)截止特征，則該過(guò)程是一個(gè)P階自回歸過(guò)程；若相關(guān)圖在q期后出現(xiàn)截止而偏相關(guān)圖呈拖尾衰減特征，可以認(rèn)為該過(guò)程是一個(gè)q階移動(dòng)平均過(guò)程；若自相關(guān)圖和偏自相關(guān)圖都呈拖尾衰減特征，說(shuō)明這是一個(gè)混合形式的隨機(jī)過(guò)程。由于通常滯后期應(yīng)當(dāng)小于n／4，本文的樣本量為58，故滯后期選為15。下面我們先根據(jù)ACF圖（圖4）和PACF圖（圖5）初步確定模型形式。（1）如果把K＝1的偏自相關(guān)系數(shù)φ11看做峰值，然后呈截尾特征，把自相關(guān)圖看做拖尾特征，則應(yīng)建立AR（1）模型。（2）如果把K＝1的自相關(guān)系數(shù)φ1看做峰值，然后呈截尾特征，把偏自相關(guān)圖看做拖尾特征，則應(yīng)建立MA（1）模型。（3）如果把K＝1的自相關(guān)系數(shù)φ1和偏自相關(guān)系數(shù)φ11看做峰值，然后各呈拖尾特征，則應(yīng)建立ARMA（1，1）模型。（4）如果把K＝1的自相關(guān)系數(shù)φ1和K＝3偏自相關(guān)系數(shù)φ11、φ22和φ33看做峰值，各位拖尾特征，則應(yīng)建立ARMA（3，1）模型。（5）如果把K＝1的自相關(guān)系數(shù)φ1和K＝5偏自相關(guān)系數(shù)φ11、φ22、φ33、φ44、φ55看做峰值，然后各位拖尾特征，則應(yīng)建立ARMA（5，1）模型。其次，AIC準(zhǔn)則和BIC準(zhǔn)則。AIC準(zhǔn)則是由AKAIKｅ提出的，即赤池信息量準(zhǔn)則；BIC準(zhǔn)則，即貝葉斯準(zhǔn)則。應(yīng)當(dāng)選取使AIC值和BIC值達(dá)到最小的那一組為理想階數(shù)。本文分別按AR（1）、MA（1）、ARMA（1，1）、ARMA（3，1）和AR-MA（5，1）估計(jì)模型。結(jié)果見(jiàn)表3。表3模型AR（1）MA（1）ARMA（1，1）ARMA（3，1）ARMA（5，1）C-0.000123；（0.99）0.00288；（0.11）0.002875；（0.14）0.00291；（0.072）0.0028625；（0.12）AR（1）-0.508426；（0.00）———0.020012；（0.87）——————AR（3）—————————-0.1028；（0.519）———AR（5）————————————0.0558454；（0.7）MA（1）———-1（—）-1.0000；（0.998）-1（—）-1（—）AIC-56.52975-74.37345-70.39444-72.90829-72.50506BIC-50.4537-70.32275-62.29304-66.83223-66.429從上表可以看出，模型AR（1）的AIC和BIC值較其他模型是最大的，可以予以剔除。而除了該模型外，其他模型的各項(xiàng)指標(biāo)似乎并沒(méi)有多大差距。為了準(zhǔn)確定階，需要利用備選模型預(yù)測(cè)近幾年已有數(shù)據(jù)，比較幾種模型的相對(duì)誤差，將相對(duì)誤差最小的作為最優(yōu)模型。模型MA（1）、ARMA（1，1）、ARMA（3，1）和ARMA（5，1）對(duì)2009～2011年的預(yù)測(cè)如表4所示：表4年份200920102011實(shí)際GdP6019.127761.89740.25MA（1）估計(jì)值4840.04646084.04497747.6345ARMA（1，1）估計(jì)值5302.45056860.63748634.9499ARMA（3，1）估計(jì)值4344.47715583.43186911.2209ARMA（5，1）估計(jì)值3701.04694719.79935918.0423MA（1）預(yù)測(cè)誤差0.1958880370.216155414980.2045753959ARMA（1，1）預(yù)測(cè)誤差0.11906549460.116102270090.1134775904ARMA（3，1）預(yù)測(cè)誤差0.27822055380.280652451750.2904472781ARMA（5，1）預(yù)測(cè)誤差0.38511827310.391919490320.3924137163可以看出，ARMA（1，1）的預(yù)測(cè)誤差是四個(gè)模型中最小的，自然最優(yōu)模型為ARMA（1，1）。實(shí)際序列｛Δ2LnGdP｝的ARIMA（1，2，1）回歸結(jié)果為：回歸方程為：Δ2Lnyt＝0.0028751＋0.0200122（Δ2Lnyt-1-0.0028751）＋εt-1.000015εt-1需要注意的是，根據(jù)伍爾德分解定理，StAtA的輸出格式表示的是，對(duì)序列｛Δ2Lnyt-0.0028751｝建立的模型，而不是對(duì)Δ2Lnyt建立的。經(jīng)過(guò)整理，上式表示為：Δ2Lnyt＝0.0028751（1-0.0200122）＋0.0200122Δ2Lnyt-1＋εt-1.000015εt-1即：Δ2Lnyt＝0.00281756＋0.0200122Δ2Lnyt-1＋εt-1.000015εt-13診斷和檢驗(yàn)對(duì)模型ARIMA（1，2，1）的殘差序列進(jìn)行白噪聲檢驗(yàn)。如未通過(guò)檢驗(yàn)，需要重新確定自相關(guān)及偏自相關(guān)系數(shù)。本文用的方法是殘差序列的χ2檢驗(yàn)。Ｈ0：殘差序列相互獨(dú)立，即：ρ1＝ρ2＝…＝ρK＝0若擬合的模型合理，即誤差項(xiàng)為白噪聲，統(tǒng)計(jì)量漸進(jìn)服從χ2（K-P-q）分布，式中，t為樣本容量，RK為用殘差序列計(jì)算的自相關(guān)系數(shù)值，K為自相關(guān)系數(shù)的個(gè)數(shù)，P為模型自回歸部分的最大滯后期，q為移動(dòng)平均部分的最大滯后期。給定置信度1-α（α通常取0.05或0.10）：若用樣本計(jì)算的qχ2α（K-P-q），則接受Ｈ0，殘差序列相互獨(dú)立，通過(guò)檢驗(yàn)。若q＞χ2α（K-P-q），則拒絕Ｈ0，無(wú)法通過(guò)檢驗(yàn)。模型ARIMA（1，2，1）的q（15）為11.808，χ20.05＝22.362，χ20.1＝19.812，可以得出，模型的殘差序列為白噪聲序列，通過(guò)檢驗(yàn)。4利用模型預(yù)測(cè)未來(lái)GdP。利用ARIMA（1，2，1）模型對(duì)內(nèi)蒙古自治區(qū)2012～2016年國(guó)內(nèi)生產(chǎn)總值進(jìn)行預(yù)測(cè)。StAtA給出2012～2016年內(nèi)蒙古GdP的預(yù)測(cè)值分別為：10805.876億元，10780.675億元，10755.581億元，10730.595億元，10705.716億元。四、結(jié)論（一）結(jié)論2008—2012年是內(nèi)蒙古第十一個(gè)五年規(guī)劃的重要時(shí)期。在這個(gè)時(shí)期里，內(nèi)蒙古全區(qū)經(jīng)濟(jì)將呈現(xiàn)什么樣的運(yùn)行狀況，宏觀(guān)經(jīng)濟(jì)幾個(gè)主要指標(biāo)將會(huì)出現(xiàn)何種變化，能否承接“十五”期間社會(huì)經(jīng)濟(jì)發(fā)展的大好形勢(shì)，保持快增長(zhǎng)、長(zhǎng)周期的態(tài)勢(shì)，這是在制定和執(zhí)行“十三五”規(guī)劃中必須面對(duì)的問(wèn)題。本文利用組合ARMA時(shí)間序列模型，對(duì)內(nèi)蒙古2008—2012年GDP進(jìn)行預(yù)測(cè)，希望得出的數(shù)據(jù)及結(jié)論能夠幫助我們認(rèn)清“十三五”期間經(jīng)濟(jì)運(yùn)行走勢(shì)，從中把握“十三五”期間經(jīng)濟(jì)進(jìn)程中的變動(dòng)趨勢(shì)，更好地規(guī)避風(fēng)險(xiǎn)并尋求最佳的調(diào)控辦法。本文通過(guò)模型識(shí)別、估計(jì)、診斷等一系列過(guò)程，對(duì)內(nèi)蒙古的國(guó)民生產(chǎn)總值進(jìn)行了ARIMA模型擬合與預(yù)測(cè)。從圖6可以看出GdP的預(yù)測(cè)值與實(shí)際值是比較接近的，這說(shuō)明我們所建立的模型效果比較好，是可以用來(lái)預(yù)測(cè)的。從預(yù)測(cè)結(jié)果來(lái)看，內(nèi)蒙古的GdP在2012年將有一個(gè)較高的增長(zhǎng)，2013年起有小幅度的回落。由于該模型得出的結(jié)果只是一個(gè)預(yù)測(cè)值，而國(guó)民經(jīng)濟(jì)是一個(gè)復(fù)雜多變的動(dòng)態(tài)系統(tǒng)，國(guó)內(nèi)生產(chǎn)總值受眾多因素的影響。因此，我們還是應(yīng)當(dāng)注意規(guī)避經(jīng)濟(jì)運(yùn)行中的風(fēng)險(xiǎn)，保持國(guó)民經(jīng)濟(jì)健康穩(wěn)步發(fā)展。（二）建議通過(guò)內(nèi)蒙古生產(chǎn)總值的支出構(gòu)成和生產(chǎn)構(gòu)成兩方面分析，內(nèi)蒙古前十幾年經(jīng)濟(jì)的增長(zhǎng)主要是依賴(lài)于投資需求和工業(yè)帶動(dòng)，但是隨著新時(shí)期的新要求，原先的經(jīng)濟(jì)發(fā)展模式已經(jīng)不再適應(yīng)現(xiàn)代的需求，由此出現(xiàn)經(jīng)濟(jì)增速放緩甚至下滑的現(xiàn)象。面對(duì)產(chǎn)業(yè)發(fā)展不協(xié)調(diào)，內(nèi)蒙古經(jīng)濟(jì)產(chǎn)業(yè)“一煤獨(dú)大”的格局，內(nèi)蒙古產(chǎn)業(yè)發(fā)展應(yīng)重點(diǎn)推進(jìn)“五大基地”建設(shè)，大力發(fā)展戰(zhàn)略新型產(chǎn)業(yè)、加快發(fā)展文化旅游業(yè)，從而促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化與升級(jí)，逐步做強(qiáng)內(nèi)蒙古現(xiàn)代服務(wù)業(yè)。工業(yè)發(fā)展逐步走向現(xiàn)代化和清潔化。①煤炭產(chǎn)業(yè)就地轉(zhuǎn)化和深加工方面，以煤焦化、煤質(zhì)清潔燃料和化工原料等技術(shù)路徑，加強(qiáng)“水煤組合”的煤化工項(xiàng)目，推進(jìn)煤炭潔凈利用和深加工，構(gòu)建現(xiàn)代煤化工體系；②有色、裝備、制造、冶金等產(chǎn)業(yè)鏈條的延伸與升級(jí)，大力推進(jìn)采、選、冶、加一體化建設(shè)，通過(guò)高新技術(shù)改造力度促進(jìn)有色產(chǎn)業(yè)高端化、產(chǎn)品終端化。在加快服務(wù)業(yè)發(fā)展方面，依托豐富的資源優(yōu)勢(shì)和民族文化，著力打造內(nèi)蒙古草原旅游、森林旅游、沙漠旅游、文化之旅等經(jīng)典路線(xiàn)，促進(jìn)旅游產(chǎn)品的多樣化和特色化。通過(guò)打造一批大型物流園區(qū)和內(nèi)陸港，推動(dòng)物流產(chǎn)業(yè)的發(fā)展。圍繞消費(fèi)熱點(diǎn)，加快發(fā)展養(yǎng)老、文化、休閑、健身等服務(wù)業(yè)發(fā)展。針對(duì)投資與消費(fèi)對(duì)地區(qū)經(jīng)濟(jì)發(fā)展的不同作用，在經(jīng)濟(jì)新常態(tài)的新形勢(shì)下，內(nèi)蒙古應(yīng)逐步穩(wěn)定投資拓寬消費(fèi)。首先應(yīng)提升居民的消費(fèi)能力，制定出臺(tái)內(nèi)蒙古收入分配改革方案，完善最低工資、工資形成和增長(zhǎng)的長(zhǎng)效機(jī)制，健全社會(huì)保障體系，整合城鄉(xiāng)居民基本養(yǎng)老和基本醫(yī)療保險(xiǎn)制度，借此提升城鄉(xiāng)居民的收入水平；其次要培育消費(fèi)熱點(diǎn)，大力發(fā)展節(jié)假日消費(fèi)、信息消費(fèi)、旅游休閑消費(fèi)、文化體育娛樂(lè)消費(fèi)、教育消費(fèi)、健康消費(fèi)、綠色消費(fèi)等消費(fèi)熱點(diǎn)，加快以發(fā)展電子商務(wù)、網(wǎng)絡(luò)購(gòu)物為主的新型服務(wù)業(yè)消費(fèi)方式，培育養(yǎng)老服務(wù)業(yè)消費(fèi)市場(chǎng)，引導(dǎo)養(yǎng)老消費(fèi)，推廣新能源汽車(chē)等環(huán)保節(jié)能產(chǎn)品，鼓勵(lì)倡導(dǎo)綠色消費(fèi)。再次要優(yōu)化消費(fèi)環(huán)境，完善城鄉(xiāng)消費(fèi)寄出設(shè)施和消費(fèi)支撐體系建設(shè)，加快交通、供水、垃圾處理、無(wú)線(xiàn)寬帶、商業(yè)網(wǎng)點(diǎn)、醫(yī)院、養(yǎng)老院等公共基礎(chǔ)設(shè)施建設(shè)，完善信用體系、網(wǎng)上支付、物流配送等消費(fèi)支撐體系。改善農(nóng)村牧區(qū)的基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)城鄉(xiāng)市場(chǎng)流通體系建設(shè)，促進(jìn)產(chǎn)銷(xiāo)直接對(duì)接，有效啟動(dòng)農(nóng)村牧區(qū)消費(fèi)。參考文獻(xiàn)[1].人均GDP一萬(wàn)美元:內(nèi)蒙古經(jīng)濟(jì)社會(huì)發(fā)展的歷史性轉(zhuǎn)折點(diǎn)[J].北方經(jīng)濟(jì),2013,01:24.[2]那艷茹,包思勤,朱曉俊,李文杰,黃占兵,寶魯,趙杰,馮玉龍,趙云平,司詠梅,張永軍,商顯剛,畢力格,哈斯,高鴻雁,張志棟.內(nèi)蒙古2010年經(jīng)濟(jì)社會(huì)發(fā)展綜合評(píng)價(jià)——《人均GDP一萬(wàn)美元的內(nèi)蒙古》報(bào)告之四[J].北方經(jīng)濟(jì),2013,01:35-37.[3]蘇敏.內(nèi)蒙古第三產(chǎn)業(yè)對(duì)GDP貢獻(xiàn)的實(shí)證分析[J].內(nèi)蒙古煤炭經(jīng)濟(jì),2013,04:6-7.[4]包思勤,那艷茹,朱曉俊,李文杰,黃占兵,寶魯,趙杰,馮玉龍,趙云平,司詠梅,張永軍,商顯剛,畢力格,哈斯,高鴻雁.從國(guó)際比較看內(nèi)蒙古區(qū)情——《人均GDP一萬(wàn)美元的內(nèi)蒙古》系列報(bào)告之一[J].北方經(jīng)濟(jì),2013,01:25-27.[5]那艷茹,包思勤,朱曉俊,李文杰,黃占兵,寶魯,趙杰,馮玉龍,趙云平,司詠梅,張永軍,商顯剛