畢業(yè)論文-欽州市第三產(chǎn)業(yè)生產(chǎn)總值的統(tǒng)計(jì)預(yù)測(cè)與分析

PAGEPAGEII本科畢業(yè)設(shè)計(jì)(論文)題目：欽州市第三產(chǎn)業(yè)生產(chǎn)總值的統(tǒng)計(jì)預(yù)測(cè)與分析學(xué)院：專業(yè)(方向)：班級(jí)：學(xué)生：指導(dǎo)教師：摘要?dú)J州市是北部灣的重要發(fā)展城市之一，特別是08年欽州港獲批成為國(guó)家保稅港區(qū)以來，經(jīng)濟(jì)得到快速發(fā)展。同時(shí)，第三產(chǎn)業(yè)的發(fā)展也有了明顯的提升，除了工業(yè)外，第三產(chǎn)業(yè)還有很多需要發(fā)展投資的地方，比如交通運(yùn)輸業(yè)。近年來，第三產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比重不斷上升，對(duì)經(jīng)濟(jì)的貢獻(xiàn)也越來越大。因此，對(duì)欽州市第三產(chǎn)業(yè)生產(chǎn)總值的預(yù)測(cè)，不僅能明確第三產(chǎn)業(yè)所占經(jīng)濟(jì)的比重，而且能為投資者提供更多更準(zhǔn)確的理論參考。本文的數(shù)據(jù)從作者的所在單位—?dú)J州港經(jīng)濟(jì)技術(shù)開發(fā)區(qū)經(jīng)濟(jì)發(fā)展局獲得。文章在介紹廣西欽州市第三產(chǎn)業(yè)發(fā)展現(xiàn)狀及特點(diǎn)的基礎(chǔ)上，分析了第三產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)增長(zhǎng)的重要作用，并分別運(yùn)用二次曲線指數(shù)平滑法、趨勢(shì)外推法、求和自回歸移動(dòng)平均模型（ARIMA模型）對(duì)欽州市1991-2011年第三產(chǎn)業(yè)的生產(chǎn)總值進(jìn)行建模分析，預(yù)測(cè)了欽州市第三產(chǎn)業(yè)2012年的發(fā)展趨勢(shì)。最后再將三個(gè)單一模型進(jìn)行組合，得出組合預(yù)測(cè)模型，并對(duì)2012年欽州市的第三產(chǎn)業(yè)生產(chǎn)總值進(jìn)行預(yù)測(cè)。通過預(yù)測(cè)精度的比較，結(jié)果表明，雖然趨勢(shì)外推法的預(yù)測(cè)精度比較高，但是組合預(yù)測(cè)模型綜合了單一模型的優(yōu)點(diǎn)，使得預(yù)測(cè)更加精確。關(guān)鍵詞：第三產(chǎn)業(yè)；指數(shù)平滑；趨勢(shì)外推；ARIMA模型；組合模型；預(yù)測(cè)StatisticalPredictionandAnalysisoftheTertiaryIndustryGDPinQinzhouCityStudent:WeiXiao-heTeacher:DengGuang-mingAbstract:QinzhouCityisoneoftheimportantcitiesforthedevelopmentoftheBeibuGulf,inparticular,rapideconomicdevelopmentsince2008QinzhouPortapprovednationalbondedportarea.Meanwhile,thedevelopmentoftertiaryindustryhasalsobeensignificantlyimproved,industries,thetertiaryindustry,therearealotofinvestment,suchasthetransportationindustry.Inrecentyears,theproportionoftertiaryindustryinthenationaleconomyisrising,thecontributiontotheeconomyisalsogrowing.Therefore,thepredictionofthetertiaryindustryGDPinQinzhouCity,notonlyclearthetertiaryindustryshareofGDP,butalsotoprovideinvestorswithmoreaccuratetheoreticalreference.Inthispaperthedataobtainedfromtheauthor'sworkunit-QinzhouPortEconomicDevelopmentZone,EconomicDevelopmentBoard.ArticleintroducedQinzhouCitytertiaryindustrydevelopmentstatusandcharacteristicsbasedontheanalysisoftheimportantroleofthetertiaryindustryofnationaleconomicgrowth,respectively,usingquadraticcurveexponentialsmoothing,trendextrapolation,summationautoregressivemovingQinzhouCity1991-2011tertiaryindustryGDP,theaveragemodel(ARIMAmodel)modelinganalysistopredictthetrendofdevelopmentoftertiaryindustryinQinzhouCityin2012.Thefinalandthenthreebecombinedinasinglemodel,derivedcombinationforecastingmodeltopredictandthetertiaryindustryGDPin2012QinzhouCity.Bycomparingthepredictionaccuracy,theresultsshowthatthetrendextrapolationforecastaccuracyishigh,butthecombinationforecastingmodelcombinestheadvantagesofasinglemodel,makingthepredictionmoreaccurate.Keywords:TertiaryIndustry;Exponentialsmoothing;Trendextrapolation;ARIMAmodel;Combinedmodel;Forecast目次摘要 IIIAbstract IV引言 -1-1緒論 -1-1.1第三產(chǎn)業(yè)的含義 -1-1.2第三產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)的影響 -1-1.3欽州市第三產(chǎn)業(yè)的發(fā)展現(xiàn)狀 -2-2分析概況 -3-2.1方法的選取及整體思路 -3-2.2數(shù)據(jù)來源 -3-2.3數(shù)據(jù)作圖分析 -4-3預(yù)測(cè)方法的基本原理 -5-3.1二次曲線指數(shù)平滑法 -5-3.1.1確定平滑系數(shù) -5-3.1.2二次曲線指數(shù)平滑法的計(jì)算過程 -5-3.2趨勢(shì)外推法 -6-3.2.1概念及適用條件 -6-3.2.2模型種類 -7-3.3ARIMA模型預(yù)測(cè)法 -8-3.3.1ARIMA模型的定義 -8-3.3.2ARIMA模型的基本思想及原理 -8-3.3.3ARIMA模型的結(jié)構(gòu) -8-3.3.4ARIMA模型預(yù)測(cè)的基本程序 -9-3.4預(yù)測(cè)精度的測(cè)定 -10-3.4.1預(yù)測(cè)精度的含義 -10-3.4.2測(cè)定預(yù)測(cè)精度的方法 -11-3.5組合預(yù)測(cè)模型 -12-3.5.1組合預(yù)測(cè)的定義及基本原理 -12-4實(shí)證分析 -13-4.1二次曲線指數(shù)平滑模型分析及預(yù)測(cè) -13-4.1.1指數(shù)平滑系數(shù)的確定 -13-4.2趨勢(shì)外推模型分析及預(yù)測(cè) -15-4.2.1數(shù)據(jù)分析 -15-4.2.2模型預(yù)測(cè) -16-4.3ARIMA模型分析及預(yù)測(cè) -17-4.3.1判斷平穩(wěn)性 -17-4.3.2原始數(shù)據(jù)的對(duì)數(shù)和差分處理 -17-4.3.3模型的識(shí)別 -19-4.3.4模型的診斷 -20-4.3.5模型預(yù)測(cè) -21-4.4三種模型預(yù)測(cè)的精度比較 -21-4.5組合預(yù)測(cè)模型的分析及預(yù)測(cè) -23-4.5.1權(quán)重的確定問題 -23-4.5.2組合模型的預(yù)測(cè)結(jié)果 -24-5結(jié)論 -25-致謝 -26-參考文獻(xiàn) -27-桂林理工大學(xué)本科畢業(yè)設(shè)計(jì)·論文27-引言隨著經(jīng)濟(jì)全球化的進(jìn)一步深化，第三產(chǎn)業(yè)的發(fā)展水平日益成為各國(guó)衡量經(jīng)濟(jì)發(fā)展水平的重要標(biāo)志。我國(guó)隨著產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化升級(jí)，第三產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比重不斷提升，發(fā)揮的作用越來越大，成為國(guó)民經(jīng)濟(jì)的重要增長(zhǎng)點(diǎn)。因此第三產(chǎn)業(yè)生產(chǎn)總值的預(yù)測(cè)尤為重要，它不僅能反映第三產(chǎn)業(yè)對(duì)經(jīng)濟(jì)的貢獻(xiàn)情況，而且能給投資者提供必要的理論參考。近年來欽州市的發(fā)展加快，因?yàn)閲?guó)家加大了對(duì)北部灣的投資建設(shè)，保稅港區(qū)的建設(shè)也成為經(jīng)濟(jì)增長(zhǎng)的加速器。本文通過收集欽州市1991-2011年第三產(chǎn)業(yè)生產(chǎn)總值，分別運(yùn)用二次曲線指數(shù)平滑法、趨勢(shì)外推法、ARIMA模型對(duì)其進(jìn)行預(yù)測(cè)，比較精度。再將三個(gè)單一模型進(jìn)行組合，得出組合預(yù)測(cè)模型，并對(duì)2012年欽州市的第三產(chǎn)業(yè)生產(chǎn)總值進(jìn)行預(yù)測(cè)。前人是通過對(duì)欽州市第三產(chǎn)業(yè)生產(chǎn)總值的變化計(jì)算其增長(zhǎng)率，根據(jù)實(shí)際情況預(yù)測(cè)出次年的第三產(chǎn)業(yè)生產(chǎn)總值情況。但是本文的方法更加全面精確。1緒論1.1第三產(chǎn)業(yè)的含義第三產(chǎn)業(yè)，又稱第三次產(chǎn)業(yè)，是由英國(guó)經(jīng)濟(jì)學(xué)家、新西蘭奧塔哥大學(xué)教授費(fèi)希爾1935年在《安全與進(jìn)步的沖突》一書中首先提出來的。第三產(chǎn)業(yè)是指國(guó)民經(jīng)濟(jì)中，除第一產(chǎn)業(yè)(農(nóng)業(yè))、第二產(chǎn)業(yè)(工業(yè)和建筑業(yè))以外的其它行業(yè)，其發(fā)展水平是衡量生產(chǎn)社會(huì)化程度和市場(chǎng)經(jīng)濟(jì)發(fā)展水平的重要標(biāo)志[1]。1.2第三產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)的影響第三產(chǎn)業(yè)作為國(guó)民經(jīng)濟(jì)的一個(gè)重要部門，對(duì)于經(jīng)濟(jì)發(fā)展具有強(qiáng)大的拉動(dòng)作用。其發(fā)展水平是衡量一個(gè)國(guó)家或地區(qū)發(fā)達(dá)程度的重要標(biāo)志，對(duì)促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化升級(jí)、增加就業(yè)、提高人民生活質(zhì)量具有重要作用[2]。因此，大力加快第三產(chǎn)業(yè)的發(fā)展，進(jìn)一步推進(jìn)工業(yè)化進(jìn)程，提高城市化水平，促進(jìn)國(guó)民經(jīng)濟(jì)持續(xù)快速協(xié)調(diào)健康發(fā)展和社會(huì)事業(yè)的全面進(jìn)步，對(duì)實(shí)現(xiàn)全面建設(shè)小康社會(huì)奮斗目標(biāo)具有重大意義。1.3欽州市第三產(chǎn)業(yè)的發(fā)展現(xiàn)狀欽州市是北部灣臨海核心工業(yè)區(qū)，經(jīng)濟(jì)充滿活力、城鄉(xiāng)協(xié)調(diào)發(fā)展的現(xiàn)代化港口工業(yè)城市。今年以來，欽州市第三產(chǎn)業(yè)發(fā)展迅猛，呈現(xiàn)對(duì)經(jīng)濟(jì)增長(zhǎng)的強(qiáng)勁的拉動(dòng)。2011年底，全市第三產(chǎn)業(yè)增加值190億元，同比增長(zhǎng)4.9%[3]。近年來，欽州市第三產(chǎn)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)明顯上升，投資活力持續(xù)增強(qiáng)。第三產(chǎn)業(yè)特別是新型服務(wù)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)強(qiáng)勁的拉動(dòng)與貢獻(xiàn)，充分表現(xiàn)出欽州市在著力轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、大力調(diào)整產(chǎn)業(yè)結(jié)構(gòu)上取得了新的突破。欽州市正處于開發(fā)熱土階段，特別是保稅港區(qū)的建立和全國(guó)重點(diǎn)資產(chǎn)轉(zhuǎn)移城市的確定，未來將成為我區(qū)經(jīng)濟(jì)的新增長(zhǎng)極。2分析概況2.1方法的選取及整體思路用數(shù)據(jù)做出曲線圖，通過圖形來判斷方法的選取。運(yùn)用二次曲線指數(shù)平滑法、趨勢(shì)外推法和ARIMA模型分別對(duì)欽州市2012年第三產(chǎn)業(yè)生產(chǎn)總值作出預(yù)測(cè)，再通過精度對(duì)比建立組合模型來提高預(yù)測(cè)精度。2.2數(shù)據(jù)來源數(shù)據(jù)來源是欽州港經(jīng)濟(jì)技術(shù)開發(fā)區(qū)經(jīng)濟(jì)發(fā)展局，但是1993年、1997年、1998年的數(shù)據(jù)沒有查到，因此本文運(yùn)用SPSS16.0進(jìn)行數(shù)據(jù)缺失值處理，用相鄰非缺失值的均值來代替，得到以下數(shù)據(jù)。表2-1欽州市第三產(chǎn)業(yè)實(shí)際生產(chǎn)總值（單位：億元）年份期數(shù)第三產(chǎn)業(yè)生產(chǎn)總值年份期數(shù)第三產(chǎn)業(yè)生產(chǎn)總值199112.4620021249.11199223.2320031354.251993311.9420041455.211994417.5820051562.921995524.520061673.021996628.5820071792.841997731.86200818119.041998831.86200919139.531999935.01201020166.3420001039.36201121190.0920011144.722.3數(shù)據(jù)作圖分析圖2-1欽州市第三產(chǎn)業(yè)生產(chǎn)總值的曲線圖（單位：億元）從圖2-1可清楚的看出，第三產(chǎn)業(yè)生產(chǎn)總值隨著時(shí)間的變化呈明顯上升趨勢(shì)。出現(xiàn)這種變化也是應(yīng)當(dāng)?shù)?，因?yàn)殡S著經(jīng)濟(jì)的快速發(fā)展，人民生活水平的提高，人們對(duì)服務(wù)業(yè)、旅游業(yè)等第三產(chǎn)業(yè)要求也有所提高，國(guó)家要求對(duì)第三產(chǎn)業(yè)加大投資，努力把第三產(chǎn)業(yè)轉(zhuǎn)變成支柱產(chǎn)業(yè)。特別是欽州港08年獲批成為國(guó)家保稅港區(qū)以來，欽州市第三產(chǎn)業(yè)的發(fā)展更加迅猛。3預(yù)測(cè)方法的基本原理3.1二次曲線指數(shù)平滑法指數(shù)平滑法通過對(duì)歷史時(shí)間序列進(jìn)行逐層平滑計(jì)算，從而消除隨機(jī)因素的影響，識(shí)別經(jīng)濟(jì)現(xiàn)象基本變化趨勢(shì)，并以此預(yù)測(cè)未來。對(duì)于非線性增長(zhǎng)的時(shí)間序列，采用二次曲線指數(shù)平滑法可能要比線性指數(shù)平滑法更為有效。它的特點(diǎn)是不但考慮了線性增長(zhǎng)的因素，而且也考慮了二次拋物線的增長(zhǎng)因素[4]。3.1.1確定平滑系數(shù)進(jìn)行指數(shù)平滑預(yù)測(cè)時(shí)，對(duì)于平滑系數(shù)可給以不同的數(shù)值，這要根據(jù)所研究數(shù)據(jù)的波動(dòng)情況來決定。當(dāng)所研究的數(shù)據(jù)波動(dòng)不大時(shí)，可以取較小的值（如0.1~0.3），以加重第期指數(shù)平滑預(yù)測(cè)值的權(quán)數(shù)；而如果所研究的數(shù)列波動(dòng)較大，那么第期實(shí)際觀察值對(duì)第期指數(shù)平滑預(yù)測(cè)值的影響應(yīng)大一些，此時(shí)應(yīng)給以較大的值（如0.6~0.9），以加重原數(shù)列觀察值的權(quán)數(shù)。因此，通過對(duì)平滑系數(shù)的控制，可以控制預(yù)測(cè)結(jié)果的準(zhǔn)確性。統(tǒng)計(jì)預(yù)測(cè)過程中平滑系數(shù)的確定，一般是在考慮到所研究數(shù)列波動(dòng)情況的基礎(chǔ)上，根據(jù)經(jīng)驗(yàn)確定平滑系數(shù)值，以使所確定的預(yù)測(cè)值能夠比較接近于實(shí)際的發(fā)展變化趨勢(shì)。在不能做出較好的判斷時(shí)，可以分別取不同的值，進(jìn)行平滑預(yù)測(cè)并比較預(yù)測(cè)結(jié)果，以便使預(yù)測(cè)的誤差平方和達(dá)到最小[5]。3.1.2二次曲線指數(shù)平滑法的計(jì)算過程二次曲線指數(shù)平滑法的計(jì)算過程分為以下七個(gè)步驟[6]：（1）計(jì)算時(shí)期的單指數(shù)平滑值：。（2）計(jì)算時(shí)期的雙指數(shù)平滑值：。（3）計(jì)算時(shí)期的三重指數(shù)平滑值：。（4）計(jì)算時(shí)期的水平值：。（5）計(jì)算時(shí)期的線性增量：。（6）計(jì)算時(shí)期的拋物線增量：。（7）預(yù)測(cè)時(shí)期以后，即時(shí)期的數(shù)值：。其中，是正整數(shù)，。雖然二次曲線指數(shù)平滑法的計(jì)算方法有點(diǎn)復(fù)雜，但對(duì)非平穩(wěn)時(shí)間序列的預(yù)測(cè)相當(dāng)有效，它能隨著時(shí)間序列呈拋物線增長(zhǎng)而調(diào)整預(yù)測(cè)值。二次曲線指數(shù)平滑法的初始值依賴于兩個(gè)時(shí)期的觀測(cè)值和。已知和，假設(shè)：，那么，，。3.2趨勢(shì)外推法3.2.1概念及適用條件當(dāng)預(yù)測(cè)對(duì)象依時(shí)間變化呈現(xiàn)某種上升或下降的趨勢(shì)，并且無明顯的季節(jié)波動(dòng)，又能找到一條合適的函數(shù)曲線反映這種變化趨勢(shì)時(shí)，就可用時(shí)間為自變量，時(shí)序數(shù)值為因變量，建立趨勢(shì)模型：。這種趨勢(shì)能夠延伸到未來時(shí)，賦予變量所需要的值，就可以得到相應(yīng)時(shí)刻的時(shí)間序列未來值，稱為趨勢(shì)外推法。趨勢(shì)外推法的假設(shè)條件是：假設(shè)事物發(fā)展過程中沒有跳躍式變化，一般屬于漸進(jìn)變化。假設(shè)事物的發(fā)展因素也決定事物未來的發(fā)展，其條件是不變或變化不大。即，假定根據(jù)過去資料建立的趨勢(shì)外推模型能適合未來，能代表未來趨勢(shì)變化的情況，未來和過去的趨勢(shì)一樣。趨勢(shì)外推法是事物發(fā)展?jié)u進(jìn)過程的一種統(tǒng)計(jì)預(yù)測(cè)方法。它的主要優(yōu)點(diǎn)是可以揭示事物未來的發(fā)展，并定量地估計(jì)其功能特性。3.2.2模型種類（一）多項(xiàng)式曲線預(yù)測(cè)模型常用的有：1.一次（線性）預(yù)測(cè)模型：。2.二次（二次拋物線）預(yù)測(cè)模型：。3.三次（三次拋物線）預(yù)測(cè)模型：。4.次（次拋物線）預(yù)測(cè)模型：。（二）指數(shù)曲線預(yù)測(cè)模型常見的有[6]：1.指數(shù)曲線預(yù)測(cè)模型：。2.修正指數(shù)曲線預(yù)測(cè)模型：。（三）對(duì)數(shù)曲線預(yù)測(cè)模型常見的是：。（四）生長(zhǎng)曲線預(yù)測(cè)模型1.皮爾曲線預(yù)測(cè)模型：。式中，為變量的極限值，、為常數(shù)，為時(shí)間。2.龔珀茲曲線預(yù)測(cè)模型：[7]。3.3ARIMA模型預(yù)測(cè)法3.3.1ARIMA模型的定義ARIMA模型全稱為自回歸移動(dòng)平均模型(AutoregressiveIntegratedMovingAverageModel，簡(jiǎn)記ARIMA)，是由\o"博克思"博克思(\o"Box"Box)和\o"詹金斯"詹金斯(\o"Jenkins"Jenkins)于70年代初提出的一著名\o"時(shí)間序列預(yù)測(cè)方法"時(shí)間序列預(yù)測(cè)方法，所以又稱為box-jenkins模型、博克思-詹金斯法[12]。其中）稱為差分自回歸移動(dòng)平均模型，是自回歸，為自回歸項(xiàng)；為移動(dòng)平均，為移動(dòng)平均項(xiàng)數(shù)，為時(shí)間序列成為平穩(wěn)時(shí)所做的差分次數(shù)。3.3.2ARIMA模型的基本思想及原理ARIMA模型的基本思想是：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，用一定的\o"數(shù)學(xué)模型"數(shù)學(xué)模型來近似描述這個(gè)序列。這個(gè)模型一旦被識(shí)別后就可以從時(shí)間序列的過去值及現(xiàn)在值來預(yù)測(cè)未來值?，F(xiàn)代統(tǒng)計(jì)方法、\o"計(jì)量經(jīng)濟(jì)模型"計(jì)量經(jīng)濟(jì)模型在某種程度上已經(jīng)能夠幫助企業(yè)對(duì)未來進(jìn)行預(yù)測(cè)[13]。3.3.3ARIMA模型的結(jié)構(gòu)具有如下結(jié)構(gòu)的模型稱為求和自回歸移動(dòng)平均（autoregressiveintegratedmovingaverage）模型，簡(jiǎn)記為模型：式中，；，為平穩(wěn)可逆模型的自回歸系數(shù)多項(xiàng)式；，為平穩(wěn)可逆模型的移動(dòng)平滑系數(shù)多項(xiàng)式。式（1）可以簡(jiǎn)記為：式中，為零均值白噪聲序列[6]。由于模型的實(shí)質(zhì)就是差分運(yùn)算與模型的組合。所以，任何非平穩(wěn)序列通過適當(dāng)差分實(shí)現(xiàn)差分平穩(wěn)后平穩(wěn)，就可以對(duì)差分后序列進(jìn)行模型擬合。3.3.4ARIMA模型預(yù)測(cè)的基本程序（一）根據(jù)時(shí)間序列的\o"散點(diǎn)圖"散點(diǎn)圖、自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖以ADF單位根檢驗(yàn)其\o"方差"方差、趨勢(shì)及其季節(jié)性變化規(guī)律，對(duì)序列的平穩(wěn)性進(jìn)行識(shí)別。用ADF統(tǒng)計(jì)量檢驗(yàn)時(shí)，若各顯著性水平的臨界值均大于ADF統(tǒng)計(jì)量，則此序列為平穩(wěn)序列。如果不平穩(wěn)，則需對(duì)序列進(jìn)行平穩(wěn)化處理[11]。（二）對(duì)非平穩(wěn)序列進(jìn)行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長(zhǎng)或下降趨勢(shì)，則需要對(duì)數(shù)據(jù)進(jìn)行差分處理，差分公式為：一階差分：二階差分：依次類推，對(duì)序列進(jìn)行差分，直到序列平穩(wěn)為止。也可以先對(duì)序列取對(duì)數(shù)后再差分[8]。（三）純隨機(jī)性檢驗(yàn)。純隨機(jī)性檢驗(yàn)也稱為白噪聲檢驗(yàn)，是專門用來檢驗(yàn)序列是否為純隨機(jī)序列的一種方法。如果一個(gè)序列是純隨機(jī)序列，那它的序列值之間應(yīng)該沒有任何相關(guān)關(guān)系。原假設(shè)：延遲期數(shù)小于或等于m期的序列值之間相互獨(dú)立。備擇假設(shè)：延遲期數(shù)小于或等于m期的序列值之間有相關(guān)性。即為：可通過觀察序列的ACF圖和PACF圖來判斷序列是否為純隨機(jī)序列[8]。（四）根據(jù)時(shí)間序列模型的識(shí)別規(guī)則，建立相應(yīng)的模型。常用兩種方法：（1）基于自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的定階方法。若平穩(wěn)序列的偏相關(guān)函數(shù)是階截尾的，而自相關(guān)函數(shù)是拖尾的，可斷定序列適合模型；若平穩(wěn)序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)函數(shù)是階截尾的，則可斷定序列適合模型；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\o"ARMA模型"模型。模型定階的基本原則如表3-1所示[8]。表3-1模型定階基本原則表自相關(guān)偏相關(guān)模型定階拖尾階截尾模型階截尾拖尾模型拖尾拖尾模型（2）最小信息量準(zhǔn)則法。最小信息量準(zhǔn)則即AIC準(zhǔn)則是由日本統(tǒng)計(jì)學(xué)家Akaike于1973年提出的[6]。該準(zhǔn)則既考慮擬合模型對(duì)數(shù)據(jù)的接近程度，也考慮模型中所含待定參數(shù)的個(gè)數(shù)。在所有通過檢驗(yàn)的模型中，使得AIC函數(shù)達(dá)到最小的模型為相對(duì)最優(yōu)模型。（五）進(jìn)行\(zhòng)o"參數(shù)估計(jì)"參數(shù)估計(jì)。在上述模型識(shí)別的基礎(chǔ)上，利用樣本矩估計(jì)法、最小二乘估計(jì)法或極大似然估計(jì)法等對(duì)的未知參數(shù)，即自回歸系數(shù)、滑動(dòng)平均系數(shù)以及白噪聲方差進(jìn)行估計(jì)。利用AIC準(zhǔn)則進(jìn)行模型定階。（六）模型的顯著性檢驗(yàn)，診斷殘差序列是否為白噪聲。模型的顯著性檢驗(yàn)主要是檢驗(yàn)?zāi)Ｐ偷挠行?，一個(gè)模型是否顯著有效主要看它提取的信息是否充分。一個(gè)好的擬合模型應(yīng)該能夠提取觀察值序列中幾乎所有的樣本相關(guān)信息，換言之，擬合殘差項(xiàng)中將不再蘊(yùn)含任何相關(guān)信息，即殘差序列應(yīng)該為白噪聲序列。殘差序列白噪聲檢驗(yàn)的原假設(shè)和備擇假設(shè)分別為：檢驗(yàn)統(tǒng)計(jì)量為L(zhǎng)B（Ljung-Box）檢驗(yàn)統(tǒng)計(jì)量：。如果拒絕原假設(shè)，就說明殘差序列中還殘留著相關(guān)信息，擬合模型不顯著。如果不能拒絕原假設(shè)，就認(rèn)為擬合模型顯著有效[8]。（七）利用已通過檢驗(yàn)的模型進(jìn)行\(zhòng)o"預(yù)測(cè)分析"預(yù)測(cè)分析。3.4預(yù)測(cè)精度的測(cè)定3.4.1預(yù)測(cè)精度的含義預(yù)測(cè)精度是指預(yù)測(cè)模型的好壞程度，即由預(yù)測(cè)模型所產(chǎn)生的模擬值與歷史實(shí)際值擬合程度的優(yōu)劣。對(duì)于時(shí)間序列預(yù)測(cè)，可以采用歷史數(shù)據(jù)的一部分建立模型，然后預(yù)測(cè)其余的歷史數(shù)據(jù)，以便更直觀的研究預(yù)測(cè)的精度。3.4.2測(cè)定預(yù)測(cè)精度的方法（一）平均誤差和平均絕對(duì)誤差平均誤差的公式可表示為：。如果簡(jiǎn)單的將各項(xiàng)預(yù)測(cè)誤差加起來并求平均值，則其平均誤差就趨近于零，因?yàn)楦黜?xiàng)預(yù)測(cè)的誤差有正有負(fù)，正負(fù)誤差可以相互抵消，因此平均誤差不能很好的說明預(yù)測(cè)精度的高低。為避免這一缺點(diǎn)，可將各預(yù)測(cè)值誤差的絕對(duì)值加起來計(jì)算平均絕對(duì)誤差，其公式為：。（二）平均相對(duì)誤差和平均相對(duì)誤差絕對(duì)值平均相對(duì)誤差：。由于平均相對(duì)誤差也存在正負(fù)抵消問題，因此應(yīng)用較多的是平均相對(duì)誤差絕對(duì)值。公式為：。（三）預(yù)測(cè)誤差的方差和標(biāo)準(zhǔn)差預(yù)測(cè)誤差的方差可用公式表示為：。將預(yù)測(cè)誤差的方差開根號(hào)，即可求出預(yù)測(cè)誤差的標(biāo)準(zhǔn)差。能使預(yù)測(cè)誤差的方差最小的預(yù)測(cè)方法所產(chǎn)生的預(yù)測(cè)值的誤差一般都較小。因此，預(yù)測(cè)誤差的方差比平均絕對(duì)誤差或平均相對(duì)誤差絕對(duì)值能更好的衡量預(yù)測(cè)的精確度。3.5組合預(yù)測(cè)模型3.5.1組合預(yù)測(cè)的定義及基本原理組合預(yù)測(cè)是將幾種預(yù)測(cè)方法所得的預(yù)測(cè)結(jié)果，選取適當(dāng)?shù)臋?quán)重進(jìn)行加權(quán)平均的一種預(yù)測(cè)方法。組合預(yù)測(cè)有兩種基本形式：一是等權(quán)組合，、即各預(yù)測(cè)方法的預(yù)測(cè)值按相同的權(quán)數(shù)組合成新的組合預(yù)測(cè)值；二是不等權(quán)組合，即賦予不同預(yù)測(cè)方法的預(yù)測(cè)值的權(quán)數(shù)是不一樣的。它集中了更多的經(jīng)濟(jì)信息與預(yù)測(cè)技巧，能減少預(yù)測(cè)的系統(tǒng)誤差，顯著改進(jìn)預(yù)測(cè)效果。組合預(yù)測(cè)方法的原理：假設(shè)在某一預(yù)測(cè)問題中，對(duì)該序列對(duì)象有種預(yù)測(cè)方法，其中利用第種方法對(duì)時(shí)段的預(yù)測(cè)值為，利用這個(gè)預(yù)測(cè)值構(gòu)成一個(gè)對(duì)的最終預(yù)測(cè)結(jié)果，即，如果各種方法的權(quán)重，滿足，則組合預(yù)測(cè)模型可表示為：。4實(shí)證分析4.1二次曲線指數(shù)平滑模型分析及預(yù)測(cè)4.1.1指數(shù)平滑系數(shù)的確定為了能更精確的預(yù)測(cè)，本文通過給予不同數(shù)值（0.1~0.9）計(jì)算其平均相對(duì)誤差絕對(duì)值（）來進(jìn)行比較，從中選擇的最佳值。在此將第一期的實(shí)際觀察值作為初始值，運(yùn)用Excel完成計(jì)算過程。平均相對(duì)誤差絕對(duì)值（）公式為[6]：。通過計(jì)算得出不同的值對(duì)應(yīng)的平均相對(duì)誤差絕對(duì)值（）如表4-1所示。表4-1不同的值對(duì)應(yīng)的平均相對(duì)誤差絕對(duì)值（）0.10.3317960.20.1901060.30.1468660.40.1185510.50.0994030.60.1170060.70.138720.80.1663970.90.202839從表4-1可以看出值為0.5對(duì)應(yīng)的平均相對(duì)誤差絕對(duì)值（）最小，因此選用。根據(jù)二次曲線指數(shù)平滑法的計(jì)算步驟來預(yù)測(cè)欽州市第三產(chǎn)業(yè)的生產(chǎn)總值，得出表4-2。表4-2運(yùn)用二次曲線指數(shù)平滑法得出的預(yù)測(cè)值年份19912.462.462.462.4619923.232.852.652.563.130.430.10199311.947.395.023.7910.902199417.5812.498.756.2717.476.861.2516.68199524.518.4913.629.9524.567.851.1924.95199628.5823.5418.5814.2629.136.560.6433.01199731.8627.7023.1418.7032.384.860.1236.01199831.8629.7826.4622.5832.541.92-0.5637.30199935.0132.3929.4326.0034.911.83-0.4634.18200039.3635.8832.6529.3339.002.98-0.1036.51200144.7240.3036.4832.9044.374.450.2541.93200249.1144.7040.5936.7549.094.790.2748.94200354.2549.4845.0340.89054.01200455.2152.3448.6944.7955.753.04-0.2459.56200562.9257.6353.1648.9762.395.190.2958.68200673.0265.3359.2454.1172.368.450.9567.72200792.8479.0869.1661.6491.4015.902.3981.292008119.0499.0684.1172.87117.7224.223.71108.492009139.53119.30101.7087.29140.0625.533.18143.802010166.34142.82122.26104.78166.4528.233.07167.192011190.09166.45144.35124.57190.8627.862.30196.22由表4-2得知，，，，因此得出二次曲線指數(shù)預(yù)測(cè)模型為：。為延后的期數(shù)，。利用此模型預(yù)測(cè)得出2012年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值為：。4.2趨勢(shì)外推模型分析及預(yù)測(cè)4.2.1數(shù)據(jù)分析根據(jù)圖2-1可以看出，是一條隨時(shí)間的推移而增長(zhǎng)的曲線，那么可以嘗試用線性模型，二次預(yù)測(cè)模型、三次預(yù)測(cè)模型、指數(shù)模型來對(duì)數(shù)據(jù)進(jìn)行擬合。本文運(yùn)用SPSS16.0軟件對(duì)數(shù)據(jù)進(jìn)行處理，得出結(jié)果如圖4-1。圖4-1各曲線對(duì)數(shù)據(jù)的擬合情況圖觀察圖4-1，除了線性模型外其他的曲線模型對(duì)數(shù)據(jù)的擬合情況都比較吻合，為了更精確的確定模型，還需要進(jìn)行參數(shù)估計(jì)。表4-3各模型參數(shù)估計(jì)DependentVariable:第三產(chǎn)業(yè)生產(chǎn)總值EquationModelSummaryParameterEstimatesRSquareFdf1df2Sig.Constantb1b2b3Linear0.83394.4821190-24.3597.727Quadratic0.953180.993218021.488-4.2330.544Cubic0.9951.166E33170-15.79614.016-1.4830.061Exponential0.865121.4411906.0550.169從表4-3可以看出，二次預(yù)測(cè)模型和三次預(yù)測(cè)模型的擬合效果都不錯(cuò)，決定系數(shù)都大于0.9。其中，三次預(yù)測(cè)模型的決定系數(shù)最大，擬合效果最好。值和值都通過檢驗(yàn)，所以選擇用三次預(yù)測(cè)模型對(duì)數(shù)據(jù)進(jìn)行建模。根據(jù)表4-3可得出方程表達(dá)式為。4.2.2模型預(yù)測(cè)根據(jù)三次預(yù)測(cè)模型可得各年份第三產(chǎn)業(yè)生產(chǎn)總值的預(yù)測(cè)值，如表4-4所示。表4-4各年份欽州市第三產(chǎn)業(yè)的實(shí)際生產(chǎn)總值與預(yù)測(cè)值（單位：億元）年份期數(shù)實(shí)際值預(yù)測(cè)值199112.46-3.202199223.236.7921993311.9414.5521994417.5820.4441995524.524.8341996628.5828.0881997731.8630.5721998831.8632.6521999935.0134.69420001039.3637.06420011144.7240.12820021249.1144.25220031354.2549.80220041455.21579266.64420061673.0278.66820071792.8493.582200818119.04111.752200919139.53133.544201020166.34159.324201121190.09189.458利用該模型，可得出2012年第三產(chǎn)業(yè)生產(chǎn)總值的預(yù)測(cè)值。計(jì)算結(jié)果為：。4.3ARIMA模型分析及預(yù)測(cè)4.3.1判斷平穩(wěn)性根據(jù)時(shí)序圖2-1可以明顯看出，該序列呈上升趨勢(shì)，直觀來看，為非平穩(wěn)。為了進(jìn)一步驗(yàn)證其平穩(wěn)性，運(yùn)用Eview6.0軟件對(duì)序列進(jìn)行單位根檢驗(yàn)[9]。從表4-5可看出原始序列在顯著性水平1%的臨界值為-3.808546，在顯著性水平5%的臨界值為-3.020686，在顯著性水平10%的臨界值為-2.650413，均小于ADF統(tǒng)計(jì)量的值（6.698497），由ADF統(tǒng)計(jì)量檢驗(yàn)平穩(wěn)性原理可知原始序列為非平穩(wěn)序列。表4-5ADF統(tǒng)計(jì)量和各顯著性水平臨界值4.3.2原始數(shù)據(jù)的對(duì)數(shù)和差分處理為了減小波動(dòng)，先對(duì)原始數(shù)據(jù)對(duì)數(shù)化得到，再將其進(jìn)行一階差分得到序列，處理后的數(shù)據(jù)見表4-6。表4-6對(duì)原始數(shù)據(jù)取對(duì)數(shù)、一階差分和二階差分后的數(shù)據(jù)年份期數(shù)199112.460.900161199223.231.1724820.2723211993311.942.4798941.3074121.03509121994417.582.8667620.386868-0.9205441995524.53.1986730.331911-0.0549571996628.583.3527070.154034-0.1778771997731.863.4613510.108644-0.045391998831.863.4613510-0.1086441999935.013.5556340.0942820.094282420001039.363.672750.1171160.022833920011144.723.8004210.1276710.010554420021249.113.8940630.093642-0.03402920031354.253.9936030.099540.005898520041455.214.0111440.017541-0.08199920051562.924.1418640.130720.113178920061673.024.2907330.1488690.018149320071792.844.5308780.2401440.0912749200818119.044.779460.2485820.0084378200919139.534.938280.15882-0.089762201020166.345.1140340.1757540.0169342201121190.095.2474980.133464-0.04229對(duì)序列進(jìn)行ADF單位根檢驗(yàn)，結(jié)果如表4-7。表4-7一階差分后ADF統(tǒng)計(jì)量和各顯著性水平臨界值從表4-7中可以看出，在顯著性水平1%的臨界值（-3.886751）和顯著性水平5%的臨界值（-3.052169）都小于ADF統(tǒng)計(jì)量（-2.795706），因此一階差分后的序列仍不平穩(wěn)。則需進(jìn)行二階差分，得到序列，處理后的數(shù)據(jù)見表4-6。圖4-2序列折線圖二階差分后的序列折線圖如圖4-2所示。從圖中可得知，原序列的趨勢(shì)已經(jīng)消除。再對(duì)序列進(jìn)行ADF單位根檢驗(yàn)，結(jié)果見下表4-8。表4-8二階差分后ADF統(tǒng)計(jì)量和各顯著性水平臨界值從表4-8中可看出，在顯著性水平1%的臨界值（-3.857386）、顯著性水平5%的臨界值（-3.040391）和顯著性水平10%的臨界值（-2.660551）都大于ADF統(tǒng)計(jì)量（-12.06644），因此二階差分后的序列為平穩(wěn)序列。4.3.3模型的識(shí)別做平穩(wěn)序列的自相關(guān)函數(shù)（ACF）和偏相關(guān)函數(shù)（PACF）圖，如圖4-3所示[9]。圖4-3平穩(wěn)序列的自相關(guān)和偏相關(guān)圖從圖4-3可以看出，自相關(guān)系數(shù)是一階截尾的，而偏相關(guān)系數(shù)是拖尾的，且均落在二倍標(biāo)準(zhǔn)差范圍內(nèi)，因?yàn)樵蛄幸炎隽硕A差分處理，則可以判斷該模型為模型。模型系數(shù)檢驗(yàn)如表4-9所示。表4-9模型的系數(shù)檢驗(yàn)由表4-9可知，模型系數(shù)為-0.607395，統(tǒng)計(jì)量為-3.244385，對(duì)應(yīng)的值為0.0045（<0.05），通過檢驗(yàn)。修正的為0.343970，AIC值為0.277988。模型表達(dá)式為：。4.3.4模型的診斷對(duì)殘差序列進(jìn)行白噪聲檢驗(yàn)，做出殘差的自相關(guān)和偏相關(guān)圖，如圖4-4所示。圖4-4殘差序列的自相關(guān)和偏相關(guān)圖由圖4-4可知，延遲12階以下的值都大于0.05。在的條件下不能拒絕原假設(shè)，說明殘差序列為白噪聲序列，幾乎沒有可提取的信息，模型顯著有效。4.3.5模型預(yù)測(cè)運(yùn)用模型預(yù)測(cè)2012年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值。結(jié)果為：。4.4三種模型預(yù)測(cè)的精度比較為了更好的衡量預(yù)測(cè)的精確度，本文采用計(jì)算預(yù)測(cè)誤差的方差（）來進(jìn)行比較。選擇1995-2011年的數(shù)據(jù)進(jìn)行預(yù)測(cè)對(duì)比。表4-10三種模型的預(yù)測(cè)結(jié)果對(duì)比年份實(shí)際值二次曲線指數(shù)平滑法趨勢(shì)外推法ARIMA模型199524.524.9524.83432.65982199628.5833.0128.08840.65792199731.8636.0130.57241.29906199831.8637.332.65241.5795199935.0134.1834.69437.45252200039.3636.5137.06440.08006200144.7241.9340.12844.74044200249.1148.9444.25250.82402200354.2554.0149.80255.06653200455.2159.5657.14460.47423200562.9258.6866.64459.38268200673.0267.7278.66869.23034200792.8481.2993.58282.042072008119.04108.49111.752109.49952009139.53143.8133.544145.08222010166.34167.19159.324167.46942011190.09196.22189.458199.1181表4-11三種模型的預(yù)測(cè)誤差的方差（）值二次曲線指數(shù)平滑法趨勢(shì)外推法ARIMA模型MSE值26.4442915.3595645.99552由表4-11知，趨勢(shì)外推法的預(yù)測(cè)誤差的方差最小，說明趨勢(shì)外推法的精度最高。根據(jù)表4-10繪制三種方法的預(yù)測(cè)效果圖，如圖4-5所示。圖4-5三種方法預(yù)測(cè)效果圖從圖4-5可看出，三種方法的預(yù)測(cè)跟實(shí)際值相差很小，效果都比較理想，但趨勢(shì)外推法的偏差