張江城

摘要：隨著經(jīng)濟全球化的深入，一國的經(jīng)濟實力在國家實力中的重要性越來越突出，世界各國都開始瘋狂發(fā)展經(jīng)濟，以在國際競爭中求得一席之位。GDP（國內(nèi)生產(chǎn)總值）從某個側(cè)面反映了國家的經(jīng)濟實力，成為了各國衡量經(jīng)濟實力的重要指標。中國從改革開放之后，經(jīng)濟不斷發(fā)展，GDP數(shù)據(jù)逐年增加，并呈現(xiàn)一定的規(guī)律。若能準確的預(yù)測中國之后幾年的GDP數(shù)據(jù)，對國家宏觀調(diào)控具有重要意義。本文在各項預(yù)測方法中選擇了時間序列模型作為研究對象。從時間序列的基本概念出發(fā)，了解時間序列模型的種類與建模方法，以整套的時間序列建模理論為基礎(chǔ)，在我國GDP數(shù)據(jù)上建立了ARMA模型，應(yīng)用ARMA模型對2012年我國GDP數(shù)據(jù)進行預(yù)測，其預(yù)測結(jié)果與實際值之間相差很小，擬合結(jié)果比較滿意；在此基礎(chǔ)上，預(yù)測未來三年的GDP數(shù)據(jù)。

關(guān)鍵詞：GDP；時間序列模型；ARMA；預(yù)測

一、 我國GDP的ARMA模型的建立

（一） 數(shù)據(jù)的平穩(wěn)性的檢驗和處理

以我國1978年到2012年的GDP數(shù)據(jù)為例，分析ARMA的建模過程，并通過所選模型對2013年到2015年的我國GDP進行預(yù)測，其中2012年的GDP數(shù)據(jù)為對照值。

1978-2012年我國GDP時間序列數(shù)據(jù)資料見表1。

從圖1可看出，近30多年來，我國GDP數(shù)據(jù)呈現(xiàn)出指數(shù)增長趨勢，具有明顯的非平穩(wěn)性。同時通過對近三十多年的GDP數(shù)據(jù)進行單位根檢驗，結(jié)果見表2，ADF檢驗表明GDP時間序列是單位根過程，是非平穩(wěn)時間序列。或者由GDP時間序列的自相關(guān)和偏相關(guān)圖（圖2）可以看出，自相關(guān)系數(shù)沒有很快的趨于0，說明序列不是純隨機的，是非平穩(wěn)的。

為了檢驗?zāi)Ｐ偷念A(yù)測效果，將2012年的觀測值留出作為評價預(yù)測精度的參照對象。因此將建模的樣本期定為1978年到2011年。接下來對含有指數(shù)增長趨勢的時間序列，可以通過取對數(shù)將指數(shù)趨勢化為線性趨勢，然后在進行差分消除線性趨勢。

如上圖，先經(jīng)過對數(shù)處理后的數(shù)據(jù)LGDP呈線性趨勢（圖3），然后再經(jīng)過一階差分后，數(shù)據(jù)DLGDP呈現(xiàn)上下波動的狀態(tài)（圖4），然后對DLGDP數(shù)據(jù)作單位根檢驗（表3）和自相關(guān)-偏相關(guān)圖檢驗（圖5）。

由表3可以看出，ADF檢驗的t統(tǒng)計量=-3.724676，小于檢驗水平為1%、5%、10%的統(tǒng)計量臨界值，而且t統(tǒng)計量相應(yīng)的概率值P非常小，因此拒絕存在單位根的原假設(shè)，即認為序列是平穩(wěn)的。

同時，由圖5可以看出樣本自相關(guān)系數(shù)和偏相關(guān)系數(shù)很快都落入隨機區(qū)間，即可認為序列的趨勢性已基本消除，序列是平穩(wěn)的。

（二） ARMA模型的建立與優(yōu)化

ARMA（p，q）的自相關(guān)系數(shù)和偏相關(guān)系數(shù)均是拖尾的。從圖2-5中可以看出，自相關(guān)函數(shù)AC和偏相關(guān)函數(shù)PAC都具有拖尾性。自相關(guān)系數(shù)在q>1時顯示截尾現(xiàn)象，對q=1，2進行比較最終確定最合適的值；偏相關(guān)系數(shù)在p>4時顯示明顯的截尾現(xiàn)象，對p=2，4進行比較最終確定最合適的值。因此，可選擇的模型有ARMA（2，1），ARMA（2，2），ARMA（4，1），ARMA（4，2）.對這四個模型進行檢驗比較。

通過檢驗，這四個模型中，除了ARMA（2，1）的滑動平均過程不可逆外，其他模型的之后多項式的根部落在單位圓外，說明序列DLGDP的平穩(wěn)性和可逆性。同時，通過表8可以看出，與前3個模型相比，ARMA（2，1）模型的AIC值和SC值最小，且擬合優(yōu)度2值最大，故選擇ARMA（2，1）為最優(yōu)預(yù)測模型。

估計該模型的參數(shù)及模型的相關(guān)檢驗結(jié)果。結(jié)果顯示，參數(shù)估計的p值非常小，參數(shù)估計值具有統(tǒng)計意義。其展開式如下：

二、模型的診斷檢驗

ARMA模型參數(shù)估計后，應(yīng)檢驗?zāi)Ｐ褪欠裾_。在前面已經(jīng)介紹過，通過殘差序列的白噪聲檢驗來檢驗?zāi)Ｐ偷挠行?。殘差序列的白噪聲檢驗常用的是Q統(tǒng)計量檢驗：

從圖6可以看到，殘差序列的樣本自相關(guān)函數(shù)都在95%的置信區(qū)間以內(nèi)，從滯后1階到16階的自相關(guān)函數(shù)相應(yīng)的概率值P都大于檢驗水平0.05，因此不能拒絕原假設(shè)，即認為模型ARMA（2，1）估計結(jié)果的殘差序列不存在自相關(guān)。

三、 模型的預(yù)測

根據(jù)以上的分析，所建立的ARMA（4，2）模型是合適的，因此可以用它來進行預(yù)測。利用Eviews對DLGDP的2012到2015的數(shù)據(jù)進行預(yù)測，結(jié)果如圖7，紅色虛線是預(yù)測置信區(qū)間，可以看到隨著向后預(yù)測期的增加，預(yù)測置信區(qū)間變大，從而表明預(yù)測期越往后，模型的預(yù)測精度越差。

如表1所示，經(jīng)預(yù)測2012年的GDP值為55144524，與實際值的誤差為6.19%，較為精確。利用此模型對2013年到2015年我國的GDP數(shù)據(jù)進行預(yù)測，結(jié)果在表9中顯示。

四、總結(jié)

ARMA模型對具有明顯趨勢的時間序列分析提供了很好的數(shù)學模型，它不依賴于變量所涉及到的專業(yè)知識，只依靠了樣本數(shù)據(jù)本身來實現(xiàn)建模。在社會經(jīng)濟發(fā)展變化過程的分析研究中廣泛應(yīng)用。預(yù)測時不需考慮其他因素的影響，僅從序列本身出發(fā)，建立相應(yīng)的模型進行預(yù)測，這就從根本上避免了尋找主要因素和次要因素的困難；和回歸相比，可以避免了尋找模型中對隨機擾動項限定條件在經(jīng)濟實踐中難以滿足的矛盾。

本文將時間序列分析方法應(yīng)用到我國國內(nèi)生產(chǎn)總值短期預(yù)測中。文章對整個ARMA時間序列的建模及預(yù)測過程進行了十分詳細的介紹，并且以我國GDP數(shù)據(jù)為例，利用ARMA模型進行了預(yù)測，得到了比較好的預(yù)測結(jié)果。在整個建模過程中，通過Eviews軟件可以很方便地得出序列模型并且有很高的擬合精度。（作者單位：武漢大學經(jīng)濟與管理學院）

參考文獻：

[1]Robert H.Shumway and David S.Stoffer：《Time Series Analysis and Its Applications With R Examples》[M]，世界圖書出版社，2009

[2]李正輝、李庭輝著：《時間序列分析實驗》[M]，中國統(tǒng)計出版社，2010

[3]易丹輝著：《時間序列分析方法與應(yīng)用》[M]，中國人民大學出版社，2011

[4]潘紅宇著：《時間序列分析》[M]，對外經(jīng)濟貿(mào)易大學出版社，2006

[5]何書元著：《應(yīng)用時間序列分析》[M]，北京大學出版社，2011

[6]樊歡歡、李嫣怡、陳勝可著：《Eviews 統(tǒng)計分析與應(yīng)用》[M]，機械工業(yè)出版社，2011

[7]方榮華著：《基于ARMA時間序列理論的建模及應(yīng)用》[J]，科技資訊，2012（19）

[8]李守麗著：《時間序列分析法在預(yù)測未來GDP中的應(yīng)用》[J]，科技信息，2011

[9]成剛、袁佩琦、陳瑾著：《北京市人均GDP的時間序列分析及預(yù)測》[J]，生產(chǎn)力研究，2007

[10]王艷梅、陳希鎮(zhèn)、董乃銘著：《山西省人均GDP的發(fā)展態(tài)勢——基于時間序列、最小二乘回歸、分位數(shù)回歸方法》[J]，管理科學，2012（18）

[11]趙婷著：《ARMA在我國GDP預(yù)測中的應(yīng)用》[J]，金融領(lǐng)域，2011（1）

[12]郝香芝、李少穎著：《我國GDP時間序列的模型建立與預(yù)測》[J]，理論新探，2007（23）

[13]范玉妹、玄婧著：《ARMA算法在GDP預(yù)測中的應(yīng)用》[J]，江南大學學報，2010（6）