人口預測的時間序列建模

信息計算科學論文編號:XXLW059 論文字數(shù):8512,頁數(shù):24

目 錄
摘   要 i
Abstract ii
目 錄 iii
第一章    引  言 1
第二章    基本理論介紹 2
2.1 時間序列預測法 2
2.1.1基本內(nèi)容 2
2.1.2時間序列預測法的步驟 2
2.1.3時間序列預測法的分類 3
 2.2 自回歸移動平均模型（ARIMA） 4
2.2.1基本內(nèi)容 4
2.2.2 模型的基本思想 4
 2.2.3 模型預測的基本步驟 4
 2.2.4 自回歸模型AR 5
 2.2.5 移動平均模型MA 5
 2.2.6 自回歸移動平均模型ARMA 5
第三章   人口年增長率的ARIMA建模 6
3.1 直觀分析和相關(guān)分析 6
3.2 平穩(wěn)化 7
3.3 模型的識別和初步確定 8
3.4 參數(shù)估計和相應的AIC值 10
3.5 參數(shù)的顯著性檢驗 12
3.6 模型的適應性檢驗 13
 3.7 模型的預測 13
第四章   Eviews操作 15
4.1 數(shù)據(jù)輸入及直觀分析 15
4.2 一階差分 15
4.3 單位根檢驗 15
4.4模型的建模 17
第五章 模型的評價與推廣 17
5.1 模型的缺點 17
5.2模型的特點 17
5.3模型的推廣 18
致  謝 19
參考文獻 20

摘   要
 我國是一個人口大國，認真分析研究我國目前的人口發(fā)展現(xiàn)狀和特點，采取切實可行的措施控制人口的高速增長，已經(jīng)成為我國目前經(jīng)濟發(fā)展中需要解決的首要問題。時間序列分析是研究動態(tài)數(shù)據(jù)的動態(tài)結(jié)構(gòu)和發(fā)展變化規(guī)律的統(tǒng)計方法。以1949 年至2004 年中國大陸人口自然增長率為數(shù)據(jù),用時間序列分析法在統(tǒng)計學軟件Eviews的幫助下對這些數(shù)據(jù)建立模型, 首先進行序列的處理，得到平穩(wěn)的序列，其次計算樣本自相關(guān)函數(shù)和樣本偏自相關(guān)函數(shù),由此初步判斷用何種模型進行擬合，然后估計模型中的未知參數(shù)，接著用不同的方法檢驗模型的擬合效果，最后選出最優(yōu)模型對人口進行預測。本文最后得到一個AR（2）的模型，該模型對數(shù)據(jù)的檢驗相對誤差較小，說明該模型在人口預測的問題上是有效的。

關(guān)鍵詞：ARIMA 模型 Eviews軟件 平穩(wěn)性

Abstract
 China is a populous country, a careful analysis and study of our present situation and characteristics of population development ，take practical measures to control the rapid growth of population has become the primary problem which need  be solved in China's current economic development .Time series analysis is a statistical method to study the dynamic structure and development law of dynamic data  .Based on the example of population growth rate between 1949 and 2004 in the mainland of China , mathematic models were established with time series analysis method and statistic software Eviews ,First of all, be a smooth sequence by processing sequence, followed by computing the sample autocorrelation function and sample partial autocorrelation function, which have preliminarily determined what kind of model used to fit the model and then estimate the unknown parameters.Then use different methods to test the model fitting results. Finally select the best model to predict the population. The model received a  good results, therefore the application of time series analysis is effective in population prediction.
Keywords: ARIMA model ; Eviews software ; stability ; invertibility