我国人均国内生产总值的时间序列分析(1952—2011)与静态预测(2012—2015).docVIP

PAGE PAGE 1 我国人均国内生产总值的时间序列分析(1952—2011)与静态预测(2012—2015) 　　摘要：国内生产总值是最重要的宏观经济指标，人均国内生产总值是衡量国家发展程度与人民生活水平的重要标志。党的十八大报告提出到2020年全面建成小康社会，实现GDP和人均收入比2010年翻一番的目标，因此对我国人均国内生产总值进行时间序列分析与静态预测对实现GDP总量翻番的目标具有重要意义。文章从国内生产总值和时间序列模型的基本理论出发，选取了自1952年至2011年人均GDP的60个样本数据，建立了以时间序列为基础的AR（1）模型，模型通过了EViews软件中的所有检验，模型的精度较高。文章利用AR（1）模型对2012年至2015年的人均GDP做出了预测，预测结果表明，至“十二五”期末，我国的名义人均GDP基本可实现比2010年翻一番的目标。 　　关键词：人均GDP；时间序列；AR模型；预测 　　党的十八大报告提出要在十六大、十七大确立的全面建设小康社会目标的基础上努力实现新的要求，确保到2020年全面建成小康社会，实现国内生产总值和城乡居民人均收入比2010年翻一番的目标。因此，对我国人均国内生产总值进行时间序列分析与静态预测对实现GDP总量翻番的目标具有重要意义。国内生产总值（简称GDP）是指在一定时期内，一个国家或地区所生产出的全部最终产品和劳务的价值，是最常用的衡量国家经济状况的指标。人均GDP是根据一个国家或地区在一定时期内的国内生产总值与该时期内常住人口的比值计算出来的。GDP反映的是一国整体的经济发展状况，而人均GDP才是衡量国家发达程度与人民生活水平的重要标志。一般来说，国内生产总值共有四个不同的组成部分，包括消费、投资、政府支出和净出口额。由此可见，人均GDP会受到多种因素的影响，经济基础、人口增长、资源、科技、环境等因素都会对其产生重要的影响，这些因素之间又有着错综复杂的关联性影响，因此，运用结构性的因果模型分析和预测人均GDP往往比较困难。然而将历年的GDP作为时间序列，根据过去的数据得出其变化规律建立模型来预测未来的变化，则具有较强的可操作性和重要的现实意义。 　　一、方法选择、变量选取与数据来源 　　时间序列是指同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。时间序列模型不以经济理论为指导，不考虑其他经济变量的影响，只依变量本身的变化规律建立模型，利用外推机制进行预测。时间序列模型是博克思和詹金斯（Box-Jenkins，1968）提出来的，故称为B-J模型，共包括AR（p）、MA（q）、ARMA（p，q）、ARIMA（p，d，q）和ARMAX（p，q）五种类型。这种模型是对人均GDP的历史数据变化趋势进行拟合，然后对未来趋势进行预测，这种方法的优势是需要收集的数据少、变量单一，避免了因为其他相关数据的误差所带来的预测不准确性。缺点也是显而易见的，因为人均GDP受到太多因素影响。在外部预期的经济环境、人口环境和政策环境不发生较大变化的情况下，这种模型分析和预测的结果具有较好的参考价值。 　　为了增强模型的准确性与预测的精确性，且由于2012年GDP的最终核实数与2012年的人均GDP尚未公布，为保证数据的科学有效性，本文选取了我国自1952年至2011年的历年人均GDP数据，共60个样本数据，为了方便起见，本文用Yt代替GDPt，若无特殊说明，下文中有关变量运算符号的意义如表1所示。 　　二、模型建立与检验过程 　　1.时间序列的识别及模型形式的确定。 　　（1）Yt的特征分析。Yt的时序曲线如图1所示，由图可以看出，在样本期内我国人均GDP序列呈指数趋势增长，尤其在1978年后呈现强劲增长态势，欲建立一个恰当的B-J模型，时序Yt必须满足非纯随机性、平稳性和无季节性条件。 　　①时序Yt非纯随机性。图2所示的是Yt的自相关系数和偏自相关系数，由图可知，Yt滞后1～9阶的自相关系数都超过了0.95的置信带，所以时序Yt是非纯随机序列。 　　②时序Yt的平稳性。由图1可以看出，我国人均GDP时间序列Yt存在显著增长趋势，是非平稳序列。由图2可以看出，Yt的自相关系数呈线性缓慢衰减趋势，这也说明时序Yt存在趋势，是非平稳序列，必须对其平稳化。由于时序Yt是年度数据，所以不存在季节性。 　　（2）时序Yt的平稳化。 　　①一阶差分序列？驻Yt的平稳性。由于Yt是非平稳序列，不能直接用于建立B-J模型，所以要研究其差分序列。图3所示的是？驻Yt的自相关图和偏自相关图，由图3可以看出，？驻Yt的自相关图呈缓慢波浪式衰减特征，所以？驻Yt序列仍存在趋势，仍是非平稳序列，不能用其建立B-J模型。 　　②对数一阶差分序列？驻LYt的平稳性。为了消除时序？驻Yt的趋势和