伊犁州直县(市)农民人均纯收入的聚类实证分析和预测

采用基于面板数据的聚类实证研究分析法,对伊犁州直十个县(市)2003年—2013年农民的人均纯收入进行了综合评价和对比分析,针对各县(市)的优势和特点,提出相应对策,并运用时间序列分析的曲线拟合对伊犁哈萨克自治州的首府—伊宁市2015农民人均纯收入做了预测.     

我国第三产业国内生产总值动态分析

本文运用计量经济原理建立我国从1952年以来第三产业国内生产总值的时间序列分析模型,研究第三产业生产总值变化趋势和规律.并运用所建模型对第三产业生产总值进行预测,为政府选择预测第三产业发展的统计模型提供参考.     

基于时间序列的多因素耦合下GDP预测研究——以伊犁州为例

以时间序列分析相关理论为基础,首先介绍了ARIMA模型和VAR模型的建模过程,然后构造ARIMA模型对伊犁州直GDP进行预测,再考虑进出口总额、社会消费品零售额、工业和建筑业、社会固定资产总额等因素的耦合效应,构造VAR模型对伊犁州直GDP进行预测,最后对两种方法做对比分析,结果显示,VAR模型预测精度较高,误差较小,经济含义明确,预测的GDP结果可为伊犁州党委、政府制定相关经济政策和发展战略提供一定的科学依据.     

青岛港货运吞吐量的时间序列模型

运用时间序列分析方法对时间序列建立ARMA,ARIMA模型.搜集了青岛港1999年1月～2003年5月的货运吞吐量数据,对进行分析,建立了青岛港货运吞吐量的模型.通过预留的部分数据对模型进行检验,并对模型的残差进行检验,得出模型比较合理.     

基于逆模糊数的模糊时间序列预测的新方法

Song和Chisson于1993年提出模糊时间序列预测理论.虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型.提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001~2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善.还对广西大学未知的2013年和2014年注册数进行预测研究.方法是短期预测的一种模糊时间序列预测方法.     

基于逆模糊数的模糊时间序列预测的新方法北大核心

Song和Chisson于1993年提出模糊时间序列预测理论．虽然至今已经提出许多模糊时间序列预测模型,但是迄今为止尚未给出预测未知年数据的模糊时间序列预测模型．提出基于逆模糊数的模糊时间序列预测的新方法该模型对广西大学已知的2001-2012年的注册数进行预测分析,平均预报误差率比相关文献的方法有所改善．还对广西大学未知的2013年和2014年注册数进行预测研究．方法是短期预测的一种模糊时间序列预测方法．     

上海市工业废水排放量的多元非线性回归预测

根据2000年至2009年上海市的人均生产总值和工业重复用水量并结合工业废水排放量的资料,构建了一种基于时间序列的多元非线性回归预测模型,并进行了评估和分析.模型具有较高的拟合精度,能客观反映工业废水的排放量,可以为决策者提供参考,提高相关部门的管理水平.     

专利申请与授权量的时间序列分析

专利的申请和授权量动态分析与预测是建立专利预警机制、设计与制定相关政策和战略的基础,具有重要的理论意义。起伏型时间序列法是一种新的时间序列分析法,提出用起伏型时间序列法对专利申请与授权数据进行动态分析。以2005年国内专利申请与授权数量月动态为研究数据,对专利申请、授权及发明专利申请数量的月动态进行建模模拟,结果令人满意,说明起伏型时间序列分析方法可应用于专利申请与授权动态模拟,从而丰富了专利申请与授权数据动态分析方法。     

基于ICA的时间序列聚类方法及其股票数据分析中的应用

时间序列聚类分析是时间序列数据挖掘中的重要任务之一,通常由于时间序列数据的特殊结构,导致一般的聚类算法不能直接应用于时间序列数据.本文提出了一种基于独立成分分析与改进K-均值算法相结合的时间序列聚类算法,该算法首先利用独立成分分析对时间序列数据进行特征提取,然后利用改进K-均值聚类算法完成对时间序列特征数据的聚类分析,从而得到了一种新的基于特征的时间序列聚类方法.为了验证该方法的有效性和可行性,将其应用于实际的股票时间序列数据聚类分析中,取得了较好的数值结果.     

基于ICA的时间序列聚类方法及其在股票数据分析中的应用

时间序列聚类分析是时间序列数据挖掘中的重要任务之一，通常由于时间序列数据的特殊结构，导致一般的聚类算法不能直接应用于时间序列数据。本文提出了一种基于独立成分分析与改进^一均值算法相结合的时间序列聚类算法，该算法首先利用独立成分分析对时间序列数据进行特征提取，然后利用改进￡．均值聚类算法完成对时间序列特征数据的聚类分析，从而得到了一种新的基于特征的时间序列聚类方法。为了验证该方法的有效性和可行性，将其应用于实际的股票时间序列数据聚类分析中，取得了较好的数值结果。     

基于自回归XGBoost时序模型的GDP预测实证

GDP是反映一个国家国民收入、居民消费能力和经济发展的重要宏观经济指标,也是制定相关经济政策的重要依据.选择合适的统计方法研究GDP的发展变化规律,进行短期的高精度预测,对我国的宏观经济决策具有重要意义.研究选用基于自回归的XGBoost时序模型对我国1978-2018年GDP进行拟合预测,Rstudio软件运行结果显...     

基于ARIMA与神经网络集成的GDP时间序列预测研究

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。     

时间序列多个突变点的贝叶斯推断——对我国GDP序列的实证分析

突变点的存在对经济分析与建模会产生重要影响."邹检验"仅仅在序列存在一个突变点时有效.为了对序列中可能存在的多个突变点进行判断,引入了基于贝叶斯推断的多个突变点判断理论,并将该理论应用于我国GDP序列中.笔者检测出该序列存在三个突变点,分别位于1961年,1976年,1989年.此外,发现加入合理的突变点后,模型的预测精度得到显著的提高.     

灰色预测法的进一步推广及应用

把原始时间序列进行多次累加,产生多个新序列,研究它们之间的关系,建立多元线性(或非线性)回归模型.给定显著性水平α,对回归方程进行显著性检验,在置信度1-α下,利用微分,差分关系建立相应的高阶微分方程,从而实现对原序列的预测或控制.该方法进一步推广了灰色预测法,为时间序列建模提供了一个新手段,一些著名的微分方程模型成为这一方法的特例,最后,用该方法对中国1979年至2008年的GDP序列建立微分方程模型并进行预测.     

基于ARIMA和LSSVM的非线性集成预测模型

针对复杂时间序列预测困难的问题,在综合考虑线性与非线性复合特征的基础上,提出一种基于ARIMA和最小二乘支持向量机(LSSVM)的非线性集成预测方法.首先采用ARIMA模型进行时间序列线性趋势建模,并为LSSVM建模确定输入阶数;接着根据确定的输入阶数进行时间序列样本重构,采用LSSVM模型进行时间序列非线性特征建模;最后采用基于LSSVM的非线性集成技术形成一个综合的预测结果.将该方法用于中国GDP预测取得的结果,与单独预测方法及流行的其他集成预测方法相比,预测精度有了较大的提高,从而验证了方法的有效性和可行性.     

广西GDP的统计预测模型及其应用

本文利用SPSS统计软件及非参数统计方法(卡方检验和K-S检验法)对广西1950年至2006年共57年的GDP数据进行实证分析.在最佳准则(即AIC准则)下建立了ARIMA(1,2,1)时间序列模型,并利用非参数统计方法对此模型进行了适应性检验,然后利用2001年至2006年的实际值与该模型的预测值进行了比较.最后,本文利用该模型对广西未来五年的GDP进行了预测.     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究

在经济领域中,时间序列具有序列相关和长记忆等特征,用考虑了时间序列短记忆性和长记忆的ARFIMA来模型分析研究经济时间序列有利于提高拟合及预测的精度。近几十年来对ARFIMA模型参数估计和分数差分算子阶数d的研究越来越多,该模型的应用也越来越广泛。基于贝叶斯方法在参数估计中的优越性,本文结合众多应用此方法的文献所得到的后验分布特点,提出了合理的先验分布,考虑到计算难度,采用MCMC方法对模型的参数进行估计,最后应用我国过去几十年的GDP数据进行实证分析,得到了ARFIMA模型参数的后验分布图、均值、方差及95%的置信区间。     

Forecasting business cycle with chaotic time series based on neural network with weighted fuzzy membership functions

This study presents a forecasting model of cyclical fluctuations of the economy based on the time delay coordinate embedding method. The model uses a neuro-fuzzy network called neural network with weighted fuzzy membership functions (NEWFM). The preprocessed time series of the leading composite index using the time delay coordinate embedding method are used as input data to the NEWFM to forecast the business cycle. A comparative study is conducted using other methods based on wavelet transform and Principal Component Analysis for the performance comparison. The forecasting results are tested using a linear regression analysis to compare the approximation of the input data against the target class, gross domestic product (GDP). The chaos based model captures nonlinear dynamics and interactions within the system, which other two models ignore. The test results demonstrated that chaos based method significantly improved the prediction capability, thereby demonstrating superior performance to the other methods.     

广西经济增长与环境污染关系的库兹涅茨曲线研究

从环境库兹涅茨曲线假说出发,结合广西1997～2006年的主要污染物排放量和人均GDP数据,建立了广西环境污染与经济增长之间的多项式回归模型,并采用SAS软件进行分析,结果表明两者间呈倒"N"型分布.针对模型可能是因虚假回归而存在统计意义上的显著,对各序列依次做平稳性检验和对模型的残差项做协整性检验,保证了模型结果确凿可信.模型的建立不仅定量揭示出广西经济增长与环境污染程度之间的关系,而且剖析了经济增长与环境质量之间的变化规律,为广西环境与经济协调发展提供了决策参考和管理需求,为全面实施"生态广西"建设确立了科学依据.