合肥市GDP时间序列模型的建立

我们所探究的序列可以称之为一元时间序列，对这个变量的变化前景进行预估是使用其历史与现在值的随机误差项建模的目标，通常情况下，假定误差随机项在不同的时候都独立并且符合正态的散布。对于时间序列估计，第一是先找出和数据拟合的最佳的预估模型，所以预估的重点之处在于阶数确认、参变量的估算。

根据预测时序图可以看出合肥市GDP在未来五年内仍然处于增长状态，因为这个时间序列模型是通过二阶的差分之后才得到稳定的，而且模型是根据有限的年份GDP数据拟合而成的，所以得到的模型只能预测短时间的趋势，而不能预测长期趋势，所以只适宜做短期的预估。

本篇论文是用时序分析对合肥市GDP的年数据开展了随机性解析，并且利用ARIMA模型的测算方式对合肥市GDP进行短期预估。经过模型辨识、模型检测等一系列操作，最终决定了用ARIMA(1,2,1)模型进行最后的计算。

根据表3、表4可以得到预测的相对误差都比3%小，表明了良好的预估效果，所以选择这个模型对合肥市将来五年的GDP做出如表5的估计。

从本篇论文的随机性分析办法对数据进行的解析和预估中能够看得出来，对GDP数据实行取对数操作，之后实行合理的差分，获取稳定序列之后选取较低的模型阶数，最后能得到比较满意的预估成果。

根据本篇论文获得的比较良好的拟合成果可以得知时间序列短时间的预估精确度是相对较高的。可以得知，时间序列预测是预测办法中极为重要的一种，只要拥有变量的以往数据，在实际的生活之中含有着宽广的运用范围，对宏观经济的预测，除了上述的方法，还可以使用前移回归分析方法和多因素趋势回归预测法等，其他方法从不同的角度也可以对宏观的经济展开较好的预估，这几种方法就不在本文中详细介绍。

当然GDP作为国民经济极为重要的指标，经济情况大概和经济体系内的全部因素都相关，众多的繁复......