论文部分内容阅读
核算国民经济活动的核心指标是国内生产总值(简称GDP),它是经济社会(一国或一地区)在一定时期内运用生产要素所生产的全部最终产品(物品和劳务)的市场价值。GDP是对数据所属地区综合经济的重要体现。相对精准的预测GDP是经济领域中具有现实意义的课题。本文主要以时间序列分析为基础,同时结合支持向量回归(简称SVR)算法建立序列模型。通过对经济实情相近的吉林省与黑龙江省1952年-2011年的60个GDP数据分别建立模型:应用SPSS建立线性回归模型、时间序列分析知识体系及Eviews软件建立指数模型和ARIMA模型,应用SVR知识体系及R语言软件建立支持向量回归模型,并综合两部分知识体系建立组合模型。两省各自建立这些模型并逐步递推预测2012年-2015年GDP数值,运用预测数值与已知的这四年实际GDP数据计算均方误差,均方误差最小的模型即为最适合此省GDP的模型。吉林省最优GDP模型为ARIMA(1,1,0),黑龙江省最优GDP模型为以支持向量机回归为主模型且与AR(1)共同构成的组合模型。GDP不仅是一个用于观察省内经济进展的指标,也是一个常用于比较两省间经济现况及未来可能性的指标。回首64年,黑龙江省GDP均大于吉林省GDP,本文应用两省各自的较优拟合模型对2016年-2020年未知GDP进行预测,观望它们未来的发展趋势及可能性,并对两省间GDP数据的差值建立模型,从建模角度观察它们之间GDP的差值变化从而分析并比较经济发展速率的变化。随后,基于时间序列分析中协整理论,证实吉林省GDP与吉林省的第一产业、第二产业及第三产业存在长期协整关系,且第一、二、三产业间也是存在着长期协整关系的。以此为基础,建立误差修正模型,观察存在着的均为负反馈机制,并发现三大产业之中第一、二产业对吉林省GDP影响较大。最后探究产业在不同滞后期时的格兰杰因果关系,并选择出最佳滞后阶数。本文采用不同数据分析方法建立不同模型并逐步递推预测,极力达到最合适模型被选取。指标数据整体与局部的分析为两省GDP的发展及吉林省内部产业的经济提供有价值的信息与依据。