论文部分内容阅读
随着科学技术的快速发展,互联网也得到了前所未有的发展,互联网的发展对我们生活方式的改变起了很大的推动作用。互联网极大地促进了网络购物的发展,网络购物的发展也刺激了消费,对经济的增长起了很大的促进作用,互联网成为了经济增长的新动能。同时互联网的发展也促进了创新,在稳增长、调结构、促就业中也起了不可替代的作用。我国目前的互联网普及率将近过半,但是未来几年的互联网普及率到底能达到多少,还是一个未知数。因此,对未来的互联网普及率进行预测有很重要的意义。时间序列模型是我们处理时间序列数据最常用的模型。时间序列模型包括两大类,有基于平稳时间序列建立的模型,也有基于非平稳时间序列建立的模型。虽然我们在实践中见到最多的是非平稳时间序列,但是平稳时间序列模型是非平稳时间序列模型的基础。基于随机分析的非平稳时间序列建模就是在平稳时间序列模型的基础上发展起来的。在非平稳时间序列的建模中,ARIMA模型和Holt-Winters滤波模型是分别基于随机分析和确定性分析而产生的模型。ARIMA模型主要针对随机性比较强的序列建模;Holt-Winters滤波模型主要针对随机性比较弱的序列建模。由于在建模之前对序列的不了解,我们通常同时用两种模型去拟合非平稳时间序列,然后进行比较,选择合适的模型。本文首先对时间序列的主要特征和时间序列的分析步骤进行了介绍,然后详细介绍了平稳时间序列的建模,接着在平稳时间序列建模的基础上对非平稳时间序列的建模进行了分析。在分析的过程中将非平稳时间序列的建模分为基于确定性分析的建模和基于随机分析的建模两种,并对这两种进行了比较。最后本文运用2000年12月至2015年6月我国的互联网普及率数据,基于R软件来进行分析,通过ARIMA模型和Holt-Winters滤波模型分别对我国的互联网普及率数据进行拟合。最后经过模型比较选择了Holt-Winters滤波模型,并运用Holt-Winters滤波模型预测了我国未来5年的互联网普及率。分析表明,到2020年6月年我国的互联网普及率将达到59.4%,增长不是很快,因此本文提出了相关的政策建议来提升互联网普及率的增长。