人口预测的时间序列建模

信息计算科学论文编号:XXLW059 论文字数:8512,页数:24

目 录
摘   要 i
Abstract ii
目 录 iii
第一章    引  言 1
第二章    基本理论介绍 2
2.1 时间序列预测法 2
2.1.1基本内容 2
2.1.2时间序列预测法的步骤 2
2.1.3时间序列预测法的分类 3
 2.2 自回归移动平均模型（ARIMA） 4
2.2.1基本内容 4
2.2.2 模型的基本思想 4
 2.2.3 模型预测的基本步骤 4
 2.2.4 自回归模型AR 5
 2.2.5 移动平均模型MA 5
 2.2.6 自回归移动平均模型ARMA 5
第三章   人口年增长率的ARIMA建模 6
3.1 直观分析和相关分析 6
3.2 平稳化 7
3.3 模型的识别和初步确定 8
3.4 参数估计和相应的AIC值 10
3.5 参数的显著性检验 12
3.6 模型的适应性检验 13
 3.7 模型的预测 13
第四章   Eviews操作 15
4.1 数据输入及直观分析 15
4.2 一阶差分 15
4.3 单位根检验 15
4.4模型的建模 17
第五章 模型的评价与推广 17
5.1 模型的缺点 17
5.2模型的特点 17
5.3模型的推广 18
致  谢 19
参考文献 20

摘   要
 我国是一个人口大国，认真分析研究我国目前的人口发展现状和特点，采取切实可行的措施控制人口的高速增长，已经成为我国目前经济发展中需要解决的首要问题。时间序列分析是研究动态数据的动态结构和发展变化规律的统计方法。以1949 年至2004 年中国大陆人口自然增长率为数据,用时间序列分析法在统计学软件Eviews的帮助下对这些数据建立模型, 首先进行序列的处理，得到平稳的序列，其次计算样本自相关函数和样本偏自相关函数,由此初步判断用何种模型进行拟合，然后估计模型中的未知参数，接着用不同的方法检验模型的拟合效果，最后选出最优模型对人口进行预测。本文最后得到一个AR（2）的模型，该模型对数据的检验相对误差较小，说明该模型在人口预测的问题上是有效的。

关键词：ARIMA 模型 Eviews软件 平稳性

Abstract
 China is a populous country, a careful analysis and study of our present situation and characteristics of population development ，take practical measures to control the rapid growth of population has become the primary problem which need  be solved in China's current economic development .Time series analysis is a statistical method to study the dynamic structure and development law of dynamic data  .Based on the example of population growth rate between 1949 and 2004 in the mainland of China , mathematic models were established with time series analysis method and statistic software Eviews ,First of all, be a smooth sequence by processing sequence, followed by computing the sample autocorrelation function and sample partial autocorrelation function, which have preliminarily determined what kind of model used to fit the model and then estimate the unknown parameters.Then use different methods to test the model fitting results. Finally select the best model to predict the population. The model received a  good results, therefore the application of time series analysis is effective in population prediction.
Keywords: ARIMA model ; Eviews software ; stability ; invertibility