简介：

简介：

简介：

简介：时间序列分析在经济运用中作用十分明显。本文利用1995--2014年国内生产总值的相关资料，运用时间序列分析。应用Eviews软件对经济增长时间序列进行模型识别、拟合、估计和预测。而改革开放以来，投资在经济增长中的作用越来越明显，在对经济增长序列进行时间序列分析的同时，也结合回归分析建立经济增长和投资的回归模型来分析经济增长和投资的协整关系。

简介：

简介：随着教育部提倡全国普通高校使用国外教材，现在许多重点大学和一普通高校纷纷在不同的学院、不同的专业、不同的年级上有选择地、有条件地实行“原版英文教材教学”试点。本文针对国内外大学教材中“经济预测与时间序列”方面的教材进行深入地对比分析研究，指出国内一些教材中普遍存在的问题不足。

简介：摘要：时间序列预测是对已有的时间序列数据进行分析，挖掘时间序列数据中蕴藏的信息，并对未来进行预测。时间序列预测具有极其重要的理论意义与现实意义，学者们为此做了大量的研究工作并取得了很好的成果。本文主要对时间序列预测的相关方法进行整理归纳，对时间序列预测相关研究进行述评。

简介：摘要针对火灾经济损失的统计工作量大、周期性长,火灾经济损失信息的滞后性，应用指数平滑法，以1999-2012年的火灾直接经济损失率数据为样本，预测2013-2018年的火灾直接经济损失率，其次对1999-2018年的数据进行时间序列分析，最后得出2013-2018年每年的火灾直接经济损失率的年平均增长率为15307.83，且观察到在2006年前后火灾年经济损失率出现下降。

简介：本文运用时间序列分析法,通过对我国东中西部三大区域的人均产出序列的单位根和协整检验,从另一个角度来考察我国区域经济增长收敛问题。实证结果表明：东部和西部二大经济带的内部存在收敛趋势,而中部经济带内的收敛趋势却不太明显。三大经济带之间的经济增长不存在收敛趋势,在长期内受到两个共同冲击的影响。

简介：支持向量机是一种基于统计学习理论的新的机器学习方法，该方法已用于解决模式分类问题．本文将支持向量机（SVM）用于混沌时间序列分析，实验数据采用典型地Mackey-Glass混沌时间序列，先对混沌时间序列进行支持向量回归实验；然后采用局域法多步预报模型，利用支持向量机对混沌时间序列进行预测．仿真实验表明，利用支持向量机可以较准确地预测混沌时间序列的变化趋势．

简介：粮食价格波动的成因一直是学术界关注的问题。本文通过对1995年1月至2005年12月全国小麦批发市场月度价格序列的分析，表明所观察的小麦价格序列的分布不符合传统线性回归模型关于独立同方差的假设，其特征比较适合使用ARCH族模型来描述。GARCH（1，1）模型的结果显示，由前期价格代表的存粮情况对现期小麦价格影响显著，前期的高价会引发未来小麦市场较大的价格波动；考察期间两次大的粮食市场改革虽然对短期小麦价格有影响，但并未引发剧烈的小麦价格波动。

简介：

简介：摘要：本文结合国内外现有文献的研究对时间序列的相关理论进行了系统、全面的阐述，以期为后续研究奠定基础。

简介：时评文章文体社会读者报道活动评论新闻经济　提要,但经济时评关注的不只是经济行为本身,经济时评的

简介：阐述＂时间序列分析＂在民族院校统计专业中的重要性,论述在教学过程中教材选择、课堂教学方法的多样化以及考核方式等方面所做的努力,提出重视模型背景教学、重视案例教学、重视运用统计软件辅助教学以及重视实践教学的教学理念,旨在探讨统计专业＂时间序列分析＂课程教学改革的途径与方法。

简介：摘要时间序列指的是同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。本文基于时间序列理论，以我国1978年至2014年三十六年的国内生产总值为基础，对数据进行平稳化处理、模型识别、模型估计、模型检验，确定较适合模型为自回归移动平均模型。之后利用ARIMA模型对我国2013—2014年GDP作出预测并与实际值比较，结果表明预测比较合理，预测模型良好，继续利用ARIMA模型对我国未来4年的国内生产总值做出预测。

简介：提出了一种基于时间序列的大坝预测方法。首先对最近若干年的大坝位移变形时间序列进行周期项和趋势项的分析;然后对除去这两项的剩余时间序列进行混沌特性分析与预测;最后对三进行叠加,进行可行性分析与误差分析,得到预测结果。此方法实用性强,具有较高的操作性。

简介：ＥＸｃｅ１在办公自动化中的应用是众所周知的，但一提到统计分析软件，人们都会理所当然地想到ｓｔａｔｉｓｔｉｃ、Ｓｐｓｓ、ＳＡＳ等，谁也不会把Ｅｘｃｅｌ牵扯进来。在人们眼里，似乎Ｅｘｃｅｌ只能求简单的均值、方差等，而登不了统计分析的大雅之堂。其实，据有关资料表明，Ｅｘｃｅｌ可以实现９０％以上的统计分析功能，而且简便易行。下面我们就以时间数列分析入手，观察一下Ｅｘｃｅｌ是怎样剔除不规则变动（Ｉ），长期趋势（Ｔ），季节变动（Ｓ），来显示出循环波动（Ｃ），希望对统计工作者有一定借鉴作用。资料如下：（表１－１）解题思路：首先，由于原始数据（Ｙｔ）为季节资料，应对它进行４项移动平均（Ｍｔ）来分离出长期趋势

简介：利用时间序列分析软件CATS对研究地区的GPS观测资料进行噪声分析,使用了时间域上的最大似然估计法以及频谱域上的频谱分析法。结果表明,对于研究地区的GPS资料,白噪声＋闪烁噪声为较好的噪声模型,可提高该地区地壳变形速度估计的精度。

简介：