我国第三产业增加值的分析与预测--基于SARIMA模型 - 图文(3)

-0.736548 0.079711 -9.240223 0.0000 -0.946563 0.010802 -87.62882 0.0000

Mean -0.00113

R-squared 0.599385 dependent var 1 Adjusted S.D. R-squared 0.578574 dependent var 0.024758 S.E. of Akaike info -5.36442regression 0.016072 criterion 1

Schwarz -5.21767

Sum squared resid 0.019890 criterion 0

Hannan-Quinn -5.30550

Log likelihood 224.9413 criter. 3

Durbin-Watso

F-statistic 28.80113 n stat 1.887706 Prob(F-statistic) 0.000000

.02-.92

Inverted AR Roots i .02+.92i -.87

-.00-.

Inverted MA Roots .99 .00+.99i 99i -.99

AR(3)

MA(4) 由表3可知，可判决系数R^2和调整后的可判决系数r^2都接近于0.6，拟合度还可以，模型对原始数据能解释的部分较多。F统计值为28.80113，各回归系数显著为0，说明模型是显著。在显著性水平0.05下，自变量k=4，n=90，查表得DL=1.566，DU=1.751，k=4，n=95时，DL=1.579，DU=1.755，所以，n=91时，1.751

(1+0.834473B+0.814402B2+0.736548B3(1-B)2Yt=(1+0.946563B4)at

(四)模型的适应性检验

模型的适应性检验是残差序列αt与Xt派生出预白化序列at是否互相关，残差序列是白噪声序列。如果一个时间序列模型是恰当的，那么模型的残差序列{at}应该是白噪声序列，它应该完全或者大概说明了时间序列的相关性。这里，运用χ2检验法进行模型的适应性检验。

11

图10 模型的残差序列图

图10是模型估计结果显示残差序列的样本自相关函数绝大多数都在置信区间以内，图中呈现滞后5阶至32阶残差序列的自相关函数对应的概率p值几乎都大于显著性水平0.05，因此不能拒绝原假设，也就是认为残差序列{at}是白噪声序列，于是SARIMA

?3,2,0??0,1,1?4是符合要求的。

（五） 模型的预测

利用所估计的SARIMA?3,2,0??0,1,1?4模型对2014年第四季度的第三产业增加值进行预

测。

12

320,000280,000240,000200,000160,000120,00080,00040,00009496980002YF0406?2 S.E.08101214Forecast: YFActual: YForecast sample: 1992Q1 2014Q4Adjusted sample: 1994Q2 2014Q4Included observations: 82Root Mean Squared Error 710.4705Mean Absolute Error 423.6148Mean Abs. Percent Error 1.004616Theil Inequality Coefficient 0.004238 Bias Proportion 0.012539 Variance Proportion 0.004582 Covariance Proportion 0.982878

图11 1992-2014年我国第三产业增加值走向和预测图

图11可以清楚看到，预测数据与原始数据基本一致，表明模型的估计效果很好，符合预测我国第三产业增加值未来走势的要求。同样，第三产业增长速率加快，呈现峰谷交替的态势。我国第三产业增加值受季节性因素影响明显。第一季度增加值到第四季度增加值逐步提高。我们应该尽量维持第三产业增加值在第四季度的水平，在可能的情况下，提高第三产业增加值的增长速度；在第一季度时，尽量不要让它落后于其它三个季度的增加值。

.08.04.00-.04-.08-.12.06.04.02.00-.02-.04-.06-.0819941996199820002002200420062008Fitted201020122014ResidualActual

图12 模型残差图

从该图中可以看出，模型的残差均值在零附近波动，拟合值和实际值相差不大，模型是可行的。并且从残差图可以看出，之所以在2008年和2011年时偏离均值零最远，

13

是因为2008年世界金融危机的影响和2011年第三产业内部结构的影响，导致第三产业发展受到的波动较大。所以我们应该重视第一第二产业对第三产业的影响以及第三产业内部的制约作用，进而加快第三产业的发展。

计算相对误差，以表示模型效果 相对误差=︱Yf-Y︱/Y*100% （其中Yf为预测值 Y为原始值）

通过对1992年第一季度至2014年第四季度相对误差的计算，我们可以发现相对误差小于1%的约占有69.6%，大于1%且小于5%的约占26.1%，余下的相对误差大于5%以上3.3%。这一结果说明该理论模型的预测效果较好，用该模型进行静态预测，不会对所预测值产生很大的预测误差，也就是说能把预测误差控制在5%之内，乃至更低。（见附录二）

运用SARIMA?3,2,0??0,1,1?4模型经过静态预测，得出2014年第四季度的预测值为306899.4，实际值306738.7，根据公式，相对误差=（306899.4-306738.7）/306738.7=0.05%,拟合效果很好。同时，2013年第四季度增加值预测值为277333.5，所以2014年第四季度比上一年同期增长了10.7%。

四、结论

1、SARIMA模型估计的优势和劣势

本文辅助eview软件，对我国第三产业增加值进行季度时间序列分析与预测。分析结果说明，用季节乘积ARIMA模型对我国2014年第四季度第三产业增加值进行建模和预测是可行且可靠的，这为国家宏观调控提供了一个重要的理论依据。采用静态分析，能更好运用原始数据，并对预测值进行不断调整，能很好地控制预测的误差。本文研究的不足之处是模型的拟合优度还有待提高，没有剔除通胀因素对第三产业增加值的影响。如剔除通胀因素可使结果更贴近实际，更具有参考价值。

2、运用SARIMA模型对第三产业增加值预测是可行的

可以通过观察序列的时序图来判断数据是否存在趋势性和周期性，观察样本自相关函数是否快速趋向于零，判断数据是否平稳。利用单位根检验进一步判断序列是否平稳。先取对数，在采用差分或最小二乘法（本文采用差分的方法）消除数据的趋势性，采用季节差分消除数据的周期性。通过观察相应的相关图进一步判断模型的阶数，对模型适应性检验看模型是否可行。最后观察预测效果，发现采用季节乘积ARIMA模型产生的预

14

测值与原始值是吻合的，也就是说模型是科学可靠的。

3、目前我国第三产业发展水平不高

在当前形势下，稳步发展的第三产业，对经济增长的创造力不断增强。但综合来说，发展水平低，规模小、结构不均和数量少等因素，使得我国第三产业发展明显落后于发达国家和很多发展中国家，发展第三产业仍需全力以赴。

4、关于促进第三产业发展的途径有以下几点： （1）依靠深化改革、扩大开放加快发展第三产业的步伐

吸收海外资金、技术和人才， 积极进行各式各样的改革和试点，通过发行债券、股票等多种途径、方式筹集资金；努力打破部门、地区、行业的界限，积极加快组建集团性、地区性和国际性企业集团的经营，加快第三产业发展。

（2）想尽办法增加资金投入，增强现代第三产业发展后劲

要逐步加大第三产业的投入力度，通过调整投资方向提升我国第三产业发展水平，使三大产业之间的方式变得更加合理。同时，通过缩减审批程序改变近年来第三产业企业开业难境况。放开第三产业企业自主经营权，批准他们采取更加灵活的手段，增加经营领域；同时，要切实加强管理与监督。

（3）出台税费优惠扶持政策，提高现代第三产业发展水平

税费负担过重 …… 此处隐藏：2093字，全部文档内容请下载后查看。喜欢就下载吧 ……