ARIMA模型在陕西省GDP预测中的应用研究---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---摘要：GDP是反映一国或一个地区的国民经济生产规模及综合实力的重要指标。本文对陕西省1986年至今的生产总值数据进行分析，建立ARIMA（1，1，0）模型，并对其今后的发展进行预测。结果表明，未来两年陕西省GDP总量提升，增速放缓，模型具有较高的可信度。最后结合实证结果向有关部门提出加大基础投资，加快产业转型等建议。关键词：ARIMA;时间序列分析;经济预测;GDP;陕西省本文索引：胡咏琪.[J].中国商论，2021（13）：-176.：F127文献标识码：A：2096-0298（2021）07（a）--03---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---GDP（GrossDomesticProduct）是国民经济核算过程中的重要指标之一，能够反映一国或一个地区的国民经济生产规模及综合实力。陕西省是我国的教育大省、工业大省、科技大省，近年来不断发挥产业文化优势，加快建设现代化经济体系，实现GDP稳步增长。报告指出，“十三五”前四年全省生产总值年均增长7.5%，经济总量跃居全国第14位。经济虽然总体向好，但发展压力依然巨大。因此，准确预测未来GDP能够为各级机构的经济决策和合理规划提供参考。本文以陕西省1986—2020年的GDP时间序列数据作为研究对象，采用ARIMA时间序列模型对陕西省的经济数据进行分析，并对未来两年内经济走势进行合理预测，具有一定的现实意义和参考价值。1国内外研究现状近年来，不少学者通过定性和定量分析，从社会、科技、教育、文化等方面出发，对陕西省经济发展进行了研究和讨论。王浩然（2020）[1]通过SWOT法进行陕西省数字经济的优劣分析，找出了影响陕西省数字发展的因素;张婷等（2020）[2]结合疫情发展，从宏观、微观和产业发展三个方面分析，得出疫情对陕西省经济的影响，并提出相关建议。魏宁等（2010）[3]以陕西省1952年到2007年56年来的国民生产总值为基础进行GDP的分析和预测，结果展现了陕西省经济向好发展的态势。宋耀辉（2017）[4]对陕西省经济质量发展做出评价，结果显示，2005—2015年陕西省经济发展质量指数不断上升，社会福利等成为陕西省经济发展质量提升的主要影响因素。2ARIMA模型介绍美国统计学家G.E.P.Box和G.M.Jenkins于1970年首次提出ARIMA模型。该模型在ARMA模型的基础上进差分运算，并用数学模型描述预测对象随时间推移而形成的数据序列，模型被识别后可以从时间序列的过去值及现在值来预测未来值。其中AR为自回归模型，p为自回归项，MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。近年来，该模型被广泛应用于全国及省域GDP的预测中。如谭诗璟（2008）[5]采用湖北省51年的经济数据，建立ARIMA（1，1，0）模型对湖北省历年GDP数据进行分析与预测。陈晓东（2018）[6]选取江苏省1978—2015年的GDP时间序列数据建立ARIMA模型，分析并预测出江苏省GDP的变化趋势。赵莉等（2018）[7]构建ARIMA（0，1，1）模型，预测出梅龙镇2018—2020年的GDP总额，为地区产业转型提供参考意见。具体建模过程如下：2.1数据的平稳性检验---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---数据的平稳性检验主要包括平稳性检验和白噪声检验两个方面。适用于ARIMA模型分析预测的时间序列必须是平稳非白噪声序列。非平稳的时间序列则需要进行差分处理，直至检验平稳为止。其中，差分的次数就是模型ARIMA（p，d，q）的阶数。一般来说，差分阶数不超过2。2.2ARMA（p，q）拟合首先计算出时间序列样本的自相关系数（AC）和偏自相关系数（PAC），由系数估计自相关阶数p和移动平均阶数q的值。最后通过AIC准则和SC准则评判拟合模型的相对优劣。2.3模型检验与预测模型的验证主要是验证模型的拟合效果，如果模型完全或者基本解释了系统数据的相关性，那么模型的噪声序列为白噪声序列，反之則需要重新进行白噪声检验，直至结果通过检验为止。同时，还可以通过对未来数据进行预测得到原时间序列的将来走势，根据预测值和实际值的对比结果，评估模型的准确性。3陕西省GDP时间序列模型的实证分析3.1...