我国GDP的组合预测分析摘要：为了更精确的对我国GDP增长状况进行模型拟合与分析预测，采用组合预测的方法，根据模型准则值越小模型越好这一原则，选取若干个准则值较小的模型并赋予不同的权重，组成组合预测模型。并运用软件对我国GDP进行分析得出组合预测模型的预测效果明显优于最优模型的预测效果，预测结果具有更小的误差“风险”的结论。关键词：模型；GDP;准则；组合予页测分析中图分类号：F2文献标识码：Adoi:10.19311/j.cnki.1672-3198.2016.07.0061引言对我国GDP进行预测分析时，最多的是采取时间序列分析的方法，通过对我国GDP序列进行分析研究，建立合适的ARMA模型，用具体模型对问题的未来发展状况进行预测分析。建立模型时一般采用AIC准则函数法和BIC准则函数法，选取AIC准则值或BIC准则值最小的ARMA模型作为最优模型，并以此对GDP进行预测分析。但是，在模型的选择过程中，经常会出现几个候选模型的准则值相差非常小的情况。由于用来进行建模的样本观测值都是随机变量，通过样本观测值计算得到的准则值也是随机变量，所以准则值最小的模型并不一定是我们所要寻找的真实模型，其预测效果也不一定比其它模型好。为了解决这个问题提出组合预测模型，并基于组合预测模型对我国的GDP进行预测分析，通过分析发现组合模型的预测效果优于最优模型的预测效果。2ARMA模型ARMA模型的全称是自回归移动平均模型，它对解决我们现实生活中的时间序列问题有非常重要的作用。ARMA模型又包括自回归模型(Auto-regressiveModel,AR)、移动平均模型(MovingAverageModel,MA)和自回归移动平均模型(Auto-regressionMov-ingAverageModel，ARMA)三大类，主要用于研究零均值的白噪声序列，该模型的一般形式为：(1)3模型建立的步骤建模的目的是充分利用已有的信息来预测并获取未来信息，就是利用已知数据对事物的未来状况进行预测。建立模型时，首先要找到合适的模型，并确定好模型的阶数。在本文的研究中，采用组合的ARMA模型对数据进行建模，所以要考虑ARMA模型的建立过程：平稳性检验。首先对数据进行分析，并用单位根(ADF)检验法检验数据是否是零均值的平稳化序列。如果数据平稳，符合模型要求，就可以建立数学模型；如果不平稳，则要将数据平稳化。模型识别与定阶。通过模型的自相关函数和偏自相关函数确定模型的阶数。如果模型的自相关图和偏自相关图都拖尾，且分别在p步和q步之后偏自相关系数和自相关系数明显趋于零，则可以大体确定P和q的取值范围，再通过AIC准则，选择最优模型。在本文中，采取组合预测的方式，对所选择的多个模型进行组合，得出组合预测模型，因此要先确定n个模型ARMA（p-ml，q-m2）…ARMA（p，q）".ARMA（p+nl，q+n2），这n个模型分别用Ml、M2—Mn表示，每个模型都要进行识别与定阶。估计模型参数。如果差分后的数据满足ARMA（p，q）模型，则可以等价的认为原数据满足ARIMA（p，d，q）模型，其中d为差分次数，这时可以利用差分后的数据对ARMA（p，q）模型进行参数估计，包括p，q的估计和参数a.b的估计。模型有效性检验。检验模型的残差是否是白噪声序列，如果是，则认为模型是合适的；反之，认为模型是不合适的。通常我们也可以检验模型残差序列的相关性，若模型残差序列不相关，则模型是合适的；反之，模型不合适。建立组合预测模型。对选取的n个模型的AIC准则值取加权平均得到1、o2、co3-on,作为组合预测模型的权重，最终得到的组合预测模型M为：M=co1M1+w2M2+•••+（0nMn（2）Li为第i个模型的似然函数值，Ki为第i个模型中未知参数的个数。确定出最终的组合预测模型。4采用ARMA模型对我国GDP进行组合预测4.1资料来源表1是我国1978-2014年的GDP（亿元），来自《中国统计年鉴2014》，选取前36年的数据作为样本数据，基于组合预测分析的方法，运用Eviews软件进行ARMA建模分析，向前一步预测并用2014年的GDP值对模型的预测效果进行检验。4.2对我国GDP进行建模4.2.1数据分析根据已知数据，用Eviews软件做出时间序列图（时序图），由时序图可以看出，从1978年至2013年，我国的经济实力不断增强，GDP总量随时间的增长明显增加。为了使序列变成零均值的线性平稳序列，需要对...