統(tǒng)計學畢業(yè)論文欽州市第三產(chǎn)業(yè)生產(chǎn)總值的統(tǒng)計預測與分析

1、<p>　　學 號： </p><p>　　題目類型： 論文 </p><p>　　(設計、論文、報告)</p><p>　　本科畢業(yè)設計(論文)</p><p>　　題目：欽州市第三產(chǎn)業(yè)生產(chǎn)總值的統(tǒng)計預測與分析</p><p>　　學

2、 院： 理 學 院 </p><p>　　專業(yè)(方向)： 統(tǒng) 計 學 </p><p>　　班 級： </p><p>　　學 生： </p><p>　　指導教師：

3、 </p><p>　　畢業(yè)設計（論文）獨創(chuàng)性聲明</p><p>　　本人聲明所呈交的設計（論文）是我個人在指導教師指導下進行的研究工作及取得的研究成果。盡我所知，除了設計（論文）中特別加以標注和致謝的地方外，設計（論文）中不包含其他人或集體已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得桂林理工大學或其它教育機構的學位或證書而使用過的材料。對設計（論文）的研究成果做出貢獻的個人和

4、集體，均已作了明確的標明。本人完全意識到本聲明的法律后果由本人承擔。</p><p>　　設計（論文）作者簽名： 日期： 年 月 日</p><p>　　設計（論文）使用授權聲明</p><p>　　本設計（論文）作者完全了解學校有關保留、使用設計（論文）的規(guī)定，同意學校保留并向國家有關部門或機構送交設計（論文）的復印件和電子版，

5、允許設計（論文）被查閱或借閱。本人授權桂林理工大學可以將本設計（論文）的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本設計（論文）。</p><p>　　設計(論文)作者簽名： 日期： 年 月 日</p><p>　　指 導 教 師 簽 名： 日期： 年 月 日</

6、p><p><b>　　摘要</b></p><p>　　欽州市是北部灣的重要發(fā)展城市之一，特別是08年欽州港獲批成為國家保稅港區(qū)以來，經(jīng)濟得到快速發(fā)展。同時，第三產(chǎn)業(yè)的發(fā)展也有了明顯的提升，除了工業(yè)外，第三產(chǎn)業(yè)還有很多需要發(fā)展投資的地方，比如交通運輸業(yè)。近年來，第三產(chǎn)業(yè)在國民經(jīng)濟中的比重不斷上升，對經(jīng)濟的貢獻也越來越大。因此，對欽州市第三產(chǎn)業(yè)生產(chǎn)總值的預測，不僅能明確第

7、三產(chǎn)業(yè)所占經(jīng)濟的比重，而且能為投資者提供更多更準確的理論參考。</p><p>　　本文的數(shù)據(jù)從作者的所在單位—欽州港經(jīng)濟技術開發(fā)區(qū)經(jīng)濟發(fā)展局獲得。文章在介紹廣西欽州市第三產(chǎn)業(yè)發(fā)展現(xiàn)狀及特點的基礎上，分析了第三產(chǎn)業(yè)對國民經(jīng)濟增長的重要作用，并分別運用二次曲線指數(shù)平滑法、趨勢外推法、求和自回歸移動平均模型（ARIMA模型）對欽州市1991-2011年第三產(chǎn)業(yè)的生產(chǎn)總值進行建模分析，預測了欽州市第三產(chǎn)業(yè)2012年的發(fā)

8、展趨勢。最后再將三個單一模型進行組合，得出組合預測模型，并對2012年欽州市的第三產(chǎn)業(yè)生產(chǎn)總值進行預測。通過預測精度的比較，結果表明，雖然趨勢外推法的預測精度比較高，但是組合預測模型綜合了單一模型的優(yōu)點，使得預測更加精確。</p><p>　　關鍵詞：第三產(chǎn)業(yè)；指數(shù)平滑；趨勢外推；ARIMA模型；組合模型；預測</p><p>　　Statistical Prediction and An

9、alysis of the Tertiary Industry GDP in Qinzhou City</p><p>　　Abstract: Qinzhou City is one of the important cities for the development of the Beibu Gulf, in particular, rapid economic development since 2008

10、Qinzhou Port approved national bonded port area. Meanwhile, the development of tertiary industry has also been significantly improved, industries, the tertiary industry, there are a lot of investment, such as the transpo

11、rtation industry. In recent years, the proportion of tertiary industry in the national economy is rising, the contribution to the econ</p><p>　　In this paper the data obtained from the author's work unit

12、 - Qinzhou Port Economic Development Zone, Economic Development Board. Article introduced Qinzhou City tertiary industry development status and characteristics based on the analysis of the important role of the tertiary

13、industry of national economic growth, respectively, using quadratic curve exponential smoothing, trend extrapolation, summation autoregressive moving Qinzhou City 1991-2011 tertiary industry GDP, the average model (ARIMA

14、 </p><p>　　Keywords: Tertiary Industry; Exponential smoothing; Trend extrapolation; ARIMA model; Combined model; Forecast</p><p><b>　　目次</b></p><p><b>　　摘要III<

15、/b></p><p>　　AbstractIV</p><p><b>　　引言- 1 -</b></p><p>　　1 緒論- 1 -</p><p>　　1.1第三產(chǎn)業(yè)的含義- 1 -</p><p>　　1.2第三產(chǎn)業(yè)對國民經(jīng)濟的影響- 1 -</p>&

16、lt;p>　　1.3欽州市第三產(chǎn)業(yè)的發(fā)展現(xiàn)狀- 2 -</p><p>　　2 分析概況- 3 -</p><p>　　2.1方法的選取及整體思路- 3 -</p><p>　　2.2數(shù)據(jù)來源- 3 -</p><p>　　2.3數(shù)據(jù)作圖分析- 4 -</p><p>　　3 預測方法的基本原理-

17、 5 -</p><p>　　3.1二次曲線指數(shù)平滑法- 5 -</p><p>　　3.1.1確定平滑系數(shù)- 5 -</p><p>　　3.1.2二次曲線指數(shù)平滑法的計算過程- 5 -</p><p>　　3.2趨勢外推法- 6 -</p><p>　　3.2.1概念及適用條件- 6 -</p>

18、;<p>　　3.2.2模型種類- 7 -</p><p>　　3.3ARIMA模型預測法- 8 -</p><p>　　3.3.1ARIMA模型的定義- 8 -</p><p>　　3.3.2ARIMA模型的基本思想及原理- 8 -</p><p>　　3.3.3ARIMA模型的結構- 8 -</p>

19、<p>　　3.3.4ARIMA模型預測的基本程序- 9 -</p><p>　　3.4預測精度的測定- 10 -</p><p>　　3.4.1預測精度的含義- 10 -</p><p>　　3.4.2測定預測精度的方法- 11 -</p><p>　　3.5組合預測模型- 12 -</p><p&g

20、t;　　3.5.1組合預測的定義及基本原理- 12 -</p><p>　　4 實證分析- 13 -</p><p>　　4.1二次曲線指數(shù)平滑模型分析及預測- 13 -</p><p>　　4.1.1指數(shù)平滑系數(shù)的確定- 13 -</p><p>　　4.2趨勢外推模型分析及預測- 15 -</p><p&g

21、t;　　4.2.1數(shù)據(jù)分析- 15 -</p><p>　　4.2.2模型預測- 16 -</p><p>　　4.3ARIMA模型分析及預測- 17 -</p><p>　　4.3.1判斷平穩(wěn)性- 17 -</p><p>　　4.3.2原始數(shù)據(jù)的對數(shù)和差分處理- 17 -</p><p>　　4.3.3模

22、型的識別- 19 -</p><p>　　4.3.4模型的診斷- 20 -</p><p>　　4.3.5模型預測- 21 -</p><p>　　4.4三種模型預測的精度比較- 21 -</p><p>　　4.5組合預測模型的分析及預測- 23 -</p><p>　　4.5.1權重的確定問題- 23

23、-</p><p>　　4.5.2組合模型的預測結果- 24 -</p><p>　　5 結論- 25 -</p><p><b>　　致謝- 26 -</b></p><p>　　參考文獻- 27 -</p><p><b>　　引言</b></p>

24、<p>　　隨著經(jīng)濟全球化的進一步深化，第三產(chǎn)業(yè)的發(fā)展水平日益成為各國衡量經(jīng)濟發(fā)展水平的重要標志。我國隨著產(chǎn)業(yè)結構不斷優(yōu)化升級，第三產(chǎn)業(yè)在國民經(jīng)濟中的比重不斷提升，發(fā)揮的作用越來越大，成為國民經(jīng)濟的重要增長點。因此第三產(chǎn)業(yè)生產(chǎn)總值的預測尤為重要，它不僅能反映第三產(chǎn)業(yè)對經(jīng)濟的貢獻情況，而且能給投資者提供必要的理論參考。</p><p>　　近年來欽州市的發(fā)展加快，因為國家加大了對北部灣的投資建設，保稅港

25、區(qū)的建設也成為經(jīng)濟增長的加速器。本文通過收集欽州市1991-2011年第三產(chǎn)業(yè)生產(chǎn)總值，分別運用二次曲線指數(shù)平滑法、趨勢外推法、ARIMA模型對其進行預測，比較精度。再將三個單一模型進行組合，得出組合預測模型，并對2012年欽州市的第三產(chǎn)業(yè)生產(chǎn)總值進行預測。前人是通過對欽州市第三產(chǎn)業(yè)生產(chǎn)總值的變化計算其增長率，根據(jù)實際情況預測出次年的第三產(chǎn)業(yè)生產(chǎn)總值情況。但是本文的方法更加全面精確。</p><p><b&

26、gt;　　1 緒論</b></p><p>　　1.1第三產(chǎn)業(yè)的含義</p><p>　　第三產(chǎn)業(yè)，又稱第三次產(chǎn)業(yè)，是由英國經(jīng)濟學家、新西蘭奧塔哥大學教授費希爾1935 年在《安全與進步的沖突》一書中首先提出來的。第三產(chǎn)業(yè)是指國民經(jīng)濟中，除第一產(chǎn)業(yè)(農(nóng)業(yè))、第二產(chǎn)業(yè)(工業(yè)和建筑業(yè))以外的其它行業(yè)，其發(fā)展水平是衡量生產(chǎn)社會化程度和市場經(jīng)濟發(fā)展水平的重要標志[1]。</p&

27、gt;<p>　　1.2第三產(chǎn)業(yè)對國民經(jīng)濟的影響</p><p>　　第三產(chǎn)業(yè)作為國民經(jīng)濟的一個重要部門，對于經(jīng)濟發(fā)展具有強大的拉動作用。其發(fā)展水平是衡量一個國家或地區(qū)發(fā)達程度的重要標志，對促進經(jīng)濟結構優(yōu)化升級、增加就業(yè)、提高人民生活質量具有重要作用[2]。因此，大力加快第三產(chǎn)業(yè)的發(fā)展，進一步推進工業(yè)化進程，提高城市化水平，促進國民經(jīng)濟持續(xù)快速協(xié)調健康發(fā)展和社會事業(yè)的全面進步，對實現(xiàn)全面建設小康社會

28、奮斗目標具有重大意義。</p><p>　　1.3欽州市第三產(chǎn)業(yè)的發(fā)展現(xiàn)狀</p><p>　　欽州市是北部灣臨海核心工業(yè)區(qū)，經(jīng)濟充滿活力、城鄉(xiāng)協(xié)調發(fā)展的現(xiàn)代化港口工業(yè)城市。今年以來，欽州市第三產(chǎn)業(yè)發(fā)展迅猛，呈現(xiàn)對經(jīng)濟增長的強勁的拉動。2011年底，全市第三產(chǎn)業(yè)增加值190億元，同比增長4.9%[3]。近年來，欽州市第三產(chǎn)業(yè)對經(jīng)濟增長的貢獻明顯上升，投資活力持續(xù)增強。第三產(chǎn)業(yè)特別是新型服務

29、業(yè)對經(jīng)濟增長強勁的拉動與貢獻，充分表現(xiàn)出欽州市在著力轉變經(jīng)濟發(fā)展方式、大力調整產(chǎn)業(yè)結構上取得了新的突破。欽州市正處于開發(fā)熱土階段，特別是保稅港區(qū)的建立和全國重點資產(chǎn)轉移城市的確定，未來將成為我區(qū)經(jīng)濟的新增長極。</p><p><b>　　2 分析概況</b></p><p>　　2.1方法的選取及整體思路</p><p>　　用數(shù)據(jù)做出曲線

30、圖，通過圖形來判斷方法的選取。運用二次曲線指數(shù)平滑法、趨勢外推法和ARIMA模型分別對欽州市2012年第三產(chǎn)業(yè)生產(chǎn)總值作出預測，再通過精度對比建立組合模型來提高預測精度。</p><p><b>　　2.2數(shù)據(jù)來源</b></p><p>　　數(shù)據(jù)來源是欽州港經(jīng)濟技術開發(fā)區(qū)經(jīng)濟發(fā)展局，但是1993年、1997年、1998年的數(shù)據(jù)沒有查到，因此本文運用SPSS16.0進

31、行數(shù)據(jù)缺失值處理，用相鄰非缺失值的均值來代替，得到以下數(shù)據(jù)。</p><p>　　表 2-1 欽州市第三產(chǎn)業(yè)實際生產(chǎn)總值（單位：億元）</p><p><b>　　2.3數(shù)據(jù)作圖分析</b></p><p>　　圖2-1 欽州市第三產(chǎn)業(yè)生產(chǎn)總值的曲線圖（單位：億元）</p><p>　　從圖2-1可清楚的看出，第三產(chǎn)業(yè)生

32、產(chǎn)總值隨著時間的變化呈明顯上升趨勢。出現(xiàn)這種變化也是應當?shù)?，因為隨著經(jīng)濟的快速發(fā)展，人民生活水平的提高，人們對服務業(yè)、旅游業(yè)等第三產(chǎn)業(yè)要求也有所提高，國家要求對第三產(chǎn)業(yè)加大投資，努力把第三產(chǎn)業(yè)轉變成支柱產(chǎn)業(yè)。特別是欽州港08年獲批成為國家保稅港區(qū)以來，欽州市第三產(chǎn)業(yè)的發(fā)展更加迅猛。</p><p>　　3 預測方法的基本原理</p><p>　　3.1二次曲線指數(shù)平滑法</p>

33、;<p>　　指數(shù)平滑法通過對歷史時間序列進行逐層平滑計算，從而消除隨機因素的影響，識別經(jīng)濟現(xiàn)象基本變化趨勢，并以此預測未來。對于非線性增長的時間序列，采用二次曲線指數(shù)平滑法可能要比線性指數(shù)平滑法更為有效。它的特點是不但考慮了線性增長的因素，而且也考慮了二次拋物線的增長因素[4]。</p><p>　　3.1.1確定平滑系數(shù)</p><p>　　進行指數(shù)平滑預測時，對于平滑系

34、數(shù)可給以不同的數(shù)值，這要根據(jù)所研究數(shù)據(jù)的波動情況來決定。當所研究的數(shù)據(jù)波動不大時，可以取較小的值（如0.1~0.3），以加重第期指數(shù)平滑預測值的權數(shù)；而如果所研究的數(shù)列波動較大，那么第期實際觀察值對第期指數(shù)平滑預測值的影響應大一些，此時應給以較大的值（如0.6~0.9），以加重原數(shù)列觀察值的權數(shù)。因此，通過對平滑系數(shù)的控制，可以控制預測結果的準確性。統(tǒng)計預測過程中平滑系數(shù)的確定，一般是在考慮到所研究數(shù)列波動情況的基礎上，根據(jù)經(jīng)驗確定平滑

35、系數(shù)值，以使所確定的預測值能夠比較接近于實際的發(fā)展變化趨勢。在不能做出較好的判斷時，可以分別取不同的值，進行平滑預測并比較預測結果，以便使預測的誤差平方和達到最小[5]。</p><p>　　3.1.2二次曲線指數(shù)平滑法的計算過程</p><p>　　二次曲線指數(shù)平滑法的計算過程分為以下七個步驟[6]：</p><p>　?。?）計算時期的單指數(shù)平滑值：</p

36、><p><b>　　。</b></p><p>　?。?）計算時期的雙指數(shù)平滑值：</p><p><b>　　。</b></p><p>　?。?）計算時期的三重指數(shù)平滑值：</p><p><b>　　。</b></p><p>

37、;　?。?）計算時期的水平值：</p><p><b>　　。</b></p><p>　?。?）計算時期的線性增量：</p><p><b>　　。</b></p><p>　?。?）計算時期的拋物線增量：</p><p><b>　　。</b><

38、;/p><p>　?。?）預測時期以后，即時期的數(shù)值：</p><p><b>　　。</b></p><p><b>　　其中，是正整數(shù)，。</b></p><p>　　雖然二次曲線指數(shù)平滑法的計算方法有點復雜，但對非平穩(wěn)時間序列的預測相當有效，它能隨著時間序列呈拋物線增長而調整預測值。二次曲線指數(shù)平

39、滑法的初始值依賴于兩個時期的觀測值和。</p><p><b>　　已知和，假設：</b></p><p><b>　　，</b></p><p><b>　　那么</b></p><p><b>　　，，。</b></p><p>

40、;<b>　　3.2趨勢外推法</b></p><p>　　3.2.1概念及適用條件</p><p>　　當預測對象依時間變化呈現(xiàn)某種上升或下降的趨勢，并且無明顯的季節(jié)波動，又能找到一條合適的函數(shù)曲線反映這種變化趨勢時，就可用時間為自變量，時序數(shù)值為因變量，建立趨勢模型：。這種趨勢能夠延伸到未來時，賦予變量所需要的值，就可以得到相應時刻的時間序列未來值，稱為趨勢外推法

41、。</p><p>　　趨勢外推法的假設條件是：</p><p>　　假設事物發(fā)展過程中沒有跳躍式變化，一般屬于漸進變化。</p><p>　　假設事物的發(fā)展因素也決定事物未來的發(fā)展，其條件是不變或變化不大。即，假定根據(jù)過去資料建立的趨勢外推模型能適合未來，能代表未來趨勢變化的情況，未來和過去的趨勢一樣。</p><p>　　趨勢外推法是事物

42、發(fā)展?jié)u進過程的一種統(tǒng)計預測方法。它的主要優(yōu)點是可以揭示事物未來的發(fā)展，并定量地估計其功能特性。</p><p><b>　　3.2.2模型種類</b></p><p>　?。ㄒ唬┒囗検角€預測模型</p><p><b>　　常用的有：</b></p><p>　　1.一次（線性）預測模型：<

43、/p><p><b>　　。</b></p><p>　　2.二次（二次拋物線）預測模型：</p><p><b>　　。</b></p><p>　　3.三次（三次拋物線）預測模型：</p><p><b>　　。</b></p><p

44、>　　4.次（次拋物線）預測模型：</p><p><b>　　。</b></p><p>　?。ǘ┲笖?shù)曲線預測模型</p><p><b>　　常見的有[6]：</b></p><p>　　1.指數(shù)曲線預測模型：</p><p><b>　　。</b

45、></p><p>　　2.修正指數(shù)曲線預測模型：</p><p><b>　　。</b></p><p>　　（三）對數(shù)曲線預測模型</p><p><b>　　常見的是：</b></p><p><b>　　。</b></p>&

46、lt;p>　?。ㄋ模┥L曲線預測模型</p><p>　　1.皮爾曲線預測模型：</p><p><b>　　。</b></p><p>　　式中，為變量的極限值，、為常數(shù)，為時間。</p><p>　　2.龔珀茲曲線預測模型：</p><p><b>　　[7]。</b&g

47、t;</p><p>　　3.3ARIMA模型預測法</p><p>　　3.3.1ARIMA模型的定義</p><p>　　ARIMA模型全稱為自回歸移動平均模型(Autoregressive Integrated Moving Average Model，簡記ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名時間序列預測方法，所

48、以又稱為box-jenkins模型、博克思-詹金斯法[12]。其中）稱為差分自回歸移動平均模型，是自回歸， 為自回歸項；為移動平均，為移動平均項數(shù)，為時間序列成為平穩(wěn)時所做的差分次數(shù)。</p><p>　　3.3.2ARIMA模型的基本思想及原理</p><p>　　ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，用一定的數(shù)學模型來近似描述這個序列。這個模

49、型一旦被識別后就可以從時間序列的過去值及現(xiàn)在值來預測未來值?，F(xiàn)代統(tǒng)計方法、計量經(jīng)濟模型在某種程度上已經(jīng)能夠幫助企業(yè)對未來進行預測[13]。</p><p>　　3.3.3ARIMA模型的結構</p><p>　　具有如下結構的模型稱為求和自回歸移動平均（autoregressive integrated moving average）模型，簡記為模型：</p><p&g

50、t;　　式中，；，為平穩(wěn)可逆模型的自回歸系數(shù)多項式；，為平穩(wěn)可逆模型的移動平滑系數(shù)多項式。</p><p>　　式（1）可以簡記為：</p><p>　　式中， 為零均值白噪聲序列[6]。</p><p>　　由于模型的實質就是差分運算與模型的組合。所以，任何非平穩(wěn)序列通過適當差分實現(xiàn)差分平穩(wěn)后平穩(wěn)，就可以對差分后序列進行模型擬合。</p><p

51、>　　3.3.4ARIMA模型預測的基本程序</p><p>　?。ㄒ唬└鶕?jù)時間序列的散點圖、自相關函數(shù)和偏自相關函數(shù)圖以ADF單位根檢驗其方差、趨勢及其季節(jié)性變化規(guī)律，對序列的平穩(wěn)性進行識別。用ADF統(tǒng)計量檢驗時，若各顯著性水平的臨界值均大于ADF統(tǒng)計量，則此序列為平穩(wěn)序列。如果不平穩(wěn)，則需對序列進行平穩(wěn)化處理[11]。 </p><p>　?。ǘΨ瞧椒€(wěn)序列進行平穩(wěn)化處理。&l

52、t;/p><p>　　如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長或下降趨勢，則需要對數(shù)據(jù)進行差分處理，差分公式為：</p><p><b>　　一階差分：</b></p><p><b>　　二階差分：</b></p><p>　　依次類推，對序列進行差分，直到序列平穩(wěn)為止。也可以先對序列取對數(shù)后再差分[

53、8]。</p><p>　　（三）純隨機性檢驗。</p><p>　　純隨機性檢驗也稱為白噪聲檢驗，是專門用來檢驗序列是否為純隨機序列的一種方法。如果一個序列是純隨機序列，那它的序列值之間應該沒有任何相關關系。</p><p>　　原假設：延遲期數(shù)小于或等于m期的序列值之間相互獨立。</p><p>　　備擇假設：延遲期數(shù)小于或等于m期的序列

54、值之間有相關性。</p><p><b>　　即為：</b></p><p>　　可通過觀察序列的ACF圖和PACF圖來判斷序列是否為純隨機序列[8]。</p><p>　?。ㄋ模└鶕?jù)時間序列模型的識別規(guī)則，建立相應的模型。</p><p><b>　　常用兩種方法：</b></p>

55、<p>　?。?）基于自相關函數(shù)和偏自相關函數(shù)的定階方法。</p><p>　　若平穩(wěn)序列的偏相關函數(shù)是階截尾的，而自相關函數(shù)是拖尾的，可斷定序列適合模型；若平穩(wěn)序列的偏相關函數(shù)是拖尾的，而自相關函數(shù)是階截尾的，則可斷定序列適合模型；若平穩(wěn)序列的偏相關函數(shù)和自相關函數(shù)均是拖尾的，則序列適合模型。 模型定階的基本原則如表3-1所示[8]。</p><p>　　表 3-1 模型定階基

56、本原則表</p><p>　?。?）最小信息量準則法。</p><p>　　最小信息量準則即AIC準則是由日本統(tǒng)計學家Akaike于1973年提出的[6]。該準則既考慮擬合模型對數(shù)據(jù)的接近程度，也考慮模型中所含待定參數(shù)的個數(shù)。在所有通過檢驗的模型中，使得AIC函數(shù)達到最小的模型為相對最優(yōu)模型。</p><p>　?。ㄎ澹┻M行參數(shù)估計。</p><

57、p>　　在上述模型識別的基礎上，利用樣本矩估計法、最小二乘估計法或極大似然估計法等對的未知參數(shù)，即自回歸系數(shù)、滑動平均系數(shù)以及白噪聲方差進行估計。利用AIC準則進行模型定階。 </p><p>　?。┠Ｐ偷娘@著性檢驗，診斷殘差序列是否為白噪聲。</p><p>　　模型的顯著性檢驗主要是檢驗模型的有效性，一個模型是否顯著有效主要看它提取的信息是否充分。一個好的擬合模型應該能夠提取

58、觀察值序列中幾乎所有的樣本相關信息，換言之，擬合殘差項中將不再蘊含任何相關信息，即殘差序列應該為白噪聲序列。殘差序列白噪聲檢驗的原假設和備擇假設分別為：</p><p>　　檢驗統(tǒng)計量為LB（Ljung-Box）檢驗統(tǒng)計量：</p><p><b>　　。</b></p><p>　　如果拒絕原假設，就說明殘差序列中還殘留著相關信息，擬合模型不

59、顯著。如果不能拒絕原假設，就認為擬合模型顯著有效[8]。</p><p>　?。ㄆ撸├靡淹ㄟ^檢驗的模型進行預測分析。</p><p>　　3.4預測精度的測定</p><p>　　3.4.1預測精度的含義</p><p>　　預測精度是指預測模型的好壞程度，即由預測模型所產(chǎn)生的模擬值與歷史實際值擬合程度的優(yōu)劣。對于時間序列預測，可以采用歷史

60、數(shù)據(jù)的一部分建立模型，然后預測其余的歷史數(shù)據(jù)，以便更直觀的研究預測的精度。</p><p>　　3.4.2測定預測精度的方法</p><p>　?。ㄒ唬┢骄`差和平均絕對誤差</p><p>　　平均誤差的公式可表示為：</p><p><b>　　。</b></p><p>　　如果簡單的將各項

61、預測誤差加起來并求平均值，則其平均誤差就趨近于零，因為各項預測的誤差有正有負，正負誤差可以相互抵消，因此平均誤差不能很好的說明預測精度的高低。為避免這一缺點，可將各預測值誤差的絕對值加起來計算平均絕對誤差，其公式為：</p><p><b>　　。</b></p><p>　?。ǘ┢骄鄬φ`差和平均相對誤差絕對值</p><p><b&

62、gt;　　平均相對誤差：</b></p><p><b>　　。</b></p><p>　　由于平均相對誤差也存在正負抵消問題，因此應用較多的是平均相對誤差絕對值。公式為：</p><p><b>　　。</b></p><p>　?。ㄈ╊A測誤差的方差和標準差</p>

63、<p>　　預測誤差的方差可用公式表示為：</p><p><b>　　。</b></p><p>　　將預測誤差的方差開根號，即可求出預測誤差的標準差。能使預測誤差的方差最小的預測方法所產(chǎn)生的預測值的誤差一般都較小。因此，預測誤差的方差比平均絕對誤差或平均相對誤差絕對值能更好的衡量預測的精確度。</p><p><b>　

64、　3.5組合預測模型</b></p><p>　　3.5.1組合預測的定義及基本原理</p><p>　　組合預測是將幾種預測方法所得的預測結果，選取適當?shù)臋嘀剡M行加權平均的一種預測方法。組合預測有兩種基本形式：一是等權組合，、即各預測方法的預測值按相同的權數(shù)組合成新的組合預測值；二是不等權組合，即賦予不同預測方法的預測值的權數(shù)是不一樣的。它集中了更多的經(jīng)濟信息與預測技巧，能減

65、少預測的系統(tǒng)誤差，顯著改進預測效果。</p><p>　　組合預測方法的原理：假設在某一預測問題中，對該序列對象有種預測方法，其中利用第種方法對時段的預測值為，利用這個預測值構成一個對的最終預測結果，即，如果各種方法的權重，滿足，則組合預測模型可表示為：</p><p><b>　　。</b></p><p><b>　　4 實證分析

66、</b></p><p>　　4.1二次曲線指數(shù)平滑模型分析及預測</p><p>　　4.1.1指數(shù)平滑系數(shù)的確定</p><p>　　為了能更精確的預測，本文通過給予不同數(shù)值（0.1~0.9）計算其平均相對誤差絕對值（）來進行比較，從中選擇的最佳值。在此將第一期的實際觀察值作為初始值，運用Excel完成計算過程。平均相對誤差絕對值（）公式為[6]：&

67、lt;/p><p><b>　　。</b></p><p>　　通過計算得出不同的值對應的平均相對誤差絕對值（）如表4-1所示。</p><p>　　表 4-1 不同的值對應的平均相對誤差絕對值（）</p><p>　　從表4-1可以看出值為0.5對應的平均相對誤差絕對值（）最小，因此選用。根據(jù)二次曲線指數(shù)平滑法的計算步驟來

68、預測欽州市第三產(chǎn)業(yè)的生產(chǎn)總值，得出表4-2。</p><p>　　表 4-2 運用二次曲線指數(shù)平滑法得出的預測值</p><p>　　由表4-2得知，，，，因此得出二次曲線指數(shù)預測模型為：。</p><p><b>　　為延后的期數(shù)，。</b></p><p>　　利用此模型預測得出2012年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值為：

69、</p><p><b>　　。</b></p><p>　　4.2趨勢外推模型分析及預測</p><p><b>　　4.2.1數(shù)據(jù)分析</b></p><p>　　根據(jù)圖2-1可以看出，是一條隨時間的推移而增長的曲線，那么可以嘗試用線性模型，二次預測模型、三次預測模型、指數(shù)模型來對數(shù)據(jù)進行擬合。

70、本文運用SPSS16.0軟件對數(shù)據(jù)進行處理，得出結果如圖4-1。</p><p>　　圖 4-1 各曲線對數(shù)據(jù)的擬合情況圖</p><p>　　觀察圖4-1，除了線性模型外其他的曲線模型對數(shù)據(jù)的擬合情況都比較吻合，為了更精確的確定模型，還需要進行參數(shù)估計。</p><p>　　表 4-3 各模型參數(shù)估計</p><p>　　從表4-3可以看出

71、，二次預測模型和三次預測模型的擬合效果都不錯，決定系數(shù)都大于0.9。其中，三次預測模型的決定系數(shù)最大，擬合效果最好。值和值都通過檢驗，所以選擇用三次預測模型對數(shù)據(jù)進行建模。根據(jù)表4-3可得出方程表達式為</p><p><b>　　。</b></p><p><b>　　4.2.2模型預測</b></p><p>　　根據(jù)

72、三次預測模型可得各年份第三產(chǎn)業(yè)生產(chǎn)總值的預測值，如表4-4所示。</p><p>　　表 4-4各年份欽州市第三產(chǎn)業(yè)的實際生產(chǎn)總值與預測值（單位：億元）</p><p>　　利用該模型，可得出2012年第三產(chǎn)業(yè)生產(chǎn)總值的預測值。計算結果為：</p><p><b>　　。</b></p><p>　　4.3ARIMA模型

73、分析及預測</p><p>　　4.3.1判斷平穩(wěn)性</p><p>　　根據(jù)時序圖2-1可以明顯看出，該序列呈上升趨勢，直觀來看，為非平穩(wěn)。為了進一步驗證其平穩(wěn)性，運用Eview6.0軟件對序列進行單位根檢驗[9]。從表4-5可看出原始序列在顯著性水平1%的臨界值為-3.808546，在顯著性水平5%的臨界值為-3.020686，在顯著性水平10%的臨界值為-2.650413，均小于AD

74、F統(tǒng)計量的值（6.698497），由ADF統(tǒng)計量檢驗平穩(wěn)性原理可知原始序列為非平穩(wěn)序列。</p><p>　　表 4-5 ADF統(tǒng)計量和各顯著性水平臨界值</p><p>　　4.3.2原始數(shù)據(jù)的對數(shù)和差分處理</p><p>　　為了減小波動，先對原始數(shù)據(jù)對數(shù)化得到，再將其進行一階差分得到序列，處理后的數(shù)據(jù)見表4-6。</p><p>　

75、　表 4-6 對原始數(shù)據(jù)取對數(shù)、一階差分和二階差分后的數(shù)據(jù)</p><p>　　對序列進行ADF單位根檢驗，結果如表4-7。</p><p>　　表 4-7 一階差分后ADF統(tǒng)計量和各顯著性水平臨界值</p><p>　　從表4-7中可以看出，在顯著性水平1%的臨界值（-3.886751）和顯著性水平5%的臨界值（-3.052169）都小于ADF統(tǒng)計量（-2.79

76、5706），因此一階差分后的序列仍不平穩(wěn)。則需進行二階差分，得到序列，處理后的數(shù)據(jù)見表4-6。</p><p>　　圖4-2 序列折線圖</p><p>　　二階差分后的序列折線圖如圖4-2所示。從圖中可得知，原序列的趨勢已經(jīng)消除。再對序列進行ADF單位根檢驗，結果見下表4-8。</p><p>　　表4-8 二階差分后ADF統(tǒng)計量和各顯著性水平臨界值</p

77、><p>　　從表4-8中可看出，在顯著性水平1%的臨界值（-3.857386）、顯著性水平5%的臨界值（-3.040391）和顯著性水平10%的臨界值（-2.660551）都大于ADF統(tǒng)計量（-12.06644），因此二階差分后的序列為平穩(wěn)序列。</p><p>　　4.3.3模型的識別</p><p>　　做平穩(wěn)序列的自相關函數(shù)（ACF）和偏相關函數(shù)（PACF）圖，

78、如圖4-3所示[9]。</p><p>　　圖 4-3 平穩(wěn)序列的自相關和偏相關圖</p><p>　　從圖4-3可以看出，自相關系數(shù)是一階截尾的，而偏相關系數(shù)是拖尾的，且均落在二倍標準差范圍內，因為原序列已做了二階差分處理，則可以判斷該模型為模型。模型系數(shù)檢驗如表4-9所示。</p><p>　　表4-9 模型的系數(shù)檢驗</p><p>

79、　　由表4-9可知，模型系數(shù)為-0.607395，統(tǒng)計量為-3.244385，對應的值為0.0045（<0.05），通過檢驗。修正的為0.343970，AIC值為0.277988。模型表達式為：</p><p><b>　　。</b></p><p>　　4.3.4模型的診斷</p><p>　　對殘差序列進行白噪聲檢驗，做出殘差的自相關

80、和偏相關圖，如圖4-4所示。</p><p>　　圖4-4殘差序列的自相關和偏相關圖</p><p>　　由圖4-4可知，延遲12階以下的值都大于0.05。在的條件下不能拒絕原假設，說明殘差序列為白噪聲序列，幾乎沒有可提取的信息，模型顯著有效。</p><p><b>　　4.3.5模型預測</b></p><p>　　

81、運用模型預測2012年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值。結果為：。</p><p>　　4.4三種模型預測的精度比較</p><p>　　為了更好的衡量預測的精確度，本文采用計算預測誤差的方差（）來進行比較。選擇1995-2011年的數(shù)據(jù)進行預測對比。</p><p>　　表4-10 三種模型的預測結果對比</p><p>　　表4-11 三種模型的

82、預測誤差的方差（）值</p><p>　　由表4-11知，趨勢外推法的預測誤差的方差最小，說明趨勢外推法的精度最高。根據(jù)表4-10繪制三種方法的預測效果圖，如圖4-5所示。</p><p>　　圖4-5 三種方法預測效果圖</p><p>　　從圖4-5可看出，三種方法的預測跟實際值相差很小，效果都比較理想，但趨勢外推法的偏差更小精確度更高。</p>

83、<p>　　4.5組合預測模型的分析及預測</p><p>　　4.5.1權重的確定問題</p><p>　　為了提高預測精度，本文采用標準差法確定組合權重。預測誤差的標準差公式為：</p><p><b>　　。</b></p><p>　　設二次曲線指數(shù)平滑法、曲線趨勢外推法、ARIMA模型的預測誤差的標準

84、差分別為，，且。取為模型的權數(shù)[12]。</p><p>　　通過以上公式計算出各單項模型的權重分別為，，。由此得出組合預測模型為：</p><p><b>　　。</b></p><p>　　式中為組合預測值，為二次曲線指數(shù)平滑預測值，為趨勢外推預測值，為模型預測值。</p><p>　　本文運用1995-2011年的

85、欽州市第三產(chǎn)業(yè)生產(chǎn)總值數(shù)據(jù)計算組合模型的預測誤差的方差。</p><p>　　表4-12 組合模型的預測結果（單位：億元）</p><p>　　表4-13 三種模型與組合模型的預測誤差方差對比</p><p>　　從表4-13可以看出，組合模型的預測誤差的方差最小，說明組合模型綜合了單一模型的優(yōu)點，提高了預測的精確度。</p><p>　　

86、4.5.2組合模型的預測結果</p><p>　　由組合預測模型可計算出2012年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值為：</p><p><b>　　。</b></p><p><b>　　5 結論</b></p><p>　　文章通過運用三種單一預測方法分別對1991-2011年欽州市第三產(chǎn)業(yè)的生產(chǎn)總值數(shù)

87、據(jù)進行分析預測，然后將這三種單一模型進行組合，得出組合預測模型，并對2012年欽州市的第三產(chǎn)業(yè)生產(chǎn)總值進行預測，結果得出組合預測模型的預測更加準確。</p><p>　　第三產(chǎn)業(yè)對第一二產(chǎn)業(yè)的發(fā)展具有重要作用，是生產(chǎn)力提高和社會進步的必然結果。對第三產(chǎn)業(yè)生產(chǎn)總值的預測能使國家更清楚的了解經(jīng)濟的波動情況，同時，更加精確科學的預測能使投資者更能把握投資方向。</p><p><b>

88、　　致謝</b></p><p>　　伴隨著論文的最終成稿，我復雜的心情終于開朗，甚至還有一點成就感。在此，我要特別感謝我的指導老師鄧老師，無論是找工作還是寫論文，他始終能認真負責的給予我深刻而細致的指導，幫助我開拓思路、精心點撥、熱忱鼓勵。正是鄧老師的無私幫助，我的畢業(yè)論文才得以順利完成，謝謝鄧光明老師。此外，還有我的舍友們，感謝你們在論文使用軟件上的指導，謝謝你們。同時，還有各學科的老師們和幫助過

89、我的人，感謝你們的諄諄教誨，在你們的耐心幫助下，我才得以順利完成學業(yè)。最后，感謝一直在背后默默幫助、支持我的家人，謝謝！</p><p><b>　　參考文獻</b></p><p>　　[1]百度百科.第三產(chǎn)業(yè). http://baike.baidu.com/view/30796.htm.</p><p>　　[2]百度文庫.計量經(jīng)濟學論文（

90、第三產(chǎn)業(yè)對國民經(jīng)濟的影響）http://wenku.baidu.com/view/3844a497daef5ef7ba0d3cb9.html.</p><p>　　[3]百度百科.欽州港資料. </p><p>　　http://wenku.baidu.com/view/68959649cf84b9d528ea7a8a.html.</p><p>　　[4]易丹輝，

91、統(tǒng)計預測—方法與應用[M].北京：中國人民大學出版社，1990.</p><p>　　[5]劉德智，統(tǒng)計學[M].北京：清華大學出版社，2008.</p><p>　　[6]徐國祥，統(tǒng)計預測和決策[M].上海：上海財經(jīng)大學出版社，2008.</p><p>　　[7]何曉群，劉文卿編著.應用回歸分析[M].北京：中國人民大學出版社，2001.</p>

92、<p>　　[8]王燕，應用時間序列分析[第二版][M].北京：中國人民大學出版社，2008.</p><p>　　[9]高鐵梅，計量經(jīng)濟分析方法與建?！狤-views應用及實例（第二版）[M].北京：清華大學出版社，2010.</p><p>　　[10]周賀來，Excel2007統(tǒng)計工作職場應用實例[M].北京：機械工業(yè)出版社，2009.</p><p&g

93、t;　　[11] [英]特倫斯.C.米爾斯，余卓菁譯.金融時間序列的經(jīng)濟計量學模型（第二版）[M].北京：經(jīng)濟科學出版社，2002.</p><p>　　[12] 簡述ARIMA模型原理及其在海關稅收預測上的運用[J].2011.</p><p>　　[13]周凱.ARIMA模型在湖南省GDP預測中的應用[J].</p><p>　　[14]董偉．組合預測方法在廣東