| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 时间序列分析研究动态 | 第10-11页 |
| 1.2.2 国内外有关GDP的研究现状 | 第11页 |
| 1.3 本文的主要工作 | 第11-13页 |
| 第二章 乘积季节ARIMA模型 | 第13-24页 |
| 2.1 乘积季节ARIMA模型相关基本概念 | 第13-15页 |
| 2.1.1 序列平稳性 | 第13页 |
| 2.1.2 乘积季节(SARIMA) 模型 | 第13-15页 |
| 2.2 乘积季节ARIMA模型相关基本方法 | 第15-19页 |
| 2.2.1 单位根检验法 | 第15-16页 |
| 2.2.2 差分变换 | 第16-17页 |
| 2.2.3 白噪声检验 | 第17页 |
| 2.2.4 信息准则 | 第17-19页 |
| 2.3 乘积季节ARIMA模型的建立过程 | 第19-20页 |
| 2.3.1 平稳性检验 | 第19页 |
| 2.3.2 对差分后的平稳序列进行ARMA拟合 | 第19-20页 |
| 2.3.3 参数估计及检验 | 第20页 |
| 2.3.4 模型的有效性检验 | 第20页 |
| 2.3.5 模型的预测及评价 | 第20页 |
| 2.4 乘积季节ARIMA模型在我国GDP预测中的应用 | 第20-24页 |
| 2.4.1 平稳性检验及处理 | 第20-21页 |
| 2.4.2 模型的识别与确定 | 第21-23页 |
| 2.4.3 模型的预测与评价 | 第23-24页 |
| 第三章 叠合模型 | 第24-31页 |
| 3.1 叠合模型的原理与方法 | 第24-26页 |
| 3.1.1 叠合指数函数模型 | 第24页 |
| 3.1.2 叠合三角函数模型 | 第24-26页 |
| 3.1.3 叠合模型 | 第26页 |
| 3.2 对我国GDP时间序列建立叠合模型 | 第26-28页 |
| 3.2.1 我国GDP时间序列特征分析 | 第26页 |
| 3.2.2 趋势部分拟合 | 第26-27页 |
| 3.2.3 建立叠合三角函数模型 | 第27-28页 |
| 3.3 我国GDP时间序列叠合模型的改进 | 第28-31页 |
| 3.3.1 叠合模型形式改进 | 第28-29页 |
| 3.3.2 对我国GDP时间序列建模 | 第29-31页 |
| 第四章 虚拟变量回归模型 | 第31-36页 |
| 4.1 多元线性回归回顾 | 第31页 |
| 4.2 虚拟变量 | 第31-32页 |
| 4.2.1 定义 | 第31-32页 |
| 4.2.2 赋值方法 | 第32页 |
| 4.3 建立虚拟变量回归模型 | 第32-34页 |
| 4.3.1 设定虚拟变量 | 第32页 |
| 4.3.2 参数估计及检验 | 第32-34页 |
| 4.4 我国GDP虚拟变量回归模型 | 第34-36页 |
| 4.4.1 设定虚拟变量 | 第34页 |
| 4.4.2 参数估计及检验 | 第34页 |
| 4.4.3 模型的预测与评价 | 第34-36页 |
| 第五章 结论及展望 | 第36-38页 |
| 5.1 结论 | 第36页 |
| 5.2 展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41-42页 |
| 附录 | 第42-43页 |
| 作者简历 | 第43页 |