| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-13页 |
| 1.1 研究背景和研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 第二章 ARIMA乘积季节预测模型 | 第13-27页 |
| 2.1 ARIMA乘积季节模型结构 | 第13-14页 |
| 2.2 ARIMA乘积季节模型中的数据平稳化 | 第14-16页 |
| 2.2.1 数据的平稳性检验 | 第14-15页 |
| 2.2.2 非平稳时间序列的平稳化 | 第15-16页 |
| 2.2.3 白噪声检验 | 第16页 |
| 2.3 ARIMA乘积季节模型中的定阶方法 | 第16-18页 |
| 2.3.1 自相关和偏自相关函数 | 第16-17页 |
| 2.3.2 信息准则 | 第17-18页 |
| 2.3.3 定阶的基本原则 | 第18页 |
| 2.4 ARIMA乘积季节模型中的常见参数估计方法 | 第18-22页 |
| 2.4.1 参数的初步估计 | 第18-20页 |
| 2.4.2 参数的精估计 | 第20-22页 |
| 2.5 建立房地产业增加值的ARIMA乘积季节预测模型 | 第22-27页 |
| 2.5.1 数据来源 | 第22页 |
| 2.5.2 数据的平稳性检验和处理 | 第22-24页 |
| 2.5.3 模型的识别与建立 | 第24-25页 |
| 2.5.4 模型的检验与诊断 | 第25页 |
| 2.5.5 模型的预测和评价 | 第25-27页 |
| 第三章 叠合预测模型 | 第27-34页 |
| 3.1 叠合模型建立方法 | 第27-29页 |
| 3.1.1 指数函数趋势叠合模型 | 第27页 |
| 3.1.2 三角函数叠合模型 | 第27-28页 |
| 3.1.3 叠合模型 | 第28-29页 |
| 3.2 建立房地产业增加值的叠合预测模型 | 第29-34页 |
| 3.2.1 数据来源与分析 | 第29页 |
| 3.2.2 建立趋势拟合的指数函数模型 | 第29-30页 |
| 3.2.3 建立三角函数叠合模型 | 第30-32页 |
| 3.2.4 模型的预测与评价 | 第32-34页 |
| 第四章 灰色预测模型 | 第34-45页 |
| 4.1 灰色系统理论 | 第34-35页 |
| 4.1.1 灰色系统理论简介 | 第34页 |
| 4.1.2 灰色预测模型在经济预测中的应用 | 第34页 |
| 4.1.3 灰色预测模型的精度检验 | 第34-35页 |
| 4.2 传统灰色GM(1,1)模型 | 第35-36页 |
| 4.3 基于背景值优化的GM(1,1)模型 | 第36-37页 |
| 4.4 基于双向差分进行参数估计的GM(1,1)模型 | 第37-40页 |
| 4.5 建立房地产业增加值的灰色预测模型 | 第40-45页 |
| 第五章 一阶差分方程时间序列预测模型 | 第45-52页 |
| 5.1 差分方程的应用 | 第45页 |
| 5.2 基于一阶差分方程的时间序列预测模型 | 第45-48页 |
| 5.2.1 一阶常系数常数非齐次差分方程型时间序列预测模型 | 第45页 |
| 5.2.2 一阶常系数非齐次(非常数)差分方程型时间序列预测模型 | 第45-46页 |
| 5.2.3 一阶变系数非齐次差分方程型时间序列预测模型 | 第46-48页 |
| 5.3 建立房地产业增加值的一阶差分方程时间序列预测模型 | 第48-52页 |
| 5.3.1 数据来源 | 第48页 |
| 5.3.2 模型的参数估计 | 第48-49页 |
| 5.3.3 模型的预测与评价 | 第49-51页 |
| 5.3.4 结论 | 第51-52页 |
| 第六章 结论与展望 | 第52-54页 |
| 6.1 结论 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59-60页 |
| 作者简历 | 第60-61页 |
| 研究生学位论文详细摘要 | 第61页 |
