基于时间序列模型的山东省GDP研究与分析
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 研究内容及方法 | 第14-16页 |
| 第2章 ARIMA模型 | 第16-21页 |
| 2.1 ARIMA模型的分类 | 第16-18页 |
| 2.1.1 自回归模型 | 第17页 |
| 2.1.2 移动平均模型 | 第17页 |
| 2.1.3 自回归移动平均模型 | 第17-18页 |
| 2.1.4 自回归单整移动平均模型 | 第18页 |
| 2.2 ARIMA模型的建模步骤 | 第18-21页 |
| 2.2.1 序列的平稳性检验 | 第18-19页 |
| 2.2.2 ARIMA模型的识别、检验及预测 | 第19-21页 |
| 第3章 向量自回归模型 | 第21-24页 |
| 3.1 VAR模型的基本理论 | 第21页 |
| 3.2 向量自回归模型的建立 | 第21-22页 |
| 3.2.1 模型估计 | 第21-22页 |
| 3.2.2 模型检验 | 第22页 |
| 3.3 格兰杰因果检验 | 第22-23页 |
| 3.4 脉冲响应函数 | 第23页 |
| 3.5 方差分解 | 第23-24页 |
| 第4章 基于ARIMA模型的实证分析 | 第24-34页 |
| 4.1 数据选取与处理 | 第24-28页 |
| 4.1.1 数据预处理 | 第24-26页 |
| 4.1.2 自相关函数图 | 第26-27页 |
| 4.1.3 单位根检验 | 第27-28页 |
| 4.2 ARIMA模型的构建 | 第28-32页 |
| 4.2.1 模型识别 | 第28-29页 |
| 4.2.2 模型检验 | 第29-30页 |
| 4.2.3 模型筛选与比较 | 第30-32页 |
| 4.3 ARIMA模型的预测 | 第32-34页 |
| 第5章 基于VAR模型的实证分析 | 第34-53页 |
| 5.1 第一产业的VAR模型 | 第34-40页 |
| 5.2 第二产业的VAR模型 | 第40-46页 |
| 5.3 第三产业的VAR模型 | 第46-53页 |
| 第6章 结论与建议 | 第53-58页 |
| 6.1 关于第一产业的结论与建议 | 第53-54页 |
| 6.2 关于第二产业的结论与建议 | 第54-55页 |
| 6.3 关于第三产业的结论与建议 | 第55-56页 |
| 6.4 总结 | 第56-57页 |
| 6.5 研究不足 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
