| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外主要研究现状 | 第9-10页 |
| 1.2.1 模型选择方法的研究现状 | 第9页 |
| 1.2.2 模型平均方法的研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 模型选择与模型平均相关知识简介 | 第12-20页 |
| 2.1 模型选择相关理论知识 | 第12-18页 |
| 2.1.1 极大似然估计 | 第12-15页 |
| 2.1.2 K - L距离简介 | 第15-16页 |
| 2.1.3 AIC信息准则的理论研究 | 第16-17页 |
| 2.1.4 BIC信息准则的理论研究 | 第17-18页 |
| 2.2 模型平均相关理论知识 | 第18-19页 |
| 2.2.1 模型平均方法的重要意义 | 第18页 |
| 2.2.2 模型平均方法简介 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于信息理论的模型选择研究及应用 | 第20-31页 |
| 3.1 聚类分析方法相关知识简介 | 第20-25页 |
| 3.1.1 聚类分析方法简介 | 第20页 |
| 3.1.2 聚类分析方法相关理论 | 第20-23页 |
| 3.1.3 基于AIC信息准则的最近邻聚类模型 | 第23-24页 |
| 3.1.4 基于BIC信息准则的最近邻聚类模型 | 第24-25页 |
| 3.2 我国年出生人口数的Poisson回归模型分析 | 第25-31页 |
| 3.2.1 Poisson分布简介 | 第25页 |
| 3.2.2 Poisson回归简介 | 第25-26页 |
| 3.2.3 AIC信息准则在Poisson回归模型中的应用 | 第26-27页 |
| 3.2.4 我国年出生人口数的Poisson回归模型案例分析 | 第27-31页 |
| 第四章 模型平均方法在我国GDP研究中的应用 | 第31-46页 |
| 4.1 时间序列模型简介 | 第31-38页 |
| 4.1.1 时间序列ARMA模型及其特征 | 第31-32页 |
| 4.1.2 时间序列ARMA模型的识别 | 第32-35页 |
| 4.1.3 时间序列模型的建立 | 第35-38页 |
| 4.1.4 基于信息准则的时间序列ARMA组合预测模型 | 第38页 |
| 4.2 我国GDP的组合预测分析 | 第38-46页 |
| 4.2.1 数据特征分析 | 第38-40页 |
| 4.2.2 统计模型的识别 | 第40-41页 |
| 4.2.3 基于信息准则的模型选择 | 第41页 |
| 4.2.4 模型参数估计 | 第41-43页 |
| 4.2.5 模型有效性诊断 | 第43-44页 |
| 4.2.6 模型的组合预测 | 第44-46页 |
| 第五章 本文总结与展望 | 第46-47页 |
| 5.1 本文总结 | 第46页 |
| 5.2 后续工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 在读期间公开发表的论文 | 第50-51页 |
| 致谢 | 第51页 |
