利用Eviews8.0預測中國GDP的增長

王子惠

摘 要 GDP作為一個國家一定時期內所生產和提供的最終商品和勞務的總和的重要指標，如果能夠做出模型對其進行正確的預測，就可以有效地引導經濟的發展，為決策提供依據。本文依據1952～2015年我國GDP的數據，建立了ARMA模型，并利用Eviews8.0統計軟件實現對模型的檢驗。結果顯示，模型具有較好的預測結果和現實意義。

關鍵詞 GDP預測 ADF單位根檢驗 時間序列分析

一、引言

社會經濟活動千變萬化，許多經濟現象都具有隨著時間而演變的特點，描述數據與時間存在密切的聯系。要想認識這些社會經濟現象的本質特征，就需要研究這些現象隨時間變化的規律，也就是需要進行動態分析。在對社會經濟活動的分析中，時間序列數據是最常見的數據之一，是將觀測到的數據按照時間的先后順序排列起來所得到的，利用Eviews軟件可以對經濟現象做一個有效的預測和評估。

二、模型的建立

（一）數據來源及說明

本文研究的樣本區間設定為1952～

2015年，數據來源于中國經濟網和國家統計局官網數據庫。為了能更好地觀測數據的趨勢，分別繪制該段時期中國GDP的原始統計數據、一階差分數據、二階差分數據，可以看出二階差分數據大致是平穩的。

（二）通過ADF檢驗判斷各個數據的平穩性

本文選用ADF（augmented Dickey-Fuller Test）檢驗，我們可以看出中國1952～2015年GDP的上升趨勢很明顯，因此對其進行一階差分和二階差分，得到二階差分。對原始數據進行ADF檢驗，檢驗結果顯示，GDP序列的伴隨概率為1，即認為以100%的概率接受原假設，也就是存在單位根，數據不平穩。將GDP進行一階差分后，繼續ADF檢驗。檢驗結果顯示，GDP序列的伴隨概率仍然為1，同樣認為一階差分后的數據以100%的概率接受原假設，存在單位根，一階差分后的數據仍不平穩。再對GDP進行二階差分，然后ADF檢驗，此時選擇不含趨勢項和截距項。檢驗結果顯示，二階差分序列DDGDP在5%的顯著性水平下拒絕原假設，接受不存在單位根的結論，同時認為二階差分后的數據是平穩的。因此可以確定GDP序列是2階單整序列，即GDP～Ⅰ（2）。[1]

（三）模型的識別和選擇

通過二階差分數據的自相關系數（AC）和偏相關系數（PAC）并進行比較，見表2。建立關于ddgdp、ar（2）、ar（3）的模型，得到表3，從表3中可以看出AR（2）和AR（3）系數的伴隨概率P均為0，小于0.05。因此認為通過顯著性檢驗，同時擬合優度R-squared為0.63，擬合較好。接下來就是進行模型殘差的相關性檢驗，Q統計量的P值基本上都大于0.05，因此認為接受原假設，通過檢驗，殘差不存在相關性，系數顯著為0，是白噪聲序列，因此認定該模型成立。建立的模型為：DDY=

-0.5611*AR（2）+0.6581*AR（3）+ε。

（四）模型的預測

根據以上建立的模型對GDP作2000～2015年的預測值，并與實際值進行比較，可知預測值和實際值的總體差異較小，說明模型預測的效果較好，此模型可以用于預測。

三、結論

在時間序列中，平穩時間序列主要有三種類型，自回歸（AR）模型、移動平均（MA）模型和自回歸移動平均（ARMA）模型，這三種模型都是線性模型，他們能用有限的參數刻畫時間序列的動態性。盡管線性關系的假定在解決實際問題時是一個比較苛刻的條件，但無疑是理論研究的基礎。[2]對于一個時間序列進行模型的識別，然后不斷地進行建模的實驗，并輔以相關的診斷技術，根據情況再進行適當的調整，繼續進行識別、估計、檢驗等環節，直到模型通過檢驗，達到最優模型為止。本文中關于GDP的原始數據顯然是不平穩的，針對非平穩的序列，通過差分、取對數等方法，可以將非平穩的數據變成平穩的序列，以便能夠有效地進行預測。

（作者單位為河北農業大學經濟貿易學院）

參考文獻

[1] 何新易.基于時間序列模型的中國GDP增長預測分析[J].財經理論與實踐（雙月刊），2012，33（178）：96-99.

[2] 史代敏，謝小燕.應用時間序列分析[M].北京：高等教育出版社，2011：24-25.