期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于时间序列分析青海省GDP预测
被引量:
4
下载PDF
职称材料
导出
摘要
众所周知,GDP指的是国民生产总值、是衡量一个地区的综合实力的指标。本文在时间序列分析和回归分析的基础上,由青海省1993到2016年的GDP数据为基础,以R和SPSS软件为基础,对青海省的数据进行分析,对于建立的模型进行检验,在文章的末尾对青海省未来十年的GDP进行预测。
作者
宋平
邱燕玲
机构地区
首都师范大学
出处
《时代金融》
2018年第15期47-48,54,共3页
Times Finance
基金
国家自然科学基金资助
文章序列号11471222
关键词
GDP
ARIMA
最小二乘法
逐步回归法
SPSS
分类号
F127 [经济管理—世界经济]
引文网络
相关文献
节点文献
二级参考文献
2
参考文献
1
共引文献
6
同被引文献
15
引证文献
4
二级引证文献
13
参考文献
1
1
王艳梅,陈希镇,董乃铭.
山西省人均GDP的发展态势——基于时间序列、最小二乘回归、分位数回归方法[J]
.科学技术与工程,2012,20(18):4575-4578.
被引量:7
二级参考文献
2
1
冯亚丽.
河北省人均GDP时间序列的建立与预测[J]
.中国商界,2010(3):7-8.
被引量:3
2
高铁梅.Eviews应用及实例[M]北京:清华大学出版社,2009.
共引文献
6
1
扈文秀,马丽.
基于回归分析的陕西省人均GDP的影响因素研究[J]
.广东经济,2017,0(7X):7-8.
2
王艳梅,张广梅,陈希镇.
山西省各地市经济发展的多元统计分析[J]
.温州职业技术学院学报,2013,13(2):41-43.
被引量:2
3
王艳梅,董乃铭.
住房需求和住房供给——基于多重多元回归、分位数回归方法[J]
.科技和产业,2013,13(11):25-28.
被引量:1
4
张江城.
基于时间序列的我国GDP的短期预测[J]
.商,2016,0(15):204-206.
被引量:3
5
李杰,刘兆鹏,费时龙,苏婷.
回归分析在人均GDP影响因素分析中的应用[J]
.吉林化工学院学报,2016,33(9):74-77.
被引量:4
6
贾朝勇,潘玉荣,夏福全.
基于ARIMA模型的广州市年用电量预测[J]
.蚌埠学院学报,2019,8(5):72-75.
被引量:4
同被引文献
15
1
廖茂林,张明源.
新冠肺炎疫情对中国经济增长的影响[J]
.福建论坛(人文社会科学版),2020(4):25-33.
被引量:48
2
魏宁,边宽江,袁志发.
基于ARIMA模型的陕西省GDP分析与预测[J]
.安徽农业科学,2010,38(9):4933-4935.
被引量:23
3
雷鹏飞.
基于季节性ARIMA模型的中国CPI序列分析与预测[J]
.统计与决策,2014,30(14):32-34.
被引量:16
4
肖良.
基于季节性ARIMA模型的居民消费水平预测[J]
.统计与决策,2016,32(8):83-86.
被引量:24
5
敖希琴,龚玉杰,汪金婷,郑阳.
基于SARIMA模型的安徽省CPI预测[J]
.蚌埠学院学报,2017,6(3):83-86.
被引量:4
6
严彦文.
基于ARIMA模型的山东省GDP的分析与预测[J]
.数学的实践与认识,2018,48(4):285-292.
被引量:28
7
侯天宇,闵婕.
经济预测方法评价研究——基于新疆GDP数据[J]
.金融理论与教学,2018(2):77-81.
被引量:3
8
梁磊,陈晓东.
江苏省GDP的时间序列分析[J]
.中国集体经济,2018(22):34-35.
被引量:3
9
孙皖宁,杨静,杨依依,刘桐同,白晓东.
基于SARIMA模型对中国GDP分析及预测[J]
.中国集体经济,2018(36):78-80.
被引量:7
10
崔腾飞.
逐步回归分析下山东省税收与GDP的关系[J]
.现代商贸工业,2019,40(16):119-120.
被引量:2
引证文献
4
1
刘星辰,冯长焕.
基于ARIMA模型分析四川省GDP[J]
.时代经贸,2020,0(5):98-101.
被引量:3
2
陈玉霞.
基于SARIMA模型的贵州省季度GDP预测[J]
.经营与管理,2021(8):170-175.
被引量:4
3
查华,石舢.
基于ARIMA模型对江苏省GDP的预测[J]
.兰州文理学院学报(自然科学版),2022,36(3):33-36.
被引量:5
4
叶派良,韦汉阳,戚正奕,叶瑞松.
中国人口特征对经济发展的影响[J]
.金融,2019,9(4):390-408.
被引量:1
二级引证文献
13
1
李秀芝.
农业经济管理对农村经济发展的影响[J]
.经济管理文摘,2019(20):103-104.
2
潘典雅.
基于ARIMA模型的吉林省GDP分析及预测[J]
.中国集体经济,2021(27):15-16.
被引量:8
3
易志杰,裴书君,索文帅,王笑阳,王博昊,王若琳,李懿,许汴利,黄学勇.
SARIMA模型在河南省手足口病发病率预测中的应用[J]
.中国预防医学杂志,2021,22(12):898-902.
被引量:10
4
王沛智,梅栴,高巍.
基于SARIMA模型的黄金价格预测[J]
.电子技术与软件工程,2022(23):233-237.
5
李振亮,乐昕雨.
基于ARIMA模型的北京市GDP分析与预测[J]
.中小企业管理与科技,2023(1):153-155.
被引量:3
6
殷佳棋.
内蒙古自治区GDP分析与预测[J]
.内蒙古科技与经济,2024(7):15-18.
7
刘怡彤.
基于ARIMA和BP神经网络模型对数字经济规模占GDP比重的预测[J]
.时代经贸,2024,21(9):15-17.
8
曾怡霏,石虹.
ARIMA模型在广西壮族自治区GDP预测研究中的应用[J]
.时代经贸,2025,22(1):129-133.
9
孙秀秀.
基于ARIMA模型的山东省GDP的研究与预测[J]
.应用数学进展,2023,12(11):4814-4823.
10
魏欣雨,李旭芳.
基于ARIMA模型的浙江省GDP预测模型研究[J]
.建模与仿真,2023,12(6):5727-5736.
1
罗林,李亚爽.
基于ARIMA模型对河南省GDP预测[J]
.周口师范学院学报,2018,35(2):31-34.
被引量:2
2
李南.
基于BP神经网络的江西省GDP预测[J]
.科技广场,2017(10):47-49.
被引量:3
3
刘云,盛丽馨.
我国国内生产总值预测——基于 ARIMA 模型应用[J]
.市场周刊·理论版,2017,0(21):129-129.
4
孙泽华.
中国GDP预测及其与产业结构的关系分析[J]
.科技经济导刊,2018(19):6-7.
被引量:1
5
王丹,冯长焕.
基于HP滤波和ARIMA-ARCH模型的我国GDP分析与预测[J]
.福建江夏学院学报,2018,8(1):1-7.
6
单伟,袁象.
基于时间序列分析的上海人均GDP预测研究[J]
.社会科学前沿,2016,5(3):410-417.
7
田梓辰,刘淼.
基于改进灰色GM(1,1)模型的GDP预测实证[J]
.统计与决策,2018,0(11):83-85.
被引量:35
8
王昊冉.
时间序列分析在我国GDP预测中的应用[J]
.科技经济导刊,2018(4):165-165.
被引量:2
9
孙文渊,尹哲,沈京虎.
基于BP_神经网络模型的延吉市GDP预测[J]
.商业全球化,2015,3(3):65-73.
10
陈彦莉,沙玉五,朱小林,张小红.
基于时间序列分析的上海地铁16号线客流预测—以临港大道站为例[J]
.运筹与模糊学,2016,6(1):15-26.
被引量:3
时代金融
2018年 第15期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部