基于ARIMA模型和残差自回归模型的广东省鸡蛋价格分析及预测

本文基于中国畜牧业年鉴的广东省鸡蛋价格,构建了ARIMA模型和残差自回归模型。根据模型理论依据、评价指标,例如拟合优度、均方误差、平均绝对误差、信息准则等选择最优模型预测鸡蛋价格。本文得出最优的预测模型是乘积季节模型。利用该模型测出广东省未来的鸡蛋价格,同时对政府、养殖者、投资者和消费者四大主体提出相应的实际建议。本文不仅丰富了鸡蛋价格预测的理论基础,而且为相关主体的决策提供了有价值的参考依据。

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小。此外,还利用1980—2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法。进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测。

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法。

残差自回归模型在甲型病毒性肝炎发病数预测中的应用

目的探讨残差自回归模型在甲型病毒性肝炎发病数拟合及预测中的应用。方法收集2001—2013年某省甲肝月发病数资料作为拟合数据,以2014年月发病数作为预测数据,建立残差自回归模型,根据相对误差(RE),平均相对误差(MRPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型拟合和及预测效果。结果残差自回归模型拟合和预测的MAPE、MER、MSE、MAE分别为1.863%,14.011%,508.315,27.613和11.797%,25.491%,26.516,6.415。结论残差自回归模型可以较好地拟合甲肝月发病数时间序列,预测结果可信。

基于残差自回归模型的兰州市财政收入预测与决策

根据兰州市1994-2012年的财政收入，建立了基于残差自回归模型的财政收入预测模型，拟合效果较好，利用此模型预测了兰州市未来3年的财政收入，并对预测结果进行了分析，提出相关建议，最后探讨了残差自回归模型的应注意事项．

基于SVR残差修正自回归模型的区域物流需求预测

物流需求预测的效率和精度直接影响物流系统的有效规划、管理,考虑到大多区域经济变量具有非线性与波动性的特征,传统的线性建模和预测技术难以适应物流需求预测的精度要求。因此,提出基于SVR残差修正自回归的区域物流需求预测模型。首先采用残差自回归模型拟合序列的线性部分;然后对拟合后的残差序列采用SVR方法再次提取其非线性信息,从而提高模型的预测精度;最后以广东省公路货运量的预测为例说明模型的有效性。为满足社会物流需求,有效地进行物流规划、管理,提供了良好的决策支持。

残差自回归模型在安徽省GDP预测中的应用

根据1979年到2018年的安徽省GDP数据,建立残差自回归模型对安徽省GDP进行了短期预测,并与真实值进行了比较,拟合效果较好.结果表明,对残差序列进行自相关建模有利于数据内在趋势的提取,能更好地反映统计数据的内在规律,可为安徽省制定经济发展目标提供决策参考.

国际石油价格之残差自回归模型短期预测

国际石油市场上,油价围绕国际石油价值这个轴心随供求关系的变化而不断上下波动。而石油是现代工业的血液,预测油价变化,制定相关石油战略,具有重要的意义。文章运用非平稳序列的残差自回归模型方法对以往油价建立模型进行短期预测,模型拟合度比较理想,并和ARIMA模型及GARCH模型结果比较,残差自回归明显优于其他模型。

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。

残差自回归模型在人工林红松树高生长规律预测中的应用

以吉林省通化县三棚林场调查的1株人工林红松解析木数据为基础,拟合树高生长数据,对比传统的树木理论生长模型中的约翰逊-舒马赫(Johnson-Schumacher)生长模型、逻辑斯蒂(Logistic)生长模型、米切利希(Mitscherlich)生长模型、坎派兹(Gompertz)生长模型、理查德(Richards)生长模型的拟合结果。以5种树木理论生长模型中拟合最好的坎派兹生长模型为基础,根据时间序列分析理论,建立残差自回归模型,预测树高生长。结果证明:残差自回归模型,比传统的树木理论生长模型能更好地用于描述红松人工林的树高生长规律。

基于残差自回归和自适应过滤的生活能源消费量组合预测模型

文章主要应用残差自回归模型和自适应过滤模型,对1980年到2006年间我国生活能源消费量时间序列建模,并通过两种模型组合预测得到了2007年到2010年的我国生活能源消费量的预测值。

残差自回归模型的研究——基于四川省人均GDP的实证分析

采用1979年到2012年的四川人均GDP数据,通过建立残差自回归模型对四川人均GDP进行了预测.结果表明,对残差进行序列相关模型处理有利于对数据的内在趋势进行提取,从而更好地描述数据统计的内在规律.最后对四川省人均GDP做了短期预测,并与真实值进行了比较.

残差自回归半参数模型的参数估计

研究了残差自回归半参数模型的参数估计,运用广义最小二乘法估计了参数部分.用随机模拟说明了运用广义最小二乘(GLSE)估计出的参数部分优于运用普通最小二乘法(OLSE)得到的估计.

基于残差自回归模型的北京市92#汽油价格的分析与预测

油价关系国计民生。本文选取北京市2013年1月至2018年10月的92#汽油调整日的价格数据,运用残差自回归模型考察其波动趋势,提取其内在变化规律,并做出预测,为政府调整控制油价,企业制定生产决策,维持人们正常生活生产秩序提供参考。

残差自回归模型在旅游经济当中的应用

通过分析旅游经济重要指标的数据特点,运用残差自回归方法对旅游经济的重要指标做了短期的预测,预测结果较为理想,然后对五个重要的旅游经济指标做了预测分析,并提出了合理的对策和建议。

新型冠状病毒肺炎(COVID-19)疫情预测——基于残差自回归模型

目的:基于我国公开数据中有关新型冠状病毒肺炎(COVID-19)的死亡病例时机数据,预测以后的死亡病例。方法:结合时间序列理论,建立尚有确诊的时间序列的残差自回归模型。结果:残差自回归模型预测效果较好,有一定的参考价值。

基于ARIMA模型和残差自回归模型的安徽省城乡居民PCDI分析与预测

文章对1981年以来安徽省城乡居民人均可支配收入作了对比分析,以判断安徽省城乡均衡发展状况,并分别利用ARIMA模型和残差自回归模型分析和预测了安徽省城乡居民收入差距的发展趋势,得出结论:未来十年安徽省城乡居民收入比将进一步下降,城乡发展趋于均衡,但是城乡居民PCDI仍有一定差距。

基于残差自回归的特殊教育招生趋势实证分析

从1994年6月10日《萨拉曼卡宣言》正式提出“全纳教育”这一概念,我国在特殊教育方面取得了巨大进步。为了考察过去几十年中国针对特殊教育行业所采取的政策的有效性,并对特殊教育行业未来发展提出建议,本文首先通过观察我国在特殊教育招生方面的时序图,将1980至2016年划分为四个阶段,结合国家各时期颁布的相关政策,分析不同阶段特殊教育招生数量发生变化的原因。其次,本文针对我国1980到2016年特殊教育的招生人数建立残差自回归模型,拟合后发现信息提取充分,且模型精度较高。最后,结合所建立的自回归模型,预测未来5年我国特殊教育的招生人数,并对未来我国在特殊教育方面的发展提出建议。

“路径依赖”与政治动态过程——非线性模型的残差序列相关分析

政治学实证研究中分析的对象经常表现为两分因变量,需要运用非线性模型进行分析。在非线性环境下,处理数据中序列相关问题,面临一系列方法和计算上的困难和挑战。该研究提出运用残差p阶自回归过程Probit模型来检验和充分修正序列相关问题,并发展模拟方法对参数进行统计估计。模型直接针对误差项的随机过程进行建模,与现有非线性时间序列模型相比,该模型是检验序列相关的更好方法,尤其适用于较小或中等规模的样本。该研究发展的模拟方法是基于马尔可夫链蒙特卡洛的循环模拟。除了采用常规的Gibbs和Metropolis-Hastings取样法外,该研究还创新性地引入状态空间分割方法,运用推动器对马尔可夫链在局部参数空间中进行移动,以加速模拟的收敛过程。该研究对残差项自回归阶数通过模型拟合优度和质量比较进行确定,采用SIR递推采样方案对后验分布的边际似然性进行模拟近似计算,从而计算出每一对参评模型的贝叶斯因子从而进行模型比较,对自回归阶数进行确定以确保序列相关得到充分修正。该研究将新模型和新方法应用于两个政治学研究的实例分析中,一个是关于美国众议院规则变化的时间序列分析,另一个是对国际政治经济研究中的能源安全进行动态过程追踪。这两个实例表明,序列相关在非线性环境中的分析显著影响到数据分析的质量和实证结论的可靠性,使用新的模型和方法可以对序列相关进行直接和充分的修正,并可以与现有其他时间序列分析技术进行结合,以处理政治学中路径依赖带来的强序列相关问题。