试议模型时间序列在教育投资和经济增加方面运用

摘要：在实际生活中，人们为了解释事物变化的规律，浅析影响事物进展的因素，预测和制约事物的进展方向，需要观察所探讨的某种现象，以而得到一定顺序的数据。而时间序列浅析正是通过浅析数据，揭示事物的本质特点，论述事物或系统未来进展方向与预测或制约的策略。由于环境等客观因素的影响，使得在实际运用中，大多数序列不是平稳、不可用简单线性联系去加以浅析的，面对这一困难，时间序列浅析通过对数差分的形式使数据平稳化，进而通过模型拟合和预测，达到人们所期望的效果，揭示数据所代表的事物的本质规律与进展走势。本论文主要探讨了教育投资、国内生产总值与国家财政支出之间的联系。教育作为一种内部动力，在提升人们的文化知识水平的同时也变相增加了人们的劳动生产率，进而推动科学技术的进展，推动了经济总量的快速提升，也带动社会的知识结构和经济结构一定的调整及优化。反过来，经济是教育投资增加的物质基础，经济增加会增强社会各方面加大教育投资能力。由此，越来越多的国家把教育投资作为经济可持续进展的重要动力。本论文绪论相似度检测绍了论文提出的背景，国内国外学者的探讨近况，并对论文的主要结构进行了概述。第二章介绍了时间序列的基本概念，给出序列稳定的重要作用。第三章主要介绍了AR、MA、ARMA、ARIMA模型，对这四类模型进行详细的阐述，并论述了模型的有效性。第四章主要介绍了多元协整浅析及其在此基础上建立的误差修正模型，浅析数据的长、短期效应。第五章是实证浅析，对我国教育支出、GDP、国家财政支出数据分别进行了浅析及预测，通过比较浅析可知，基于多变量的误差修正模型可以更好的对数据进行模拟与预测。第六章是总结和展望，对本论文得出的结论进行说明，同时也提出了有着的不足和继续探讨的空间。实证浅析中，说明了数据的取向，介绍对原始数据的处理策略，在此基础上建立模型拟合和预测数据的进展走势。最后将ARIMA模型和多元协整浅析的基础上建立误差修正模型进行比较，得到结论：多元误差修正模型可以更好的对数据拟合与预测。关键词：时间序列浅析论文ARIMA模型论文协整浅析论文ECM模型论文

摘要4-5

Abstract5-8

1 绪论8-9

1.1 探讨背景8

1.2 探讨近况8-9

1.3 论文的组织结构9

2 时间序列浅析基本论述9-12

2.1 时间序列的定义9-10

2.2 平稳时间序列的定义及其作用10-11

2.2.1 平稳时间序列的定义10-11

2.2.2 平稳时间序列的作用11

2.3 相关函数与自相关函数11-12

2.4 白噪声序列12

3 求和自回归移动平均 ARIMA（p,d,q）模型12-16

3.1 AR(p)模型12-13

3.1.1 AR(1)模型12

3.1.2 AR(p)模型及其稳定性浅析12-13

3.2 MA(q)模型13-15

3.2.1 MA(1)模型13-14

3.2.2 MA(q)模型及其平稳性浅析14-15

3.3 ARMA(p,q)模型15

3.4 ARIMA(p,d,q)模型15-16

4 协整浅析论述16-22

4.1 单整与协整16-17

4.1.1 单整概念16

4.1.2 协整概念16-17

4.2 协整检验17-19

4.2.1 两变量协整联系的检验17

4.2.2 多变量协整联系的检验17-19

4.3 误差修正模型19-22

4.3.1 两变量的误差修正模型19-20

4.3.2 误差修正模型的建立20-21

4.3.3 多变量的误差修正模型21-22

4.4 Granger(格兰杰)因果联系检验22

5 实证浅析22-34

5.1 数据的选择与处理23-24

5.1.1 数据选择23

5.1.2 数据处理23-24

5.2 平稳性浅析24-25

5.2.1 散点图24-25

5.2.2 ADF 检验25

5.3 ARIMA（p,d,q）模型拟合与预测25-28

5.3.1 教育支出的拟合模型与预测25-27

5.3.2 国民生产总值 GDP 的拟合模型与预测27-28

5.5 协整检验模型28-29

5.6 误差修正模型29-31

5.7 Granger 因果联系检验31-32

5.8 模型的修正32-34

6 总结与展望34-36