基于时间序列模型对我国互联上网人数的分析及预测

盐城师范学院毕业论文基于时间序列模型对我国互联网上网人数的分析及预测学生姓名江月学院数学与统计学院专业统计学班级统计12（2）班学号12213209指导教师孙慧慧2016年5月21日毕业论文（设计）承诺书本人郑重承诺：1、本论文（设计）是在指导教师的指导下，查阅相关文献，进行分析研究，独立撰写而成的.2、本论文（设计）中，所有实验、数据和有关材料均是真实的.3、本论文（设计）中除引文和致谢的内容外，不包含其他人或机构已经撰写发表过的研究成果.4、本论文（设计）如有剽窃他人研究成果的情况，一切后果自负.学生（签名）：2016年5月21日基于时间序列模型对我国互联网上网人数的分析及预测摘要中国的网民规模表现出持续快速发展的趋向，更多的居民意识到互联网的方便快捷。由于居民收入水平的提高和上网设备成本的下降，互联网逐渐进入各家各户。是以，关于我国互联网上网人数发展趋势的分析研究，对于正在飞速发展的中国和其社会形态的研究具有重要的意义。本文主要利用Eviews软件对我国1997-2015年我国互联网上网人数的数据进行统计分析，首先建立ARMA预测模型，然后利用所建立的模型进行数据分析，并预测2016年到2020年我国互联网上网人数，从而对我国互联网发展远景进行分析研究。【关键词】互联网上网人数；ARMA模型；预测模型TimeSeriesModelforAnalyzingandForecastingtheNumberofChina`sInternetusersAbstractThescaleofChina'sInternetusersshowsatrendofrapidandsustainabledevelopment,moreandmorepeoplerealizetheInternetconvenientfunction。DuetothedeclineinthelevelofincomeandthecostofInternetdevices,Internethasenteredeveryhousehold.Therefore,theanalysisofthedevelopmenttrendofthenumberofInternetusersinChinaisofgreatsignificancetotherapiddevelopmentofChina'ssocialform.ThispapermainlyusestheEviewssoftwaretoanalyzethedataofChina'sInternetusersin1997-2015，Firstofall,theARMApredictionmodelwasestablished,andthenthedatawereanalyzedbyusingtheestablishedmodel,andthenumberofInternetusersinChinafrom2016to2020waspredicted,andthedevelopmentprospectofInternetinChinawasanalyzed.[Keywords]NumberofInternetusers,ARMAmodel,predictionmodel目录引言...................................................................................................错误!未定义书签。1关于时间序列分析的基本方法.......................................................错误!未定义书签。1.1预处理—平稳化的过程............................................................错误!未定义书签。1.2关于时间序列常用模型的简述...............................................................................31.3ARMA模型的建立...................................................................................................42基于时间序列模型对我国互联网上网人数的分析及预测..........................................52.1我国互联网上网人数时间序列分析的预处理.......................................................52.2模型识别、建立.......................................................................................................82.3检验.........................................................................................................................102.4预测.........................................................................................................................103总结.................................................................................................................................114关于推动互联网行业发展的意见和建议.....................................................................11参考文献............................................................................................................................13致谢....................................................................................................................................14盐城师范学院毕业论文第1页引言中国统计局最新数据显示，当前我国互联网的上网人数已经达到了68826万人。伴随着电脑手机等电子产品的普及，数据网络和无线网络的多区域覆盖，可以预测，我国互联网上网人数会呈直线上升。互联网的普及将会逐步影响居民生活的各个方面。在社会经济方面，互联网可以做到商业模式的创新，传统产业的升级，社会价值的承载，对构建社会主义和谐社会具有重要作用。现在社会日新月异，信息更是瞬息万变，互联网的普及帮助人们更好更快的了解掌握最新的实时动态，做到高效便捷。本文主要运用时间序列分析方法，寻找其内在规律，利用Eviews软件建立ARMA模型，预测出我国互联网上网人数未来五年的数据，并对数据进行分析，提出如何推动互联网行业发展的政策建议，为推动信息行业发展提供智力支持。盐城师范学院毕业论文第2页1关于时间序列分析的基本方法1.1预处理——平稳化的过程A．检验平稳性建立时间序列模型，开始就是要对时间序列进行平稳性检验。平稳性检验有两种方式：一是图检验法，二是构造统计量检验法。我们通常先进行图检验法检验序列平稳性，然后再辅以单位根检验法。a)图检验法图检验法是直接根据时序图和自相关图显现出的特征来判断时间序列是否平稳的直观的方法。自相关系数kr：在（1.1）式中，n=样本量，k=滞后期，X=样本数据的算术平均值。偏自相关系数kk：X在（1.2）式中，kr=滞后k期后自相关系数。若在滞后阶数k大于2或3时，时间序列的自相关系数很快趋于0，即很快地落入随机空间，那么该时间序列是平稳的，若不然，该时间序列非平稳。b）单位根检验法图检验法是从直观上判断数据是否平稳，并不准确，所以我们需要进一步用实际数据来证明平稳性。单位根检验法常用方法：一是DF检验，二是ADF检验。DF检验：一阶回归模型时当。11tttXX，该时间序列平稳；时，该序列非平稳当1，，即存在单位根需要进一步检验是否可能=1，进而判断该)2.1()11()1,,2,1(),3,2(11,1,1,11,11,1111kkikkkikikkiiikiikkkkkikrrriirk)1.1()11()())((121knttkntkttkrXXXXXXr盐城师范学院毕业论文第3页序列是否平稳。ADF检验：在DF检验中，在式子tttXX1中，经常由于序列高阶滞后相关的存在，从而随机扰动项t是白噪声的假设被破坏。对此，ADF检验进行了改进，假设序列服从)(PAR过程。检验方程为：tptpttttXXXXX1122111（参数p的选择根据具体情况而定，一般来说，选择可以保证t是白噪声的最小的p值）B．数据平稳化在对时间序列进行平稳性检验过后，要是发现该时间序列是非平稳的，则需要对该序列进行平稳化处理，将其转变为平稳的时间序列，才可以进一步分析研究。时间序列的平稳化处理一般有取对数和差分两种方式。一般来说，我们可以先取该序列的对数，若取对数后仍然不平稳，则需要对其差分。差分可以是对原始数据进行差分，也可以是对其取对数后的序列进行差分，进而达到消除其线性趋势的目的。差分运算公式：一阶差分：1tttXXXP阶差分：111tptptpXXXK步差分：kttkXX1.2关于时间序列常用模型的简述常用的时间序列模型主要有三种：自回归模型)(ARdelmoregressiveAuto，，移动平均模型)(MAdelmoAverageMoving，，自回归移动平均模型)(ARMAdelmoAverageMovingregressiveAuto，。对于平稳的时间序列ty，其模型结构如下：自回归模型（AR）:1122tttptptyyyy（其中，p是模型阶数，i（pi,,2,1）是模型的待定系数，t是误差）滑动平均模型（MA）：1122ttttqtqy(其中，q是模型的阶数，j（qj,,2,1）是模型的待定系数，t是误差)自回归滑动平均模型（ARMA）:盐城师范学院毕业论文第4页11221122tttptptttqtqyyyy（其中，p是模型阶数,i（pi,,2,1）是模型的待定系数，t是误差）1.3ARMA模型的建立a)模型的识别和定阶在时间序列分析建模的过程中，模型的识别可以通过直接观察自相关系数（ACF）和偏相关系数（PACF）对模型有一个初步的识别。同时辅以AIC定阶准则，然后选出最合适的模型进行预测。表1-1ARMA模型中自相关、偏自相关系数的特点：模型)(pAR)(qMA),(qpARMA自相关系数（ACF）拖尾q阶截尾拖尾偏相关系数（PACF）p阶截尾拖尾拖尾AIC准则法：AIC准则的一般形式：2log2AICnpq，式中n为平稳序列为样本数，2为拟合残差平方和，p，q为参数。b)模型的参数估计参数估计是在模型定阶完成后进行的