统计预测与决策课程论文怎么选题的
统计学问题我来明确的
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成， 省区经济则是我国国民经济的重要组成部分， 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象， 因此， 选取省区经济数据进行区域经济的研究， 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响， 已从背后走到了台前， 发展较快的省区对我国国民经济的快速增长起到了很大的作用， 而发展相对较慢的省区， 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究， 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元， 人均 GDP13130 元， 达到中等发达国家水平。从省域经济来说， 湖北省是一个较发达的经济实体。另一方面， 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用， 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地， 但仍不可避免的面临着建国以来一再的经济波动，从最初的强大势力到如今的挣扎期， 湖北省的经济面临着发展困境。近年来， 湖北省的经济状况一再呈现再次快速发展的趋势， 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律， 将这种规律延伸到未来， 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型， 由博克斯， 詹金斯创立， 是一种精度较高的时序短期预测方法， 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量， 构成该时序的单个序列值虽然具有不确定性， 但整个序列的变化却具有一定的规律性， 可以用相应的数学模型近似描述。通过对该数学模型的分析，能够更本质的认识时间序列的结构与特征， 达到最小方差意义下的最优预测。现实社会中， 我们常常运用 ARMA模型对经济体进行预测和研究， 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列， 对于如 GDP 等非平稳的时间序列而言， ARMA模型存在一定的缺陷， 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上， ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型， 简记为 ARIMA ( p， d， q) 模型，是美国统计学家 GEPBox 和 GMJ enkins 于 1970 年首次提出， 广泛应用于各类时间序列数据分析， 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p， d， q) 模型计算复杂， 须借助计算机完成。本文介绍 ARIMA ( p， d， q) 模型的建立方法， 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p， d， q) 预测模型。( 二) 数据选择本文所有 GDP 数据来自于由中华人民共和国统计局汇编，中国统计出版社出版的 《新中国五十五年统计数据汇编》 。本文的所有数据处理均使用 EV0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的， 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳， 因此可以对差分后或对数差分后的序列进行 ARMA( p， q) 拟合。ARIMA ( p， d， q) 模型的具体建模步骤如下:平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断， 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列， 如果存在一定的增长或下降趋势等，则需要对数据取对数或进行差分处理， 然后判断经处理后序列的平稳性。重复以上过程， 直至成为平稳序列。此时差分的次数即为ARIMA ( p， d， q) 模型中的阶数 d。为了保证信息的准确， 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要， 对于平稳的非白噪声序列则可以进行ARMA ( p， q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验， 可以以直观的方法直接观测得到结论。ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值， 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言， 由于样本的随机性， 样本的相关系数不会呈现出理论截尾的完美情况， 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性， 随着延迟阶数的增大， 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明， 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数， 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择， 从 ARMA ( p，q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。模型检验。模型检验主要是检验模型对原时间序列的拟和效果， 检验整个模型对信息的提取是否充分， 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验， 即残差序列不是为白噪声序列， 那么要重新选择模型进行拟合。如残差序列是白噪声序列， 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p， d， q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据， 运用统计学和计量经济学原理， 从时间序列的定义出发， 结合统计软件 EVIEWS 运用 ARMA建模方法， 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测， 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。模型预测。根据检验和比较的结果， 使用 Eviews 软件中的forecas t 功能对模型进行预测， 得到原时间序列的将来走势。 对比预测值与实际值， 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响， 这些因素之间又有着错综复杂的关系， 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列， 得出其变化规律， 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析， 为了对模型的正确性进行一定程度的检验， 现用前 50 个数据参与建模， 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性， 因此需要再次进行差分， 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值， 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性， 因此 ARIMA ( p， d，q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:对数。利用 EViews 软件， 对原数据取对数:对已经形成的对数序列进行一阶差分， 然后进行 ADF 检验:由上表可见， 现在的对数一阶差分序列是平稳的， 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分， 因此认为 ARIMA ( p， d， q) 中 d=1。( 二) ARMA ( p， q) 模型的建立ARMA ( p， q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 136479 - 161144 - 506374 - 183002 20582非平稳1 - 764521 - 165756 - 508508 - 184230 171892 - 101495 - 170583 - 510740 - 185512 180023 - 418890 - 175640 - 513075 - 186854 205434 - 230514 - 180911 - 515523 - 188259 27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 714836 - 170583 - 510740 - 185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 448501 - 574446 - 923780 - 599925 - 536478 - 458512平稳 1 - 832346 - 577723 - 925169 - 600658 - 662966 - 5448712 - 398029 - 581152 - 926622 - 601424 - 770517 - 6115043 - 324520 - 584743 - 928142 - 602225 - 747432 - 546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR， MA的取值进行实现， 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知， 最优情况本应该在 AR ( 1) ， MA ( 1) 时取得， 但AR， MA都取 1 时无法实现平稳， 舍去。对于后面两种情况进行比较， 而 P=1 时 AIC 与 SC 值都比较小， 在该种情况下方程如下:综上所述选用 ARIMA ( 1， 1， 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验， 得出残差序列相互独立的概率很大， 故不能拒绝序列相互独立的原假设， 检验通过。模型均值及自相关系数的估计都通过显著性检验， 模型通过残差自相关检验， 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型， 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1， 1， 0) 预测值与实际值的比较由上表可见， 该模型在短期内预测比较准确， 平均绝对误差为 876% ， 但随着预测期的延长， 预测误差可能会出现逐渐增大的情况。下面， 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中， 湖北省的地方生产将保持增长的势头， 但 2008 年的增长率不如 2007 年， 这一点值得注意。GDP毕竟与很多因素有关， 虽然我们一致认为， 作为我国首次主办奥运的一年， 2008 将是中国经济的高涨期， 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高， 但这有很大一部分是奥运赛场所在地带来的经济效应， 而不是所有地方都能够享有的。正如 GDP 数据显示， 1998 年尽管全国经济依然保持了一个比较好的态势， 但湖北省的经济却因洪水遭受不小的损失。作为一个大省， 湖北省理应对自身的发展承担起更多的责任。总的来说， ARIMA模型从定量的角度反映了一定的问题， 做出了较为精确的预测， 尽管不能完全代表现实， 我们仍能以ARIMA模型为基础， 对将来的发展作出预先解决方案， 进一步提高经济发展， 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法， 其模型比较简单，对资料的要求比较单一， 在实际中有着广泛的适用性。在应用中，应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中， 由于 GDP 的特殊性， ARIMA模型以自身的特点成为了 GDP 预测上佳选择， 但是预测只是估计量， 真正精确的还是真实值， 当然， ARIMA 模型作为一般情况下的 ARMA 模型， 运用了差分、取对数等等计算方法， 最终得到进行预测的时间序列， 无论是在预测上， 还是在数量经济上， 都是不小的进步， 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析， 拟合 ARIMA( 1， 1， 0) 模型， 并运用该模型对湖北省的经济进行了小规模的预测，得到了较为满意的拟和结果， 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考， 究竟是什么原因造成了这样的结果， 同时我们也需要到 2008 年再次进行比较， 以此来再次确定 ARIMA ( 1， 1， 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 536412 - 321820 - 135728最优为 AR(1)MA(1)SC - 458445 - 282837 - 097119Variable Coefficient S Error t- Statistic PAR(1) 586643 115236 090781 0000R- squared - 226023 Mean dependent var 104967Adjusted R- squared - 226023 SD dependent var 111688SE of regression 123668 Akaike info criterion - 321820Sumsquared resid 718807 Schwarz criterion - 282837Log likelihood 72369 Durbin-Watson stat 132697Inverted AR Roots 59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 63 72 - 8762003 71 82 - 122004 92 78 - 892005 78 83 - 682006 00 05 - 26年度 2006 2007 2008GDP 值 00 08 59增长率(%) — 06 16表 6 ARIMA ( 1， 1， 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时， 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价， 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性， 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果， 有必要根据一些模糊因素来改进其评价方法， 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
论文选题很重要，应避开热点，更应该避开冷门。热点容易雷同，大家可选择素材几乎都一样，很容易找到相同的论据，结果是雷同的概率会增加。但是选择冷门，素材难找，闭门造车，增加了写作的难度。对于经济统计类的论文，最好选择有论据支持类的选题，有经济大师理论支持会更好，或者有案例数据可查。
***统计方法的应用
统计预测与决策课程论文怎么选题目
统计学问题我来明确的
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成， 省区经济则是我国国民经济的重要组成部分， 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象， 因此， 选取省区经济数据进行区域经济的研究， 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响， 已从背后走到了台前， 发展较快的省区对我国国民经济的快速增长起到了很大的作用， 而发展相对较慢的省区， 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究， 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元， 人均 GDP13130 元， 达到中等发达国家水平。从省域经济来说， 湖北省是一个较发达的经济实体。另一方面， 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用， 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地， 但仍不可避免的面临着建国以来一再的经济波动，从最初的强大势力到如今的挣扎期， 湖北省的经济面临着发展困境。近年来， 湖北省的经济状况一再呈现再次快速发展的趋势， 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律， 将这种规律延伸到未来， 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型， 由博克斯， 詹金斯创立， 是一种精度较高的时序短期预测方法， 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量， 构成该时序的单个序列值虽然具有不确定性， 但整个序列的变化却具有一定的规律性， 可以用相应的数学模型近似描述。通过对该数学模型的分析，能够更本质的认识时间序列的结构与特征， 达到最小方差意义下的最优预测。现实社会中， 我们常常运用 ARMA模型对经济体进行预测和研究， 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列， 对于如 GDP 等非平稳的时间序列而言， ARMA模型存在一定的缺陷， 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上， ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型， 简记为 ARIMA ( p， d， q) 模型，是美国统计学家 GEPBox 和 GMJ enkins 于 1970 年首次提出， 广泛应用于各类时间序列数据分析， 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p， d， q) 模型计算复杂， 须借助计算机完成。本文介绍 ARIMA ( p， d， q) 模型的建立方法， 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p， d， q) 预测模型。( 二) 数据选择本文所有 GDP 数据来自于由中华人民共和国统计局汇编，中国统计出版社出版的 《新中国五十五年统计数据汇编》 。本文的所有数据处理均使用 EV0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的， 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳， 因此可以对差分后或对数差分后的序列进行 ARMA( p， q) 拟合。ARIMA ( p， d， q) 模型的具体建模步骤如下:平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断， 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列， 如果存在一定的增长或下降趋势等，则需要对数据取对数或进行差分处理， 然后判断经处理后序列的平稳性。重复以上过程， 直至成为平稳序列。此时差分的次数即为ARIMA ( p， d， q) 模型中的阶数 d。为了保证信息的准确， 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要， 对于平稳的非白噪声序列则可以进行ARMA ( p， q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验， 可以以直观的方法直接观测得到结论。ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值， 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言， 由于样本的随机性， 样本的相关系数不会呈现出理论截尾的完美情况， 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性， 随着延迟阶数的增大， 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明， 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数， 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择， 从 ARMA ( p，q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。模型检验。模型检验主要是检验模型对原时间序列的拟和效果， 检验整个模型对信息的提取是否充分， 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验， 即残差序列不是为白噪声序列， 那么要重新选择模型进行拟合。如残差序列是白噪声序列， 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p， d， q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据， 运用统计学和计量经济学原理， 从时间序列的定义出发， 结合统计软件 EVIEWS 运用 ARMA建模方法， 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测， 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。模型预测。根据检验和比较的结果， 使用 Eviews 软件中的forecas t 功能对模型进行预测， 得到原时间序列的将来走势。 对比预测值与实际值， 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响， 这些因素之间又有着错综复杂的关系， 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列， 得出其变化规律， 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析， 为了对模型的正确性进行一定程度的检验， 现用前 50 个数据参与建模， 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性， 因此需要再次进行差分， 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值， 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性， 因此 ARIMA ( p， d，q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:对数。利用 EViews 软件， 对原数据取对数:对已经形成的对数序列进行一阶差分， 然后进行 ADF 检验:由上表可见， 现在的对数一阶差分序列是平稳的， 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分， 因此认为 ARIMA ( p， d， q) 中 d=1。( 二) ARMA ( p， q) 模型的建立ARMA ( p， q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 136479 - 161144 - 506374 - 183002 20582非平稳1 - 764521 - 165756 - 508508 - 184230 171892 - 101495 - 170583 - 510740 - 185512 180023 - 418890 - 175640 - 513075 - 186854 205434 - 230514 - 180911 - 515523 - 188259 27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 714836 - 170583 - 510740 - 185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 448501 - 574446 - 923780 - 599925 - 536478 - 458512平稳 1 - 832346 - 577723 - 925169 - 600658 - 662966 - 5448712 - 398029 - 581152 - 926622 - 601424 - 770517 - 6115043 - 324520 - 584743 - 928142 - 602225 - 747432 - 546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR， MA的取值进行实现， 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知， 最优情况本应该在 AR ( 1) ， MA ( 1) 时取得， 但AR， MA都取 1 时无法实现平稳， 舍去。对于后面两种情况进行比较， 而 P=1 时 AIC 与 SC 值都比较小， 在该种情况下方程如下:综上所述选用 ARIMA ( 1， 1， 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验， 得出残差序列相互独立的概率很大， 故不能拒绝序列相互独立的原假设， 检验通过。模型均值及自相关系数的估计都通过显著性检验， 模型通过残差自相关检验， 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型， 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1， 1， 0) 预测值与实际值的比较由上表可见， 该模型在短期内预测比较准确， 平均绝对误差为 876% ， 但随着预测期的延长， 预测误差可能会出现逐渐增大的情况。下面， 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中， 湖北省的地方生产将保持增长的势头， 但 2008 年的增长率不如 2007 年， 这一点值得注意。GDP毕竟与很多因素有关， 虽然我们一致认为， 作为我国首次主办奥运的一年， 2008 将是中国经济的高涨期， 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高， 但这有很大一部分是奥运赛场所在地带来的经济效应， 而不是所有地方都能够享有的。正如 GDP 数据显示， 1998 年尽管全国经济依然保持了一个比较好的态势， 但湖北省的经济却因洪水遭受不小的损失。作为一个大省， 湖北省理应对自身的发展承担起更多的责任。总的来说， ARIMA模型从定量的角度反映了一定的问题， 做出了较为精确的预测， 尽管不能完全代表现实， 我们仍能以ARIMA模型为基础， 对将来的发展作出预先解决方案， 进一步提高经济发展， 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法， 其模型比较简单，对资料的要求比较单一， 在实际中有着广泛的适用性。在应用中，应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中， 由于 GDP 的特殊性， ARIMA模型以自身的特点成为了 GDP 预测上佳选择， 但是预测只是估计量， 真正精确的还是真实值， 当然， ARIMA 模型作为一般情况下的 ARMA 模型， 运用了差分、取对数等等计算方法， 最终得到进行预测的时间序列， 无论是在预测上， 还是在数量经济上， 都是不小的进步， 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析， 拟合 ARIMA( 1， 1， 0) 模型， 并运用该模型对湖北省的经济进行了小规模的预测，得到了较为满意的拟和结果， 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考， 究竟是什么原因造成了这样的结果， 同时我们也需要到 2008 年再次进行比较， 以此来再次确定 ARIMA ( 1， 1， 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 536412 - 321820 - 135728最优为 AR(1)MA(1)SC - 458445 - 282837 - 097119Variable Coefficient S Error t- Statistic PAR(1) 586643 115236 090781 0000R- squared - 226023 Mean dependent var 104967Adjusted R- squared - 226023 SD dependent var 111688SE of regression 123668 Akaike info criterion - 321820Sumsquared resid 718807 Schwarz criterion - 282837Log likelihood 72369 Durbin-Watson stat 132697Inverted AR Roots 59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 63 72 - 8762003 71 82 - 122004 92 78 - 892005 78 83 - 682006 00 05 - 26年度 2006 2007 2008GDP 值 00 08 59增长率(%) — 06 16表 6 ARIMA ( 1， 1， 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时， 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价， 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性， 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果， 有必要根据一些模糊因素来改进其评价方法， 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
论文选题很重要，应避开热点，更应该避开冷门。热点容易雷同，大家可选择素材几乎都一样，很容易找到相同的论据，结果是雷同的概率会增加。但是选择冷门，素材难找，闭门造车，增加了写作的难度。对于经济统计类的论文，最好选择有论据支持类的选题，有经济大师理论支持会更好，或者有案例数据可查。
我给你分享几个统计学与应用这本期刊的题目吧，你参考参考：产业集聚对江苏省制造业全要素生产率的影响研究、基于文献计量分析的企业论文发表情况评价——以宁波市安全生产协会会员为例、基于泰尔指数的城乡收入差距的分析与预测、卡方分布下FSI CUSUM和VSI CUSUM控制图的比较、新冠肺炎疫情对中国旅游业的冲击影响研究——基于修正的TGARCH-M模型
统计预测与决策课程设计论文选题
可以选领域很窄的，也可以选很热的话题，比如，大数据和经济的关系，和人的关系，大数据安全问题，统计这一类的问题有很多可以写，关键是统计的内容要进行一定的调研。
统计学问题我来明确的
1、高技术产业产值影响因素的研究 2、关于和谐社会统计指标的初步研究 3、CCA研究我国产业结构的区域差异对经济的影响 4、基于单因素序列相关面板数据的实证分析 5、基于空间面板数据的中国FDI统计分析 6、基于排队论在杭州公交站点停车位的优化及实证分析 7、基于统计方法的股票投资价值分析 8、某某市2019年工业发展状况的统计分析 9、近30年31省市城镇居民恩格尔系数的统计分析 10、近30年31省市农村居民恩格尔系数的统计分析 11、近三十年中国经济发展趋势的实证分析 12、林业科技对经济的贡献率美联储量化 13、MMC排队模型在收费站排队系统中的应用 14、财政收入影响因素的研究 15、城市发展对二氧化碳排放的影响 学术堂提供更多论文知识
统计学作为一门综合性很强的学科，其运用范围非常广泛，不少学生在写作统计学论文时，都困在了选题这一步，其实就统计学而言，可供作为论文题目的热词有很多，如：企业管理、实证研究、统计估计、统计分析、计算机应用、支持向量机、数学模型、GIS、多元分析、统计报表等等，学术堂精选了20个优质“统计学毕业论文题目”，供大家参考。 1、药品检验中常用的统计学方法及其应用 2、应用统计学在现实生活中的应用分析 3、浅谈统计学在金融领域的应用 4、统计学在实验室质量控制中的应用 5、论应用统计学PDTR教学模式的必要性和可行性 6、水产生物统计学课程中学生统计思维能力与应用意识的培养研究 7、地质统计学在某铜矿床资源量估算中的应用熊 8、基于地质统计学的采空区储量估算 9、密井网条件下地质统计学岩性反演在河道砂体预测中的应用 10、地质统计学在稀土矿储量计算研究应用 11、地质统计学在矿床品位估算中的应用研究 12、地质统计学在细脉型矿体模拟中的应用:以新疆梅岭-红石铜矿为例 13、地质统计学地震反演技术在溱潼南华地区薄砂层的预测应用 14、朝阳沟油田扶余油层组深度域地质统计学反演 15、基于DMine软件下地质统计学在矿山储量计算中的应用
统计预测与决策课程论文选题方向
发表论文的话，如果是纯理论的统计学，我想还是很难的，除非你有着很好的数学功底。建议题主考虑统计学和其他学科的交叉方向，例如生物统计、系统可靠性、经济统计等。当然，这需要和题主周围的资源进行结合，例如自己的导师，虽然他是做运筹优化的，但你完全可以考虑用统计学的知识解决该领域的问题。据我所知，运筹优化需要数据建模，需要对系统进行假设、估计数据的分布等等，题主可以在这一方面做一些“参数估计”的工作，然后和具体的研究领域相结合，然后把论文发表到该领域的期刊，而不是纯统计的期刊。接下来我想说的是，如何找一个好的想法，如何写论文，不仅对统计学有用，也适合于其他专业。首先，多了解一些该领域的期刊，好和坏都要了解，看看这些期刊都倾向于接收什么类型的文章；然后，多读论文，把握研究热点，多总结，找到自己的想法；最后，确定一个可行度和创新性较高、并且难度适中的想法进行论文的撰写。看题主的要求并不算太高，只要是SCI就可以，那就可以多了解了解SCI四区的期刊，发表论文相对容易。在进行学术论文创作的整个过程中，千万不要忘记了和你的导师交流，虽然他是运筹领域的，但你完全可以借鉴他在写、发论文时的宝贵经验，少走弯路！
时代金融摘 要:关键词:一、 引言一个国家的国民经济有很多因素构成， 省区经济则是我国国民经济的重要组成部分， 很多研究文献都认为中国的省区经济是宏观经济的一个相对独立的研究对象， 因此， 选取省区经济数据进行区域经济的研究， 无疑将是未来几年的研究趋势。而省区经济对我国国民经济的影响， 已从背后走到了台前， 发展较快的省区对我国国民经济的快速增长起到了很大的作用， 而发展相对较慢的省区， 其原因与解决方法也值得我们研究。本文选取华中大省湖北省进行研究， 具有一定的指导和现实意义。湖北省 2006 年 GDP 为 7497 亿元， 人均 GDP13130 元， 达到中等发达国家水平。从省域经济来说， 湖北省是一个较发达的经济实体。另一方面， 湖北省优势的地理位置和众多的人口使之对于我国整体经济的运行起到不可忽视的作用， 对于湖北省 GDP的研究和预测也就从一个侧面反映我国国民经济的走势和未来。尽管湖北省以其重要位置和经济实力在我国国民经济中占据一席之地， 但仍不可避免的面临着建国以来一再的经济波动，从最初的强大势力到如今的挣扎期， 湖北省的经济面临着发展困境。近年来， 湖北省的经济状况一再呈现再次快速发展的趋势， 但是这个趋势能够保持多久却是我们需要考虑的问题。本文选择了时间序列分析的方法进行湖北省区域经济发展的预测。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间变化的规律， 将这种规律延伸到未来， 从而对该现象的未来作出预测。二、 基本模型、 数据选择以及实证方法( 一) 基本模型ARMA 模型是一种常用的随机时序模型， 由博克斯， 詹金斯创立， 是一种精度较高的时序短期预测方法， 其基本思想是: 某些时间序列是依赖于时间 t 的一组随机变量， 构成该时序的单个序列值虽然具有不确定性， 但整个序列的变化却具有一定的规律性， 可以用相应的数学模型近似描述。通过对该数学模型的分析，能够更本质的认识时间序列的结构与特征， 达到最小方差意义下的最优预测。现实社会中， 我们常常运用 ARMA模型对经济体进行预测和研究， 得到较为满意的效果。但 ARMA模型只适用于平稳的时间序列， 对于如 GDP 等非平稳的时间序列而言， ARMA模型存在一定的缺陷， 因此我们引入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实上， ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文讨论的求和自回归移动平均模型， 简记为 ARIMA ( p， d， q) 模型，是美国统计学家 GEPBox 和 GMJ enkins 于 1970 年首次提出， 广泛应用于各类时间序列数据分析， 是一种预测精度相当高的短期预测方法。建立 ARIMA ( p， d， q) 模型计算复杂， 须借助计算机完成。本文介绍 ARIMA ( p， d， q) 模型的建立方法， 并利用Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p， d， q) 预测模型。( 二) 数据选择本文所有 GDP 数据来自于由中华人民共和国统计局汇编，中国统计出版社出版的 《新中国五十五年统计数据汇编》 。本文的所有数据处理均使用 EV0 软件进行。( 三) 实证方法ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立的， 因此时间序列的平稳性是建模的重要前提。任何非平稳时间序列只要通过适当阶数的差分运算或者是对数差分运算就可以实现平稳， 因此可以对差分后或对数差分后的序列进行 ARMA( p， q) 拟合。ARIMA ( p， d， q) 模型的具体建模步骤如下:平稳性检验。一般通过时间序列的散点图或折线图对序列进行初步的平稳性判断， 并采用 ADF 单位根检验来精确判断该序列的平稳性。对非平稳的时间序列， 如果存在一定的增长或下降趋势等，则需要对数据取对数或进行差分处理， 然后判断经处理后序列的平稳性。重复以上过程， 直至成为平稳序列。此时差分的次数即为ARIMA ( p， d， q) 模型中的阶数 d。为了保证信息的准确， 应注意避免过度差分。对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声序列没有分析的必要， 对于平稳的非白噪声序列则可以进行ARMA ( p， q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列进行卡方检验， 可以以直观的方法直接观测得到结论。ARMA拟合。首先计算时间序列样本的自相关系数和偏自相关系的值， 根据自相关系数和偏自相关系数的性质估计自相关阶数 p 和移动平均阶数 q 的值。一般而言， 由于样本的随机性， 样本的相关系数不会呈现出理论截尾的完美情况， 本应截尾的相关系数仍会呈现出小值振荡的情况。又由于平稳时间序列通常都具有短期相性， 随着延迟阶数的增大， 相关系数都会衰减至零值附近作小值波动。根据 Barlett 和 Quenouille 的证明， 样本相关系数近似服从正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概率约为 05。因此可通过自相关和偏自相关估计值序列的直方图来大致判断在 5%的显著水平下模型的自相关系数和偏自相关系数不为零的个数， 进而大致判断序列应选择的具体模型形式。同时对模型中的 p 和 q 两个参数进行多种组合选择， 从 ARMA ( p，q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利用 AIC 准则和 SC 准则评判拟合模型的相对优劣。模型检验。模型检验主要是检验模型对原时间序列的拟和效果， 检验整个模型对信息的提取是否充分， 即检验残差序列是否为白噪声序列。如果拟合模型通不过检验， 即残差序列不是为白噪声序列， 那么要重新选择模型进行拟合。如残差序列是白噪声序列， 就认为拟合模型是有效的。模型的有效性检验仍然是使谭诗璟ARIMA 模型在湖北省GDP 预测中的应用—— —时间序列分析在中国区域经济增长中的实证分析本文介绍求和自回归移动平均模型 ARIMA ( p， d， q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来湖北省 GDP 的相关数据， 运用统计学和计量经济学原理， 从时间序列的定义出发， 结合统计软件 EVIEWS 运用 ARMA建模方法， 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测， 得到较为满意的结果。湖北省 区域经济学 ARIMA 时间序列 GDP 预测理论探讨262008/01 总第 360 期图四 取对数后自相关与偏自相关图图三 二阶差分后自相关与偏自相关图用上述 Q 统计量对残差序列进行卡方检验。模型预测。根据检验和比较的结果， 使用 Eviews 软件中的forecas t 功能对模型进行预测， 得到原时间序列的将来走势。 对比预测值与实际值， 同样可以以直观的方式得到模型的准确性。三、 实证结果分析GDP 受经济基础、 人口增长、 资源、 科技、 环境等诸多因素的影响， 这些因素之间又有着错综复杂的关系， 运用结构性的因果模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时间序列， 得出其变化规律， 建立预测模型。本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行了分析， 为了对模型的正确性进行一定程度的检验， 现用前 50 个数据参与建模， 并用后五年的数据检验拟合效果。最后进行 2007年与 2008 年的预测。( 一) 数据的平稳化分析与处理差分。利用 EViews 软件对原 GDP 序列进行一阶差分得到图二:对该序列采用包含常数项和趋势项的模型进行 ADF 单位根检验。结果如下:由于该序列依然非平稳性， 因此需要再次进行差分， 得到如图三所式的折线图。根据一阶差分时所得 AIC 最小值， 确定滞后阶数为 1。然后对二阶差分进行 ADF 检验:结果表明二阶差分后的序列具有平稳性， 因此 ARIMA ( p， d，q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:对数。利用 EViews 软件， 对原数据取对数:对已经形成的对数序列进行一阶差分， 然后进行 ADF 检验:由上表可见， 现在的对数一阶差分序列是平稳的， 由 AIC 和SC 的最小值可以确定此时的滞后阶数为 2。 因为是进行了一阶差分， 因此认为 ARIMA ( p， d， q) 中 d=1。( 二) ARMA ( p， q) 模型的建立ARMA ( p， q) 模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得。图一 1952- 2001 湖北省 GDP 序列图表 1 一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC 备注0 - 136479 - 161144 - 506374 - 183002 20582非平稳1 - 764521 - 165756 - 508508 - 184230 171892 - 101495 - 170583 - 510740 - 185512 180023 - 418890 - 175640 - 513075 - 186854 205434 - 230514 - 180911 - 515523 - 188259 27059表 2 二阶差分的 ADF 检验Lag Length t- Statistic 1% level 5% level 10% level1 (Fixed) - 714836 - 170583 - 510740 - 185512表 3 对数一阶差分的 ADF 检验ADF t- Statistic 1% level 5% level 10% level AIC SC 备注0 - 448501 - 574446 - 923780 - 599925 - 536478 - 458512平稳 1 - 832346 - 577723 - 925169 - 600658 - 662966 - 5448712 - 398029 - 581152 - 926622 - 601424 - 770517 - 6115043 - 324520 - 584743 - 928142 - 602225 - 747432 - 546692图五 对数后一阶差分自相关与偏自相关图理论探讨27时代金融摘 要:关键词:使用 EViews 软件对 AR， MA的取值进行实现， 比较三种情况下方程的 AIC 值和 SC 值:表 4ARMA模型的比较由表 4 可知， 最优情况本应该在 AR ( 1) ， MA ( 1) 时取得， 但AR， MA都取 1 时无法实现平稳， 舍去。对于后面两种情况进行比较， 而 P=1 时 AIC 与 SC 值都比较小， 在该种情况下方程如下:综上所述选用 ARIMA ( 1， 1， 0) 模型。( 三) 模型的检验对模型的 Q 统计量进行白噪声检验， 得出残差序列相互独立的概率很大， 故不能拒绝序列相互独立的原假设， 检验通过。模型均值及自相关系数的估计都通过显著性检验， 模型通过残差自相关检验， 可以用来预测。( 四) 模型的预测我们使用时间序列分析的方法对湖北省地方生产总值的年度数据序列建立自回归预测模型， 并利用模型对 2002 到 2006 年的数值进行预测和对照:表 5 ARIMA ( 1， 1， 0) 预测值与实际值的比较由上表可见， 该模型在短期内预测比较准确， 平均绝对误差为 876% ， 但随着预测期的延长， 预测误差可能会出现逐渐增大的情况。下面， 我们对湖北省 2007 年与 2008 年的地方总产值进行预测:在 ARIMA模型的预测中， 湖北省的地方生产将保持增长的势头， 但 2008 年的增长率不如 2007 年， 这一点值得注意。GDP毕竟与很多因素有关， 虽然我们一致认为， 作为我国首次主办奥运的一年， 2008 将是中国经济的高涨期， 但是是否所有的地方产值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许确实将有大幅度的提高， 但这有很大一部分是奥运赛场所在地带来的经济效应， 而不是所有地方都能够享有的。正如 GDP 数据显示， 1998 年尽管全国经济依然保持了一个比较好的态势， 但湖北省的经济却因洪水遭受不小的损失。作为一个大省， 湖北省理应对自身的发展承担起更多的责任。总的来说， ARIMA模型从定量的角度反映了一定的问题， 做出了较为精确的预测， 尽管不能完全代表现实， 我们仍能以ARIMA模型为基础， 对将来的发展作出预先解决方案， 进一步提高经济发展， 减少不必要的损失。四、结语时间序列预测法是一种重要的预测方法， 其模型比较简单，对资料的要求比较单一， 在实际中有着广泛的适用性。在应用中，应根据所要解决的问题及问题的特点等方面来综合考虑并选择相对最优的模型。在实际运用中， 由于 GDP 的特殊性， ARIMA模型以自身的特点成为了 GDP 预测上佳选择， 但是预测只是估计量， 真正精确的还是真实值， 当然， ARIMA 模型作为一般情况下的 ARMA 模型， 运用了差分、取对数等等计算方法， 最终得到进行预测的时间序列， 无论是在预测上， 还是在数量经济上， 都是不小的进步， 也为将来的发展做出了很大的贡献。我们通过对湖北省地方总产值的实证分析， 拟合 ARIMA( 1， 1， 0) 模型， 并运用该模型对湖北省的经济进行了小规模的预测，得到了较为满意的拟和结果， 但湖北省 2007 年与 2008 年经济预测中出现的增长率下降的问题值得思考， 究竟是什么原因造成了这样的结果， 同时我们也需要到 2008 年再次进行比较， 以此来再次确定 ARIMA ( 1， 1， 0) 模型在湖北省地方总产值预测中所起到的作用。参考文献:【1】易丹辉 数据分析与 EViews应用 中国统计出版社【2】 Philip Hans Frances 商业和经济预测中的时间序列模型 中国人民大学出版社【3】新中国五十五年统计资料汇编 中国统计出版社【4】赵蕾 陈美英 ARIMA 模型在福建省 GDP 预测中的应用 科技和产业( 2007) 01- 0045- 04【5】 张卫国 以 ARIMA 模型估计 2003 年山东 GDP 增长速度 东岳论丛( 2004) 01- 0079- 03【6】刘盛佳 湖北省区域经济发展分析 华中师范大学学报 ( 2003) 03-0405- 06【7】王丽娜 肖冬荣 基于 ARMA 模型的经济非平稳时间序列的预测分析武汉理工大学学报 2004 年 2 月【8】陈昀 贺远琼 外商直接投资对武汉区域经济的影响分析 科技进步与对策 ( 2006) 03- 0092- 02( 作者单位: 武汉大学经济与管理学院金融工程)AR(1)MA(1) AR(1) MA(1) 备注AIC - 536412 - 321820 - 135728最优为 AR(1)MA(1)SC - 458445 - 282837 - 097119Variable Coefficient S Error t- Statistic PAR(1) 586643 115236 090781 0000R- squared - 226023 Mean dependent var 104967Adjusted R- squared - 226023 SD dependent var 111688SE of regression 123668 Akaike info criterion - 321820Sumsquared resid 718807 Schwarz criterion - 282837Log likelihood 72369 Durbin-Watson stat 132697Inverted AR Roots 59年份 实际值 预测值 相对误差(%) 平均误差(%)2002 63 72 - 8762003 71 82 - 122004 92 78 - 892005 78 83 - 682006 00 05 - 26年度 2006 2007 2008GDP 值 00 08 59增长率(%) — 06 16表 6 ARIMA ( 1， 1， 0) 对湖北省经济的预测一、模糊数学分析方法对企业经营 ( 偿债) 能力评价的适用性影响企业经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析判断时， 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指标。这时就要求根据多丛因素对事物作出综合评价， 而不能只从朱晓琳 曹 娜用应用模糊数学中的隶属度评价企业经营(偿债)能力问题影响企业经营能力的许多因素都具有模糊性， 难以对其确定一个精确量值; 为了使企业经营 ( 偿债) 能力评价能够得到客观合理的结果， 有必要根据一些模糊因素来改进其评价方法， 本文根据模糊数学中隶属度的方法尝试对企业经营 ( 偿债) 能力做出一种有效的评价。隶属度及函数 选取指标构建模型 经营能力评价应用理论探讨28
统计学选问题关键所在的
统计学论文 在 轻风论文网 很多的哦，之前我就找上面的老 师帮忙指导的。相对于网上很多个人和小机构要好很多，我之前找的 轻风论文王老师咨询的，非常专业的说这里还有些资料，你 看看网络统计发展问题对网络统计的理论研究 ，目前主要集中于两个方面:一是传统的统计方式与利 用网络进行统计的方式之间的比较研究;二是如何有效地完善利用网络进行统计活动的新方式，研究内容包括统计网站的建立、调查网页的设计、在线数据处理、统计信息系统 等方面。 本文 主要从上述网络统计理论研究的第二个方面进行研究。笔者从目前网络 统计发展的基本状况出 发，以七个部分(章节)着重从宏观上阐述网络统计的三大层次、构 建网络统计平台、设计网络统计信息系统的内容、方法、结构、步骤，并试图在以上的基 础之上找出网络统计发展进程 中相关重大问题的解决方法: 第一章中笔者主要就目前网络统计理论研究的现状和其中的问题提出 自己的看法，严格地区分了网络统计与其他紧密关联学科(主要是与网上调查、计算机统计、数据挖掘三大学科及其分支的区别)。在此基础上之上提出网络统计的定义和 本文的主要研究对象:网络统计是统计学领域里面的一个全新问题，它是传统统计发展 到一定阶段的必然产物，伴随着 统计调查、统计分析等统计领域中的各项技术的不断完善和发展而发展起来的，是传统统计在统计 方法、统计技术等各个方面不断自我完善的结果，同时网络统计的不 断发展也体现出传统统计不断自我创新的动态过程。 第二章主要论述网络统计 发展的基本状 况，首先由分析网络统计产生和发展的基础和条件(经济发展、传统统计的发展、计算机网络 技术的演进)出发，划分出网络统计在世 界范围内发展的三个阶段，即二十世纪六十年代的初级发 展阶段、二十世纪六十年代末到九十年代 的数据库系统发展阶段、二十世纪九十年代以来的数 据仓库和数据 挖掘发展阶段。不懂的你上 轻风论文网自己看吧
统计预测与决策课程论文选题背景
学位申请者为申请学位而提出撰写的学术论文叫学位论文。这种论文是考核申请者能否被授予学位的重要条件。 学位申请者如果能通过规定的课程考试，而论文的审查和答辩合格，那么就给予学位。如果说学位申请者的课程考试通过了，但论文在答辩时被评为不合格，那么就不会授予他学位。 有资格申请学位并为申请学位所写的那篇毕业论文就称为学位论文，学士学位论文。学士学位论文既是学位论文又是毕业论文。 学术论文是某一学术课题在实验性、理论性或观测性上具有新的科学研究成果或创新见解的知识和科学记录；或是某种已知原理应用于实际中取得新进展的科学总结，用以提供学术会议上宣读、交流或讨论；或在学术刊物上发表；或作其他用途的书面文件。 在社会科学领域，人们通常把表达科研成果的论文称为学术论文。 学术论文具有四大特点：①学术性 ②科学性 ③创造性 ④理论性一、学术性学术论文的科学性，要求作者在立论上不得带有个人好恶的偏见，不得主观臆造，必须切实地从客观实际出发，从中引出符合实际的结论。在论据上，应尽可能多地占有资料，以最充分的、确凿有力的论据作为立论的依据。在论证时，必须经过周密的思考，进行严谨的论证。二、科学性科学研究是对新知识的探求。创造性是科学研究的生命。学术论文的创造性在于作者要有自己独到的见解，能提出新的观点、新的理论。这是因为科学的本性就是“革命的和非正统的”，“科学方法主要是发现新现象、制定新理论的一种手段，旧的科学理论就必然会不断地为新理论推翻。”（斯蒂芬·梅森）因此，没有创造性，学术论文就没有科学价值。三、创造性学术论文在形式上是属于议论文的，但它与一般议论文不同，它必须是有自己的理论系统的，不能只是材料的罗列，应对大量的事实、材料进行分析、研究，使感性认识上升到理性认识。一般来说，学术论文具有论证色彩，或具有论辩色彩。论文的内容必须符合历史 唯物主义和 唯物辩证法，符合“实事求是”、“有的放矢”、“既分析又综合” 的科学研究方法。四、理论性指的是要用通俗易懂的语言表述科学道理，不仅要做到文从字顺，而且要准确、鲜明、和谐、力求生动。表论文的过程 投稿-审稿-用稿通知-办理相关费用-出刊-邮递样刊 一般作者先了解期刊，选定期刊后，找到投稿方式，部分期刊要求书面形式投稿。大部分是采用电子稿件形式。 发表论文审核时间 一般普通刊物（省级、国家级）审核时间为一周，高质量的杂志，审核时间为14-20天。 核心期刊审核时间一般为4个月，须经过初审、复审、终审三道程序。 期刊的级别问题 国家没有对期刊进行级别划分。但各单位一般根据期刊的主管单位的级别来对期刊划为省级期刊和国家级期刊。省级期刊主管单位是省级单位。国家级期刊主管单位是国家部门或直属部门。
本书是具有工科背景的管理类研究生学习“预测与决策”课程的一本教材和参考书。书中采取工科学生和管理人员易于接受的叙述方式，较全面地介绍了预测与决策的主要内容与方法。全书共2篇13章。第一篇为预测，包括预测概述、专家预测法、趋势外推预测法、确定型时间序列预测方法、随机型时间序列预测方法、马尔可夫预测方法、灰色预测方法、预测精确性与预测评价。第二篇为决策，内容包括决策概述、期望效用值理论、单目标风险型决策、单目标非确定型决策和概率排序型决策、多目标决策。各章后附有思考与练习。阅读本书仅需高等数学、线性代数与概率统计基础知识。本书可作为经济管理类硕士研究生教材，也可作为MBA及高年级本科生教材，亦可供具有大学数学基础、从事管理工作的相关人员参考。
1，专业研究的培养目标和方向，包括一般的经济统计数据和统计类专业方向，培养了良好的数学素养和数学和经济学，掌握基本理论和统计方法，并能熟练地使用数据的计算机分析，本次调查可以从事企业，事业单位和经济，管理，统计，管理，定量分析，如开发，应用和管理，或在科研，教育等部门从事高级专门人才的科研和教学工作。毕业生可继续攻读统计和数学与应用数学，信息与计算科学，概率与统计，统计，工学，管理学等相关学科，跨学科的硕士研究生，和其他学科。 2，课程设置主要课程：数学分析，高等代数，解析几何，概率论与数理统计，C语言编程，微分方程，数据结构，动态数据处理，随机过程，网络与通信，统计决策和分析，统计计算和软件，多元统计分析。 教学根据社会的实际需要，重点建立社会经济统计资料，或者金融和保险统计，或生物医学的统计数据，或一些工业统计课程等方面，指导学生参加，以形成自己的专业方向特点。 3，科学和经济学的学术/四年制本科学士学位/学士学位。 4，毕业生应获得以下几方面的知识和能力 1具有坚实的数学基础，受到更严格的科学思维训练; 2掌握的统计数据。的基本理论，基本知识，基本方法和计算机技能;有收集的数据，以设计问卷调查数据和处理的基本能力; 3了解社会经济统计数据，医学统计学，生物统计学统计或行业相关的自然科学基础知识，社会科学，工程和技术的领域，具有统计学理论的应用分析和解决在初始容量领域的实际问题; 4了解统计理论的发展和前景，方法; 5理学士，应该能够熟练使用各种统计软件包，有较强的统计计算能力;经济学学士，应该有一个坚实的经济基础，熟悉国家经济发展的方针，政策和统计法律，法规，并进行利用信息和管理的综合分析能力; 6主数据查询，文献检索及运用现代信息技术获取相关信息的基本方法;有一定的科学研究和实际工作能力。 的数学，统计学，经济学，管理学 主要课程数学基础课（分析，代数，几何），概率论，数理统计主科目，运筹学基于计算机的，随机过程，而实用回归分析，时间序列分析，多变量统计分析，采样，非参数统计，根据应用方向的统计预测和决策和风险管理，以及选择的基本课程（例如作为经济统计方向选择的社会调查方法，经济和社会统计，国民经济核算，会计等）中国编辑本段|回到顶部主要实践性教学环节 包括学术论文，社会调查，生产实习，毕业论文，1020周的总体安排。 点击看详细相近专业与应用数学，信息与计算科学
你看下（统计学与应用 ）呗~看下别人的论题呗