文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.【關(guān)鍵字】分析上海市每萬人口在校大學生人數(shù)分析報告以1978~2013年上海市每萬人口在校大學生人數(shù)數(shù)為研究對象，利用Eviews軟件與SPSS軟件，對其進行確定性分析與ARIMA模型擬合，為后期上海市每萬人口在校大學生人數(shù)進行預測二、關(guān)鍵詞：在校大學生人數(shù)確定性分析ARIMA模型單位根檢驗1956年，美國經(jīng)濟學家索羅一反新古典經(jīng)濟學派的理論框架，在生產(chǎn)函數(shù)中引入了一個除資本和勞動力之外的變量——知識和技術(shù)。1990年，又一位美國經(jīng)濟學家保羅·羅默提出技要工具和手段，因此，知識經(jīng)濟時代，人類生產(chǎn)方式在從“資本積累”向“知識積累和創(chuàng)新”點和支撐點。一個國家的經(jīng)濟越是走向現(xiàn)代化，科技水平和勞動力素質(zhì)作用的價值就越大，教育和教育產(chǎn)業(yè)對整個經(jīng)濟的作用力就越不可忽視。誰能搶占教育產(chǎn)業(yè)的制高點，誰能實現(xiàn)市每萬人在校大學生的人數(shù)是至關(guān)重要的。問題重述:關(guān)于上海市每萬人口在校大學生人數(shù)分析報告及短期預測最常用的是確定性因素分解方法，其源于長期的觀察實踐——人們將序列的各種變1word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.化歸納為4種因素的綜合影響，長期趨勢(T)、循環(huán)波動(C)、季節(jié)變動(S)、隨機波動(I)，在觀察時間不夠長時，不考慮循環(huán)波動。因素間的影響相互作用構(gòu)成幾大模型——加法滑法得出模型，最后對未來進行預測。1.繪制時序圖，觀察序列是否有明顯的趨勢與周期。2.選擇擬合模型，根據(jù)序列的趨勢、周期選擇合適的擬合模型。3.計算季節(jié)指數(shù)(序列有明顯周期才計算)。4.消除季節(jié)影響，用原始序列除以相應(yīng)的季節(jié)指數(shù)，再趨勢擬合。5.短期預測ARIMA模型全稱為差分自返回移動平均模型。是由博克思和詹金斯于70年代初提間序列成為平穩(wěn)時所做的差分次數(shù)。ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機過去值及現(xiàn)在值來預測未來值。1.繪制時序圖，觀察序列的平穩(wěn)性。2.差分平穩(wěn)化，對不平穩(wěn)的序列進行差分運算使之變成平穩(wěn)。3.白噪聲檢驗，對差分后平穩(wěn)的序列進行白噪聲檢驗。4.模型擬合，對平穩(wěn)非白噪聲差分序列擬合ARMA模型。5.殘差檢驗6.短期預測ARIMA模型的檢驗如下:2word版本可編輯.歡迎下載支持.3word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.一階差分后的序列圖如下:hasaunitrootticbasedonSICmaxlagatisticedDickeyFullerteststatisticTestcriticalvalues1%levell*MacKinnon(1996)one-sidedp-values.P4word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.EviewsADF是：tt1ititi=1tt1ititi=1Xt+6X+mX+tt1ititi=10NullHypothesisDYhasaunitrootLagLengthAutomaticbasedonSIC,maxlag=9)t-StatisticAugmentedDickey-FullerteststatisticTestcriticalvalues1%levell5word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.圖6二階差分后自相關(guān)與偏自相關(guān)根檢驗圖7時序圖根據(jù)圖7時序圖可知，此數(shù)據(jù)有一定規(guī)律性，下面我們對其進行模型假設(shè)及檢驗6word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.圖9立方模型與原數(shù)據(jù)的擬合圖像并建立模型7word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.圖11模型預測及擬合圖像的不算完美，但是也在誤差范圍之內(nèi)，我們是對上8word版本可編輯.歡迎下載支持.文檔從網(wǎng)絡(luò)中收集，已重新整理排版.word版本可編輯.歡迎下載支持.)但ARIMA模型無法分析，最終我們選擇了趨勢分析的方法2、聯(lián)系實際，雖然模型擬合的不算完美，但我們清楚的知道大學生在校學生數(shù)呈現(xiàn)增長的趨勢，表明越來越多的人對教育的重視3、國家應(yīng)該加強對教育的投入，加強對學校的設(shè)施進行更新，畢竟教育對國家與一個民族至關(guān)重要。性。