文档介绍：
北京师范大学学报( 自然科学版) 2010
04

1
94 Jo urnal of Beijing N ormal U niv ersity ( N atural Science) 46( 2)
基于 ARMA 模型的财政教育投资时间序列分析*
刘
亮1 , 2 )
唐海萍1, 2 )
张丽军3)
( 1) 北京师范大学地表过程与资源生态国家重点实验室, 100875, 北京;
2) 北京师范大学资源学院, 100875, 北京; 3) 河北工程技术高等专科学院水利系, 061001, 河北沧州)
摘要
以 1991
2008 年的财政教育投资数据为依据, 通过对数据进行平稳化、零均值化处理, 并利用序列的自相
关、偏自相关性质, 建立序列的合理时间序列模型, 最后利用模型进行了预测, 预测结果比较切合实际.
关键词
财政教育投资; 时间序列; A RM A 模型

随着知识经济的到来, 教育投资对经济增长的影 1
1
2
ARMA 模型的前提条件
因为 A RM A 模型是
响越来越显著. 教育投资直接影响到 GDP 的增长和整针对数据本身所建立的预测模型, 因此建立模型所需
个社会经济的发展[ 1
2] . 而教育投资很大一部分来自于的时间序列数据必须是由一个零均值的平稳随机过程
国家的财政投入, 财政教育投资是衡量稳性, 是指时间序列的统计
的重要指标, 其增长有其内在的规律性. 其他计量经济规律不会随着时间的推移而发生变化. 也就是说, 生成
结构模型的预测方法, 通常需要找出经济变量的影响变量时间序列数据的随机过程的特征不随时间变化而
因素[ 3] , 而 ARMA 模型则是利用历史数据确定经济变化.
变量的变化规律, 并依此进行预测. 因为该模型无需设 1
2
数据的分析与处理
定其他影响因素只需本身数据, 因此应用比较广泛, 在 1
2
1
数据的平稳性检验
利用 Eview s5
1 对
库存控制、GDP、流域蒸发量、人均消费中均有过应 1991
2008 年全国财政教育投资绘制教育投资数据
用[ 4
6] , 但是在教育投资领域还未做过类似研究. 本文曲线如图 1.
利用 ARMA 模型对国家财政教育投资进行了时间序
列分析, 并利用所建模型进行了预测.
1
研究方法
1
1
模型介绍
1
1. 1
ARMA 模型介绍
ARMA 模型即自回归移
动平均模型( autoregr essive mo ving average mo del) ,
是目前比较流行的时间序列分析方法, 属于预测精度
比较高的短期预测模型, 也称博克斯
詹金斯( B
J)
[ 7]
法. 若时间序列 x t 为它的当前与前期的误差和随机
项, 以及它的前期值的线性函数, ARMA ( p , q) 模型一
般形式为
: 图 1
1991
2004 年财政性教育投资时间序列
x t =
1 x t- 1 +
2 x t- 2 + +
p x t- p +

- 1
t- 1 - 2
t- 2 - q
t- q , 从图 1 可以看出, 财政性教育投资序列含