- 年份
- 2024(9804)
- 2023(14378)
- 2022(12663)
- 2021(12005)
- 2020(10086)
- 2019(23586)
- 2018(23491)
- 2017(46081)
- 2016(24811)
- 2015(27965)
- 2014(27705)
- 2013(27141)
- 2012(24535)
- 2011(21797)
- 2010(21699)
- 2009(19560)
- 2008(18776)
- 2007(16057)
- 2006(13744)
- 2005(11522)
- 学科
- 济(98414)
- 经济(98310)
- 管理(71050)
- 业(67613)
- 企(57572)
- 企业(57572)
- 方法(51194)
- 数学(45080)
- 数学方法(44279)
- 农(24817)
- 财(24549)
- 中国(23437)
- 学(21926)
- 业经(21182)
- 地方(18565)
- 理论(17662)
- 务(16476)
- 贸(16459)
- 贸易(16450)
- 农业(16447)
- 财务(16392)
- 制(16373)
- 财务管理(16356)
- 易(15990)
- 技术(15560)
- 企业财务(15494)
- 和(15461)
- 环境(14526)
- 划(13443)
- 银(12794)
- 机构
- 学院(344746)
- 大学(344698)
- 管理(140316)
- 济(133049)
- 经济(130193)
- 理学(123507)
- 理学院(122180)
- 管理学(119475)
- 管理学院(118877)
- 研究(109053)
- 中国(79039)
- 京(72331)
- 科学(70449)
- 财(58689)
- 农(54658)
- 业大(53843)
- 所(53797)
- 中心(49844)
- 研究所(49663)
- 财经(48585)
- 江(47879)
- 北京(44945)
- 范(44518)
- 经(44349)
- 师范(44045)
- 农业(43050)
- 院(40500)
- 经济学(39856)
- 州(39162)
- 技术(37495)
- 基金
- 项目(247288)
- 科学(194960)
- 基金(180128)
- 研究(177567)
- 家(157562)
- 国家(156313)
- 科学基金(135433)
- 社会(110198)
- 社会科(104471)
- 社会科学(104442)
- 省(97128)
- 基金项目(95581)
- 自然(91033)
- 自然科(89012)
- 自然科学(88993)
- 自然科学基金(87359)
- 教育(83291)
- 划(81896)
- 资助(75803)
- 编号(72223)
- 成果(56641)
- 重点(55362)
- 部(54128)
- 发(51711)
- 创(51522)
- 课题(49371)
- 科研(48028)
- 创新(48027)
- 教育部(46474)
- 大学(46240)
- 期刊
- 济(134642)
- 经济(134642)
- 研究(93887)
- 中国(58331)
- 学报(55992)
- 科学(51251)
- 管理(50426)
- 农(47910)
- 财(44305)
- 大学(42607)
- 学学(40314)
- 教育(38178)
- 农业(33562)
- 技术(32958)
- 融(23319)
- 金融(23319)
- 业经(22863)
- 财经(22677)
- 经济研究(22188)
- 经(19290)
- 统计(17729)
- 图书(17511)
- 问题(17443)
- 技术经济(17336)
- 业(17242)
- 科技(16895)
- 版(16172)
- 理论(15929)
- 策(15916)
- 资源(15013)
共检索到473754条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 数量经济技术经济研究
[作者]
韩冬梅 高铁梅
一、季节调整的重要意义 月度或季度经济时间序列一般可分解为四种变动要素,即长期趋势要素T,循环要素C,季节变动要素S和不规则要素I。季节变动要素和循环要素的区别在于,季节变动要素是每年重复出现的周期变动,是由温度、降雨、年内的月份、假期、政策等引起的,而循环要素是间距比较长且不固定的一种周期性波动,它代表景气波动。经济时间序列分解模型也称为结构时间序列模型。依据时间序列的四个构成要素在模型中的相互关系,可以表现出多种不同的形式,一般而言,基本的分解模型为加法模型和乘法模型。设经济时间序列为{y_1},可以分别表示成如下的加法模型和乘法模型形式:
[期刊] 数量经济技术经济研究
[作者]
严方笠 吴建銮
研究目标:完善季节时间序列模型建模理论,解决建模过程烦琐、各类检验方法的结论差异大以及模型误设定问题。研究方法:基于对各季节时间序列模型的数理分析及比较,提出合理的模型检验程序;再运用Sieve Bootstrap方法,给出季节性单位根检验及确定性季节过程检验的统计量的临界值,并比较基于Sieve Bootstrap的检验方法与HEGY检验、BT检验的异同。研究发现:本文提出的检验程序能有效识别模型,检验统计量有限样本性质优良;实证分析表明,本文提出的检验程序及方法能更有效地识别中国宏观经济数据中的季节性。研究创新:将Sieve Bootstrap方法应用于季节时间序列的平稳性检验及趋势性检验中。研究价值:提出季节时间序列模型检验程序及检验方法,促进其在季节性经济数据中的应用。
[期刊] 数量经济技术经济研究
[作者]
严方笠 吴建銮
研究目标:完善季节时间序列模型建模理论,解决建模过程烦琐、各类检验方法的结论差异大以及模型误设定问题。研究方法:基于对各季节时间序列模型的数理分析及比较,提出合理的模型检验程序;再运用Sieve Bootstrap方法,给出季节性单位根检验及确定性季节过程检验的统计量的临界值,并比较基于Sieve Bootstrap的检验方法与HEGY检验、BT检验的异同。研究发现:本文提出的检验程序能有效识别模型,检验统计量有限样本性质优良;实证分析表明,本文提出的检验程序及方法能更有效地识别中国宏观经济数据中的季节性
[期刊] 统计与决策
[作者]
马佳羽 韩兆洲
季节时间序列有时不止有一个季节周期,比如以小时计的数据,24小时可以是一个季节周期,同时,一周可以是一个季节周期。为解决传统模型不能处理复杂季节问题,文章采用傅里叶级数序列作为ARIMA模型的辅助回归元,对我国2004年1月至2015年8月的铁路客运量进行拟合。结果表明,分别选择正余弦个数为l和4的2.6和12个月为周期的傅里叶级数作为辅助回归元拟合ARIMA(3,1,1)模型最优,拟合的平均绝对百分比误差(MAPE)为5.46%。在此基础上对我国2016年各月份的客运量进行了预测。
关键词：
复杂季节 傅里叶级数 铁路客运量
[期刊] 统计与决策
[作者]
马佳羽 韩兆洲
季节时间序列有时不止有一个季节周期,比如以小时计的数据,24小时可以是一个季节周期,同时,一周可以是一个季节周期。为解决传统模型不能处理复杂季节问题,文章采用傅里叶级数序列作为ARIMA模型的辅助回归元,对我国2004年1月至2015年8月的铁路客运量进行拟合。结果表明,分别选择正余弦个数为l和4的2.6和12个月为周期的傅里叶级数作为辅助回归元拟合ARIMA(3,1,1)模型最优,拟合的平均绝对百分比误差(MAPE)为5.46%。在此基础上对我国2016年各月份的客运量进行了预测。
关键词：
复杂季节 傅里叶级数 铁路客运量
[期刊] 统计与决策
[作者]
常振海 刘薇
针对季节调整方法如X-11等调整结果不利于解释,及其方法本身没有考虑我国像春节等季节性特点的不足,文章建立起一般的季节时间序列模型,另外,针对季节周期的主观诊断,文章建立起辅助回归模型,较为客观的诊断时间序列的季节周期。结合我国铁路客运量的实证分析,预测结果表明:未来10月铁路客流量较大,相反,11月和12月客运量较小,这点和历史数据的特征十分类似,说明建立的模型较合适。
关键词：
时间序列 季节周期 客运量 预测
[期刊] 统计研究
[作者]
王群勇
本文利用结构时间序列方法讨论了中国季度GDP的季节调整问题,从季节单位根、季节自相关、周期自相关等多个方面对不同季节模式的调整结果进行了比较。结论认为,随机虚拟变量形式和三角函数形式得到的调整结果非常相似;结构时间序列方法更好地捕捉到了时变季节特征,明显优于X-11和SEATS方法;非高斯稳健季节调整的结果表明,高斯结构时间序列方法具有较好的稳定性。
[期刊] 情报理论与实践
[作者]
刘自强 王效岳 白如江
文章提出一种基于时间序列模型的研究热点评价与预测方法。利用关键词词频排序、热点关键词群构建和时间序列模型分析等方法，对ＣＮＫＩ收录的以竞争情报为关键词的近１０年期刊论文的关键词进行处理，分析梳理了近１０年竞争情报领域的研究现状，运用关键词群分析、社会网络分析和时间序列模型分析预测其研究热点的发展趋势。最后将２０１５年作为预测目标进行预测，将预测结果与实际数据对比，实验结果证明该方法是可行有效的。
关键词：
时间序列模型 研究热点 关键词 预测方法
[期刊] 财政研究
[作者]
潘泽清
许多宏观经济序列存在季节效应,必须进行季节调整。季节调整既是时间序列分析的起点,也是研究动态随机一般均衡模型的基础。X-12-ARIMA程序是一种主要的季节调整方法,包括X-11和RegARI-MA两个子模块。在本文中,对这两个子模块的原理、结构、特点以及应用进行了全面的讨论。X-12-ARIMA程序没有预设春节效应调整功能;本文讨论了春节效应的调整方法,并将之应用于中国火力发电量的春节效应的诊断和调整。
关键词：
季节调整 X-12-ARIMA 春节效应
[期刊] 统计研究
[作者]
张岩 张晓峒
季节调整是从经济序列中剔除季节成分的重要方法。季节异方差的存在,使经典的季节调整方法无法彻底分离出季节成分,致使季节调整失败。本文针对季节异方差问题提出改进的HS模型,并利用改进的HS模型构造季节异方差检验LR统计量,通过蒙特卡洛模拟方法分析该检验的检验尺度和检验功效。最后,利用我国税收总额月度序列给出实证分析,并通过对比考察了改进的HS模型方法季节调整的有效性。
关键词：
季节调整 季节异方差 HS模型
[期刊] 中国农业大学学报
[作者]
李干琼 许世卫 李哲敏 董晓霞
为提高农产品市场价格的预见性,及早采取措施减缓价格波动,以全国西红柿月度批发市场价格为预测目标,综合利用季节虚拟变量法、Census X12法、移动平均比率法、Holt-Winters季节指数平滑法、SARIMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值,从而建立组合预测方法。实证分析结果表明:单一模型预测误差波动较大,总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的5个单一短期预测模型平均绝对误差百分比(MAPE)为10%左右,其中Holt-Winters季节指数平滑法建立的短期预测模型精度最高,MAPE为6.81%。如果预测提前期为3个月,SARIMA模...
关键词：
农产品 市场价格 预测模型
[期刊] 统计与决策
[作者]
吕忠伟 秦建国
模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。
[期刊] 数量经济技术经济研究
[作者]
陈飞 高铁梅
本文开发了一种新的经济时间序列预测方法———利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量,不能利用传统的回归分析方法求解模型,因此,本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构,在此基础上建立了不同形式的结构时间序列模型,并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明,结构时间序列模型具有良好的预测效果,从而为经济时间序列预测提供了一种新的有效方法。
[期刊] 统计与决策
[作者]
鲜思东 张建锋
近年来,经过人们对模糊时间序列模型大量的研究后,发现模糊区间的划分以及模糊关系的构建是影响模糊时间序列模型预测精度最关键的两个因素。文章针对目前模糊时间序列模型在论域划分中存在的问题,提出将人工鱼群算法(AFSA)用于模糊时间序列模型的论域划分中;并利用最小均方误差(MSE)确定最优的预测结果;最后为了显示所提出方法的有效性,将该方法用于Alabama大学注册人数的预测,结果显示该方法的预测精度更高。
[期刊] 统计与决策
[作者]
张国政 罗党
文章针对复杂系统行为序列中的季节性波动特征,提出了基于季节因子及傅里叶优化的灰色季节预测模型。首先,该模型提出包含年度作用系数的季节因子,其通过年度作用系数的改变,可转化为均值季节因子、新信息季节因子和关联季节因子;其次,考虑行为序列受时间变化作用的影响,在预测模型中加入线性修正项,以提高模型预测精度,并利用傅里叶级数来拟合模型预测残差序列中的周期波动特征。最后,将模型用于郑州站点降水的模拟与预测,研究结果证明了构建的模型具有更高的预测精度。
关键词：
季节因子 周期序列 灰色模型 傅里叶级数
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
