基于时间序列模型的就业发展研究-以浙江省为例
摘 要：本文主要对国内外的时间序列模型发展研究做了简要的综述，自1927年时间序列分析起源，从AR、MA的ARMA扩展到ARIMA，又推广至应用于异方差、多变量、非线性得ARCH、协整理论和TAR模型，再发展到谱密度分析和小波分析，模型在应用中不断调整，产生了愈来愈多的应用于各种领域的最优模型，为本题研究铺下了文献理论基础。
关键词：时间序列 ARIMA 就业发展规律
时间序列是统计学科的一个重要分支，它主要用于研究随着时间的变化事物发生、发展的过程，寻找事物发展变化的规律，并预测未来的走势。在日常生产、生活中，时间序列比比皆是，目前时间序列分析方法广泛应用于经济、金融、天文、气象等诸多领域，成为众多行业经常使用的统计方法。因此，时间序列的产生和发展史也备受关注。
一、时间序列发展
近代人们一般认为现代时间序列分析起源于英国统计学家G.u.Yule在1927年提出的AR模型。该模型与英国统计学家G.T.Walker在1931年提出了MA模型和 ARMA模型，构成了时间序列分析的基础，至今仍被大量应用。这三个模型主要应用于单变量、同方差场合的平稳序列。
其后，1970年Box和Jenkins提出传统并且应用较为广泛的时间序列分析方法ARIMA[1](自回归求和移动平均)，成为时间序列分析发展的里程碑。ARIMA模型也被称为Box-Jenkins模型，该模型主要应用于单变量、同方差情况下的线性模型。它的主要思想是先对非平稳序列进行差分，使之变为平稳序列，然后再用ARMA模型来拟合差分后的序列。
随着时间序列分析理论的应用与发展，人们发现在多变量，异方差，非线性的情况下模型不成立。例如，在对加拿大山猫数据[2]的建模过程中就发现数据的怪异特征，即大于均值的样本点的残差显著地小于那些小于均值的样本点的残差。因此，人们开始了对异方差、多变量、非线性的时间序列的探索。
对于异方差情形，Engle在1982年首先提出了ARCH模型（自回归条件异方差模型)。ARCH模型的基本思想[3]是假设同一时刻噪声服从均值为零，方差是一个随时间变化的量的正态分析，并且这个随时间变化的方差是过去有限项序列值平方的线性组合。作为一种全新的理论，ARCH模型在近几十年里极大地应用于验证金融理论中的规律性描述以及金融市场的预测和决策。该模型也被认为是近年来金融计量学发展中最重大的创新。但是，ARCH模型只适用于异方差函数短期自相关过程，为此Bollerslev在1986对ARCH进行改善推广至广义自回归条件异方差[4]模型，它能反映实际数据中的长期记忆性质。ARCH的另外几种推广形式有Engle等人（1987）提出的ARCH-M模型和Nelson（1991）提出的指数广义自回归田间异方差（EGARCH）模型等。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
