摘要在国民经济发展的过程中，国内生产总值（GDP）在一些程度上是衡量一个国家综合国力的重要参考指标。
这个指标把国民经济经济活动的产出成果概括在一个极为简明的统计数字当中，为评价和衡量国家经济情况、经济增长趋势及社会财富的经济表现提供了一个较为综合的尺度，可以说，它是影响经济生活的重要指标之一，对其进行分析具有重要的理论与现实意义。
本文基于时间序列模型理论，以江苏省1996年至2016年地区生产总值为数据基础，建立ARIMA模型，并利用该模型对2017年江苏省GDP进行预测。
关键词：时间序列分析江苏省GDP ARIMA模型AbstractIn the process of national economic development, gross domestic product (GDP) is an important reference index to measure a country's overall national strength. The index of economic activities in the national economy output results summarized in a very simple statistics, which provides a more comprehensive scale for evaluating and measuring the economic situation of a country. It is one of the important indicators of influence of economy. To analyze it has important theoretical and practical significance.Based on the time series theory, this paper establishes a time series model based on the GDP of Jiangsu province from 1996 to 2016 and then uses the model to predict the future GDP of Jiangsu province.Key words:Time series analysis；Jiangsu GDP；ARIMA Model.1. 绪论1.1问题的引出自21世纪开始以来，我国的GDP增长速度较快。
经济增长率在近两年开始稳定下落，2017年同比降低至6.9%，2018年或许还会继续下降。
政府工作报告指出，高质量发展阶段是我国经济运行的新阶段，高速增长的阶段将会成为过去。
我们通常认为，国内生产总值（GDP）是度量一个国家(或地区)经济状况的指标。
它可以反映一个国家的经济表现，因此首先硏究GDP的发展情况，是研究一个地区经济的较优方法。
1.2研究目的与意义国内生产总值（GDP）在度量一个国家或地区的经济运行发展情况的时候往往具有较大的重要性，这个指标把国民经济活动的产出概括在了简明易懂的统计数据中，为评价和衡量国家经济情况及社会财富的积累提供了一个较为综合的尺度。
从某种程度上说，它是影响经济生活乃至社会生活的重要指标之一，同时也是政府在制定经济发展战略和经济政策时的一个需要慎重考量的重要依据，对其进行分析具有重要现实意义。
一个国家的国内生产总值又是由各地区的生产总值所构成，因此研究各地区的生产总值对于研究地区的经济发展状况有着重要的意义。
1.3国内外研究现状及分析本次课题的基础基于时间序列模型，按照一定时间顺序所记录的有序数列就是时间序列，时间序列方法最早于1927年出现，为了预测市场变化的规律，Yule提出了AR自回归模型[1]；接着，1931年，G.Walker 受到了Yule的影响，提出了滑动平均模型理论及自回归滑动平均模型理论，从那时起就得到广泛的应用。
我国在80年代中后期深入硏究和广泛的应用时间序列模型理论，并取得了一定的进展。
在上世纪70年代，时间序列理论分析的主要研究方向是ARIMA 模型，并且这个模型被公认是预测中效果很好的模型。
通常学术上AR模型，MA模型和ARMA模型都被包含于Box－Jenkins方法，称作ARIMA模型理论体系[2]，这是一种重要而且具有极大认可度的预测模型，在大量时间序列建模分析研究的过程中，ARIMA的基本方法被广泛应用。
21世纪，Big Data的出现开辟了人们对于时间序列原理与预测运用的新思路。
本世纪来，国内大量学者对GDP采用时间序列理论模型，对其变化趋势进行研究，并用于对未来的预测。
刘颖等（2005）基于B-J模型，对1952-2002年中国人均GDP建立ARMA(1,1)和AR(2)模型，并预测出2003年我国人均GDP [3]。
赵盈（2006）基于1954-2004年我国国民生产总值的时间序列，运用Box-Jenkins 方法拟合出了ARIMA(1,1,1)模型，并对该模型进行了实证解析，指出我国生产总值增长趋势有着长期的持续性，且其稳定性也在不断地加强[4]。
谭诗璟[5]（2008），赵蕾等[6]（2007）以及文明刚等[7]（2007）分别对湖北省、福建省以及河北省三个地区生产总值做了ARIMA模型的拟合，并用于数据的预测。
李占江和曹海燕（2008）利用ARIMA(0,2,1)模型对内蒙古1952-2005年的GDP数据进行模型拟合，且对未来一年的GDP做出了预测[8]。
龚国勇（2008）对1979-2006年深圳市的地区生产总值进行了解析，建立出模型ARIMA(1,2,2)，剖析得出该模型可为深圳经济政策提供一定的决策参考[9]。
宋海礁（2008）采用时间序列理论体系，对上海1978-2006年的GDP拟合ARIMA(2,2,3)模型，并推算出2007-2009年的数据，与实际数据对比后得出ARIMA在短期预测中效果不错[10]。
梁鑫和谢佳利（2008）对广西1950年至2006年GDP进行分析，拟合出模型ARIMA(1,2,1)，进而对广西省GDP进行实例分析，并利用该模型推算出未来5年数列[11]。
靳珊（2007）对贵州地区生产总值进行时间序列分析，建立ARIMA(1,1,1)模型来对1950年至2006年的贵州省GDP进行拟合，证明贵州省地区生产总值的增长和前一年的值显著有关[12]。
近年来，时间序列方法在GDP的研究中依然有着广泛的使用。
冯瑞（2014）以我国1979 －2012年GDP数据为基础，采用博克思－詹金斯法，对时间序列建立ARIMA(0,1,1)模型，并利用其进行了对未来一年的模型预测[13]。
任方军(2015)以河南省1978-2013年的人均地区生产总值时间数列数据为样本，通过二次差分平稳序列的处理，建立河南省人均地区生产总值的AR(2)模型，并对2015-2017年的人均地区生产总值进行了推算，并对未来发展做出了分析[14]。
国外对时间序列模型理论在各个领域运用的研究也一直在持续着，特别是在经济领域。
Khurshid M. Kiani（2005）运用人工神经网络以及时间序列理论检验经济周期是否具有对称性，该文献利用非线性神经网络和基于时间序列模型分别对加拿大、美国等国家的真实GDP的增长率进行研究[15]。
Andrew C. Harvey（2006）将经济时间序列中的趋势和周期性成分在贝叶斯框架中建模，使得可以使用关于周期持续时间的先验概念，同时，广义类随机周期允许提取相对平滑周期的可能性。
基于此，Andrew介绍了美国宏观经济序列的应用[16]。
这些为我们用时间序列模型研究江苏省GDP提供了较好的经验。
1.4本文的主要工作本文基于时间序列模型的理论，从国家统计局中获得1996年至2016年江苏省地区生产总值，并以此数据为基础，建立ARIMA模型，并对模型进行残差检验，确定较为适合模型，再对江苏省地区生产总值进行预测，为政府相应的经济发展战略提供一定的参考。
[1] 蒯孟娟. 基于ARIMA模型及回归分析的安徽省GDP预测研究[D].安徽农业大学,2015.[2] G.E.P. Box and G.M. Jenkins. Time Series Analysis Forecasting and Control．San Francisco：Holden Day，1976.[3] 刘颖,张智慧.中国人均GDP(1952-2002)时间序列分析[J].统计与决策,2005(04):61-62.[4] 赵盈.我国GDP时间序列模型的建立与实证分析[J].西安财经学院学报,2006(03):11-14.[5] 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[J].时代金融,2008(01):26-28.[6] 赵蕾,陈美英.ARIMA模型在福建省GDP预测中的应用[J].科技和产业,2007(01):45-48.[7] 文明刚,颜丙胜.ARIMA模型在河北GDP预测中的应用[J].科技创业月刊,2007(11):176-177.[8] 李战江,曹海燕.使用ARIMA模型对内蒙古GDP进行时序建模及预测[J].内蒙古农业大学学报(自然科学版),2008(02):173-175.[9] 龚国勇.ARIMA模型在深圳GDP预测中的应用[J].数学的实践与认识,2008(04):53-57.[10] 宋海礁.ARIMA模型在上海市GDP预测中的应用[J].科教文汇(上旬刊),2008(08):208-209.[11] 梁鑫,谢佳利,李朝.广西GDP的统计预测模型及其应用[J].经济数学,2008,25(03):289-293.[12]靳珊.ARIMA模型在贵州GDP中的应用[J].科教文汇(中旬刊),2007(10):154-155.[13] 冯瑞.GDP时间序列的ARIMA模型研究[J].重庆工商大学学报(自然科学版),2014,31(12):34-37.[14] 任方军.基于时间序列模型下河南人均GDP的预测分析[J].决策咨询,2015(05):71-74+78.[15]Andrew C.Harvey,Thomas M. Trimbur,Herman K. Van Dijk. Trends and cycles in economic time series: A Bayesian approach[J]. Journal of Econometrics,2006,140(2)：618-649.[16] Khurshid M.Kiani1.Detecting Business Cycle Asymmetries Using Artificial Neural Networks and Time Series Models. Computational Economics,2005,26(1):65-89.2. 时间序列分析的基本理论与方法本章将会说明时间序列模型的基本理论，并且介绍常用的几种时间序列模型。