《表7 协整检验结果：我国第三产业发展与产值的真实性检验与预测——基于夜间灯光数据与计量模型的研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《我国第三产业发展与产值的真实性检验与预测——基于夜间灯光数据与计量模型的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

方程的回归结果如表6所示，在这里的拟合系数较低原因是我们在对原始DN值差分的时候丢失了很多信息，所以拟合R2值在0.5以上就是很好的回归结果了；根据回归方程做出预测，预测结果与初始DN值之间的相关性还是很明显的，且统计结果均位于单位圆内（未超出界限）；所以我们可以认为上海的夜间灯光数据在一阶与二阶差分条件下是准确的。这里有必要说明一点，用上述方法建立的ARIMA模型对1992到2013夜间灯光数据DN值进行拟合，Eviews8.0中提供了两种预测方法:一种是动态预测，另一种是静态预测。动态预测进行的是多期预测，误差相对来说较大。而静态预测每次只进行一次预测，若想进行下一步预测，需要将预测值带入真实值中再预测，预测结果更接近真实值；所以在这里我们选择了静态预测。之后我们再将样本期限修改到2017年就可以预测出2017年的上海市夜间灯光数据DN均值，预测值为54.33636。对于其他省份，我们也使用相同的办法来进行预测，最终得到表10各省份至2018年夜间灯光数据预测值。不过因为ARMA模型估计预测需要先对模型以及数据的平稳性进行检验，这里我们采用ADF检验、协整检验等检验方法对平稳性进行检验。 （检验结果如表6、表7、表8所示）