arima模型_时间序列分析(R)‖ARIMA模型预测实例

背景

十九大报告，对教育方面做出了详细说明。近年来，随着研究生招生规模的逐渐扩大，报名参加硕士研究生考试的人数也逐年增加。大多数关于研究生的文章是以研究生的现状、研究生的教育、研究生的就业等方面为主题。就目前新闻热点而言，全国硕士研究生报名人数的增长问题也是一热门话题。报考人数与录取人数也存在着极大差异。

针对近年来，全国各地硕士研究生报名人数稳增不减的情况，利用R语言以及时间序列相关分析，结合近20年的全国硕士研究生报名人数数据采用ARIMA建立模型进行分析研究。根据实验寻找恰当的ARIMA模型并对未来三年全国硕士研究生报名人数进行预测。

---

正文

一、数据理解

1、数据来源

本问研究数据资料来源于考研帮以及中研招生信息网，使用的数据资料包括1995—2018年全国硕士研究生报名人数。

2、数据导入

> 

3、数据展示

> kaoyandata 

二、模型建立与求解

（一）平稳性检验

1、时序图

根据上面的信息，运用R语言中的绘图程序，绘制全国硕士研究生随时间的趋势图。

> kaoyandata1<-kaoyandata[-1]
> kaoyandata2<-ts(kaoyandata1,start=1995)
> dev.off()
> plot(kaoyandata2)

图1 1995—2018年全国硕士研究生报名人数时间序列图

由图1可以得出，1995-2018年全国硕士研究生报名人数总体上呈上升趋势，由1995年的15.5万人上升到2018年的238万人（见上数据展示），年平均增长率为12.1%。所以它有很大可能不是平稳序列。

2、自相关图

根据上面的信息，运用R语言中的绘图程序，绘制全国硕士研究生报名人数时间序列的自相关图（滞后期为24）。

> acf(kaoyandata2,24)

图2 1995—2018年全国硕士研究生报名人数自相关图