人口数量的影响，求解人口增长趋势的关键是如何在我们的模型中充分的利用这些影响因素从而使我们的预测结果具有较高的精确性。
研究数据：


f


年份
1990199119921993199419951996199719981999200020012002200320042005200620072008
总人数
114333115823117171118517119850121121122389123626124761125786126743127627128453129227129988130756131448132129132802


f


分析：这是通过原始数据得到的散点图，可以看出人数呈现的是逐渐上升的趋势。
研究步骤
分析描述性统计量，由以上数据计算总人数的均值和标准差：总人数的均值124871总人数的标准差578778观察值个数19运用eviews软件对白噪声序列进行检验：步骤为：1导入数据，选择file
ewworkfile导入数据，再选择fileimportreadtextlotusexcel，输入相关数据名称（X）。
2打开resid序列，view，correlogram，差分阶数选择level，点击“确定”。所以可以对起建模。同时得到样本的自相关图


f


分析：从上图可知，看q统计量的伴随p值，可以看出该人口总数序列为非白噪声序列，自相关函数图和偏自相关函数图中，除了延迟1阶的偏自相关系数显著大一2倍标准差之外，其他的偏自相关系数都在2倍标准差围做小值变动，所以该自相关系数可视为1阶截尾。因此该X序列设定为AR模型。于是对于系列X，我们初步建立了AR（1）模型。
平稳性检验：


f


分析：ADF检验的结果，拒绝原假设，认为该序列没有单位根，该序列是平稳
的。同样，序列与时间之间的关系还有很多，比如指数曲线，生命曲线等，其回归模型的建立。参数估计等方法与回归分析相同。
模型参数估计


f


AR1回归结果
图：模型拟合图
分析：可以看到，解释变量的系数估计值在5的显著性水平下都是显著的。模型拟合图，残差波动围绕在0值波动，拟合值差距不大，可以看出AR模型：
模型显著性检验


f


图：模型残差
图：残差的平稳性和纯随机性检验
分析：对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于0，


f


且，q统计量对应的p值都小于005，所以该序列平稳。
模型的预测
点击“forecast”，会弹出一个对话框，在eviews中有两种预测方式，“dy
amic”和“static”，前者是根据所选择的一定的估计区间，进行多步向前预测，后者只滚动的进行向前一步预测，即每预测一次，用真实值代替预测值，加入到估计区间，再进一步向前预测。
先估计2003年到2008年的X的总人数，可以根据对话框自行选择，得到如下结果：
分析r