现在我们使用ARMA44对模型预测：
原始数
年份值
预测值绝对误差相对误差
2004
94929091210908830011605
2005
96963874603874560004036
2006
1001031173117047003117
2007
107110269632696210030557
2008
117117897808977640007673
2009
1273871
2010
1356095
2011
1457608
由此我们可以得到2009、2010、2011年的预测值分别为1273871、1356095、1457608，绝
对误差平均值为1199608，相对误差平均值为0011565。
四、组合模型
1、模型介绍：组合预测模型是将各种不同类型的单项预测模型兼收并蓄，各区所长，
f集中了更多的经济信息与预测技巧，能减少预测的系统误差，显著改进预测效果。这是因为，参与组合的各种预测模型所产生的误差ei（下标i为第i种预测，i1，2，……
）有正有负，如果Eei0Eeiej0经过组合，就会产生正负抵消，降低误差，提高组合预测的精度。
组合预测模型一般有五种模型，分别是线性组合模型、最优线性组合模型、贝叶斯组合模型、转换函数组合模型、经济计量与系统动力学组合模型。我们现在使用的是线性组合模型YtW1Y1tW2Y2t……W
Y
t式中的Yt为t期的组合预测值；Y1t，…，Y
t为
种不同单项预测模型在t期的预测值；W1……W
为相应的
种组合权数。线性组合模型的关键在于确定合理的权数Wi，Wi依据组合预测误差的方差最小原则加以确定。
2、模型使用：二次指数模型的相对误差平均值为0071468126，灰色预测模型的相对
误差平均值为0041683015，ARMA预测模型的相对误差平均值为0011565109，由此我们
根据公式可以计算出W10573046，W20334223，W30092731，从而计算出组合模型
的预测值。
二次指数灰色模型
ARMA模型
组合模型
116101
1289567
1273871
1214442
1206471
1385424
1356095
1280156
1251933
1488407
1457608
1350041
我们从预测的数据计算出组合模型的绝对误差平均值为2065148，相对误差平均值为
0021333647。
五、结论：我们通过二次指数平滑模型、灰色预测模型、ARMA模型和组合预测模型分
别对房地产从业人数的预测，得出的相对误差平均值为0071468、0041683015、0011565、0021333647，我们可以看出ARMA模型对数据的预测得出的相对误差平均值最小，因此我们用ARMA模型分别对2009、2010、2011年的房地产从业人数进行预测，得出的数据分别为1273871、1356095、1457608万人。
参考文献：
（1）中国统计年鉴．北京：中国统计出版社，2008．（2）易丹辉．数据分析与eviews应用．北京：中国统计出版社，2002．（3）徐国祥．统计预测与决策．上海：上海财经大学出版社．1998．
忽略此处
fr