基于多元时间序列对高考预测分析案例

本文借助 ARIMA模型，通过对中国的往年高考录取率进行建模和预测，并验证和检验模型精度和可行性，来应用模型来估计未来的录取率，进一步得出2030年中国高考录取率的预测值。

本文系读者投稿 

作者简介：理智，河北科技大学的大三学生，主攻深度学习。和大多数程序员一样，他是个乐观主义者，大量的时间都在调试代码，在调试中满怀希望，克服遇到的无数挫折。

01 数据来源

本文采用的数据来自世界银行官网（https://data.worldbank.org.cn/）的中国宏观经济数据集，现行版本的数据集共 45行12列，提供自1959年至2021年中国大陆12个指标每年的位置和数值。数据集格式采用国际通用惯例，每年的记录包含数值记录和比率记录，记录包含了时间(世界时)、人口(万人)、金额(亿美元)、比例等指标，数据集的结构如表1所示，图1画出了中国1949至2021年间的5个指标关系密切程度的热力图。

表 1 世界银行数据列表 （↔️滑动查看更多）

02 统计分析

在1959年~2020年的61年间，新生儿数量有较大波动，1987年后新生儿数量呈单调递减趋势，且2016年后下降最为明显。

年GDP方面，呈上升趋势，1993年后变化较为明显。

整体上新生儿数量与出生年GDP无较为明显的关系，但存在部分区间负相关关系（1987年后）。

高考录取率与当年GDP如图3。两者均整体呈上升趋势，初步判断两者之间存在正相关关系。

高考参加人数及与之相关的情况：参加高考的人数逐年增加，但是参加高考的人数的年同比增长变化波动大，无明显特征，如图4。

观察高等教育毛入学率及当年GDP全球占比可知如图5。

毛入学率与全球GDP占比呈上升趋势，初步判断两者间存在正相关关系。

03 时间序列预测高考录取率

在此处，我们应用ARIMA模型进行高考录取率预测。这里ARIMA模型可以点击查看详情