تخطى إلى المحتوى
الصفحة الرئيسية » الإصدار 4، العدد 7ـــــ يوليو 2025 ـــــ Vol. 4, No. 7 » نمذجة وتحليل السلاسل الزمنية لعدد السكان في المملكة العربية السعودية باستخدام نماذج Box-Jenkins (ARIMA): دراسة تحليلية للفترة 1950–2024

نمذجة وتحليل السلاسل الزمنية لعدد السكان في المملكة العربية السعودية باستخدام نماذج Box-Jenkins (ARIMA): دراسة تحليلية للفترة 1950–2024

    بيانات الباحث

    أستاذ مساعد، قسم إدارة الأعمال، كلية العلوم والدراسات الإنسانية بثادق، جامعة شقراء، المملكة العربية السعودية

    [email protected]

    ملخص

    تهدف هذه الدراسة إلى تحليل السلسلة الزمنية لعدد السكان في المملكة العربية السعودية خلال الفترة (1950–2024) باستخدام نماذج بوكس وجينكنز (ARIMA)، وذلك بهدف التنبؤ بالاتجاهات المستقبلية حتى عام 2030. تم استخدام برنامج SPSS (الإصدار 27) لتنفيذ منهجية Box-Jenkins، التي تشمل مراحل التحديد، والتقدير، والتشخيص، والتنبؤ. تم اختبار عدد من النماذج منها ARIMA (1,1,1) وARIMA (2,1,2)، إلا أن النتائج أظهرت أن النموذج الأفضل هو ARIMA (3,1,2)، حيث حقق أعلى معامل تحديد (R-squared = 0.963)، وانخفاضًا في معيار BIC، مع بواقي غير مترابطة ذاتيًا. كما بلغت دقة التنبؤ نسبة عالية جدًا، وأكد اختبار البواقي سلامة النموذج. توصي الدراسة باعتماد نموذج ARIMA (3,1,2) كأداة تنبؤية فعالة في مجالات التخطيط السكاني ووضع السياسات المستقبلية.

    This study aims to analyze the time series of population in the Kingdom of Saudi Arabia during the period 1950–2024 using Box-Jenkins (ARIMA) models, with the objective of forecasting population trends up to 2030. The analysis was conducted using SPSS version 27, following the Box-Jenkins methodology which includes identification, estimation, diagnostic checking, and forecasting. Several ARIMA models were tested, including ARIMA (1,1,1) and ARIMA (2,1,2); however, the results indicated that the most suitable model was ARIMA (3,1,2). This model achieved the highest R-squared value (0.963), the lowest BIC, and produced residuals with no significant autocorrelation. The model demonstrated excellent forecasting accuracy, and residual analysis confirmed its adequacy. The study recommends adopting the ARIMA (3, 1, 2) model as a reliable forecasting tool for population planning and policy formulation.