关于居民消费价格指数论文范文资料与基于ARIMA模型上海居民消费价格指数分析预测有关论文参考文献-论文写作网

《基于ARIMA模型上海居民消费价格指数分析预测》：本文关于居民消费价格指数论文范文,可以做为相关论文参考文献,与写作提纲思路参考。

【摘要】大多数的经济时间序列存在惯性,通过这种惯性可以对时间序列的历史数值进行分析建模,从而对未来值进行预测.本文对1991～2015年上海居民消费价格指数的时间序列进行数据分析,利用Eviews9软件对1991～2013年上海居民消费价格指数实际的数据建立ARIMA（1,2,2）模型.用该模型对2014年和2015年的上海居民消费价格指数进行预测并和实际值进行对比,结果显示该模型预测的精准度较高.后对2016年上海居民消费价格指数进行预测,以达到合理预期和分析目的.

【关键词】居民消费价格指数 Eviews ARIMA模型

一、居民消费价格指数

居民消费价格指数简称CPI（consumer?price?index）,是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标,也是宏观经济分析和决策以及国民经济核算的重要指标.一般来说,CPI的高低直接影响着国家的宏观经济调控措施的出台和力度,如央行是否调息、是否调整存款准备金率等.同时,CPI的高低也间接影响资本市场的变化.

通过研究居民消费价格指数,可以了解各地区价格变动的基本情况,分析研究价格变动对社会经济和居民生活的影响,能满足各级政府制定政策和计划、进行宏观调控的需要,以及为国民经济核算提供参考和依据.CPI稳定、就业充分及GDP增长往往是最重要的社会经济目标,市场的经济活动会根据CPI的变化来调整.

二、上海居民消费价格指数的ARIMA模型分析

ARIMA（p,d,q）模型是博克斯-詹金斯针对非平稳时间序列提出的模型.通过研究发现上海居民消费价格指数是非平稳的时间序列,故本文选取ARIMA（p,d,q）模型进行CPI的研究和预测.

(一)数据收集及ADF检验

选取1991年～2015年上海居民消费价格指数作为样本数据（来源于上海统计局《统计年鉴》以1990年为100）,运用软件Eviews9对上海居民消费价格指数进行分析处理及预测.

对上述样本数据进行ADF检验,结果显示t值0.621057,大于检验标准值,故对其进行差分处理.

(二)差分

對样本数据进行了一阶差分处理后,结果显示t值为-1.366307,仍大于5%的检验标准值.故对数据进行二次差分处理.

二阶差分后的结果显示,t值为-4.215088,小于检验水平1%,5%,10%各自的临界值,而且P值几乎为0,所以经过二阶差分后的序列为平稳的时间序列.故d等于2.

(三)单整检验

要确定p和q的值需要观察序列的自相关函数（AC）及偏自相关函数（PAC）的情况.软件测量结果显示：序列的自相关函数AC从2阶开始拖尾,而其偏自相关函数PAC从1阶开始拖尾.所以对其建立的ARMA模型为ARMA（2,1）,故ARIMA模型为ARIMA（1,2,2）.

(四)变换成平稳序列

因数据为二阶差分后平稳,在workfile窗口object——generateseries,输入公式dcpi等于d（d（cpi））,产生新的平稳的序列,观察其AC和PAC.

(五)求参数并建立模型的方程

因AC为2阶拖尾,而PAC为1阶拖尾,故输入公式：d（cpi） car（1）ar（2）ma（1）,通过Eviews9的分析后得出各项系数为：c系数为7.702732,AR（1）系数为1.626587,AR（2）系数为-0.817761,MA（1）系数为-0.999999.

(六)白噪声检验

检验模型的残差序列是否是白噪声序列,如果是白噪声,则模型合理；否则模型不合理,需继续改进.

由检验结果可看出Q-统计量所对应的P值都是大于0.05的,所以是白噪声序列,故模型的拟合是合理有效的.

（七）运用模型进行预测

2014年和2015年是有实际数据的,首先通过1991年～2013年的数据分析建立的模型对2014年和2015年上海居民消费价格指数进行预测,并于实际数据进行对比,观察误差.若误差较小,则可精确度较高,可对2016年数据进行预测.

通过eviews9软件对2014、2015年数据进行预测,结果如下：2014年上海居民消费价格指数预测数据为334；2015年上海居民消费价格指数预测数据为344.输入2014年和2015年实际数据后,对2016年数据进行预测：2016年上海居民消费价格指数预测数据为351.

2014年上海居民消费价格指数预测值为334,实际值为335.2,误差仅为0.36%；2015年上海居民消费价格指数预测值为344,实际值为343.04,误差仅为0.28%.通过观察比较发现ARIMA（1,2,2）模型对2014年和2015年上海居民消费价格指数的拟合准确度较高,所以运用该模型对2016年上海居民消费价格指数的预测有较高的可信度,在2016年数据发布后可进行对比.

三、结语

本文根据上海统计局统计年鉴中1991年～2015年上海居民消费价格指数的时间序列数据,运用Eviews9软件通过对数据进行平稳性检验、二次差分处理等建立了ARIMA（1,2,2）模型,并通过平稳变换、求参数及方程（建立方程：D（cpit）等于7.702732+1.626587d（cpit-1）-0.817761d（cpit-2）+t-0.99999t）、白噪声检验（Q-统计量所对应的P值都是大于0.05的）等过程,对数据进行了预测及检验.通过对实际数据和预测数据的对比发现,所建立模型拟合度较高.但本文所选样本数据较少,若数据更加充足,得到的模型将更加准确,对未来上海居民消费价格指数的预测更具说服力,将更有效、实际的指导实践.

参考文献

[1]高铁梅.计量经济分析方法和建模-EViews应用和实例（第二版）.清华大学出版社.

[2]黄轲,董婷婷.基于ARIMA模型的中等城市住宅销售价格走势预测——以江苏省徐州市为例.2016年9月.

[3]张志雷.自相关过程的ARMA控制图[J].统计和决策,2012,（6）.

[4]程幸福,陈厚铭,樊红.季节ARIMA模型在企业销售量预测中的应用—以卷烟销售为例.学术论坛,2016年8月.

作者简介：宋颖超（1991-）,女,汉族,山东烟台人,学历：硕士在读,单位：上海师范大学,研究方向：企业管理.

居民消费价格指数论文参考资料：