貴州省居民消費(fèi)價(jià)格指數(shù)的時(shí)間序列分析

《貴州省居民消費(fèi)價(jià)格指數(shù)的時(shí)間序列分析》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、貴州省居民消費(fèi)價(jià)格指數(shù)的時(shí)間序列分析--12345678摘要：居民消費(fèi)價(jià)格指數(shù)（CPI）是宏觀經(jīng)濟(jì)分析和決策，價(jià)格總水平監(jiān)測(cè)和調(diào)控以及國(guó)民經(jīng)濟(jì)核算的重要指標(biāo)。本文利用1994-2013年貴州省居民消費(fèi)價(jià)格指數(shù)的月度數(shù)據(jù)，運(yùn)用Eviews軟件建立一個(gè)乘積季節(jié)模型，并用這個(gè)模型對(duì)貴州省未來的居民消費(fèi)價(jià)格指數(shù)進(jìn)行合理的預(yù)測(cè)。關(guān)鍵詞：居民消費(fèi)價(jià)格指數(shù)時(shí)間序列平穩(wěn)性一、引言居民消費(fèi)價(jià)格指數(shù)是反映居民家庭購(gòu)買生活消費(fèi)品和支出服務(wù)項(xiàng)目費(fèi)用價(jià)格變動(dòng)趨勢(shì)和程度的相對(duì)數(shù)。其目的在于觀察居民生活消費(fèi)品及服務(wù)項(xiàng)目?jī)r(jià)格的變動(dòng)對(duì)城鄉(xiāng)居民生活的影響，為各級(jí)黨政領(lǐng)導(dǎo)掌握居民消費(fèi)狀況，研究和制定居民消費(fèi)價(jià)格政策、工資政

2、策以及為新國(guó)民經(jīng)濟(jì)核算體系中有消除價(jià)格變動(dòng)因素的不變價(jià)格核算提供科學(xué)依據(jù)。居民消費(fèi)價(jià)格指數(shù)還是反映通貨膨脹的重要指標(biāo)。一般說來，當(dāng)CPI>3%的增幅時(shí)，我們稱為通貨膨脹；而當(dāng)CPI>5%的增幅時(shí)，我們把它稱為嚴(yán)重的通貨膨脹。這一指標(biāo)影響著政府制定貨幣、財(cái)政、消費(fèi)、價(jià)格、工資、社會(huì)保障等政策，同時(shí)，也直接影響居民的生活水平及評(píng)價(jià)。居民消費(fèi)價(jià)格指數(shù)反映的市場(chǎng)價(jià)格信號(hào)真實(shí)．帶動(dòng)價(jià)格輿論導(dǎo)向正確，有利于改善價(jià)格總水平調(diào)控。二、數(shù)據(jù)描述和模型說明1.數(shù)據(jù)描述1994年1月——2012年3月貴州省居民消費(fèi)價(jià)格指數(shù)如下表：（數(shù)據(jù)來源：http://app.finance.ifeng.com/data

3、/mac/jmxf_dq.php?symbol=520000）首先，做出序列時(shí)序圖和自相關(guān)圖如下：可以看出該序列是不平穩(wěn)的序列，做1階12步差分dx=d(x,1,12)得到如下時(shí)序圖：可以看出差分后的序列是平穩(wěn)序列。做出dx的自相關(guān)圖，如下對(duì)平穩(wěn)的差分序列進(jìn)行白噪聲檢驗(yàn)，在檢驗(yàn)的顯著性水平取為0.05的條件下，P值基本上小于0.05，所以該差分序列不能視為白噪聲序列，即差分后序列還蘊(yùn)含著不容忽視的相關(guān)信息可供提取。1.模型說明差分運(yùn)算具有強(qiáng)大的確定性信息提取能力，許多非平穩(wěn)序列差分后會(huì)顯示出平穩(wěn)序列的性質(zhì)，這時(shí)我們稱這個(gè)非平穩(wěn)序列為差分平穩(wěn)序列。對(duì)差分平穩(wěn)序列可以使用ARIMA模型進(jìn)行

4、擬合。具有如下結(jié)構(gòu)的模型稱為求和自回歸移動(dòng)平均（autoregressiveintegratedmovingaverage）模型，簡(jiǎn)記為ARIMA（p,d,q）模型：式中，=(1-B)；=1--…-，為平穩(wěn)可逆ARMA（p,q）模型的自回歸系數(shù)多項(xiàng)式；=1--…-，為平穩(wěn)可逆ARMA（p,q）模型的移動(dòng)平滑系數(shù)多項(xiàng)式。該模型可以簡(jiǎn)記為：xt=，式中，{}為零均值白噪聲序列?！?】但是，本文中的1994-2013年貴州省居民消費(fèi)價(jià)格指數(shù)時(shí)間序列的季節(jié)效應(yīng)、長(zhǎng)期趨勢(shì)和隨機(jī)波動(dòng)之間有著復(fù)雜的相互糾纏關(guān)系，簡(jiǎn)單的ARIMA模型并不足以提取其中的相關(guān)關(guān)系，這時(shí)通常需要采用乘積模型SARIMA。乘

5、積模型的構(gòu)造原理如下：當(dāng)序列具有短期相關(guān)性時(shí)，通?？梢允褂玫碗AARMA（p，q）模型提取。當(dāng)序列具有季節(jié)效應(yīng)，季節(jié)效應(yīng)本身還具有相關(guān)性時(shí)，季節(jié)相關(guān)性可以使用以周期步長(zhǎng)為單位的ARMA（P，Q）模型提取。由于短期相關(guān)性和季節(jié)效應(yīng)之間具有乘積關(guān)系，所以擬合模型實(shí)質(zhì)為ARMA(p，q)和ARMA(P，Q)的乘積。綜合前面的d階趨勢(shì)差分和D階以周期S為步長(zhǎng)的季節(jié)差分運(yùn)算，對(duì)原觀察值序列擬合的乘積模型完整的結(jié)構(gòu)如下：式中，=1--…-，=1--…-，=1--…-，=1--…-，該乘積模型簡(jiǎn)記為ARIMA(p,d,q)(P,D,Q)S?！?】對(duì)上述的平穩(wěn)非白噪聲差分序列擬合普通最小二乘法下，輸入，

6、d(x,1,12)sar(12)sma(12)得到如下其中，所有的參數(shù)估計(jì)量的P值小于0.05，均顯著。AIC為2.757976，SC為2.790067。普通最小二乘法下，輸入d(x,1,12)sar(12)sar(24)sma(12)，得到如下其中，所有的參數(shù)估計(jì)量的P值小于0.05，均顯著。AIC為2.613108，SC為2.663283。比較這兩個(gè)模型，因?yàn)榈诙€(gè)模型的SC值小于第一個(gè)模型的SC值，所以相對(duì)而言，第二個(gè)模型是最優(yōu)模型。對(duì)殘差序列進(jìn)行檢驗(yàn)，在Eviews中點(diǎn)擊view—residualtests—correlogram—Q—statistics，結(jié)果如下：可以看出，

7、在原假設(shè)為殘差序列為隨機(jī)的情況下，擬合統(tǒng)計(jì)量的P值大多顯著小于顯著性水平0.05，可以認(rèn)為該殘差序列是非隨機(jī)的，不是白噪聲序列，表明殘差中仍存在有用信息未被提取。通過ACF和PACF定階法對(duì)模型進(jìn)行擬合輸入d(x,1,12)sar(12)sar(24)sma(12)ma（6），得到如下對(duì)殘差序列進(jìn)行檢驗(yàn)，在Eviews中點(diǎn)擊view—residualtests—correlogram—Q—statistics，結(jié)果如下：由上圖可以看出，在原假設(shè)