上海社会消费品零售额的arima模型预测研究

《上海社会消费品零售额的arima模型预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、过两次差分后，序列SDLNSTC是围绕0上下波动，其自相关在k=1以后几乎全部落入随机区间，震荡衰减，说明序列已经平上海社会消费品零售额的稳，故得到差分阶数d=1，D=1。同时，由平稳序列的自相关分析图3序列的偏自相关系数k=2后很快趋于0，所以，我们选择自回归阶数P=2，样本白相关系数在ARIMA模型预测研究k=1时显著不为0，所以，移动平均阶数a=1。另外由平稳序列的自相关分析图3，■林莉丁洪福(辽宁石油化工大学经济管理学院k=12，24，36附近时，时间序列的自相关辽宁抚顺113(i)(i)1)函数、偏自相关函数都随着时滞按照季

2、节◆中图分类号：F713文献标识码：A周期的增加而衰减，为此，应建立季节自回归移动平均混合模型，考虑到k：12时，零售额呈现不断上涨趋势，内容摘要：本文根据2003年2月一2009并且有明显的季节波动。年9月的上海社会消费品零售额数据，运用ARIMA模型进行预测，其研究结建立上海社会消费果表明：ARIMA模型能提供较准确的品零售额的ARIMA模型预测效果，可用于上海社会消费品零售额未来的预测，并为上海市政府的(一)模型的识别宏观决策提供可靠依据。本文运用Box—Jenkins关键词：ARIMA模型社会消费品零方法建立上海社会消费品零售

3、额季节波动预测售额模型。STC序列数据做E由于受到2007年金融危机的影响，扩如下处理：从2003年2月份图1上海社会消费品零售额时序图大内需已成为我国各级政府的首要任务。至2008年12月份71个数据国内的学者也开始将目光集中于如何提高用于建立ARIMA模型。2009表1检验变量的平稳性居民的消费需求。随着人们对消费需求的年1月至9月份的数据用于热烈讨论，社会消费品零售总额这个指标检验预测模型的预测能力。注：检验类型(C，t，k)分别ADF检验中是否会有截距项C、时间趋势项t和频繁出现在各种文献之中。社会消费品零数据用Eviews6

4、．0进行处理。滞后期数k；第三列表示ADF检验在5％显著性水平下的临界值。售总额是指批发和零售业、餐饮业、新闻运用Box—Jenkins方出版业、邮政业和其他服务业等，售予城法建立ARIMA模型，首先要乡居民用于生活消费的商品和社会集团用求序列必须是平稳的。通过于公共消费的商品总量。这个指标能够反图1的时序图，我们能够发映消费的主要情况。通过对社会消费品零现STC这个时间序列具有售总额消费做定量分析与预测，不但可以明显的趋势性和季节性。因了解上海消费需求情况，对上海未来经济此先对原序列做对数变化变运行状况也能有效预测。本文在分析200

5、3成新的序列LNSTC，然后采年2月到2009年9月上海社会消费品零售用ADF方法对变量进行单E三回额月度数据的基础上，建立了消费品零售位根检验。如表1所示，检图2一阶差分一阶季节差分趋势固额的ARIMA模型，并以此对上海社会消费验中我们发现序列LNSTCAutocorre／ationParti8ICorreiationACPACQ—StafProb品零售额做分析与预测，以期能够对政府是非平稳的，经过一阶差分■I●l1—0355—0．355883530∞3的宏观决策提供依据。之后变成平稳序列。另外通【lllI2m087-0244937

6、∞0009IlllI30090-0O4399497n019过观察自相关图也能验证本lIIl4—OD0200019鳗Q041数据选取与趋势性、季节性文结论。IlIIl5—0069-0061103a7O067分析IlII6-0013-007810l跚n112由于序列存在一定季节IIlI7_0011—0083103300171性，需要对DLNSTC序列进IIII_I801360116117790161上海社会消费品零售额月度数据来自●tlII9—n198122148990094上海市统计局网站，时间跨度为2003年2行季节差分(12个月)形

7、成III【I100104001415778n106jlIj-I1d129O14117143O?04月至2009年9月。本文将上海社会消费品序列SDLNSTC，序列■I●I12-0295—0210244480．018零售额月度数据简记为STC序列，以亿元为SDLNSTC的趋势图如图2IIIII13OB0—0155245230D27IIIII140026—0147245820l佃单位。图1是STC序列为2003年2月至2009所示，自相关图如图3所示。IIIII150_0500020248030_o53年9月的时序图。该图显示上海社会消费

8、品由图2、图3分析，显然，经图3序列SDLNSTC真相关图《中文核心期刊要目总览》贸易经济类核心期：FiJ23样本自相关系数和偏自相关系数都显著不度较高，其次，对模型的误差为0，所以我们选择季节自回归阶数P：1，项进行检