基于ARIMA模型的我国社会消费品零售总额分析-论文.pdf

《基于ARIMA模型的我国社会消费品零售总额分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年9月内蒙古科技与经济September2014第17期总第315期InnerMongoliaScienceTechnology＆EconomyNo．17TotalNo．315基于ARIMA模型的我国社会消费品零售总额分析刘海英(长江师范学院，重庆408100)摘要：以2000年1月～2013年12月我国社会消费品零售总额的月度数据为研究对象，对其进行时间序列模型分析，该模型能较好地对我国社会消费品零售总额进行时间序列分析和预测。关键词：社会消费品零售总额；单位根检验；Q统计量；ARIMA模型中图分类号：F723；F22

2、4文献标识码：A文章编号：1O07—692l(2014)170O14一O2社会消费品零售总额是指企业(单位、个体户)1模型介绍通过交易直接售给个人、社会集团非生产、非经营用由于所采用的数据具有明显的长期趋势效应和的实物商品金额，以及提供餐饮服务所取得的收入季节效应，且它们有着复杂的交互影响关系，所以笔金额，它反映了人民的消费能力及消费水平的高低。者选用乘积季节模型对其进行拟合与预测。那么，目前，社会消费品零售总额已成为经济增长的重要根据历史文献[4可得乘积季节模型的一般形式为：组成部分，为了更好地引导消费，需建立适当的模型(B)

3、U(B)X一(B)@(B)a(1)对其进行合理的分析与预测。由历史文献可知，已其中，a为白噪声序列，中(B)仅表示同一有学者对社会消费品零售总额进行过系列研究与分周期内不同周期点的相关关系；而U(B)则描析。如刘家琨、徐学荣通过建立季节模型和单整自述不同周期的同一周期点上的相关关系。回归移动平均(ARIMA)模型来研究福建省社会消于是，该乘积模型又可简记为：费品零售总额，并分别应用这两种模型进行了预ARIMA(，d，m)×(P，D，q)(2)测¨l；张萌通过运用ARIMA模型对上海市社会消2模型的建-,Or-N预测费品零售总额进

4、行了分析与预测n；张晓峰、李博运2．1数据的收集与处理用单整自回归移动平均模型(ARIMA)法，对我国社2．1．1数据的收集会消费品零售总额进行分析[3]，等等。但是，通过我笔者所涉及的我国社会消费品零售总额的数据国社会消费品零售总额的月度数据的分析，发现其来源于中华人民共和国国家统计局网。为直观反映序列的季节效应、长期趋势效应和随机波动之间有我国社会消费品零售总额每月的情况，此处选取了着复杂的交互影响关系。所以，笔者运用与刘家琨2000年1月～2013年12月全国消费品零售总额的和徐学荣的方法，即ARIMA模型中的乘积季节模月

5、度数据(如表1)(注：由于其数据库中2012年与型用以研究我国社会消费品零售总额，并运用此模2O13年的月度数据有缺失，所以利用SPSS软件替型预测出2014年每月的我国社会消费品零售总额。换缺失值，默认方法为：序列均值)，将该序列记为该预测结果能间接了解到我国2014年各月的消费X情况，也能为我国未来经济运行状况进行政策调控提供依据，以促进经济发展。表l2000年1月～2013年12月我国社会消费品零售总额单位：亿元收稿日期：2014—07—14·14·刘海英·基于ARIMA模型的我国社会消费品零售总额分析2014年第17期2

6、．1．2数据的处理在初始模型的基础上，此处利用Eviews软件对由原序列x的时序图(如图1)可看出，该序列式3进行逐步调试，将可通过显著性检验的模型列具有明显的上升趋势，显然为非平稳序列。入下表，即如表2所示。x表2各模型拟合结果分析根据AIC或SBC准则(即最小信息量准则)原则可知，ARIMA(0，1，1)×(0，1，1，)12的R。最大，且AIC与SBC都优于其他模型，该模型的拟合效果较好。而后对ARIMA(0，1，1)×(0，1，1，)。模型的残差序列进行纯随机性检验如图3所示，检验结果表明：其P值显著大于显著性水平a，则

7、认为该残差图1时间序列X时序序列为白噪声序列，无需研究。为消除趋势，同时减小数据波动，可对原序列做一阶自然对数逐期差分处理[5]，得到的序列记为X，对X，进行单位根检验可知经一阶差分后的序^utOcOrr●I鲥OnP州薯ICOrr●伯哪On^C户^Ca·臼

8、1PrOb列X仍为非平稳序列。观察序列x的自相关和偏自相关函数可知其虽仍为非平稳序列，但趋势基本被消除。且在12阶时，序列的自相关和偏自相关系数显著不为0，表明其存在季节性因素。则再次对序列X进行一次性季节差分(即12阶差分)，得¨¨¨¨¨¨¨二r¨．．-¨．-‘_=¨¨'=

9、．到序列x观察其单位根检验结果(见图2)，可判__二L二_一Il¨_=-二．-¨_=_二定其为平稳序列，说明其季节效应已被消除。，2345678口∞”佗侣¨怡伯”幢伸∞”；3孔竹鸽黔：；昭¨：f}：5}onn曲札noo。也也oooci口吼n摇搿糍怒裟掰潞黑r§n