我国城市居民消费价格指数时间序列分析
辽宁工业大学时间序列分析课程设计
题目：中国城市居民消费价格指数的分析与预测
院（系）：经济学院
专业班级：统计学 091
学号： 090707016
学生姓名：胡迪
指导教师：姜健
教师职称：教授
起止时间： 2011.12.19—12.23
课程设计任务
院（系）：经济学院教研室：统计教研室学号090707016 学生姓名胡迪专业班级统计学091班
课程设计
（论文）
题目
中国城市居民消费价格指数的分析与预测
课
程设
计（论文）任务1、画出时间序列的时序图，根据所画的时序图粗略判别序列是
否平稳；
2、根据序列的自相关图判别序列是否平稳；
3、利用单位根检验方法，判别序列的平稳性；
4、模型识别。根据自相关系数和偏自相关系数的性质和特点，
判别模型属于哪种类型；
5、参数估计。根据选定的模型类别进行模型的参数估计；
6、进行相应的检验。包括模型的稳定性、可逆性的判定；参数
的显著性检验；残差的白噪声检验等；
7、模型优化。对所建立的多个模型，根据AIC准则等进行优化
选择；
9、预测。应用所建立的模型，进行未来5期的预测；
10、模型的评价。应用相关的评价准则，对所选择的模型进行评
价。
11、撰写设计报告。报告一律要求用Word文档纂写，3000字左
右，内容及要求见指导书。
摘要
时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势。时间序列分析在日常生活中随处可见，有着非常广泛的应用领域。
本文用时间序列分析方法，对城市居民消费价格指数序列进行了拟合。通过对1960年至2005年期间中国城市居民消费价格指数进行观察分析，建立合适的ARMA模型，对未来五年的城市居民消费价格指数进行预测。然后对预测值和真实值进行比较，得出结论，所建立的模型有较好的拟合效果，从而提供了一个经济预测和结构分析的有效方法。
关键词：时间序列城市居民消费价格指数平稳性白噪声单位根
目录
1引言 (1)
2模型的判别 (2)
2.1原始序列分析 (2)
2.2模型判别 (4)
3中国城市居民消费价格指数模型的建立 (5)
3.1有常数项的AR(1)模型 (5)
3.2有常数项的ARMA(1,2)模型 (7)
3.3没有常数项的ARMA(1,2)模型 (9)
4模型优化 (11)
4.1模型选择 (11)
5中国城市居民消费价格指数模型的预测 (12)
6模型评价与分析 (14)
6.1中国城市居民消费价格指数模型评价 (14)
6.2中国城市居民消费价格指数分析 (15)
参考文献 (15)
1引言
城市居民消费价格指数(Urban Consumer Price Index)，是反映城市居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。城市居民消费价格指数可以观察和分析消费品的零售价格和服务项目价格变动对职工货币工资的影响，作为研究职工生活和确定工资政策的依据，是用来反映通货膨胀（紧缩）程度的指标。城市居民消费价格指数的调查范围和内容是居民用于日常生活消费品的全部商品和服务项目价格。包括食品、烟酒及用品、衣着、家庭设备用品及维修服务、医疗保健和个人用品、交通和通讯、娱乐教育文化用品及服务、居住等八大类商品及服务项目价格。既包括居民从商店、工厂、集市所购买商品的价格，也包括从餐饮行业购买商品的价格。
本文应用时间序列方法对城市居民消费价格指数进行建模分析和经济预测，结果可以反映一定时期居民生活消费品及服务项目价格变动趋势和程度,可以观察居民生活消费品及服务项目价格变动对居民生活的影响,为各级政府掌握居民消费状况,研究和制定居民消费价格政策、工资政策以及为新国民经济核算体系中消除价格变动因素的核算提供科学依据。
2模型的判别
2.1原始序列分析
对1951-2005年中国城市居民消费价格指数(上年=100)序列建模（单位：%）。数据见表2-1。
表2-1
年份指数
（%）年份指数
（%）
年份指数
（%）
年份指数
（%）
年份指数
（%）
1951 112.5 1962 103.8 1973 100.1 1984 102.7 1995 116.8 1952 102.7 1963 94.1 1974 100.7 1985 111.9 1996 108.8 1953 105.1 1964 96.3 1975 100.4 1986 107 1997 103.1 1954 101.4 1965 98.8 1976 100.3 1987 108.8 1998 99.4 1955 100.3 1966 98.8 1977 102.7 1988 120.7 1999 98.7 1956 99.9 1967 99.4 1978 100.7 1989 116.3 2000 100.8 1957 102.6 1968 100.1 1979 101.9 1990 101.3 2001 100.7 1958 98.9 1969 101 1980 107.5 1991 105.1 2002 99
1959 100.3 1970 100 1981 102.5 1992 108.6 2003 100.9 1960 102.5 1971 99.9 1982 102 1993 116.1 2004 103.3 1961 116.1 1972 100.2 1983 102 1994 125 2005 101.6
数据来源：中国统计年鉴数据库
①做原始序列时序图与自相关图（x表示1951-2005年中国城市居民消费价格指数序列）
JUMIN
130
125
120
115
110
105
100
95
90
5560657075808590950005
图2-1 中国城市居民消费价格指数时序图
由图2-1可以看出，时间序列没有明显的趋势效应，也没有季节变动效应，可以认为原时间序列为平稳时间序列。
图2-2 中国城市居民消费价格指数相关图
由图2-2可知，自相关系数只有前两阶在2倍标准差之外，其余均在2倍标准差之内；偏自相关系数只有一阶在2倍标准差之外，其余均在2倍标准差之内。Q 统计量的相伴概率p 值均小于0.05，可以认为该时间序列平稳，可以根据此表选择模型进行建立。
②对原始时间序列做单位根检验，判别该时间序列是否平稳。
图2-3 原始序列单
位根检验
由图2-3可以看出，检验t 统计量的值为-3.539492，显著性水平5%、10%的临界值分别为-2.916566、-2.596116，可见t 统计量的值小于各显著性水平的临界值，显著性水平1%的临界值为-3.557472，虽然小于t 统计量值，但是很接近，故拒绝原假设，认为序列平稳，可以对原始序列考虑建模。 2.2模型判别
根据原始时间序列自相关图，偏自相关图考虑建模。初步拟定建立有常数项的AR(1)模型，有常数项的ARMA(1,2)模型，有常数项的MA(2)模型，有常数项的MA(1)模型，无常数项的AR(1)模型，无常数项的ARMA(1,2)模型，无常数项的MA(2)模型，无常数项的MA(1)模型，一阶差分后的有常数项的AR(1)模型，一阶差分后的有常数项的ARMA(1,2)模型，一阶差分后的有常数项的MA(2)模型，一阶差分后的有常数项的MA(1)模型，一阶差分后的无常数项的AR(1)模型，一阶差分后的无常数项的ARMA(1,2)模型，一阶差分后的无常数项的MA(2)模型，一阶差分后的无常数项的MA(1)模型。
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.539492 0.0105 Test critical values: 1% level -3.557472 5% level -2.916566 10% level -2.596116
3中国城市居民消费价格指数模型的建立
3.1有常数项的AR(1)模型
Variable Coefficient Std. Error t-Statistic Prob.
C 103.3539 1.783128 57.96215 0.0000
AR(1) 0.629088 0.104792 6.003189 0.0000
R-squared 0.409348 Mean dependent var 103.6963
Adjusted R-squared 0.397989 S.D. dependent var 6.240614
S.E. of regression 4.842053 Akaike info criterion 6.028888
Sum squared resid 1219.165 Schwarz criterion 6.102554
Log likelihood -160.7800 Hannan-Quinn criter. 6.057298
F-statistic 36.03828 Durbin-Watson stat 1.661689
Prob(F-statistic) 0.000000
Inverted AR Roots .63
图3-1 模型
的参数估计
模型为：x t=103.3539+0.629088x t1-+εt，参数的显著性检验均通过了，特征根也在单位圆内，模型平稳，AIC为6.6028888。
图3-2 残差相关图
图3-2的P值均大于0.05，说明残差序列为纯随机序列，互不相关。
F-statistic 7.249813 Prob. F(2,51) 0.0017
Obs*R-squared 11.95396 Prob. Chi-Square(2) 0.0025
Scaled explained SS 23.43989 Prob. Chi-Square(2) 0.0000 图3-3 残差方
差齐性检验
图3-3上面的的Proc.Chi-Square(2)值小于0.05，认为残差序列没通过方差齐性检验，存在异方差。
Sample Mean = 0.166292
Sample Std. Dev. = 4.908975
Method Value Probability
t-statistic 0.251224 0.8026
图3-4 残差零均值检验
图3-4的Probability值大于0.05，认为残差序列通过了零均值检验。
-15
-10-505101590100
110
12013055
60
65
7075
80
85
90
95
00
05Residual
Actual Fitted
图3-5 模型拟合图形
3.2有常数项的ARMA(1,2)模型
Variable
Coefficient Std. Error t-Statistic
Prob.
C 103.3703 1.124717 91.90784 0.0000 AR(1) -0.884055 0.028473 -31.04900 0.0000 MA(1) 1.900897 0.039167 48.53254 0.0000 MA(2) 0.905352 0.037142 24.37568 0.0000
R-squared
0.584059 Mean dependent var 103.6963 Adjusted R-squared 0.559103 S.D. dependent var 6.240614 S.E. of regression 4.143773 Akaike info criterion 5.752278 Sum squared resid 858.5428 Schwarz criterion 5.899610 Log likelihood -151.3115 Hannan-Quinn criter. 5.809098 F-statistic
23.40315 Durbin-Watson stat 1.640252 Prob(F-statistic)
0.000000
Inverted AR Roots -.88 Inverted MA Roots
-.95+.04i -.95-.04i
图3-6 模型的参数估计
模型为：x t =103.3703-0.884055x t 1-+εt +1.900897ε1-t +0.905352ε2-t ，参数的显著性检验均通过了，特征根也在单位圆内，模型平稳可逆，AIC 为5.752278。
图3-7 残差相关图
图3-7的P值大部分都大于0.05，说明残差序列为纯随机序列，互不相关。
F-statistic 1.639696 Prob. F(14,39) 0.1112
Obs*R-squared 20.00799 Prob. Chi-Square(14) 0.1299
Scaled explained SS 31.30735 Prob. Chi-Square(14) 0.0050
图3-8 残差方差齐性检验
图3-8上面的的Proc.Chi-Square(14)值大于0.05，认为残差序列通过方差了齐性检验，不存在异方差。
Sample Mean = 0.304154
Sample Std. Dev. = 4.165789
Method Value Probability
t-statistic 0.541474 0.5904
图3-9 残差零均值检验
图3-9的Probability值大于0.05，认为残差序列通过了零均值检验。
-10
-505101590100
110
12013055
60
65
7075
80
85
90
95
00
05Residual
Actual Fitted
图3-10 模型拟合图形
3.3没有常数项的ARMA(1,2)模型
Variable
Coefficient Std. Error t-Statistic
Prob.
AR(1) 0.999695 0.002049 487.8961 0.0000 MA(1) -0.189103 0.119645 -1.580529 0.1202 MA(2) -0.523635 0.114898 -4.557412 0.0000
R-squared
0.408882 Mean dependent var 103.6963 Adjusted R-squared 0.385701 S.D. dependent var 6.240614 S.E. of regression 4.891221 Akaike info criterion 6.066714 Sum squared resid 1220.126 Schwarz criterion 6.177213 Log likelihood
-160.8013 Hannan-Quinn criter. 6.109329 Durbin-Watson stat
1.817533
Inverted AR Roots 1.00 Inverted MA Roots
.82 -.64
图3-11 模型的参数估计
模型为：x t =0.999695x t 1-+εt -0.189103ε1-t -0.523635ε2-t ，ε1-t 的参数显著性检验没通过，对应p 值大于0.05，其余的参数显著性检验均通过了，特征根在单位圆内，
模型平稳可逆，AIC为6.066714。
图3-12 残差相关图
图3-12的P值均大于0.05，说明残差序列为纯随机序列，互不相关。
F-statistic 1.640162 Prob. F(6,47) 0.1572
Obs*R-squared 9.349112 Prob. Chi-Square(6) 0.1549
Scaled explained SS 12.66389 Prob. Chi-Square(6) 0.0487
图3-13 残差方差齐性检验
图3-13上面的的Proc.Chi-Square(6)值大于0.05，认为残差序列通过方差了齐性检验，不存在异方差。
Sample Mean = 1.834330
Sample Std. Dev. = 15.92303
Method Value Probability
t-statistic 0.854345 0.3967
图3-14 残差零均值检验
图3-14的Probability值大于0.05，认为残差序列通过了零均值检验。
-10
-505101590
100110
12013055
60
65
7075
80
85
90
95
00
05Residual
Actual Fitted
图3-15 模型拟合图形
同样的办法还可以建立很多其他的模型，这里不一一列举。
4模型优化
4.1模型选择
有常数项的AR(1)模型的残差序列没有通过方差齐性检验，认为残差序列存在异方差，因此该AR(1)模型的残差序列不是白噪声序列，拟合不是很好。有常数项的ARMA(1,2)模型各种检验均通过了，认为该模型拟合较好。没有常数项的ARMA(1,2)模型 1-t 没通过显著性检验，其他的检验均通过了，认为该模型拟合的不是很好。
综合考虑所建的所有模型，认为有常数项的ARMA(1,2)模型拟合的最好，根据模型优化的AIC 准则，选取AIC 最小的，该模型也是符合的，该模型的AIC 是所有建立的模型中最小的。所以选择有常数项的ARMA(1,2)模型进行预测。
5中国城市居民消费价格指数模型的预测
85
909510010511011512055
60
65
70
75
80
85
90
95
00
05
10
JUMINF ± 2 S.E.
Forecast: JUMINF Actual: JUMIN
Forecast sample: 1951 2010Adjusted sample: 1952 2010Included observations: 54Root Mean Squared Error 6.171973Mean Absolute Error 4.325584Mean Abs. Percent Error 4.018119Theil Inequality Coefficient 0.029778 Bias Proportion 0.002587 Variance Proportion 0.831742 Covariance Proportion
0.165671
图5-1 1951-2010年中国城市居民消费价格指数置信区间
120
115
110
105
100
95
90
85
20062007200820092010
JUMINF± 2 S.E.
图5-2 2006-2010年中国城市居民消费价格指数预测区间 2006-2010年中国城市居民消费价格指数预测数据见表5-1。
表5-1
年份中国城市居民消费价格指数（%）
2006 101.7206
2007 103.3953
2008 103.3481
2009 103.3899
2010 103.3530
6模型评价与分析
6.1中国城市居民消费价格指数模型评价
2006-2010年中国城市居民消费价格指数实际数据见表6-1。
表6-1
年份中国城市居民消费价格指数（%）
2006 101.5
2007 104.5
2008 105.6
2009 99.1
2010 103.2
可见2006年预测的比较好，2007年有点差异，2008年差异比较大，2008年城市居民消费价格指数突然上涨，可能受08年奥运会影响，09年差异也比较大，2009年城市居民消费价格指数突然下降，可能受经济危机影响。2008年和2009年受当时时事影响出现异常波动，可将其视为异常值点。2010年预测值比较接近真实值，此时经济危机刚刚平息，城市居民消费价格指数又回归到原始波动水平，所以预测的比较准。
6.2中国城市居民消费价格指数分析
伴随着中国市场化程度加深和GDP高速增长，国民消费却一直处于低水平，这是中国经济特有的一个特点。同时由于美国“次贷危机”所引发的金融危机席卷了全球各个金融市场，并对世界各主要经济体产生了巨大的影响，扩大消费已经成为我国经济平稳发展的立足点。刺激内需扩大消费是根本举措，目前已成为宏观经济政策组合的目标重点。虽然近年来国家已经采取了一系列刺激居民消费的措施，但是收效并不明显。
参考文献
[1]包雪梅，廖宜静.我国居民现状分析[J].商场现代化.2010
[2]来源网站：https://www.360docs.net/doc/0012840609.html,
居民消费价格指数的SPSS分析
居民消费价格指数的SPSS分析 摘要：居民消费价格指数（CPI）是我国物价指数体系中极其重要的一个指数，主要反映消费者支付商品和劳务的价格变化情况，也是一种度量通货膨 胀水平的工具，以百分比变化为表达形式。SPSS（Statistical Product and Service Solutions），是世界上最早的统计分析软件, 广泛应用于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研教育等多个领域和行业，是世界上应用最广泛的专业统计软件。我国改革开放以来，社会经济的各个方面发生了巨大的变化，居民消费价格指数的变动也显示出自身的特点，对其过程有SPSS软件进行分析，有利于我们认识它与社会经济发展相联系的变动规律。 关键词：居民消费价格指数（CPI）；SPSS；价格变动指数；时间序列；指数平 滑法 在市场经济条件下，居民消费价格指数（Consumer Price Index，简称CPI），已经成为一个政府管理者和居民共同关注的重要指标。分析改革开放以来的居民消费价格指数变动，对该指标所表现出的与社会经济发展密切相连的规律性是个很好的总结。 一、原始数据及预处理 年份CPI（%）年份CPI（%）年份CPI（%）1978 100.7 1989 118.0 2000 100.4 1979 101.9 1990 103.1 2001 100.7 1980 107.5 1991 103.4 2002 99.2 1981 102.5 1992 106.4 2003 101.2 1982 102.0 1993 114.7 2004 103.9 1983 102.0 1994 124.1 2005 101.8
应用时间序列分析习题答案解析整理
第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图
2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 ，序列 LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下
（2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221Λ+++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .02110211212112011φρφρφρφρρφφρφρφρ 解得：???==15/115 /72 1φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0 2212122 ) 1)(1)(1(1)(σφφφφφφ-+--+-= t x Var 2) 15.08.01)(15.08.01)(15.01() 15.01(σ+++--+= =1.98232σ ?????=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ?? ? ??=-====015.06957.033222111φφφρφ
时间序列分析——最经典的
【时间简“识”】 说明：本文摘自于经管之家(原人大经济论坛) 作者：胖胖小龟宝。原版请到经管之家(原人大经济论坛) 查看。 1.带你看看时间序列的简史 现在前面的话—— 时间序列作为一门统计学，经济学相结合的学科，在我们论坛，特别是五区计量经济学中是热门讨论话题。本月楼主推出新的系列专题——时间简“识”，旨在对时间序列方面进行知识扫盲（扫盲，仅仅扫盲而已……），同时也想借此吸引一些专业人士能够协助讨论和帮助大家解疑答惑。 在统计学的必修课里，时间序列估计是遭吐槽的重点科目了，其理论性强，虽然应用领域十分广泛，但往往在实际操作中会遇到很多“令人发指”的问题。所以本帖就从基础开始，为大家絮叨絮叨那些关于“时间”的故事！ Long long ago，有多long？估计大概7000年前吧，古埃及人把尼罗河涨落的情况逐天记录下来，这一记录也就被我们称作所谓的时间序列。记录这个河流涨落有什么意义？当时的人们并不是随手一记，而是对这个时间序列进行了长期的观察。结果，他们发现尼罗河的涨落非常有规律。掌握了尼罗河泛滥的规律，这帮助了古埃及对农耕和居所有了规划，使农业迅速发展，从而创建了埃及灿烂的史前文明。 1 / 60
好~~从上面那个故事我们看到了 1、时间序列的定义——按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。 2、时间序列分析的定义——对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 既然有了序列，那怎么拿来分析呢？ 时间序列分析方法分为描述性时序分析和统计时序分析。 1、描述性时序分析——通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计时序分析的第一步。 2 / 60
我国城市居民消费价格指数时间序列分析
辽宁工业大学时间序列分析课程设计 题目：中国城市居民消费价格指数的分析与预测 院（系）：经济学院 专业班级：统计学 091 学号： 090707016 学生姓名：胡迪 指导教师：姜健 教师职称：教授 起止时间： 2011.12.19—12.23
课程设计任务 院（系）：经济学院教研室：统计教研室学号090707016 学生姓名胡迪专业班级统计学091班 课程设计 （论文） 题目 中国城市居民消费价格指数的分析与预测 课 程设 计（论文）任务1、画出时间序列的时序图，根据所画的时序图粗略判别序列是 否平稳； 2、根据序列的自相关图判别序列是否平稳； 3、利用单位根检验方法，判别序列的平稳性； 4、模型识别。根据自相关系数和偏自相关系数的性质和特点， 判别模型属于哪种类型； 5、参数估计。根据选定的模型类别进行模型的参数估计； 6、进行相应的检验。包括模型的稳定性、可逆性的判定；参数 的显著性检验；残差的白噪声检验等； 7、模型优化。对所建立的多个模型，根据AIC准则等进行优化 选择； 9、预测。应用所建立的模型，进行未来5期的预测； 10、模型的评价。应用相关的评价准则，对所选择的模型进行评 价。 11、撰写设计报告。报告一律要求用Word文档纂写，3000字左 右，内容及要求见指导书。
摘要 时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势。时间序列分析在日常生活中随处可见，有着非常广泛的应用领域。 本文用时间序列分析方法，对城市居民消费价格指数序列进行了拟合。通过对1960年至2005年期间中国城市居民消费价格指数进行观察分析，建立合适的ARMA模型，对未来五年的城市居民消费价格指数进行预测。然后对预测值和真实值进行比较，得出结论，所建立的模型有较好的拟合效果，从而提供了一个经济预测和结构分析的有效方法。 关键词：时间序列城市居民消费价格指数平稳性白噪声单位根
价格指数的计算方法
（四）价格指数计算方法 1．价格指数的概念 居民消费价格指数是度量消费商品及服务项目的价格水平随时间而变动的相对数，反映居民家庭购买的消费品及服务价格水平的变动情况。它是宏观经济分析和调控、价格总水平监测以及国民经济核算的重要指标。其变动率在一定程度上反映了通货膨胀(或紧缩)的程度。根据建立大都市统计指标体系的要求，北京市增加了高、中、低收入层居民消费价格指数分组指标。 商品零售价格指数是反映工业、商业、餐饮业和其他零售企业向居民、机关团体出售生活消费品和办公用品价格水平变动情况的相对数，以此反映市场商品零售价格的变动趋势和变动程度。其目的在于掌握商品价格的变动趋势，为国家宏观调控和国民经济核算提供参考依据。 居民基本生活费用价格指数是反映城镇居民家庭维持基本生活水准所需消费项目的价格变动趋势和变动程度的相对数。它从家庭支出角度出发，反映了生活必需消费项目价格变动对特定消费阶层居民生活的影响程度，为制定最低工资标准及最低社会保障线提供重要依据。 2．价格指数的编制单位 市局、总队负责编制全市居民消费价格指数、商品零售价格指数、居民基本生活费用价格指数，并对区县价格调查实行统一的组织管理。 3. 权数资料来源与计算 计算居民消费价格指数所用的权数，根据城市居民家庭住户调查资料整理得出，必要时辅以典型调查数据或专家评估补充和完善。 计算商品零售价格指数所用的大类权数，根据商业统计资料整理得出，小类及基本分类的权数参考居民消费价格指数中的相关权数进行调整，并辅之以典型调查资料。 计算居民基本生活费用价格指数所用的权数，根据城市居民家庭支出调查资料中20%的低收入户居民的消费结构来确定，必要时辅以典型调查数据或专家评估补充和完善。 4．价格指数的计算方法 (1)代表规格品平均价格的计算 代表规格品的月度平均价采用简单算术平均方法计算，首先计算规格品在一个调查点的平均价格，再根据各个调查点的价格算出月度平均价。 ∑∑∑=====m j m j n k ijk i Pij m P n m P 1 111)1(1 其中： P ijk 为第i 个规格品在第j 个价格调查点的第k 次调查的价格； P ij 为第i 个规格品第j 个调查点的月度平均价格； m 为调查点的个数，n 为调查次数。 (2)基本分类指数的计算
典型时间序列模型分析
实验1典型时间序列模型分析 1、实验目的 熟悉三种典型的时间序列模型： AR 模型，MA 模型与ARMA 模型，学会运用Matlab 工具对 对上述三种模型进行统计特性分析，通过对2阶模型的仿真分析，探讨几种模型的适用范围， 并且通过实验分析理论分析与实验结果之间的差异。 2、实验原理 AR 模型分析： 设有AR(2)模型, X( n)=-0.3X( n-1)-0.5X( n-2)+W( n) 其中：W(n)是零均值正态白噪声，方差为 4。 (1 )用MATLAB 模拟产生X(n)的500观测点的样本函数，并绘出波形 (2) 用产生的500个观测点估计X(n)的均值和方差 (3) 画出理论的功率谱 (4) 估计X(n)的相关函数和功率谱 【分析】给定二阶的 AR 过程，可以用递推公式得出最终的输出序列。或者按照一个白噪声 通过线性系统的方式得到，这个系统的传递函数为： 这是一个全极点的滤波器，具有无限长的冲激响应。 对于功率谱，可以这样得到， 可以看出， FX w 完全由两个极点位置决定。 对于AR 模型的自相关函数，有下面的公式: \(0) 打⑴ 匚⑴… ^(0) ■ 1' G 2 W 0 JAP) 人9-1)… 凉0) _ 这称为Yule-Walker 方程，当相关长度大于 p 时，由递推式求出: r (r) + -1) + -■ + (7r - JJ )= 0 这样，就可以求出理论的 AR 模型的自相关序列。 H(z) 二 1 1 0.3z ， P x w +W 1 1 a 才 a 2z^
1. 产生样本函数，并画出波形 2. 题目中的AR过程相当于一个零均值正态白噪声通过线性系统后的输出，可以按照上面的方法进行描述。 clear all; b=[1]; a=[1 0.3 0.5]; % 由描述的差分方程，得到系统传递函数 h=impz(b,a,20); % 得到系统的单位冲激函数，在20点处已经可以认为值是0 randn('state',0); w=normrnd(0,2,1,500); % 产生题设的白噪声随机序列，标准差为 2 x=filter(b,a,w); % 通过线形系统，得到输出就是题目中要求的2阶AR过程 plot(x,'r'); ylabel('x(n)'); title(' 邹先雄——产生的AR随机序列'); grid on; 得到的输出序列波形为： 邹先雄——产生的AR随机序列 2. 估计均值和方差 可以首先计算出理论输出的均值和方差，得到m x =0 ，对于方差可以先求出理论自相 关输出，然后取零点的值。
居民消费指数分析报告
各地居民消费指数聚类分析报告
小组成员：蒋敏王凝煜张乐 一、 2001年社会经济背景：GDP（国内生产总值）：95933亿元 其中第一产业增加值14610亿元，增长2.8%；第二产业增加值49069亿元，增长8.7%；第三产业增加值32254亿元，增长7.4% CPI（居民消费价格指数）：比上年增长0.7% 总人口：127627万人 城镇人口48064万人，占37.7%；乡村人口79563万人，占62.3%。全国男性人口为65672万人，女性为61955万人。0-14岁人口比重为22.5%，15-64岁人口比重为70.4%，65岁及以上老年人口比重为7.1%，老年人口达到9062万人。全年全国出生人口1702万人，出生率为13.38‰；死亡人口818万人，死亡率为6.43‰；全年净增人口884万人，自然增长率为6.95‰ 全国从业人员和职工人数 从业人员：73025万人，比上年末增加940万人。其中城镇就业人员2 3940万人，增加789万人。年末国有企业下岗职工为515万人，比上年末减少142万人。全年通过多种途径使227万人实现了再就业。年末城镇登记失业率为3.6%。 城乡居民收入（平均每人） 全年全国城镇居民人均可支配收入6860元，比上年实际增长8.5%。农村居民人均纯收入2366元，实际增长4.2%。 城乡储蓄存款余额：73762亿元 外汇储备：2122亿美元 进出口贸易总额：5098亿美元 其中出口总额2662亿美元，增长6.8%；进口总额2436亿美元，增长8.2% 部分工业产品产量
原煤：11.1亿吨；钢材：15745万吨；粮食：45262万吨；油料：287 2万吨；卷烟：3402万箱；彩色电视机：3967万部；家用电冰箱：1349万台 社会消费品零售总额：37595亿元 其中批发零售贸易业零售额25511亿元，增长10.7%；餐饮业零售额4 369亿元，增长16.4%；其他行业零售额7716亿元，增长4.9%。 运输 铁路14575亿吨公里，增长6.7%；公路6180亿吨公里，增长0.8%；水运24860亿吨公里，增长4.7%；民航44亿吨公里，增长3.8%。 二、导言 在古老的分类学中，人们主要靠经验和专业知识，很少利用数学方法。随着生产技术和科学的发展，分类越来越细，以至有事仅凭经验和专业知识还不能进行明确分类，于是统计这个有用的工具逐渐被引入分类学中，形成了形成了数值分类学。近些年来，数理统计的多元统计方法有了迅速的发展，多远分析的技术自然被引入分类学中，于是从数值分类学中逐渐分离出聚类分析这个新的分支。 我们认为，所研究的样品或指标（变量）之间存在着程度不同的相似性（亲流关系）。于是根据一批样品的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样品或指标聚合为一类，把另外一些彼此之间相似程度较大的样品或指标聚合成另一类。。。关系密切的聚合到一个小得分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样品或指标都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统。最后再把整个分类系统画成一张分群图（又称谱系图），用它把所有的样品或指标间的亲疏关系表现出来。 在经济，社会，人口研究中，存在着大量的分类研究、构造分类模式的问题。例如在经济研究中，为了研究不同地区城镇居民生活中得收入及消费状况，往往需要划分为不同的类型去研究；在人口研究中，需要构造人口生育分类模式、人口死亡分类函数，以此来研究人口的生育和死亡规律。过去人们主要靠经验和专业知识，做定性分类处理，致使许多分类带有主观性和任意性，不能很好的揭示客观事物内在的本质差别和联系，特别是对多因素、多指标的分类问题，定性分类更难以实现准确分类。
对居民消费价格指数影响因素分析
摘要 考虑到当前我国CPI受粮食、能源供给等真实性冲击,以及投资、货币供给等名义性冲击影响。我国人均消费受到哪些因素的影响？如何把各个因素对人均消费的影响从定性化转化为定量化？就个消费而言，个人消费主要受到个人收入、商品价格、个人消费偏好的影响。那么，我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费，上述分析符合相关的经济学理论。基于人均消费受到人均收入、商品价格、前期消费因素的影响。本文就从中国统计年鉴找到了从1991-2010年人均消费以及人均国内生产总值、商品物价指数的官方数据，通过建立相应回归模型,从实证角度分析了CPI上涨与其他经济变量间的关系。想借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。 关键字：居民消费价格指数货币供给影响因素
一、研究背景与意义 (一)、研究背景 从1978年到2009年，全国城镇居民人均可支配收入从343元增加到17174.7元，实际增长8.9倍；农民人均纯收入从134元增加到5153元，实际增长7.6倍。统计显示，2010年中国城乡低收入群体收入增长均较快，高低收入组的收入比值有所缩小。按照收入五等份分组看，农村居民的低收入组、中低收入组、中等收入组、中高收入组、高收入组人均纯收入增速分别为20.7%、16.4%、16.0%、15.0%和14.0%。城镇居民的低收入组、中低收入组、中等收入组、中高收入组、高收入组人均可支配收入增速分别为13.1%、13.0%、11.8%、10.3%和9.9%。 （二）、研究意义 改革开放以来，我国经济持续快速增长，期间出现过几次通货膨胀。其中。1985年的通货膨胀主要由于货币发行过多造成的；1988年严重通货膨胀，其主要原因是负利率过高和价格改革；1993年的通货膨胀与股资的高速增长有相当大的关系，当年全国固定资产投资比上年增长了61.8%；1994年的高通胀集中体现在消费领域，导致与价涨幅过高的原因不是需求拉动而是成本推动。自2003年初开始，随着我国经济进一步进入新一轮迅速增长周期，通货膨胀的眼里也日益增强，其加速上升的势头似乎大大超出人们的预期。居民消费价格指数是衡量一个国家或地区通货膨胀的最重要指标，也是反映经济稳定性的重要指标之一。2009年，我国CPI指数同比上年有很大增长。因此，分析并把握我国影响因素具有很深远的意义。 二、因素选择及数据说明 （一）因素选择 1、居民消费价格指数是反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。该指数可以观察和分析消费品的零售价格和服务项目价格变动对城乡居民实际生活费支出的影响程度。 2、商品零售价格指数 商品零售价格指数，商品零售价格的变动直接影响到城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需的平衡，影响到消费与积累的比例关系。进而影响居民消费价格指数。 3、工业品出厂价格指数 工业品出厂价格指数,除了食品和服务,大部分属于工业制成品；同时,工业品中的生产资料又是消费品的投入品,是成本的重要构成因素,这是成本推动型物价上涨的主要原因。所 以在一定程度上会影响居民价格消费指数。 4、原材料、燃料和动力购进价格指数 原材料、燃料和动力购进价格指数既是CPI主要构成部分，也从一定程度上是影响工业品价格重要元素之一。因此会影响居民价格消费指数。 5、固定资产投资价格指数
数据分析-时间序列的趋势分析
数据分析-时间序列的趋势分析 无论是网站分析工具、BI报表或者数据的报告,我们很难看到数据以孤立的点单独地出现，通常数据是以序列、分组等形式存在,理由其实很简单,我们没法从单一的数据中发现什么，用于分析的数据必须包含上下文（Context)。数据的上下文就像为每个指标设定了一个或者一些参考系，通过这些参照和比较的过程来分析数据的优劣,就像中学物理上的例子，如果我们不以地面作为参照物,我们无法区分火车是静止的还是行进的，朝北开还是朝南开。 在实际看数据中,我们可能已经在不经意间使用数据的上下文了,趋势分析、比例分析、细分与分布等都是我们在为数据设置合适的参照环境。所以这边通过一个专题——数据的上下文，来总结和整理我们在日常的数据分析中可以使用的数据参考系,前面几篇主要是基于内部基准线(Intｅrｎal Benｃhmark)的制定的，后面会涉及外部基准线(External Benchmaｒk）的制定。今天这篇是第一篇,主要介绍基于时间序列的趋势分析，重提下同比和环比，之前在网站新老用户分析这篇文章，已经使用同比和环比举过简单应用的例子。 同比和环比的定义 定义这个东西在这里还是再唠叨几句,因为不了解定义就无法应用，熟悉的朋友可以跳过。 同比:为了消除数据周期性波动的影响,将本周期内的数据与之前周期中相同时间点的数据进行比较。早期的应用是销售业等受季节等影响较严重，为了消除趋势分析中季节性的影响,引入了同比的概念，所以较多地就是当年的季度数据或者月数据与上一年度同期的比较，计算同比增长率。 环比：反应的是数据连续变化的趋势，将本期的数据与上一周期的数据进行对比。最常见的是这个月的数据与上个月数据的比较，计算环比增长率,因为数据都是与之前最近一个周期的数据比较，所以是用于观察数据持续变化的情况。 买二送一,再赠送一个概念——定基比（其实是百度百科里附带的)：将所有的数据都与某个基准线的数据进行对比。通常这个基准线是公司或者产品发展的一个里程碑或者重要数据点,将之后的数据与这个基准线进行比较,从而反映公司在跨越这个重要的是基点后的发展状况。 同比和环比的应用环境
居民消费价格指数的计算过程
居民消费价格指数的计算过程 在收集了原始价格数据后，下一步我们就开始计算了。 （一）月环比价格指数的计算 基本分类当月的价格指数（月环比价格指数），反映该基本分类（商品集团）与上月比较的价格变动。计算方法是先计算该基本分类中各代表规格品当月价格与上月价格比较的相对数。然后，采用几何平均法计算基本分类月环比价格指数。以大米为例简单说明某年某月该基本分类月环比指数编制的过程及基本方法： 、计算代表规格品的平均价格，调查员分别到个调查点采价，每个调查点每月采价三次。代表规格品一级大米各调查点的时点价格如下（采用简单算术平均法计算。以一级大米为例，计量单位为元每千克）： 此例中一级大米的月平均价格为元千克。即代表规格品的月平均价格采用简单算术平均法计算，就是把在三个调查点所采的共次价格相加，再除以得出。 、计算出代表规格品平均价后，再计算代表规格品本月平均价与上月平均价对比的相对数。假设年月大米的一种规格品价格是每公斤元，年月份的价格 每公斤元，相对数为： 假设大米基本分类共有个代表规格品，在各调查点代表规格品月平均价格的基础上，分别计算个代表规格品的价格变动相对数，再用几何平均法计算该基本分类的月环比价格指数： 例如大米，调查个规格品的价格，即。
规格品一的相对数为， 规格品二的相对数为， 规格品三的相对数为， 规格品四的相对数为， 规格品五的相对数为， 由以上计算可知，大米这一基本分类的环比价格指数为： 即根据各代表规格品价格变动相对数，采用几何平均法计算大米这个基本分类月份的月环比指数，基本计算公式为： 其中：、、……、分别为第一个至第个规格品报告期（）价格与上期（）价格对比的相对数。 （二）定基指数的计算 由各期月环比指数连乘计算，公式为： 基××……× 其中：、、……、分别表示基期至报告期间各期的月环比指数。 （三）类别及总指数逐级加权平均计算，计算公式： [∑ (÷)] × 其中：：权数 ：价格 ：报告期 ：报告期的上一时期
关于居民消费价格指数的变动研究分析
计量经济学课程作业 05信管小组成员：李雅聪40511018 张伟40511019 喻宇40511088 关于居民消费价格指数的变动研究分析 一．引子提出 2007年11月份，居民消费价格总水平同比上涨6.9%，其中，城市上涨6.6%,,农村上涨7.6%；食品价格上涨18.2%，非食品价格上涨1.4%，消费品价格上涨8.4%，服务项目价格上涨2.3%，居民消费价格总水平持续攀升，食品，住房等价格上涨较快，重要原材料，土地等要素价格不断上涨。 物价变动对居民有着切身的关系，因此成为人人密切关注的问题。 二．下面列出几个相关的指数的概念： 居民消费价格指数是反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。该指数可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度。 城市居民消费价格指数是反映一定时期内城市居民家庭所购买的
生活消费品价格和服务项目价格变动趋势和程度的相对数。该指数可以观察和分析消费品的零售价格和服务项目价格变动对城镇职工货币工资的影响，作为研究职工生活和确定工资政策的依据。 农村居民消费价格指数是反映一定时期内农村居民家庭所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。该指数可以观察农村消费品的零售价格和服务项目价格变动对农村居民生活消费支出的影响，直接反映农民生活水平的实际变化情况，为分析和研究农村居民生活问题提供依据。 商品零售价格指数是反映一定时期内城乡商品零售价格变动趋势和程度的相对数。商品零售价格的变动直接影响到城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需的平衡，影响到消费与积累的比例关系。因此，该指数可以从一个侧面对上述经济活动进行观察和分析。 三．数据收集 下面是收集到的居民消费价格指数和商品零售价格指数历年的数据 9-5 居民消费价格指数和商品零售价格指数 (上年=100) 年份居民消费价格指数商品零售价格指数 地区全省 (区、市) 城市农村全省 (区、市) 城市农村
2011我国居民消费价格指数分析
课程论文 课程：统计专业模拟实验1 题目：2011年4月我国居民消费价格指数 组成因素分析 级、专业：09 级统计专业0901 班学号：090330040 学生姓名：谢宇晴 指导教师：张芳 提交日期：2011 年06 月15 日
2011年4月我国居民消费价格指数组成因素分析 [摘要]本文研究影响居民消费价格指数的因子分析，利用spss软件首先对我 国2011年4月份全国31个省份居民各类消费支出指数数据进行描述性分析，得出与居民消费价格总指数关系最大的是食品价格指数。再进行主成分提取，将影响居民消费价格指数的8个因子浓缩为5个人主成分。然后因子分析得到每个因子与5个公因子之间的关系。最后进行因子得分分类，可知中国东，中，西部地区各价格指数之间的差异。 [关键词]消费价格指数主成分分析因子分析 引言 （一）选题意义 居民消费价格指数(cpi)是用来反映报告期与基期相比较的商品和服务项目价格水平的变动情况和趋势的宏观经济指标。反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数。近几个月来中国物价上涨速度持续过快，出现了一定的通货膨胀，由严重化得趋势，这必将影响人民的生活质量。对我国各省份居民消费价格指数影响因素的分析能很好的使各省抓住影响本省价格指数过高的因数，从而做出正确的判断，实行很好的宏观调控。 （二）文件综述 CPI的持续过高增长那个一直是我国经济学家研究的热点问题，山东工商学院张首芳和李月强教授的《我国居民消费结构的趋势分析》采用“双对数模型”对我国城乡居民的消费结构进行了趋势分析,通过“聚类分析”对我国各省市居民消费结构之间的异同进行考察并作比较研究,总结出了我国居民消费呈现富裕型、娱乐教育文化服务类消费攀升的趋势特点。首都经贸大学的马立平进行的《居民消费定量研究消费》对基本理论与框架进行梳理、总结国内外关于消费函数、消费结构、产品选择等方面的各种主要研究成果及应用状况,以此作为分析城镇居民消费行为的理论基础，再作实证分析。龙志和的《我国城镇居民消费行为研究》，和王信的《我国居民消费行为的结构分析与扩张需求的政策研究》研究了我国城镇居民的消费倾向。刘盈的《我国居民消费计量研究》利用贝叶斯估计方法,从定量和定性两个方面的角度,研究我国城镇、乡村居民已经出现和可能出现的各种动向。以上文献都对我国居民消费进行了各方面的分析，但没有指出哪部分的价格指数过高，该从何处着手解决。 （三）论文结构安排 1.选取数据进行描述统计分析 2.针对问题利用SPSS软件进行实证分析首先对各成分进行主成分提取，再用因子分析法对其分析，选取重要因子。 3.模型总结及建议 一．变量选取与数据预处理
时间序列分析ARMA模型实验
基于ARMA模型的社会融资规模增长分析 ————ARMA模型实验
第一部分实验分析目的及方法 一般说来,若时间序列满足平稳随机过程的性质,则可用经典的ARMA模型进行建模和预则。但是, 由于金融时间序列随机波动较大,很少满足ARMA模型的适用条件,无法直接采用该模型进行处理。通过对数化及差分处理后,将原本非平稳的序列处理为近似平稳的序列,可以采用ARMA模型进行建模和分析。 第二部分实验数据 2.1数据来源 数据来源于中经网统计数据库。具体数据见附录表5.1 。 2.2所选数据变量 社会融资规模指一定时期内（每月、每季或每年）实体经济从金融体系获得的全部资金总额，为一增量概念，即期末余额减去期初余额的差额，或当期发行或发生额扣除当期兑付或偿还额的差额。社会融资规模作为重要的宏观监测指标，由实体经济需求所决定，反映金融体系对实体经济的资金量支持。 本实验拟选取2005年11月到2014年9月我国以月为单位的社会融资规模的数据来构建ARMA模型，并利用该模型进行分析预测。 第三部分 ARMA模型构建 3.1判断序列的平稳性 首先绘制出M的折线图，结果如下图：
图3.1 社会融资规模M曲线图 从图中可以看出，社会融资规模M序列具有一定的趋势性，由此可以初步判断该序列是非平稳的。此外，m在每年同时期出现相同的变动趋势，表明m还存在季节特征。下面对m的平稳性和季节性·进行进一步检验。 为了减少m的变动趋势以及异方差性，先对m进行对数化处理，记为lm，其时序图如下： 图3.2 lm曲线图
对数化后的趋势性减弱，但仍存在一定的趋势性，下面观察lm的自相关图 表3.1 lm的自相关图 上表可以看出，该lm序列的PACF只在滞后一期、二期和三期是显著的，ACF随着滞后结束的增加慢慢衰减至0，由此可以看出该序列表现出一定的平稳性。进一步进行单位根检验，由于存在较弱的趋势性且均值不为零，选择存在趋势项的形式，并根据AIC自动选择之后结束，单位根检验结果如下： 表3.2 单位根输出结果 Null Hypothesis: LM has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic Prob.*
时间序列分析案例
《时间序列分析》案例案例名 称：时间序列分析在经济预测中的应用内容要 求：确定性与随机性时间序列之比较设计作 者：许启发，王艳明 设计时 间：2003年8月
案例四：时间序列分析在经济预测中的应用 一、案例简介 为了配合《统计学》课程时间序列分析部分的课堂教学，提高学生运用统计分析方法解决实际问题的能力，我们组织了一次案例教学，其内容是：对烟台市的未来经济发展状况作一预测分析，数据取烟台市1949—1998年国内生产总值（GDP）的年度数据，并以此为依据建立预测模型，对1999年和2000年的国内生产总值作出预测并检验其预测效果。国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映国民经济活动最重要的经济指标之一，科学地预测该指标，对制定经济发展目标以及与之相配套的方针政策具有重要的理论与实际意义。在组织实施时，我们首先将数据资料印发给学生，并讲清本案例的教学目的与要求，明确案例所涉及的教学内容；然后给学生一段时间，由学生根据资料，运用不同的方法进行预测分析，并确定具体的讨论日期；在课堂讨论时让学生自由发言，阐述自己的观点；最后，由主持教师作点评发言，取得了良好的教学效果。 经济预测是研究客观经济过程未来一定时期的发展变化趋势，其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未来经济活动的了解，以确定社会经济活动的发展水平，为决策提供依据。 时间序列分析预测法，首先将预测目标的历史数据按照时间的先后顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。 本案例的最大特色在于：它汇集了统计学原理中的时间序列分析这一章节的所有知识点，通过本案例的教学，可以把不同的时间序列分析方法进行综合的比较，便于学生更好地掌握本章的内容。 二、案例的目的与要求 （一）教学目的 1．通过本案例的教学，使学生认识到时间序列分析方法在实际工作中应用的必要性和可能性； 2．本案例将时间序列分析中的水平指标、速度指标、长期趋势的测定等内容有机的结合在一起，以巩固学生所学的课本知识，深化学生对课本知识的理解； 3．本案例是对烟台市的国内生产总值数据进行预测，通过对实证结果的比较和分析，使学生认识到对同一问题的解决，可以采取不同的方法，根据约束条件，从中选择一种合适的预测方法； 4．通过本案例的教学，让学生掌握EXCEL软件在时间序列分析中的应用，对统计、计量分析软件SPSS或Eviews等有一个初步的了解； 5．通过本案例的教学，有助于提高学生运用所学知识和方法分析解决问题的能力、合作共事的能力和沟通交流的能力。 （二）教学要求 1．学生必须具备相应的时间序列分析的基本理论知识； 2．学生必须熟悉相应的预测方法和具备一定的数据处理能力； 3．学生以主角身份积极地参与到案例分析中来，主动地分析和解决案例中的问题； 4．在提出解决问题的方案之前，学生可以根据提供的样本数据，自己选择不同的统计分析方法，对这一案例进行预测，比较不同预测方法的异同，提出若干可供选择的方案；
居民消费价格指数的时间序列分析
居民消费价格指数的时间序列分析 摘要： 时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法。本文以我国2007年1月至2011年4月居民消费价格指数为研究对象，基于居民消费价格指数存在明显的非平稳性和季节性特征，运用自回归移动平均季节模型进行建模分析，并利用SPSS建立了居民消费价格指数时间序列的相关关系模型，并对其进行预测，取得较好的效果。 关键词： 居民消费价格指数 SPSS软件时间序列分析预测 1
一、引言 （一）问题的基本情况及背景 居民消费价格指数的调查范围和内容是居民用于日常生活消费品的全部商品和服务项目价格。包括食品、烟酒及用品、衣着、家庭设备用品及维修服务、医疗保健和个人用品、交通和通讯、娱乐教育文化用品及服务、居住等八大类商品及服务项目价格。既包括居民从商店、工厂、集市所购买商品的价格，也包括从餐饮行业购买商品的价格。该指数以实际调查的综合平均单价和根据住户调查有关资料确定的权数，按加权算术平均公式计算。 全国居民消费价格指数是反映居民家庭购买生活消费品和支出服务项目费用价格变动趋势和程度的相对数。其目的在于观察居民生活消费品及服务项目价格的变动对城乡居民生活的影响，为各级党政领导掌握居民消费状况，研究和制定居民消费价格政策、工资政策以及为新国民经济核算体系中有消除价格变动因素的不变价格核算提供科学依据。居民消费价格指数还是反映通货膨胀的重要指标。当居民消费价格指数上升时，表明通货膨胀率上升，消费者的生活成本提高，货币的购买能力减弱；相反，当居民消费价格指数下降时，表明通货膨胀率下降，亦即消费者的生活成本降低，货币的购买能力增强。 居民消费价格指数的高低直接影响居民的生活水平，因此，准确的分析并及时的对居民消费价格指数做出合理的预测，对国家制定相应的经济政策，实行宏观调控，稳定物价，保证经济的增长平稳发展具有重要意义。 2
居民消费价格指数的统计回归模型
Statistical and Application 统计学与应用, 2015, 4, 9-14 Published Online March 2015 in Hans. https://www.360docs.net/doc/0012840609.html,/journal/sa https://www.360docs.net/doc/0012840609.html,/10.12677/sa.2015.41002 The Statistical Regression Model of Consumer Price Index Yi Zhang School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming Yunnan Email: zgws9999@https://www.360docs.net/doc/0012840609.html, Received: Feb. 10th, 2015; accepted: Feb. 21st, 2015; published: Feb. 28th, 2015 Copyright ? 2015 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.360docs.net/doc/0012840609.html,/licenses/by/4.0/ Abstract We obtain the best regression model by using stepwise regression method and analyzing the con-sumer price index and its impact factors; then we get some most important impact factors of it. The feasibility of the regression model is proved in the paper. The results show that the accuracy of model reaches to 99.8982%, so it have feasibility. Some suggestions based on the results are given at last. Keywords Consumer Price Index, Stepwise Regression Method, Model Accuracy 居民消费价格指数的统计回归模型 张艺 云南财经大学统计与数学学院，云南昆明 Email: zgws9999@https://www.360docs.net/doc/0012840609.html, 收稿日期：2015年2月10日；录用日期：2015年2月21日；发布日期：2015年2月28日 摘要 对居民消费价格指数及各影响因子进行分析，运用逐步回归法得到最优回归模型，得出居民消费价格指
第八章 时间序列分析
第八章时间序列分析与预测 【课时】6学时 【本章内容】 § 时间序列的描述性分析 时间序列的含义、时间序列的图形描述、时间序列的速度分析 § 时间序列及其构成分析 时间序列的构成因素、时间序列构成因素的组合模型 § 时间序列趋势变动分析 移动平均法、指数平滑法、模型法 § 时间序列季节变动分析 [ 原始资料平均法、趋势-循环剔除法、季节变动的调整 § 时间序列循环变动分析 循环变动及其测定目的、测定方法 本章小结 【教学目标与要求】 1.掌握时间序列的四种速度分析 2.掌握时间序列的四种构成因素 3.掌握时间序列构成因素的两种常用模型 4.掌握测定长期趋势的移动平均法 5.了解测定长期趋势的指数平滑法 6.； 7.掌握测定长期趋势的线性趋势模型法 8.了解测定长期趋势的非线性趋势模型法 9.掌握分析季节变动的原始资料平均法 10.掌握分析季节变动的循环剔出法 11.掌握测定循环变动的直接法和剩余法 【教学重点与难点】 1.对统计数据进行趋势变动分析，利用移动平均法、指数平滑法、线性模型法求得数 据的长期趋势； 2.对统计数据进行季节变动分析，利用原始资料平均法、趋势－循环剔除法求得数据 的季节变动； 3.对统计数据进行循环变动分析，利用直接法、剩余法求得循环变动。 【导入】 ； 很多社会经济现象总是随着时间的推移不断发展变化，为了探索现象随时间而发展变化的规律，不仅要从静态上分析现象的特征、内部结构以及相互关联的数量关系，而且应着眼于现象随时间演变的过程，从动态上去研究其发展变动的过程和规律。这时需要一些专门研究按照时间顺序观测的序列数据的统计分析方法，这就是统计学中的时间序列分析。 通过介绍一些时间序列分析的例子，让同学们了解时间序列的应用，并激发学生学习本章知识的兴趣。 1.为了表现中国经济的发展状况，把中国经济发展的数据按年度顺序排列起来，
近年来我国居民消费价格指数的统计分析
近年来我国居民消费价格指数的统计分析 引言 近些年，随着我国经济的不断发展，我国居民的物质消费水平也越来越高。而居民消费价格指数是反应人们消费水平状况的重要指标之一，也越来越被人们所重视。居民消费价格指数英文全称为Consumer Price Index，缩写为CPI，它是度量一般居民消费商品及服务的价格水平随着时间变动的相对数，综合各个年份的CPI能够反映居民购买的商品及服务项目价格水平的变动趋势和变动程度。居民消费价格指数在整个国民经济价格核算体系中占有重要的地位，对于政府进行宏观经济调控有着重要的作用。 CPI的计算是按照既定的商品及服务的权数按加权算术平均指数公式计算得出，CPI=（一组固定商品按当期价格计算的价值/一组固定商品按基期价格计算的价值）×100。居民消费价格指数在很大程度上反映了一国通货膨胀或者通货紧缩的程度。 近些年来我国居民消费价格指数的统计分析 近些年来我国消费价格指数基本呈现增长的态势。选取1978到1990年间某些年份及1996到2014年所有年份（以上年为基年）的居民消费价格指数进行分析。(数据来源于中华人民共和国国家统计局编《中国统计年鉴-2015》)
通过以上统计数据居民消费价格指数这一栏可以看出，除1998、1999、2002、2009年居民消费价格指数有略微的下降外，其他各
年份相较于上一年指数都有所上升。2012到2014年基本保持在每年上升2~3个百分点。 将上述数据转换成以1978年为基年的价格定基指数，可以得到下列统计数据。(数据来源于中华人民共和国国家统计局编《中国统计年鉴-2015》)
从以上统计数据的居民消费价格指数这一栏可以看出，我国居民消费价格指数呈现明显增长的趋势。其中1978年到1995年改革开放初期翻了将近4倍，而在1996~2014这20年里，我国居民消费价格指数也在较为稳定的增长，2014年已经是1978年的6倍多。