居民消费价格指数的分析与预测(毕业论文doc)(参考模板)
[参考范文]居民消费价格指数论文
![[参考范文]居民消费价格指数论文](https://img.taocdn.com/s3/m/60524e9dd1d233d4b14e852458fb770bf78a3b8a.png)
居民消费价格指数论文摘要：食品指数的变化与人民生活息息相关的食物支出紧密联系，粮油价格的上涨会导致与粮食关系密切的食品类工业品出厂价格上涨，从而导致食品价格指数上扬，居住价格的上涨会导致居住指数的上扬，因此为抑制CPI的快速增长，政府应加大控制在食品和居住上的价格。
居民消费价格指数也叫消费物价指数，简称CPI。
它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。
居民消费价格指数一方面同人民群众的生活密切相关，同时在整个国民经济价格体系中也具有重要的地位。
它是进行经济分析和决策、价格总水平监测和调控及国民经济核算的重要指标。
该文主要运用主成分回归分析的方法，找出影响居民消费价格总指数的主要分类指数，进而提出控制物价指数的可行方案，为促进经济健康发展提供有益的参考。
1 变量的选取该文数据全部来自《中国统计年鉴一2013》，选取了1994—2012年全国31个地区的居民消费价格总指数及分类指数的相关数据。
以居民消费价格总指数为因变量，分类指数食品x1、烟酒及用品x2、居住x3、交通通讯x4、医疗保健个人用品x5、衣着x6、家庭设备及维修服务x7、娱乐教育文化用品及服务x8为自变量，来建立模型。
2 实证分析2.1 相关分析对因变量与所有自变量作相关分析，由SPSS软件计算得因变量与自变量的相关系数依次为0.942，0.970，0.935，0.946，0.884，0.796，0.766，0.899，说明所选自变量与因变量均高度线性相关，适合作线性回归。
2.2 共线性诊断由于自变量的个数较多，自变量间可能存在多重共线性，这样在建立模型时就会出现严重的共线性。
下面使用特征根判定法中的条件数法来诊断变量之间是否存在多重共线性，用SPSS软件计算出特征根与条件数的结果见表1。
从表1可看到，最大的条件数是800.479，说明自变量间存在严重共线性，表1中第九行x1，x2，x3的系数分别为0.62，0.96，0.65，说明x1，x2，x3之间存在严重多重共线性。
计量经济学——关于居民消费价格指数的分析
吉林财经大学2013-2014学年第一学期《计量经济学》期末论文专业班级：姓名：学号：答辩记录及评语一、答辩记录二、评语摘要居民消费价格指数（consumer price index）简称CPI。
居民消费价格指数，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。
它是度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况。
本文采用1994年至2011年的CPI指数以及国内生产总值GDP增长率，m2同比增长率，一年定期存款利率，美元兑人民币汇率，外汇储备量，建立多元线性回归模型，运用最小二乘法，研究这些经济数据对CPI的影响。
[关键词]居民消费价格指数CPI，国内生产总值GDP，数据分析一、序言居民消费价格指数(CPI)是用来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，由于严重化的趋势，这必将影响人民的生活质量。
本文将就影响CPI变动的因素进行探讨，从而做出正确的判断，实行很好的宏观调控。
二、变量选取表1 1994年至2011年我国有关居民消费价格指数数据因1993年对汇率采取的政策变化，无数据，所以数据选取自1994年起，至2011年结束。
数据来源：国家统计局、《中国统计年鉴》三、实证分析（一）建立模型1、根据分析和数据建立了如下的计量经济学模型 选取CPI 增长率作为被解释变量，记作Y ； GPD 增长率为第一解释变量，记作X1；一年期定期利率为第三解释变量，记作X2；美元兑人民币汇率为第四解释变量，记作X3，单位元； 外汇储备量为第五解释变量，记作X4，单位万亿美元。
μβββββ+++++=443322110x x x x y2、根据1994年至2011年期间的数据建立模型。
用最小二乘法对模型进行回归得到原始回归，结果如下表所示：从上述结果可以看出，所估计的回归模型为Y=-34.63015+0.486148x1+2.011897x2+2.978864x3+2.768638x4 与此模型相对应的相关检验统计量分别为：69783.20,822531.0,864288.022===F R R ,DW=1.798283617227.0,447770.0,690784.6,826132.0,652373.043210====-=t t t t t四、模型的检验及修正（一）实际意义检验这个方程说明在其他变量不变的前提下，GDP 增长率每增加一个百分点，CPI 居民消费价格指数Y 就增加0.486148；一年期利率 2X 每增加一个百分点，CPI 居民消费价格指数Y 就增加2.011897；汇率3X 每增加1元，CPI 居民消费价格指数Y 就增加2.978864元；外汇储备量 4X 每增加1亿元，CPI 居民消费价格指数Y 就增加2.768638亿元。
中国居民消费价格指数分析
中国居民消费价格指数分析一、消费者物价指数定义及基本功能消费者物价指数（ConsumerPriceIndex），又名居民消费价格指数，简称CPI。
是一个反映居民家庭一般所购买的消费品和服务项目价格水平变动情况的宏观经济指标。
它是在特定时段内度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况，是一个月内商品和服务零售价变动系数。
居民消费价格统计调查的是社会产品和服务项目的最终价格，一方面同人民群众的生活密切相关，同时在整个国民经济价格体系中也具有重要的地位。
它是进行经济分析和决策、价格总水平监测和调控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。
一般来讲，物价全面地、变化对比、持续地上涨就被认为发生了通货膨胀。
消费者物价指数测量的是随着时间的变化，包括200多种各式各样的商品和服务零售价格的平均变化值。
这200多种商品和服务被分为8个主要的类别。
在计算消费者物价指数时，每一个类别都有一个能显示其重要性的权数。
这些权数是通过向成千上万的家庭和个人，调查他们购买的产品和服务而确定的。
权数每两年修正一次，以使它们与人们改变了的偏好相符。
二、中国居民消费价格指数、居民消费价格定基指数及分类居民消费价格指数分析1、中国居民消费价格指数随着经济的快速发展,居民的收入水平和消费水平在不断的上升,购买力也在不断的增强。
2019年中国居民消费价格指数102.9(上年=100)，同比增长0.78%。
其中，城市居民消费价格指数102.8(上年=100)，农村居民消费价格指数103.2(上年=100)。
商品零售价格指数102(上年=100)，工业生产者出厂价格指数99.7(上年=100)，工业生产者购进价格指数99.3(上年=100)，固定资产投资价格指数102.3(上年=100)。
2020年1月份，全国居民消费价格（CPI）同比上涨5.4%，涨幅比上月扩大0.9个百分点。
居民消费价格指数论文居民消费论文
居民消费价格指数论文居民消费论文对于居民消费价格指数回归分析【摘要】写作本文的目的是为了对居民消费价格指数的变化趋势作出一个回归。
并预测今后的CPI上涨范围。
本文采用2008年1月至2010年10月的月度数据，针对中国广义货币供应量M2，金融机构各项贷款和采购经理人指数对居民消费价格指数的影响运用EVIEWS计量分析软件。
【关键词】居民消费价格指数；广义货币供应量；金融机构各项贷款；采购经理人指数；分布滞后模型一、问题的提出自2007年次贷危机之后，中国经济陷入了一定的萧条，为了早日走出困境，中国采取超常规的宽松的货币政策和财政政策。
货币投放量不断增长，信贷投放也逐月上升。
政府短期的行为为日后的通货膨胀埋下了种子。
最能直观衡量通货膨胀程度的指标就是居民消费价格指数（CPI）。
本文的目的是为了对CPI的变化趋势做出一个回归。
并预测11月的CPI上涨幅度。
二、模型设定居民消费价格指数（Consumer Price Index，简称CPI）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。
它是判断经济形势和制订经济政策的重要参考变量。
货币学派的代表弗里德曼曾经说过：通货膨胀无论何时何地始终是货币现象。
我们把M2作为第一解释变量。
在宽松货币政策的前提下，天量信贷资金的投放也一定程度上助长了通胀。
所以我们把金融机构各项贷款额作为第二解释变量。
采购经理人指数（Purchase Management Index，PMI）是快速及时反映市场动态的先行指标。
这个指标越高就代表经济形势的预期越好。
而经济形势很好的时候通常会伴随着通胀现象。
所以我们把它作为第三解释变量。
三、数据处理和实证分析本文以Y（居民消费价格指数）作为被解释变量，X1（当月新增M2），X2（金融机构各项贷款月末数（亿元）），X3（制造业采购经理指数）作为三个解释变量。
对数据取其自然对数以减少异方差。
（数据来源：中经网统计数据库）一般来讲，货币供应量对CPI的影响是个滞后的过程，而金融机构各项贷款刺激投资也需要一定的滞后时间才能对CPI产生影响。
居民消费价格指数的统计分析与预测
居民消费价格指数的统计分析与预测摘要：本文简要介绍了居民消费价格指数的相关理论知识，并进一步从统计学的角度对居民消费价格指数依次做出了居民消费价格指数的总体分析、结构分析、影响因素分析以及动态预测分析，本文旨在通过更加深入的居民消费价格统计学研究帮助人们更加的了解居民消费价格指数。
关键词：居民消费价格指数；统计分析；理论知识；预测一、引言近几年，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，居民消费价格指数也越来越得到人们的重视。
居民价格消费指数是反应人们消费水平状况的重要指标，注重对居民的消费价格指数的研究可以增加政府对我国居民消费状况的了解，对我国政府的政策制定、经济宏观调控等都有重要的参考价值。
二、居民消费价格指数的理论知识居民消费价格指数英文全称为consumer price index，缩写为cpi，它是度量消费商品及服务项目价格水平随着时间变动的相对数，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体系中占有重要的地位，对于我国经济宏观调控具有正要的指导作用。
另外，cpi的计算采用的是是固定权数按加权算术平均指数公式计算，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%。
同时，居民消费价格指数还与经济通货膨胀有关，加深对居民消费价格指数的研究可以一定程度上抑制经济通货膨胀。
有学者认为，当居民价格指数>3%就表示本地区已经发生了通货膨胀。
三、居民消费价格指数的统计分析下面我们以我国今年来的居民消费价格指数为例从总体、结构、影响因素、以及动态预测四个方面进行深入分析。
1.居民消费价格指数的总体分析近几年，我国居民消费价格指数一直处于飞速上涨的状态，据国家统计局发布的数据显示，单2012年12月份全国居民消费价格指数同比上涨2.5%，涨幅比上月扩大0.5个百分点。
下图是节选我国2008年—2012年我国统计局统计的cpi的增长率：总体分析，我国居民消费价格指数上涨有以下三个明显的特征：（1）我国物价涨幅逐步的扩大；我国近几年居民消费价格指数的运行轨迹一般都呈现前低后高的态势。
居民消费价格指数的分析与预测(毕业论文doc)
西南交通大学本科毕业论文居民消费价格指数的分析与预测年级:2007级学号:20075275姓名:专业:统计学指导老师:2011年 6 月毕业设计（论文）任务书班级 07统计姓名学号 20075275发题日期：2011 年 1 月 12 日完成日期： 5 月 24 日题目居民消费价格指数的分析与预测1、本论文的目的、意义在2009年过后，我国CPI指数扶摇直上，通货膨胀率也在同时不断上涨，中国面临着较大的通货膨胀压力，民众生活成本不断加重，如何跑赢CPI已经成为了白领阶层的热门话题，本文将从统计学的观点出发，用时间序列模型对CPI指数进行分析与预测，对未来经济水平的走势有一个了解，对国家经济建设有一个宏观的意识。
2、学生应完成的任务首先对居民消费价格指数以及时间序列ARIMA模型的概念和相关理论有一定深入的了解，明白本文的写作目的以及意义。
然后通过互联网收集2000年1月至2011年4月的居民消费价格指数历史数据。
对数据进行预处理，包括：直观性的图形分析和描述性统计分析，这样能够对样本有一个整体的认识，方便后期建立模型时的对数据的操作处理。
在预处理阶段对样本整体的走势作出一个分析，比如居民消费价格指数在2000年1月至2011年4月期间是如何波动的，又是什么原因造成这些波动，这些波动能够带来什么样的影响等。
将预处理之后的数据输入EViews软件，进行ARIMA模型的建模准备工作，如：平稳性分析，零均值处理等。
利用处理过之后的数据建立出几个相对拟合程度较高的ARIMA模型，并且利用软件对预测模型的分析结果来选择一个拟合程度较高的模型作为本研究的居民消费价格指数预测模型。
在确定预测模型之后，通过阅读大量的文献与预测得出的结果相结合，对2011年的居民消费价格指数的短期走势进行分析，并在分析之后给出合理性的政策建议，达到本文的写作目的：对国家的宏观经济有一个较为客观的判断与认识。
3、论文各部分内容及时间分配：（共 14 周）第一部分选题、熟悉相关概念与理论 ( 1周) 第二部分论文的内容安排，绪论部分的写作 (2 周) 第三部分数据的处理以及模型的建立，预测部分(4 周) 第四部分短期走势的分析与预测(3周) 第五部分结论、致谢的写作以及格式的修改(2周) 评阅及答辩(2 周)备注指导教师：年月日审批人：年月日西南交通大学本科毕业设计(论文) 第Ⅳ页摘要从2007年至今，中国居民消费价格指数经历了一次空前的大起大落，受多方面因素的影响，居民消费价格指数在2008年2月创下了108.5%的历史最高涨幅；在2008年下半年和2009年又迅速的跌落，并且在2009年7月降至98.2%，创下了10年来的最低记录。
中国城镇居民消费价格指数分析
中国城镇居民消费价格指数分析随着中国经济的不断发展，城镇化进程不断加速，城镇居民消费日益多元化。
消费价格指数（CPI）是一个衡量消费品和服务的价格变动情况的指数。
它是了解物价水平、通货膨胀和市场供求变化的重要指标。
本文将探讨中国城镇居民消费价格指数的变动情况。
一、CPI概述CPI是指消费者物价指数，由国家统计局发布。
它是衡量一国或一地区消费品和服务价格总水平变动趋势的指标，是了解物价水平、通货膨胀和市场供求变化的重要指标。
涉及的货物价格通常被称为“篮子”，CPI是衡量篮子的平均成本。
二、CPI变动情况下面我们将以最近10年的数据为例，对中国城镇居民消费价格指数的变动情况进行分析。
（一）2020年2020年中国城镇居民消费价格指数同比上涨2.5%，涨幅比上年收窄0.7个百分点，为近九年来最低水平。
其中，居住、医疗保健和教育文化娱乐类价格上涨较快，交通和通信、食品烟酒类、衣着价格略有下降。
（二）2010-2019年2010年到2019年的CPI变动情况如下：1. 2010年CPI同比上涨3.3%，涨幅相对较低。
2. 2011年CPI同比上涨5.4%，比上年涨幅扩大并创近三年新高。
3. 2012年CPI同比上涨2.6%，创三年新低，但涨幅反弹。
4. 2013年CPI同比上涨2.6%，同上年持平，且是近10年来同比涨幅最小的一年。
5. 2014年CPI同比上涨2.0%，降幅近半。
%以以上6. 2015年CPI同比基本持平，同比上涨1.4%，为国内市场稳定预期作出正面贡献。
7. 2016年CPI同比上涨2.0%，以低位平稳预期看待CPI走势。
8. 2017年CPI同比上涨1.6%，涨幅较2016年扩大。
9. 2018年CPI同比上涨2.1%，涨幅较上年扩大0.5个百分点。
10. 2019年CPI同比上涨2.9%，涨幅连续两年扩大，创去年以来最高。
（三）CPI变动原因CPI涨跌受多种因素的影响，包括货币政策的紧松或紧缩、通货膨胀预期、供求关系不平衡、季节性因素等。
居民消费价格指数的统计分析与预测
（ ３ ） 受我国国内供需不平衡 的影响 ；受近几年我国 自然灾害 的影响，以及国际市场的影响 ，我 国很多地方市场都 总体呈现 出
供 求失 衡 的 状况 。例 如像 生 猪 养殖 业 ，近 几年 瘟 疫 发 生 ，养殖 户 减 少 ，导 致 猪 肉市 场 供 低于 求 ，猪 肉价格 持 续 上涨 。 ４ ． 居 民消 费 价格 指 数 的动 态 预 测分 析
公 式 计算 ，ＣＰ Ｉ ＝ （ 一 组 固 定 商 品按 当 期价 格 计 算 的价 值 ／一 组 数 ＞３ ％就 表 示 本地 区已 经发 生 了通 货 膨胀 。
三 居 民消费价格指数 的统计分析
下 面 我 们 以 我 国 今 年 来 的 居 民 消费 价 格 指数 为 例 从 总 体 、
从 以 上 推 动 价 格 上 涨 的 因 素 来 看 ，我 国 在 最 近 的 一 段 时 间 据 国家统计局 发布的数 据显示 ，单 ２ ０ １ ２年 １ ２月份全 国居民消费 里 ，物价 还 是 会 持续 上 涨 ，尤其 是 资源 类 的 产 品 。从 物价 稳 定 的 价 格 指数 同 比 上 涨 ２ ． ５ ％，涨 幅 比上 月扩 大 ０ ． ５ 个 百 分 点 。下 图 因素 来 具体 分 析 ，近 几 年 我 国政 府 在 经济 调 控 方面 也 出 台 了一 系 列 的政 策 ，继 续 实 施 适 度 从 紧 的 财 政 和 货 币 政 策 ，像 ２ ０ ０ ８年 央 是节 选 我 国 ２ ０ ０ ８ 年— ２ ０ １ ２年我 国统 计局 统 计 的 Ｃ Ｐ Ｉ 的增 长 率 ：
居 民消费价格指数的统计分析与预测
荣 钰 菁
居民消费价格指数的时间序列分析及预测
关 键 词 ：时 间 序 列 ；CPI；趋 势 ；预 测
中 图 分 类 号 ：F126；C913
文 献 标 识 码 ：A
文 章 编 号 ：1002-6487（2009）04-0117-02
１ 我国居民消费价格指数的现状
居 民 消 费 价 格 指 数 （Consumer Price Index，CPI）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 情况的指标。 一般说来当 CPI>3%的增幅时,我们称为通货膨 胀;而当 CPI>5%的增幅时,我们把他称为严重的通货膨胀。 如 果消费价格指数升幅过大,表明通胀已经成为经济不稳定因 素,央行会有紧缩货币政策和财政政策的风险,从而造成经济 前景不明朗。
２ 趋势模型的选择（统计学时间数列分解模型）
为 了 对 我 国 CPI 的 变 化 有 更 加 全 面 和 深 入 的 把 握 和 认 识， 现观测从 1990~2007 年居民消费价格指数的全部数据， 见表 1。
由以上数据可以看出，因为居民消费价格指数受到如经 济增长、特别是国家宏观货币政策等因素的影响，分析我国 居民消费价格指数的变动不能简单地用一个线性模型来解 释。 但是可以看出在一定的时期内，宏观经济波动不大的情 况下，居民消费价格指数基本还是呈线性的。 因此，笔者将这 时间数列分段， 用线性模型分别分析居民消费价格指数在 1990~1994 年 、1994~1999 年 以 及 1999~2007 年 这 三 个 不 同 的经济状况下的变动情况。 下面，就详细的分析这几个阶段 CPI 的变动规律。 2.1 分析方法的选择
居民消费价格指数的相关分析
居民消费价格指数的相关分析居民消费价格指数（CPI）是衡量居民消费水平和价格变动的重要指标。
它反映了一段时间内一篮子消费品和服务的平均价格变化情况，对于监测通货膨胀、制定经济政策以及衡量经济增长具有重要意义。
本文旨在对居民消费价格指数进行相关分析，并探讨其对经济和社会的影响。
首先，我们将介绍CPI的背景和重要性，为读者提供一个全面的了解。
然后，我们将分析CPI的计算方法和数据来源，以确保结果的准确性和可靠性。
接下来，我们将探讨CPI的应用领域，包括宏观经济政策、货币政策和社会福利等方面。
最后，我们将总结分析结果，并展望未来CPI的发展趋势和挑战。
通过本文的相关分析，我们希望读者能够深入了解居民消费价格指数的重要性和作用，从而为经济决策和政策制定提供有力支持。
参考文献：Smith。
J。
(2010)。
Understanding CPI: A comprehensive guide。
Journal of Economic Analysis。
25(2)。
45-60.Johnson。
M。
(2015)。
The impact of CPI on ary policy。
Economic Journal。
35(4)。
78-95.CPI的定义和计算方法Johnson。
M。
(2015)。
The impact of CPI on ary policy。
Economic Journal。
35(4)。
78-95.CPI的定义和计算方法居民消费价格指数（CPI）是衡量一篮子商品和服务的价格变化对居民消费影响的指标。
它可以帮助我们了解通货膨胀的情况，以及居民购买力的变化。
居民消费价格指数（CPI）是衡量一篮子商品和服务的价格变化对居民消费影响的指标。
它可以帮助我们了解通货膨胀的情况，以及居民购买力的变化。
CPI的计算方法涉及多个步骤：样本选择：为了准确反映居民的消费惯，需要选择代表性的样本。
通常会采用样本调查的方式，收集居民的消费数据。
居民消费价格和商品零售价格指数分析论文
论文题目：居民消费价格和商品零售价格指数分析目录一、摘要 (2)二、因素选择与分析 (2)三、数据收集 (3)居民消费价格和商品零售价格指数数据表 (4)变量相关关系散点图 (5)四、模型设定 (5)回归模型与结果分析 (5)曲线拟合和因子分析以及线形图 (7)五、总结建议 (9)六、参考文献 (10)摘要居民消费价格指数受很多因素的影响，如果使用回归分析的预测方法会出现寻找主要因素和次要因素的困难，同时还可能遗漏影响因素的错误，但是动态分析的方法只需要通过序列找出序列自身的规律，建立模型并预测。
使用动态分析的方法对我国城市居民消费价格指数进行拟合，提供一个有效经济预测的方法。
本文使用我国城市居民消费价格指数进行观察和研究，通过对城市居民消费价格指数时序图和自相关与偏相关函数的统计识别,建立ARMA模型，并进行显著性检验选择合适的模型并预测未来四年的城市居民消费价格指数，并与实际数据进行比较，得出合理的结论。
关键字：动态分析城市居民消费价格指数平稳性因素选择和分析1、居民消费价格指数是反映一定时期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。
从宏观经济理论来看，物价上涨的原因一般有三种情况：第一种情况是需求拉动式的物价上涨，它是由于需求扩所引起的；第二种情况是成本推动式的物价上涨，它是由于原料、燃料价格等成本价格的上涨所引起的；第三种情况是物价上涨的国际传递，它是由于一个国家的物价上涨或货币贬值传导到他国的现象。
为了较准确地分析CPI的影响因素，须对每一种情况进行考察。
我国居民消费价格指数的变动及其影响因素分析
我国居民消费价格指数的变动及其影响因素分析1. 引言居民消费价格指数（Consumer Price Index，CPI）是衡量居民家庭购买一定数量和质量的消费品及服务价格水平变动的指标。
CPI的变动对于经济运行、货币政策和社会稳定等方面具有重要意义。
本文将分析我国居民消费价格指数的变动及其影响因素，并探讨对经济和社会的影响。
2. 中国居民消费价格指数的趋势CPI是我国衡量居民消费物价水平变动的主要指标。
自上世纪90年代以来，中国的CPI呈现出较为复杂的变动趋势。
2.1 初期变动（1990年代）在改革开放初期，我国CPI呈现较高的增长趋势。
这主要是由于供求矛盾、物价体制改革以及市场价格体系逐步形成等因素影响所致。
2.2 稳定增长（2000年代）进入21世纪后，中国CPI逐渐趋于稳定增长。
这主要得益于国家经济的整体发展和政府多项宏观调控政策的实施。
尤其是加入世界贸易组织（WTO）后，国际经济合作的深入推进为中国消费品市场的开放提供了机遇。
2.3 快速上升（2010年代）近年来，我国CPI呈现出快速上升的趋势。
这主要是由于资源价格的上涨、能源价格的波动以及人民币汇率的贬值等因素导致的。
此外，城市化进程的加快、人口老龄化和人民生活水平提高也是导致CPI上升的因素。
3. 影响我国居民消费价格指数的因素3.1 货币供应和货币政策货币供应是影响CPI变动的重要因素之一。
如果货币供应增长过快，将导致过多的货币投放市场，推动物价上涨；相反，如果货币供应不足，可能导致物价下降。
货币政策的调控对CPI的影响尤为关键，通过调整存款准备金率、利率水平和货币增长速度等手段，可以调控CPI的上升趋势。
3.2 生产要素成本生产要素成本的变动也会对CPI产生影响。
例如，原材料价格的上涨、劳动力成本的增加等都会导致产品价格上升，从而推动CPI的上升。
3.3 国际市场价格变动国际市场价格的变动对我国CPI同样具有重要影响。
全球经济形势、国际原油价格、进出口贸易政策等因素都会对我国商品价格产生直接或间接的影响，从而影响CPI的变动。
居民消费价格指数(CPI)论文：关于我国CPI影响因素的实证分析及预测
居民消费价格指数(CPI)论文：关于我国CPI影响因素的实证分析及预测摘要:居民消费价格指数(cpi)是衡量通货膨胀的重要指标，在社会经济发展和国民经济核算中起着重要作用。
本文首先介绍了cpi的概念及作用，对正确认识cpi提出了一些自己的看法，然后通过回归分析以cpi为被解释变量建立多元回归模型，根据模型进行短期预测，并得出相关结论。
关键词:居民消费价格指数(cpi) m1gdp增长率引言2011年4月15日，国家统计局发布了3月份经济运行数据，我国居民消费价格指数(cpi)同比上涨5.4%，创下连续32个月以来的新高。
由于cpi与人们的日常生活息息相关，cpi的不断攀升引起了人们的高度关注。
一、 cpi的概念及作用cpi，居民消费价格指数（consumer price index）的简称，是普通消费者所购买的物品与劳务的总费用的衡量标准，它是反映一定时期内价格变动程度和趋势的相对数。
cpi 最早起源于美国，后逐渐被发达国家应用，现在已经成为世界各国普遍编制的一种指数。
其计算公式为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。
1975年美国经济学家戈登（robert j.gordon）提出了核心cpi的概念，它能够更加准确的反映一个国家整体的经济运行情况。
但是，目前我国对核心cpi还没有明确的界定。
cpi作为反映宏观经济运行的重要指标，是宏观经济运行的“晴雨表”。
首先，cpi源于现实生活同时又反映现实生活，人们对于cpi的涨跌有着切身的感受，它与人们的生活息息相关；其次，它不仅可以反映通货膨胀情况，而且可以反映货币购买力变动和对人们实际工资的影响；第三，对国民经济核算有着重要意义。
在国民经济核算中，为了更加准确的反映经济增长数量，需要剔除价格因素的影响，利用各种价格指数对gdp进行核算，如消费者价格指数（cpi）、生产者价格指数（ppi）以及gdp平减指数。
关于居民消费价格指数的时间序列分析论文
关于居民消费价格指数的时间序列分析摘要本文以我国1997年4月至2014年4月间每月的烟酒及用品类居民消费价格指数为原始数据，利用EVIEWS软件判断该序列为平稳序列且为非白噪声序列，通过对数据一系列的处理，建立AR(1)模型拟合时间序列，由于时间序列之间的相关关系和历史数据对未来的发展有一定的影响，对我国的烟酒及用品类居民消费价格指数进行了短期预测，阐述该价格指数所表现的变化规律。
关键字：烟酒及用品类居民消费价格指数，时间序列，AR模型，预测引言一、理论准备时间序列分析是按照时间顺序的一组数字序列。
时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。
时间序列分析是定量预测方法之一。
基本原理：1.承认事物发展的延续性。
应用过去数据，就能推测事物的发展趋势。
2.考虑到事物发展的随机性。
任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。
该方法简单易行，便于掌握，但准确性差，一般只适用于短期预测。
时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。
二、基本思想1. 拿到一个观测值序列之后，首先判断它的平稳性，通过平稳性检验，判断序列是平稳序列还是非平稳序列。
2.若为非平稳序列，则利用差分变换成平稳序列。
3.对平稳序列，计算相关系数和偏相关系数，确定模型。
4.估计模型参数，并检验其显著性及模型本身的合理性。
5.检验模型拟合的准确性。
6.根据过去行为对将来的发展做出预测。
三、背景知识CPI（居民消费价格指数），是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
居民消费价格指数，是对一个固定的消费品篮子价格的衡量，主要反映消费者支付商品和劳务的价格变化情况，也是一种通货膨胀水平的工具。
一般来说，当CPI>3%的增幅时我们称为通货膨胀。
国外许多发达国家非常重视消费价格统计，美国、加拿大等国家都计算和公布每月经过季节调整的消费价格指数，以满足不同信息使用者的要求。
我国居民消费水平的分析和预测
我国居民消费水平的分析和预测【摘要】消费、投资和净出口是拉动经济的三架马车，但我国经济主要依靠投资和净出口拉动。
近年来，我国采取了一系列措施以刺激国内消费，增强我国内需动力，以达到合理的消费水平，平衡经济结构。
居民消费水平是影响消费的主要因素，因此文章选取我国居民消费水平为研究对象，运用指数曲线趋势外推法和布朗三次指数平滑法（二次曲线指数平滑法）的模型组合对我国居民消费水平进行预测，并对增加未来我国居民消费提出建议以供参考。
【关键词】居民消费水平；指数曲线趋势外推法；布朗三次指数平滑法；模型组合1.引言居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
居民消费水平主要通过消费的物质产品和劳务的数量和质量反映出来。
消费是生产的的最终目的，也是影响经济增长的重要因素。
由此，本文运用1979年到2012年年度居民消费水平数据进行分析，分别运用指数曲线趋势外推法、布朗三次指数平滑法即二次曲线指数平滑法和两者的模型组合对我国居民消费水平进行分析预测，并提出促进未来我国居民消费的相关建议。
2.数据获取我们从国家统计局网站上搜集了从1979-2012年共34期的我国居民消费水平数据进行建模研究，并对2013、2014两年的居民消费水平数据进行预测。
数据处理后得到如图1。
图1 1979-2012年居民消费水平3.实证分析3.1指数曲线趋势外推法3.1.1模型建立由于指数曲线趋势预测只能针对于呈现二次型增长的数据进行预测，因此首先对原始数据进行一阶差分，二阶差分，三阶差分，并计算一阶比率。
通过计算我们发现一阶比率保持稳定，可以选择指数曲线趋势外推法进行分析。
在此我们运用的指数曲线趋势外推法的预测模型为：,t为时间，为预测值。
3.1.2预测结果通过运用指数曲线趋势外推法，我们得到如图2.从图2可以看出曲线开始的拟合程度很高，但以后的拟合效果不太好。
从预测模型中得到的预测结果为：2013年为17359.97元，2014年为19748.81元。
我国居民消费价格指数(CPI)的回归分析与预测
经济预测与决策题目姓名所在学院专业班级学号指导教师日期年月日指导教师评阅意见学生姓名专业班级学号（论文）题目指导教师教师职称论文评语评定成绩：指导教师签名：年月日我国居民消费价格指数（CPI）的回归分析与预测07级经济学1班李栋指导教师米娟摘要：目前，我国居民消费价格指数成为公众关注的热点名词，也直接影响着国民经济的稳定发展与人民生活水平的改善。
从理论上分析居民消费价格指数的影响因素，建立一个经济模型，对了解和掌握居民消费价格指数的变化具有重要的现实意义。
本文采用线性回归分析方法，力图对居民消费价格指数的变化进行分析。
关键词：消费价格指数回归分析经济预测1.引言居民消费价格指数（CPI）是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
CPI虽然是一个滞后指标，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
如果CPI的增幅过大，表明通胀已经成为经济不稳定因素，央行会有紧缩货币政策和财政政策的风险，从而造成经济前景不明朗，因此，该指数过高的升幅往往不被市场欢迎。
现阶段，随着经济全球化的大趋势和中国的进一步融入，我国的经济稳定发展越来越受到国内、国际的关注，CPI稳定、就业充分及GDP增长已经成为我国最重要的社会经济目标。
尤其在面对国内经济在市场宏观的调节下，消费水平、利率、商品价格潜移默化的影响着百姓的生活，因此，对CPI的分析预测已经显得越发重要。
2.影响因素分析和数据的搜集整理2.1有关影响因素的定性分析对居民消费价格指数（CPI）构成影响的因素有很多，如宏观经济发展水平、中长期经济发展战略和当前的经济政策，具体到国民经济运行的指标中来，有以下几个方面：（1）居民消费水平指数。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平与居民消费价格指数的关系十分密切和直接，收入的增长，消费水平的提高，自然会引起社会总需求的增长，进而导致消费价格指数的增长。
居民消费价格指数的分析统计与预测
居民消费价格指数的分析统计与预测张云峰【摘要】本文将运用ARIMA模型进行安徽省月度CPI的短期预测.文章采用2005年1月至2016年7月安徽省的居民消费价格指数月度数据,借助 Eviews 软件对数据进行拟合分析,建立了 ARIMA(12,1,12)模型,模型检验结果表明模型的准确性高,预测误差较小;并对未来安徽省居民消费价格指数进行预测,研究结果表明安徽省2017年3月到2017年8月的 CPI波动幅度较小,趋于稳定.【期刊名称】《河北企业》【年(卷),期】2017(000)012【总页数】2页(P40-41)【关键词】CPI(居民消费价格指数);拟合;预测【作者】张云峰【作者单位】宿州学院【正文语种】中文【中图分类】F201居民消费价格指数（CPI）是能度量一组具有代表性消费商品及服务项目的价格水平随时间而变动的相对数，其变动率在一定程度上反映了通货膨胀或紧缩的程度；也是一个与人们生活紧密联系的一个经济指数，在经济指标体系中备受重视。
因为CPI指数对区域经济的研究发展极为重要，故对其进行分析非常必要，并且需要颇为严谨地进行。
下面以安徽省CPI数据作为研究对象，通过相关理论和Eviews软件操作做出ARIMA模型，并选出最佳的模型以验证安徽省2016年3月至2017年2月的CPI数据，最后预测出安徽省的2017年3至8月份走势。
在统计中，我们有非常多的理论用于分析时间序列，其中ARMA表达式：引入延迟算子后：式中Φ (B)=1-φ1B-……-φpBp为p阶自回归多项式，其中Θ(B)=1-θ1B-……-θqBq为 q阶自回归多项式，εt是白噪声序列。
实际中，我们收集到的原始数据很多是不平稳的，这时就需要做差分运算。
得到的模型为：记为 ARIMA(p，d，q)。
平稳性检验和白噪声检验是我们经常运用到的分析方法，它们通常用来检验一组时间序列是否有效。
通常，检验一个原始的时间序列是否平稳，我们一般都会利用“图检验方法”和ADF检验来做出判断，然后通过Eviews软件做出卡方检验判断出时间序列是否具有纯随机性。
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1994 124.1 125.0 123.4 121.7 120.9 122.9 1995 117.1 116.8 117.5 114.8 113.5 116.41996 108.3 108.8 107.9 106.1 105.8 106.4 1997 102.8 103.1 102.5 100.8 100.8 100.7 1998 99.2 99.4 99.0 97.4 97.4 97.6 1999 98.6 98.7 98.5 97.0 97.0 97.1 2000 100.4 100.8 99.9 98.5 98.5 98.52001 100.7 100.7 100.8 99.2 98.9 99.6 2002 99.2 99.0 99.6 98.7 98.5 99.1 2003 101.2 100.9 101.6 99.9 99.6 100.5 2004 103.9 103.3 104.8 102.8 102.1 104.2 2005 101.8 101.6 102.2 100.8 100.5 101.4北京101.5 101.5 99.7 99.7天津101.5 101.5 99.9 99.9河北101.8 101.4 102.2 101.1 101.0 101.2 山西102.3 101.7 103.7 100.3 100.0 100.7 内蒙古102.4 102.0 103.3 101.5 101.5 101.4辽宁101.4 100.8 104.0 100.1 100.0 100.9 吉林101.5 101.4 101.9 101.1 101.0 101.5 黑龙江101.2 100.8 102.3 100.4 99.7 102.3上海101.0 101.0 99.4 99.4江苏102.1 102.0 102.4 100.3 100.0 101.1 浙江101.3 101.5 101.2 100.9 101.0 100.7 安徽101.4 101.0 101.9 100.6 100.0 101.1 福建102.2 101.9 102.8 100.6 100.3 101.0 江西101.7 101.5 102.2 100.9 100.3 101.4 山东101.7 101.1 102.4 100.6 100.4 101.2河南102.1 102.1 102.1 101.7 101.8 101.6 湖北102.9 102.7 103.3 102.1 101.9 102.4 湖南102.3 102.1 102.8 102.3 101.6 103.0 广东102.3 102.0 102.7 101.8 101.5 102.2 广西102.4 103.0 101.6 101.1 101.3 101.0 海南101.5 101.3 101.7 100.9 100.4 101.5重庆100.8 100.8 98.7 98.7四川101.7 101.7 101.6 100.6 100.1 101.0 贵州101.0 100.6 102.1 101.3 100.3 102.8云南101.4 101.7 101.0 100.1 100.4 99.8西藏101.5 101.5 100.9 100.8 100.8 100.4陕西101.2 100.9 101.8 100.1 99.8 100.8 甘肃101.7 101.2 103.0 99.9 99.5 100.6 青海100.8 99.7 103.1 100.7 100.6 101.0 宁夏101.5 101.6 101.2 100.4 100.5 100.1 新疆100.7 100.6 101.2 99.4 99.5 99.3四、计量经济模型建立和检验（一）、变量相关关系散点图（二）模型的设定模型设定：影响居民消费的因素很多，商品零售价格的变动，服务价格的变动都会显著表现在其中。
2023年居民消费价格运行情况分析(五篇)
2023年居民消费价格运行情况分析（五篇）2023年居民消费价格运行情况分析（五篇）【篇一】2023年上半年，**居民消费价格总水平上涨1.1%，涨幅较去年同期收窄0.4个百分点，高于全国、全省0.4个百分点（全国、全省均为上涨0.7%）。
分类别看，消费品价格上涨0.9%，服务价格上涨1.3%，工业品价格上涨0.1%。
一、基本运行情况（一）同比温和上涨，环比震荡下行。
从各月同比情况看，受国际环境复杂严峻，世界经济持续低迷，国内需求和消费仍显不足，以及上年同期基数较高等多重因素影响，同比价格低位运行，分别上涨2.5%、1.0%、1.3%、0.6%、0.7%、0.3%。
从各月环比情况看，1月份由于“双节”效应和疫情防控政策优化调整，食品和服务需求节日性增加，价格环比上涨1.5%；2月份随着节日因素消散，疫情趋于缓和，食品和服务需求减弱，价格环比下降0.5%；3月份国内气候稳定，市场供需平衡，价格环比持平；4-6月份气温快速转暖，各类商品和服务供应充足，价格持续回落，分别下降0.2%、0.6%、0.2%（二）八大类商品及服务项目呈“六升二降”态势。
2023年上半年，八大类商品及服务价格上涨的有：其他用品及服务类6.0%，衣着类3.7%，教育文化娱乐类2.2%，食品烟酒类1.9%，生活用品及服务类1.2%，居住类0.1%；下降的有：交通通信类1.0%，医疗保健类0.2%。
（三）**居民消费价格涨幅高于全省平均水平。
2023年上半年，**居民消费价格同比涨幅高于全省平均涨幅0.4个百分点（见表1）。
表1:上半年**居民消费价格涨（跌）幅与全省平均水平比较 **（%）全省平均（%）差距（百分点）居民消费价格涨（跌）幅1.10.三、在全省四个县级市的排位一季度全省CPI同比上涨0.9%，**居民消费价格指数高于全省平均水平1.1个百分点。
在全省四个县级市（有价格调查的四个县）中，一季度居民消费价格指数按从高到低排序，**居第二位，分别比尚志、富锦高1.0个百分点和1.6个百分点，比宁安低0.7个百分点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
西南交通大学
本科毕业论文
居民消费价格指数的分析与预测
年级:2007级
学号:20075275
姓名:
专业:统计学
指导老师:
2011年 6 月
1 / 39
毕业设计（论文）任务书
班级 07统计姓名学号 20075275
发题日期：2011 年 1 月 12 日完成日期： 5 月 24 日
题目居民消费价格指数的分析与预测
1、本论文的目的、意义在2009年过后，我国CPI指数扶摇直上，通货膨胀率也在同时不断上涨，中国面临着较大的通货膨胀压力，民众生活成本不断加重，如何跑赢CPI已经成为了白领阶层的热门话题，本文将从统计学的观点出发，用时间序列模型对CPI指数进行分析与预测，对未来经济水平的走势有一个了解，对国家经济建设有一个宏观的意识。
2、学生应完成的任务首先对居民消费价格指数以及时间序列ARIMA模型的概念和相关理论有一定深入的了解，明白本文的写作目的以及意义。
然后通过互联网收集2000年1月至2011年4月的居民消费价格指数历史数据。
对数据进行预处理，包括：直观性的图形分析和描述性统计分析，这样能够对样本有一个整体的认识，方便后期建立模型时的对数据的操作处理。
在预处理阶段对样本整体的走势作出一个分析，比如居民消费价格指数在2000年1月至2011年4月期间是如何波动的，又是什么原因造成这些波动，这些波动能够带来什么样的影响等。
将预处理之后的数据输入EViews软件，进行ARIMA模型的建模准备工作，如：平稳性分析，零均值处理等。
利用处理过之后的数据建立出几个相对拟合程度较高的ARIMA模型，并且利用软件对预测模型的分析结果来选择一个拟合程度较高的模型作为本研究的居民消费价格指数预测模型。
在确定预测模型之后，通过阅读大量的文献与预测得出的结果相结合，对2011年的居民消费价格指数的短期走势进行分析，并在分析之后给出合理性的政策建议，达到本文的写作目的：对国家的宏观经济有一个较为客观的判断与认识。
3、论文各部分内容及时间分配：（共 14 周）
第一部分选题、熟悉相关概念与理论 ( 1周) 第二部分论文的内容安排，绪论部分的写作 (2 周) 第三部分数据的处理以及模型的建立，预测部分(4 周) 第四部分短期走势的分析与预测(3周) 第五部分结论、致谢的写作以及格式的修改(2周)评阅及答辩(2 周)
备注
指导教师：年月日
审批人：年月日
摘要
从2007年至今，中国居民消费价格指数经历了一次空前的大起大落，受多方面因素的影响，居民消费价格指数在2008年2月创下了108.5%的历史最高涨幅；在2008年下半年和2009年又迅速的跌落，并且在2009年7月降至98.2%，创下了10年来的最低记录。
在2010年和2011年，居民消费价格指数又呈现出高压上涨的趋势，其走势难以捉摸。
居民消费价格指数的增长与跌落关系对居民大众的日常生活水平，经济体制的稳定，国家政策的实施都有着深远的影响。
本文正是基于居民消费价格指数的重要性对其进行研究。
根据所学时间序列相关知识，根据2000年1月到2010年12月的居民消费价格指数历史数据建立一个ARIMA预测模型，最后分析了2011年的居民消费价格指数的短期走势，对未来的政策提出了相关建议，这对于了解国家宏观经济态势有着一定的帮助和意义。
关键词：ARIMA模型，CPI，居民消费价格指数，预测，分析
Abstract
CPI in China has been going up and down like never before since 2007. Affected by many factors, it rocketed by 108.5%, the biggest increase ever, in Februray of 2008, yet tumbled fast in the second half year of 2008 and the year of 2009. In July of 2009, it broke the record of the lowest price for the last decade by a decrease of 98.2%. The trend is hard to anticipate, for in 2010 and 2011, CPI in China again tended to go up. The increase and decrease of CPI have a deep and long-term influence on our people's life, the stability of our economy system and our national policies. This thesis is to study and analyze CPI based on its importance. Using the knowledge about time series I have learnt, basing on the CPI data from January of 2000 to December of 2010, I build an ARIMA forecast model. Then I analyze the short-term trend of CPI in 2011 in China and give some relating advice about future polices, which is meaningful and can help understand our country's macro-economy trend.
key words：ARIMA model,CPI,forcecast,analyze.
目录
第1章绪论 (1)
1．1 论文的研究背景 (1)
1.1.1 居民消费价格指数的概念介绍 (2)
1.1.2 居民消费价格指数的计算公式 (3)
1.2 研究目的 (3)
1.3 研究的思路和内容 (3)
第2章ARIMA模型理论概述 (5)
2．1 ARIMA模型理论以及方法概述 (5)
2．1．1 时间序列模型的含义 (5)
2．1．2 随机时间序列模型 (5)
2．1．3 自回归求积移动平均模型 (5)
2．1．4 非平稳时间序列 (5)
2．1．5 随机平稳时间序列样本的数字特征 (6)
2．2 时间序列模型的建立过程 (7)
2．2．1 数据的预处理（时间序列平稳性的判断） (7)
2．2．2 模型的识别 (9)
2．2．3 模型参数的估计 (10)
2．2．4 模型的定阶 (10)
2．2．5 模型的检验 (10)
第3章ARIMA模型在居民消费价格指数中的定量分析 (13)
3．1 数据的预处理 (13)
3．1.1 序列的直方图及相关统计量 (13)
3．1．2 序列与正态分布之间的Q-Q图 (13)
3．2 相关分析 (14)
3．3 对序列
)(1t
X
作描述性统计 (16)
3．4 序列
)(2t
X
的相关分析 (17)
3．5 模型识别及参数估计 (18)
3．6 模型建立及初步定阶 (19)
3．7 适应性检验 (21)
3．8 模型预测值与真实值对比 (23)
3．9 对未来三个月CPI的预测 (24)
第4章中国居民消费价格指数短期走势的定性分析 (25)
4.1 2011年物价水平仍然大致可控 (25)
4.2 政策建议 (26)
结论： (27)
致谢 (28)
参考文献 (29)
附录 (30)
第1章绪论
1．1 论文的研究背景
根据国家统计局发布的数据来看，2011年3月居民消费价格指数(为了方便，在下文中将直接写作其英文缩写CPI)同比上涨5.4%，创下了自2008年以来的最高值。
2011年4月CPI同比上涨5.3%，食品价格上涨11.5%。
CPI持续高涨，已经到了影响居民大众的日常生活水平的严峻形势。
我们不禁就要问了，这种通货膨胀现象还会持续多久？面对通货膨胀国家、社会、民众应该如何应对？近期央行是否会再次作加息调整？未来几个月的CPI是否还会创出CPI同比新高？
我们不妨对自2000年至2010年期间的CPI历史统计数据进行一个简单的直观分析，如下图。
图1：中国2000年1月至2010年12月CPI数据的直观图
从图1我们可以很明显的看出：
1．CPI指数大起大落，波动幅度在历史上绝无仅有
2007年6月前的CPI数据波动不大，是因为央行采取稳健的财政政策和稳定的货币政策，经济水平较为稳定，保持着高经济增长，低通胀的良好经济大局。
2．第一次CPI的高调上涨。