统计软件应用论文全面.doc

论文题目：居民消费价格和商品零售价格指数分析

学生姓名：江姗

学号：2013487014

专业：电子商务

班级：2013级

指导教师：郭海玲

2015年 12月 28 日

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。

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，它是由于需求扩张所引起的；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。

从需求来看方差分解，全国各地区开始出台了不同程度地提高工资的政策措施。提高工资在短期内会增加居民的购买力，进而有效地刺激需求。一方面，产品会由于需求的增加而涨价，另一方面，这会增加投资者的预期，刺激他们更多的投资。因而，收入的增加在很大程度上拉动了物价上涨。同时，为了尽可能准确客观地分析收入对CPI的影响程度，在这里采用城镇居民可支配收入作为变量，因为农村居民可支配收入在对CPI的上涨是滞后的，反应不敏感。其次，货币供应量也是影响需求变化的重要因素，根据货币数量论，通胀率来自货币增长率，所以它在一定程度上具有内生性。再次，固定资产投资规模在很大程度上决定产品价格，固定资产投资由于主要是由政府支撑的，所以它不会因为货币政策的变化而发生显著变化，基于此，将其也作为一个变量进入模型。

居民消费价格指数是度量一组代表性消费商品及服务项目价格水平随着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决策、价格总水平监测和调控以及国民经济核算的重要指标。其按年度计算的变动率通常被用来作为反映通货膨胀或紧缩程度的指标。现行的居民消费价格指数按用途分为八个大类，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、交通和通信、娱乐教育文化用品及服务、居住。

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。

数据收集

下面是收集到的全国各个城市的居民消费价格指数和商品零售价格指数的数据

居民消费价格和商品零售价格指数

变量相关关系散点图

如果数据是不平稳的，对数据进行平稳化。根据数据的不同特征进行不同的调整，主要有取对数，多次差分或开方处理，直到自相关函数图和偏自相关函数图是显著的趋于零，和通过单位根检验；由获得的平稳的数据，进行初步的模型识别，建立相应的模型：根据商品零售价格模型识别规则，若偏自相关函数图是截尾的，而自相关函数图是拖尾的，则模型可以判断为AR（p）；若自相关函数图是截尾的，而偏自相关函数图是拖尾居民消费价格指数的时间序列模型分析的，则模型可以判断为MA模型；若平稳时间序列的自相关函数图和偏自相关函数图都是拖尾的，该数据适合ARMA模型；对选定的模型进行参数估计，估计暂定的模型参数，运用检验是否具有统计意义；根据上一步的结果，对暂定模型进行适应性检验，决定是否接受暂定模型，当模型的适应性检验表明模型不是最优的模型时，可根据检验所提供的有关改进模型的信息，重新拟合改进模型，并根据AIC准则，选定最好的模型。

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，但由于受各种条件的限制，现只引入商品零售价格指数变动作解释量，建立模型。

Y=β+βX

回归

输入／移去的变量a

模型输入的变量移去的变量方法

1 累计b. 输入

a. 因变量: 商品零售价格指数

b. 已输入所有请求的变量。

Anova a

模型平方和df 均方 F Sig.

1 回归 5.80

2 1 5.802 31.921 .000b 残差 5.45

3 30 .182

总计11.255 31

a. 因变量: 商品零售价格指数

b. 预测变量: (常量), 累计。

结果分析：

1、从“Anova”表中，可以看出该模型中F的统计量为31.921，P值显示为.000b，拒绝模型整体不显著的假设，证明该模型整体是显著的。

2、从“系数”这个表可以看出“回归系数”、“回归系数的标准差”、“回归系数的T显著性检验”等。回归系数常量为23.976，但是Sig为0.085，常数项不显著，回归系数为0.762，相对的的Sig 值为0.000，具备显著性。由于在“Anova”表中提到了模型整体是“显著”的，所以一元线性方程为：居民消费价格指数=23.976+0.762*商品零售价格指数其中在“样本数据统计”中，随即误差，一般叫“残差”：从结果分析来看，可以认为：零售商品价格指数每增加1个单位，居民消费价格总指数会增加0.762个单位。