时间序列分析在我国社会消费品零售总额预测中应用

河北经贸大学毕业论文时间序列分析在我国社会消费品零售总额预测中的应用专业名称：统计学班级：200801学生姓名：XXX指导教师：XXX完成时间：2012年5月摘 要时间序列分析是经济领域研究的重要工具之一，它描述历史数据随时间变化的规律，并用于预测经济变量值。

市场经济中，政府对市场变化的即时反应是各国经济工作的重点。

在我国，随着市场经济的日益成熟，各级政府逐渐认识到短期计划的重要性。

在要求减少对市场干预的同时，政府在经济中的作用主要体现在保证经济运行的正常轨道，由于社会消费品零售总额反映了经济运行中的一个重要环节———消费，尤其是目前我国市场上的消费需求不足现象，使我国经济发展受到外需与内需两方的困扰。

因此对于社会消费品零售总额预测中的研究一直具有积极意义。

本文系统阐述了时间序列分析方法在社会消费品零售总额预测中的应用，包括ARIMA 模型和SARIMA 模型。

本文使用()()Q D P q d p ARIMA ,,,,⨯模型对社会消费品零售总额波动趋势进行短期预测，首先对我国2001年1月至2011年12月社会消费品零售总额数据进行预处理和分析，发现该时间序列既包含趋势性又包含季节性，然后对其进行()()Q D P q d p ARIMA ,,,,⨯建模分析。

为检验模型预测效果，保留2011年1月至12月的观测值作为评价模型预测精度的参照对象，最后通过对2011年1月至12月数据的试预测，发现)1,1,0()1,1,0(⨯ARIMA 模型有较好的拟合效果。

关键词 时间序列分析；社会消费品零售总额；预测ABSTRACTThe analysis of time series is one of the important tools for researching in the field of economy. It describes the law of historic data with the time passing by and it is also used to predict the value of economic variables. In the market economy, the government’s immediate reaction to changes in the market is the focus of economic work. In our country, along with the increasingly mature market economy, various governments gradually realize the importance of short-term plan. The role of the government in the economy mainly embodies in the guarantee of economic operation of the normal track. The total retail sale of social consumer goods reflects one of the important economic operation links –consumption. Our country consumption market demand inadequacy at present making our country economy development by foreign demand and domestic demand puzzled. So the total retail sale of consumer goods in the prediction of research always has positive significance.This paper elaborates the method of time series analysis in total retail sales of consumer goods in the prediction, including both the model of ARIMA and the model of SARIMA .The paper uses the model of ()()Q D P q d p ARIMA ,,,,⨯ forecasting the total retail sales of social consumer goods. In the first, the author preprocesses the total retail sales of social consumer goods of January 2001 to December 2011, finding that the time series contains both trend and contains a seasonal. Then, the paper analyses the sequence with the model of ()()Q D P q d p ARIMA ,,,,⨯. At last,the author finds the model of )1,1,0()1,1,0(⨯ARIMAhas better fitting effect.Key words time series analysis; forecast; the total retail sale of socialconsumer good目录一、引言 (1)二、时间序列的特征分析 (1)（一）时间序列定义 (2)（二）平稳性 (2)1、平稳时间序列的定义 (2)2、平稳性检验 (2)（三）纯随机性 (3)（四）季节性 (3)三、时间序列分析方法............................................................4 （一）AR 模型和MA 模型......................................................4 1、AR 模型...........................................................................4 2、MA 模型...........................................................................5 （二）ARMA 模型与ARIMA 模型................................................5 1、ARMA 模型........................................................................5 2、ARIMA 模型........................................................................6 3、),,(q p ARMA 模型的识别...................................................7 （三）SARIMA 模型分析法 (7)四、我国社会消费品零售总额预测的实证分析 (8)（一）时间序列预处理 (8)1、时间序列平稳性检验 (9)2、时间序列季节性检验 (10)3、时间序列纯随机性检验 (12)（二）模型识别与建立 (12)（三）模型评价 (14)（四）模型预测 (15)五、结论及建议.....................................................................17 参考文献...........................................................................19 附录1 (20)时间序列分析在我国社会消费品零售总额预测中的应用一、引言社会消费品零售总额是指各种经济类型的批发零售业、贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额和农民对非农民居民零售额的总和。

这个指标能够反映通过各种商品流通渠道向居民和社会集团供应生活消费品来满足他们生活需求的情况，是研究人民生活、社会消费品购买力、货币流通等问题的重要指标。

随着消费环境的逐步改善，人们的消费能力不断增强，人们消费能力的增强直接带动了社会消费品零售总额的发展，“十一五”期间，面对复杂多变的国内外形势，特别是为应对国际金融危机的冲击，国家出台了一系列扩大内需、促进消费等政策措施，消费品市场的稳定发展对我国缓冲金融危机起到了明显的积极作用，消费需求已经成为经济增长的重要组成部分。

中国社会消费品零售业的发展将进入参与国际化竞争的新阶段，可靠准确的数据体系有利于政府的宏观决策，而零售总额的数据受多种因素的影响。

因此对我国社会消费品零售总额进行预测是有积极意义的。

本文利用时间序列分析方法对我国社会消费品零售总额进行分析和预测。

时间序列分析是根据动态数据揭示系统动态结构的规律的统计方法。

其基本思想是根据系统的有限长度的运行记录（观察数据），建立能够比较准确地反映时间序列中所包含的动态依存关系的数学模型，并借以对系统的未来行为进行预报。

二、时间序列的特性分析在建立时间序列模型之前，必须对时间序列数据进行预处理，以便剔除那些不符合统计规律的异常样本，同时还要对这些数据的基本统计特征进行检验，以确保建立的时间序列模型的可靠性和置信度，并满足一定的精度要求。

对时间序列数据进行的预处理包括平稳性检验、纯随机性检验和季节性检验。

（一）时间序列定义所谓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，找寻它的变化发展规律，预测它将来的走势就是时间序列分析。

在统计研究中，常用按时间顺序排列的一组随机变量…,,X ,X 21…来表示一个随机事件的时间序列，简记为{T t t ∈,X )或{t X )。

用n x x x ,...,21或{n t x t ,.....3,2,1,=}表示该随机序列的n 个有序观察值，称之为序列长度为n 的观察值序列。

（二）平稳性1、平稳时间序列的定义随机时间序列的平稳性分为严平稳和宽平稳。

严平稳是一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。