时间序列分析在经济预测中的应用95328

《时间序列分析在经济预测中的应用95328》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第20卷第6期统计与信息论坛Vol.20No.62005年11月Nov.,2005【研究生论坛】时间序列分析在经济预测中的应用唐功爽(山东经济学院研究生部,山东济南250014)摘　要:社会消费品零售总额是一项重要、敏感的政府统计。定期发布的消费品零售统计资料,常常引起国内外的强烈关注,间或还会引发一些疑义和争议。文章拟通过运用EXCEL及SAS软件建立季节分解模型和季节哑变量、ARIMA模型,对我国的社会消费零售总额的情况进行预测分析,从初步确定几个不同的模型中,把拟合效果最好的模型保留,并对模型的实用性进行了探讨。关键词:社会消费品;

2、零售总额;时间序列;ARIMA模型中图分类号:F224.0　　文献标识码:A　　文章编号:1007-3116(2005)06-0090-05　　时间序列是指同一种现象在不同时间上的相继组成部分,如何利用适当模型对其进行合理的分析观察值排列而成的一组数字序列。时间序列预测方和预测,对更好地研究具有重要的经济意义。对社法是通过时间序列的历史数据揭示现象随时间变化会消费品零售额的合理的预测结果,一方面可以用的规律,将这种规律延伸到未来,从而对该现象的未于了解未来的经济发展势态;另一方面,把预测结果来做出预测。传统的时间序列分析在经济中的应与现实

3、的社会零售总额进行比较来评估当前的消费用,主要是确定性的时间序列分析方法,包括指数平需求和经济的运行状况,为决策提供可靠的依[1]滑法、滑动平均法、时间序列的分解等等。随着社会据。的发展,许多不确定性因素在经济生活中的影响越建立社会消费品零售总额的随机型时间序列分来越大,必须引起人们的重视。1970年,Box和析法,是通过分析不同时刻变量的相关关系,揭示其Jenkins提出了以随机理论为基础的时间序列分析相关结构,并利用这种相关结构对时间序列进行预方法,使时间序列分析理论上升到了一个新的高度,测,基本可以避免解释变量难以选取、违背古典假设

4、预测的精确度大大提高,其基本模型有:自回归等经济分析中常见的问题的影响等问题。本文拟通(AR)模型、滑动平均(MA)模型以及自回归滑动平过运用EXCEL及SAS软件建立季节分解模型和季均(ARIMA)模型。节哑变量、ARIMA模型,对我国的社会消费零售总额的情况进行预测分析,并对模型的实用性进行探一、对社会消费品零售总额讨。月度数据序列进行分析的原因二、对社会消费品零售总额　　社会消费品零售额是指各种经济类型的批发零月度数据序列进行模型拟合售贸易业、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业居民零售　　笔者对

5、1989～2003年的180个月度数据社会[2]额的总和。它是国民经济核算的重要指标之一,它消费品零售总额进行了分析,只用前168个数据反映了最终需求当中最重要、占比例最大的消费需参与建模,并用2003年的数据检验拟合效果。从数求情况。由于目前消费需求已成为经济增长的重要据序列的折线图可以看出:收稿日期:2005-02-28作者简介:唐功爽(1980-),男,山东省栖霞人,硕士生,研究方向:微观经济统计分析。90©1995-2006TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.唐

6、功爽:时间序列分析在经济预测中的应用社会消费品零售总额随时间的推移呈现出明显的结果从而获得粗略的季节因子,再对同月的粗略的增长趋势和季节波动并且随时间的变化波动幅度的季节因子进行平均得到各月季节因子,然后对原不断变大,各年同月具有相同的变化规律,这种季节始数据与各月季节因子的商进行一元回归分析进而波动规律与我国的居民收入水平、居民消费倾向、价得到趋势方程,最终用所得趋势方程乘以各月季节[1～6]格水平、生活习俗等多方面因素有明显的联系。因子就得到所要估计的预测值。通过运用上(一)基于移动平均法的乘法因素分解模型述方法得到趋势方程为:乘法因

7、素分解模型是消除季节增长波动的有效tr=168.8522+19.518933t方法。移动平均法是以过去某一段时期的数据平均则预测值为:值作为将来某时期预测值的一种方法。在12项移y=tr3sn(sn为季节因子)动平均和两项移正平均的基础上,原数据除以得到其趋势方程的拟合结果见表1。表1　趋势方程拟合结果表方差分析自由度平方和均方F统计量P值回归分析11.51E+081.51E+087391.7141.4407E-139残　　差166338069620365.64总　　计1671.54E+08系数标准误差t统计量P　　　　　　　方程样本决定

8、系数值截距(常数项)168.852222.119037.6337961.7E-12样本决定系数调整后的决定系数时间变量t19.518930.2270385.975081.4E-1390.978