2008-04-01季节调整范文.doc.docVIP

居民消费价格指数季节调整实证研究 （张鸣芳 项燕霞 齐东军） 【摘要】本文首先对居民消费价格指数季节调整的原因，季节调整方法的发展过程和应用进行了说明，着重介绍了国际上最新流行的X－12-ARIMA和TRAMO/SEATS季节调整方法，然后用X－12-ARIMA方法对上海市居民消费价格指数序列进行季节调整、分析和预测，文章结合使用TRAMO/SEATS方法解决中国与国外明显不同的春节假日因素的调整问题，最后提出我国季节调整问题与建议。 【关键词】居民消费价格指数 季节调整 X－12 ARIMA TRAMO/SEATS 一、居民消费价格指数季节调整的原因 一个月度的经济时间序列会受到定期的年内季节变动的影响，这种季节变动是由气候条件、生产周期、模型的转换、假期和销售等季节因素造成的。由这些因素造成的影响通常大得足以遮盖时间序列短期的基本的变动，混淆经济发展中其他客观变化规律，以致难以深入研究和正确解释经济规律（如经济发展趋势，经济内部关系等）。因此，如果利用科学的方法将这些季节因素从经济时间序列中测定、分离、抵消和调整，则能使该序列能更好地反映其基本的发展趋势，从而得出正确的判断。 居民消费价格指数是用来测量一定时期内居民支付所消费商品和服务价格变化程度相对数指标。它既是反映通货膨胀程度的重要指标，也是国民经济核算中的缩减指标。这一指标影响着政府制定货币、财政、消费、价格、工资、社会保障等政策，同时，也直接影响居民的生活水平评价。我国国家统计局从2001年1月起，在价格指数的统计、公布和使用中，开始把居民消费价格指数作为主要指标，代替过去的商品零售价格指数的位置。在2001年以前，我国根据调查资料直接计算月环比、月同比及年度同比价格指数。自2001年起，改用国际通用方法，计算定基价格指数。以2000年平均价格作基准，计算出各月定基价格指数后，再推算月环比、月同比及年度同比价格指数，同时推算任意时间间距的多种价格指数价格资料更丰富。由于不同的季节对的影响程度不同，相同的在不同季节里不同，因此经济分析和利用时间序列做经济模型时，大多用季节调整后的数据。我国传统上是采取与上年同期的数据进行比较的方法来反映经济的增长变化，这种方法可以消除季节性因素的影响，但有它的局限性，它不能及时反映经济变化的转折点并由此产生错误的结论。研究表明，采用不经过季节调整的数据与去年同期进行比较所反映的经济周期的转折点往往要平均滞后六个月。天数在个月里出现的次数不同，而个发生的经济活动特异项的代替方法和季节要素的计算方法。考虑到了不规则变动和季节变动的相对大小来选择计算季节要素的移动平均项数。p,d,q）过程如下： 其中，是原始序列，是白噪声序列，B是后移算子，是d阶差分， 自回归算子为：， 移动平均算子为：。 X-12方法的基本思路是这样的：假设时间序列有四部分组成元素：趋势（Trend）、循环（Cycle）、季节（Seasonal）和不规则项（Irregular）。为从中消除季节因素的影响， X-12采用的是移动平均的方法。进一步，为了改善序列两端的不对称情况，加拿大统计局对X-12方法进行了改进，提出了X-12-ARIMA方法，也就是在采用X-12方法前，先使用ARIMA模型对序列的两端进行了延伸。 （二）数据预处理 居民消费价格指数数据的来源是上海市统计局城调队提供的94年—02年上海居民消费价格指数，但由于该数据是以上年价格为100的同比数据，本身就剔除了一部分季节因素，通常时间序列季节调整都是在定基比指数的基础上进行的,这样调整才有明显的效果。但由于我国是从2001年才开始计算、公布定基比的消费者价格指数，其资料个数不能满足季节调整需要，因此，本文采取假设93年各月为初始值，通过同比增长率计算定基比增长率的方法对原数列进行调整，通过这种方法得到的数据在季节调整后可以得到非常接近真实的季节调整后的序列。具体计算方法过程详见参考文献1。 表一：1994-2002年上海居民消费价格指数（以93年各月=100调整后的数据） 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 94年 123.5 123.4 122.9 120.4 121.9 122.2 124.8 125.3 126.1 126.0 125.9 123.5 95年 147.3 146.8 147.5 145.9 149.7 148.4 150.8 145.7 141.6 142.1 150.6 147.0 96年 163.2 163.1 164.6 164.3 163.3 163.5 163.0 156.8 152.6 152.1 161.6 158.2 97年 171.4 169.3 169.2 167.8 166.6 165.1