我国社会消费品零售总额时间序列模型及预测.pdfVIP

2011年 6月 经 济 论 坛 Jun．2011 总第491期 第o6期 Economic Forum Gen．491No．O6 我国社会消费品零售总额时问序列模型 文，刘领坡 摘【 要】本文运用时间序列分析方法中的季节时间序列模型(SARIMA)，对我国社会消费品零售总额进行 时间序列模型分析。分析结果显示。sARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动，且 通过模型对社会消费品零售总额做 了预测。该模型可以提供较为准确的短期预测效果。 【关 键 词】SARIMA~ _J；社会消费品零售总额 ；时间序列 【作者简介 】刘领坡，首都经济贸易大学经济学院硕士研究生，研究方向：经济系统分析。 消费需求是拉动经济增长的 兰‘驾马车”之 式(1)为一纯AR(P)过程，记为 一 。 2001年以来我国社会消费品零售总额一直呈现 Xt=P‘lXt_l+P‘2Xt-2+…+P‘pXb18t 递增的趋势，增长率一直保持9％以上 ，2010年的 移动平均过程MA(q)，对于移动平均系统来说， 增长率再次创新高，达到了23．3％。因此 ，通过了 如果系统在t时刻的响应x，与其前多个时刻有一 解中国社会消费品零售总额的历史发展变化，并建 定的相关关系，这就是我们所说的移动平均过程 立适当的模型对其进行分析和预测，将为相关部门 MA(q)，其一般表达式为 正确的决策提供合理的依据。 Xt=at—O1-l一02 一…一Oq日k_q 一 、 研究方法介绍 对于单整序列能够通过d次差分将非平稳序列 ARIMA模型全称为单整 自回归移动平均模型 转换为平稳序列设y是d阶单整序列，即yI(d)，则 (Auto-regressiveIntergatedMovingAverageModel，简 wl=△d) (1一L 。 i~ARIMA)，由博克斯(B0x)、詹金斯(Jenkins)于20世 wt为平稳序列，即 ～I(o)，于是可以对wf建立 纪70年代初创立 ，亦称B-．J方法。它是一种精度较 ARMA(p，q)模型 高的时间序列短期预测方法，其基本思想是某些时 Wt=C+(~lWt-l+一。pw_p【+8I+eI8t．1+…+0q8 (2) 间序列是依赖于时间t的一组变量，构成该时间序 用滞后算子表示，则 列的单个序列值虽然具有不确定性，但整个时间序 (【I)w c+O(L)8 (3) 列的变化却有一定的规律性 ，可以用相应的数学模 其中 (L)=l一 。L-62L2-…一 Lp 型近似描述。通过对该数学模型的分析研究，能够 @(L)=l+0lL+02L2+…+0Lq 更本质地认识时间序列的结构与特征，达到最小方 经过d阶差分变换后 的ARMA(p，q)模型称为 差意义下的最优预测。 ． ARIMA(p，d，q)模型，式(3)等价于下式 ARIMA(p，d，q)模型中，AR是 自回归模型，p为 (L)(1一L)=c+0(L)8 自回归项数；MA为移动平均模型，q为移动平均项 估计ARIMA(p，d，q)模型同估计ARMA(p，q)模型 数 ；d为非平稳时间序列变成平稳时间序列所做的 不同之处就是估计之前要确定原序列的差分阶数d， 差分次数。 对y进行d阶差分。因此，ARIMA(p