时间序列分析在经济预测中的应用.pdfVIP

第 20 卷第 6 期 统 计 与 信 息 论 坛 Vol. 20 No. 6 2005 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 ;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 滑法、滑动平均法、时间序列的分解等等。随着社会 据[1 ] 。 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 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 ( ) ( ) 过运用 EXCEL 及 SAS 软件建立季节分解模型和季 AR 模型、滑动平均 MA 模型以及自回归滑动平 ( ) 节哑变量、ARIMA 模型 ,对我国的社会消费零售总 均 ARIMA 模型。 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 售贸易业、餐饮业、制造业和其他行业对城乡居民和 月度数据序列进行模型拟合 社会集团的消费品零售额和农民对非农业居民零售