时间序列分析在居民消费价格指数预测中的应用.docx

时间序列分析在居民消费价格指数预测中的应用 以我国2004 年~2008 年的消费价格指数为例，利用时间序列分析方法的 ARIMA 模型进行预测分析。通过对统计数据的短期变化趋势进行验证，结果表明 该模型有效，预测值与实际值相一致。 标签：时间序列；ARIMA;CPI 近年来，据国家统计局公布数据表明，2008年受国际市场大宗商品价格上涨、 国内市场需求旺盛以及推进资源性产品价格和环保收费改革等多方因素影响，全 国居民消费价格指数(CPI)持续上涨，11 月同比上涨更是高达6.9%,创历年月度新 高。而由于去年美国次贷危机引发的金融危机的影响， 一些专家认为对我国经济 发展的滞后影响较大，会在相当长的一段时期内波及国内CPI 的降低。可以说，未 来CPI 的趋势究竟如何目前在界内颇有争议。 本文将通过分析2004年~2008年的居民消费价格指数的统计数据，建立时间 序列模型，对2008年CPI 的走势进行数据上的验证，并对2009年未来CPI 的趋势 进行短期预测。 1 模型的建立 时间序列是按时间顺序取得的一系列数据，时间序列分析方法有很多，本文主 要讨论 ARMA 模型即自回归移动平均模型的方法。 ARMA 模型是一类常用的随 机时序模型，由博克斯(Box)、 詹金斯(Jenkins)创立，简称 B—J 方法。 建立平稳时间序列 y t 的 ARMA 模型，其具体形式如下 2 原始数据的平稳性诊断 下面将以我国2004年~2008年居民消费价格指数的数据(见表1)为例建立模 型进行检验。 首先在Eviews软件中建立工作文件，将表1中2004年~2008年居民消费价格 指数的数据绘制成时序图(见图1)。序列具有一定的趋势，并且由序列的自相关图 可知序列是非平稳的。 为进一步检验原始序列是否平稳，需对原始数据进行ADF 检验。通过表3可 知，原始序列的ADF 检验的概率在1%和5%的水平下均不能通过检验。通过一阶 差分后的ADF 检验的结果显示，在1%的置信水平下通过了检验，ADF 值为-5.8028 其绝对值大于1%的临界值-3.5482的绝对值； 一接差分后时间数列平稳，可知 CPI 为一阶单整序列。 表3 单位根检验结果