基于ARIMA模型的上海居民消费价格指数分析及预测 .pdfVIP

龙源期刊网

基于ARIMA模型的上海居民消费价格指数

分析及预测

作者：宋颖超

来源：《时代金融》2017年第15期

【摘要】大多数的经济时间序列存在惯性，通过这种惯性可以对时间序列的历史数值进行

分析建模，从而对未来值进行预测。本文对1991～2015年上海居民消费价格指数的时间序列

进行数据分析，利用Eviews9软件对1991～2013年上海居民消费价格指数实际的数据建立

ARIMA（1，2，2）模型。用该模型对2014年和2015年的上海居民消费价格指数进行预测并

与实际值进行对比，结果显示该模型预测的精准度较高。后对2016年上海居民消费价格指数

进行预测，以达到合理预期和分析目的。

【关键词】居民消费价格指数EviewsARIMA模型

一、居民消费价格指数

居民消费价格指数简称CPI（consumer？price？index），是一个反映居民家庭一般所购买

的消费商品和服务价格水平变动情况的宏观经济指标，也是宏观经济分析与决策以及国民经济

核算的重要指标。一般来说，CPI的高低直接影响着国家的宏观经济调控措施的出台与力度，

如央行是否调息、是否调整存款准备金率等。同时，CPI的高低也间接影响资本市场的变化。

通过研究居民消费价格指数，可以了解各地区价格变动的基本情况，分析研究价格变动对

社会经济和居民生活的影响，能满足各级政府制定政策和计划、进行宏观调控的需要，以及为

国民经济核算提供参考和依据。CPI稳定、就业充分及GDP增长往往是最重要的社会经济目

标，市场的经济活动会根据CPI的变化来调整。

二、上海居民消费价格指数的ARIMA模型分析

ARIMA（p，d，q）模型是博克斯-詹金斯针对非平稳时间序列提出的模型。通过研究发

现上海居民消费价格指数是非平稳的时间序列，故本文选取ARIMA（p，d，q）模型进行CPI

的研究和预测。

（一）数据收集及ADF检验

选取1991年～2015年上海居民消费价格指数作为样本数据（来源于上海统计局《统计年

鉴》以1990年为100），运用软件Eviews9对上海居民消费价格指数进行分析处理及预测。

对上述样本数据进行ADF检验，结果显示t值0.621057，大于检验标准值，故对其进行

差分处理。

龙源期刊网

（二）差分

对样本数据进行了一阶差分处理后，结果显示t值为-1.366307，仍大于5%的检验标准

值。故对数据进行二次差分处理。

二阶差分后的结果显示，t值为-4.215088，小于检验水平1%，5%，10%各自的临界值，

而且P值几乎为0，所以经过二阶差分后的序列为平稳的时间序列。故d=2。

（三）单整检验

要确定p和q的值需要观察序列的自相关函数（AC）及偏自相关函数（PAC）的情况。

软件测量结果显示：序列的自相关函数AC从2阶开始拖尾，而其偏自相关函数PAC从1阶开

始拖尾。所以对其建立的ARMA模型为ARMA（2，1），故ARIMA模型为ARIMA（1，2，

2）。

（四）变换成平稳序列

因数据为二阶差分后平稳，在workfile窗口object——generateseries，输入公式dcpi=d（d

（cpi）），产生新的平稳的序列，观察其AC和PAC。

（五）求参数并建立模型的方程

因AC为2阶拖尾，而PAC为1阶拖尾，故输入公式：d（cpi）car（1）ar（2）ma

（1），通过Eviews9的分析后得出各项系数为：c系数为7.702732，AR（1）系数为

1.626587，AR（2）系数为-0.817761，MA（1）系数为-0.999999。

（六）白噪声检验

检验模型的残差序列是否是白噪声序列，如果是白噪声，则模型合理；否则模型不合理，

需继续改进。

由检验结果可看出Q-统计量所对应的P值都是大于0.05的，所以是白噪