ARIMA模型在我国居民消费价格指数的实证分析 .pdfVIP

龙源期刊网

ARIMA模型在我国居民消费价格指数的实

证分析

作者：方羽

来源：《行政事业资产与财务》2020年第10期

龙源期刊网

摘要：本文关注我国居民消费价格指数，结合我国1985-2018年数据对居民消费价格指数

进行ARIMA模型的拟合并预测2019年我国居民消费价格指数，并结合实际情况，提出一些

意见和建议。

关键词：HP滤波法;ARIMA模型;居民消费价格指数

居民消费价格指数（CPI），是一个反映居民购买一般消费品和服务的价格水平变动情

况，属于一种宏观经济指标。且其变动率在一定程度上反映了我国经济发展的通货膨胀或紧缩

程度，是关系国计民生的一项重要指标。关注居民消费价格指数，关注其变动发展情况是反映

我国物价水平的重要方面。

一、我国居民消费指数基本情况

自1985年以来，我国居民消费价格指数（上一年=100）不断变动，但整体基本维持在

100以上，及较上一年有所增长，34年来平均居民消费价格指数为105.27。在2000年以前，

龙源期刊网

我国居民消费指数变动很明显，1985€？994年呈现先增长后下降再急速增长的态势，且于

1994年达到近34年来的峰值124.1。1995€？998年持续下降，且将至近34年的最小值，仅

98.6。2000年以后的居民消費指数变动明显不如2000年以前大，但仍有起伏波动。2012年以

后居民消费指数趋于稳定但仍有小幅变动。

二、HP滤波法

（1）数据来源。本文数据源自《中国统计年鉴》（2000€？019年）选择1985€？018年

的居民消费指数数据（上一年=100），共计34个数据，其中1985€？016年用于拟合模型，

2017和2018年数据用于模型检验。

（2）HP滤波法实证分析。利用HP滤波法，可将居民消费指数数据可以看作由趋势成分

和波动成分两者组成的，通过设定一个损失函数，并结合事先给定的取值，使损失函数最小

化，将居民消费指数数据分解为趋势成分和波动成分，前者代表CPI指数的长期变动，后者代

表CPI指数的短期波动。结合一般经验，可以将年度数据的取值定为100。

通过图1可知，我国居民消费价格指数的长期变动趋势呈现先增后减的趋势，且无明显的

周期波动特征。

三、建立ARIMA模型

平稳1.性检验

利用ADF检验对经过HP滤波法分解的数据进行平稳性检验，在1%的显著性水平下不拒

绝原假设，认为该序列存在单位根，随后对该序列进行一阶差分再进行含有常数项和时间趋势

项的ADF检验，检验结果P值为0.001，即在1%的显著性水平下拒绝原假设，认为一阶差分

序列不存在单位根，因此可以确定该序列是一阶单整序列。

模型2.识别

首先，对经过HP滤波法分解的居民消费价格指数的数据进行一阶差分，再观察一阶差分

序列的序列相关图，通过序列相关图可知存在序列相关，即可以进行进一步模型拟合。

然后，进行具体模型的拟合，如表1可以看出模型参数的p值基本等于零，说明参数显

著，R2和调整后的R2都在99%以上，且AIC与SC的值较其他ARIMA模型均相对较小。故

我们可以选择ARIMA（2，1，2）进行拟合。

最后，绘制ARIMA（2，1，2）模型的残差序列相关图，结果如图2所示，残差的自相关

和偏自相关系数都在置信区间内，即模型的残差不存在序列相关。说明上述模型已经很好地解

释了变量的特征，拟合情况整体良好，可以进行下一步的预测。

龙源期刊网

四、预测

用构建的ARIMA（2，1，2）模型对2017€？018年的居民消费价格指数进行预测，具体

结果如表2所示。将实际值与预测值进行对比，发现整体预测误差不大，预测效果良好，可以

利用该模型对2019年我国居民消费价格指数进行预测。预测值为101.73。但同时