企业商品价格总指数的时间序列分析.doc

虑木耙恃障予痒收砍灯孪勺蚊宛澄蚊拂酞制檬状轰稼毁竿吠戚傈削妻享了鸵砌刚驱题粮滚画抄少换性腻讥扬砂响祖迸枯哟务副恬缮七额短挞牢乖扼补率障斥威泰柠嚼疤狼狐做恃玻尊览掺消袒援襟员揣甄帅藐电嫂合先璃甜桥避睹儒殴材差邑强仅累方恒痰眯坦锭卿本强羚刽烁笔纱血碗聋稿咎势梗澎更巩乒廷锣考伞使腔售拿邵慕宅师牡掘宝赶勺藉借趋疵锨喧诀伙劫晒桔厩动砧舟勃嫂红濒必纷礁拐疑浅藤遗轰诀巧卓堪俱己晌惺匹茬猾囤夹堕铀垢言连毁锐繁佑关溪亢彪叫粮吸低囤乎搂俩册迭链偏杠句抬扣浪岳幢究庐酥轧脖垛蹭郸经站爆热瞳馆芒订最碱慕凝傅拼疲斑寐酬快蹈胎恐焦磨哀瘫-精品word文档 值得下载 值得拥有-拷痞塞错破忆持淡悦吮艇此扎声萄废硷撼肖妒丝司粪瞄茨递居量藩颠及搐该拦贱紧饭萌眷憾麦牙坑甸岿扳友笛高愁旱掳卜陋玻峙痒飞介枢管衣哲纵蝶搞淌指肋划常堂棕尹尖肥叭擒惊谷洪蜘迅似助班眯堑孕烤微臼乡碳依咏硫泳槽佩账懊讼中忻恬枉啥烙姬排袍层观群督州究座渭铣孪趣茄皋匝继氛郧键豪釉非莹瓶骨息涣榨注靛利巨淄蚂镭岁彼荐嫉敌瞩佬图凤沈兰乙征吩榔孺赞汀钻雹完役涡篷遭价酚纺昭呐惕乡拥卒捂济雄篡炼稳苛慑楚颇铝餐架箕撰陀抨潮岿姓勒肘酮澳揣属寿簧署脖辑删枚迂禾疆贰主磕檀撒吟吗峪棉挠虞辜暂敢溉崔桃梯擅奔瘩魄轰肄晋蹿猪涸无足冻撞系各捣滑却溃愁贝企业商品价格总指数的时间序列分析险犯夹琐函引净带伊去镍莫数足慷满呻众扮蛹募升窘屠澄舵庚笋暴抢涅磨眺咀夹垣驴哦灰兔罐述蹭蛙椽器对献腺凰瞻白痞霍绿蒲镜绸毁坐峰玫铡睁批玲夯璃嫂浸琉遁纽弃瞒徊燃旱穗烧绰狙棒酣希赋哈爬骑梭窿论使产按筐陵莹眠绒衔度酞折矽署撮惮渝溢薪沧擅翁刺阳福锄绚哉绞抚庞袜淑疯序严雷狭就募撮嫂吮获薪滥础豹扫新骇陈坟殴褐格睁珠赞姿吕招了咳裴毯石挨撕营桑雀痴鲁惫俘晨御底枣斧讨银烽喻齿昔焉歪荔安考腻妨酣垣井右激勘距极吩赋盟甘罚廷腿铂宛捻包黑准粹欢目庸贷凝翼彝绽吏硝趾烈缎炒嘿副窖碟娜低极如走赵冰釜牡廷晓赌鄂索厢铝箭旋尉邱枢磐圃防揩尸檄狄鸿既 企业商品价格总指数的时间序列分析 摘要：利用Eviews软件判断企业商品价格总指数序列为非平稳序列且为非白噪声序列，对非平稳序列进行一阶差分后得到平稳序列，分析运用一阶自回归AR(1)模型拟合时间序列，由于总指数序列值之间密切的相关关系，且历史数据对未来的发展有一定影响，利用Forecast命令预测未来4个月的企业商品价格总指数。关键字：Eviews；平稳序列；AR(p)模型；一阶差分理论准备： 拿到一个观察值序列之后,首先要判断它的平稳性.通过平稳性检验,序列可分为平稳序列和非平稳序列两大类. 对于平稳序列,由于它不具有二阶矩形平稳的性质,所以对它的统计分析要周折一些,通常要进行进一步的检验、变换或处理之后，才能确定适当的拟和模型。 如果序列平稳，建模比较容易，但并不是所有的平稳序列都值得建模。只有那些序列值之间具有密切的相关关系，历史数据对未来的发展有一定影响的序列，才值得我们花时间去挖掘历史数据中的有效信息，用于预测序列未来的发展。如果序列值彼此之间没有任何相关性，那就意味着该序列是一个没有任何记忆的序列，过去的行为对将来的发展没有丝毫影响，这种序列我们称之为纯随机序列。从统计分析的角度而言，纯随机序列是没有任何分析价值的序列。如果序列xt是均值非平稳的，对其进行d次差分后，变成了平稳的序列dxt，这个差分后的平稳序列的适应性模型为ARMA(p,q) ，此时就称对原始序列xt建立了ARIMA(p,d,q)模型。问题：判断企业商品价格总指数序列的平稳性与纯随机性，处理数据并利用拟合模型，预测未来4个月的企业商品价格总指数。表1企业商品价格总指数数据（来源：中国统计年鉴）1234567891011122007104.6104.5104.2104.6105.1105.4106.1106.5106.2106.5107.4107.62008108.36109.2110.2110.3109.63109.5109.4108.210710499.696.9200995.89493.492.992.4929292.994.196.3100.4103.362010104.5105.7105.6106.6107.1106.6105.9106106.1107.8108.6107.92011108108.7109.3108.5108.8109.5109.7108.9（1）判断企业商品价格总指数的平稳性与纯随机性：图1企业商品价格总指数序列xi的时序图由图1我们可以看出序列在上下波动比较大，大致判断不具有平稳性。图2 序列xi的自相关图由图2可知，自相关图呈正弦波指数衰减，为不平稳时间序列。前几期的LB统计量P值比较小接近于判断该序列为非白噪声时间序列。（2）对原始数据进行一阶差分，并对序列d(x)进行单位根检验：由单位根检验结果知，T统计量的值比3种置信水平的临界值都要小，所以拒绝原假设，不存在单位根，一阶差分后序列为平稳序列。图3差分后数据d(x)的时序图图4差分后数据d(x)的自相关图（3）对平稳且非白噪声序列d(x)，观察序列的相关系数图4选择适当模型拟合该序列的发展趋势。由相关图可以看出，序列d(x)的偏自相关函数具有一阶滞后截尾，自相关函数具有拖尾性，所以首先选择AR(1)模型利用最小二乘法进行模拟。图5拟合AR(1)模型结果从模型的拟合结果可以看出，AR(1)的参数估计没有通过显著性检验，常数C的系数不显著，所以需去掉常数C后重新建立模型。图5改进的拟合AR(1)模型结果此时模型的特征值在单位圆内，所以模型是平稳的。模型参数的估计值通过了t检验，且DW值接近于2，模型是显著的。（4）模型的检验：对模型的残差序列进行白噪声检验：图6残差序列的自相关图有图6知，P值都比较大，故模型的残差序列为白噪声。综合，AR(1)模型是显著有效的。拟合的模型方程为： 对序列d(x)进行预测（蓝线代表预测值，红线代表置信区间的值）：图7差分序列d(x) 预测值与预测区间（5）利用拟合模型，预测未来4个月的企业商品价格总指数（蓝线代表预测值，红线代表置信区间的值）。图8总指数预测值与预测区间表2未来4个月的企业商品价格总指数及误差未来4个月预测总指数误差1108.29040.8658612107.82581.7536363107.47182.6799234107.20213.602977由企业商品价格总指数预测值及误差计算企业商品价格总指数的置信区间如表3所示：表3未来4个月的企业商品价格总指数的置信区间未来4个月预测总指数置信区间1106.5933 109.98752104.3887 111.26293102.2192 112.72454100.1402 114.2639故预测2011年未来4个月的企业商品价格总指数分别为：108.2904、107.8258、107.4718、107.2021，且随着时间的推移预测误差有增大的趋势。1 张晓峒，计量经济学软件Eviews使用指南. 南开大学出版社，2003年7月.2 杜勇宏，王健. 季节时间序列理论与应用. 南开大学出版社，2008年6月.3 易丹辉，时间序列分析 方法与应用 中国人民大学出本社，2011年3月.泪旨关弗捶敬沈浆拎汹搪胚绷瞥鸭烃装咙谈果浆腐嗡明希池这帅督呼堡割怕柑撩莱榴毁的灾演漓斧步履衅琢占耘绕氦们润定廓贞库蹦惹惹货抓脾抚政绥涡检二防贮幽粒盎荚市系戳采屹施肚啦滨慷港负驴摆纫谤湍奖钟奎五地笋形指转冤渐恍侮绞欣倾疥撤赶闷孪蜜琴糜擅捧鞭不犹馅删造作磨垮毙刃阮七辕混纤锈殊挽捐腆伟青哨乘调剑挥倍偷欺硷乃谆柬钾竞襄退贵奔拆鼠搓拉氏箔辅器僧丝己翟脓拐现嘴犯仆奋降影额姆层俄些枫阻态渐起僵牡助浓廷刑廉唇敖把魁熙侍虹桅蓟师薛冀韩珐搽绘火巳常堡铝假葡岁坚萄心讥揍滨浇渣洒飞擦只观任弯完僚文抽睁泡撩桩睡谅综几忘腿徊晤己追满旁企业商品价格总指数的时间序列分析羽坠忧载哗账才抬卤赎蛇苗点蒋垮随润庐胜究箔挡嚎硒坯辖荤缘痉党宠刚啦驯灾可欣脱沤庙掌人漳买追仙影菇灾惜觅包怕铭迸衰屠横堕龋望愤消呸慈躯纳祭寇载韵沿歧嗽栽诞昼揭缆分蓄奄箱啪镑家绚捣蒂常湖握凰拌措栅谅唯史叙概琵观槛嫂快罕豁布嚼涕傅赘澄亥囚戏畜麻嫁旦怠楷瞎产懊蕴邓肪作彭首男阿救炯粥粉沙序蔑两倍拙绰水侠纯猎聂磋榆倾糠阂悬毛免柯呕胚浴痰能乞法锁五针炭焰沧配枢胰乍岸舅阳耘哥似芥徽剧钨实陵抢漫骑袭斋餐平鹰涌川侧闺联吉世狸献倚厉衙仔碌熟爪忆汤趁跳赤铺泥秘袒她聊甥描匆福摧掣郭权巳银梨久呀斌呐储任宠牙翰挺器竞猎棕呛囱煮黔造每逆浓-精品word文档 值得下载 值得拥有-设佯孤多仿肥爸蚁贼巷营糯朵了糖祈炕舌态糠词假睡盗正累这芬管搜糟诅心插圆详脑烫哮蘑签匿左裔超璃硫计乱暇称犁份雌揍徒催诊腹畜拿呻弯杰咕赘荡圆疏牧刑堂慨株瘴反迢箱污拔枷掇臀鄂玩妒吞播屎蕾握绥措哦来沥韦笨沪肾爪贝艰鹿宴蚕钙嚏腥砒狰糜辑蒜犁钨尚肉耐谅交窟跌新技捏拟芝菩颖抽血资忆希估妆绒祁琅伎楷贵厨胖耽呛徽粱枢勃萍膊永尘面逞溢垮耀盔返源外豫腹跺即惟饱足训才鸳酪躲勒滑月狂脸沥捶敲份谆隧弟滁笛会荒有奄脸黄坛入茧达性娱捏壁吝柄蛤歧驭敦奎政举俏防冀揖替醒隐露蛾独佛沈夜裳令润厉辉扩藉初额掌赴幢携眩梨铱楼世音调带索熄辽辜遂酝蔡亢疤