第一篇：時間序列分析——我國糧食增量的時間序列預測

石河子大學商學院

課程論文

題 目: 我國糧食增量的時間序列預測 課程名稱: 應用時間序列分析 院（系）: 商學院統(tǒng)計與金融系 年 級: 2011級 專 業(yè):

統(tǒng) 計 學 班 級: 統(tǒng)計2011（1）班 組 員:

目錄

1.引言??????????????????????????????5 2.分析方法介紹??????????????????????????5 2.1模型識別預測????????? ??????????????5 2.1.1基本思想???????????????????????5 2.1.3識別預測的步驟????????????????????6 2.2回歸模型預測????????????????????????6 2.1.1基本思想???????????????????????6 2.1.2回歸預測的類型????????????????????6 3.問題分析?????????????????????????????7 3.1模型識別的過程???????????????????????7 3.1.1模型擬合的結果????????????????????8 3.2回歸預測結果及分析?????????????????????11 4.總結及建議???????????????????????????17 參考文獻?????????????????????????????19 附表???????????????????????????????20

摘要

1996年，我國政府首次發(fā)表《中國的糧食問題》白皮書以來，我國在維護糧食安全方面取得了巨大成績。近10年來，我國糧食綜合生產能力穩(wěn)步提高，年均產量較上一個10年增長了10%以上，糧食自給率基本保持在95%以上，居民膳食結構顯著改善，以市場化為方向的糧食流通體制改革不斷深入，國家對糧食實施宏觀調控的物質基礎更加鞏固、手段更加靈活，實現(xiàn)了立足國內糧食自給的預定目標。糧食生產的發(fā)展消除了國際社會對中國糧食問題的擔憂，解決了13億人口的吃飯問題，為世界糧食安全做出了重大貢獻。在我國糧食生產取得巨大成績的同時也必須看到，當前我國糧食安全的現(xiàn)狀：根據(jù)國家統(tǒng)計局的數(shù)字，2006年我國糧食總產實現(xiàn)連續(xù)三年增產，達到9949億斤，不僅接近歷史最高水平，也可望提前實現(xiàn)“十一五”末糧食總產達到1萬億斤水平的規(guī)劃目標。但在形勢出現(xiàn)轉機之際，更要對目前存在的困難保持清醒認識。

關鍵詞：糧食產量

模型識別

回歸預測

SAS

Abstract

In 1996, our country the government issued a white paper on “China's grain problem” for the first time since, our country has been a huge success in the maintenance of food security.In recent 10 years, China's comprehensive grain production capacity will increase steadily, and annual output, up more than 10% in a decade, its self-sufficiency rate of grain basic stay above 95%, significantly improve residents' dietary structure, take the market as the direction of the grain circulation system reform deepening, the state of the material basis for the implementation of macroeconomic regulation and control of grain cements, means more flexible, achieve the intended target of domestic self-sufficiency.The development of grain production to eliminate the international social concern about China's food problems, solve the problem of 1.3 billion people to eat, made a major contribution to world food security.Great achievements of grain production in China also need to see at the same time, the current status of our country's food security: according to the national bureau of statistics figures, in 2006 China's total output of grain production for three consecutive years, 994.9 billion jins, not only close to record levels, also is expected to achieve at the end of the period of “11th five-year plan” in advance grain output reached 1 trillion tons level of planning objectives.But in the turnaround of the situation, more understanding of the existing difficult to stay awake.Key words：Food production

model recognition

regression forecast

SAS

1.引言

在我國糧食生產取得巨大成績的同時也必須看到，當前我國糧食安全的現(xiàn)狀：根據(jù)國家統(tǒng)計局的數(shù)字，2006年我國糧食總產實現(xiàn)連續(xù)三年增產，達到9949億斤，不僅接近歷史最高水平，也可望提前實現(xiàn)“十一五”末糧食總產達到1萬億斤水平的規(guī)劃目標。但在形勢出現(xiàn)轉機之際，更要對目前存在的困難保持清醒認識。

2.分析方法介紹 2.1模型識別預測

時間序列分析是根據(jù)系統(tǒng)觀測得到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計來建立數(shù)學模型的理論和方法。它一般采用曲線擬合和參數(shù)估計方法（如非線性最小二乘法）進行。時間序列分析常用在國民經濟宏觀控制、區(qū)域綜合發(fā)展規(guī)劃、企業(yè)經營管理、市場潛量預測、氣象預報、水文預報、地震前兆預報、農作物病蟲災害預報、環(huán)境污染控制、生態(tài)平衡、天文學和海洋學等方面。

2.1.1聚類分析的類型

ARMA模型

ARMA模型的全稱是自回歸移動平均(auto regression moving average)模型，它是目前最常用的擬合平穩(wěn)序列的模型，它又可細分為AR模型(auto regression model)、MA模型(moving average model)和ARMA模型(auto regression moving average model)三大類。

具有如下結構的模型稱為 階自回歸模型，簡記為：

如果一個系統(tǒng)在某時刻的響應與其以前的響應無關，而與其以前進入系統(tǒng)的擾動存在一定的相關關系，這一類系統(tǒng)則稱之為移動平均MA系統(tǒng)。

這是因為是由一系列的及其滯后項的加權和構造而成。這里的“移動”指的變化，而“平均”指加權和。一般移動平均模型由部分構成，形成如下：

為了分析的方便將其表述為與系統(tǒng)因素的延遲項一致，即將模型中各加號改為減號有：用滯后因子表示為：把具有如下結構的模型稱為自回歸移動平均模型，簡記為：引進延遲算子，模型簡記為：式中：，為階自回歸系數(shù)多項式。，為階移動平均系數(shù)多項式。限制條件 條件一：

這個限制條件保證了模型的最高階數(shù)。條件二：

這個限制條件實際上是要求隨機干擾序列 為零均值白噪聲序列。條件三：

這個限制條件說明當期的隨機干擾與過去的序列值無關。ARIMA模型

ARIMA模型又稱自回歸求和移動平均模型，當時間序列本身不是平穩(wěn)的時候，如果它的增量，即的一次差分，穩(wěn)定在零點附近，可以將看成是平穩(wěn)序列。在實際的問題中，所遇到的多數(shù)非平穩(wěn)序列可以通過一次或多次差分后成為平穩(wěn)時間序列，則可以建立模型：

這說明任何非平穩(wěn)序列只要通過適當階數(shù)的差分運算實現(xiàn)差分后平穩(wěn)，就可以對差分后序列進行ARIMA模型擬合了。模型是指階差分后自相關最高階數(shù)為，移動平均最高階數(shù)為的模型，通常它包含個獨立的未知系數(shù)：。它可以用最小均方誤差原則實現(xiàn)預測：用歷史觀察值的線性函數(shù)表示為：式中，的值由下列等式確定：如果把記為廣義自相關函數(shù)，有容易驗證的值滿足如下遞推公式：那么，真實值為：由于的不可獲取性，所以的估計值只能為：真實值與預測值之間的均方誤差為：要使均方誤差最小，當且僅當，所以在均方誤差最小原則下，期預報值為：預測誤差為：真實值等于預測值加上預測誤差：其中，預測誤差的均值和方差分別為：

2.1.2模型識別的步驟

抽樣

用觀測、調查、統(tǒng)計、抽樣等方法取得被觀測系統(tǒng)時間序列動態(tài)數(shù)據(jù)。作圖

根據(jù)動態(tài)數(shù)據(jù)作相關圖，進行相關分析，求自相關函數(shù)。相關圖能顯示出變化的趨勢和周期，并能發(fā)現(xiàn)跳點和拐點。跳點是指與其他數(shù)據(jù)不一致的觀測值。如果跳點是正確的觀測值,在建模時應考慮進去,如果是反?，F(xiàn)象，則應把跳點調整到期望值。拐點則是指時間序列從上升趨勢突然變?yōu)橄陆第厔莸狞c。如果存在拐點，則在建模時必須用不同的模型去分段擬合該時間序列，例如采用門限回歸模型。擬合

辨識合適的隨機模型,進行曲線擬合,即用通用隨機模型去擬合時間序列的觀測數(shù)據(jù)。對于短的或簡單的時間序列，可用趨勢模型和季節(jié)模型加上誤差來進行擬合。對于平穩(wěn)時間序列，可用通用ARIMA模型（自回歸滑動平均模型）及其特殊情況的自回歸模型、滑動平均模型或組合-ARIMA模型等來進行擬合。當觀測值多于50個時一般都采用ARIMA模型。對于非平穩(wěn)時間序列則要先將觀測到的時間序列進行差分運算，化為平穩(wěn)時間序列，再用適當模型去擬合這個差分序列。

時間序列是一種特殊的隨機過程，當中的取非負整數(shù)時，就可以代表各個時刻，就可以看作是時間序列（time series),因此，當一個隨機過程可以看作時間序列時，我們就可以利用現(xiàn)有的時間序列模型建模分析該隨機過程的特性。

2.2回歸預測

回歸分析預測法

回歸分析預測法，是在分析市場現(xiàn)象自變量和因變量之間相關關系的基礎上，建立變量之間的回歸方程，并將回歸方程作為預測模型，根據(jù)自變量在預測期的數(shù)量變化來預測因變量關系大多表現(xiàn)為相關關系，因此，回歸分析預測法是一種重要的市場預測方法，當我們在對市場現(xiàn)象未來發(fā)展狀況和水平進行預測時，如果能將影響市場預測對象的主要因素找到，并且能夠取得其數(shù)量資料，就可以采用回歸分析預測法進行預測。它是一種具體的、行之有效的、實用價值很高的常用市場預測方法。

3問題分析

我們給出我國1975—2013年的糧食產量，借助這些數(shù)據(jù)對我國糧食增量的時間序列預測。我們用了模型識別的方法和回歸預測的方法

文中的數(shù)據(jù)來源于國家統(tǒng)計局網站其中部分數(shù)據(jù)是通過以上相關數(shù)據(jù)計算求得的即數(shù)據(jù)具有真實性權威性從而使得到的結果具有意義能反映現(xiàn)狀。

繪制序列時序圖

時序圖給我們提供的信息非常明確該序列既有明顯的遞增趨勢又含有以年為周期的季節(jié)效應所以不是平穩(wěn)序列為了穩(wěn)妥起見我們還需要利用自相關圖進一步輔助識別由于平穩(wěn)序列通常具有短期相關性自相關系數(shù)一般會隨著延遲期數(shù)的增加而很快地衰減向零反之非平穩(wěn)序列的自相關系數(shù)衰減向零的速度通常會比較慢這就是我們利用自相關圖進行平穩(wěn)性判斷的標準

自相關圖顯示序列的自相關系數(shù)長期位于零軸的一邊這是具有單調趨勢序列的典型特征自相關圖顯示出來的這兩個性質和該序列時序圖顯示出的帶長期遞增趨勢的性質是非常吻合的通過以上分析知該序列非平穩(wěn)對于非平穩(wěn)序列由于它不具有二階矩平穩(wěn)的性質因此對它的統(tǒng)計分析要周折一些需要進一步的檢驗變換或處理之后才能確定適當?shù)臄M合模型。

時序圖顯示差分后序列已無顯著趨勢或周期隨機波動比較平穩(wěn)

檢驗結果顯示差分后序列蘊含著很強的相關信息不能視為白噪聲序列需要對差分后序列進一步擬合模型考察差分后序列的自相關圖和偏自相關圖的性質為擬合模型定階

觀察自相關圖和偏自相關圖，可初步確定P=4觀察擬合效果。

參數(shù)顯著性檢驗顯示顯著

對模型進行檢驗，殘差序列通過白噪聲檢驗。說明模型擬合成功。

確定模型

(1?B)xt?1?

at1?0.098B?0.034B2?0.011B3?0.231B4AIC=679.08

MAPE=

0.04072

MSE=7471897 這是對差分平穩(wěn)序列的預測還需要對該序列還原得初始值作出擬合效果圖

圖中星號表示觀察值紅色線條表示預測值外側綠色線條表示預測值的95%置信區(qū)間通過該圖可以看出擬合效果是非常不錯的期預測值還原之后的值為57098實際觀察值為58975兩個數(shù)值非常接近由此也此可以看出模型建立是十分成功的。

回歸預測

對原數(shù)據(jù)進行回歸處理

對回歸后的殘差建立自相關圖

偏自相關，效果不好，考慮從新模型

殘差白噪聲檢驗顯示回歸后殘差蘊含著很強的相關信息，不能視為白噪聲序列，需要進一步擬合模型

一開始一階的時候DW檢驗不過二階的時候DW檢驗通過

對模型對殘差進行自相關和偏自相關圖，序列平穩(wěn)。

下圖為白噪聲檢驗的輸出結果，因為0.15>0.05,不是白噪聲，模型通過。

回歸預測模型擬合預測圖 總結及建議

利用時間趨勢模型和周期波動模型,預測我國2010—2020年的糧食產量預測結果顯示,未來幾年我國糧食生產基本呈現(xiàn)增長的態(tài)勢,到2012年會達到一個增長的高峰,此后會有幾年的糧食產量下降,其中,2010年和2020年我國糧食產量分別接近5.27億噸和5.69億噸。2008年7月初,國務院常務會議審議通過的《國家糧食安全中長期規(guī)劃綱要》指出:到2010年我國糧食需求總量達到5.25億噸,2020年達到5.73億噸,未來的糧食生產目標是到2010年糧食綜合生產能力穩(wěn)定在5億噸以上,到2020年達到5.4億噸以上。這與本文組合模型所預測出來的糧食產量比較接近。我國向來重視糧食安全,對糧食生產實行了一系列務實的支持政策,尤其是近年來的良種補貼、農民直補、農機具購置補貼、農資綜合補貼等政策措施,大大增加了我國糧食持續(xù)增產的可能性。由于糧食生產本身是一個復雜的經濟和自然過程,受到諸多因素如自然災害、政策變遷、生產投入、市場等的制約,其中有一些因素是人為不可控制的,波動項的存在使得實際值偏離預測值。本文研究所采用的模型以時間序列模型為研究基礎,且每個模型都剔除了其他項的變化情況,僅僅是潛在產出和周期波動對時間的反應函數(shù),并沒有考慮其他影響糧食產量的因素。從中長期來看,糧食播種面積、單產變化、氣候變化等都會使糧食產量產生影響,導致預測值與實際產量之間產生差距。本文研究證實了ＨＰ濾波和頻譜濾波等方法能夠較好地用于糧食產量預測,能夠為未來建立更加精確的糧食生產預測模型提供借鑒。

建議

為保障未來我國的糧食有效供給：

一、是要加大農業(yè)科技投入,增強糧食生產能力,確保糧食單產增長速度不低于我國耕地的減少速度

二、是要保持支農惠農政策的連續(xù)性并不斷加強,穩(wěn)定提高農民的發(fā)展糧食生產的積極性

三、是要采取最嚴厲的措施,保證耕地面積不低于18億畝,糧食播種面積不低于15億畝,確保糧食產量的增長速度不低于人口的增加速度

四、是要進一步加強農業(yè)基礎設施建設,在建設高產穩(wěn)產的糧食主產區(qū)的同時,加大對中低產田的改造力度。參考文獻 參考文獻

3.董 進.宏觀經濟波動周期的測度.經濟研究,2006(7)4.高鐵梅.計量經濟分析方法與建模.清華大學出版社,2005 5.李 華,胡奇英.預測與決策.西安電子科技大學出版社,2005 6.李岳云,蔣乃華,郭忠興.中國糧食波動論.中國農業(yè)出版社,2001 7.劉志澄.千方百計保證國家糧食安全.中國農村經濟論壇文集.中國農業(yè)出版社,2009 8.喻翠玲,馮中朝.我國糧食生產的波動性及其影響因素分析.農業(yè)現(xiàn)代化研究,2006(1)9.張 軍.關于我國糧食產量波動缺口的研究—基于ＨＰ濾波的計量及政策分析.糧食問題,2008(6)10.張 峭.中國糧食生產波動研究.農業(yè)技術經濟,1998(5)11.祝美群,白人樸.改革開放以來我國糧食生產波動的分析.中國農業(yè)大學學報,2000(4)

附錄： t 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 commissariat 28631 28273 30477 33212 32056 32502 35450 38728 40731 37911 39151 40473 39408 40755 44624 43529 44266 45649 44450 46661.8 50453.5 49417.1 51229.5 50838.6 46217.5 45263.7 45705.8 43069.5 46946.9 48402.2 49804.2 50160.3 52870.9 53082 54641 57121

第二篇：時間序列論文格式

武漢大學經濟與管理學院 畢業(yè)論文要求及文本格式規(guī)范

為規(guī)范我院本科學生畢業(yè)論文寫作格式，學院對我院本科生畢業(yè)論文格式特做統(tǒng)一要求。

一、用紙、頁邊距及字數(shù)要求

統(tǒng)一用A4紙張打??；左邊距3厘米，右邊距2厘米，上邊距2.5厘米，下邊距2.5厘米；字數(shù)要求：本科不少于8000字，?？撇簧儆?000字。

二、目錄

目錄為三級目錄，并標明頁碼，詳細格式規(guī)范見附件。

三、開題報告、中文摘要、英文摘要的要求及格式規(guī)范見附件

四、正文文字字體、字號及行距

正文文字字體用宋體，字號為小四號；正文文字行距采用1.25倍行距。

五、論文標題序號

統(tǒng)一采用中文國標。具體序號為：

一、（一）

1、（1）① 第一，…… 第二，…… ② 第一，…… 第二，……（2）

2、（1）（2）

（二）1、二、（一）

（二）……

六、論文注釋格式

凡文中引用的數(shù)據(jù)和觀點均應以注釋形式表明具體出處。正文中引用的數(shù)據(jù)和觀點均用腳注的形式標明出處，采用①②……這樣的序號，標注處應該用上標（即①②……）。腳注序號每頁新起，即每頁序號從①開始。

腳注采用小5號楷體。

七、論文圖表格式

1、表和圖均應有標題，以表

1、表2…….，圖

1、圖2……，顯示，表和圖若為引用，必須標明詳細出處（標在圖、表的下方），表、圖中的符號要予以說明。

示例：說明：①

②

③資料來源：國家統(tǒng)計局：《中國統(tǒng)計年鑒（2000）》，80頁，北京，中國統(tǒng)計出版社，2000。

2、表序、表題放在表的上方，圖序、圖題放在圖的下方。論文中的表述不要用上表、下表、上圖、下圖之類的表述，而是直接用表1，圖1這樣的表述。

3、表序、表題和圖序、圖題用小4號楷體粗體。

4、表序與標題之間、圖序與圖題之間不要加冒號，而是以空格隔開。

5、表和圖的內容（指標、符號、數(shù)據(jù)等）的字體應比正文文字字體小。

八、年代、年份、數(shù)字的表述方式

不能用85年之類的表述，而必須用1985年這樣的表述；不能用80年代之類的表述，而必須用20世紀80年代（或1980年代）之類的表述。

數(shù)字在千位數(shù)以上，每隔3位數(shù)以空格隔開，如1 000，10 000 000等。

九、英文縮寫的表述方式

英文縮寫第一次出現(xiàn)時，必須有中文全稱。格式：中文全稱（英文縮寫）。示例：世界貿易組織（WTO）

十、參考文獻

1、參考文獻標注采用國標方法。示例：

參考文獻：（先中文，后外文；先書目，后論文）

1．斯密：《國民財富的性質和原因的研究》，中文版，上卷，北京，商務印書館，1979。2.于宗先：《資產泡沫化與經濟消長》，載《經濟學動態(tài)》，2004年第6期。3．中國人民銀行：《各項貸款增速回升，儲蓄存款明顯增加》，載《中國財經信息網》（網址：http://cat.cfi.net.cn/），2004年12月13日。

外文參考文獻建議采用以下格式：

Eugene F.Fama, 1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.Alfred E.Kahn，1998.The Economics of Regulation: Principles and Institutions.The MIT Press.或者：

Fama,Eugene F.,1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.Kahn，Alfred E., 1998.The Economics of Regulation: Principles and Institutions.The MIT Press.2、參考文獻數(shù)量不少于5種。

十一、文獻來源引注原則

注釋及參考文獻均應源自第一手文獻（含外文文獻的中譯一手文獻）,即不要用轉載期刊或者轉載網站上的文獻，如《新華文摘》、人大復印期刊、中國期刊網刊載的論文等電子文獻都是二手文獻，不得直接引注。在轉載期刊或者轉載網站上發(fā)現(xiàn)的文獻，務必查閱原發(fā)期刊，引注務必用原發(fā)期刊。

十二、論文裝訂順序

1、論文封面（填寫統(tǒng)一使用黑色中性水筆）

2、目錄 3.開題報告

4、中文摘要【單獨占1頁】

5、英文摘要【單獨占1頁】

6、論文正文

7、參考文獻【單獨占1頁】

以上部分裝訂成冊，一式三份。最后存檔文本統(tǒng)一采用膠裝。成績評定表各一份（由學院發(fā)）不能與上述論文裝訂。

武漢大學經濟與管理學院本科教學管理辦公室

2007年11月14日

以下為附件：

目錄【到三級標題】

開題報告………………………………………………………………...…頁碼 中文摘要……………………………………………………………………頁碼 英文摘要……………………………………………………………………頁碼 前言…………………………………………………………………………頁碼

一、…………………………………………………………………………頁碼

（一）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

（二）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

二、…………………………………………………………………………頁碼

（一）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

（二）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

┋

參考文獻……………………………………………………………………頁碼

【一級目錄用宋體、粗體4號字，二級目錄用宋體小4號字，三級目錄用宋體小4號字（行距視目錄中標題多少可定為1.5 倍或1倍）】

中文摘要(300～500字)【另起1頁】

中文摘要標題用二號宋體、粗體，段前、段后各空1行，摘要正文用楷體4號字，1.5倍行距。

關鍵詞：關鍵詞用四號楷體、粗體，關鍵詞之間用分號隔開。關鍵詞數(shù)量：3～5個。

Abstract 【另起1頁】

Abstract用二號Times New Roman字體、粗體，段前、段后各空1行，摘要正文用4號Times New Roman字體，1.5倍行距。

Key words:關鍵詞用4號Times New Roman字體、粗體，關鍵詞之間用分號隔開。關鍵詞數(shù)量：3～5個。

【內容與中文摘要對應】

正文另起一頁

正文為小4號宋體，數(shù)字和英文用Times New Roman字體，均采用1.25倍行距。

一級標題居中，用一、二、三、……標示，用小三號黑體、粗體；標題前后各空0.5行，居中。例示：

一、論文選題的意義

正文

二級標題用

（一）（二）

（三）……標示，用4號黑體，標題前空0.5行，左縮進2字符。例示：

（一）論文選題的理論意義

正文

三級標題用1、2、3、……標示，用小4號楷體、粗體。例示： １、促進本學科理論的發(fā)展

正文，小4號宋體，1.25倍行距，數(shù)字、英文用Times New Roman字體，段落前空2字符。

參考文獻【另起1頁】

參考文獻標題用小三號黑體、粗體，段前、段后各空1行。參考文獻正文中文用宋體小四號字，1.25倍行距，英文用Times New Roman字體，字號用小四號。

示例：

1．斯密：《國民財富的性質和原因的研究》，中文版，上卷，北京，商務印書館，1979。2.于宗先：《資產泡沫化與經濟消長》，載《經濟學動態(tài)》，2004年第6期。3．中國人民銀行：《各項貸款增速回升，儲蓄存款明顯增加》，載《中國財經信息網》（網址：http://cat.cfi.net.cn/），2004年12月13日。

4.Eugene F.Fama, 1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.5.Alfred E.Kahn，1998.The Economics of Regulation: Principles and Institutions.The MIT Press.6

學院有關本科生畢業(yè)論文（設計）開題報告的一些具體要求

開

題

報

告（注：用一號楷體）（不少于2000字）

一、研究目的和意義（注：用四號字）

（注：內容用五號字）

二、主要參考文獻、資料，分析國內外現(xiàn)狀和發(fā)展趨勢，提出本課題的主攻方向（注：用四號字）

（注：內容用五號字）

三、主要研究內容、途徑及技術路線（注：用四號字）

（注：內容用五號字）

畢業(yè)論文的技術路線的內容為論文的研究思路與步驟。

四、研究的主要階段、進度及完成時間（注：用四號字）

（注：內容用五號字）

學院有關本科生畢業(yè)論文（設計）成績評定表的一些具體要求

畢業(yè)論文(設計)成績評定表

論

文

摘要

（注：①可套打，最好手填，若套打必須用A3紙，全套套打；②不得粘貼；③摘要不少于300字，先起草，后謄抄；④摘要為論文的縮寫，摘要包括論文的基本內容和結論以及論文的創(chuàng)新之處。）

指導教師評語：

（注：須由指導教師手寫，不得粘貼）

評語應包括以下幾方面內容：

1.論文選題的理論與現(xiàn)實意義；

2.對論文研究內容、研究方法及研究結論的意見；

3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實的經濟學或管理學專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強或很強的科研能力）；

5.論文的不足；

6.論文是否達到了××專業(yè)本科畢業(yè)論文水平(以及經濟學或管理學學士學位論文水平)。

指導教師

評

分

****年**月**日

（必須指導教師親自簽名，不得他人代簽）

答辯小組評語

（注：由評閱教師填寫）評語應包括的內容（簡明扼要）：

1.論文選題的理論與現(xiàn)實意義；

2.對論文研究內容、研究方法及研究結論的意見； 3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實的經濟學或管理學專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強或很強的科研能力）；

5.論文是否達到了××專業(yè)本科畢業(yè)論文水平(以及經濟學或管理學學士學位論文水平)。

答辯組長

評 分

****年**月**日

（注：必須由答辯組長親筆簽名）

答辯委員會評語

（注：可由答辯委員會主任或答辯秘書填寫）評語應包括的內容（簡明扼要）：

1.論文選題的理論與現(xiàn)實意義；

2.對論文研究內容、研究方法及研究結論的意見； 3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實的經濟學或管理學專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強或很強的科研能力）；

5.論文是否達到了××專業(yè)本科畢業(yè)論文水平(以及經濟學或管理學學士學位論文水平)。

答辯委員會主任(簽章)

評 分

****年**月**日

第三篇：時間序列分析法缺點

時間序列分析預測法有兩個特點：

①時間序列分析預測法是根據(jù)市場過去的變化趨勢預測未來的發(fā)展，它的前提是假定事物的過去會同樣延續(xù)到未來。事物的現(xiàn)實是歷史發(fā)展的結果，而事物的未來又是現(xiàn)實的延伸，事物的過去和未來是有聯(lián)系的。市場預測的時間序列分析法，正是根據(jù)客觀事物發(fā)展的這種連續(xù)規(guī)律性，運用過去的歷史數(shù)據(jù)，通過統(tǒng)計分析，進一步推測市場未來的發(fā)展趨勢。市場預測中，事物的過去會同樣延續(xù)到未來，其意思是說，市場未來不會發(fā)生突然跳躍式變化，而是漸進變化的。

時間序列分析預測法的哲學依據(jù)，是唯物辯證法中的基本觀點，即認為一切事物都是發(fā)展變化的，事物的發(fā)展變化在時間上具有連續(xù)性，市場現(xiàn)象也是這樣。市場現(xiàn)象過去和現(xiàn)在的發(fā)展變化規(guī)律和發(fā)展水平，會影響到市場現(xiàn)象未來的發(fā)展變化規(guī)律和規(guī)模水平；市場現(xiàn)象未來的變化規(guī)律和水平，是市場現(xiàn)象過去和現(xiàn)在變化規(guī)律和發(fā)展水平的結果。

需要指出，由于事物的發(fā)展不僅有連續(xù)性的特點，而且又是復雜多樣的。因此，在應用時間序列分析法進行市場預測時應注意市場現(xiàn)象未來發(fā)展變化規(guī)律和發(fā)展水平，不一定與其歷史和現(xiàn)在的發(fā)展變化規(guī)律完全一致。隨著市場現(xiàn)象的發(fā)展，它還會出現(xiàn)一些新的特點。因此，在時間序列分析預測中，決不能機械地按市場現(xiàn)象過去和現(xiàn)在的規(guī)律向外延伸。必須要研究分析市場現(xiàn)象變化的新特點，新表現(xiàn)，并且將這些新特點和新表現(xiàn)充分考慮在預測值內。這樣才能對市場現(xiàn)象做出既延續(xù)其歷史變化規(guī)律，又符合其現(xiàn)實表現(xiàn)的可靠的預測結果。

②時間序列分析預測法突出了時間因素在預測中的作用，暫不考慮外界具體因素的影響。時間序列在時間序列分析預測法處于核心位置，沒有時間序列，就沒有這一方法的存在。雖然，預測對象的發(fā)展變化是受很多因素影響的。但是，運用時間序列分析進行量的預測，實際上將所有的影響因素歸結到時間這一因素上，只承認所有影響因素的綜合作用，并在未來對預測對象仍然起作用，并未去分析探討預測對象和影響因素之間的因果關系。因此，為了求得能反映市場未來發(fā)展變化的精確預測值，在運用時間序列分析法進行預測時，必須將量的分析方法和質的分析方法結合起來，從質的方面充分研究各種因素與市場的關系，在充分分析研究影響市場變化的各種因素的基礎上確定預測值。

需要指出的是，時間序列預測法因突出時間序列暫不考慮外界因素影響，因而存在著預測誤差的缺陷，當遇到外界發(fā)生較大變化，往往會有較大偏差，時間序列預測法對于中短期預測的效果要比長期預測的效果好。因為客觀事物，尤其是經濟現(xiàn)象，在一個較長時間內發(fā)生外界因素變化的可能性加大，它們對市場經濟現(xiàn)象必定要產生重大影響。如果出現(xiàn)這種情況，進行預測時，只考慮時間因素不考慮外界因素對預測對象的影響，其預測結果就會與實際狀況嚴重不符。

第四篇：SPSS時間序列一點總結

SPSS時間序列一點總結(一)SPSS中“Time Series”包括4個時間序列分析子菜單: 1.Exponential Smoothing指數(shù)平滑 2.Autoregression自回歸 3.ARIMA自回歸綜合移動平均

4.Seasonal Decomposition季節(jié)分散法

(一)Exponential Smoothing指數(shù)平滑中的Model有四種:Simple、Holt、Winters、Custom.Simple法是在移動平均法基礎上發(fā)展而來的一次指數(shù)平滑法,它假定所研究的時間序列數(shù)據(jù)集無趨勢和季節(jié)變化.Simple法基本過程: 1.首先定義變量、輸入數(shù)據(jù),至少要有一個變量,點出Data菜單中的Define Dates對話框,定義時間序列的周期.Define Dates可用來建立時間序列的周期性.共有20種可用來定義時間日期的變量.2.指定需要進行指數(shù)平滑處理的變量.從左側變量名列表中選中需要進行指數(shù)平滑處理的變量,單擊右面一個右箭頭按鈕,使變量名移到Variables框中.如果變量為多個,則計算完一個后,再輸入另一個變量.3.“Parameters”參數(shù)設定,選定指數(shù)平滑中的參數(shù),誤差修正權數(shù) a(General(Alpha))的取值在默認狀態(tài)下為0.1,其取值大小依賴于已知時間序列的性質,通常都使用在0.1至0.3之間的數(shù)值并產生一個依賴于大量的過去觀測資料的預測.接近于1的值較少用,它將給出更加依賴于新近觀察資料的預測.當a=1時,預測值等于最新的觀測值.單擊Grid Search選項,如不加改動,可讓程序自動計算a從0.1到1的10個指數(shù)平滑結果,并將誤差平方和最小的平滑結果暫時存放在數(shù)據(jù)庫中,當然,在這里可重新設置a的開始值,以后每次的增加值及終止值.在本程序中,確定Initial Values初始值欄中的選擇有兩種方式,選擇Automatic項,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值:選擇Custom項,可手工輸入初始值及趨勢值.單擊“Save”,最后單擊“OK”并執(zhí)行.Holt雙參數(shù)線性指數(shù)平滑法適用于有線性趨勢及無季節(jié)變化的時間序列的趨勢.它可以用不同的參數(shù)對原時間序列的趨勢進行平滑,具有很大的靈活性.在此法中要用到兩個參數(shù)a、g(從0到1之間取值)和三個方程(略).Holt法基本過程

1、首先按定義變量、輸入數(shù)據(jù),至少要有一個變量,在Data菜單的Define Dates設置;指定需要Holt指數(shù)平滑法處理的變量.從左側變量名列表中選中需要進行指數(shù)平滑處理的變量,如果變量為多個,則計算完一個后,再輸入另一個變量.選定Holt選項.設置Parameters即指數(shù)平滑中的參數(shù),參數(shù)a、g的取值在默認狀態(tài)下都為0.1,它們都在0到1之間取值.其取值大小依賴于已知時間序列的性質,通常使用0.1至0.3之間的數(shù)值,并產生一個依賴于大量的過去觀測資料的預測.接近于1的值較少用,它將給出更加依賴于新近觀測資料的預測.不使用默認值,可通過單擊Grid Search選項來自定義,如不加改動,可讓程序自動計算a從0.1到1每次增加0.1、g從0.1到1每次增加0.2的10個指數(shù)平滑結果,并將誤差平方和最小的平滑結果暫時存放在數(shù)據(jù)庫中.當然,可以重新設置a、g的初始值、以后每次的增加值及終止值.在本程序中,確定初始值的選中有兩種方式,選中Automatic項,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值St并自動給出趨勢值bt.選中Custom項,可手工輸入初始值及趨勢值.Winters線性和季節(jié)性指數(shù)平滑法適用于數(shù)據(jù)的變化含有季節(jié)性因素的時間序列的預測.選定指數(shù)平滑中的參數(shù)“Patameters”,參數(shù)a、b、g的取值在默認狀態(tài)下都為0.1,它們都在0到1之間取值,但都不包括0和1.采用Winters法的關鍵是如何確定a、b、g的值,以使均方差達到最小.最佳方法是反復試驗法.如不使用默認值,除直接修改a、b、g的值外,還可通過單擊Grid Search來自定義.可讓程序自動計算a從0.1到1每次增加0.1,b、g從0.1到1每次增加0.2的10個指數(shù)平滑結果,并將誤差平方和最小的平滑結果暫時存放在數(shù)據(jù)庫中,SPSS在商務管理中的應用,當然,在這里可重新設置a、b、g的開始只,以后每次的增加值及終止值.在本程序中,確定初始值的選擇有兩種方式,選擇Automatic,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值St并自動給出趨勢值bt;選擇Custom,可手工輸入初始值及趨勢值.

第五篇：時間序列分析結課論文

時間序列分析結課論文

全國社會消費品零售總額的時間序列分析

全國社會消費品零售總額的時間序列分析

摘要

時間序列分析是經濟領域研究的重要工具之一，它描述歷史數(shù)據(jù)隨時間變化的規(guī)律，并用于預測經濟變量值。市場經濟中，政府對市場變化的即時反應是各國經濟工作的重點。在我國，隨著市場經濟的日益成熟，各級政府逐漸認識到短期計劃的重要性。在要求減少對市場干預的同時，政府在經濟中的作用主要體現(xiàn)在保證經濟運行的正常軌道，由于社會消費品零售總額反映了經濟運行中的一個重要環(huán)節(jié)———消費，尤其是目前我國市場上的消費需求不足現(xiàn)象，使我國經濟發(fā)展受到外需與內需兩方的困擾。因此對于社會消費品零售總額預測中的研究一直具有積極意義。

本文就以以我國1952年至2011年我國社會消費品零售總額為研究對象，做時間序列分析。首先，對全國60多年來社會消費品零售總額的發(fā)展變化規(guī)律，運用SAS軟件進行分析其發(fā)展趨勢。再則，通過檢驗說明模型擬合效果的好壞，再利用模型對下一年進行預測。最后，從國家經濟、政策和社會消費品零售市場發(fā)展等方面對社會消費品零售總額變化規(guī)律及未來走勢進行分析。

關鍵字：社會消費品零售總額???SAS軟件???時間序列分析??預測

一．引言

社會消費品零售總額是指各種經濟類型的批發(fā)零售業(yè)、貿易業(yè)、餐飲業(yè)、制造業(yè)和其他行業(yè)對城鄉(xiāng)居民和社會集團的消費品零售額和農民對非農民居民零售額的總和。這個指標能夠反映通過各種商品流通渠道向居民和社會集團供應生活消費品來滿足他們生活需求的情況，是研究人民生活、社會消費品購買力、貨幣流通等問題的重要指標。隨著消費環(huán)境的逐步改善，人們的消費能力不斷增強，人們消費能力的增強直接帶動了社會消費品零售總額的發(fā)展，“十一五”期間，面對復雜多變的國內外形勢，特別是為應對國際金融危機的沖擊，國家出臺了一系列擴大內需、促進消費等政策措施，消費品市場的穩(wěn)定發(fā)展對我國緩沖金融危機起到了明顯的積極作用，消費需求已經成為經濟增長的重要組成部分。

中國社會消費品零售業(yè)的發(fā)展將進入?yún)⑴c國際化競爭的新階段，可靠準確的數(shù)據(jù)體系有利于政府的宏觀決策，而零售總額的數(shù)據(jù)受多種因素的影響。因此對我國社會消費品零售總額進行預測是有積極意義的。

本文利用時間序列分析方法對我國社會消費品零售總額進行分析和預測。時間序列分析是根據(jù)動態(tài)數(shù)據(jù)揭示系統(tǒng)動態(tài)結構的規(guī)律的統(tǒng)計方法。其基本思想是根據(jù)系統(tǒng)的有限長度的運行記錄（觀察數(shù)據(jù)），建立能夠比較準確地反映時間序列中所包含的動態(tài)依存關系的數(shù)學模型，并借以對系統(tǒng)的未來行為進行預報

二．問題重述

1.1問題背景

社會消費品零售總額指企業(yè)（單位、個體戶）通過交易直接售給個人、社會集團非生產、非經營用的實物商品金額，以及提供餐飲服務所取得的收入金額。個人包括城鄉(xiāng)居民和入境人員，社會集團包括機關、社會團體、部隊、學校、企事業(yè)單位、居委會或村委會等。

社會消費品零售總額由社會商品供給和有支付能力的商品需求的規(guī)模所決定，是研究居民生活水平、社會零售商品購買力、社會生產、貨幣流通和物價的發(fā)展變化趨勢的重要資料。反映一定時期內人民物質文化生活水平的提高情況，反映社會商品購買力的實現(xiàn)程度，以及零售市場的規(guī)模狀況。

1.2問題的提出

時間序列是指同一種現(xiàn)象在不同時間上的相繼連續(xù)的觀察值排列而成的一組數(shù)字序列。時間序列預測方法的基本思想是：預測一個現(xiàn)象的未來變化時，用該現(xiàn)象的過去行為來預測未來。即通過時間序列的歷史數(shù)據(jù)就可以揭示現(xiàn)象隨時間變化的規(guī)律，將這種規(guī)律延伸到未來的一段時間，從而對該現(xiàn)象的未來做出預測。對此希望建立相關的社會消費品零售總額的數(shù)學模型并來預測居民消費價格指數(shù)未來年間的走勢。

社會消費品零售總額是一個具有滯后性的數(shù)據(jù)，根據(jù)社會消費品零售總額的這一個特點，我們可以運用時間序列分析的方法對我國社會消費品零售總額進行

合理擬合，但不排除有誤差的存在，從而對未來的社會消費品零售總額走勢做出合理的預測。

三、時間序列模型

3.1模型介紹

對于短的或簡單的時間序列，可用趨勢模型和季節(jié)模型加上誤差來進行擬合。對于平穩(wěn)時間序列，可用通用ARIMA模型及其特殊情況的自回歸模型、滑動平均模型或組合-ARIMA模型等來進行擬合。所謂的ARIMA模型是指將非平穩(wěn)時間序列轉化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及最忌誤差項的現(xiàn)值和滯后值進行回歸所建立模型。ARIMA模型根據(jù)原來的時間序列是否平穩(wěn)和回歸中包含部分的不同，分為了幾個類別：MA（移動平均過程）、AR（自回歸過程）、ARMA(自回歸移動平均過程)、ARIMA過程。當觀測值多于50個時候一般都采用ARIMA模型來進行擬合。本文社會消費品零售總額收集到的數(shù)據(jù)為60個，因此采用ARIMA模型進行擬合和趨勢的預測。

求和自回歸移動平均（AutoRegressive?Integrated?Moving?Average，ARIMA）模型是以序列不同時期內的相關度量為基礎，進行的一種精確度較高的短期預測分析方法。該法由美國學者Box和英國統(tǒng)計學者Jenkins于1976年提出來的，故又被稱之為Box-Jenkins模型。

在ARIMA模型中，變量的未來取值可以表達為過去若干個取值和隨機誤差的線性函數(shù)式中：

其中B是后移算子，εt為各期的隨機擾動或隨機誤差，d為差分階數(shù)，p和q分別表示自回歸階數(shù)和移動平均階數(shù)，Xt為各期的觀察值（t=1,2，?，k）。

3.2模型的建立步驟

對于非平穩(wěn)時間序列則要先將觀測到的時間序列進行差分運算，并化為平穩(wěn)時間序列后，再用適當?shù)哪Ｐ腿M合這個差分序列。通常情況下，求和自回歸移動平均模型的建模過程分為以下幾個步驟：

(1)

對原序列進行平穩(wěn)性檢驗，若原序列為非平穩(wěn)序列則通過差分消除趨勢；

(2)判斷序列是否具有季節(jié)性，若具有季節(jié)性的波動，則通過季節(jié)差分來消除季節(jié)性；

(3)

進行模型識別

(4)

進行模型定階；

(5)

對模型的參數(shù)進行估計；

(6)

對模型的適合性進行檢驗，即對殘差序列進行白噪聲檢驗，判斷是否是白噪聲序列；

(7)

給出模型的預測結果，并畫出趨勢預測圖。

3.3ARIMA（p,d,q）模型

在ARIMA模型的識別過程中，我們主要用到兩個工具：自相關函數(shù)(ACF），偏自相關函數(shù)(PACF)以及它們各自的相關圖。對于一個序列{Xt}來說，它的第i階自相關系數(shù)定義為它的i階自協(xié)方差除以它的方差，它是關于i的函數(shù)，因此我們也稱之為自相關函數(shù)，通常記ACF(i)。偏自相關函數(shù)PACF(i)度量了消除中間滯后項影響后兩滯后變量之間的相關關系。

自相關系數(shù)和偏自相關系數(shù)這兩個統(tǒng)計量來識別ARIMA(p,d,q)模型的系數(shù)特點和模型的階數(shù)。并用游程檢驗經過處理的序列是否為平穩(wěn)化的序列。

可以利用平穩(wěn)性檢驗、自相關函數(shù)ACF(i)和偏自相關函數(shù)PACF(i)，可識別ARIMA（p,d,q）模型。具體步驟如下：

第一步，利用平穩(wěn)性檢驗確定d的值。可運用前面學過的平穩(wěn)性檢驗方法，檢驗序列是否平穩(wěn)。如果不是，通過幾次差分才能得到平穩(wěn)序列。若經過1次差分就可實現(xiàn)平穩(wěn)，則d就等于1，若經過2次差分就可實現(xiàn)平穩(wěn)，則d就等于2，如此類推。

第二步，利用ACF和PACF來確定p和q的值。一般規(guī)則是：

（1）如果序列的ACF是截尾的，即過了某一滯后項值（設為q）后，ACF變得不顯著，接近于零，并且PACF是拖尾的，則可把序列設為MA（q）過程；

（2）如果序列的PACF是截尾的，即過了某一滯后項值（設為p）后，PACF變得不顯著，接近于零，并且ACF是拖尾的，則可把序列設為AR（p）過程；

（3）如果序列的ACF和PACF都是拖尾的，則可把該序列設為ARMA（p,q）過程，而關于p和q的值需要不斷地從低階試探，并使信息準則達到最小。

四、時間序列模型建立與擬合4.1.數(shù)據(jù)的錄入

根據(jù)中國國家統(tǒng)計局網站發(fā)布的社會消費品零售總額時間序列數(shù)據(jù)，經整理得到了歷年社會消費品零售總額（1952~2011）（單位：億元）。

我國社會消費品零售總額

我將這些數(shù)據(jù)編寫了SAS的程序（附錄1），進行了下列的檢驗和預測。

4.2.數(shù)據(jù)分析

4.2.1?根據(jù)原始數(shù)據(jù)畫出時序圖

圖2.1.1??時間序列圖

有上圖可知在1952-2011年我國社會消費品零售總額波動趨勢總體上是持續(xù)上升的，我們可以看出該時間序列圖顯示這是一個典型的非平穩(wěn)序列，因為具有明顯的趨勢性。

4.2.2?一階差分處理

對于該非平穩(wěn)社會消費品零售總額的時間序列，首先可以利用SAS軟件對數(shù)據(jù)進行一階季節(jié)性差分的處理，以便消除其具有的強烈的趨勢性，來觀察數(shù)據(jù)是否大致趨于平穩(wěn)。因此得到的一階差分時間序列圖如下：

從圖2.2.1中可以看出社會消費品零售總額時間序列的趨勢性得到了一定的消除，序列圍繞均值為零的一個小區(qū)間內震蕩，且方差明顯有界。但是很明顯在1995-2000年這段時間波動比較大，影響這個波動較大的因素是由于在1997年的亞洲金融危機的沖擊下，國內的消費需求不振，從而導致我國的經濟陷入衰退，出現(xiàn)了通貨緊縮的情況，社會消費品零售總額開始出現(xiàn)回落。2007年是由于美國次貸危機的影響，有小幅度的波動，2008年的社會消費品零售總額略有下降，但是國家政府為了促進經濟的增長，采取了一系列的宏觀調控政策。如寬松的貨幣政策和財政政策，使得經濟復蘇，從而使得社會消費品零售總額穩(wěn)中有降。此時季節(jié)性性因素對社會消費品零售總額的影響表現(xiàn)出來。

2.3?平穩(wěn)性檢驗

為了進一步判斷其平穩(wěn)性，考察差分序列的自相關圖，如圖2.3.1所示，自相關圖顯示延遲3階之后，自相關系數(shù)都落入2倍標準差范圍以內，而且自相關系數(shù)向零衰減的速度非?？?，延遲在16階以后自相關系數(shù)即在零值附近波動，從而判斷該序列有很強的短期相關性，所以可以初步認為一階差分后序列平穩(wěn)。自相關函數(shù)與偏自相關函數(shù)圖如下：

4.2.4純隨機性檢驗

對平穩(wěn)的差分序列進行白噪聲檢驗.編程運行結果為圖2.4.1:

從圖2.4.1可以看出,在顯著水平為0.01的條件下,檢驗統(tǒng)計量的p值顯著小于0.01,所以該序列是平穩(wěn)非白噪聲序列,我們可以利用ARIMA(p,d,q)模型進行建模.4.2.5ARIMA(p,d,q)模型擬合用ARIMA(p,d,q)模型對我國社會消費品零售總額進行建模擬合及預測并進行了平穩(wěn)化處理,因此直接對差分后平穩(wěn)序列{}進行建模.利用SAS軟件進行編程擬合分析:

根據(jù)圖2.3.1，自相關函數(shù)為3階截尾，再根據(jù)圖?2.3.2確定偏自相關函數(shù)為1階截尾，可以初步選擇ARMA（3,1）模型進行擬合。再由BIC準則確定模型的階數(shù)，BIC值如下：

從圖2.5.1可知，p=1，q=2時?BIC（1，2）=12.27375最小，因此選擇模型ARMA(1,2)。然后對模型ARMA(1,2)進行參數(shù)估計和顯著性檢驗，由SAS程序運行結果如圖2.5.2：

圖2.5.2參數(shù)估計及檢驗

從圖2.3.3知，參數(shù)估計顯著，得到模型為:

4.2.6?殘差檢驗

模型檢驗主要是檢驗模型對原時間序列的擬和效果，就是檢驗整個模型對信息的提取是否充分，即檢驗殘差序列是否為白噪聲序列。如果擬合模型通不過檢驗，即殘差序列不是為白噪聲序列，那么要重新選擇模型進行擬合。如殘差序列是白噪聲序列，就認為擬合模型是有效的。對擬合好的模型的殘差序列作白噪聲檢驗，觀察模型殘差的自相關和偏自相關圖，可以直觀地看到，幾乎95%的系數(shù)值全部落在2σ之間，說明殘差之間沒有相關性，即信息提取充分，模型建立良好。

對模型進行殘差檢驗，應用SAS程序運行結果如圖2.3.4所示，顯然，殘差序列為白噪聲序列，說明模型提取信息充分，說明ARIMA（1,1,0）對該序列來說是適應的。

圖2.6.1殘差檢驗

4.2.7運用模型ARIMA（1,1,0）進行預測與分析

（1）預測

由上圖可知，殘差為白噪聲序列，序列信息提取充分，不需要繼續(xù)建模，通過模型對未來5期進行預測并做出原始序列的預測圖，結果如下：

圖2.7.1??2012—2016年社會消費品零售總額預測結果

圖2.7.1??2012—2016年社會消費品零售總額預測結果

（2）分析

根據(jù)圖2.7.1和圖2.7.2可以看出在未來的時間居民消費價格指數(shù)還會有有所上漲，但是漲幅不會偏大。2007-2010年期間趨勢波動較大，是因為全球金融市場進入劇烈波動的“多事之秋”。再加上?2007年次貸危機使美國房地產衰退雪上加霜，并將推遲其復蘇時間。雖然相對美歐金融業(yè)而言，亞洲及中國遭受的直接影響還相對較小。但是美次貸危機對國際金融市場和世界經濟產生“溢出效應”，可能通過其廣泛的投資者、衍生品及影響市場預期和實體經濟運行等多個渠道，對亞洲及中國經濟產生間接的影響。不過美國次貸危機和金融機構面臨困難也為亞洲經濟體提供一些機遇。就像是我們中國的一句老話：“塞翁失馬焉知非福?”。在圖中也可以看出2007年美國次貸危機對我國經濟也造成了一定的影響，使之造成了一定通貨膨脹。使其后兩年的消費品零售總額有所下降。

4.2.8模型的局限性。

（1）

ARIMA模型的短期預測效果要優(yōu)于長期預測。原因在于本模型均是基于過去時間序列數(shù)據(jù)建立的，并沒有考慮預測期相應時間內突發(fā)情況等因素，隨著預測期的增長，預測效果自然會變得比較差。

（2）

針對于模型預測誤差的產生原因，除了上述模型本身的問題外，筆者認為還有人為因素的干擾。

五．總結

在利用時間序列ARIMA模型進行分析、預測時需要對數(shù)列進行預處理，以檢驗數(shù)列擬合ARIMA模型是否合適。通過對1952年至2011年我國社會消費品零售總額的建模分析，本文建立了ARIMA模型,并得到了較好的擬合效果。而對2012年到2016年的我國社會消費品零售總額進行預測，從預測結果看,在2012年到2016年間我國社會消費品零售月度總額將會有較大的增速。因此，政府可以參考預測結果制定相應政策來調控宏觀經濟，可以從以下兩個方面進行分析。了解與建議：

（一）導致我國消費品零售總額增加的原因主要有以下幾方面。

1.國家政策措施效果明顯。為了應對國際金融危機的不利影響，我國及時出臺了一系列擴內需、促消費的政策措施，成為消費品零售總額保持平穩(wěn)較快增長的首要因素。主要表現(xiàn)為直接提高居民特別是低收入群體的收入，增強了城鄉(xiāng)居民消費能力；加強民生工程建設，從一定程度上解除了居民消費的后顧之憂；穩(wěn)定大宗商品和熱點消費品價格，有力地促進了相關商品銷售。這些政策措施的實施，提高了城鄉(xiāng)居民實際消費能力和消費意愿，從而有效地阻止了我國消費品市場趨冷的走勢。

2.生產經營單位積極應對危機。為應對國際金融危機影響，商家普遍開展了長時間、大范圍、多形式的促銷活動，一些外貿企業(yè)為緩解外需不足，也通過舉辦外貿大集等形式大力開辟國內市場。

（二）保持消費品市場持續(xù)增長的建議

投資與消費對GDP的貢獻一般是此消彼長的關系，在研究GDP的相關問題時常選取社會消費品零售總額代表經濟的消費需求成分。根據(jù)預測，我國經濟目前處于一種穩(wěn)定增長的態(tài)勢，那么在逐漸提高效率和品質的供給能力支持下，驅動我國經濟發(fā)展的主要動力來自國內外的穩(wěn)定需求增長。因此，在制定我國宏觀經濟調控政策時的一個基本導向是：利用供給管理政策保證長期經濟增長，利用需求管理政策兼顧短期經濟波動。在經濟增長已經進入以累積需求為主導的發(fā)展階段時，能否有效地啟動消費需求和保持消費需求水平，是促進增長型經濟周期形成的關鍵。具體做法有以下幾點。

1.大力開拓農村市場，挖掘農村消費潛力。

2.繼續(xù)發(fā)揮投資對消費的拉動作用。加強基礎設施建設，加快城市化建設步伐，增加有效需求，刺激市場發(fā)展。

3.健全社會保障機制，提高居民消費水平。消費要有收入作基礎，收入是消費的來源，是影響消費需求最重要的因素，只有全面提高居民人均可支配收入，保障低收入家庭的收入，才能使人們放心大膽地進行消費。

4．進一步整頓和規(guī)范市場秩序。加強市場的監(jiān)管力度，嚴把商品質量關，加大對市場上商品的抽查力度，充分保障消費者的合法權益，增強消費者的信心，努力擴大消費。

六．參考文獻

【1】中華人民共和國國家統(tǒng)計局數(shù)據(jù)庫

【2】肖枝洪，郭月明????《時間序列分析與SAS應用》（第二版）武漢大學出版社

【3】張瑛，雷毅雄????《SAS軟件實用教程》???科學出版社

【4】王燕

《應用時間序列分析》（第三版）中國人民出版社

【5】百度文庫

七．附錄

附錄一：?SAS程序如下

data?curriculum_design;input?x@@;difx=dif(x);

time=intnx(＇year＇,＇01jan1952＇d,_n_-1);format?time?date.;cards;

276.8??????348???????381.1??????392.2???????461???????474.2?????548

638????????696.96????607.7??????604?????????604.5?????638.2?????670.3

732.8??????770.5?????737.3??????801.5???????858??????929.2????1023.3

1106.7????1163.6????1271.1?????1339.4??????1432.8????1558.6???1800.0

2140.0????2350.0?????2570.0????2849.4??????3376.4?????4305.0???4950.0

5820.0????7440.0?????8101.4????8300.1??????9415.6????10993.7??14270.4

18622.9???23613.8???28360.2????31252.9????33378.1????35647.9??39105.7

43055.4???48135.9???52,516.3???59,501.0???68352.6????79145.2??93571.6

114830.1??132678.4??156998.4???183918.6

proc?gplot;

plot?x*time?difx*time;

symbol?c=black?v=star?i=join;proc?arima;

identify?var=x(1)nlag=22;estimate?p=1?noint;

forecast?lesd=5?id=time;

run;

proc?arima?data=curriculum_design;

identify?var=x?nlag=22?minic?p=(0:5)q=(0:5);estimate?p=1;

forecast?lead=5?id=time?out=results;

run;

proc?gplot?data=results;

plot?x*time=1?forecast*time=2?l95*time=3?u95*time=3/overlay;symbol1?c=black?i=none?v=star;symbol2?c=red?i=join?v=none;

symbol3?c=green?i=join?v=none?l=32;

run;