文档介绍：关于我国 CPI 的分析及预测----- 时间序列分析课程论文 11数学一班祝礼胤 2011133115 【案例介绍】 CPI 是反映与居民生活有关的消费品及服务价格水平的变动情况的重要经济指标,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(如股票市场)的变化。在日常经济生活中,大体来说 CPI 有三个用途,一是测量通货膨胀之用,如果 CPI 在一段时期内连续高幅度上涨,就可以说发生了严重通货膨胀;二是用于国民经济核算,比如核算城市运输业价值量时要扣除物价上涨因素, 从而得到城市运输业实际成果的变化情况; 三是作为利益关系方的利益调整参照系数, 比如在一些西方国家中作为劳资双方工资调整的依据。本文选取从 200 8年1月至 201 3年12 月的中国 CPI 指数的月数据,运用R 软件来对 201 4 年1 月至 4 月的中国 CPI 指数进行预测并与真实值进行比较,得出相应结论。【分析流程】 AB…【分析步骤】 Step1: 作时序图<R 演示> > x=("C:/23/",sep=",") # 导入数据> x=ts(x[1:72,2]) # 取原始数据的前 72 行和第二列,并将其转化为时间序列数据> (width=, height=,pointsize=8) > plot(x) # 画出时序图< 运行结果>< 结果解读> 从时序图看,序列的均值过程没有明显趋势。 Step 2: 相关性检验<R 演示> > log(72) [1] (即 lag=5 ) > (x,lag=5,type="Ljung") # 进行相关性检验< 运行结果> Box-Ljung test data: x X-squared = , df= 5, p-value < -16 < 结果解读> p<, 拒绝原假设。该序列存在相关性, 具有研究意义。 Step3 :平稳性检验及平稳化处理<R 演示> > unitrootTest( x ,type="c") # 单位根检验,有截距项没有趋势< 运行结果> Title: Augmented Dickey-Fuller Test Test Results: PARAMETER: Lag Order: 1 STATISTIC: DF: - P VALUE: t: n: Description: Sun Jun 01 15:51:17 2014 by user: LXC < 结果解读> t>, 不能拒绝原假设。该时间序列不平稳, 需要进行平稳化处理。<R 演示> > x1=diff(x)# 对原始数据差分> plot(x1) < 运行结果>> (x1,lag=5,type="Ljung") # 对一阶差分后的数据 x1 进行相关性检验< 运行结果> Box-Ljung test data: x1 X-squared = , df= 5, p-value = < 结果解读> p<, 拒绝原假设。一阶差分数据仍然相关,因此可以研究。<R 演示> > unitrootTest(x1,type="c") # 单位根检验,有截距项没有趋势< 运行结果> Title: Augmented Dickey-Fuller Test Test Results: PARAMETER: Lag Order: 1 STATISTIC: DF: - P VALUE: t: n: Description: Sun Jun 01 16:14:02 2014 by user: LXC < 结果解读> t< , 拒绝原假设。数据平稳,可以进行 arma 定阶。 Step 4 :模型定阶<R 演示> > acf( x1 ,lag= 70)< 运行结果> <R 演示> > pacf(x1,lag=70) < 运行结果> <R 演示> > eacf(x1) < 运行结果>< 结果解读> 综合以上可以发现: 由于原始数据为月度数据, 且其 acf 、 pacf 有明显的周期性。在周期内 ACF3 步截尾( PACF 后期跑出虚线), 故看 PACF 即可。由于周期内阶数 q=3 ,可以定为 MA (3 )。而通过 EACF 可以定为 AR(1) , MA(12) ( 对阶数高的其中不相关项设置为 0)。 Step 5: 模