基于乘積季節(jié)模型的陜西省CPI的分析與預測

袁芳

摘要：居民消費價格指數(shù)（簡稱CPI）是綜合反映居民購買的生活消費品和服務價格水平的變動情況的重要指標。本文基于乘積季節(jié)模型對陜西省2001年1月至2012年12月144個月份的CPI數(shù)據(jù)進行實證分析，建立■模型，結(jié)果表明該模型為反映CPI變化規(guī)律較優(yōu)的模型，最后利用該模型對陜西省2013年各月CPI進行預測。

關(guān)鍵詞：CPI；乘積季節(jié)模型；預測

一、引言

居民消費價格指數(shù)（Consumer Price Index，簡稱CPI）是度量居民生活消費品和服務價格水平隨著時間變動的相對數(shù)，綜合反映居民購買的生活消費品和服務價格水平的變動情況。它是進行國民經(jīng)濟核算、宏觀經(jīng)濟分析和預測、實施價格總水平調(diào)控的一項重要指標。CPI 的高低直接影響著居民的生活水平，因此，準確地分析并及時地對 CPI 做出合理的預測，對制定相應的經(jīng)濟政策，實行宏觀調(diào)控，穩(wěn)定物價，保證經(jīng)濟的正常平穩(wěn)發(fā)展具有重要意義?；诖耍疚膶﹃兾魇PI月度數(shù)據(jù)建立乘積季節(jié)模型，并對未來趨勢進行預測。

二、乘積季節(jié)模型

某些社會經(jīng)濟現(xiàn)象常常帶有明顯的季節(jié)性，適合用季節(jié)性時間序列去刻畫。季節(jié)模型可以對具有季節(jié)效應的序列建模。當序列的季節(jié)效應、長期趨勢效應和隨機波動之間有著復雜的相互糾纏關(guān)系，簡單的乘積模型不足以提取其中的相關(guān)關(guān)系，這時通常需要采用乘積季節(jié)模型。既有趨勢性又有季節(jié)性的統(tǒng)一模型為：

三、實證分析

1. 數(shù)據(jù)分析

2001年～2012年陜西省月度CPI數(shù)據(jù)如圖1，從時序圖中可以看出，該序列明顯非平穩(wěn)，近十多年的陜西省CPI數(shù)據(jù)變化趨勢具有以下特點：

第一，陜西省CPI數(shù)據(jù)序列具有明顯的周期為12的波動特性。并且每一年年初的CPI明顯較高，這是由于受春節(jié)

影響，CPI漲幅較大。

第二， 除個別年份外，陜西省CPI數(shù)據(jù)序列基本維持在較為平穩(wěn)的水平內(nèi)，總體呈現(xiàn)出緩慢增長趨勢。從時序圖可以明顯看出，2007和2008年CPI出現(xiàn)大幅上漲現(xiàn)象

3.參數(shù)估計

根據(jù)非線性最小二乘估計法，利用Eviews 軟件進行處理得到模型如下：

4. 模型檢驗

（1） 參數(shù)檢驗

（2）殘差序列檢驗

對殘差序列進行Q檢驗，其結(jié)果見圖3。

顯然，擬合檢驗統(tǒng)計量的P值都大于顯著性檢驗水平0.05，同時各階相關(guān)系數(shù)都在95%的置信限之內(nèi)，可以認為該殘差序列為白噪聲序列。

5.模型預測

下面對2013年1月-2013年3月陜西省CPI實際值與預測值進行比較，

四、結(jié)論

本文利用乘積季節(jié)模型對陜西省CPI數(shù)據(jù)進行分析預測。從預測結(jié)果來看，平均相對誤差僅為3%，說明了模型的擬合程度是比較高的，預測精度也是比較精確的。從這些方面來看該模型能較好地反映陜西省CPI的發(fā)展規(guī)律，對CPI的預測有著重要的應用，對有關(guān)部門制定相關(guān)政策具有一定的參考價值。

從預測結(jié)果來看，2013年陜西省CPI將維持在3%的漲幅內(nèi)。當前，食品價格上漲是推動物價上漲的主要因素，因此建議物價部門把保持價格總水平基本穩(wěn)定作為首要任務，加強糧食、肉禽蛋、蔬菜等主要農(nóng)副產(chǎn)品和重要生產(chǎn)資料價格監(jiān)測，逐步建立價格實時監(jiān)測體系，合理引導物價走勢，維護人民群眾利益，切實做好穩(wěn)價安民工作。

參考文獻：

[1] 謝佳利，楊善朝，梁鑫. 我國CPI時間序列預測模型的比較及實證分析[J].統(tǒng)計與決策， 2008（9）.

[2]陳娟，余灼萍. 我國居民消費價格指數(shù)的短期預測[J]. 統(tǒng)計與決策. 2005（04） .

[3] 張鳴芳，項燕霞，齊東軍. 居民消費價格指數(shù)季節(jié)調(diào)整實證研究[J]. 財經(jīng)研究. 2004（03）

[4]王振龍，應用時間序列分析[M].中國統(tǒng)計出版社，2010.

[5]王燕，應用時間序列分析[M].中國人民大學出版社，2005.

[6] James D. Hamilton， [J].Time series Analysis， Princeton， 1994

[7]杭州價格網(wǎng)站http：//www.hzjg.gov.cn