CPI的SARIMA模型与X-12季节调整模型对比预测分析

基于SARIMA模型及X-12-ARIMA模型对我国1995年1月至2014年6月的居民消费价格指数月度数据进行预测分析。利用Eviews 6.0对CPI数据的变化趋势及季节性进行验证,结果表明X-12季节调整模型相对于SARIMA模型更有效,预测值与实际值的估计误差控制较好。     

居民消费价格指数的实时监测——基于季节调整的方法

本文首先阐述了对居民消费价格指数进行季节调整的必要性,简要介绍了X-12-ARIMA季节调整的原理,对中国月度CPI进行了季节调整,继而比较了月环比CPI与同比CPI的灵敏性,结果表明经过季节调整所得到的月环比CPI更适合用于宏观经济的实时监测,在对经济转折点的判断上比同比CPI领先2到6个月。最后对月度CPI进行了短期预测,认为近期内我国不会发生大的通货膨胀。     

实际经济时间序列的计算、季节调整及相关经济含义

本文首先讨论了计算中国实际经济时间序列的不同做法 ,并分析了其对季节调整的影响 ,指出通过同比增长率计算实际变量并进行季节调整是一个可以接受的做法 ,可以得到非常接近真实的季调后序列 ,并且在中国现有数据资源的限制下拥有一些特别的优势。然后本文具体讨论了对几个不同经济变量进行季节调整的方法 ,并给出了一些在经济数据分析与预测中的简单应用。方法的关键是采用regARIMA模型 ,从而可以对工作日变化、放长假、春节因素等作出一个估计和调整。作为一个副产品 ,本文引荐了一个相对较新的季节调整程序 (方法 ) ,TRAMO SEATS ,简单介绍了它的原理和优势 ,希望今后能得到更广泛的应用。     

中国季度GDP季节调整分析

迄今为止,很少有关于中国季度GDP的研究.文章主要研究中国季度GDP时间序列的特性.通过软件DEMETRA 2.O,使用X-12-ARIMA和TRAMO-SEATS两种方法分解序列,给出了对中国季度GDP季节调整完整的诊断结果和基本的分析结论.     

季节调整中的春节模型

如何估计并消除春节等移动假日的影响是我国季节调整工作中的一个重点和难点。本文首先借鉴X-12-ARIMA季节调整程序中的复活节模型建立了基本的春节模型,继而考虑到存量数据与流量数据在性质上的差异,提出了存量数据的春节模型。在此基础上进一步扩展,构造了三区段变权重春节模型。对社会消费品零售总额和货币供应量的实证检验表明,这一组春节模型能够很好地消除季节调整中的春节效应。     

季节调整中的春节模型

如何估计并消除春节等移动假日的影响是我国季节调整工作中的一个重点和难点。本文首先借鉴X-12-ARIMA季节调整程序中的复活节模型建立了基本的春节模型，继而考虑到存量数据与流量数据在性质上的差异，提出了存量数据的春节模型。在此基础上进一步扩展，构造了三区段变权重春节模型。对社会消费品零售总额和货币供应量的实证检验表明，这一组春节模型能够很好地消除季节调整中的春节效应。     

中国星级酒店客房出租率季节性特征——以上海为例

采用2004—2013年间上海星级酒店客房月度出租率时间序列数据,利用TRAMO/SEATS季节调整方法,把上海星级酒店客房出租率序列具体分解为季节要素、不规则要素和趋势要素,对上海星级酒店客房出租率的季节性特征、长期趋势和周期性波动特征进行了案例式分析。研究表明,上海不同星级酒店客房出租率均表现出明显的季节性特征,并根据"峰"、"谷"、"肩"等要素形成了不同的且随时间变化的差异性季节结构;上海星级酒店客房出租率经历了下降后缓慢回升长期趋势,并带有几次周期性波动过程;系列突发性事件并未对上海星级酒店客房出租率形成持久性效果,且带有显著的"时间分配性效应"。在此基础上,结合气温因素构建计量模型定量分析了上海星级酒店客房出租率季节性的成因,并提出对策建议。     

基于SARIMA模型的内蒙古居民消费价格指数的实证研究

居民消费价格指数(CPI)是宏观经济分析、决策,价格总水平监测、调控以及国民经济核算的重要指标。为分析内蒙古消费价格指数随时间推移的变化规律,利用1994—2013年内蒙古居民消费价格指数的月度数据,运用Eviews软件建立乘积季节模型SARIMA,并对其未来走势进行预测,为制定有效物价调控政策提供数量依据。     

“营改增”的影响效应研究——以上海市的改革试点为例

本文选取上海市的交通运输业、通讯业和建筑业与地方财政收入相关的24个序列,利用TRAMO/SEATS方法对"营改增"结构性减税政策效应进行实证检验。结果表明,"营改增"对交通运输业发展的促进作用在短期来看有限,"营改增"对通讯业和建筑业的改革红利预期较低,说明本轮较窄范围内的试点改革对产业发展的影响效应还未充分显现。最后,以分析结论为基础,就今后"营改增"的实施路径提出相关的政策建议。     

影响我国居民消费价格指数的因素分析

居民消费价格指数(CPI)是反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标.近年来,我国居民消费价格指数不断上升,其影响因素也众说纷纭.本文采用了1995-2014年这20年的我国居民消费价格指数,分析了CPI与城市居民消费价格指数,农村居民消费价格指数,商品零售价格指数,工业生产者出厂价格指数,工业生产者购进价格指数,固定资产投资价格指数这六大指标的关系,通过从国家统计部门收集的数据,对我国居民消费价格总指数进行多元回归分析,建立多元回归模型,最终得出居民消费价格总指数与这些指标之间的线性关系,并对其进行了相关的经济解释.