论文基于ARIMA模型我国社会消费品零售总额实证分析是适合不知如何写实证分析方面的相关专业大学硕士和本科毕业论文以及关于规范分析论文开题报告范文和相关职称论文写作参考文献资料下载。
[摘 要] 通过研究我国2005年1月至2015年11月社会消费品零售总额变动情况,建立合理的ARIMA模型进行时间序列分析研究,结果表明,我国社会消费品零售总额呈现一种整体周期性波动上升的趋势；同时,所建模型为预测2016年我国社会消费品零售总额提供了有效的技术支持.该模型的应用帮助我们得出的结论是：为促进社会消费健康发展,必须健全社会保障机制,提高人民消费水平；加强市场监管力度,规范市场经济秩序；扩大社会投资规模,提升社会消费需求.
[关键词] 社会消费品零售总额；ARIMA模型；实证分析
[中图分类号] F713 [文献标识码] B
一、引言
社会消费品零售总额是指各种经济类型的批发零售贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额的总和,它是研究居民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料,是表现国内居民消费需求的主要指标.而作为社会总需求的重要组成部分,消费需求对我国国民经济的发展起着重要的推动作用,研究我国社会消费品零售总额发展趋势及规律成为亟待我们探讨和解决的现实问题.为此,本文利用时间序列分析法,运用SPSS17.0软件对社会消费品零售总额的月度数据进行研究分析,从初步建立ARIMA模型到选择出最优的拟合模型,利用该模型预测未来一年社会消费品零售总额,通过对预测结果的分析,了解目前我国社会消费品零售总额发展趋势,为相关部门做出合理的经济决策提供依据.
二、我国社会消费品零售总额的ARIMA模型建立
本次研究采用的数据为我国2005年1月至2015年11月社会消费品零售总额月度数据,数据来源中华人民共和国国家统计局.其中由于2012年至2015年1、2月份的数据缺失,我们利用SPSS软件中线性插值法对数据进行缺失值替换的处理,利用以上数据进行社会消费品零售总额趋势分析和ARIMA建模研究.
(一)平稳性检验
我们首先对数据进行平稳性检验.利用SPSS软件做出2005年1月至2015年11月我国社会消费品零售总额时序图,如下图1所示.
由图1可知,我国社会消费品零售总额呈现明显的趋势性和季节性的变化趋势.从时间上看,2005年以来我国社会消费品零售总额逐年递增,序列具有长期上升的趋势；在季节上呈现春季、夏季销售额相对较低,而秋季、冬季销售总额表现明显增长的态势,我国社会消费品零售总额序列属于非平稳序列,因此,需要对其进行差分变换等来消除以上趋势.
(二)平稳化处理
对非平稳序列,需要进行平稳化处理再利用ARIMA模型建模.为消除上述趋势减小数据波动,首先对我国社会消费品零售总额的时间序列进行一阶差分,提取原序列的趋势效应.经过一阶差分提取原序列线性递增的信息,序列趋势性得到很好地消除；但由一阶差分后的自相关图（图2）观察,一阶差分后序列仍呈现以年为周期的季节性波动,为此,我们需要进一步做季节差分以消除这种趋势.进行季节差分后的序列仍表现出较大的趋势性,故我们继续对其采取自然对数转换,进行一阶差分、季节差分、对数转换的序列趋势性和季节性得到了较好的消除,序列中虽然存在一些异常值,但是总体波动幅度基本趋于一致,已经达到了消除异方差非平稳性的目的,可以考虑建立时间序列模型.
(三)模型的建立
经过对数一阶逐期差分和季节差分等过程,初步建立形式为ARIMA（p,d,q）（P,D,Q）的模型.对模型形式的识别,可根据时间序列样本的自相关系数（ACF）和偏自相关系数（PACF）截尾、拖尾特性来确定.我国社会消费品零售总额的时间序列经过1阶逐期差分、1阶季节性差分及对数转换已基本趋于平稳,故d等于1,D等于1；同时,通过观察自相关图和偏自相关图（图3）,从一开始自相关系数和偏自相关系数落在随机区间内,可知p等于q等于0比较合适；在序列自相关和偏自相关图中,第12阶、24阶函数值显著不为0,二者均作为12的整数期,故考虑将P、Q定为2.初步尝试模型建立为ARIMA（0,1,0）（2,1,2）.
利用SPSS软件对初步确立的ARIMA（0,1,0）（2,1,2）建模,并进行LB统计量检验,根据统计结果比较分析,对参数进行适当的调整.经检验后模型统计量和ARIMA模型参数如表1、表2所示.
由表1可以看出,模型ARIMA（0,1,0）（2,1,2）的Ljung-BoxQ统计量对应的P值大于显著性水平0.05,说明序列基本不存在自相关性.
通过观察表2可知ARIMA（0,1,0）（2,1,2）模型参数中AR,季节性和MA,季节性滞后1和滞后2的显著性较弱,所以我们将AR,季节性和MA,季节性调整为1再重新建模,调整后的模型可定为ARIMA（0,1,0）（1,1,1）.对重新调整后的模型继续利用LB统计量进行检验.
调整后社会消费品零售总额模型的统计量,在95%的显著性水平下,Ljung-BoxQ统计量为7.532,其P值等于0.962,明显大于统计学显著性意义,结论支持了原假设（H0：模型不是自相关序列,H1：模型是自相关序列）,得出模型不存在序列自相关的结论.ARIMA模型参数AR,季节性滞后1、MA,季节性滞后1这两个因素对应的Sig值分别为0.001和0.003,均小于0.05的显著性水平,可以说明模型通过了显著性检验,选择的模型是比较合理的,因此选定模型为ARIMA（0,1,0）（1,1,1）的形式.
三、模型的检验和预测
(一)模型检验
为考察模型建立的合理性,我们对调整过的模型进行白噪声检验,通过模型拟合的残差自相关检验（白噪声检验）衡量模型的拟合效果.经过白噪声处理的残差自相关系数和偏自相关系数均落在置信区间,说明该序列为白噪声序列,模型的预测效果符合预期.研究认为,社会消费品零售总额ARIMA（0,1,0）（1,1,1）模型是可以被接受的,可以根据该模型对2016年我国社会消费品零售总额展开预测.
总结:本论文可用于实证分析论文范文参考下载，实证分析相关论文写作参考研究。
参考文献：
1、 基于ARIMA模型我国外贸出口总额预测分析 【文章摘要】随着我国社会经济的快速发展，我国对外贸易成为人们十分关注的问题。为分析我国出口总额未来的发展趋势，本文根据我国1978-2013年。
2、 ARIMA模型在江苏省社会固定资产投资中应用 [提要] 投资是拉动经济增长的三驾马车之一，因此研究我国全社会固定资产投资对研究我国经济增长有着重要的现实意义。本文采用江苏省1991～2015。
3、 我国固定资产投资ARIMA模型其预测 【摘 要】本文选取了1980-2015年我国全社会固定资产投资的相关数据作为研究样本，从时间序列的定义出发，结合统计软件R，对1980-2013。
4、 利率变动对我国社会融资结构变动影响 【摘要】本文以2002～2015年我国利率、直接融资、间接融资的统计数据为基础，通过计算对利率变动、直接融资变动、间接融资变动进行比较，研究利率。
5、 社会消费品零售额影响因素分析 【摘要】随着国家经济的不断发展，中国经济越来越凸显出在全球经济的重要性。本文选取全国31个省1981～2015年的社会消费品零售总额，邮电业务总。
6、 基于面板数据模型我国农村商业银行可持续能力分析 摘 要：本文通过构造面板数据模型分析了我国各区域农村商业银行的可持续发展能力，结果发现，农村商业银行的利润主要来源于利差，时间因素的变化对农村商。