基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文 精品.docx
- 文档编号:27916527
- 上传时间:2023-07-06
- 格式:DOCX
- 页数:46
- 大小:505.41KB
基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文 精品.docx
《基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文 精品.docx》由会员分享,可在线阅读,更多相关《基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文 精品.docx(46页珍藏版)》请在冰豆网上搜索。
基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文精品
分类号O21密级公开
UDC编号
硕士研究生学位论文
题目基于时序分析法研究分析我国居民消费状况的城乡区域结构
学院(所、中心)数学与统计学院
专业名称应用统计硕士
研究生姓名万勇学号12011112196
导师姓名殷溪源职称副教授
2013年4月
扉页:
独创性声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。
除了文中特别加以标注和致谢的地方外,论文中不包含其他人或集体已经发表或撰写过的研究成果,对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。
研究生签名:
日期:
论文使用和授权说明
本人完全了解云南大学有关保留、使用学位论文的规定,即:
学校有权保留并向国家有关部门或机构送交学位论文和论文电子版;允许论文被查阅或借阅;学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。
(保密的论文在解密后应遵循此规定)
研究生签名:
导师签名:
日期:
…………………………………………………………………
本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版,并编入CNKI系列数据库,传播本学位论文的全部或部分内容,同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。
研究生签名:
导师签名:
日期:
中文摘要
2008年的全球经济危机造成全球经济一片萧条,对我国出口乃至整个经济发展产生了极大的不利影响,经济发展急需新的增长点。
而我国的经济发展长时间表现出的国内消费需求不足的现象,通过一系列的刺激国内居民消费的政策来扩大内需是一条可行的出路。
社会消费品零售总额作为反映经济运行中的重要环节——消费的宏观经济指标,对其的分析研究能够直观地了解一国的消费状况,对一国政府制定相应的刺激消费的政策具有指导意义。
时间序列分析是分析研究经济问题的重要工具之一,利用时间序列分析的方法可以直观地展示经济数据随时间变化的规律,并可以对经济变量进行预测。
本文采用时间序列分析法对我国消费状况的城乡区域差异进行研究分析。
本文的主要工作是:
首先对季节调整法和季节ARIMA模型的基本原理与操作方法进行详细的阐述;然后利用季节调整法分别将城镇与乡村的社会消费品零售总额序列以及城镇消费占全国总额的比例序列分解,获得其趋势-循环序列、季节序列和不规则序列,分析这三个序列的形态特征与趋势变化,得到城乡消费状况的发展变化趋势和各自的变化特点,分析城乡消费存在的差异;最后对城镇与乡村的社会消费品零售总额序列分别建立季节ARIMA模型,诊断模型,并检验模型的预测效果,城镇社会消费品零售总额序列建立的是ARIMA(2,1,1)×(1,1,1)模型,乡村社会消费品零售总额序列建立的是ARIMA(1,1,1)×(1,1,1)模型。
关键词:
社会消费品零售总额、时间序列分析、季节调整法、季节ARIMA模型
Abstract
The2008globaleconomiccrisishadcausedtheglobaleconomicdepression,andhadmadegreatnegativeimpactonChina'sexports,eventhewholeeconomicdevelopment.TheeconomicdevelopmentofChinaneedsnewsourcesofgrowth.Becausethephenomenonofdomesticeconomicdevelopmentwithinsufficientconsumerdemandinourcountryhaslastedlongtime,toexpanddomesticdemandthroughaseriesofstimulatingdomesticconsumptionpolicymaybeafeasibleway.Consumabletotalretailsalesisamacroeconomicindicatorthatreflectsanimportantlinkofeconomicoperation,consumption.Theanalysisandtheresearchonitcanintuitivelyunderstandacountry'sconsumptionsituation,andthenhastheguidingimportanceforagovernmenttoformitsstimulatingconsumptionpolicy.
Timeseriesanalysisisoneoftheimportanttooltoanalyzeeconomicproblems.Throughusingthemethodoftimeseriesanalysiswecanvisuallyshowthelawthateconomicdatachangesovertime,andpredicttheeconomicvariablesforfuture.Thispaperusesthetimeseriesanalysisonourcountryconsumptiontoanalyzetheregionaldifferencesbetweentheconsumptionofurbanandruralareas.
Thispaper'smainworkis:
firstofall,describingthebasicprincipleandoperationmethodoftheseasonaladjustmentmethodandtheseasonalARIMAmodelindetailinthispaper;thenusingtheseasonaladjustmentmethod,respectively,onthesequencesofconsumabletotalretailsalesonurbanandruralareasandthesequencesoftheproportionthaturbanconsumptionaccountsforthetotalamount,decomposingthesethreesequencestoobtaintheirtrend-cyclesequences,seasonalsequencesandirregularsequences,analyzingthemorphologicalcharacteristicsandthevariationtendencyofthesethreekindsofseriestounderstandthedevelopmenttrendsandthechangefeaturesoftheurbanandruralconsumptionandtheconsumptiondifferencesbetweenurbanandruralareas;finallyestablishingtheseasonalARIMAmodelsofthesequencesofconsumabletotalretailsalesonurbanandruralareasrespectively,diagnosingthemodels,andverifyingthepredictioneffectofthemodels.ConsumabletotalretailsalesonurbanareasisestablishedARIMA(2,1,1)x(1,1,1)model,consumabletotalretailsalesonruralareasisestablishedARIMA(1,1,1)x(1,1,1)model.
Keys:
Consumabletotalretailsales,Timeseriesanalysis,SeasonalAdjustment,SeasonalARIMAModel
目录
第一章前言1
1.1研究的背景与目的1
1.2研究方法与创新3
第二章理论基础5
2.1季节调整法5
2.2季节ARIMA模型8
第三章实证分析10
3.1数据预处理10
3.2季节调整法15
3.3季节ARIMA模型20
第四章结论、建议与对策36
4.1研究结论36
4.2建议与对策38
致谢40
参考文献41
第一章前言
1.1研究的背景与目的
改革开放30年以来,我国经济成功地实现了由计划经济向市场经济的转变,经历了一个又一个的高速发展阶段,取得了一系列令世界为之瞩目的成就。
2007年我国人均GDP达到2280美元,2008年这一数字达到3266.8美元,我国已经进入了快速的工业化阶段。
2012年经济总量更是超过日本,成为世界经济第二大国。
出口、固定资产投资、内需消费是拉动中国经济增长的“三驾马车”,而且尤以出口与固定资产投资在中国经济增长的贡献率为大。
然而,在持续、快速的经济发展中也出现诸多严峻的问题,尤其是拉动经济增长的“三驾马车”对经济增长拉动作用的非合理化问题日渐突出,整体居民消费增长缓慢、高投资增长率与低消费率并存、经济贸易对外依存度不断上升等不利于经济长期稳定快速发展的状况愈加尖锐。
资本形成率由1978年的38.2%上升到了2008年的43.5%,上升5.3个百分点;出口率从1978年的-0.32%上升到了2008年的7.87%,上升8.19个百分点。
在近几年对经济增长的拉动作用上,与投资和出口相比较,消费需求显得偏弱,1978年至2008年,最终消费率由62.1%下降为48.59%,下降13.51个百分点,其中,居民消费率从48.8%下降到35.3%,下降13.5个百分点,均达到历史最低水平。
正是由于居民消费总量增速明显慢于经济的增长,低迷的消费需求导致了低投资回报现象的发生,削弱了财政支出的力度,使得经济的快速增长受到一定程度的阻滞。
同时,人均居民消费水平增速慢于经济增速也显得更加明显。
另外,近几年,消费对GDP的贡献率和拉动百分点也持续走低,且低于投资对GDP的贡献率和拉动百分点。
整体上,经济的增长对投资的高速增长的依赖性越来越大,市场供求状况并没有得到根本性改善。
这些问题在2008年全球经济危机的大环境下终于加剧恶化,并对经济的增长造成了极大的负面影响。
2008年美国次贷金融危机导致全球经济危机,众多西方国家出现不同程度的经济衰退,首当其冲的就是出口严重受阻,国际市场对中国商品需求的疲软致使中国的国际贸易形势极度恶化,出口在中国经济增长的贡献越来越被削弱。
对外贸易的外部需求的减弱,对我国的出口造成了较大的影响,反映在净出口率上的变化就是净出口率由2007年的8.89%减小为2008年的7.87%,直接下降了1.02个百分点,如此大的下降间接导致了出口对GDP增长的贡献率由原来的19.7%下降到9.2%,降低了10.5个百分点。
而多年来的巨额政府投资以及一系列的促进投资的政策也导致许多行业已经产能过剩,固定资产投资规模已经远远超出经济发展所需的规模,继续利用投资来实现经济的稳定快速发展也将困难重重,无法长期获得稳定快速发展的动力。
另外,投资者与消费者制定其相应的投资与消费决策,经常是建立在对投资与消费的未来预期的基础上的,但随着全球经济危机的不断加深,世界各国的投资者与消费者对未来的预期越来越不乐观,投资与消费的信心遭到严重的打击,而我国也不例外。
从2007年到2008年,中国企业家信心指数由139.60骤降至94.6,为自2001年有记载以来的最低数;又由于居民实际收入受全球经济危机的影响,增长速度有所回落,导致居民对未来的收入增长信心不足,故而中国消费者信心指数在2008年下半年也出现了较大程度的下降,7月份的消费者信心指数为94.5,到12月份这一指数变为87.3,下降了7.2,这一变化对2009年的消费者信心也产生了较为持续的影响。
在国际金融危机不断加深的大环境下,长期困扰我国的国内消费需求不足的问题进一步加剧,经济的发展遭受到更加严重的阻碍,我国连续五年保持的两位数字的GDP增长速度,到了2008年下滑至9.0%(而2007年则为最高的13%)。
面对突如其来的全球经济危机导致的经济增长乏力,如何寻找新的增长点让中国经济继续保持平稳快速发展是政府急需解决的问题。
从之前罗列的统计数据可以看出,由于国内的消费水平普遍偏低,具有较大的提升空间,通过相关政策刺激消费、扩大内需是具有一定现实意义和可操作性的。
可见现在唯一的出路就只有扩大内需,促进消费,拓宽国内市场。
继“十一五”规划特别强调消费和投资的关系,“十二五”规划更是直接提出来要坚持扩大内需战略,将扩大内需作为未来五年经济政策的重中之重,因此,在这第十二个五年时期,我国面临着调整经济增长的需求结构的艰巨任务。
针对当前我国经济发展的任务,和国际经济危机对我国经济的不利影响,以及我国国内经济的动荡,如何扩大国内市场,拓展居民的消费,优化居民消费结构,保持经济增长,显得尤为重要和迫切。
而要贯彻“十二五”规划积极扩大内需,就必须首先对国内的消费状况有深入的了解,这就是本文研究的出发点。
中国通过30多年的改革开放,由一个落后的农业大国逐步发展为现在以制造业为主的工业大国,而为制造业发展铺平道路的则是通过牺牲作为农业生产者的农民的利益,直接导致的结果便是城乡差距越来越大:
城市一天天地快速发展,日新月异,高楼大厦拔地而起,而乡村却依旧是贫困的代名词,经济落后,交通不便,环境脏乱差,而城乡的收入差距更是被越拉越大。
乡村人口的收入增长乏力直接结果就是,相较于城镇,乡村的消费水平普遍较低,这将对中央扩大内需的政策效果造成不利影响。
因而本文的研究着眼于城镇与农村的消费状况及差异,并分析二者的变化趋势。
社会消费品零售总额由社会商品供给和有支付能力的商品需求的规模所决定,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,是衡量一个国家的消费需求现状与购买潜力的宏观经济指标[1]。
因此本文选取社会消费品零售总额这一宏观经济指标作为研究对象,目的是首先通过分析我国城镇与乡村社会消费品零售总额的动态变化趋势及差异,得到我国城镇与乡村居民动态消费状况;随后,在对城镇与乡村居民消费状况的动态分析的基础上,总体分析我国城镇与农村居民近年消费结构的特点,从而了解我国居民消费状况的城乡区域结构状况;最后,基于之前的分析结果,提出相应的对策建议,以期对政府制定相关宏观经济政策具有一定的指导意义,促进我国经济发展。
1.2研究方法与创新
本文选取1990年1月至2012年12月总共276个月的全国社会消费品零售总额及对应的城镇与乡村的社会消费品零售总额的月度统计数据,数据来源于国家统计局的数据库,保证了数据的可靠性、客观性与真实性。
由于在一年中的各个月份居民的消费习惯会存在不同差异以及考虑到相关节假日(尤其是中国的传统节日,比如春节、中秋节、端午节、清明节等)对消费也会造成显著的影响,因此作为居民消费状况直观表现的宏观经济标社会消费品零售总额的月度数据具有很强的季节周期性[2]。
分析具有季节性的时间序列一般可采用两类方法:
一种是对该序列进行季节调整,分解出代表不同特征的成分序列,然后对各个成分序列进行进一步的分析研究;另一种是对该序列建立季节ARIMA模型,即确定SARIMA(p,d,q)×(P,D,Q)中的阶数p,q,d和P,Q,D,然后对序列数据进行拟合,模型估计各项参数,获得相应的模型。
按照以上的陈述,本文将利用Eviews统计软件,首先采用季节调整法对社会消费品零售总额的城镇与乡村时序数据以及城镇社会消费品零售总额占全国社会消费品零售总额的比例序列进行相应处理,分解出趋势-循环序列、季节序列和不规则序列,做出相关时序图,分别定性分析研究各个成分序列的特征与变化性质,以得出城镇与乡村的居民消费状况的特点与变化规律;然后对城镇与乡村的社会消费品零售总额时间序列及城镇社会消费品零售总额占全国社会消费品零售总额的比例序列建立相关SARIMA模型,对模型进行相关统计检验,并进行相应的预测。
也就是说,本文将使用季节调整法对研究对象进行定性研究,使用季节ARIMA模型方法对研究对象进行建模并预测。
本文的创新之处在于,首次使用时间序列分析法对城镇与乡村两个存在较大差异的区域的消费状况进行分析研究,也就是把全国社会消费品零售总额分为城镇与乡村两部分,研究两个区域下的消费状况各自有何特点,以及二者的变化趋势又是怎样的。
对城镇与乡村的消费状况的对比过去也曾有人使用聚类分析法做过相关的研究,但使用时间序列分析法分析城乡消费状况差异与变化趋势却是第一次。
第2章理论基础
2.1季节调整法
当一个时间序列存在较强的季节影响时,季节影响不仅会掩盖时间序列真实的、基本的变化,同时也会掩盖确定的非季节特征。
此时就需要对时间序列进行季节调整[3]。
2.1.1季节调整法的概述
季节性变动的发生,不仅是由于气候的直接影响,而且社会制度及风俗习惯也会引起季节变动。
经济统计中的月度和季度数据或大或小都含有季节变动因素,以月份或季度作为时间观测单位的经济时间序列通常具有一年一度的周期性变化,这种周期变化是由于季节因素的影响造成的,在经济分析中称为季节性波动。
经济时间序列的季节性波动是非常显著的,它往往遮盖或混淆经济发展中其他客观变化规律,以致给经济增长速度和宏观经济形势的分析造成困难和麻烦。
因此,在进行经济增长分析时,必须去掉季节波动的影响,将季节要素从原序列中剔除,这就是所谓的“季节调整”(SeasonalAdjustment)[4]。
现今常用的三种季节调整法是:
X-11方法、X-12方法和Tramo/Seats方法[5]。
本文主要采用X-12方法对社会消费品零售总额序列进行季节调整。
2.1.2X-12季节调整法的操作步骤[6]
X-12季节调整法的分三个步骤进行。
第一步、季节调整的模型选择:
共包括4种季节调整的分解形式:
乘法、加法、伪加法和对数加法模型。
设{Yt}表示一个月度时间序列,把Yt分解为趋势循环项TCt、季节项St和不规则要素It。
①加法模型:
Yt=TCt+St+It(2.1.1)
②乘法模型:
Yt=TCt×St×It(2.1.2)
③对数加法模型:
lnYt=lnTCt+lnSt+lnIt(2.1.3)
④伪加法模型:
Yt=TCt(St+It-1)(2.1.4)
乘法模型是最常用的方法,其主要特点在于以相对数表示季节要素,可以避免计量单位的影响,增强了不同经济变量之间的可比性。
本文的分析研究采用的是乘法模型。
第二步、X-12季节调整方法的核心算法:
现以加法模型(只需将加法模型中的各变量当做乘法模型变量的对数变换,然后对两端做指数运算即可获得乘法模型下的X-12算法)为例。
X-12季节调整方法的核心算法如下所示,共分为三个阶段:
第一阶段计算季节调整的初始估计
①趋势循环要素的初始估计
(2.1.5)
②季节与不规则要素的初始估计
(2.1.6)
③季节因子的初始估计
(2.1.7)
④消除季节因子中的残余趋势
(2.1.8)
⑤季节调整结果的初始估计
(2.1.9)
第二阶段计算暂定的趋势循环要素和最终的季节因子
①利用Henderson移动平均公式[7]计算暂定的趋势循环要素
(2.1.10)
②暂定的季节与不规则要素
(2.1.11)
③暂定的季节因子
(2.1.12)
④最终的季节因子
(2.1.13)
⑤季节调整的第二次估计结果
(2.1.14)
第三阶段计算最终的趋势循环要素和最终的不规则要素
①利用Henderson移动平均公式计算最终的趋势循环要素
(2.1.15)
②最终的不规则要素
(2.1.16)
第三步、贸易日和节假日影响:
(1)贸易日影响和Young模型
由每天经济活动的总和组成的月度时间序列受该月各周的影响,这种影响称为贸易日影响(或周工作日影响)。
Young(1965)讨论了浮动贸易日的影响,ClevelandandGrupe(1983)讨论了固定贸易日的影响。
贸易日影响和季节影响一样使得比较各月的序列值变得困难,而且不利于研究序列间的相互影响。
由于这个原因,当贸易日影响的估计在统计上显著时,通常在季节调整之前先把贸易日的影响从序列中剔除。
在调整的内容中,形成了又一个分解要素:
贸易日要素D。
(2)节假日影响的调整
美国的圣诞节、复活节及感恩节等节假日对经济时间序列也会产生影响。
例如,圣诞节的影响可以增加当周或前一周商品的零售额,或者是降低特定工厂在圣诞节前几天的产量。
在X12方法中,贸易日和节假日影响可以从不规则要素中同时估计得到。
注意EViews中的节假日调整只针对美国,不能应用于其他国家。
X-12季节调整法按照图1所示分解各组成成分:
图1时间序列组成成分分解
2.2季节ARIMA模型[8][9]
1970年,Box和Jenkins提出了以随机理论为基础的时间序列分析方法,即随机时间序列分析,使时间序列分析理论上升到了一个新的高度,预测的精度大大提高。
随机性时间序列分析包括一元时序分析、多元时序分析、可控时序分析等,其基本模型有AR模型、MA模型以及ARMA模型、ARIMA模型和SARIMA模型等[10]。
在介绍SARIMA模型之前,我们先来介绍一下ARMA模型、和ARIMA模型,以及ARMA模型的定阶问题。
2.2.1ARMA模型与ARIMA模型
1.ARMA模型
ARMA模型的全称是自回归移动平均模型,它是目前最常用的拟合平稳序列的模型。
把具有如下结构的模型称为自回归移动平均模型,简称ARMA(p,q)模型[11]。
(2.2.1)
t
若
=0,该模型为中心化ARMA(p,q)模型,中心化ARMA(p,q)模型可以简写为:
(2.2.2)
很明显,式中若p=0,ARMA(p,q)模型就退化成MA(q)模型。
若q=0,ARMA(p,q)模型就退化成AR(p)模型。
所以,MA(q)模型和AR(p)模型是ARMA(p,q)模型的特例,可以将它们统称为ARMA(p,q)模型,而ARMA(p,q)模型的性质也正是MA(q)模型和AR(p)模型性质的有机结合[12]。
2.ARIMA模型
ARMA(p,q)模型主要是针对平稳时间序列的分析模型。
实际上,在现实中绝大部分序列都是
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于时序分析法研究分析我国居民消费状况的城乡区域结构硕士学位论文 精品 基于 时序 分析 研究 我国 居民消费 状况 城乡 区域 结构 硕士学位 论文