基于ARIMA模型对江西省CPI的时间序列分析与预测_戴玉泉 2023-10-9 20151 4(1).pdf

- 18 - 科 学技术创新 2019.35 基于 ARIMA 模型对江西省 CPI 的时间序列分析与预测 戴玉泉 （江西财经大学统计学院，江西 南昌 330000） 摘 要 ：CPI ，作为衡量通货膨胀率的标准之一 ，能够很大程度的反 映 出一时 间段 内国民经济状况，从而促进有关部 门更好地 进行宏观调控 、采取适宜的经济政策与货币政策、拉动 国民经济增长。本文运用 R 软件 ，基于 ARIMA（p ，d ，q）模型 ，对江西省 2017 年 1 月至 2019 年 6 月 CPI 指数进行时间序列分析与预测。实证研究结果表明 ，ARIMA（0，3，1）模型具有很好的预测效果 ，用该模 型预测到江西省 2019 年下半年 CPI 总体走 向仍然会上涨 ，并给 出了相应的经济建议 。 关键词：CPI；ARIMA ；预测 中图分类号 ： 文献标识码 ： 文章编号 ： （ ） O141.4 A 2096-4390 2019 35-0018-03 1 理论分析 CPI ，消费者价格指数 。该指数是根据一揽子居民消费的代 表性商 品和劳务 的价格波动状况而编制 ，主要用于反映与居民 消费密切相关 的食品 、服装 、住房 、交通 、通讯等商品和劳务价格 变化情况 。利用居民消费价格指数，可 以观测和分析消费品的 零售价格和服务价格变动对居民实 际生活费用支 出的影响程 度 ，同时也是作为衡量通货膨胀程度 的重要指标之一 。 ARIMA 模 型 （AutoregressieIntegratedMovingAveragemodel）， 又叫差分整合移动平均 自回归模型。模型的一般形式为 图 1 江西省 2017 年 1 月至 2019 年 6 月 CPI 时序图 从 图 1 可以看出 ，CPI 波动 比较大，同时并没有 围绕一常数 或简记为 而随机波动的趋势 ，初步从 图形上直观认为该 CPI 序列具有非 平稳性 。可 以对该 CPI 序列通过 ADF 统计检验来验证其平稳 性 ： 在 ARIMA（p,d,q）中，p 为 自回归项数，d 为实现序列平稳而 需要进行的普通差分次数，q 为移动平均项数 。AR（p）是 自回归 函数，MA（q）是移动平均 函数 。ARIMA 模型主要用于拟合具有 平稳性（或可以被转换为平稳序列）的时间序列 。当时间序列具 有平稳性时 ，则可采用 ARMA（p ，q）模型 ；当时间序列不平稳时 ， 则要进行 d 阶差分处理完成平稳变换 ，采用 ARIMA（p ，d ，q）。 2 实证研究 2.1 数据获取 本文采用 的样本数据为 2017 年 1 月至 2019 年 6 月江西省 图 2 原序列的 ADF 检验结果 CPI 月度数据 ，样本数据来源于国家统计局网站 。 如 图 2 所示 ，P 值为 0.8661 显著大于 0.05 ，检验结果显示该 表 1 2017 年 1 月至 2019 年 6 月江西省消费者价格总指数 序列具有非平稳性 ，因此选用模型 ARIMA（p ，d ，q），同时需要对 （以上年为100） 其进行差分变换 。尝试对其进行一 阶差分变换 ，并对一阶差分 后 的序列再次做 ADF 平稳性检验 。一阶差分后序列 的时序图如 图 3 所示 ，CPI 围绕均值上下随机波动 。一阶差分之后序列的单