《《有关我国社会消费品零售总额的调查分析》-公开DOC·毕业论文》由会员分享，可在线阅读，更多相关《《有关我国社会消费品零售总额的调查分析》-公开DOC·毕业论文（11页珍藏版）》请在金锄头文库上搜索。
1、时间序列分析课程论文 题目：有关我国社会消费品零售总额的调查分析院系：石河子大学商学院年级：2011级专业：金融班级：2011级金融（3）班姓名：李佩佩 张文婷 王喜霞学号：2011517145 2011517137 2011517138我国1952-2005年社会消费品零售总额序列分析摘要：运用时间序列分析的分析方法，借助SAS软件对我国1952到2005年社会消费品零售总额进行了预测与分析，得出了比较准确的结果，为有关部门作出正确的决策提供了有力的理论依据。关键词：社会消费品零售总额 AR IMA模型 预测引言：社会消费品零售总额是指批发和零售业、住宿和餐饮业以及其他行业直接售给城乡居民和
2、社会集团的消费品零售额。其中，对居民的消费品零售额，是指售予城乡居民用于生活消费的商品金额；对社会集团的消费品零售额，是指售给机关、社会团体、部队、学校、企事业单位、居委会或村委会等，公款购买的用作非生产、非经营使用与公共消费的商品金额。它是由社会商品供给和有支付能力的商品需求的规模所决定，是研究国民生活水平、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。因此，我们利用历史资料对我国社会消费品零售总额进行定量的科学分析是有重大的现实意义的。编写命令如下：PROC IMPORT OUT=WORK.sheet1DATAFILE=E:时间序列数据第二章我国1952-2005年
3、社会消费品零售总额.xlsDBMS=EXCEL REPLACE;SHEET=sheet1;GETNAMES=YES;MIXED=NO;SCANTEXT=YES;USEDATE=YES;SCANTIME=YES;RUN;data sr;input s;y=log(s); dify=dif(y);dify2=dif(dify); t=intnx(year,01jan1952d,_n_-1);format t year.;cards;proc print ;run;proc gplot;plot s*t;symbol c=black i=join v=dot;title1 我国1952-2005年社
4、会消费品零售总额原图;footnote 我国1952-2005年社会消费品零售总额原图;run;绘出原序列图如上，观察可见其有非常明显的非平稳特征。对原序列取对数：proc gplot;plot y*t;symbol c=blue i=join v=star;title2 我国1952-2005年社会消费品零售总额取对数后时序图;run;对原序列进行一阶差分：proc gplot;plot dify*t;symbol c=green i=join v=none;title3 我国1952-2005年社会消费品零售总额取对数及一阶差分后时序图;run对原序列进行二阶差分：proc gplot;p
5、lot dify2*t;symbol c=orange i=join v=none;title4 我国1952-2005年社会消费品零售总额取对数及二阶差分后时序图;run; 通过对上述各个图形的观察，可知对原序列进行二阶差分后，序列基本平稳。尝试拟合AR（1）模型。proc arima;identify var=s nlag=25;run; 原序列的白噪声检验结果： 通过上述数据可知，由于差分序列延迟6、12、18、24 阶的序列统计量的P值都小于0.05，所以序列不能通过白噪声检验。proc arima data=sr;identify var=s stationarity=(adf=1)
6、;run;proc arima;identify var=y(1);run;一阶差分序列的白噪声检验结果：因为差分序列延迟6、12 阶的序列统计量的P值都小于0.01，所以原序列一阶差分序列不能通过白噪声检验。proc arima data=sr;identify var=y(1) nlag=8 minic p=(0:8) q=(0:8);run;estimate p=1 q=0 noint method=ml;run;forecast lead=10 id=t interval=month out=f;run;二阶差分序列的白噪声检验结果：因为差分序列延迟6、12、18、24 阶的序列统计量
7、的P值都大于0.05，所以可以认为原序列二阶差分序列是白噪声序列。二阶差分后的表达式为： （1-B）2(1-0.86003B)xt=at对未来十期的预测结果如下：proc capability data=f normaltest graphics;var RESIDUAL;histogram RESIDUAL/normal ;qqplot RESIDUAL/normal ;run; data jr10set f;s=exp(y);forecast=exp(forecast + std*std/2);l95=exp(l95);u95=exp(u95);run;proc print data=jr
8、10;run;proc gplot data=jr10;where t = 01jan1952d ;plot s*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay haxis=01jan1952d to 01jan2005d by year href=01jan2000d ;/*设置输出的时间*/symbol1 c=red i=join v=star r=1;symbol2 c=black i=join v=plus r=1;symbol3 c=blue i=join v=none r=1;title5 我国1952-2005年社会消费品零售总额预测图; 0从上
9、图可知，2004到2005年与预测值比较吻合，预测值均在置信系数为95%的置信区间内，因此模型拟合效果好，预测的精度高。结论：由上可知，中国的社会消费品零售总额序列是受多重制约因子影响的非平稳时间序列，是一组依赖于时间变化的随机变量，可用ARIMA模型予以近似描述。经模拟参数估计与诊断检验发现，可利用其对未来社会消费品零售总额进行预测分析。根据上述分析可知，我国近年来社会消费品零售总额呈现上升趋势，证明我国居民的消费水平在逐步提高。参考文献：【1】王振龙.应用时间序列分析【M】. 中国统计出版社.2010（05）【2】桂文林，韩兆洲.基于季节调整模型的我国铁路客运量波动分析【J】.铁路运输与经济.2011（02）【3】桂文林，韩兆洲.季节调整本底线与SARS对我国铁路客运量的影响【J】.铁道学报.2011(09)
