论文部分内容阅读
【摘 要】 社会消费品零售总额是表现国内消费需求最直接的数据。本文选取1990年到2013年我国社会消费品零售总额年度数据，运用自回归移动平均模型对我国未来三年社会消费品零售总额数据进行预测。预测结果表明我国社会消费品零售总额将持续增长，但增速将逐步放缓。
【关键词】 ARIMA模型；社会消费品零售总额；预测
社会消费品零售总额是国民经济各行业直接售给城乡居民和社会集团的消费品总额，是表现国内消费需求最直接的数据。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规模所决定，它反映一定时期内人民物质文化生活水平的提高情况，反映社会商品购买力的实现程度和社会生产、货币流通以及物价的变化趋势，是研究国内零售市场变动情况、反映经济景气程度的重要指标。2008年国际金融危机爆发后，我國加快了经济结构调整的步伐，更加注重内需拉动经济的主引擎作用。本文利用1990年至2013年社会消费品零售总额时间序列数据，预测出2014-2016年社会消费品零售总额变化趋势，并进行分析，有助于了解我国短期内需求结构和消费能力的变化。
一、数据来源与模型原理
1.数据来源
本文选取的1990-2013年我国社会消费品零售总额年度数据均来自国家统计局网站“国家数据”栏目，数据完整准确。
2.模型原理
自回归移动平均模型（Auto-regressive Integrated Moving Average Model），简记ARIMA，是由博克思（Box）和詹金斯（Jenkins）于70年代初提出的时间序列预测方法，因此又称为博克思一詹金斯法。其中ARIMA（p，d.q）称为差分自回归移动平均模型，AR是自回归，P为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本原理是：以时间序列的自相关分析为基础，用一定的数学模型来近似描述预测对象随时间推移而形成的数据随机序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。该模型在经济预测中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对于经济运行短期趋势的预测准确率较高，是应用比较广泛的预测方法之一。
二、模型的建立与预测
1.时间序列特征分析与数据处理
设定全国社会消费品零售总额为序列SRG。通过序列SRG的曲线变动图可初步判断序列非平稳（见图1），且具有明显的增长趋势。
为消除趋势同时减少序列的波动，对原序列做二阶自然对数逐期差分，生成序列iilSRG，并作ADF检验。检验结果表明t统计量小于1%、5%、10%的t统计量临界值，因此拒绝序列iilSRG存在单位根的原假设，序列iilSRG为平稳序列（见表1）。
2、模型识别与建立
根据序列iilSRG的自相关与偏自相关分析图可以得出p=q=2，通过Eviews反复推算，选出最优模型ARIMA（2，2，2），经检验模型满足ARIMA过程的平稳可逆条件。模型参数估计与相关检验结果如下：
由表2可以看出，ARIMA（2，2，2）模型AIC和SC值都较小、样本决定系数较高。经验证，残差序列不存在明显趋势，且模型具有较好的拟合效果。通过对我国2011-2013年社会消费品零售总额的试预测（见表3），得到该模型进行短期预测的平均相对误差为0.03，预测精度极高，拟合度较好，因而选择该模型进行预测。
3、模型预测
运用ARIMA（2，2，2）模型对2014-2016年我国社会消费品零售总额进行预测，结果见表2所示。
果分析与政策建议
从我国社会消费品零售总额的实际发生额来看，自2008年国际金融危机爆发后其增加额明显增大，2008-2013年的六年间社会消费品零售总额的增加额累积14.1万亿元，是1991-2007年17年间增加额累积数8.5万亿元的1.7倍；从本文的预测结果来看，未来我国消费品零售总额将保持持续增长态势，但增幅呈逐年下降趋势，2014-2016年我国消费品零售总额分别同比增长10.4%、9.0%、8.4%。这在一定程度上印证了我国为应对国际金融危机、加快经济转型升级出台的一系列扩内需、促消费的政策措施大大促进了社会消费品零售总额的平稳较快增长。随着城乡居民收入的不断提高，消费能力将持续提升，消费市场将持续活跃。但进一步释放国内需求潜力还需要完善消费政策，培育消费热点，扩大服务消费，支持社会力量兴办养老、健康、旅游、文化等各类服务机构，落实带薪休假制度等，以构建扩大内需长效机制。
作者简介：谢鹍（1979-），女，新疆哈密人，经济学博士，中国人民银行乌鲁木齐中心支行职员，从事经济金融相关研究。
【关键词】 ARIMA模型；社会消费品零售总额；预测
社会消费品零售总额是国民经济各行业直接售给城乡居民和社会集团的消费品总额，是表现国内消费需求最直接的数据。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规模所决定，它反映一定时期内人民物质文化生活水平的提高情况，反映社会商品购买力的实现程度和社会生产、货币流通以及物价的变化趋势，是研究国内零售市场变动情况、反映经济景气程度的重要指标。2008年国际金融危机爆发后，我國加快了经济结构调整的步伐，更加注重内需拉动经济的主引擎作用。本文利用1990年至2013年社会消费品零售总额时间序列数据，预测出2014-2016年社会消费品零售总额变化趋势，并进行分析，有助于了解我国短期内需求结构和消费能力的变化。
一、数据来源与模型原理
1.数据来源
本文选取的1990-2013年我国社会消费品零售总额年度数据均来自国家统计局网站“国家数据”栏目，数据完整准确。
2.模型原理
自回归移动平均模型（Auto-regressive Integrated Moving Average Model），简记ARIMA，是由博克思（Box）和詹金斯（Jenkins）于70年代初提出的时间序列预测方法，因此又称为博克思一詹金斯法。其中ARIMA（p，d.q）称为差分自回归移动平均模型，AR是自回归，P为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。ARIMA模型的基本原理是：以时间序列的自相关分析为基础，用一定的数学模型来近似描述预测对象随时间推移而形成的数据随机序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。该模型在经济预测中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对于经济运行短期趋势的预测准确率较高，是应用比较广泛的预测方法之一。
二、模型的建立与预测
1.时间序列特征分析与数据处理
设定全国社会消费品零售总额为序列SRG。通过序列SRG的曲线变动图可初步判断序列非平稳（见图1），且具有明显的增长趋势。
为消除趋势同时减少序列的波动，对原序列做二阶自然对数逐期差分，生成序列iilSRG，并作ADF检验。检验结果表明t统计量小于1%、5%、10%的t统计量临界值，因此拒绝序列iilSRG存在单位根的原假设，序列iilSRG为平稳序列（见表1）。
2、模型识别与建立
根据序列iilSRG的自相关与偏自相关分析图可以得出p=q=2，通过Eviews反复推算，选出最优模型ARIMA（2，2，2），经检验模型满足ARIMA过程的平稳可逆条件。模型参数估计与相关检验结果如下：
由表2可以看出，ARIMA（2，2，2）模型AIC和SC值都较小、样本决定系数较高。经验证，残差序列不存在明显趋势，且模型具有较好的拟合效果。通过对我国2011-2013年社会消费品零售总额的试预测（见表3），得到该模型进行短期预测的平均相对误差为0.03，预测精度极高，拟合度较好，因而选择该模型进行预测。
3、模型预测
运用ARIMA（2，2，2）模型对2014-2016年我国社会消费品零售总额进行预测，结果见表2所示。
果分析与政策建议
从我国社会消费品零售总额的实际发生额来看，自2008年国际金融危机爆发后其增加额明显增大，2008-2013年的六年间社会消费品零售总额的增加额累积14.1万亿元，是1991-2007年17年间增加额累积数8.5万亿元的1.7倍；从本文的预测结果来看，未来我国消费品零售总额将保持持续增长态势，但增幅呈逐年下降趋势，2014-2016年我国消费品零售总额分别同比增长10.4%、9.0%、8.4%。这在一定程度上印证了我国为应对国际金融危机、加快经济转型升级出台的一系列扩内需、促消费的政策措施大大促进了社会消费品零售总额的平稳较快增长。随着城乡居民收入的不断提高，消费能力将持续提升，消费市场将持续活跃。但进一步释放国内需求潜力还需要完善消费政策，培育消费热点，扩大服务消费，支持社会力量兴办养老、健康、旅游、文化等各类服务机构，落实带薪休假制度等，以构建扩大内需长效机制。
作者简介：谢鹍（1979-），女，新疆哈密人，经济学博士，中国人民银行乌鲁木齐中心支行职员，从事经济金融相关研究。