基于ARIMA模型的全国居民消费分析
2018-12-11潘秋辰
潘秋辰
(西安工业大学,陕西 西安 71000)
中国市场已完全消除了日用品和食物短缺的现象。居民消费结构亦发生很大变化。在居民全部消费支出中,反映基本生存需要的食品、衣着和基本生活用品支出所占的比重大幅度下降,而体现发展与享受需求的住房、交通通信、医疗保健、文教娱乐、休闲旅游等项支出的比重则迅速上升,生活质量进一步提高。我们通过构建模型,并将模型运用到分析我国居民消费绝对数之中,同时展开预测。我们选取了1997年至2012年的全国居民消费绝对数作为此次模型数据,数据来源于中国统计年鉴。2013年至2015年的数据样本与模型的预测值对比,采用Eviews软件进行模型构建分析。
一、模型在全国居民消费绝对数中的应用
我们通过构建模型,并将模型运用到分析我国居民消费绝对数之中,同时展开预测。我们选取了1997年至2012年的全国居民消费绝对数作为此次模型数据,数据来源于中国统计年鉴。2013年至2015年的数据样本与模型的预测值对比,采用Eviews软件进行模型构建分析。
表一 1997年至2012年全国居民消费绝对数(元)
图一 1997年至2012年全国居民消费绝对数趋势图
由表一和图一可以看出,全国居民消费绝对数随时间增加不断上升,在时间序列中,我们需要进行单位根检验,存在单位根的时间序列就不平稳,会导致回归分析存在伪回归。如下图二ADF检验结果。由图二ADF的检验结果可以看出,在显著性水平下有0%的概率拒绝原假设,说明此次时间序列存在单位根,序列不平稳。进一步将观测数据二次差分后继续ADF检验,观测结果如下图三
图二 全国居民消费绝对数ADF检验结果
图三 二次差分后ADF检验结果
由图三二次差分ADF检验结果可以看出,ADF检验统计值小于5%显著性水平下的临界值,则此时间序列数据在二阶单整下平稳。
图四 二次差分后我国居民消费绝对数序列自相关和偏自相关图
ar(2) ma(1)
本文利用Eviews软件,进行多次取值并为了效果的最优化,最终选取p=2,q=1,arima(2 2 1)模型为最终模型。
二、模型检验
利用残差序列进行模型检验,通过残差序列的自相关和偏自相关图五我们可以看出,残差序列为白噪声序列,拟合的模型是有效的,可以认为ARIMA(2 2 1)拟合模型显著有效。
图五 残差序列自相关和偏自相关图
三、模型预测
通过以上分析,所建立的ARIMA模型对于全国居民消费绝对数的应用是有效的,因此我们用EVIEWS软件在所构建的模型基础上进行预测。通过预测2013至2015年的估计值分别为15443、16906、18110,真实值为 16190、17778、19397,误差为 7.8%,较为精确。