论文总字数：11566字
摘 要
本文首先对近几年来淮安居民消费价格的数据进行分析，探讨影响居民消费价格的因素;然后根据近几年淮安的月度居民消费价格指数，运用R语言建立相关的统计模型，并用所建模型对未来淮安市居民消费价格指数进行预测，最后提出一些合理化建议.关键词:淮安市，消费价格，ARMA模型
Abstract: Firstly, this paper analyses the data of consumer price of Huai’an residents in recent years, and discusses the factors affecting consumer price. Then , according to the monthly consumer price index of Huai’an in recent years, it establishes the relevant statistical model by R language, and forecasts the future consumer price index of Huai’an residents with the model. Finally, it puts forward some suggestions and supplementary explanation.
Keywords：Huai’an city, consumer price, ARMA model
目 录
1 引言 …………………………………………………………………………………… 4
2 时间序列分析模型概述 ……………………………………………………… 5
3 淮安市居民消费价格指数状况 …………………………………………… 7
3.1淮安市消费价格指数的特征 ……………………………………… 7
3.2淮安市八大类消费价格的变动情况 ……………………………… 8
4 淮安市居民消费价格指数建模与预测 ……………………………… 11
5 启示与对策 …………………………………………………………………… 15
结论 …………………………………………………………………………………… 17
参考文献 …………………………………………………………………………… 18
致谢 …………………………………………………………………………………… 19
- 引言
居民消费价格用来反映居民家庭一般所购买的消费品和服务项目价格水平变动的状况.居民消费价格指数（consumer price index）是将居民购买物品及服务的消费价格水平变化的情况[1]用数学文字表现出来.
近些年我国消费市场对经济社会的贡献率显著性上升，进一步表明消费在经济社会发展的作用在不断的增强.樊继达《中国消费呈现四大变化》的报告中指出，2014年至2018年，我国的年度消费对经济增长的贡献率分别达到48.8%、59.7%、66.4%、58.8%和76.2%，这五年间，消费市场对经济的影响处于只增不减的趋势，他认为消费已经成为我国经济增长的主要动力[2].因此研究一个地域的消费价格走势状况，对该地域经济的发展也有一定的意义.
在对淮安市居民消费价格指数变化及走势分析之前，本人查阅了大量的相关资料.不同的人对居民消费价格指数的研究角度各不相同：
童晓莉在《1-8月居民消费价格总体情况》的报告中，就安徽省研究期间的居民消费价格总体情况出发，从同比和环比两方面得到研究时间段居民消费价格的涨幅状况，结合并对比全国的变化情况，得出其所研究时间段消费价格上升是多种因素相互交织、综合作用而造成的.他认为食品类价格的上升的压力难以在短期内缓解，而食品中粮食价格是决定因素，这也是近些年来的领涨因素，但粮食价格能否稳定，存在不确定性.有关部门采取相关措施来增加供给，对今年稳定物价起了重要作用[3].苏林在《2004年福建省居民消费价格走势分析》中指出，2004年居民消费价格的涨幅达到近几年新高，这几年国家对农业做出了一些政策调整，粮食供给减少且价格偏低.他认为食品价格消费的上涨是拉动居民消费价格指数的主要因素，展望未来我国经济将仍处于平稳较快的发展 [4].陈路在《2009年重庆居民消费价格形式分析》报告中，也认为重庆的食品消费是牵动居民消费价格指数发生变化的主要因素，居住价格消费是第二因素，这与苏林对福建省某年的CPI分析相类似，最后对未来居民消费价格走势作分析和解读[5].
刘洪仁在《福建省居民消费价格变动的影响因素分析及走势判断》一文中，探究福建省居民消费价格指数的变动状况和特征，运用主成分分析得出影响居民消费价格指数的因素，并依据这些因素建立相关统计模型来预测未来发展的趋势，最后总结一些解决对策[6].朱威、钟惟在《ARMA模型在居民消费价格指数预测中的应用》一文中，运用软件，对研究期间的数据拟合ARMA预测模型并预测未来可能的趋势[7].
近几年，我国经济得到快速发展，居民价格消费指数也在不断变化，且全国的不同地区都有各自的发展趋势.作为常居淮安生活的一员，本文我们在引入居民消费价格指数的概念后基于淮安市居民消费价格指数来进行相关研究，首先考虑居民消费价格指数的变化，分析居民消费价格指数中的八大类消费的变动情况.其次就数据而言，运用R语言软件，对数据进行处理，分析数据可能包含的信息，建立相关模型并预测未来居民消费价格的大致走势.最后对分析的结果进行总结并提出一些建议.
- 时间序列分析模型概述
时间序列是在指某段时间内特定时间点上对某个现象所观察到的数据集，其观测值可看成随机统计值.我们现在看到的大多数数据都是时间序列型数据，例如居民消费价格指数，某地区每年的GDP变化，某地区每季的降水量，公司不同时间段的财政收入，证券市场的变化等等.时间序列数据的收集也有很多的途径，随着电子科技的不断发展，互联网站给我们的数据采集带来了非常快速简介的途径.
用来表示时间序列，用表示观察得到的样本值.对于该集合中数值的不同类型，我们可将时间序列分为离散型和连续型时间序列.观察值之间的相互依赖性是时间序列的一个典型的本质特征[8].时间序列的观察值之间的这种依赖特征具有重要意义，人们根据这个特征对时间序列数据进行拟合得到模型，并将这种模型应用于不同领域的分析预测[9].
我们分析一组时间序列的数据时，不能直接运用此数据去建模.因为大多数的时间序列都具有季节性、周期性以及随机性等，直接运用数据建模会导致后期模型可能不通过检验，所以我们在拿到数据后，应该先对数据进行简单分析.从图像看，如果图像没有明显的涨幅及周期性或者数据没有异常变动且随机变动的方差较小，那么可认为未来发展的趋势与现在及过去有一定的相关性，从而我们再建立有关的模型.对于线性和非线性的时间序列，都能建立有关自回归滑动平均模型或差分自回归滑动平均模型.
在现实的问题中，我们多数遇到的一般是离散型序列，对这类型数据的预测分析我们多使用的模型是自回归滑动平均模型 或者差分自回归滑动平均模型[10].
剩余内容已隐藏，请支付后下载全文，论文总字数：11566字
该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;
