基于时间序列的居民消费价格指数分析

摘要：以我国2016年1月-2021年11月的各个月份居民消费价格指数为原始数据，利用EVIEWS软件进行二阶差分，得到平稳序列且为非白噪声序列，然后计算平稳序列的相关系数和偏相关系数,确定模型的阶数，拟合AR(1)模型，该模型通过适应性检验。由于时间序列之间的相关关系和历史数据对未来的发展有一定的影响，由该序列可以预测我国之后的居民消费指数。

关键字：居民消费价格指数，时间序列，AR(1)模型，预测

引言

CPI，指居民消费价格指数,是反映一定时期内城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数。CPI影响就业形势，它决定着消费者花费多少来购买商品和服务，左右着商业经营的成本，极大地破坏着个人或企业的投资，影响着退休人员的生活质量；CPI影响国民经济核算；在国民经济核算中，需要各种价格指数对GDP进行核算，从而剔除价格因素的影响；CPI还可以影响股市，一般情况下，物价上涨，股价上涨；物价下跌，股价也下跌【1】.......综上所述，CP影响人们生活的方方面面。所以，对CPI的研究至关重要。【2】

时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,经常用于预测经济数据。时间序列有两大基本原理：第一，承认事物发展的延续性。应用过去数据,就能推测事物的发展趋势；第二，考虑到事物发展的随机性。【3】任何事物发展都可能受偶然因素影响,为此要利用统计分析中加权平均法对历史数据进行处理，因而时间序列被广泛地应用于经济领域,尤其是金融市场。【4】

以我国2016年1月-2021年11月的各个月份居民消费价格指数为原始数据，首先，用时序图和自相关图进行平稳性检验,若通过平稳性检验，则序列是平稳序列；若没通过平稳性检验，则为非平稳序列。对于非平稳序列,先利用差分变换将其转化成平稳序列。【5】然后，计算平稳序列的相关系数和偏相关系数,以此进行模型的定阶。下一步，进行模型的参数估计,判断其是否通过显著性检验。在下一步，进行模型的显著性检验。最后，预测我国之后的居民消费指数。【6】

模型的建立

• 数据的选择