摘要:CPI（居民消费价格指数）是一个物价变动指标，它能反映与居民生活有关的劳务及商品价格的变动情况，常把它作为衡量通货膨胀程度的重要指标。它能在一定程度上向我们反映一个地区或国家宏观经济的运行状况，与国计民生息息相关。CPI的编制不仅能够便于了解物价变动，而且可以探索价格变动对人民生活及社会经济产生的影响。对CPI进行准确预测有利于把握未来人民生活和经济发展的状况，从而制定相关有效政策，更好地调控国民经济。

针对淮安市1984—2015年CPI时间序列，本文首先将其原序列、处理所得的增量及通货膨胀率与江苏省的情况进行对比，做详细的描述性分析，接着将原序列的前29个数据作为实验样本，用灰色预测法的GM(1,1)模型进行拟合并预测后3个数据，然后将拟合出的32个实际值与原始值进行比较分析，发现GM(1,1)模型拟合效果不佳，继而决定采用时间序列模型进行拟合及预测。在选用时间序列模型之前，首先需采用ADF检验和纯随机性检验对淮安市1984—2015年CPI序列进行平稳性检验，根据年CPI时间序列样本量少、数据简单、非平稳等特点，本文最终选择时间序列经典模型自回归求和移动平均模型(ARIMA)对淮安市年CPI序列进行预测；接着将淮安年CPI序列前29个数据作为实验样本拟合出ARIMA(4,1,4)模型，后3个数据用作预测比较，对预测出的绝对误差、相对误差评价指标进行分析并预测2016年淮安市的CPI数值。最后，对本文进行了总结和梳理，根据本文的分析结果对淮安市居民消费水平及经济状况提供实际性的决策建议，分析研究的局限性，提出今后进一步努力的研究方向。

关键词 CPI；平稳性检验；ARIMA；预测比较

目录

摘要

Abstract

1 绪论-1

1.1 研究背景及意义-1

1.2 国内外研究现状-1

1.3 研究思路及主要内容-2

2 相关理论概述-3

2.1 灰色预测思想及建模步骤-3

2.2 时间序列的平稳性检验-3

2.2.1 时间序列的平稳性-3

2.2.2 时间序列的单位根检验-3

2.2.3 时间序列的纯随机性检验-4

2.3 ARIMA预测模型原理-5

2.3.1 自回归模型AR(p)-5

2.3.2 移动平均模型MA(q)-5

2.3.3 自回归移动平均模型ARMA(p,q)-5

2.3.4 自回归求和移动平均模型ARIMA(p,d,q)-6

2.4 时间序列模型识别-6

2.5 时间序列模型估计及检验-7

3 淮安市年CPI序列的实证研究-8

3.1 淮安市年CPI序列的描述性分析-8

3.2 基于灰色思想的淮安市年CPI预测-12

3.3 基于ARIMA模型的淮安市年CPI预测-13

3.3.1 平稳性检验及数据处理-13

3.3.2 模型识别-15

3.3.3 由AIC准则确定p,q阶数-16

3.3.4 模型的参数估计及显著性检验-17

3.4 淮安市年CPI序列预测及误差分析-18

4 本文研究结论与对策-21

4.1 研究结论-21

4.2 政策建议-21

4.3 研究的局限性-21

结论-23

致谢-24

参考文献-25

附录-26