统计软件应用论文.docx
《统计软件应用论文.docx》由会员分享，可在线阅读，更多相关《统计软件应用论文.docx（13页珍藏版）》请在冰豆网上搜索。
统计软件应用论文
论文题目：
居民消费价格和商品零售价格指数分析
学生姓名：
江姗
学号：
2013487014
专业：
电子商务
班级：
2013级
指导教师：
郭海玲
2015年12月28日
一、摘要......................................................2
二、因素选择与分析..........................................2
三、数据收集..................................................3
居民消费价格和商品零售价格指数数据表.....................4
变量相关关系散点图.......................................5
四、模型设定..................................................5
回归模型与结果分析......................................5
曲线拟合和因子分析以及线形图.........................7
五、总结建议..................................................9
六、参考文献..................................................10
摘要
居民消费价格指数受很多因素的影响，如果使用回归分析的预测方法会出现寻找主要因素和次要因素的困难，同时还可能遗漏影响因素的错误，但是动态分析的方法只需要通过序列找出序列自身的规律，建立模型并预测。
使用动态分析的方法对我国城市居民消费价格指数进行拟合，提供一个有效经济预测的方法。
本文使用我国城市居民消费价格指数进行观察和研究，通过对城市居民消费价格指数时序图和自相关与偏相关函数的统计识别,建立ARMA模型，并进行显著性检验选择合适的模型并预测未来四年的城市居民消费价格指数，并与实际数据进行比较，得出合理的结论。
关键字：
动态分析城市居民消费价格指数平稳性
因素选择和分析
1、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价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。
该指数可以观察和分析消费品的零售价格和服务项目价格变动对城乡居民实际生活费支出的影响程度。
2、 商品零售价格指数 商品零售价格指数，商品零售价格的变动直接影响到城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需的平衡，影响到消费与积累的比例关系。
进而影响居民消费价格指数。
从宏观经济理论来看，物价上涨的原因一般有三种情况：
第一种情况是需求拉动式的物价上涨，它是由于需求扩张所引起的；第二种情况是成本推动式的物价上涨，它是由于原料、燃料价格等成本价格的上涨所引起的；第三种情况是物价上涨的国际传递，它是由于一个国家的物价上涨或货币贬值传导到他国的现象。
为了较准确地分析CPI的影响因素，须对每一种情况进行考察。
从需求来看方差分解，全国各地区开始出台了不同程度地提高工资的政策措施。
提高工资在短期内会增加居民的购买力，进而有效地刺激需求。
一方面，产品会由于需求的增加而涨价，另一方面，这会增加投资者的预期，刺激他们更多的投资。
因而，收入的增加在很大程度上拉动了物价上涨。
同时，为了尽可能准确客观地分析收入对CPI的影响程度，在这里采用城镇居民可支配收入作为变量，因为农村居民可支配收入在对CPI的上涨是滞后的，反应不敏感。
其次，货币供应量也是影响需求变化的重要因素，根据货币数量论，通胀率来自货币增长率，所以它在一定程度上具有内生性。
再次，固定资产投资规模在很大程度上决定产品价格，固定资产投资由于主要是由政府支撑的，所以它不会因为货币政策的变化而发生显著变化，基于此，将其也作为一个变量进入模型。
居民消费价格指数是度量一组代表性消费商品及服务项目价格水平随着时间而变动的相对数，反映居民家庭购买的消费品及服务价格水平的变动情况。
它是宏观经济分析和决策、价格总水平监测和调控以及国民经济核算的重要指标。
其按年度计算的变动率通常被用来作为反映通货膨胀或紧缩程度的指标。
现行的居民消费价格指数按用途分为八个大类，包括食品、烟酒及用品、衣着、家庭设备用品及维修服务、医疗保健和个人用品、交通和通信、娱乐教育文化用品及服务、居住。
商品零售价格指数是反映一定时期内城乡商品零售价格变动趋势和程度的相对数。
商品零售价格的变动直接影响城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需的平衡，影响消费与积累的比例关系。
因此，该指数可以从一个侧面对上述经济活动进行观察和分析。
数据收集
下面是收集到的全国各个城市的居民消费价格指数和商品零售价格指数的数据
居民消费价格和商品零售价格指数
地区
居民消费价格指数
商品零售价格指数
当月（上年同月＝100）
累计（上年同期＝100）
当月（上年同月＝100）
累计（上年同期＝100）
全国
101.5
101.4
100.2
100.0
北京市
101.9
101.8
99.0
98.5
天津市
101.7
101.7
100.8
100.3
河北省
101.3
100.8
101.0
100.1
山西省
100.7
100.6
99.9
99.2
内蒙古自治区
101.5
101.1
101.0
100.4
辽宁省
101.8
101.4
101.1
100.4
吉林省
102.0
101.6
100.8
99.7
黑龙江省
101.0
101.1
100.1
100.1
上海市
102.4
102.4
100.7
101.1
江苏省
101.7
101.6
100.3
100.5
浙江省
102.0
101.3
100.5
99.8
安徽省
101.0
101.3
99.3
99.6
福建省
101.6
101.8
99.5
100.0
江西省
101.3
101.5
100.3
100.5
山东省
101.3
101.2
100.4
100.2
河南省
101.0
101.3
99.5
99.8
湖北省
101.1
101.5
100.4
100.6
湖南省
101.3
101.4
100.0
99.8
广东省
101.8
101.5
100.0
99.6
广西壮族自治区
101.4
101.5
100.1
100.1
海南省
100.7
101.0
100.1
99.8
重庆市
100.8
101.3
99.8
100.2
四川省
101.2
101.5
99.9
100.3
贵州省
101.5
101.9
100.0
100.1
云南省
102.3
101.9
101.3
100.7
西藏自治区
102.4
102.0
101.6
101.3
陕西省
101.2
100.9
100.1
99.8
甘肃省
101.5
101.6
101.0
101.0
青海省
102.0
102.7
100.7
101.0
宁夏回族自治区
100.3
101.2
99.7
100.2
新疆维吾尔自治区
100.6
100.6
99.8
99.6
变量相关关系散点图
如果数据是不平稳的，对数据进行平稳化。
根据数据的不同特征进行不同的调整，主要有取对数，多次差分或开方处理，直到自相关函数图和偏自相关函数图是显著的趋于零，和通过单位根检验；
由获得的平稳的数据，进行初步的模型识别，建立相应的模型：
根据商品零售价格模型识别规则，若偏自相关函数图是截尾的，而自相关函数图是拖尾的，则模型可以判断为AR（p）；若自相关函数图是截尾的，而偏自相关函数图是拖尾居民消费价格指数的时间序列模型分析 的，则模型可以判断为MA模型；若平稳时间序列的自相关函数图和偏自相关函数图都是拖尾的，该数据适合ARMA模型；对选定的模型进行参数估计，估计暂定的模型参数，运用检验是否具有统计意义；根据上一步的结果，对暂定模型进行适应性检验，决定是否接受暂定模型，当模型的适应性检验表明模型不是最优的模型时，可根据检验所提供的有关改进模型的信息，重新拟合改进模型，并根据AIC准则，选定最好的模型。
模型设定
影响居民消费的因素很多，商品零售价格的变动，服务价格的变动都会显著表现在其中，但由于受各种条件的限制，现只引入商品零售价格指数变动作解释量，建立模型。
Y=β+βX
回归
输入／移去的变量a
模型
输入的变量
移去的变量
方法
1
累计b
.
输入
a.因变量:
商品零售价格指数
b.已输入所有请求的变量。
Anovaa
模型
平方和
df
均方
F
Sig.
1
回归
5.802
1
5.802
31.921
.000b
残差
5.453
30
.182
总计
11.255
31
a.因变量:
商品零售价格指数
b.预测变量:
（常量）,累计。
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
（常量）
23.976
13.505
1.775
.086
累计
.762
.135
.718
5.650
.000
a.因变量:
商品零售价格指数
结果分析：
1、从“Anova”表中，可以看出该模型中F的统计量为31.921，P值显示为.000b，拒绝模型整体不显著的假设，证明该模型整体是显著的。
2、从“系数”这个表可以看出“回归系数”、“回归系数的标准差”、“回归系数的T显著性检验”等。
回归系数常量为23.976，但是Sig为0.085，常数项不显著，回归系数为0.762，相对的的Sig值为0.000，具备显著性。
由于在“Anova”表中提到了模型整体是“显著”的，所以一元线性方程为：
居民消费价格指数=23.976+0.762*商品零售价格指数 其中在“样本数据统计”中，随即误差，一般叫“残差”：
从结果分析来看，可以认为：
零售商品价格指数每增加1个单位，居民消费价格总指数会增加0.762个单位。
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.199a
.040
.008
.524
a.预测变量:
（常量）,城市。
Anovaa
模型
平方和
df
均方
F
Sig.
1
回归
.339
1
.339
1.235
.275b
残差
8.230
30
.274
总计
8.569
31
a.因变量:
居民消费指数
b.预测变量:
（常量）,城市。
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
（常量）
101.615
.190
535.925
.000
城市
-.011
.010
-.199
-1.111
.275
a.因变量:
居民消费指数
居民消费价格指数滞后一期对自身的影响由其参数估计值，而且显著性水平较高，而滞后二期对自身的影响为负。
对此，我们可以理解为，第一年居民消费价格指数的上涨会在下一年度逐渐释放，在第三年开始逐步纠正。
曲线拟合
模型描述
模型名称
MOD_1
因变量
1
居民消费指数
2
商品零售价格指数
方程
1
二次
2
三次
3
指数a
自变量
城市
常数
包含
其值在图中标记为观测值的变量
未指定
用于在方程中输入项的容差
.0001
a.该模型要求所有非缺失值为正数。
个案处理摘要
N
个案总数
37
已排除的个案a
5
已预测的个案
0
新创建的个案
0
a.从分析中排除任何变量中带有缺失值的个案。
变量处理摘要
变量
因变量
自变量
居民消费指数
商品零售价格指数
城市
正值数
32
32
32
零的个数
0
0
0
负值数
0
0
0
缺失值数
用户自定义缺失
0
0
0
系统缺失
5
5
5
模型汇总和参数估计值
因变量:
居民消费指数
方程
模型汇总
参数估计值
R方
F
df1
df2
Sig.
常数
b1
b2
b3
二次
.042
.636
2
29
.537
101.552
-7.547E-006
.000
三次
.053
.522
3
28
.671
101.725
-.058
.004
-8.799E-005
指数
.040
1.249
1
30
.273
101.615
.000
自变量为城市。
因子分析
公因子方差
初始
提取
居民消费指数
1.000
.782
商品零售价格指数
1.000
.782
提取方法：
主成份分析。
解释的总方差
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
1
1.564
78.216
78.216
1.564
78.216
78.216
2
.436
21.784
100.000
提取方法：
主成份分析。
成份矩阵a
成份
1
居民消费指数
.884
商品零售价格指数
.884
提取方法:
主成份。
a.已提取了1个成份。
总结与建议
居民消费价格指数与商品零售价格指数，呈线性关系，商品零售价格指数应抑制各种价格的增长。
物价波动在很大程度上是一个滞后变量，不能作为经济运行状况的晴雨表。
目前我国工业品出厂价格波动基本上正处于上升通道，长期来看流动性的增长和收入增速加快也将给消费价格增长带来压力。
我国价格主管部门沿用的价格统计指数,即商品零售价格指数已不能适应市场经济发展的要求和反映居民消费价格的真正水平,在执行中暴露出诸多弊端。
价格统计指数从以商品零售价格为主改为以居民消费价格统计指数为主是十分必要的。
首先要把握资源性产品价格的调整节奏和力度，将工业品出厂价格水平的波动维持在可控范围内，是消费价格能逐步消化上游传导的压力；从人均收入的角度来看，随着收入分配体制改革深化，在我国人均收入的增长速度将进一步加快，要高度重视并采取有力措施何平衡人均收入与消费价格水平之间的关系；从１９９７年的亚洲金融风暴之后，货币政策取向的变化一直是我国应对通胀或通缩压力，调控消费价格水平的主要工具，成效相当显著，但是货币供应量变动对消费价格水平等作用强度较大，该政策工具需要在深入分析价格走势的前提下谨慎使用。
参考文献
【1】对居民消费价格指数影响因素分析网络摘取
【2】居民消费价格与商品零售价格关系的实证研究网络摘取
【3】中国居民消费价格指数影响因素分析刘海兵
【4】我国物价波动趋势及影响因素分析徐佳山东大学硕士学位论文
【5】中国物价波动的特征和影响因素研究李颖东北财经大学博士学位论文
【6】我国物价增长率波动及其影响因素分析付鹏中南大学商学院
升级会员 