居民消费价格指数季节调整实证研究

文章首先对居民消费价格指数季节调整的原因、季节调整方法的发展过程和应用进行了说明,着重介绍了国际上最新流行的X-12-ARIMA和TRAMO/SEATS季节调整方法,然后用X-12-ARIMA方法对上海市居民消费价格指数序列进行季节调整、分析和预测,并结合使用TRAMO/SEATS方法解决中国与国外明显不同的春节假日因素的调整问题,最后提出我国季节调整面临的问题。

基于ARIMA模型与GM(1,1)模型的居民消费价格指数预测对比分析

居民消费价格指数反映一定时期内我国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,是宏观经济分析与决策、价格总水平监测与调控的重要指标,同时也是反映通货膨胀的重要指标。文章运用历史数据,结合数学模型对CPI进行了科学合理的预测。在此基础上运用ARIMA模型和GM(1,1)模型对居民消费价格指数进行了预测的对比分析。

我国居民消费价格指数的短期预测

居民消费价格指数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。本文介绍了它的概念以及在我国物价体系中的重要作用,并根据1951年到2002年52年我国居民消费价格指数的统计资料,运用Eviews4.1软件和时间序列模型,对我国的居民消费价格指数进行预测和分析,提出几点看法和建议。

我国食品和非食品价格与居民消费价格指数(CPI)关系分析

本文利用2003年1月至2010年12月的月度数据分析了消费者价格指数(CPI)形成机制及波动原因,采用Granger因果检验、协整理论和基于向量自回归的误差修正模型研究CPI、非食品价格和食品价格之间的因果关系和长期均衡关系。因果分析结果表明,在所研究的时期,食品价格和非食品价格上涨都显著地导致CPI的上涨,但CPI对食品价格影响显著,而对非食品价格没有显著影响。所以,调控CPI的宏观政策(如货币等政策)、促进农产品生产和非食品供给都将对控制通货膨胀产生积极的影响。

中国居民消费价格指数波动的周期性及其驱动因素研究

准确把握物价波动的周期性及其驱动因素,是宏观经济决策的重要依据之一。本文采用经验模态分解(EMD)方法,对2001年1月-2008年6月我国居民消费价格指数(CPI)多尺度分析发现,中国CPI存在准3.9月、准8.4月、准16.4月、准45月四个波动周期和一个递增趋势。综合考虑影响价格变化的各种因素,对CPI不同周期性波动的内外驱动因素进行了偏最小二乘回归建模分析。本文力图通过对中国CPI波动的周期性及其驱动因素研究,为政府的宏观调控提供定量化参考依据。

基于混合神经网络和混沌理论的居民消费价格指数预测研究

文章对我国居民消费价格指数进行了混沌识别,结果表明其具备混沌特性;结合神经网络和混沌理论,提出了一种将混沌理论和神经网络相结合的居民消费价格指数预测模型,利用重构相空间的嵌入维数确定神经网络的结构,算法与设计相对简单。

货币供应量对居民消费价格指数与房屋销售价格指数的影响——基于1978-2009年中国经验数据的分析

本文利用结构VAR模型分析了我国货币供应量对居民消费价格指数和房屋销售价格指数的影响,并通过1978年至2009年的经验检验,发现我国货币供应量对居民消费价格指数和房屋销售价格指数的影响较为显著,居民消费价格指数与房屋销售价格指数会此消彼长,并且,货币供应量对居民消费价格指数的影响存在半年到一年的滞后期。基于此,我们认为,在当前货币供应量持续处于高位、房地产价格被严格控制的背景下,要加倍警惕2010年下半年至2011年上半年居民消费价格指数上涨,从而产生通货膨胀局面的形成。

基于VAR模型的居民消费价格指数传导机制研究

2007年初以来,我国经历了新一轮居民消费价格指数(CPI)的大幅上涨,环比指数在2008年2月达到了近十年的最高点108.7%,CPI走势及其传导机制已成为各界对经济关注的焦点。本文选取了5个与CPI相关的指标,运用VAR模型,分析其对CPI的传导机制,得出CPI对自身反应较为敏感,原材料、燃料和动力购进价格指数及PPI对CPI的传导效应不明显,固定资产投资价格指数、货币供应增长率对CPI的冲击较大,外汇储备增长率对CPI的直接影响较小但间接作用不可忽视。对此,应严格控制固定资产投资的非理性因素,继续实行稳健的货币政策,同时改革价格体制、理顺价格关系也势在必行。

北京旅游价格指数与居民消费价格指数关系研究

旅游价格指数(TPI)是反映旅游者在旅游过程中消费的一篮子商品和服务项目价格水平随时间而变动的相对数。TPI的编制对于研究旅游目的地的旅游产业运行机制和目的地竞争力方面具有重要的理论意义,对于旅游目的地经营和营销也具有一定的指导和参考价值。本文分别利用拉氏指数、链式拉氏指数方法编制了2005～2010年的北京旅游价格指数。北京旅游价格指数构成中,餐饮和住宿分别占到了33.7%和30.9%,而景区游览仅占18.9%。经与北京同期的消费者价格指数比较得出,北京历年的TPI指数都高于同期的CPI,两者之比在1.0～1.5之间。旅游需求呈现较强的价格粘性特征,即TPI升降对于旅游需求量的增减影响不大。

居民消费价格指数上涨与低收入群体

本文分析了近期我国居民消费价格指数上涨的原因、特点,以及居民消费价格指数上涨对低收入群体的影响,提出了控制价格上涨的对策和措施。

广义货币供应量对居民消费价格指数的滞后效应分析

本文采用1999年1月至2008年4月的月度数据,针对中国广义货币供应量M2对居民消费价格指数的影响进行了实证分析。首先对CPI和M2的时间序列数据进行ADF检验、协整检验,然后通过建立分布滞后模型得出M2对CPI的影响具有六个月左右的滞后。

论当前房价下行趋势对居民消费价格指数的影响

我国1998年进行房地产市场化改革,加之城市化建设的推动,房价波动逐渐显著。房屋价格波动对与住房相关的产品及服务价格产生关联性影响,从而对整个居民消费价格水平产生影响;又由于房屋购置支出占居民消费总支出比重大,在总的可支配收入有限及我国当前社会保障发展水平条件下,房屋价格波动影响居民对其他商品及服务的需求水平,基于市场总供给与总需求的关系,进而影响其他商品及服务的价格水平。选取衡量总体物价水平的重要经济指标居民消费价格指数,从其编制所包含的商品种类及计算方法研究,在未将房价直接计入居民消费价格指数的条件下,从理论层面及近三年的实际数据实证分析,房价的波动仍与居民消费价格指数数值变动存在非线性的正相关关系。研究表明,当前房价的下行趋势,必将有助于拉低居民消费价格指数数值。

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。

基于ARIMA模型的北京居民消费价格指数预测

自回归单整移动平均模型（ARIMA）是目前较为广泛应用的时间序列建模方法之一,文章以北京市1998年1月～2013年5月的CPI月度数据为样本,采用Eviews6.0软件,建立了ARIMA（12,18）模型,模型对样本内数据拟合较好,预测误差较小,用该模型对北京市2013年6月～2013年12月的CPI指数进行了预测。

中国居民消费价格指数预测

2012年下半年,中国居民消费价格指数将保持在2%左右,不会发生大的通货膨胀和通货紧缩。为避免价格大起大落,实现经济可持续发展,要坦然面对居民消费价格指数的低位运行,积极扩大消费需求;通过立法和政策引导,鼓励企业诚信经营,生产出消费者需要且信赖的产品;大力淘汰落后产能,促进行业结构调整优化和整体竞争力的提升。

通涨的诱因及转型——2007年居民消费价格指数上涨因素的实证分析

本文运用主成分分析和因子分析相结合的方法,利用统计软件SPSS对2007年1月至2008年1月份居民消费价格指数CPI进行分析,确定了各个因素对CPI持续上升的影响程度。并根据数据得结论:我国现在面临的是由食品价格上涨为主的结构性通货膨胀,是生活必需品的单边结构性上涨而非全面性通货膨胀。

中国消费者信心指数与居民消费价格指数的关系研究

文章对1999年1月至2018年4月间中国消费者信心指数与居民消费价格指数的月度数据进行格兰杰因果检验,发现CPI不是CCI的格兰杰原因,而CCI是CPI的格兰杰原因。通过交叉谱分析精确地测度出CCI领先CPI3.11个月,表明中国消费者信心指数对居民消费价格指数有预测能力。并首次通过MS—VAR模型探究CPI、CCI间的非线性关系,发现滞后1期的CPI对CCI有负向作用,影响不显著,滞后1期的CCI对CPI有显著的正向影响;通过脉冲响应分析发现,在不同区制下,CPI对CCI的冲击呈负向,CCI对CPI的冲击均是正向,说明二者间存在长期均衡的关系。实证分析表明,CCI对CPI有一定的预测作用,二者间存在循环传导路径,当信心处于稍低水平时,可通过适度调控物价以提高信心。

我国居民消费价格指数灰色关联分析

采用灰色关联分析法,对我国居民消费价格指数进行了多因素关联分析.得出房屋销售价格、商品零售价格以及国内生产总值指数是我国近期CPI过快增长的主要影响因素.对此进行了原因分析并提出相应建议.

中国居民消费价格指数的ARIMA预测模型

本文将2009年1月至2014年12月期间的中国居民消费价格总指数进行了分析,对序列进行了季节性检验和季节性调整,通过计算季节指数,利用时间序列图以及ADF检验方法检验了调整后序列的平稳性,得到了居民消费价格总指数的ARIMA模型.最后分别对CPI进行静态预测和动态预测,将预测结果乘以季节指数将预测结果还原,得到了较为满意的结果.

基于新陈代谢GM(1,1)模型的居民消费价格指数预测

影响居民消费价格指数的因素很多,一般的回归模型难以全面涵盖这些因素并预测其未来走势,而运用新陈代谢GM(1,1)模型对未来我国居民消费价格指数进行预测的结果表明,在2009年～2015年间我国CPI年平均涨幅为3.75%,超过3%的警戒线,我国将长期处于温和通胀阶段。使用新陈代谢GM(1,1)模型预测的CPI未来走势还较为精确。