季节ARIMA模型在社会消费品预测中的应用研究

"蒋建和石学军的论文‘季节ARIMA模型在社会消费品零售总额预测中的应用’探讨了使用ARIMA模型预测中国社会消费品零售总额的方法。文章首先概述了ARMA模型和季节ARIMA模型的基本概念，然后利用EViews软件对1997年1月至2010年6月的月度数据进行分析，构建了四种不同的季节ARIMA模型。最终确定最优模型为ARIMA(1,1,1)(1,1,1)12，并用此模型预测2010年下半年的社会消费品零售总额，预测结果显示总额始终保持增长，体现出消费品市场的稳定增长趋势。" 本文的研究重点在于利用统计学方法——季节ARIMA模型，对社会消费品零售总额这一宏观经济指标进行预测。ARIMA（自回归整合滑动平均模型）是时间序列分析中常用的一种工具，尤其适用于处理具有趋势和季节性的时间序列数据。在ARIMA模型的基础上，季节ARIMA模型（Seasonal ARIMA）加入了季节性因素，更适应于周期性明显的数据，如按月或季度收集的经济数据。 在论文中，作者首先对ARMA模型进行了介绍，这是一种结合了自回归（AR）和滑动平均（MA）特性的模型，用于捕捉数据中的线性关系和随机波动。接着，引入了季节ARIMA模型，它在ARIMA模型中增加了季节性自回归和季节性滑动平均项，能够更好地捕捉数据的季节性变化。 蒋建和石学军通过EViews软件对1997年1月至2010年6月的社会消费品零售总额数据进行了分析，构建了四种不同参数的季节ARIMA模型。他们对比了这些模型的预测精度、统计检验结果和模型复杂性，最终选择了ARIMA(1,1,1)(1,1,1)12作为最优模型。这个模型的参数含义分别为：非季节部分的自回归项为1，差分阶数为1，滑动平均项也为1；季节部分同样为1的自回归项和滑动平均项，且季节周期为12个月。 利用选定的最优模型，作者预测了2010年7月至12月的社会消费品零售总额，预测结果显示，这段时间内社会消费品零售总额将保持持续增长，这反映了中国消费品市场的强劲势头和稳定性。这项研究对于政策制定者和经济学家理解消费市场动态、预测未来趋势以及制定经济策略具有重要的参考价值。