收藏本站
《山东经济学院》 2011年
加入收藏

基于商品零售总额的季节调整方法比较研究

王美露  
【摘要】:时间序列中以月份和季度为时间观测单位的数据容易受季节因素的影响而出现季节性的周期变化,这被称为季节因素。由于月度、季度时间序列包含季节变动因素,季节因素的存在会掩盖与当前经济发展趋势分析直接相关的数据的基本特征,不能客观的反映出社会经济现象的趋势变动情况和循环周期变动。所谓的季节调整就是将经济时间序列进行分解,去掉季节项的影响,使时间序列的发展趋势图形由不规则变得尽可能平滑,这样可以较为准确和客观的研究经济现象的变化情况。 传统的季节调整主要是通过移动平均和平滑的方法消除波动性,使序列表现出趋势,这种方法过于简单和粗糙,没有考虑到数据的特征。之后又出现了X-11-ARIMA、X-12-ARIMA、TRAMO/SEATS等方法,使得季节调整理论研究及方法完善有了新的飞跃。这些方法在技术上先进,对数据进行季节调整的效果好。但是中国的季节数据有其独特的特点,比如农历假日的不确定性,假期长度的不稳定性和春节因素的调整等一系列的问题,这些问题虽有研究,但是其方法没有彻底完善,调整方法没有得到共识。针对中国季节数据的具体情况,中国的季节调整首先要借鉴X-12-ARIMA、TRAMO/SEATS等方法,这些方法对数据的平滑已经比较成熟,对于波动性的消除是比较好的,可以直接进行应用。农历节假日在公历月份中变化的问题,采用虚拟变量的方法,对农历节假日的影响效果进行定量分析。新增节假日的影响效果通过在模型中加入虚拟变量进行分析,对于长度变化的节假日,其长度变化的影响借鉴贸易日的调整方法。春节因素的调整,改变过去春节影响时长固定不变的缺点,调整了春节的影响时长,并且按照距离春节长短的不同采用变化的非线性权数进行调整。通过构建的季节调整方法,对中国的季节数据进行调整,分析经济现象的变化趋势。经过季节调整后的数据,很好的消除了季节波动性,更好的反映出了现象的趋势变化。
【关键词】:季节调整 X-12-regARIMA TRAMO/SEATS 春节效应 节假日效应
【学位授予单位】:山东经济学院
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F224;F717
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第1章 绪论10-16
  • 1.1 选题的背景及意义10-11
  • 1.2 文献综述11-13
  • 1.3 研究思路和方法13-14
  • 1.4 创新之处和不足14-16
  • 1.4.1 本文的创新之处14-15
  • 1.4.2 论文不足之处15-16
  • 第2章 国内外季节调整的发展现状16-22
  • 2.1 国外季节调整的发展现状16-19
  • 2.1.1 公布经过季节调整后的统计指标16-17
  • 2.1.2 各国季节调整方法一致性的探索17
  • 2.1.3 季节调整专门软件的开发和应用17
  • 2.1.4 有关季节调整网站的建立17-18
  • 2.1.5 出版季节调整方面的书籍18
  • 2.1.6 X-13-SEATS 方法的研究深入18-19
  • 2.2 国内季节调整的现状19-22
  • 2.2.1 我国季节调整的发展情况19-20
  • 2.2.2 我国季节调整中面临的一些问题20-22
  • 第3章 季节调整的理论方法比较研究22-42
  • 3.1 传统的平滑方法22-25
  • 3.1.1 移动平均法22-23
  • 3.1.2 指数平滑法23-25
  • 3.1.3 传统方法的评价25
  • 3.2 X-11 方法25-29
  • 3.2.1 计算初步估计值26
  • 3.2.2 计算季节因子和季节调整26-27
  • 3.2.3 计算得到最终的Henderson 趋势和最终的不规则因素27-28
  • 3.2.4 X-11 方法的交易日因素估计28
  • 3.2.5 X-11 方法的评价28-29
  • 3.3 X-12 方法29-32
  • 3.3.1 贸易日和节假日的调整29-31
  • 3.3.2 X-12-ARIMA 模型31
  • 3.3.3 外部影响调整31-32
  • 3.3.4 X-12-ARIMA 模型的评价32
  • 3.4 TRAMO/SEATS 方法32-37
  • 3.4.1 TRAMO 方法的基本原理33-34
  • 3.4.2 SEATS 方法的基本原理34
  • 3.4.3 利用ARIMA 模型分解相应成分34-37
  • 3.4.4 对TRAMO/SEATS 的评述37
  • 3.5 国内季节调整的相关方法37-42
  • 3.5.1 比例因子法修正春节因素38-39
  • 3.5.2 变权重流量春节模型和存量春节模型39-40
  • 3.5.3 扩展的变权重流量春节模型40-42
  • 第4章 我国季节调整方法研究42-50
  • 4.1 季节因素、贸易日及公历假期的调整42-45
  • 4.1.1 利用X-12 进行季节和贸易日的调整42-44
  • 4.1.2 公历节假日的调整44-45
  • 4.2 春节的调整方法45-48
  • 4.3 其他农历节日的调整方法48-50
  • 第5章 基于商品零售总额的季节调整方法实证分析50-57
  • 结论57-58
  • 参考文献58-60
  • 附录A60-64
  • 攻读硕士学位期间取得的学术成果64-65
  • 致谢65

【相似文献】
中国期刊全文数据库 前10条
1 郭强;;基于三种方法的我国广告营业额预测[J];东方企业文化;2011年14期
2 桂文林;韩兆洲;;基于状态空间模型的中国季度GDP季节调整(1996~2009年)[J];数量经济技术经济研究;2011年07期
3 贺凤羊;刘建平;;如何对中国CPI进行季节调整——基于X-12-ARIMA方法的改进[J];数量经济技术经济研究;2011年05期
4 杨翱;;基于ARIMA模型的武汉市居民价格消费指数研究[J];现代商贸工业;2011年14期
5 陈雄强;张晓峒;;货币供应量的实时监测——基于季节调整方法[J];上海经济研究;2011年07期
6 陈显周;区晶莹;俞守华;杨春;;组合时间序列模型及其在我国农业总产值预测中的应用[J];广东农业科学;2011年13期
7 明辉;;基于季节调整的四川居民消费状况实证分析[J];改革与战略;2011年08期
8 严仕锋;季云华;;外汇收支数据的季节性调整与长期性特征分析[J];金融纵横;2011年08期
9 徐志科;郭永;;ARIMA模型在经济预测中的应用[J];科协论坛(下半月);2011年08期
10 李晴;杨春;;时间序列分析模型及其在GDP预测中的应用研究[J];安徽农业科学;2011年20期
中国重要会议论文全文数据库 前10条
1 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 周敏燕;徐方忠;刘加海;;基于ARIMA模型的ADHD儿童视觉持续性注意研究[A];2011年浙江省心理卫生协会第九届学术年会论文汇编[C];2011年
3 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年
4 王书平;李建平;高丽君;赵茜;;标准X-11方法及国际原油价格季节性波动分析[A];现代工业工程与管理研讨会会议论文集[C];2006年
5 任家福;张昉;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届(2008)中国管理学年会论文集[C];2008年
6 韩文秀;;加强经济监测预警分析需解决好的几个问题[A];中国经济分析与展望(2010-2011)[C];2011年
7 张杰;林桂军;;我国出口的季节性变动与年初出口下滑[A];’93对外经济贸易大学学术报告会论文集[C];1993年
8 黄娑;王庚;;南通市经济增长和可持续发展问题研究[A];江苏省现场统计研究会第11次学术年会论文集[C];2008年
9 石昱馨;刘喜波;;乘积季节模型在气温及降水时间序列分析中的应用[A];数学·力学·物理学·高新技术交叉研究进展——2010(13)卷[C];2010年
10 ;Stochastic MPC for Supply Chain Management Using MCMC Approaches[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
中国重要报纸全文数据库 前10条
1 王海蕴;用药要随季节调整[N];中国消费者报;2002年
2 文兼武 刘冰 杨红军 李婧婧;对GDP进行季节调整的方法[N];中国信息报;2009年
3 刘丽萍;浅谈季节调整[N];中国信息报;2004年
4 刘丽萍;时间序列季节调整描述经济活动的利器[N];中国信息报;2000年
5 健康时报记者  赵晴晴;甲状腺癌术后需终生服药[N];健康时报;2006年
6 本报见习记者 王建军;加强环比统计 服务宏观调控[N];中国信息报;2009年
7 驻马来西亚使馆经商处;德二季度经济增幅创20年来最高[N];国际商报;2010年
8 证券时报记者 吴家明;经济数据向好 日本股市创10个月新高[N];证券时报;2009年
9 冯武勇;日本上调三季度经济增长率[N];经济参考报;2010年
10 上海证券报;经济运行出现预期的减速现象[N];上海证券报;2006年
中国博士学位论文全文数据库 前10条
1 桂文林;子年度经济时间序列季节调整模型与应用研究[D];暨南大学;2011年
2 姜向荣;短时间序列预测建模及应用研究[D];北京邮电大学;2009年
3 袁小坊;IP网络测量数据存储与流量建模研究[D];湖南大学;2010年
4 陈子林;电子商务环境下的供应链drop-shipping渠道研究[D];华中科技大学;2008年
5 曹雯;秋冬季南方单栋塑料温室小气候分析与温湿环境模拟研究[D];南京信息工程大学;2012年
6 刘怀忠;煤矿开采对矿区地下水系统扰动的定量评价研究[D];中国矿业大学;2009年
7 刘晓冬;中国肾综合征出血热时空分布及气候因素对辽宁省HFRS影响的研究[D];山东大学;2012年
8 白寅;我国大型石油集团预算管理的几个关键问题研究[D];天津大学;2009年
9 弓树宏;电磁波在对流层中传输与散射若干问题研究[D];西安电子科技大学;2008年
10 陈玉海;我国CPI预测数量研究[D];中南大学;2009年
中国硕士学位论文全文数据库 前10条
1 贺凤羊;中国经济时间序列的季节调整研究[D];暨南大学;2011年
2 王美露;基于商品零售总额的季节调整方法比较研究[D];山东经济学院;2011年
3 郑维;基于X-12-ARIMA的节假日经济效应分析[D];北方工业大学;2010年
4 程海涛;支持向量机结合X11季节调整方法用于短期电力负荷预测[D];兰州大学;2011年
5 李菁菲;基于小波技术和ARIMA模型的网络流量预测研究[D];山东大学;2010年
6 赵晓丽;基于小波ARIMA模型的风电场风速短期预测方法研究[D];华北电力大学(北京);2010年
7 白营闪;基于ARIMA模型对沪深300指数的预测分析[D];华南理工大学;2010年
8 张丹;基于ARIMA模型的消费品公司预算管理分析[D];复旦大学;2011年
9 贾竹青;基于ARIMA模型的呼和浩特地区10kV配电网负荷预测[D];华北电力大学(北京);2011年
10 Jules Kounouwewa;[D];中南大学;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026