消费者满意指数的时间序列预测分析

应用时间序列分析-1-消费者满意指数的时间序列预测分析——基于2010-2015年数据一、研究背景消费者满意度指数理论是建立在消费心理学、消费行为学及计量经济学的基础上的质量评价科学指标。它将产品性能、可靠性、价格、所提供的相应服务等因素作为考察对象，与顾客期望相比较，由顾客做出评判。由于顾客满意度将质量的技术性、符合性标准，转变为以顾客对产品和服务的感受和体验来评价质量，所以反映了市场经济的本质特征。随着中国经济的转型，经济增长由数量的快速扩张向质量加速提升转变，与GNP、GDP等反映的是经济的“数量指标”不同，消费者满意指数考察的是国家产业经济的“质量指标”。消费者满意指数的实施和发布旨在引导和帮助中国产业实现质的成长，提高产业、企业和产品竞争力。消费者满意指数是指消费者对当前经济生活的评价，消费者信心指数是由消费者预期指数和消费者满意指数加权平均得到，是消费者信心指数的重要组成部分。满意指数是建立在消费者对当前的家庭收入情况、当前就业形势以及购买时机的判断，是为了解消费者对经济环境的满意程度，反映消费者对经济的看法以及购买意向。满意程度越高，即购买意向越强，对当前的消费影响更大。消费者满意指数、消费者预期指数、消费者信心指数共同构成消费者景气指数，而消费景气指数又为经济景气指数的一个分支，研究消费者满意指数对预测经济发展也有一定程度的意义。二、时间序列分析（一）、原序列分析1.时序图我们可以看出从2010年开始消费者满意指数呈下降的趋势，直到2012年才开始缓慢上升。总体趋势是波动而不平稳的。时序图如下所示，初步判断其不平稳，再结合自相关图具体分析。应用时间序列分析-2-下为本文的描述性统计结果，即均值为99.02、标准偏差为4，58、观察个数为71个。2．自相关图：证明了该序列的自相关系数递减到0的速度先慢后快，再很长的延迟时间里，自相关系数一直为正，而后又一直为负，因其显示出不太明显的三角对称性，这是典型的非平稳时间序列。3．白噪声检验如下：P值小于0.05，证明原序列不是白噪声序列应用时间序列分析-3-（二）、差分分析因为该序列不是平稳白噪声序列，我们对其进行了一阶差分。差分结果如下：1.时序图由下图可以直观看出该序列没有明显的趋势或者周期性，初步判断其是平稳序列。2.自相关图根据自相关系数在一阶之后都控制在2倍标准差之内且一阶之后高台跳水溅起水花点点的特征，判断其属于一阶截尾。应用时间序列分析-4-3.偏自相关图及白噪声检验由偏自相关图，我们可以看出有部分数值不在二倍标准差内其波动缓慢特征明显为“坐着滑梯落水”，显示出拖尾的特性。检验p0.05，显示差分后的序列为平稳白噪声时间序列。4.相对最优定阶根据之前分析我们可以得出，自相系数一阶截尾，偏自相关系数拖尾。该模应用时间序列分析-5-型应为MA(1)模型，为了避免因个人经验不足导致的模型识别问题，我们进行了相对最优定阶检验。ARMA预测法是由自回归模型（AR）及移动平均模型(MA)组成的。ARMA系统的建模思想是将预测对象随时间的推移而形成的数据序列视为一个随机序列。构成该时序的单个序列虽然具有不确定性,但整个序列的变化却有一定的规律性。如果该时间序列是非平稳序列通过差分才能够达到平稳。在实际应用中要根据系统现象本身特征采用几种方法交叉使用，然后选择最合适的阶数在实际应用中要根据系统现象本身特征采用几种方法交叉使用，然后选择最为合适的阶数（p,q）作为待建模型。BIC（0，1）信息量相对最小的是ARMA(0,1)模型即MA(1)模型，证明了之前的判断是正确的。接下来我们用MA(1)进行拟合。5．最小二乘法估计Estimateq=1;对1阶差分后序列▽xt,拟合MA（1）模型。输出拟合结果显示常数项不显著，添加命令为Estimateq=1noint;命令系统不要常数项拟合MA（1）模型。结果如下，显示模型显著且参数显著。残差不是自回归模型，所以不用进行残差自回归模型拟合，可以直接得出结论。应用时间序列分析-6-6．MA（1）模型SAS输出模型如下所示7．预测数据本文采用预测五阶的数据模型，预测结果如下所示:三、结论综述本篇论文是以时间序列分析的方法来预测消费者满意指数，对其进行MA拟合，研究发现我国消费者满意指数在未来五年呈下降趋势，我们居民的消费意愿有所降低，这可能和市场管理不完善和消费者自身体验相关，也可为宏观经济预测做一定参考。应用时间序列分析-7-四、附录（一）本文数据应用时间序列分析-8-（二）参考文献[1]雍红月,包桂兰.组合时间序列ARMA模型在经济预测中的应用—内蒙古十一五期间GDP预测[J].数学的实践与认识，2008,38(21).[2]何永沛.ARMA模型参数估计算法改进及在股票预测中的应用[J].重庆工学院学报，2009(2).[3]中国知网中国消费者信心与消费之间的实证研究_柴琳琳[4]百度百科——C-CSI[5]居民消费价格指数_制造业采购经理_省略_系研究_基于VAR模型的实证检验_李跃