B-J方法在我国CPI季度数据预测中的应用被引量：1

下载PDF

导出

摘要文章基于Box—Jenkins随机时间序列方法，对我国1990～2010年CPI指数季度数据进行了预测分析。通过建立数学模型对CPI数据的变化趋势及季节性进行验证，表明我国的物价水平在短期内不会回落到3％以内，政府应该继续加强通胀预期的管理。

作者张丽

机构地区洛阳师范学院数学科学学院

出处《统计与决策》 CSSCI 北大核心 2012年第3期12-14,共3页 Statistics & Decision

基金河南省教育厅科技攻关项目(2010D110013) 河南省教育厅自然科学研究资助项目(2011B110026)

关键词 Eviews6.0 CPI季度数据 B-J方法 SARIMA模型

分类号 O212 [理学—概率论与数理统计] F224 [经济管理—国民经济]

引文网络
相关文献

参考文献5

1岳惠丽.我国居民消费价格指数时间序列预测——基于ARIMA模型与平滑ARIMA模型的比较分析[J].北方经贸,2009(8):9-10. 被引量：7
2张丽,牛惠芳.时间序列分析方法在居民消费价格指数预测中的应用[J].洛阳师范学院学报,2008,27(2):29-31. 被引量：11
3郭海.基于月环比均值和翘尾因素的居民消费价格指数短期预测[J].统计与决策,2011,27(1):10-12. 被引量：8
4赵喜仓,周作杰.基于SARIMA模型的我国季度GDP时间序列分析与预测[J].统计与决策,2010,26(22):18-20. 被引量：26
5高铁梅计量经济分析方法与建模[M].北京:清华大学出版社,2009.

二级参考文献14

1张鹤.时间序列分析方法在粮食价格指数分析中的应用[J].统计与决策,2004,20(9):32-34. 被引量：13
2石美娟.ARIMA模型在上海市全社会固定资产投资预测中的应用[J].数理统计与管理,2005,24(1):69-74. 被引量：55
3王瑞泽.对2005年GDP季度数据的预测——基于包含趋势和季节成分的ARMA模型的分析[J].统计与决策,2005,21(08S):113-114. 被引量：3
4张小斐,田金方.基于ARIMA模型的短时序预测模型研究与应用[J].统计教育,2006(10):7-9. 被引量：11
5William W S Wei. Time Series Analysis: Univariate and Multivariate Methods[M].New York:Addison Wesley,1989.
6Carlo Grillenzoni.ARIMA Processes with ARIMA Parameters[J]. Journal of Business & Economic Statistics,1993,11(2).
7顾海燕.时间序列分析在人口预测问题中的应用[J].黑龙江工程学院学报,2007,21(3):69-71. 被引量：13
8成刚,袁佩琦,陈瑾.北京市人均GDP的时间序列分析及预测[J].生产力研究,2007(3):83-84. 被引量：16
9郝冉.居民储蓄存款余额的时间序列分析[J].统计与决策,2007,23(19):92-94. 被引量：6
10郝香芝,李少颖.我国GDP时间序列的模型建立与预测[J].统计与决策,2007,23(23):4-6. 被引量：28

共引文献47

1张振.河南省居民消费价格指数预测[J].投资与创业,2022,33(9):48-50.
2王春影,李飞,王辉政.我国CPI短期预测的实证分析——基于CPI构成的视角[J].思想战线,2013,39(S1):101-103.
3刘海清,方佳.基于指数平滑模型的海南省芒果价格预测[J].热带农业科学,2010,30(1):79-81. 被引量：6
4黎玉芳.我国社会消费品饮食类零售总额的预测模型研究[J].上饶师范学院学报,2010,30(6):27-31.
5殷建平,宋桂秋.对我国柴油消费市场季节性特征的实证研究[J].价格理论与实践,2011(11):46-47.
6侯茜慧.通货膨胀影响因素及发展趋势分析[J].科技广场,2011(10):33-36. 被引量：1
7黄向庆.基于系统动态分析的现金影响要素及趋势预测研究——以江苏省现金运行分析为例[J].上海金融,2012(1):102-106. 被引量：10
8毛伟.广东省经济增长、FDI、进出口关系研究——基于VEC模型的实证研究[J].吉林工商学院学报,2012,28(2):13-17. 被引量：1
9张丽,牛惠芳.基于SARIMA模型的居民消费价格指数预测分析[J].数理统计与管理,2013,32(1):1-6. 被引量：15
10李加兵,常飞,田云飞.数理统计模型对居民消费价格指数的应用研究[J].当代经济,2014,31(16):132-133. 被引量：3

同被引文献4

1陈飞,高铁梅.结构时间序列模型在季节调整方面的应用——与X-12季节调整方法的比较分析[J].系统工程理论与实践,2007,27(11):7-14. 被引量：19
2Aston J A D , Koopman S J . A Non-Gaussian Generalization of the Airline Model for Robust Seasonal Adjustment[J]. Journal of Forecast- ing, 2006,25.
3Hylleberg S, Engle, R Granger, C et al . Seasonal Integration and Cointegration[J]. Journal of Econometrics, 1990,41.
4王群勇,武娜.中国月度数据的季节调整：一个新方案[J].统计研究,2010,27(8):8-13. 被引量：21

引证文献1

1常振海,刘薇.我国铁路客运量的季节时间序列模型[J].统计与决策,2015,31(7):73-76. 被引量：3

二级引证文献3

1祁昊,翁剑成,林鹏飞,刘文韬,徐硕.面向运营管理的多粒度省际客运需求预测方法[J].交通信息与安全,2017,35(5):115-122.
2彭丽霞,赵联文,谢波,王丽梅.成都市社会消费品零售总额的预测模型对比分析[J].重庆文理学院学报（社会科学版）,2018,37(3):132-140. 被引量：2
3李明.苏州国内游客流量的季节性预测模型[J].温州职业技术学院学报,2019,19(1):56-59.

1张丽,牛惠芳.基于SARIMA模型的居民消费价格指数预测分析[J].数理统计与管理,2013,32(1):1-6. 被引量：15
2何文阁.商场客流量B—J方法预测研究[J].常州工学院学报,2011,24(2):24-28.
3汪惠,王宁.基于小波分析和B-J方法的数据结构挖掘和预测[J].系统工程,2003,21(6):109-112. 被引量：1
4张娜.基于CPI指数变动下的物价变动会计研究[J].商,2014(16):70-70. 被引量：1
5张婷.CPI的SARIMA模型与X-12季节调整模型对比预测分析[J].经济问题,2014(12):37-41. 被引量：12
6杨佩,何永利,徐霞.次贷危机对我国西部房地产业影响分析——基于SARIMA模型[J].现代物业（下旬刊）,2011(1):112-113.
7占健智,连高社,葛建军.X11-ARIMA模型在我国第三产业季度GDP预测中的应用[J].统计与决策,2009,25(17):99-100. 被引量：14
8郭剑川,刘黎明.税收收入预测的时间序列方法选择[J].统计与决策,2009,25(5):30-32. 被引量：9
9罗明,朱德辉,马芙蓉.关于不定方程3x(x+1)(x+2)(x+3)=5y(y+1)(y+2)(y+3)[J].西南师范大学学报（自然科学版）,2009,34(5):16-21. 被引量：22
10陆玮,王伟新.我国脐橙市场价格预测——基于SARIMA模型的实证分析[J].中国证券期货,2011,14(9X):114-116. 被引量：1

统计与决策

2012年第3期

浏览历史

内容加载中请稍等...

B-J方法在我国CPI季度数据预测中的应用被引量：1

参考文献5

二级参考文献14

共引文献47

同被引文献4

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

B-J方法在我国CPI季度数据预测中的应用 被引量：1

参考文献5

二级参考文献14

共引文献47

同被引文献4

引证文献1

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

B-J方法在我国CPI季度数据预测中的应用被引量：1