季节异方差序列的季节调整问题研究

季节调整是从经济序列中剔除季节成分的重要方法。季节异方差的存在,使经典的季节调整方法无法彻底分离出季节成分,致使季节调整失败。本文针对季节异方差问题提出用于季节调整的改进的HS模型,并定义改进的HS模型构造季节异方差检验LR统计量,通过蒙特卡洛模拟方法分析该检验的检验尺度和检验功效。最后,利用我国税收总额月度序列给出实证分析,并通过对比考察了改进的HS模型方法季节调整的有效性。     

基于平衡轮换样本调查的季节调整方法研究

传统季节调整方法对时间序列数据进行季节调整时,往往假定误差项为白噪声,不考虑其序列相关关系。为了进行更准确地季节调整分析,本文从连续性抽样调查的角度出发,研究基于平衡轮换样本调查的抽样误差对季节调整的影响,建立一般化的季节调整模型,利用卡尔曼滤波进行参数估计,并从预测误差、误差方差等角度评价模型精度。最后以中国城镇住户调查采用的12～0平衡轮换模式为例,对考虑抽样误差结构特征的季节调整模型进行实证分析,验证这套季节调整方法的有效性。     

季节调整与环比增长率测算最新进展及比较

国家统计局从2011年4月对外公布经季节调整的包括GDP的四项统计指标的环比数据,这标志着季节调整和环比增长率测算在我国统计工作实践中已经起步.本文从季节调整的理论研究和实践两个方面对各种季节调整模型、国内外理论研究和各国统计工作实践的差异进行比较分析,发现国内外在研究基础、理论和应用研究比例、研究模型的广度和基础理论研究等理论研究方面以及季节调整的指标范围、环比增长率测算、数据的公布等实际工作方面均存在较大差异.这对我国进一步完善季节调整模型和软件,不断提高环比统计数据质量,以及逐步建立月、季度统计调查制度具有重要意义.     

基于季节增长率的一种直接调整方法

传统季节调整方法在提取环比增长率时需要先剔除原始数据中的季节成分,这会带来原始数据信息的失真.鉴于此,本文提出了一种直接拟合原始数据增长率的季节增长率(SGR)模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测.蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法具有良好的有限样本表现.通过对我国GDP和CPI数据进行实证,本文发现利用SGR模型直接提取的环比增长率的稳定性要高于其他一些季节调整方法.不仅如此,SGR模型的拟合和预测表现相比BSM模型和SARIMA模型均有显著提高.此外,SGR模型还具有容易拓展为非线性、多元情形的优势.     

中国保费收入的预测研究

文章基于1999年1月~2011年8月中国保费收入月度数据,采用最为热门的季节调整方法X12-ARIMA加法模型,对其进行季节调整,得到了经调整后的时间序列和季节调整因子,在假设季节调整因子短期内不发生变化的条件下,采用三种模型估计方法建立经调整后的时间序列模型,从而建立了中国保费收入月度数据短期预测模型。     

季节调整方法在中国的发展与应用

随着我国社会主义市场化经济程度的不断提高,人们逐渐开始使用环比数据监控宏观经济重要指标,而环比数据质量的好坏取决于对季节调整方法的了解与掌握程度.在简要介绍了季节调整方法及相应软件的发展现状之后,本文对季节调整研究在我国的发展与应用状况进行了总结.在季节调整发展部分,文章主要介绍了中国人民银行PBC版X-12-ARIMA季节调整软件和国家统计局版NBS-SA季节调整软件的特点;在季节调整应用部分,则分别以春节效应和结构时间序列模型为主线对我国季节调整文献进行了梳理.最后在小结部分,本文给出了一些建设性意见.     

春节模型的设计与应用

 季节调整是经济数据预处理中非常重要的一个步骤。现有的主流季节调整方法X-12-ARIMA 和TRAMO/SEATS中都包含节假日因素的调整。由于不同的国家节假日一般不同,因此各国在进行经济数据的季节调整时,都需要结合本国的假日对季节调整方法进行修正。春节是中国最为重要而且持续时间最长的节日,具体日期可以出现在一月也可以在二月。本文基于X-12-ARIMA方法,同时考虑春节对经济指标的正负性影响效应、春节影响的变化速率以及春节效应的时长三个因素,设计了十二个不同类型的春节模型。本文应用Eviews软件和Demetra软件,采集不同的经济指标,对所设计的春节模型进行了应用研究,并根据异常值改善标准,对最佳的春节模型进行了选择与比较分析。     

基于B样条曲线的异常数据剔除与修复

文章针对大量复杂的靶场观测数据,通过构造初始拟合数据,利用B样条曲线的方法构造递推模型,使用基于样条平滑方法估计的判断门限对双向检验的结果数据是否异常进行判定,并且对满足修复条件的数据进行拟合修复,当双向检验的结果不同时,通过构造内推模型来进一步检验。实例分析表明:文章提出的方法相对其他方法能更有效地剔除异常数据,通过数据分段处理能更有效地检验那些可能产生阶段性跳跃的数据,使得模型具有更好的稳定性、更广的适用性和更高的异常数据剔除率。     

Census X12季节调整下的黑龙江零售品销售总额的预测研究

文章在对季节调整方法进行理论总结的基础上,采取Census X12季节调整办法对黑龙江零售品销售总额序列(2003～2008)进行剥离,得到长期趋势TC和季节因素S,并计算出季节因素的影响系数—季节指数;对长期趋势TC序列进行时间序列回归预测季节调整后的2009年1～12月值,再运用季节指数得到2009年1～12月的总序列预测结果;运用配对检验预测得到的2009年1～7月份数据与实际观测值在95%显著性水平下不存在显著差异。     

结构分量模型选择与稳健性研究

本文的主要工作是对季节调整中结构分量模型的选择及稳健性问题进行研究。通过构造备选模型、引入正态先验分布及对MCMC抽样方案进行重新设计,本文提出了能同时有效地辨别出分量个数和分量随机性与否的模型选择方法。将该方法应用于对中国季度GDP序列的季节调整建模分析中。分析结果显示,本文所提出的模型选择方法具有较高的筛选能力,并且对先验分布超参数值的变动也具有很好的稳健性。