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.     

我国居民消费季节调整和节日效应测算

Bayes季节调整方法因有坚实的理论基础,调整效果优于其它方法等,目前正日益受到广泛的重视与应用。本文将Bayes季节调整模型引入国内,同时在模型中补充贸易日和闰年的影响。用R软件的Timsac包中的Bayesian程序实现对社会消费品零售额的季节调整和环比增长率测算,表明长期我国社会消费品零售总额具有稳定的指数增长趋势和U型季节特征,得到的月环比增长率反应灵敏。通过季节指数抛物线拟合,得到“五一”和“十一”节日经济效应和比例。总体上“五一”的节日效应显著,“十一”仍有正面效应,但影响不显著。     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

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.     

环比增长率测算季节调整模型的评价和选择

季节调整使子年度数据可比,有利于环比增长率测算和经济监测。国际上季节调整模型众多,模型选择是季节调整的首要任务。以国际常用的X-12-ARIMA和TRAMO/SEATS模型的选择为目标、以两模型理论差异分析为基础、以中国2001—2010年的月度CPI数据为样本,通过谱分析方法检验剩余季节性、幂等、平滑间距和修正历史等方法检验模型稳定性、通过Friedman和Kruskal-Wallis等非参数方法检验季节稳定性,得出模型之间更具体的差异,为满足实践需要进行模型选择提供科学依据。     

CPI月度环比指数季节调整及CPI折年率方法研究

内容提要：CPI中长期变动趋势的预测一直是困扰经济学界的一个问题。本文研究了CPI月度环比指数的季节调整,并建立了CPI中长期预测的模型,并利用该模型对我国今年CPI上涨趋势进行了预测。     

宏观经济对国债利率期限结构的影响研究

文章用隐因子模型和无套利简约宏观金融模型分别对中国国债收益率曲线进行拟合和预测,发现将宏观因子加入利率期限模型后,国债收益率曲线的长端拟合和预测效果均有提升.经脉冲响应和方差分解分析后发现,CPI增长率主要通过影响短期收益率来影响收益率曲线,而工业增加值增长率主要通过影响长期收益率来影响收益率曲线.此外,简约宏观金融模型可以形成对宏观经济的预测,尤其是对工业增加值增长率的预测较为准确.     

基层财政收支灰色预测模型及应用

灰色预测模型在应用中可以不去直接研究复杂系统内部各因素之间的关系,也不需要大量的样本,仅通过对原始数据的整理来寻求其变化规律,对于小样本、时间序列的县级财政收支预测更为适合。文章从模型和指标的角度对基于灰色模型的财政收支预测进行了研究,通过广丰县财政收支模拟表明:通过灰色预测模型对县级财政收支进行预测拟合效果较好,对县级财政决策的制定和风险的防范和化解具有积极意义。     

基于季节调整的CPI统计环比指数研究

本文首先阐述了季节调整与统计环比指数的必要性,简要介绍了X-12-ARIMA与TRAMO/SEATS季节调整原理,然后运用X-12-ARIMA程序对中国1997年1月至2010年5月CPI月度数据进行季节调整,再运用TRAMO/SEATS方法解决季节调整程序中中国春节因素问题。接着由季节调整后的数据计算得到月环比CPI,对月环比CPI和同比增加率进行了比较,结果显示月环比CPI领先同比CPI。最后利用TRAMO/SEATS程序建立ARIMA模型（210）（011）进行了24个月的预测,预测结果显示,未来24个月内我国消费者物价指数温和上升,不会发生大的通货膨胀,但是存在一定的通胀压力。     

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法.