休闲消费与收入的灰色关联分析及预测

文章着重从消费结构变动的角度研究收入与休闲消费的关系.首先选取了涉及居民消费结构的8项指标,根据统计数据,用灰色关联分析方法对我国1995～2007年居民消费结构与收入水平进行量化分析,研究休闲消费与收入的关系.在此基础上,应用灰色预测方法建立居民收入水平与各项消费支出的预测模型,预测了2009～2013年收入水平与各项消费支出,在消费结构变动的背景下,分析侏闲消费与收入水平关系的未来变动趋势.     

居民消费价格指数的时间序列分解预测法

居民消费价格指数是反映通货膨胀程度的重要指标,也是宏观经济分析和决策,价格总水平监控以及宏观经济核算的重要指标.文章采用时间序列分解的方法,预测居民消费价格指数的变动.该方法在预测的同时还能对时间序列进行分解分析,得到居民消费价格指数的基本走势信息.     

我国居民消费价格指数的短期预测

居民消费价格指数是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标.本文介绍了它的概念以及在我国物价体系中的重要作用,并根据1951年到2002年52年我国居民消费价格指数的统计资料,运用Eviews4.1软件和时间序列模型,对我国的居民消费价格指数进行预测和分析,提出几点看法和建议.     

基于ARIMA模型与GM(1,1)模型的居民消费价格指数预测对比分析

居民消费价格指数反映一定时期内我国城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数,是宏观经济分析与决策、价格总水平监测与调控的重要指标,同时也是反映通货膨胀的重要指标.文章运用历史数据,结合数学模型对CPI进行了科学合理的预测.在此基础上运用ARIMA模型和GM(1,1)模型对居民消费价格指数进行了预测的对比分析.     

我国城乡居民的消费差异透析

1978年以来,我国居民收入与消费水平不断提高,居民消费结构转换和消费需求扩张成为我国经济进一步发展的主要动力.进入90年代后,居民消费需求对国民经济的影响不断增大.但是,随着市场经济的逐步建立,我国居民消费领域出现了一些诸如最终消费率和居民消费率持续下降的问题,这些问题可能导致我国经济增长在今后一段时期内受到严重的国内市场需求约束,使城乡居民消费结构升级受阻.因此,对我国居民的消费行为进行研究,探索制约我国居民消费水平进一步提高的内在因素,具有深刻的意义.     

人口年龄结构对居民消费水平的影响:理论模型与实证检验

人口年龄结构指标通常由老年抚养比、少儿抚养比和总抚养比来表示,由于变量间存在着高度相关,将三者一次性纳入居民消费水平模型中分析并不合适.在中国特定的经济环境下,文章考虑人口年龄结构、收入对居民消费水平的影响,还需要控制预防性储蓄、不确定性因素、流动性约束等重要因素的影响.实证研究结果表明,人口年龄结构各变量对居民消费水平一致地表现为负向影响,老年抚养比对居民消费水平的影响受外部经济环境的干扰较大,而少儿抚养比和总抚养比对居民消费水平的影响,主要是不确定性因素在起控制作用.     

科技进步对居民消费增长影响的实证分析

文章构建2001～2010年全国31个省(市、自治区)的面板数据模型,分析了科技进步对全国范围及不同区域居民消费增长的影响.根据研究结论发现:通过多种举措加大R&D经费内部支出,努力实现区域间科研经费支出的均等化,运用新技术进一步推动消费品产业的发展以满足中部地区居民消费结构升级的现实需求,着力解决西部地区“瓶颈”产业的技术政策问题,成为提升居民收入水平,拉动居民消费增长的现实路径.     

基于等维动态GM(1,1)均值模型的CPI预测

文章建立了6维和7维动态GM(1,1)模型的组合模型,预测了未来6年我国居民消费价格指数.结果显示,在2014-2020年6年间,我国居民消费价格指数年均上涨率为2.96％,接近通货膨胀的警戒线3％.     

居民教育、收入与消费水平关系的实证分析

文章运用泰尔指数与莫尔值测算了我国居民教育城乡差距与教育结构变化等指标,采用静态和动态面板数据模型,对我国人口素质结构的居民教育程度、教育城乡差距、教育结构变化以及人均收入、收入差距与居民消费水平进行了回归分析.     

中国股市对城镇居民消费影响的实证研究

文章采用EGARCH-M模型考察了居民收入、股市价格与经济风险对居民消费的影响.研究发现从1999年至2007年初,我国居民消费水平、收入水平、股票价格水平与波动风险之间存在一种长期的稳定关系,其中股票价格水平的上涨会促进消费,而股票价格渡动风险的增加会抑制消费,但此期间股票市场行情对居民消费的影响总体上表现出负的作用.     

互联网大数据下消费搜索指数的构建与应用

文章结合2013年1月1日至2020年6月30日的百度指数这一高频互联网大数据，利用主成分分析法构建高频居民消费搜索指数。在此基础上，将高频搜索指数拓展进ADL-MIDAS混频模型，对居民消费情况展开实证分析和预测。研究发现：所构建的消费搜索指数能较好捕捉居民在双十一、春节、新冠肺炎疫情期间的潜在消费行为变动情况，总体上，居民对消费相关事件的网络关注度变化会对居民消费水平产生显著影响，消费存在显著的耐久效应，收入增长对消费的促进作用明显。此外，引入高频消费搜索指数的混频模型，对比基准模型，在多步向前动态预测和实时预测上都呈现较高的预测精度和较好的稳定性。     

黑龙江省居民消费结构的演变进程及特点

改革开放以来,我省经济增长迅速,城乡居民收入有较大幅度增长,居民生活水平和生活质量提高较快。随着经济的发展和居民生活水平的提高,城乡居民的消费结构均发生了较大变化,但表现出不同的特点。分析我省居民消费结构的演变及特点,可以为改善居民消费结构,促进消费结构的升级,实现“二次创业,富民强省”的战略依据。     

服务性消费--居民消费的新兴领域

随着武汉市经济建设的飞跃发展,人民生活水平的迅速提高,居民消费发生悄然变化,服务消费逐渐成为该市居民消费的新亮点.     

居民消费倾向与消费行为的实证研究--以江苏省为例

通过区域居民消费倾向实证分析,研究当前居民消费结构与消费行为.目前江苏省居民APC沿时间维度与收入变动方向相反、沿空间维度与城市规模正相关、在横向截面与收入水平反相关.这表明江苏居民消费波动幅度小于收入波动的幅度,城市化进程的加快有助于居民消费需求的扩大,居民高收入阶层的上升将导致消费需求相对不足.     

城镇居民消费结构变动趋势分析

改革开放以来,我国国民经济得到了快速的发展,人民的物质生活水平得到了很大的提高和改善。但是,由于各地区地域资源、技术条件基础不同,生产力发展水平有很大的差异,因此,城镇居民消费支出的结构、水平都是不尽相同的,研究分析城镇居民消费结构,对拓宽消费品市场,确定经济发展战略,建立合理的产业结构和经济结构,以及适时调整和正确引导居民消费方向,促进经济增长具有重大意义。1.建立分析模型。对于城镇居民消费结构发展变化趋势,可用扩展线性支出系统加以说明。扩展线性支出系统的经济涵义为一定时期内,在收入和价格既定的前提下,消费者…     

消费价格持续走高仍处于可控范围

今年以来,居民消费价格涨幅呈现出明显上升的趋势.与去年同期相比,1～7月居民消费价格总水平上涨3.5%,涨幅比去年同期上升2.3个百分点.分月看,居民消费价格同比涨幅已连续5个月超过3%,而且涨幅不断扩大,从5月份的3.4%、6月份的4.4%推高到7月份的5.6%.其中,7月份居民消费价格涨幅比去年同期高4.6个百分点.     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

2012年3月份居民消费价格变动情况

★各类商品价格同比变动情况3月份,食品价格同比上涨7.5%,影响居民消费价格总水平同比上涨约2.39个百分点。其中,粮食价格上涨4.3%,影响居民消费价格总水平上涨约0.12个百分点;肉禽及其制品价格上涨11.3%,影响居民消费价格总水平上涨约0.78个百分点(猪肉价格上涨11.3%,影响居民消费价格总水平上涨约0.35个百分点);鲜菜价格上涨20.5%,影响居民消费价格总水平上涨约0.64个百分点;水     

旅游业发展与区域居民消费结构的关联性分析

文章运用Engle-Granger两步法、Granger因果关系检验等计量工具,对1996～2011年四川省城镇居民消费结构、农村居民消费结构与旅游业发展之间的关联性进行了实证研究,得出结论:四川省的居民消费结构与旅游业发展之间存在着长期稳定的协整关系,但是总体而言,旅游业发展对居民消费结构的改善效应较小,并且居民消费与旅游业发展之间并不存在互动效应.     

LES预测方法及其解法的改进

线性支出系统(简称LES),是英国经济学家斯通在1954年提出的一种需求函数模型,在利用截面资料分析预测居民消费水平和消费结构方面较其它模型有着显著的优越性。但是,从现有资料看,它的预测方程的解法并非今人满意,计算烦琐,操作性差。本文试图对此进行改进。 线性支出系统的预测方程是: