- 年份
- 2024(5653)
- 2023(8285)
- 2022(7110)
- 2021(6822)
- 2020(5834)
- 2019(13643)
- 2018(13596)
- 2017(26733)
- 2016(14107)
- 2015(15969)
- 2014(15586)
- 2013(14890)
- 2012(13175)
- 2011(11465)
- 2010(11200)
- 2009(9903)
- 2008(9144)
- 2007(7352)
- 2006(5979)
- 2005(4687)
- 学科
- 济(57564)
- 经济(57512)
- 管理(40931)
- 业(39354)
- 企(33550)
- 企业(33550)
- 方法(33050)
- 数学(30287)
- 数学方法(29685)
- 财(14114)
- 农(13975)
- 中国(12648)
- 业经(11474)
- 理论(9839)
- 务(9720)
- 财务(9668)
- 财务管理(9648)
- 贸(9494)
- 贸易(9489)
- 地方(9377)
- 易(9267)
- 技术(9226)
- 企业财务(9148)
- 农业(9055)
- 学(9010)
- 制(8523)
- 和(8190)
- 环境(7905)
- 划(7551)
- 银(6652)
- 机构
- 学院(187320)
- 大学(185067)
- 管理(79377)
- 济(76652)
- 经济(75301)
- 理学(70529)
- 理学院(69880)
- 管理学(68303)
- 管理学院(67960)
- 研究(54079)
- 中国(40003)
- 京(36718)
- 科学(32929)
- 财(32820)
- 业大(28131)
- 财经(27572)
- 农(26957)
- 中心(26726)
- 经(25409)
- 江(25255)
- 所(24808)
- 经济学(23684)
- 研究所(22974)
- 范(22204)
- 师范(21957)
- 北京(21875)
- 经济学院(21598)
- 农业(21254)
- 经济管理(21246)
- 财经大学(21026)
- 基金
- 项目(139215)
- 科学(111853)
- 基金(103424)
- 研究(100566)
- 家(90015)
- 国家(89337)
- 科学基金(79035)
- 社会(64443)
- 社会科(61296)
- 社会科学(61280)
- 省(54819)
- 基金项目(54809)
- 自然(52995)
- 自然科(51900)
- 自然科学(51891)
- 自然科学基金(50939)
- 教育(48333)
- 划(46119)
- 资助(42918)
- 编号(40387)
- 重点(31335)
- 部(31117)
- 创(30256)
- 成果(29981)
- 发(29309)
- 创新(28189)
- 科研(27434)
- 教育部(27328)
- 课题(27007)
- 国家社会(27006)
共检索到246816条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
崔敏 汪飞星 刘秀芹
如何衡量并消除以春节为代表的移动节假日影响是我国季节调整中的一项重点和难点。文章介绍了三区段变权重春节模型,选取由2001年1月至2013年6月CPI环比数据转换的物价指数,从数据中分离出趋势成分、季节因子、春节因子和随机因子,进行春节影响调整,再对调整后时间序列分别采用传统的指数平滑法和X-12-ARIMA方法进行2013年7月至2014年2月的短期建模预测。结果表明选取的CPI指数序列确实受春节因素的影响,经过春节假日调整后的温特指数模型和X-12-ARIMA模型都预测出了比较准确的结果。
[期刊] 统计与决策
[作者]
孙舞媛 伍海军
文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测。实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5%之内。
[期刊] 统计与决策
[作者]
孙舞媛 伍海军
文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测。实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5%之内。
[期刊] 经济学(季刊)
[作者]
栾惠德 张晓峒
如何估计并消除春节等移动假日的影响是我国季节调整工作中的一个重点和难点。本文首先借鉴X-12-ARIMA季节调整程序中的复活节模型建立了基本的春节模型,继而考虑到存量数据与流量数据在性质上的差异,提出了存量数据的春节模型。在此基础上进一步扩展,构造了三区段变权重春节模型。对社会消费品零售总额和货币供应量的实证检验表明,这一组春节模型能够很好地消除季节调整中的春节效应。
关键词：
季节调整 春节效应 X-12-ARIMA
[期刊] 价格月刊
[作者]
王扬眉 杨桂元
以安徽省CPI月度数据为样本数据,利用Eviews6.0软件,建立乘积季节预测模型,并用该模型预测安徽省未来三个月的CPI指数,结果比较真实、能准确地反映安徽省CPI变化趋势。
[期刊] 经济问题
[作者]
张婷
基于SARIMA模型及X-12-ARIMA模型对我国1995年1月至2014年6月的居民消费价格指数月度数据进行预测分析。利用Eviews 6.0对CPI数据的变化趋势及季节性进行验证,结果表明X-12季节调整模型相对于SARIMA模型更有效,预测值与实际值的估计误差控制较好。
[期刊] 统计与决策
[作者]
雷鹏飞
CPI是衡量一国宏观经济运行状况的重要参考指标之一,国际上通常用CPI来反映通货膨胀的程度,它是一国制定宏观经济政策、分析债券市场、货币市场和央行公开市场操作的重要参考依据。对CPI的准确预测能为我国货币政策的制定提供一定的依据。文章以CPI时间序列为样本,旨在从其内在动力机制出发,选择季节性ARIMA模型,找寻CPI的变化规律并加以预测。
关键词：
CPI 季节性ARIMA模型 预测
[期刊] 统计研究
[作者]
桂文林 李玉玲
居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响。本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性。首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理。在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究。研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型如X-12-ARIMA和TRAMO/SEATS相比具有很强的稳定性。
[期刊] 统计研究
[作者]
桂文林 李玉玲
居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响。本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性。首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理。在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究。研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型
[期刊] 统计与决策
[作者]
郑薇 王灿强 李维德
为有效提高农产品价格预测的可靠性及精确度,文章根据农产品市场的规律及农产品价格波动的特征,提出了基于季节指数调整与HGWO-SVR算法的混合模型。并结合我国2005年1月至2016年12月农产品批发价格指数月度数据,运用该混合模型对农产品价格进行预测。结果表明:提出的混合模型具有更好的预测精度,是一种有效的农产品价格预测模型。
[期刊] 统计与决策
[作者]
李少雄 李本光
文章基于贵州省1998—2015年固定资产投资季度数据,分别采用SARIMA模型和X-12-ARIMA季节调整方法对贵州省2016年固定资产投资季度数据进行预测,将预测值与实际值进行比较,依据相对误差率,结果表明,基于X-12-ARIMA季节调整方法的预测值比基于SARIMA模型的预测值更加精确合理。
[期刊] 统计与决策
[作者]
肖良
文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析。首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果。
[期刊] 数量经济技术经济研究
[作者]
韩冬梅 高铁梅
一、季节调整的重要意义 月度或季度经济时间序列一般可分解为四种变动要素,即长期趋势要素T,循环要素C,季节变动要素S和不规则要素I。季节变动要素和循环要素的区别在于,季节变动要素是每年重复出现的周期变动,是由温度、降雨、年内的月份、假期、政策等引起的,而循环要素是间距比较长且不固定的一种周期性波动,它代表景气波动。经济时间序列分解模型也称为结构时间序列模型。依据时间序列的四个构成要素在模型中的相互关系,可以表现出多种不同的形式,一般而言,基本的分解模型为加法模型和乘法模型。设经济时间序列为{y_1},可以分别表示成如下的加法模型和乘法模型形式:
[期刊] 调研世界
[作者]
盛都运 李兴绪
文章首先对CPI季节调整原因、方法进行说明,然后介绍X-12-ARIMA方法。考虑到中国特有的春节等移动假日效应问题,为剔除春节假日因素,笔者引入春节虚拟变量,建立了消除春节效应的模型。结果显示:消除春节因素的季节调整可更加准确地反映中国CPI的基本发展趋势。最后,利用消除春节因素的效应模型对CPI进行短期预测,预测结果与实际较为吻合。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
