【正文】 行進一步的分析研究；另一種是對該序列建立季節(jié)ARIMA模型，即確定SARIMA(p,d,q)(P,D,Q)中的階數(shù)p,q,d和P,Q,D,然后對序列數(shù)據(jù)進行擬合，模型估計各項參數(shù)，獲得相應(yīng)的模型。而要貫徹“十二五”規(guī)劃積極擴大內(nèi)需，就必須首先對國內(nèi)的消費狀況有深入的了解，這就是本文研究的出發(fā)點。另外，投資者與消費者制定其相應(yīng)的投資與消費決策，經(jīng)常是建立在對投資與消費的未來預期的基礎(chǔ)上的，但隨著全球經(jīng)濟危機的不斷加深，世界各國的投資者與消費者對未來的預期越來越不樂觀，投資與消費的信心遭到嚴重的打擊，而我國也不例外。正是由于居民消費總量增速明顯慢于經(jīng)濟的增長，低迷的消費需求導致了低投資回報現(xiàn)象的發(fā)生，削弱了財政支出的力度，使得經(jīng)濟的快速增長受到一定程度的阻滯。 then using the seasonal adjustment method, respectively, on the sequences of consumable total retail sales on urban and rural areas and the sequences of the proportion that urban consumption accounts for the total amount, deposing these three sequences to obtain their trend cycle sequences, seasonal sequences and irregular sequences, analyzing the morphological characteristics and the variation tendency of these three kinds of series to understand the development trends and the change features of the urban and rural consumption and the consumption differences between urban and rural areas。社會消費品零售總額作為反映經(jīng)濟運行中的重要環(huán)節(jié)——消費的宏觀經(jīng)濟指標，對其的分析研究能夠直觀地了解一國的消費狀況，對一國政府制定相應(yīng)的刺激消費的政策具有指導意義。除了文中特別加以標注和致謝的地方外，論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫過的研究成果，對本文的研究做出貢獻的集體和個人均已在論文中作了明確的說明并表示了謝意。本文的主要工作是：首先對季節(jié)調(diào)整法和季節(jié)ARIMA模型的基本原理與操作方法進行詳細的闡述；然后利用季節(jié)調(diào)整法分別將城鎮(zhèn)與鄉(xiāng)村的社會消費品零售總額序列以及城鎮(zhèn)消費占全國總額的比例序列分解，獲得其趨勢循環(huán)序列、季節(jié)序列和不規(guī)則序列，分析這三個序列的形態(tài)特征與趨勢變化，得到城鄉(xiāng)消費狀況的發(fā)展變化趨勢和各自的變化特點，分析城鄉(xiāng)消費存在的差異；最后對城鎮(zhèn)與鄉(xiāng)村的社會消費品零售總額序列分別建立季節(jié)ARIMA模型，診斷模型，并檢驗模型的預測效果，城鎮(zhèn)社會消費品零售總額序列建立的是ARIMA(2,1,1)(1,1,1)模型，鄉(xiāng)村社會消費品零售總額序列建立的是ARIMA(1,1,1)(1,1,1)模型。2012年經(jīng)濟總量更是超過日本，成為世界經(jīng)濟第二大國。整體上，經(jīng)濟的增長對投資的高速增長的依賴性越來越大，市場供求狀況并沒有得到根本性改善。面對突如其來的全球經(jīng)濟危機導致的經(jīng)濟增長乏力，如何尋找新的增長點讓中國經(jīng)濟繼續(xù)保持平穩(wěn)快速發(fā)展是政府急需解決的問題。因而本文的研究著眼于城鎮(zhèn)與農(nóng)村的消費狀況及差異，并分析二者的變化趨勢。本文的創(chuàng)新之處在于，首次使用時間序列分析法對城鎮(zhèn)與鄉(xiāng)村兩個存在較大差異的區(qū)域的消費狀況進行分析研究，也就是把全國社會消費品零售總額分為城鎮(zhèn)與鄉(xiāng)村兩部分，研究兩個區(qū)域下的消費狀況各自有何特點，以及二者的變化趨勢又是怎樣的。 現(xiàn)今常用的三種季節(jié)調(diào)整法是：X11方法、X12方法和Tramo/Seats方法[5]。X12季節(jié)調(diào)整方法的核心算法如下所示，共分為三個階段：第一階段 計算季節(jié)調(diào)整的初始估計① 趨勢循環(huán)要素的初始估計 ()② 季節(jié)與不規(guī)則要素的初始估計 ()③ 季節(jié)因子的初始估計 ()④ 消除季節(jié)因子中的殘余趨勢 ()⑤ 季節(jié)調(diào)整結(jié)果的初始估計 ()第二階段 計算暫定的趨勢循環(huán)要素和最終的季節(jié)因子① 利用Henderson移動平均公式[7]計算暫定的趨勢循環(huán)要素 ()② 暫定的季節(jié)與不規(guī)則要素 ()③ 暫定的季節(jié)因子 ()④ 最終的季節(jié)因子 ()⑤ 季節(jié)調(diào)整的第二次估計結(jié)果 ()第三階段 計算最終的趨勢循環(huán)要素和最終的不規(guī)則要素① 利用Henderson移動平均公式計算最終的趨勢循環(huán)要素 ()② 最終的不規(guī)則要素 ()第三步、貿(mào)易日和節(jié)假日影響：（1） 貿(mào)易日影響和Young模型由每天經(jīng)濟活動的總和組成的月度時間序列受該月各周的影響，這種影響稱為貿(mào)易日影響（或周工作日影響）。注意EViews中的節(jié)假日調(diào)整只針對美國，不能應(yīng)用于其他國家。所以，MA(q)模型和AR(p)模型是ARMA(p,q)模型的特例，可以將它們統(tǒng)稱為ARMA(p,q)模型，而ARMA(p,q)模型的性質(zhì)也正是MA(q)模型和AR(p)模型性質(zhì)的有機結(jié)合[12]。ARIMA(p,d,q)模型的實質(zhì)是差分運算與ARMA模型的組合。因此, 可以通過自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的估計值序列的直方圖來大致判斷在5%的顯著水平下的模型其自相關(guān)系數(shù)和偏自相關(guān)系數(shù)不為零的個數(shù), 進而大致判斷序列應(yīng)選擇的具體模型形式。收集數(shù)據(jù)過程中發(fā)現(xiàn)一些問題，進行了一些預處理： (1)在2010年1月前，國家統(tǒng)計局的社會消費品零售總額數(shù)據(jù)按照城鄉(xiāng)區(qū)域劃分為市、縣和縣以下三個區(qū)域級別，而在2010年1月及之后，則變?yōu)槌擎?zhèn)和鄉(xiāng)村兩個區(qū)域級別，也就是說以2010年1月為分界點，前后的統(tǒng)計口徑、統(tǒng)計范圍不一致。從圖2中可以看出，全國、城鎮(zhèn)與鄉(xiāng)村的原始序列都具有明顯的指數(shù)上升趨勢和季節(jié)性，但{Ct}序列在2010年1月由于突然的抬升導致該時期附近的周期性不明顯，而｛Vt｝序列同一時期也由于出現(xiàn)了突然地下跌導致原有的周期性被破壞，｛Tt｝序列則不存在這種現(xiàn)象，整個取樣區(qū)間的周期性保持地很好。而2010年1月之后只有三年的數(shù)據(jù)，達不到做相關(guān)分析研究的樣本量，只能退而求其次選擇2010年1月之前的數(shù)據(jù)，也就是說本文將只對1990年1月至2009年12月這240個月的數(shù)據(jù)進行分析研究。由Ct的季節(jié)序列則可以看出，城鎮(zhèn)社會消費品零售總額呈現(xiàn)較強的季節(jié)性，而且這20年間的季節(jié)波動幅度（即一年內(nèi)最大值與最小值的差異）先逐漸增大，在9899這兩年間達到最大，然后逐漸減小，說明9899年這段時期的城鎮(zhèn)消費出現(xiàn)了較大的波動，這可能與當時面臨的亞洲金融危機導致的經(jīng)濟動蕩有關(guān)。由Vt的季節(jié)序列則可以看出，鄉(xiāng)村社會消費品零售總額呈現(xiàn)較強的季節(jié)性，而且這20年間的季節(jié)波動幅度先逐漸增大，在9899兩年間達到最大，然后又逐漸減小，說明9899年這段時期的鄉(xiāng)村消費出現(xiàn)了較大的波動。觀察趨勢循環(huán)序列的時序圖可以將城鎮(zhèn)與鄉(xiāng)村的區(qū)域消費狀況變化劃分為三個階段。而由于城鎮(zhèn)居民的收入水平普遍比鄉(xiāng)村高，平時的生活水平已經(jīng)較高，鄉(xiāng)村則平時節(jié)衣縮食，唯有春節(jié)才可能改變平時的節(jié)儉的消費習慣，故春節(jié)對鄉(xiāng)村居民消費的影響也將大于對城鎮(zhèn)居民的影響。對其進行單位根檢驗，檢驗結(jié)果見表3。在大樣本情況下，時間序列的純隨機性可以通過計算Q統(tǒng)計量的方法檢驗。表5 各調(diào)試模型下的Adjusted、AIC、SC的值A(chǔ)djustedAICSCARIMA(2,1,1)(1,1,1)ARIMA(1,1,1)(1,1,1)ARIMA(2,1,0)(1,1,1)ARIMA(2,1,1)(1,1,0)ARIMA(2,1,1)(0,1,1)ARIMA(2,1,2)(1,1,1)ARIMA(3,1,1)(1,1,1) 比較表5中各個模型的檢驗結(jié)果，與其他模型相比，ARIMA(2,1,1)(1,1,1)模型的值、AIC和SC值均優(yōu)于其他模型。運用EViews的CorrelogramQstatistics功能，可獲得模型殘差序列的相關(guān)圖，檢驗結(jié)果如圖11所示。兩種預測的結(jié)果分別見于圖14與圖15。表8 序列{SDLVt}的單位根檢驗結(jié)果tStatisticProb.*Augmented DickeyFuller test statisticTest critical values:1% level5% level10% level檢驗結(jié)果顯示，序列{SDLVt}，、 Pvalue= ＜ ，故在以上三個顯著性水平下都能拒絕原假設(shè)，即可認為序列{SDLVt}是平穩(wěn)序列。將調(diào)試過程的各模型的Adjusted、AIC、SC的值列于表9中，以方便比較。殘差序列樣本量為212，故最大滯后期可以取≈ 。而兩種預測都顯示了鄉(xiāng)村消費總體的逐漸上漲的趨勢，以及明顯的節(jié)假日效應(yīng)。(3) 分析城鎮(zhèn)消費占全國消費總額的比例時發(fā)現(xiàn)，在樣本期間，城鎮(zhèn)消費占比總體呈現(xiàn)明顯的上升趨勢，也就是說鄉(xiāng)村消費占比總體呈現(xiàn)明顯的下降趨勢。對城鄉(xiāng)消費序列建模分析說明，季節(jié)調(diào)整法中表現(xiàn)的城鄉(xiāng)消費差距擴大的趨勢在未來預測中繼續(xù)維持，鄉(xiāng)村消費相對城鎮(zhèn)消費增長乏力，隨著中國城市化水平的進一步提高，城鎮(zhèn)居民消費仍將繼續(xù)主導中國消費的變化趨勢，城鄉(xiāng)消費差距還將進一步擴大。（二）調(diào)整國民收入分配結(jié)構(gòu)，著力提高中低收入者特別是農(nóng)民的收入水平(1)要調(diào)整積累和消費的關(guān)系，提高消費在國民收入中的比重，逐步增加勞動收入在國民收入中所占的比重，增加工資收入占居民收入的比重。首先，衷心的感謝我的殷溪源副教授在學習、生活、工作等方面對我的悉心指導和無微不至的關(guān)懷！殷老師淵博的知識、嚴謹?shù)闹螌W態(tài)度，敏銳而縝密的思維能力，精深豐富的專業(yè)知識和科研經(jīng)驗，樂觀豁達的精神風貌以及儒雅謙和的大師風范使我倍受熏陶，受益匪淺。 Sons, 2003[11]王振龍，胡永宏，應(yīng)用時間序列分析[M]，北京；科學出版社，2007[12] 張樹京，齊立心，時間序列分析簡明教程[M]，北京；北方交通大學出版社，2009[13]Dagum, . The X11ARIMA/88 seasonal adjustment methodfoundations and user’s manual[R]. Time Series Research and Analysis Division, Statistics Canada technical report, 1988.[14]G. E. P. Box and G. M. Jenkins. Time Series Analysis: Forecasting and Control (Revised Edition)[M]. Holden Day, San Francisco, 1976.[15]李子奈，潘文卿，計量經(jīng)濟學[M]，北京；高等教育出版社，2010[16]Findley, ., . Monsell, . Bell, . Otto and B. C. Chen. New Capabilities and Methods of the X12ARIMA Seasonal Adjustment Program. Journal of Business and Economic Statistics, 1998, Vol. 16, p127176.[17]V. Gomez and A. Maravall. Program TRAMO “Time Series Observations with ARIMA Noise, Missing Observations and Outliers”: Instructions for the user[R]. Technical report, European University Institute, Florence, 1994.[18]張曉峒，Eviews使用指南與案例[M]，機械工業(yè)出版社，2