第一篇：時間序列分析法缺點(diǎn)

時間序列分析預(yù)測法有兩個特點(diǎn)：

①時間序列分析預(yù)測法是根據(jù)市場過去的變化趨勢預(yù)測未來的發(fā)展，它的前提是假定事物的過去會同樣延續(xù)到未來。事物的現(xiàn)實(shí)是歷史發(fā)展的結(jié)果，而事物的未來又是現(xiàn)實(shí)的延伸，事物的過去和未來是有聯(lián)系的。市場預(yù)測的時間序列分析法，正是根據(jù)客觀事物發(fā)展的這種連續(xù)規(guī)律性，運(yùn)用過去的歷史數(shù)據(jù)，通過統(tǒng)計分析，進(jìn)一步推測市場未來的發(fā)展趨勢。市場預(yù)測中，事物的過去會同樣延續(xù)到未來，其意思是說，市場未來不會發(fā)生突然跳躍式變化，而是漸進(jìn)變化的。

時間序列分析預(yù)測法的哲學(xué)依據(jù)，是唯物辯證法中的基本觀點(diǎn)，即認(rèn)為一切事物都是發(fā)展變化的，事物的發(fā)展變化在時間上具有連續(xù)性，市場現(xiàn)象也是這樣。市場現(xiàn)象過去和現(xiàn)在的發(fā)展變化規(guī)律和發(fā)展水平，會影響到市場現(xiàn)象未來的發(fā)展變化規(guī)律和規(guī)模水平；市場現(xiàn)象未來的變化規(guī)律和水平，是市場現(xiàn)象過去和現(xiàn)在變化規(guī)律和發(fā)展水平的結(jié)果。

需要指出，由于事物的發(fā)展不僅有連續(xù)性的特點(diǎn)，而且又是復(fù)雜多樣的。因此，在應(yīng)用時間序列分析法進(jìn)行市場預(yù)測時應(yīng)注意市場現(xiàn)象未來發(fā)展變化規(guī)律和發(fā)展水平，不一定與其歷史和現(xiàn)在的發(fā)展變化規(guī)律完全一致。隨著市場現(xiàn)象的發(fā)展，它還會出現(xiàn)一些新的特點(diǎn)。因此，在時間序列分析預(yù)測中，決不能機(jī)械地按市場現(xiàn)象過去和現(xiàn)在的規(guī)律向外延伸。必須要研究分析市場現(xiàn)象變化的新特點(diǎn)，新表現(xiàn)，并且將這些新特點(diǎn)和新表現(xiàn)充分考慮在預(yù)測值內(nèi)。這樣才能對市場現(xiàn)象做出既延續(xù)其歷史變化規(guī)律，又符合其現(xiàn)實(shí)表現(xiàn)的可靠的預(yù)測結(jié)果。

②時間序列分析預(yù)測法突出了時間因素在預(yù)測中的作用，暫不考慮外界具體因素的影響。時間序列在時間序列分析預(yù)測法處于核心位置，沒有時間序列，就沒有這一方法的存在。雖然，預(yù)測對象的發(fā)展變化是受很多因素影響的。但是，運(yùn)用時間序列分析進(jìn)行量的預(yù)測，實(shí)際上將所有的影響因素歸結(jié)到時間這一因素上，只承認(rèn)所有影響因素的綜合作用，并在未來對預(yù)測對象仍然起作用，并未去分析探討預(yù)測對象和影響因素之間的因果關(guān)系。因此，為了求得能反映市場未來發(fā)展變化的精確預(yù)測值，在運(yùn)用時間序列分析法進(jìn)行預(yù)測時，必須將量的分析方法和質(zhì)的分析方法結(jié)合起來，從質(zhì)的方面充分研究各種因素與市場的關(guān)系，在充分分析研究影響市場變化的各種因素的基礎(chǔ)上確定預(yù)測值。

需要指出的是，時間序列預(yù)測法因突出時間序列暫不考慮外界因素影響，因而存在著預(yù)測誤差的缺陷，當(dāng)遇到外界發(fā)生較大變化，往往會有較大偏差，時間序列預(yù)測法對于中短期預(yù)測的效果要比長期預(yù)測的效果好。因?yàn)榭陀^事物，尤其是經(jīng)濟(jì)現(xiàn)象，在一個較長時間內(nèi)發(fā)生外界因素變化的可能性加大，它們對市場經(jīng)濟(jì)現(xiàn)象必定要產(chǎn)生重大影響。如果出現(xiàn)這種情況，進(jìn)行預(yù)測時，只考慮時間因素不考慮外界因素對預(yù)測對象的影響，其預(yù)測結(jié)果就會與實(shí)際狀況嚴(yán)重不符。

第二篇：時間序列論文格式

武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院 畢業(yè)論文要求及文本格式規(guī)范

為規(guī)范我院本科學(xué)生畢業(yè)論文寫作格式，學(xué)院對我院本科生畢業(yè)論文格式特做統(tǒng)一要求。

一、用紙、頁邊距及字?jǐn)?shù)要求

統(tǒng)一用A4紙張打??；左邊距3厘米，右邊距2厘米，上邊距2.5厘米，下邊距2.5厘米；字?jǐn)?shù)要求：本科不少于8000字，?？撇簧儆?000字。

二、目錄

目錄為三級目錄，并標(biāo)明頁碼，詳細(xì)格式規(guī)范見附件。

三、開題報告、中文摘要、英文摘要的要求及格式規(guī)范見附件

四、正文文字字體、字號及行距

正文文字字體用宋體，字號為小四號；正文文字行距采用1.25倍行距。

五、論文標(biāo)題序號

統(tǒng)一采用中文國標(biāo)。具體序號為：

一、（一）

1、（1）① 第一，…… 第二，…… ② 第一，…… 第二，……（2）

2、（1）（2）

（二）1、二、（一）

（二）……

六、論文注釋格式

凡文中引用的數(shù)據(jù)和觀點(diǎn)均應(yīng)以注釋形式表明具體出處。正文中引用的數(shù)據(jù)和觀點(diǎn)均用腳注的形式標(biāo)明出處，采用①②……這樣的序號，標(biāo)注處應(yīng)該用上標(biāo)（即①②……）。腳注序號每頁新起，即每頁序號從①開始。

腳注采用小5號楷體。

七、論文圖表格式

1、表和圖均應(yīng)有標(biāo)題，以表

1、表2…….，圖

1、圖2……，顯示，表和圖若為引用，必須標(biāo)明詳細(xì)出處（標(biāo)在圖、表的下方），表、圖中的符號要予以說明。

示例：說明：①

②

③資料來源：國家統(tǒng)計局：《中國統(tǒng)計年鑒（2000）》，80頁，北京，中國統(tǒng)計出版社，2000。

2、表序、表題放在表的上方，圖序、圖題放在圖的下方。論文中的表述不要用上表、下表、上圖、下圖之類的表述，而是直接用表1，圖1這樣的表述。

3、表序、表題和圖序、圖題用小4號楷體粗體。

4、表序與標(biāo)題之間、圖序與圖題之間不要加冒號，而是以空格隔開。

5、表和圖的內(nèi)容（指標(biāo)、符號、數(shù)據(jù)等）的字體應(yīng)比正文文字字體小。

八、年代、年份、數(shù)字的表述方式

不能用85年之類的表述，而必須用1985年這樣的表述；不能用80年代之類的表述，而必須用20世紀(jì)80年代（或1980年代）之類的表述。

數(shù)字在千位數(shù)以上，每隔3位數(shù)以空格隔開，如1 000，10 000 000等。

九、英文縮寫的表述方式

英文縮寫第一次出現(xiàn)時，必須有中文全稱。格式：中文全稱（英文縮寫）。示例：世界貿(mào)易組織（WTO）

十、參考文獻(xiàn)

1、參考文獻(xiàn)標(biāo)注采用國標(biāo)方法。示例：

參考文獻(xiàn)：（先中文，后外文；先書目，后論文）

1．斯密：《國民財富的性質(zhì)和原因的研究》，中文版，上卷，北京，商務(wù)印書館，1979。2.于宗先：《資產(chǎn)泡沫化與經(jīng)濟(jì)消長》，載《經(jīng)濟(jì)學(xué)動態(tài)》，2004年第6期。3．中國人民銀行：《各項貸款增速回升，儲蓄存款明顯增加》，載《中國財經(jīng)信息網(wǎng)》（網(wǎng)址：http://cat.cfi.net.cn/），2004年12月13日。

外文參考文獻(xiàn)建議采用以下格式：

Eugene F.Fama, 1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.Alfred E.Kahn，1998.The Economics of Regulation: Principles and Institutions.The MIT Press.或者：

Fama,Eugene F.,1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.Kahn，Alfred E., 1998.The Economics of Regulation: Principles and Institutions.The MIT Press.2、參考文獻(xiàn)數(shù)量不少于5種。

十一、文獻(xiàn)來源引注原則

注釋及參考文獻(xiàn)均應(yīng)源自第一手文獻(xiàn)（含外文文獻(xiàn)的中譯一手文獻(xiàn)）,即不要用轉(zhuǎn)載期刊或者轉(zhuǎn)載網(wǎng)站上的文獻(xiàn)，如《新華文摘》、人大復(fù)印期刊、中國期刊網(wǎng)刊載的論文等電子文獻(xiàn)都是二手文獻(xiàn)，不得直接引注。在轉(zhuǎn)載期刊或者轉(zhuǎn)載網(wǎng)站上發(fā)現(xiàn)的文獻(xiàn)，務(wù)必查閱原發(fā)期刊，引注務(wù)必用原發(fā)期刊。

十二、論文裝訂順序

1、論文封面（填寫統(tǒng)一使用黑色中性水筆）

2、目錄 3.開題報告

4、中文摘要【單獨(dú)占1頁】

5、英文摘要【單獨(dú)占1頁】

6、論文正文

7、參考文獻(xiàn)【單獨(dú)占1頁】

以上部分裝訂成冊，一式三份。最后存檔文本統(tǒng)一采用膠裝。成績評定表各一份（由學(xué)院發(fā)）不能與上述論文裝訂。

武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院本科教學(xué)管理辦公室

2007年11月14日

以下為附件：

目錄【到三級標(biāo)題】

開題報告………………………………………………………………...…頁碼 中文摘要……………………………………………………………………頁碼 英文摘要……………………………………………………………………頁碼 前言…………………………………………………………………………頁碼

一、…………………………………………………………………………頁碼

（一）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

（二）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

二、…………………………………………………………………………頁碼

（一）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

（二）……………………………………………………………………..頁碼

1、……………………………………………………………………頁碼

2、……………………………………………………………………頁碼

┋

參考文獻(xiàn)……………………………………………………………………頁碼

【一級目錄用宋體、粗體4號字，二級目錄用宋體小4號字，三級目錄用宋體小4號字（行距視目錄中標(biāo)題多少可定為1.5 倍或1倍）】

中文摘要(300～500字)【另起1頁】

中文摘要標(biāo)題用二號宋體、粗體，段前、段后各空1行，摘要正文用楷體4號字，1.5倍行距。

關(guān)鍵詞：關(guān)鍵詞用四號楷體、粗體，關(guān)鍵詞之間用分號隔開。關(guān)鍵詞數(shù)量：3～5個。

Abstract 【另起1頁】

Abstract用二號Times New Roman字體、粗體，段前、段后各空1行，摘要正文用4號Times New Roman字體，1.5倍行距。

Key words:關(guān)鍵詞用4號Times New Roman字體、粗體，關(guān)鍵詞之間用分號隔開。關(guān)鍵詞數(shù)量：3～5個。

【內(nèi)容與中文摘要對應(yīng)】

正文另起一頁

正文為小4號宋體，數(shù)字和英文用Times New Roman字體，均采用1.25倍行距。

一級標(biāo)題居中，用一、二、三、……標(biāo)示，用小三號黑體、粗體；標(biāo)題前后各空0.5行，居中。例示：

一、論文選題的意義

正文

二級標(biāo)題用

（一）（二）

（三）……標(biāo)示，用4號黑體，標(biāo)題前空0.5行，左縮進(jìn)2字符。例示：

（一）論文選題的理論意義

正文

三級標(biāo)題用1、2、3、……標(biāo)示，用小4號楷體、粗體。例示： １、促進(jìn)本學(xué)科理論的發(fā)展

正文，小4號宋體，1.25倍行距，數(shù)字、英文用Times New Roman字體，段落前空2字符。

參考文獻(xiàn)【另起1頁】

參考文獻(xiàn)標(biāo)題用小三號黑體、粗體，段前、段后各空1行。參考文獻(xiàn)正文中文用宋體小四號字，1.25倍行距，英文用Times New Roman字體，字號用小四號。

示例：

1．斯密：《國民財富的性質(zhì)和原因的研究》，中文版，上卷，北京，商務(wù)印書館，1979。2.于宗先：《資產(chǎn)泡沫化與經(jīng)濟(jì)消長》，載《經(jīng)濟(jì)學(xué)動態(tài)》，2004年第6期。3．中國人民銀行：《各項貸款增速回升，儲蓄存款明顯增加》，載《中國財經(jīng)信息網(wǎng)》（網(wǎng)址：http://cat.cfi.net.cn/），2004年12月13日。

4.Eugene F.Fama, 1968.Risk Return and Equilibrium: Some Clarifying Comments.The Journal of Finance, Mar 1968, Vol.23 Issue 1, pp.29-40.5.Alfred E.Kahn，1998.The Economics of Regulation: Principles and Institutions.The MIT Press.6

學(xué)院有關(guān)本科生畢業(yè)論文（設(shè)計）開題報告的一些具體要求

開

題

報

告（注：用一號楷體）（不少于2000字）

一、研究目的和意義（注：用四號字）

（注：內(nèi)容用五號字）

二、主要參考文獻(xiàn)、資料，分析國內(nèi)外現(xiàn)狀和發(fā)展趨勢，提出本課題的主攻方向（注：用四號字）

（注：內(nèi)容用五號字）

三、主要研究內(nèi)容、途徑及技術(shù)路線（注：用四號字）

（注：內(nèi)容用五號字）

畢業(yè)論文的技術(shù)路線的內(nèi)容為論文的研究思路與步驟。

四、研究的主要階段、進(jìn)度及完成時間（注：用四號字）

（注：內(nèi)容用五號字）

學(xué)院有關(guān)本科生畢業(yè)論文（設(shè)計）成績評定表的一些具體要求

畢業(yè)論文(設(shè)計)成績評定表

論

文

摘要

（注：①可套打，最好手填，若套打必須用A3紙，全套套打；②不得粘貼；③摘要不少于300字，先起草，后謄抄；④摘要為論文的縮寫，摘要包括論文的基本內(nèi)容和結(jié)論以及論文的創(chuàng)新之處。）

指導(dǎo)教師評語：

（注：須由指導(dǎo)教師手寫，不得粘貼）

評語應(yīng)包括以下幾方面內(nèi)容：

1.論文選題的理論與現(xiàn)實(shí)意義；

2.對論文研究內(nèi)容、研究方法及研究結(jié)論的意見；

3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實(shí)的經(jīng)濟(jì)學(xué)或管理學(xué)專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強(qiáng)或很強(qiáng)的科研能力）；

5.論文的不足；

6.論文是否達(dá)到了××專業(yè)本科畢業(yè)論文水平(以及經(jīng)濟(jì)學(xué)或管理學(xué)學(xué)士學(xué)位論文水平)。

指導(dǎo)教師

評

分

****年**月**日

（必須指導(dǎo)教師親自簽名，不得他人代簽）

答辯小組評語

（注：由評閱教師填寫）評語應(yīng)包括的內(nèi)容（簡明扼要）：

1.論文選題的理論與現(xiàn)實(shí)意義；

2.對論文研究內(nèi)容、研究方法及研究結(jié)論的意見； 3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實(shí)的經(jīng)濟(jì)學(xué)或管理學(xué)專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強(qiáng)或很強(qiáng)的科研能力）；

5.論文是否達(dá)到了××專業(yè)本科畢業(yè)論文水平(以及經(jīng)濟(jì)學(xué)或管理學(xué)學(xué)士學(xué)位論文水平)。

答辯組長

評 分

****年**月**日

（注：必須由答辯組長親筆簽名）

答辯委員會評語

（注：可由答辯委員會主任或答辯秘書填寫）評語應(yīng)包括的內(nèi)容（簡明扼要）：

1.論文選題的理論與現(xiàn)實(shí)意義；

2.對論文研究內(nèi)容、研究方法及研究結(jié)論的意見； 3.論文是否有創(chuàng)新；

4.從論文來看，作者是否具有寬廣的知識面，是否掌握了系統(tǒng)、扎實(shí)的經(jīng)濟(jì)學(xué)或管理學(xué)專業(yè)知識，并對論文作者和科研能力做出評價（基本或一定或較強(qiáng)或很強(qiáng)的科研能力）；

5.論文是否達(dá)到了××專業(yè)本科畢業(yè)論文水平(以及經(jīng)濟(jì)學(xué)或管理學(xué)學(xué)士學(xué)位論文水平)。

答辯委員會主任(簽章)

評 分

****年**月**日

第三篇：SPSS時間序列一點(diǎn)總結(jié)

SPSS時間序列一點(diǎn)總結(jié)(一)SPSS中“Time Series”包括4個時間序列分析子菜單: 1.Exponential Smoothing指數(shù)平滑 2.Autoregression自回歸 3.ARIMA自回歸綜合移動平均

4.Seasonal Decomposition季節(jié)分散法

(一)Exponential Smoothing指數(shù)平滑中的Model有四種:Simple、Holt、Winters、Custom.Simple法是在移動平均法基礎(chǔ)上發(fā)展而來的一次指數(shù)平滑法,它假定所研究的時間序列數(shù)據(jù)集無趨勢和季節(jié)變化.Simple法基本過程: 1.首先定義變量、輸入數(shù)據(jù),至少要有一個變量,點(diǎn)出Data菜單中的Define Dates對話框,定義時間序列的周期.Define Dates可用來建立時間序列的周期性.共有20種可用來定義時間日期的變量.2.指定需要進(jìn)行指數(shù)平滑處理的變量.從左側(cè)變量名列表中選中需要進(jìn)行指數(shù)平滑處理的變量,單擊右面一個右箭頭按鈕,使變量名移到Variables框中.如果變量為多個,則計算完一個后,再輸入另一個變量.3.“Parameters”參數(shù)設(shè)定,選定指數(shù)平滑中的參數(shù),誤差修正權(quán)數(shù) a(General(Alpha))的取值在默認(rèn)狀態(tài)下為0.1,其取值大小依賴于已知時間序列的性質(zhì),通常都使用在0.1至0.3之間的數(shù)值并產(chǎn)生一個依賴于大量的過去觀測資料的預(yù)測.接近于1的值較少用,它將給出更加依賴于新近觀察資料的預(yù)測.當(dāng)a=1時,預(yù)測值等于最新的觀測值.單擊Grid Search選項,如不加改動,可讓程序自動計算a從0.1到1的10個指數(shù)平滑結(jié)果,并將誤差平方和最小的平滑結(jié)果暫時存放在數(shù)據(jù)庫中,當(dāng)然,在這里可重新設(shè)置a的開始值,以后每次的增加值及終止值.在本程序中,確定Initial Values初始值欄中的選擇有兩種方式,選擇Automatic項,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值:選擇Custom項,可手工輸入初始值及趨勢值.單擊“Save”,最后單擊“OK”并執(zhí)行.Holt雙參數(shù)線性指數(shù)平滑法適用于有線性趨勢及無季節(jié)變化的時間序列的趨勢.它可以用不同的參數(shù)對原時間序列的趨勢進(jìn)行平滑,具有很大的靈活性.在此法中要用到兩個參數(shù)a、g(從0到1之間取值)和三個方程(略).Holt法基本過程

1、首先按定義變量、輸入數(shù)據(jù),至少要有一個變量,在Data菜單的Define Dates設(shè)置;指定需要Holt指數(shù)平滑法處理的變量.從左側(cè)變量名列表中選中需要進(jìn)行指數(shù)平滑處理的變量,如果變量為多個,則計算完一個后,再輸入另一個變量.選定Holt選項.設(shè)置Parameters即指數(shù)平滑中的參數(shù),參數(shù)a、g的取值在默認(rèn)狀態(tài)下都為0.1,它們都在0到1之間取值.其取值大小依賴于已知時間序列的性質(zhì),通常使用0.1至0.3之間的數(shù)值,并產(chǎn)生一個依賴于大量的過去觀測資料的預(yù)測.接近于1的值較少用,它將給出更加依賴于新近觀測資料的預(yù)測.不使用默認(rèn)值,可通過單擊Grid Search選項來自定義,如不加改動,可讓程序自動計算a從0.1到1每次增加0.1、g從0.1到1每次增加0.2的10個指數(shù)平滑結(jié)果,并將誤差平方和最小的平滑結(jié)果暫時存放在數(shù)據(jù)庫中.當(dāng)然,可以重新設(shè)置a、g的初始值、以后每次的增加值及終止值.在本程序中,確定初始值的選中有兩種方式,選中Automatic項,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值St并自動給出趨勢值bt.選中Custom項,可手工輸入初始值及趨勢值.Winters線性和季節(jié)性指數(shù)平滑法適用于數(shù)據(jù)的變化含有季節(jié)性因素的時間序列的預(yù)測.選定指數(shù)平滑中的參數(shù)“Patameters”,參數(shù)a、b、g的取值在默認(rèn)狀態(tài)下都為0.1,它們都在0到1之間取值,但都不包括0和1.采用Winters法的關(guān)鍵是如何確定a、b、g的值,以使均方差達(dá)到最小.最佳方法是反復(fù)試驗(yàn)法.如不使用默認(rèn)值,除直接修改a、b、g的值外,還可通過單擊Grid Search來自定義.可讓程序自動計算a從0.1到1每次增加0.1,b、g從0.1到1每次增加0.2的10個指數(shù)平滑結(jié)果,并將誤差平方和最小的平滑結(jié)果暫時存放在數(shù)據(jù)庫中,SPSS在商務(wù)管理中的應(yīng)用,當(dāng)然,在這里可重新設(shè)置a、b、g的開始只,以后每次的增加值及終止值.在本程序中,確定初始值的選擇有兩種方式,選擇Automatic,初始值用自動方式生成,程序自動取時間序列的總平均值為初始值St并自動給出趨勢值bt;選擇Custom,可手工輸入初始值及趨勢值.

第四篇：時間分辨熒光分析法

時間分辨熒光分析法（Time resolved fluoroisnmuno assay,TRFIA）是近十年發(fā)展起來的非同位素免疫分析技術(shù)，是目前最靈敏的微量分析技術(shù),其靈敏度高達(dá)10^(-12)g/ml[1]，較放射免疫分析（RIA）高出3個數(shù)量級。它用鑭系元素標(biāo)記抗原或抗體，根據(jù)鑭系元素螯合物的發(fā)光特點(diǎn)，用時間分辨技術(shù)測量熒光，同時檢測波長和時間兩個參數(shù)進(jìn)行信號分辨，可有效地排除非特異熒光的干擾，極大地提高了分析靈敏度。由于其高靈敏度，在臨床上得到了廣泛的應(yīng)用，逐漸代替了放射免疫分析。[1]

在生物流體和血清中的許多復(fù)合物和蛋白本身就可以發(fā)熒光，因此使用傳統(tǒng)的發(fā)色團(tuán)進(jìn)而進(jìn)行熒光檢測的靈敏度就會嚴(yán)重下降。大部分背景熒光信號是短時存在的，因此將長衰減壽命的標(biāo)記物與時間分辨熒光技術(shù)相結(jié)合，就可以使瞬時熒光干擾減到最小化。

時間分辨熒光分析法（TRFIA）實(shí)際上是在熒光分析（FIA）的基礎(chǔ)上發(fā)展起來的，它是一種特殊的熒光分析。熒光分析利用了熒光的波長與其激發(fā)波長的巨大差異克服了普通紫外-可見分光分析法中雜色光的影響，同時，熒光分析與普通分光不同，光電接受器與激發(fā)光不在同一直線上，激發(fā)光不能直接到達(dá)光電接受器，從而大幅度地提高了光學(xué)分析的靈敏度。但是，當(dāng)進(jìn)行超微量分析的時候，激發(fā)光的雜散光的影響就顯得嚴(yán)重了。因此，解決激發(fā)光的雜散光的影響成了提高靈敏度的瓶頸。

解決雜散光影響的最好方法當(dāng)然是測量時沒有激發(fā)光的存在。但普通的熒光標(biāo)志物熒光壽命非常短，激發(fā)光消失，熒光也消失。不過有非常少的稀土金屬（Eu、Tb、Sm、Dy）的熒光壽命較長，可達(dá)1～2ms，能夠滿足測量要求，因此而產(chǎn)生了時間分辨熒光分析法，即使用長效熒光標(biāo)記物，在關(guān)閉激發(fā)光后再測定熒光強(qiáng)度的分析方法。平時常用的稀土金屬主要是Eu(銪）和Tb(鋱），Eu熒光壽命1ms,在水中不穩(wěn)定，但加入增強(qiáng)劑后可以克服；Tb熒光壽命1.6ms，水中穩(wěn)定，但其熒光波長短、散射嚴(yán)重、能量大易使組分分解，因此從測量方法學(xué)上看Tb很好，但不適合用于生物分析，故Eu最為常用。

由于常用Eu作為熒光標(biāo)記，因此增強(qiáng)劑就成了試劑中的重要組成。增強(qiáng)劑原理：利用含絡(luò)合劑、表面活性劑的溶液的親水和親脂性同時存在，使Eu在水中處于穩(wěn)定狀態(tài)?，F(xiàn)在有些試劑，在絡(luò)合Eu在抗體上時已考慮了增強(qiáng)問題，而使用了具有增強(qiáng)作用的新絡(luò)合劑，因而有的試劑沒有單獨(dú)的增強(qiáng)劑。

隨著檢驗(yàn)醫(yī)學(xué)的發(fā)展，對微量、超微量的測定會越來越多，同時RIA的污染問題會越來越被重視，因此，時間分辨熒光分析法（TRFIA）具有越來越大的應(yīng)用空間。

劃時代的檢測技術(shù)

放射免疫分析(RIA)，以其高度特異性靈敏度和實(shí)用性，吸引著各國的生物醫(yī)學(xué)工作者，但操作中始終存在放射性污染、同位素半衰期短及試劑盒穩(wěn)定性問題。為此，人們發(fā)展了一系列非放射性標(biāo)記技術(shù)，如酶標(biāo)記、化學(xué)發(fā)光、生物發(fā)光標(biāo)記等技術(shù)，其中，時間分辨熒光免疫分析技術(shù)。由于靈敏度及線性范圍明顯優(yōu)于其它技術(shù)，最為引人注目。

時間分辨熒光分析足以稀土離子標(biāo)記抗原或抗體、核酸探針和細(xì)胞等為特征的超靈敏度檢測技術(shù)，它克服了酶標(biāo)記物的不穩(wěn)定、化學(xué)發(fā)光僅能一次發(fā)光且易受環(huán)境干擾、電化學(xué)發(fā)光的非直接標(biāo)記等缺點(diǎn)。使非特異性信號降低到可以忽略的程度，達(dá)到了極高的信噪比，從而大大地超過了放射性同位素所能達(dá)到的靈敏度，且還具有標(biāo)記物制備簡便、儲存時間長、無放射性污染、檢測重復(fù)性好、操作流程短、標(biāo)準(zhǔn)曲線范圍寬、不受樣品自然熒光干擾和應(yīng)用范圍十分廣泛等優(yōu)點(diǎn)，成為繼放射免疫分析之后標(biāo)記物發(fā)展的一個新里程碑。標(biāo)記物

采用鑭系元素（銪、釤、鏑、鋱）進(jìn)行原子標(biāo)記，較堿性磷酸酶、吖啶酯、生物素等大分子標(biāo)記物優(yōu)勢明顯：原子標(biāo)記，標(biāo)記物更多，檢測更靈敏，對被標(biāo)記物的生物活性和結(jié)構(gòu)無影響原子標(biāo)記，標(biāo)記穩(wěn)定性強(qiáng) 多種標(biāo)記，一個測試，多個項目。

檢測特點(diǎn)

標(biāo)記離子的熒光激發(fā)光波長范圍較寬，發(fā)射光譜峰范圍窄，是類線光譜，有利于降低本底熒光強(qiáng)度，提高分辨率。

激發(fā)光和發(fā)射光之間有一個較大的Stokes位移，有利于排除特異熒光的干擾，增強(qiáng)測量的特異性。

標(biāo)記離子螯合物產(chǎn)生的熒光強(qiáng)度高，壽命長，有利于消除樣品及環(huán)境中熒光物質(zhì)對檢測結(jié)果的影響。每一秒鐘檢測樣品1000次，結(jié)果取平均值，有利于提高檢測的準(zhǔn)確性。

第五篇：時間序列分析結(jié)課論文

時間序列分析結(jié)課論文

全國社會消費(fèi)品零售總額的時間序列分析

全國社會消費(fèi)品零售總額的時間序列分析

摘要

時間序列分析是經(jīng)濟(jì)領(lǐng)域研究的重要工具之一，它描述歷史數(shù)據(jù)隨時間變化的規(guī)律，并用于預(yù)測經(jīng)濟(jì)變量值。市場經(jīng)濟(jì)中，政府對市場變化的即時反應(yīng)是各國經(jīng)濟(jì)工作的重點(diǎn)。在我國，隨著市場經(jīng)濟(jì)的日益成熟，各級政府逐漸認(rèn)識到短期計劃的重要性。在要求減少對市場干預(yù)的同時，政府在經(jīng)濟(jì)中的作用主要體現(xiàn)在保證經(jīng)濟(jì)運(yùn)行的正常軌道，由于社會消費(fèi)品零售總額反映了經(jīng)濟(jì)運(yùn)行中的一個重要環(huán)節(jié)———消費(fèi)，尤其是目前我國市場上的消費(fèi)需求不足現(xiàn)象，使我國經(jīng)濟(jì)發(fā)展受到外需與內(nèi)需兩方的困擾。因此對于社會消費(fèi)品零售總額預(yù)測中的研究一直具有積極意義。

本文就以以我國1952年至2011年我國社會消費(fèi)品零售總額為研究對象，做時間序列分析。首先，對全國60多年來社會消費(fèi)品零售總額的發(fā)展變化規(guī)律，運(yùn)用SAS軟件進(jìn)行分析其發(fā)展趨勢。再則，通過檢驗(yàn)說明模型擬合效果的好壞，再利用模型對下一年進(jìn)行預(yù)測。最后，從國家經(jīng)濟(jì)、政策和社會消費(fèi)品零售市場發(fā)展等方面對社會消費(fèi)品零售總額變化規(guī)律及未來走勢進(jìn)行分析。

關(guān)鍵字：社會消費(fèi)品零售總額???SAS軟件???時間序列分析??預(yù)測

一．引言

社會消費(fèi)品零售總額是指各種經(jīng)濟(jì)類型的批發(fā)零售業(yè)、貿(mào)易業(yè)、餐飲業(yè)、制造業(yè)和其他行業(yè)對城鄉(xiāng)居民和社會集團(tuán)的消費(fèi)品零售額和農(nóng)民對非農(nóng)民居民零售額的總和。這個指標(biāo)能夠反映通過各種商品流通渠道向居民和社會集團(tuán)供應(yīng)生活消費(fèi)品來滿足他們生活需求的情況，是研究人民生活、社會消費(fèi)品購買力、貨幣流通等問題的重要指標(biāo)。隨著消費(fèi)環(huán)境的逐步改善，人們的消費(fèi)能力不斷增強(qiáng)，人們消費(fèi)能力的增強(qiáng)直接帶動了社會消費(fèi)品零售總額的發(fā)展，“十一五”期間，面對復(fù)雜多變的國內(nèi)外形勢，特別是為應(yīng)對國際金融危機(jī)的沖擊，國家出臺了一系列擴(kuò)大內(nèi)需、促進(jìn)消費(fèi)等政策措施，消費(fèi)品市場的穩(wěn)定發(fā)展對我國緩沖金融危機(jī)起到了明顯的積極作用，消費(fèi)需求已經(jīng)成為經(jīng)濟(jì)增長的重要組成部分。

中國社會消費(fèi)品零售業(yè)的發(fā)展將進(jìn)入?yún)⑴c國際化競爭的新階段，可靠準(zhǔn)確的數(shù)據(jù)體系有利于政府的宏觀決策，而零售總額的數(shù)據(jù)受多種因素的影響。因此對我國社會消費(fèi)品零售總額進(jìn)行預(yù)測是有積極意義的。

本文利用時間序列分析方法對我國社會消費(fèi)品零售總額進(jìn)行分析和預(yù)測。時間序列分析是根據(jù)動態(tài)數(shù)據(jù)揭示系統(tǒng)動態(tài)結(jié)構(gòu)的規(guī)律的統(tǒng)計方法。其基本思想是根據(jù)系統(tǒng)的有限長度的運(yùn)行記錄（觀察數(shù)據(jù)），建立能夠比較準(zhǔn)確地反映時間序列中所包含的動態(tài)依存關(guān)系的數(shù)學(xué)模型，并借以對系統(tǒng)的未來行為進(jìn)行預(yù)報

二．問題重述

1.1問題背景

社會消費(fèi)品零售總額指企業(yè)（單位、個體戶）通過交易直接售給個人、社會集團(tuán)非生產(chǎn)、非經(jīng)營用的實(shí)物商品金額，以及提供餐飲服務(wù)所取得的收入金額。個人包括城鄉(xiāng)居民和入境人員，社會集團(tuán)包括機(jī)關(guān)、社會團(tuán)體、部隊、學(xué)校、企事業(yè)單位、居委會或村委會等。

社會消費(fèi)品零售總額由社會商品供給和有支付能力的商品需求的規(guī)模所決定，是研究居民生活水平、社會零售商品購買力、社會生產(chǎn)、貨幣流通和物價的發(fā)展變化趨勢的重要資料。反映一定時期內(nèi)人民物質(zhì)文化生活水平的提高情況，反映社會商品購買力的實(shí)現(xiàn)程度，以及零售市場的規(guī)模狀況。

1.2問題的提出

時間序列是指同一種現(xiàn)象在不同時間上的相繼連續(xù)的觀察值排列而成的一組數(shù)字序列。時間序列預(yù)測方法的基本思想是：預(yù)測一個現(xiàn)象的未來變化時，用該現(xiàn)象的過去行為來預(yù)測未來。即通過時間序列的歷史數(shù)據(jù)就可以揭示現(xiàn)象隨時間變化的規(guī)律，將這種規(guī)律延伸到未來的一段時間，從而對該現(xiàn)象的未來做出預(yù)測。對此希望建立相關(guān)的社會消費(fèi)品零售總額的數(shù)學(xué)模型并來預(yù)測居民消費(fèi)價格指數(shù)未來年間的走勢。

社會消費(fèi)品零售總額是一個具有滯后性的數(shù)據(jù)，根據(jù)社會消費(fèi)品零售總額的這一個特點(diǎn)，我們可以運(yùn)用時間序列分析的方法對我國社會消費(fèi)品零售總額進(jìn)行

合理擬合，但不排除有誤差的存在，從而對未來的社會消費(fèi)品零售總額走勢做出合理的預(yù)測。

三、時間序列模型

3.1模型介紹

對于短的或簡單的時間序列，可用趨勢模型和季節(jié)模型加上誤差來進(jìn)行擬合。對于平穩(wěn)時間序列，可用通用ARIMA模型及其特殊情況的自回歸模型、滑動平均模型或組合-ARIMA模型等來進(jìn)行擬合。所謂的ARIMA模型是指將非平穩(wěn)時間序列轉(zhuǎn)化為平穩(wěn)時間序列，然后將因變量僅對它的滯后值以及最忌誤差項的現(xiàn)值和滯后值進(jìn)行回歸所建立模型。ARIMA模型根據(jù)原來的時間序列是否平穩(wěn)和回歸中包含部分的不同，分為了幾個類別：MA（移動平均過程）、AR（自回歸過程）、ARMA(自回歸移動平均過程)、ARIMA過程。當(dāng)觀測值多于50個時候一般都采用ARIMA模型來進(jìn)行擬合。本文社會消費(fèi)品零售總額收集到的數(shù)據(jù)為60個，因此采用ARIMA模型進(jìn)行擬合和趨勢的預(yù)測。

求和自回歸移動平均（AutoRegressive?Integrated?Moving?Average，ARIMA）模型是以序列不同時期內(nèi)的相關(guān)度量為基礎(chǔ)，進(jìn)行的一種精確度較高的短期預(yù)測分析方法。該法由美國學(xué)者Box和英國統(tǒng)計學(xué)者Jenkins于1976年提出來的，故又被稱之為Box-Jenkins模型。

在ARIMA模型中，變量的未來取值可以表達(dá)為過去若干個取值和隨機(jī)誤差的線性函數(shù)式中：

其中B是后移算子，εt為各期的隨機(jī)擾動或隨機(jī)誤差，d為差分階數(shù)，p和q分別表示自回歸階數(shù)和移動平均階數(shù)，Xt為各期的觀察值（t=1,2，?，k）。

3.2模型的建立步驟

對于非平穩(wěn)時間序列則要先將觀測到的時間序列進(jìn)行差分運(yùn)算，并化為平穩(wěn)時間序列后，再用適當(dāng)?shù)哪Ｐ腿M合這個差分序列。通常情況下，求和自回歸移動平均模型的建模過程分為以下幾個步驟：

(1)

對原序列進(jìn)行平穩(wěn)性檢驗(yàn)，若原序列為非平穩(wěn)序列則通過差分消除趨勢；

(2)判斷序列是否具有季節(jié)性，若具有季節(jié)性的波動，則通過季節(jié)差分來消除季節(jié)性；

(3)

進(jìn)行模型識別

(4)

進(jìn)行模型定階；

(5)

對模型的參數(shù)進(jìn)行估計；

(6)

對模型的適合性進(jìn)行檢驗(yàn)，即對殘差序列進(jìn)行白噪聲檢驗(yàn)，判斷是否是白噪聲序列；

(7)

給出模型的預(yù)測結(jié)果，并畫出趨勢預(yù)測圖。

3.3ARIMA（p,d,q）模型

在ARIMA模型的識別過程中，我們主要用到兩個工具：自相關(guān)函數(shù)(ACF），偏自相關(guān)函數(shù)(PACF)以及它們各自的相關(guān)圖。對于一個序列{Xt}來說，它的第i階自相關(guān)系數(shù)定義為它的i階自協(xié)方差除以它的方差，它是關(guān)于i的函數(shù)，因此我們也稱之為自相關(guān)函數(shù)，通常記ACF(i)。偏自相關(guān)函數(shù)PACF(i)度量了消除中間滯后項影響后兩滯后變量之間的相關(guān)關(guān)系。

自相關(guān)系數(shù)和偏自相關(guān)系數(shù)這兩個統(tǒng)計量來識別ARIMA(p,d,q)模型的系數(shù)特點(diǎn)和模型的階數(shù)。并用游程檢驗(yàn)經(jīng)過處理的序列是否為平穩(wěn)化的序列。

可以利用平穩(wěn)性檢驗(yàn)、自相關(guān)函數(shù)ACF(i)和偏自相關(guān)函數(shù)PACF(i)，可識別ARIMA（p,d,q）模型。具體步驟如下：

第一步，利用平穩(wěn)性檢驗(yàn)確定d的值?？蛇\(yùn)用前面學(xué)過的平穩(wěn)性檢驗(yàn)方法，檢驗(yàn)序列是否平穩(wěn)。如果不是，通過幾次差分才能得到平穩(wěn)序列。若經(jīng)過1次差分就可實(shí)現(xiàn)平穩(wěn)，則d就等于1，若經(jīng)過2次差分就可實(shí)現(xiàn)平穩(wěn)，則d就等于2，如此類推。

第二步，利用ACF和PACF來確定p和q的值。一般規(guī)則是：

（1）如果序列的ACF是截尾的，即過了某一滯后項值（設(shè)為q）后，ACF變得不顯著，接近于零，并且PACF是拖尾的，則可把序列設(shè)為MA（q）過程；

（2）如果序列的PACF是截尾的，即過了某一滯后項值（設(shè)為p）后，PACF變得不顯著，接近于零，并且ACF是拖尾的，則可把序列設(shè)為AR（p）過程；

（3）如果序列的ACF和PACF都是拖尾的，則可把該序列設(shè)為ARMA（p,q）過程，而關(guān)于p和q的值需要不斷地從低階試探，并使信息準(zhǔn)則達(dá)到最小。

四、時間序列模型建立與擬合4.1.數(shù)據(jù)的錄入

根據(jù)中國國家統(tǒng)計局網(wǎng)站發(fā)布的社會消費(fèi)品零售總額時間序列數(shù)據(jù)，經(jīng)整理得到了歷年社會消費(fèi)品零售總額（1952~2011）（單位：億元）。

我國社會消費(fèi)品零售總額

我將這些數(shù)據(jù)編寫了SAS的程序（附錄1），進(jìn)行了下列的檢驗(yàn)和預(yù)測。

4.2.數(shù)據(jù)分析

4.2.1?根據(jù)原始數(shù)據(jù)畫出時序圖

圖2.1.1??時間序列圖

有上圖可知在1952-2011年我國社會消費(fèi)品零售總額波動趨勢總體上是持續(xù)上升的，我們可以看出該時間序列圖顯示這是一個典型的非平穩(wěn)序列，因?yàn)榫哂忻黠@的趨勢性。

4.2.2?一階差分處理

對于該非平穩(wěn)社會消費(fèi)品零售總額的時間序列，首先可以利用SAS軟件對數(shù)據(jù)進(jìn)行一階季節(jié)性差分的處理，以便消除其具有的強(qiáng)烈的趨勢性，來觀察數(shù)據(jù)是否大致趨于平穩(wěn)。因此得到的一階差分時間序列圖如下：

從圖2.2.1中可以看出社會消費(fèi)品零售總額時間序列的趨勢性得到了一定的消除，序列圍繞均值為零的一個小區(qū)間內(nèi)震蕩，且方差明顯有界。但是很明顯在1995-2000年這段時間波動比較大，影響這個波動較大的因素是由于在1997年的亞洲金融危機(jī)的沖擊下，國內(nèi)的消費(fèi)需求不振，從而導(dǎo)致我國的經(jīng)濟(jì)陷入衰退，出現(xiàn)了通貨緊縮的情況，社會消費(fèi)品零售總額開始出現(xiàn)回落。2007年是由于美國次貸危機(jī)的影響，有小幅度的波動，2008年的社會消費(fèi)品零售總額略有下降，但是國家政府為了促進(jìn)經(jīng)濟(jì)的增長，采取了一系列的宏觀調(diào)控政策。如寬松的貨幣政策和財政政策，使得經(jīng)濟(jì)復(fù)蘇，從而使得社會消費(fèi)品零售總額穩(wěn)中有降。此時季節(jié)性性因素對社會消費(fèi)品零售總額的影響表現(xiàn)出來。

2.3?平穩(wěn)性檢驗(yàn)

為了進(jìn)一步判斷其平穩(wěn)性，考察差分序列的自相關(guān)圖，如圖2.3.1所示，自相關(guān)圖顯示延遲3階之后，自相關(guān)系數(shù)都落入2倍標(biāo)準(zhǔn)差范圍以內(nèi)，而且自相關(guān)系數(shù)向零衰減的速度非?？?，延遲在16階以后自相關(guān)系數(shù)即在零值附近波動，從而判斷該序列有很強(qiáng)的短期相關(guān)性，所以可以初步認(rèn)為一階差分后序列平穩(wěn)。自相關(guān)函數(shù)與偏自相關(guān)函數(shù)圖如下：

4.2.4純隨機(jī)性檢驗(yàn)

對平穩(wěn)的差分序列進(jìn)行白噪聲檢驗(yàn).編程運(yùn)行結(jié)果為圖2.4.1:

從圖2.4.1可以看出,在顯著水平為0.01的條件下,檢驗(yàn)統(tǒng)計量的p值顯著小于0.01,所以該序列是平穩(wěn)非白噪聲序列,我們可以利用ARIMA(p,d,q)模型進(jìn)行建模.4.2.5ARIMA(p,d,q)模型擬合用ARIMA(p,d,q)模型對我國社會消費(fèi)品零售總額進(jìn)行建模擬合及預(yù)測并進(jìn)行了平穩(wěn)化處理,因此直接對差分后平穩(wěn)序列{}進(jìn)行建模.利用SAS軟件進(jìn)行編程擬合分析:

根據(jù)圖2.3.1，自相關(guān)函數(shù)為3階截尾，再根據(jù)圖?2.3.2確定偏自相關(guān)函數(shù)為1階截尾，可以初步選擇ARMA（3,1）模型進(jìn)行擬合。再由BIC準(zhǔn)則確定模型的階數(shù)，BIC值如下：

從圖2.5.1可知，p=1，q=2時?BIC（1，2）=12.27375最小，因此選擇模型ARMA(1,2)。然后對模型ARMA(1,2)進(jìn)行參數(shù)估計和顯著性檢驗(yàn)，由SAS程序運(yùn)行結(jié)果如圖2.5.2：

圖2.5.2參數(shù)估計及檢驗(yàn)

從圖2.3.3知，參數(shù)估計顯著，得到模型為:

4.2.6?殘差檢驗(yàn)

模型檢驗(yàn)主要是檢驗(yàn)?zāi)Ｐ蛯υ瓡r間序列的擬和效果，就是檢驗(yàn)整個模型對信息的提取是否充分，即檢驗(yàn)殘差序列是否為白噪聲序列。如果擬合模型通不過檢驗(yàn)，即殘差序列不是為白噪聲序列，那么要重新選擇模型進(jìn)行擬合。如殘差序列是白噪聲序列，就認(rèn)為擬合模型是有效的。對擬合好的模型的殘差序列作白噪聲檢驗(yàn)，觀察模型殘差的自相關(guān)和偏自相關(guān)圖，可以直觀地看到，幾乎95%的系數(shù)值全部落在2σ之間，說明殘差之間沒有相關(guān)性，即信息提取充分，模型建立良好。

對模型進(jìn)行殘差檢驗(yàn)，應(yīng)用SAS程序運(yùn)行結(jié)果如圖2.3.4所示，顯然，殘差序列為白噪聲序列，說明模型提取信息充分，說明ARIMA（1,1,0）對該序列來說是適應(yīng)的。

圖2.6.1殘差檢驗(yàn)

4.2.7運(yùn)用模型ARIMA（1,1,0）進(jìn)行預(yù)測與分析

（1）預(yù)測

由上圖可知，殘差為白噪聲序列，序列信息提取充分，不需要繼續(xù)建模，通過模型對未來5期進(jìn)行預(yù)測并做出原始序列的預(yù)測圖，結(jié)果如下：

圖2.7.1??2012—2016年社會消費(fèi)品零售總額預(yù)測結(jié)果

圖2.7.1??2012—2016年社會消費(fèi)品零售總額預(yù)測結(jié)果

（2）分析

根據(jù)圖2.7.1和圖2.7.2可以看出在未來的時間居民消費(fèi)價格指數(shù)還會有有所上漲，但是漲幅不會偏大。2007-2010年期間趨勢波動較大，是因?yàn)槿蚪鹑谑袌鲞M(jìn)入劇烈波動的“多事之秋”。再加上?2007年次貸危機(jī)使美國房地產(chǎn)衰退雪上加霜，并將推遲其復(fù)蘇時間。雖然相對美歐金融業(yè)而言，亞洲及中國遭受的直接影響還相對較小。但是美次貸危機(jī)對國際金融市場和世界經(jīng)濟(jì)產(chǎn)生“溢出效應(yīng)”，可能通過其廣泛的投資者、衍生品及影響市場預(yù)期和實(shí)體經(jīng)濟(jì)運(yùn)行等多個渠道，對亞洲及中國經(jīng)濟(jì)產(chǎn)生間接的影響。不過美國次貸危機(jī)和金融機(jī)構(gòu)面臨困難也為亞洲經(jīng)濟(jì)體提供一些機(jī)遇。就像是我們中國的一句老話：“塞翁失馬焉知非福?”。在圖中也可以看出2007年美國次貸危機(jī)對我國經(jīng)濟(jì)也造成了一定的影響，使之造成了一定通貨膨脹。使其后兩年的消費(fèi)品零售總額有所下降。

4.2.8模型的局限性。

（1）

ARIMA模型的短期預(yù)測效果要優(yōu)于長期預(yù)測。原因在于本模型均是基于過去時間序列數(shù)據(jù)建立的，并沒有考慮預(yù)測期相應(yīng)時間內(nèi)突發(fā)情況等因素，隨著預(yù)測期的增長，預(yù)測效果自然會變得比較差。

（2）

針對于模型預(yù)測誤差的產(chǎn)生原因，除了上述模型本身的問題外，筆者認(rèn)為還有人為因素的干擾。

五．總結(jié)

在利用時間序列ARIMA模型進(jìn)行分析、預(yù)測時需要對數(shù)列進(jìn)行預(yù)處理，以檢驗(yàn)數(shù)列擬合ARIMA模型是否合適。通過對1952年至2011年我國社會消費(fèi)品零售總額的建模分析，本文建立了ARIMA模型,并得到了較好的擬合效果。而對2012年到2016年的我國社會消費(fèi)品零售總額進(jìn)行預(yù)測，從預(yù)測結(jié)果看,在2012年到2016年間我國社會消費(fèi)品零售月度總額將會有較大的增速。因此，政府可以參考預(yù)測結(jié)果制定相應(yīng)政策來調(diào)控宏觀經(jīng)濟(jì)，可以從以下兩個方面進(jìn)行分析。了解與建議：

（一）導(dǎo)致我國消費(fèi)品零售總額增加的原因主要有以下幾方面。

1.國家政策措施效果明顯。為了應(yīng)對國際金融危機(jī)的不利影響，我國及時出臺了一系列擴(kuò)內(nèi)需、促消費(fèi)的政策措施，成為消費(fèi)品零售總額保持平穩(wěn)較快增長的首要因素。主要表現(xiàn)為直接提高居民特別是低收入群體的收入，增強(qiáng)了城鄉(xiāng)居民消費(fèi)能力；加強(qiáng)民生工程建設(shè)，從一定程度上解除了居民消費(fèi)的后顧之憂；穩(wěn)定大宗商品和熱點(diǎn)消費(fèi)品價格，有力地促進(jìn)了相關(guān)商品銷售。這些政策措施的實(shí)施，提高了城鄉(xiāng)居民實(shí)際消費(fèi)能力和消費(fèi)意愿，從而有效地阻止了我國消費(fèi)品市場趨冷的走勢。

2.生產(chǎn)經(jīng)營單位積極應(yīng)對危機(jī)。為應(yīng)對國際金融危機(jī)影響，商家普遍開展了長時間、大范圍、多形式的促銷活動，一些外貿(mào)企業(yè)為緩解外需不足，也通過舉辦外貿(mào)大集等形式大力開辟國內(nèi)市場。

（二）保持消費(fèi)品市場持續(xù)增長的建議

投資與消費(fèi)對GDP的貢獻(xiàn)一般是此消彼長的關(guān)系，在研究GDP的相關(guān)問題時常選取社會消費(fèi)品零售總額代表經(jīng)濟(jì)的消費(fèi)需求成分。根據(jù)預(yù)測，我國經(jīng)濟(jì)目前處于一種穩(wěn)定增長的態(tài)勢，那么在逐漸提高效率和品質(zhì)的供給能力支持下，驅(qū)動我國經(jīng)濟(jì)發(fā)展的主要動力來自國內(nèi)外的穩(wěn)定需求增長。因此，在制定我國宏觀經(jīng)濟(jì)調(diào)控政策時的一個基本導(dǎo)向是：利用供給管理政策保證長期經(jīng)濟(jì)增長，利用需求管理政策兼顧短期經(jīng)濟(jì)波動。在經(jīng)濟(jì)增長已經(jīng)進(jìn)入以累積需求為主導(dǎo)的發(fā)展階段時，能否有效地啟動消費(fèi)需求和保持消費(fèi)需求水平，是促進(jìn)增長型經(jīng)濟(jì)周期形成的關(guān)鍵。具體做法有以下幾點(diǎn)。

1.大力開拓農(nóng)村市場，挖掘農(nóng)村消費(fèi)潛力。

2.繼續(xù)發(fā)揮投資對消費(fèi)的拉動作用。加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，加快城市化建設(shè)步伐，增加有效需求，刺激市場發(fā)展。

3.健全社會保障機(jī)制，提高居民消費(fèi)水平。消費(fèi)要有收入作基礎(chǔ)，收入是消費(fèi)的來源，是影響消費(fèi)需求最重要的因素，只有全面提高居民人均可支配收入，保障低收入家庭的收入，才能使人們放心大膽地進(jìn)行消費(fèi)。

4．進(jìn)一步整頓和規(guī)范市場秩序。加強(qiáng)市場的監(jiān)管力度，嚴(yán)把商品質(zhì)量關(guān)，加大對市場上商品的抽查力度，充分保障消費(fèi)者的合法權(quán)益，增強(qiáng)消費(fèi)者的信心，努力擴(kuò)大消費(fèi)。

六．參考文獻(xiàn)

【1】中華人民共和國國家統(tǒng)計局?jǐn)?shù)據(jù)庫

【2】肖枝洪，郭月明????《時間序列分析與SAS應(yīng)用》（第二版）武漢大學(xué)出版社

【3】張瑛，雷毅雄????《SAS軟件實(shí)用教程》???科學(xué)出版社

【4】王燕

《應(yīng)用時間序列分析》（第三版）中國人民出版社

【5】百度文庫

七．附錄

附錄一：?SAS程序如下

data?curriculum_design;input?x@@;difx=dif(x);

time=intnx(＇year＇,＇01jan1952＇d,_n_-1);format?time?date.;cards;

276.8??????348???????381.1??????392.2???????461???????474.2?????548

638????????696.96????607.7??????604?????????604.5?????638.2?????670.3

732.8??????770.5?????737.3??????801.5???????858??????929.2????1023.3

1106.7????1163.6????1271.1?????1339.4??????1432.8????1558.6???1800.0

2140.0????2350.0?????2570.0????2849.4??????3376.4?????4305.0???4950.0

5820.0????7440.0?????8101.4????8300.1??????9415.6????10993.7??14270.4

18622.9???23613.8???28360.2????31252.9????33378.1????35647.9??39105.7

43055.4???48135.9???52,516.3???59,501.0???68352.6????79145.2??93571.6

114830.1??132678.4??156998.4???183918.6

proc?gplot;

plot?x*time?difx*time;

symbol?c=black?v=star?i=join;proc?arima;

identify?var=x(1)nlag=22;estimate?p=1?noint;

forecast?lesd=5?id=time;

run;

proc?arima?data=curriculum_design;

identify?var=x?nlag=22?minic?p=(0:5)q=(0:5);estimate?p=1;

forecast?lead=5?id=time?out=results;

run;

proc?gplot?data=results;

plot?x*time=1?forecast*time=2?l95*time=3?u95*time=3/overlay;symbol1?c=black?i=none?v=star;symbol2?c=red?i=join?v=none;

symbol3?c=green?i=join?v=none?l=32;

run;