時(shí)間序列分析結(jié)課論文

全國社會(huì)消費(fèi)品零售總額的時(shí)間序列分析

全國社會(huì)消費(fèi)品零售總額的時(shí)間序列分析

摘要

時(shí)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(shí)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(shí)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(shí)到短期計(jì)劃的重要性。在要求減少對市場干預(yù)的同時(shí)，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(huì)消費(fèi)品零售總額反映了經(jīng)濟(jì)運(yùn)行中的一個(gè)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(huì)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(huì)消費(fèi)品零售總額為研究對象，做時(shí)間序列分析。首先，對全國60多年來社會(huì)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(huì)消費(fèi)品零售市場發(fā)展等方面對社會(huì)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(huì)消費(fèi)品零售總額???SAS軟件???時(shí)間序列分析??預(yù)測

一．引言

社會(huì)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(huì)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(gè)指標(biāo)能夠反映通過各種商品流通渠道向居民和社會(huì)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(huì)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(dòng)了社會(huì)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(tái)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(huì)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(huì)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(shí)間序列分析方法對我國社會(huì)消費(fèi)品零售總額進(jìn)行分析和預(yù)測。時(shí)間序列分析是根據(jù)動(dòng)態(tài)數(shù)據(jù)揭示系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)的規(guī)律的統(tǒng)計(jì)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(shí)間序列中所包含的動(dòng)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(bào)

二．問題重述

1.1問題背景

社會(huì)消費(fèi)品零售總額指企業(yè)（單位、個(gè)體戶）通過交易直接售給個(gè)人、社會(huì)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(gè)人包括城鄉(xiāng)居民和入境人員，社會(huì)集團(tuán)包括機(jī)關(guān)、社會(huì)團(tuán)體、部隊(duì)、學(xué)校、企事業(yè)單位、居委會(huì)或村委會(huì)等。

社會(huì)消費(fèi)品零售總額由社會(huì)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(huì)零售商品購買力、社會(huì)生產(chǎn)、貨幣流通和物價(jià)的發(fā)展變化趨勢的重要資料。反映一定時(shí)期內(nèi)人民物質(zhì)文化生活水平的提高情況，反映社會(huì)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(shí)間序列是指同一種現(xiàn)象在不同時(shí)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(shí)間序列預(yù)測方法的基本思想是：預(yù)測一個(gè)現(xiàn)象的未來變化時(shí)，用該現(xiàn)象的過去行為來預(yù)測未來。即通過時(shí)間序列的歷史數(shù)據(jù)就可以揭示現(xiàn)象隨時(shí)間變化的規(guī)律，將這種規(guī)律延伸到未來的一段時(shí)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(huì)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(jià)格指數(shù)未來年間的走勢。

社會(huì)消費(fèi)品零售總額是一個(gè)具有滯后性的數(shù)據(jù)，根據(jù)社會(huì)消費(fèi)品零售總額的這一個(gè)特點(diǎn)，我們可以運(yùn)用時(shí)間序列分析的方法對我國社會(huì)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(huì)消費(fèi)品零售總額走勢做出合理的預(yù)測。

三、時(shí)間序列模型

3.1模型介紹

對于短的或簡單的時(shí)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(shí)間序列，可用通用ARIMA模型及其特殊情況的自回歸模型、滑動(dòng)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(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列，然后將因變量僅對它的滯后值以及最忌誤差項(xiàng)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(shí)間序列是否平穩(wěn)和回歸中包含部分的不同，分為了幾個(gè)類別：MA（移動(dòng)平均過程）、AR（自回歸過程）、ARMA(自回歸移動(dòng)平均過程)、ARIMA過程。當(dāng)觀測值多于50個(gè)時(shí)候一般都采用ARIMA模型來進(jìn)行擬合。本文社會(huì)消費(fèi)品零售總額收集到的數(shù)據(jù)為60個(gè)，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(dòng)平均（AutoRegressive?Integrated?Moving?Average，ARIMA）模型是以序列不同時(shí)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(jì)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(gè)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(dòng)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(dòng)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(shí)間序列則要先將觀測到的時(shí)間序列進(jìn)行差分運(yùn)算，并化為平穩(wěn)時(shí)間序列后，再用適當(dāng)?shù)哪Ｐ腿M合這個(gè)差分序列。通常情況下，求和自回歸移動(dòng)平均模型的建模過程分為以下幾個(gè)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(dòng)，則通過季節(jié)差分來消除季節(jié)性；

(3)

進(jìn)行模型識(shí)別

(4)

進(jìn)行模型定階；

(5)

對模型的參數(shù)進(jìn)行估計(jì)；

(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(shí)別過程中，我們主要用到兩個(gè)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(gè)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(xiàng)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(gè)統(tǒng)計(jì)量來識(shí)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(shí)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。可運(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(xiàng)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(xiàng)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(shí)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(jì)局網(wǎng)站發(fā)布的社會(huì)消費(fèi)品零售總額時(shí)間序列數(shù)據(jù)，經(jīng)整理得到了歷年社會(huì)消費(fèi)品零售總額（1952~2011）（單位：億元）。

我國社會(huì)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(shí)序圖

圖2.1.1??時(shí)間序列圖

有上圖可知在1952-2011年我國社會(huì)消費(fèi)品零售總額波動(dòng)趨勢總體上是持續(xù)上升的，我們可以看出該時(shí)間序列圖顯示這是一個(gè)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(huì)消費(fèi)品零售總額的時(shí)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(shí)間序列圖如下：

從圖2.2.1中可以看出社會(huì)消費(fèi)品零售總額時(shí)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(gè)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(shí)間波動(dòng)比較大，影響這個(gè)波動(dòng)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(huì)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(dòng)，2008年的社會(huì)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(cái)政政策，使得經(jīng)濟(jì)復(fù)蘇，從而使得社會(huì)消費(fèi)品零售總額穩(wěn)中有降。此時(shí)季節(jié)性性因素對社會(huì)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(dòng)，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(jì)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(huì)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(shí)?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(jì)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(jì)及檢驗(yàn)

從圖2.3.3知，參數(shù)估計(jì)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(shí)間序列的擬和效果，就是檢驗(yàn)整個(gè)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(huì)消費(fèi)品零售總額預(yù)測結(jié)果

圖2.7.1??2012—2016年社會(huì)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(shí)間居民消費(fèi)價(jià)格指數(shù)還會(huì)有有所上漲，但是漲幅不會(huì)偏大。2007-2010年期間趨勢波動(dòng)較大，是因?yàn)槿蚪鹑谑袌鲞M(jìn)入劇烈波動(dòng)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(shí)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(gè)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(shí)間序列數(shù)據(jù)建立的，并沒有考慮預(yù)測期相應(yīng)時(shí)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(huì)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(shí)間序列ARIMA模型進(jìn)行分析、預(yù)測時(shí)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(huì)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(huì)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(huì)消費(fèi)品零售月度總額將會(huì)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(gè)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(shí)出臺(tái)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(jià)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(shí)間、大范圍、多形式的促銷活動(dòng)，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(shí)常選取社會(huì)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(dòng)我國經(jīng)濟(jì)發(fā)展的主要?jiǎng)恿碜試鴥?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(shí)的一個(gè)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(dòng)。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(shí)，能否有效地啟動(dòng)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(dòng)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(huì)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(jì)局?jǐn)?shù)據(jù)庫

【2】肖枝洪，郭月明????《時(shí)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(shí)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;