社會上所有產(chǎn)品和服務的最終價格都是通過居民消費價格[1]統(tǒng)計調(diào)查得出的。一方面,它與人民群眾的生活密切相關;另一方面,它在國民經(jīng)濟價格體系中發(fā)揮著重要作用。它是進行經(jīng)濟分析和決策的重要指標,同時也是物價總水平和國民經(jīng)濟核算的重要基礎。本文主要選取了反映物價水平變動情況的居民消費價格指數(shù)（Consumer Price Index）進行分析。第一部分主要是對居民消費價格指數(shù)時間序列進行預測,首先對1951-2012年的中國CPI數(shù)據(jù)分別運用最小二乘估計法和基于MCMC算法的貝葉斯參數(shù)估計法建立AR（2）模型后,再用所得的兩種模型對2013-2015年的CPI時間序列進行預測,將基于貝葉斯參數(shù)估計的模型得到的預測結果與最小二乘估計的模型得到的預測結果進行對比。第二部分是運用2016年全國31個省份的居民消費價格指數(shù)數(shù)據(jù)進行因子分析,找出影響價格變動水平的主要因素。第三部分是對該數(shù)據(jù)進行SOM神經(jīng)網(wǎng)絡聚類分析,將31個省份按照某種相似的特征劃分為一類。結論表明:（1）基于貝葉斯參數(shù)估計的模型的預測結果更為準確;（2）主要有4個影響消費物價波動水平的因素;（3）通過人工神經(jīng)網(wǎng)絡分析,可以看出31... 

【文章來源】：南京師范大學江蘇省 211工程院校

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

圖２－１原始序列圖??

第２章時間序列模型ＣＰＩ的預測０．０５，即拒絕原假設，因此所有的參數(shù)在５％的顯著性水平下都具有實際的意義。??．殘差的白噪聲檢驗??殘差序列進行隨機性檢驗，根據(jù)建模要求，殘差序列是白序列之間沒有相關性，殘差序列白噪聲檢驗結果如下：??表２－６殘差白噪聲檢驗??Ｌａｇ?Ｘ－ｓｑｕａｒｅｄ?Ｄｆ?ｐ－ｖａｌｕｅ??６?５．３８８０?４?０．３５３４??１２?８．７４４２?１０?０．７２４６??１８?１１．３９７０?２６?０．８７６８??

圖２－６?Ｄｏｏｄｌｅ?圖??－

【參考文獻】：
期刊論文
[1]基于SOM神經(jīng)網(wǎng)絡的高校圖書館個性化推薦服務系統(tǒng)構建[J]. 劉愛琴,李永清.  圖書館論壇. 2018(04)
[2]一種基于貝葉斯后驗的異常值在線檢測及置信度評估算法[J]. 孫栓柱,宋蓓,李春巖,王皓.  中國科學技術大學學報. 2017(08)
[3]基于ARIMA模型的上海居民消費價格指數(shù)分析及預測[J]. 宋穎超.  時代金融. 2017(15)
[4]基于SOM聚類的微博話題發(fā)現(xiàn)[J]. 宋莉娜,馮旭鵬,劉利軍,黃青松.  計算機應用研究. 2018(03)
[5]中國物價變化的實證分析及走勢預測[J]. 王志剛.  價格理論與實踐. 2016(12)
[6]基于貝葉斯估計的路基沉降時間序列分析模型[J]. 王江榮,袁維紅,趙睿,任泰明.  礦山測量. 2016(04)
[7]我國CPI與汽車行業(yè)關系的探討[J]. 李冰.  統(tǒng)計與咨詢. 2015(06)
[8]基于貝葉斯MCMC方法的我國人口死亡率預測[J]. 胡仕強.  保險研究. 2015(10)
[9]基于MCMC方法的公路客運量貝葉斯AR（p）分析[J]. 韓國華,魏其運.  山東交通科技. 2015(04)
[10]基于ARIMA模型的北京居民消費價格指數(shù)預測[J]. 楊穎梅.  統(tǒng)計與決策. 2015(04)

博士論文
[1]基于貝葉斯網(wǎng)絡的突發(fā)事件應急決策信息分析方法研究[D]. 徐磊.哈爾濱工業(yè)大學 2013
[2]基于數(shù)據(jù)的間歇過程故障診斷及預測方法研究[D]. 王姝.東北大學 2010
[3]機器人嗅覺系統(tǒng)及相關傳感器理論與實驗研究[D]. 王昌龍.東南大學 2004

碩士論文
[1]我國基本養(yǎng)老保險基金投資組合策略研究[D]. 任麗蘋.西北農(nóng)林科技大學 2017
[2]基于貝葉斯理論的人均GDP時間序列預測研究[D]. 尹姍姍.廣州大學 2016
[3]我國居民消費價格指數(shù)（CPI）影響因素的實證分析[D]. 魏靜潔.云南大學 2016
[4]北京市CPI的分析與預測[D]. 陳婉瑩.北京交通大學 2015
[5]基于數(shù)據(jù)驅(qū)動的釹鐵硼氫粉碎優(yōu)化控制系統(tǒng)研究[D]. 趙曉斌.內(nèi)蒙古科技大學 2015
[6]基于VAR模型的CPI實證分析及預測[D]. 程秀芝.天津財經(jīng)大學 2015
[7]基于SOM的神經(jīng)網(wǎng)絡聚類方法在臨床檢驗知識發(fā)現(xiàn)中的適用性研究[D]. 孫麗君.第四軍醫(yī)大學 2013
[8]渦輪葉片故障診斷與模擬研究[D]. 劉英乾.哈爾濱工程大學 2013
[9]MA（q）模型的貝葉斯分析[D]. 熊歐.西南交通大學 2007
[10]基于AHP-SOFM的智能化決策模型研究與應用[D]. 胡子義.首都師范大學 2006



本文編號：3489926