基于动态对比和聚类算法的贵州省区域CPI时序科普分析
Temporal Popular Science Analysis of Regional CPI in Guizhou Province Based on Dynamic Comparison and Clustering Algorithm
DOI: 10.12677/SA.2023.122037, PDF,    科研立项经费支持
作者: 吴明珍, 晏 榛：兴义民族师范学院，数学科学学院，贵州 兴义
关键词: 贵州省区域CPI；CPI运行状态；ARIMA模型；层次聚类法；Guizhou Province Regional CPI； CPI Running State； ARIMA Model； Hierarchical Clustering Method
摘要: 区域居民消费价格指数(Consumer Price Index, CPI)是区域宏观经济分析和政策指定的重要参考指标。不同区域的CPI存在一定的差异，但目前对区域CPI的研究文献较少。文章针对贵州省及其各区域的CPI时序数据，使用对比分析与聚类的方法对贵州省各区域CPI时序的运行状态进行了分析，并普及相关科学知识。研究结果表明：贵州省各区域CPI的运行状态存在一定的差异，又从聚类结果中能看到相同的趋势。这对贵州省经济区域协调发展与物价调控政策制定提供了一定的理论依据。
Abstract: Regional Consumer price index (CPI) is an important reference index for regional macroeconomic analysis and policy designation. There are some differences in CPI in different regions, but there are few studies on regional CPI at present. Aiming at the CPI time series data of Guizhou Province and its regions, this paper analyzes the running state of CPI time series of each region in Guizhou Province by using comparative analysis and clustering method, and popularizes relevant scientific knowledge. The results show that there are certain differences in the running state of CPI among different regions in Guizhou Province, and the same trend can be seen from the clustering results. This provides a theoretical basis for the coordinated development of regional economy and the formulation of price control policies in Guizhou Province.
文章引用：吴明珍, 晏榛. 基于动态对比和聚类算法的贵州省区域CPI时序科普分析[J]. 统计学与应用, 2023, 12(2): 346-354. https://doi.org/10.12677/SA.2023.122037

参考文献

[1] 邵明振, 陈磊, 宋雯彦. 我国月度居民消费价格指数的预测方法与应用[J]. 统计与决策, 2012(14): 30-31.
[2] 王振中, 陈松蹊, 涂云东. 中国居民消费价格指数的动态结构研究及中美量化比较[J]. 数理统计与管理, 2021(1): 109-126.
[3] 伊力扎提∙艾热提. 中国消费者价格指数预测模型的选择[J]. 统计与决策, 2022, 38(4): 68-73.
[4] 陈逸东, 陆忠华. 基于卷积长短时记忆网络的CPI预测[J]. 计算机工程与应用, 2022, 58(9): 256-262.
[5] 李博英, 王璇子. 碳排放强度对居民消费价格指数的影响研究[J]. 统计与信息论坛, 2022, 37(10): 65-74.
[6] 张伟. 地区购买力平价与2015-2019年省级地区居民消费价格水平——基于84个主要城市的研究[J]. 统计研究, 2022, 39(10): 119-132.
[7] 钟妙. 法定存款准备金率对居民消费价格指数影响的实证[J]. 统计与决策, 2020, 36(23): 155-159.
[8] 魏璐, 钱存华. 关于对可能影响CPI的几个因素的研究[J]. 数理统计与管理, 2014, 33(1): 122-127.
[9] Box, G.E.P., Jenkins, G.M., Reinsel, G.C., et al. (2015) Time Series Analysis: Forecasting and Control. John Wiley & Sons, Hoboken.
[10] Salvador, S. and Chan, P. (2007) Toward Accurate Dynamic Time Warping in Linear Time and Space. Intelligent Data Analysis, 11, 561-580.
[Google Scholar] [CrossRef] 

为你推荐