基于ARIMA与协整模型的居民人均消费支出预测研究
Research on Predicting Per Capita Consumption Expenditure of Residents Based on ARIMA and Cointegration Model
摘要: 居民人均消费支出是体现居民生活水平和质量的重要指标,本研究利用1980~2021年居民人均消费支出数据,构建ARIMA模型与协整模型,对2022~2026年居民人均消费支出进行预测,并将ARIMA模型与协整模型从模型拟合效果和预测精度两方面进行了对比分析,选择了AIC值更小的ARIMA模型预测值{28568.50, 32124.36, 36123.18, 40619.36, 45675.62}作为本研究的预测结果。
Abstract: Per capita consumption expenditure is an important indicator reflecting the living standards and quality of residents, this study uses the per capita consumption expenditure data of residents from 1980 to 2021 to construct ARIMA model and Cointegration model to predict the per capita consumption expenditure of residents from 2022 to 2026, compares and analyzes the ARIMA model and Cointegration model from the aspects of model fitting effect and prediction accuracy, selects the predicted value of ARIMA model with smaller AIC value {28568.50, 32124.36, 36123.18, 40619.36, 45675.62} as the prediction results.
文章引用:林元书. 基于ARIMA与协整模型的居民人均消费支出预测研究[J]. 运筹与模糊学, 2023, 13(6): 6693-6704. https://doi.org/10.12677/ORF.2023.136660

参考文献

[1] 黄家林, 傅虹桥, 宋泽. 补充医疗保险对居民消费的影响——来自城乡居民大病保险的证据[J]. 金融研究, 2022(10): 58-76.
[2] 姚战琪. 数字经济对我国居民人均消费支出的影响研究[J]. 贵州社会科学, 2022(9): 111-120.
[3] 罗正媛, 赵世秀. 城市化背景下人口密度对居民消费的影响——以成渝城市群为例[J]. 商业经济研究, 2022(14): 64-67.
[4] 倪坤, 刘巍. 近代中国居民消费影响因素研究(1910-1936) [J]. 四川大学学报(哲学社会科学版), 2022(3): 182-192.
[5] 郑明贵, 于明, 范秋蓉, 等. 中国2025-2035年碳酸锂需求预测——基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型[J]. 地球科学进展, 2023, 38(4): 377-387.
[6] 孟祥煜. 我国国债期货价格波动率预测研究——基于HAR-GARCH-GRU混合模型的分析[J]. 价格理论与实践, 2022(7): 84-88.
[7] 陈治霖, 胡鸿韬, 边迎迎. 新冠疫情下基于SARIMA模型的上海港集装箱吞吐量预测[J/OL]. 工业工程与管理: 1-16. http://kns.cnki.net/kcms/detail/31.1738.T.20230914.1716.024.html, 2023-10-10.
[8] 龙宇, 许浩然, 余华云, 等. 基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测[J]. 科学技术与工程, 2023, 23(25): 10879-10886.
[9] 杨美涛, 王彦丁, 李志强, 等. ARIMA-SVM组合模型在肺结核发病趋势预测中的应用[J]. 现代预防医学, 2023, 50(11): 1921-1926.
[10] 韩宇浩, 吴茜, 彭金碧, 等. 广东省职业性尘肺病ARIMA模型预测[J]. 中国职业医学, 2023, 50(2): 150-154.
[11] 王晓兵, 郑海文, 孔祥玉. 基于协整分析与改进潜结构投影的质量相关故障检测[J]. 2023, 30(10): 108-113.
[12] 吴旭. 我国居民消费水平的影响因素和现状分析[J]. 统计与管理, 2021, 36(10): 4-10.
[13] 白仲林, 孙艳华. 一种协整时间序列的动态因果效应估计与推断方法[J]. 统计研究, 2021, 38(10): 134-150.