摘要本文是以1991-2014年上海市居民价格消费指数为样本，我们尝试着对这些数据建立合适的模型，首先我们试着以指数平滑法来尝试建模，但是发现建模以后的拟合图形与原图形相似度并不高，接着我们试着用了ARIMA模型来尝试建模，建模后发现拟合图形与原图形相似度很高，也就是说模型高度拟合，然后我们根据AIC,SBC准则来选择最优模型.所以最终我们选择并建立了ARIMA（1,1,0）模型，模型拟合效果优秀，因此我们根据此模型对2015,2016,2017年上海市居民价格消费指数进行预测分析.51797
该论文有图10幅，表10个，参考文献13篇。
毕业论文关键词：居民价格消费指数（CPI）； 时间序列分析； ARIMA模型； 单指数平滑模型.
Time Series Analysis Of The Consumer Price Index Of Shanghai City
Abstract
This paper is to 1991-2014 Shanghai city residents price consumption of this. First we try to exponential smoothing method to attempt to model, but found that after modeling fitting graph and the original graph similarity is not high, then we try to use ARIMA model to modeling and after modeling found fitting graph and the original graph similarity is very high. That is to say model highly fit, then we according to the AIC and SBC criteria to select the optimal model. So in the end we choose and establish the ARIMA (1,1,0) model. good fitting effect, And according to this model, the price index of Shanghai city residents for the next three years is forecasted.
Key Words: Consumer Price Index, Time Series Analysis, ARIMA model.
目 录
摘要-Ⅰ
Abstract--Ⅱ
目录-Ⅲ
图清单-Ⅳ
表清单-Ⅳ
1 绪论-1
1.1单指数平滑模型1
2 ARIMA模型--3
2.1 ARIMA模型建模的步骤4
2.2 观测值地预处理-4
2.3 模型地定阶--4
2.4 模型地诊断检验-4
3建立模型5
3.1模型预测效果的评价10
4 结论-11
参考文献13
致谢-14
图清单
图序号 图名称 页码
图1-1 1991-2014年居民价格消费指数时序图 2
图1-2 CPI单指数平滑拟合图 2
图3-1 上海市CPI一阶差分序列时序图 5
图3-2 CPI的一阶差分自相关图 5
图3-3 CPI一阶差分的偏自相关图 6
图3-4 ARIMA (1，1，0)模型地拟合值情况 7
图3-5 CPI残差1序列的自相关图 8
图3-6 ARIMA (0，1，1)模型地拟合情况 9
图3-7 CPI残差2序列的自相关图 9
图3-8 上海市CPI指数最终拟合图及预测情况 11
表清单
表序号 表名称 页码
表1-1 1991-2014居民价格消费指数 1-2
表3-1 CPI一阶差分白噪声检验 6 上海市CPI指数的时间序列分析:http://www.youerw.com/shuxue/lunwen_55565.html