2022年时序法分析研究我国居民消费状况的城乡区域结构.docx

精品学习资源分类号 O21密级 公开UDC 编号硕士争论生学位论文题 目 基于时序分析法争论分析我国居民消费状况的城乡区域结构学院 <所、中心） 数学与统计学院专 业 名 称 应 用 统 计 硕 士争论生姓名万勇学号12021112196导 师 姓 名殷溪源职称 副教授2021 年 4 月欢迎下载精品学习资源欢迎下载精品学习资源扉页：独创性声明欢迎下载精品学习资源本人声明所呈交的论文是我个人在导师指导下进行的争论工作及取得的争论成果；除了文中特殊加以标注和致谢的地方外，论文中不包含其他人或集体已经发表或撰写过的争论成果，对本文的争论做出奉献的集体和个人均已在论文中作了明确的说明并表示了谢意；争论生签名：日期：论文使用和授权说明本人完全明白云南高校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；答应论文被查阅或借阅；学校可以公布论文的全部或部分内容，可以采纳影印、缩印或其他复制手段储存论文；<保密的论文在解密后应遵循此规定）争论生签名：导师签名：日期：本人及导师同意将学位论文提交至清华高校“中国学术期刊<光盘版）电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按中国优秀博硕士学位论文全文数据库出版章程规定享受相关权益；欢迎下载精品学习资源争论生签名：导师签名：日期：中文摘要欢迎下载精品学习资源2021 年的全球经济危机造成全球经济一片萧条，对我国出口乃至整个经济进展产生了极大的不利影响，经济进展急需新的增长点；而我国的经济进展长时间表现出的国内消费需求不足的现象，通过一系列的刺激国内居民消费的政策来扩大内需是一条可行的出路；社会消费品零售总额作为反映经济运行中的重要环节消费的宏观经济指标，对其的分析争论能够直观地明白一国的消费状况， 对一国政府制定相应的刺激消费的政策具有指导意义；时间序列分析是分析争论经济问题的重要工具之一，利用时间序列分析的方法可以直观地展现经济数据随时间变化的规律，并可以对经济变量进行猜测；本文采纳时间序列分析法对我国消费状况的城乡区域差异进行争论分析；本文的主要工作是：第一对季节调整法和季节 ARIMA模型的基本原理与操作方法进行具体的阐述；然后利用季节调整法分别将城镇与乡村的社会消费品零售总额序列以及城镇消费占全国总额的比例序列分解，获得其趋势- 循环序列、季节序列和不规章序列，分析这三个序列的形状特点与趋势变化，得到城乡消费状 况的进展变化趋势和各自的变化特点，分析城乡消费存在的差异；最终对城镇与 乡村的社会消费品零售总额序列分别建立季节ARIMA模型，诊断模型，并检验模型的猜测成效，城镇社会消费品零售总额序列建立的是ARIMA2,1,1> × 1,1,1>模型，乡村社会消费品零售总额序列建立的是ARIMA1,1,1> ×1,1,1> 模型；关键词：社会消费品零售总额、时间序列分析、季节调整法、季节ARIMA 模型ABSTRACTThe 2021 global economic crisis had caused the global economic depression, and had made great negative impact on China's exports, even the whole economic development. The economic development of China needs new sources of growth. Because the phenomenon of domestic economic development with insufficient consumer demandin our country has lasted long time, to expand domestic demandthrough a series of stimulating domestic consumption policy may be a feasible way. Consumable totalretail sales isa macroeconomic indicator that reflects an important link of economic operation, consumption. The analysis and the research on it can intuitively understand a country's consumptionsituation, and then has the guiding importance for a government to form its stimulating consumption policy.Time series analysis is one of the important tool to analyze economicproblems.Through using the method of time series analysis we can visually show the欢迎下载精品学习资源law that economicdata changes over time, andpredict the economic variables for future. This paper uses the time series analysis on our country consumption to analyze the regional differences between the consumption of urban and rural areas.This paper's main work is: first of all, describing the basic principle and operation method of the seasonal adjustment method and the seasonal ARIMA model in detail in this paper ； then usingthe seasonal adjustment method, respectively, on the sequences of consumable total retail sales on urban and rural areas and the sequences of the proportion that urban consumption accounts for the total amount, decomposing thesethree sequences to obtain their trend- cycle sequences, seasonalsequences and irregular sequences, analyzingthe morphological characteristicsand thevariation tendency ofthese three kindsof series to understand the developmenttrendsand the change features of the urban and rural consumption and the consumption differences between urban and rural areas； finally establishing the seasonal ARIMA modelsof the sequences of consumable total retail sales on urban and rural areas respectively, diagnosingthemodels, and verifying the prediction effect of the models.Consumable total retail sales on urban areas is established ARIMA 2,1,1> x 1,1,1> model,consumable total retail sales on rural areas is established ARIMA 1,1,1> x 1,1,1> model.Keys: Consumable total retail sales， Time series analysis，Seasonal Adjustment， Seasonal ARIMA Model目录第一章前言 11.1 争论的背景与目的 11.2 争论方法与创新3其次章理论基础52.1 季节调整法 52.2 季节 ARIMA 模型 8第三章实证分析103.1 数据预处理 103.2 季节调整法 15欢迎下载精品学习资源3.3 季节 ARIMA 模型 20第四章 结论、建议与计策 364.1 争论结论 364.2 建议与计策 38致谢 40参考文献 .1 4欢迎下载精品学习资源第一章 前言1.1争论的背景与目的改革开放 30 年以来，我国经济胜利地实现了由方案经济向市场经济的转变，经受了一个又一个的高速进展阶段，取得了一系列令世界为之瞩目的成就；2007 年我国人均 GDP达到 2280 美元， 2021 年这一数字达到 3266.8 美元，我国已经进入了快速的工业化阶段； 2021 年经济总量更是超过日本，成为世界经济其次大国；出口、固定资产投资、内需消费是拉动中国经济增长的“三驾马车”，而且尤以出口与固定资产投资在中国经济增长的奉献率为大；然而，在连续、快速的经济进展中也显现诸多严肃的问题，特殊是拉动经济增长的“三驾马车”对经济增长拉动作用的非合理化问题日渐突出，整体居民消费增长缓慢、高投资增长率与低消费率并存、经济贸易对外依存度不断上升等不利于经济长期稳固快速进展的状况愈加尖锐；资本形成率由1978 年的 38.2 上升到了 2021 年的 43.5 ，上升 5.3 个百分点；出口率从 1978 年的-0.32 上升到了 2021 年的 7.87 ，上升 8.19 个百分点；在近几年对经济增长的拉动作用上，与投资和出口相比较，消费需求显得偏弱，1978 年至 2021 年，最终消费率由 62.1 下降为 48.59 ，下降 13.51 个百分点，其中，居民消费率从48.8 下降到 35.3 ，下降 13.5 个百分点，均达到历史最低水平；正是由于居民消费总量增速明显慢于经济的增长，低迷的消费需求导致了低投资回报现象的发生，减弱了财政支出的力度，使得经济的快速增长受到肯定程度的阻滞；同时，人均居民消费水平增速慢于经济增速也显得更加明显；另外，近几年，消费对GDP的奉献率和拉动百分点也连续走低，且低于投资对GDP的奉献率和拉动百分点；整体上，经济的增长对投资的高速增长的依靠性越来越大，市场供求状况并没有得到根本性改善；这些问题在 2021 年全球经济危机的大环境下最终加剧恶化，并对经济的增长造成了极大的负面影响；2021 年美国次贷金融危机导致全球经济危机，众多西方国家显现不同程度的经济衰退，首当其冲的就是出口严峻受阻，国际市场对中国商品需求的疲软致使中国的国际贸易形势极度恶化，出口在中国经济增长的奉献越来越被减弱；对欢迎下载精品学习资源外贸易的外部需求的减弱，对我国的出口造成了较大的影响，反映在净出口率上的变化就是净出口率由 2007 年的 8.89%减小为 2021 年的 7.87%，直接下降了1.02 个百分点，如此大的下降间接导致了出口对GDP增长的奉献率由原先的19.7%下降到 9.2%，降低了 10.5 个百分点；而多年来的巨额政府投资以及一系列的促进投资的政策也导致很多行业已经产能过剩，固定资产投资规模已经远远超出经济进展所需的规模，连续利用投资来实现经济的稳固快速进展也将困难重重，无法长期获得稳固快速进展的动力；另外，投资者与消费者制定其相应的投资与消费决策，常常是建立在对投资与消费的将来预期的基础上的，但随着全球经济危机的不断加深，世界各国的投资者与消费者对将来的预期越来越不乐观，投资与消费的信心遭到严峻的打击，而我国也不例外；从2007 年到 2021 年，中国企业家信心指数由 139.60 骤降至 94.6 ，为自 2001 年有记载以来的最低数； 又由于居民实际收入受全球经济危机的影响，增长速度有所回落，导致居民对未来的收入增长信心不足，故而中国消费者信心指数在2021 年下半年也显现了较大程度的下降， 7 月份的消费者信心指数为 94.5 ，到 12 月份这一指数变为87.3 ，下降了 7.2 ，这一变化对 2021 年的消费者信心也产生了较为连续的影响；在国际金融危机不断加深的大环境下，长期困扰我国的国内消费需求不足的问题进一步加剧，经济的进展遭受到更加严峻的阻碍，我国连续五年保持的两位数字的 GDP增长速度，到了 2021 年下滑至 9.0%<而 2007 年就为最高的 13）；面对突如其来的全球经济危机导致的经济增长乏力，如何查找新的增长点让中国经济连续保持平稳快速进展是政府急需解决的问题；从之前排列的统计数据可以看出，由于国内的消费水平普遍偏低，具有较大的提升空间，通过相关政策刺激消费、扩大内需是具有肯定现实意义和可操作性的；可见现在唯独的出路就只有扩大内需，促进消费，拓宽国内市场；继“十一五”规划特殊强调消费和投资的关系，“十二五”规划更是直接提出来要坚持扩大内需战略，将扩大内需作为将来五年经济政策的重中之重，因 此，在这第十二个五年时期，我国面临着调整经济增长的需求结构的艰难任务；针对当前我国经济进展的任务，和国际经济危机对我国经济的不利影响，以及我国国内经济的动荡，如何扩大国内市场，拓展居民的消费，优化居民消费结构，欢迎下载精品学习资源保持经济增长，显得尤为重要和迫切；而要贯彻“十二五”规划积极扩大内需， 就必需第一对国内的消费状况有深化的明白，这就是本文争论的动身点；中国通过 30 多年的改革开放，由一个落后的农业大国逐步进展为现在以制造业为主的工业大国，而为制造业进展铺平道路的就是通过牺牲作为农业生产者的农夫的利益，直接导致的结果便是城乡差距越来越大：城市一每天地快速发 展，日新月异，高楼大厦拔地而起，而乡村却照旧是贫困的代名词，经济落后， 交通不便，环境脏乱差，而城乡的收入差距更是被越拉越大；乡村人口的收入增长乏力直接结果就是，相较于城镇，乡村的消费水平普遍较低，这将对中心扩大内需的政策成效造成不利影响；因而本文的争论着眼于城镇与农村的消费状况及差异，并分析二者的变化趋势；社会消费品零售总额由社会商品供应和有支付才能的商品需求的规模所打算，是争论居民生活水平、社会零售商品购买力、社会生产、货币流通和物价的进展变化趋势的重要资料，是衡量一个国家的消费需求现状与购买潜力的宏观经济指标1 ；因此本文选取社会消费品零售总额这一宏观经济指标作为争论对象， 目的是第一通过分析我国城镇与乡村社会消费品零售总额的动态变化趋势及差 异，得到我国城镇与乡村居民动态消费状况；随后，在对城镇与乡村居民消费状况的动态分析的基础上，总体分析我国城镇与农村居民近年消费结构的特点，从而明白我国居民消费状况的城乡区域结构状况；最终，基于之前的分析结果，提出相应的计策建议，以期对政府制定相关宏观经济政策具有肯定的指导意义，促进我国经济进展；1.2 争论方法与创新本文选取 1990 年 1 月至 2021 年 12 月总共 276 个月的全国社会消费品零售总额及对应的城镇与乡村的社会消费品零售总额的月度统计数据，数据来源于国 家统计局的数据库，保证了数据的牢靠性、客观性与真实性；由于在一年中的各个月份居民的消费习惯会存在不同差异以及考虑到相关节假日<特殊是中国的传统节日，比如春节、中秋节、端午节、清明节等）对消费 也会造成显著的影响，因此作为居民消费状况直观表现的宏观经济标社会消费品 零售总额的月度数据具有很强的季节周期性2 ；分析具有季节性的时间序列一般欢迎下载精品学习资源可采纳两类方法：一种是对该序列进行季节调整，分解出代表不同特点的成分序 列，然后对各个成分序列进行进一步的分析争论；另一种是对该序列建立季节ARIMA模型，即确定 SARIMAp,d,q>×P,D,Q>中的阶数 p,q,d和 P,Q,D, 然后对序列数据进行拟合，模型估量各项参数，获得相应的模型；依据以上的陈述，本文将利用 Eviews 统计软件，第一采纳季节调整法对社会消费品零售总额的城镇与乡村时序数据以及城镇社会消费品零售总额占全国社 会消费品零售总额的比例序列进行相应处理，分解出趋势- 循环序列、季节序列和不规章序列，做出相关时序图，分别定性分析争论各个成分序列的特点与变化 性质，以得出城镇与乡村的居民消费状况的特点与变化规律；然后对城镇与乡村 的社会消费品零售总额时间序列及城镇社会消费品零售总额占全国社会消费品零 售总额的比例序列建立相关 SARIMA模型，对模型进行相关统计检验，并进行相应的猜测；也就是说，本文将使用季节调整法对争论对象进行定性争论，使用季 节 ARIMA模型方法对争论对象进行建模并猜测；本文的创新之处在于，首次使用时间序列分析法对城镇与乡村两个存在较大差异的区域的消费状况进行分析争论，也就是把全国社会消费品零售总额分为城镇与乡村两部分，争论两个区域下的消费状况各自有何特点，以及二者的变化趋势又是怎样的；对城镇与乡村的消费状况的对比过去也曾有人使用聚类分析法做过相关的争论，但使用时间序列分析法分析城乡消费状况差异与变化趋势却是第一次；其次章 理论基础2.1 季节调整法欢迎下载精品学习资源当一个时间序列存在较强的季节影响时 ,季节影响不仅会掩盖时间序列真实的、基本的变化 ,同时也会掩盖确定的非季节特点；此时就需要对时间序列进行季节调整 3 ；2.1.1 季节调整法的概述季节性变动的发生，不仅是由于气候的直接影响，而且社会制度及风俗习惯也会引起季节变动；经济统计中的月度和季度数据或大或小都含有季节变动因 素，以月份或季度作为时间观测单位的经济时间序列通常具有一年一度的周期性变化，这种周期变化是由于季节因素的影响造成的，在经济分析中称为季节性波动；经济时间序列的季节性波动是特别显著的，它往往遮盖或混淆经济进展中其他客观变化规律，以致给经济增长速度和宏观经济形势的分析造成困难和麻烦；因此，在进行经济增长分析时，必需去掉季节波动的影响，将季节要素从原序列中剔除，这就是所谓的“季节调整”Seasonal Adjustment>4 ；现今常用的三种季节调整法是：X-11 方法、 X-12 方法和 Tramo/Seats 方法5 ；本文主要采纳 X-12 方法对社会消费品零售总额序列进行季节调整；2.1.2 X-12 季节调整法的操作步骤6X-12 季节调整法的分三个步骤进行；第一步、季节调整的模型挑选：共包括 4 种季节调整的分解形式：乘法、加法、伪加法和对数加法模型；设 Yt 表示一个月度时间序列，把 Yt 分解为趋势循环项 TCt 、季节项St 和不规章要素 It； 加法模型：Yt = TCt +St +It2.1.1> 乘法模型：Yt = TCt×St ×It 2.1.2> 对数加法模型：lnYt = lnTCt +lnSt + lnIt 2.1.3> 伪加法模型：Yt = TCt St +It - 1> 2.1.4>欢迎下载精品学习资源乘法模型是最常用的方法，其主要特点在于以相对数表示季节要素，可以防止计量单位的影响，增强了不同经济变量之间的可比性；本文的分析争论采纳的是乘法模型；其次步、 X-12 季节调整方法的核心算法：现以加法模型 <只需将加法模型中的各变量当做乘法模型变量的对数变换，然后对两端做指数运算即可获得乘法模型下的X-12 算法）为例； X-12 季节调整方法的核心算法如下所示，共分为三个阶段：第一阶段 运算季节调整的初始估量 趋势循环要素的初始估量欢迎下载精品学习资源季节与不规章要素的初始估量2.1.6> 季节因子的初始估量2.1.5>欢迎下载精品学习资源2.1.7> 排除季节因子中的残余趋势2.1.8> 季节调整结果的初始估量2.1.9>其次阶段 运算暂定的趋势循环要素和最终的季节因子7 利用 Henderson 移动平均公式 运算暂定的趋势循环要素2.1.10> 暂定的季节与不规章要素2.1.11> 暂定的季节因子2.1.12>欢迎下载精品学习资源 最终的季节因子2.1.13> 季节调整的其次次估量结果2.1.14>第三阶段 运算最终的趋势循环要素和最终的不规章要素 利用 Henderson 移动平均公式运算最终的趋势循环要素2.1.15> 最终的不规章要素2.1.16>第三步、贸易日和节假日影响：（1） 贸易日影响和 Young模型由每天经济活动的总和组成的月度时间序列受该月各周的影响，这种影响称为贸易日影响 <或周工作日影响）；Young1965>争论了浮动贸易日的影响， Cleveland and Grupe1983>争论了固定贸易日的影响；贸易日影响和季节影响一样使得比较各月的序列值变得困难，而且不利于争论序列间的相互影响；由于这个缘由，当贸易日影响的估量在统计上显著时，通常在季节调整之前先把贸易日的影响从序列中剔除；在调整的内容中，形成了又一个分解要素：贸易日要素 D；（2） 节假日影响的调整美国的圣诞节、复活节及感恩节等节假日对经济时间序列也会产生影响；例如，圣诞节的影响可以增加当周或前一周商品的零售额，或者是降低特定工厂在圣诞节前几天的产量；在 X12方法中，贸易日和节假日影响可以从不规章要素中同时估量得到；留意 EViews 中的节假日调整只针对美国，不能应用于其他国家；X-12季节调整法依据图 1 所示分解各组成成分：欢迎下载精品学习资源图 1 时间序列组成成分分解2.2 季节 ARIMA模型 891970 年， Box和 Jenkins 提出了以随机理论为基础的时间序列分析方法，即随机时间序列分析，使时间序列分析理论上升到了一个新的高度，猜测的精度大 大提高；随机性时间序列分析包括一元时序分析、多元时序分析、可控时序分析 等，其基本模型有 AR模型、 MA模型以及 ARMA模型、 ARIMA模型和 SARIMA模型等10 ；在介绍 SARIMA模型之前，我们先来介绍一下ARMA模型、和 ARIMA模型，以及 ARMA模型的定阶问题；2.2.1 ARMA模型与 ARIMA模型1. ARMA模型ARMA模型的全称是自回来移动平均模型，它是目前最常用的拟合平稳序列的模型；把具有如下结构的模型称为自回来移动平均模型，简称ARMAp,q>模型11 ；欢迎下载精品学习资源2.2.1>t如=0，该模型为中心化 ARMAp,q>模型，中心化 ARMAp,q>模型可以简写为：2.2.2>很明显，式中如 p=0，ARMAp,q>模型就退化成 MAq>模型；如 q=0，ARMAp,q>模型就退化成 ARp>模型；所以， MAq>模型和 ARp>模型是 ARMAp,q>模型的特例，可以将它们统称为 ARMAp,q>模型，而 ARMAp,q>模型的性质也正是 MAq>模型和 ARp>模型性质的有机结合 12 ；2. ARIMA模型ARMAp,q>模型主要是针对平稳时间序列的分析模型；实际上，在现实中绝 大部分序列都是非平稳的，因而对非平稳序列的分析更普遍、更重要；对于非平 稳序列，我们通常使用求和自回来移动平均模型，即ARIMAp,d,q> 模型进行拟合；我们把如下结构的模型成为ARIMAp,d,q> 模型：2.2.3>式中，ARIMAp,d,q> 模型中参数 d 是非平稳时间序列经过差分的次数；从理论上讲,足够多次的差分运算可以充分地提取序列中的非平稳确定性信息；但差分运算的阶数并不是越多越好；由于差分运算是一种对信息的提取、加工过程,每次差分欢迎下载精品学习资源13都会有信息的缺失 ,所以在实际应用中差分运算的阶数要适当,应当防止过渡差分,即过差分的现象；ARIMAp,d,q> 模型的实质是差分运算与 ARMA模型的组合；这说明任何非平稳序列只要通过适当阶数的差分就能实现平稳，这样就可以对差分后序列进行ARMAp,q>模型拟合了 14 ；3. ARMA模型的识别ARMAp,q>模型的统计性质可以 ARMAp,q>通过自相关和偏自相关函数来描述，通过自相关和偏自相关函数，我们可以总结出如下规律：ARp>模型的自相关系数是拖尾的，而偏自相关系数是p 步截尾的； MAq>模型的自相关系数是q 步截尾的，而偏自相关系数具有拖尾性；ARMAp,q>模型的自相关系数和偏自相关系数都是拖尾的，见表 1；表 1 ARMAp,q>模型自相关系数和偏自相关系数特点模型自相关系数偏相关系数ARp>拖尾p 阶截尾MAq>q 阶截尾拖尾ARMAp,q>拖尾拖尾由于样本的随机性 ,样本的相关系数不会出现出理论截尾的完善情形,本应截尾的相关系数仍会出现出小值振荡的情形；又由于平稳时间序列通常都具有短期相性,随着推迟阶数的增大 ,相关系数都会衰减至零值邻近作小值波动15 ；众所周知，对于一个正态分布的随机变量，其在任意方向上超出均值单位长度的概率约为 0.05 ；因此,可以通过自相关系数和偏自相关系数的估量值 序列的直方图来大致判定在 5%的显著水平下的模型其自相关系数和偏自相关系数不为零的个数 ,进而大致判定序列应挑选的具体模型形式；至于相对最优模型 的挑选，我们一般利用 AIC 准就和 SC准就评判拟合模型的相对优劣,即使上述两个 AIC 和 SC函数值达到最小的模型为相对最优模型 16 ；2.2.2 SARIMA模型在某些时间序列中，由于季节性变化或其他一些固有因素的变化，会存在一些明显的周期性，这类序列称为季节性序列；描述这类序列的模型主要有随机季欢迎下载精品学习资源节模型即 SARIMAP,D,Q>模型和乘积季节模型即ARIMAp,d,q> ×P,D,Q> 模型17 ；随机季节模型 SARIMAP,D,Q>应用于只包含季节性趋势的序列，其结构方程为：2.3.4>其中，式中， D为季节差分阶数， k 为季节自回来的阶数， m为季节移动平均的阶数；U>为季节自回来多项式， V>为季节移动平均多项式；乘积季节模型 ARIMAp,d,q> ×P,D,Q> 应用于既有季节效应又有长期趋势效应的序列，其结构方程为：2.3.5>其中，和用来排除同一周期的不同周期点之间的相关性；和用来排除不同周期的同一周期点之间的相关性；第三章 实证分析3.1 数据预处理本文争论分析采纳的数据是 1990 年 1 月至 2021 年 12 月总共 276 个月的全国社会消费品零售总额及对应的城镇与乡村的社会消费品零售总额的月度统计数 据，数据来源于中华人民共和国国家统计局的数据库；收集数据过程中发觉一些问题，进行了一些预处理：欢迎下载精品学习资源1>在 2021 年 1 月前，国家统计局的社会消费品零售总额数据依据城乡区域划分为市、县和县以下三个区域级别，而在2021 年 1 月及之后，就变为城镇和乡村两个区域级别，也就是说以2021 年 1 月为分界点，前后的统计口径、统计范畴不一样；依据个人的懂得以及通常的做法，将市和县合并等价于城镇好像较 为合理，故在对数据预处理时，本文将2021 年 1 月前的对应每个月的市与县的数据相加，获得城镇数据，而将县以下的数据直接作为乡村数据；由此得来的城 镇与乡村数据是否会与 2021 年 1 月之后的城镇与乡村数据存在较大差异临时未知，需要将前后数据置于一起进行分析；2> 2021年 1、2 月数据缺失，只有 1、2 月的累计数据，本文的处理方法是假定 2021 年与 2021 年 1、2 月对应数据之间的比例相等，将上一年的比例运用在 2021 年 1、2 月累计数上，从而分解为该年的1、2 月的独立数据；由此得到 2021 年 1 月份全国、城镇和乡村的数据分别为17692.6 、15336.9 、2355.7, 而 2 月份全国、城镇和乡村的数据分别为15975.6 、13788.0 、2187.6 ；对数据进行以上预处理后，将全国社会消费品零售总额及对应的城镇与乡村 的社会消费品零售总额数据分别记为Tt、Ct、Vt ，单位为亿元；然后分别运算城镇与乡村社会消费品零售总额占全国社会消费品零售总额的比例，分别记为 RCt、RVt；使用 EViews6.0 绘制出序列 Tt 、Ct 和Vt 以及RCt 和RVt 的时序图 < 分别见图 2 与图 3）；从图 2 中可以看出，全国、城镇与乡村的原始序列都具有明显的指数上升趋势和季节性，但 Ct 序列在 2021 年 1 月由于突然的抬升导致该时期邻近的周期性不明显，而 Vt序列同一时期也由于显现了突然地下跌导致原有的周期性被破坏， Tt 序列就不存在这种现象，整个取样区间的周期性保持地很好；由此说明以 2021 年 1 月为分界点， Ct和 Vt前后的数据存在肯定程度的差异；欢迎下载精品学习资源图 2 全国、城镇与乡村社会消费品零售总额原始序列的时序图从图 3 中可以看出，城镇消费额占全国总消费额的比例RCt 在 90 年到 93 年及00 年到 05 年这两个时期有较快的增长， 94 年到 98 年这一时期略有下降， 05 到09 年这一时期增长缓慢，而 2021 年 1 月这个时点显现大幅的跳动性突增， 2021年 1 月之后的这段时期基本上维护稳固，从整个采样时期来看总体出现上升趋势，并同时存在柔弱的的季节性；而由于乡村消费额占全国总消费额的比例RVt 与城镇比例 RCt 存在互补关系，即 RCt+RVt=1，故RVt 出现与RCt 完全相反的趋势特点，即总体出现下降趋势，并且也存在肯定的季节性；值得留意的是，图3 也显示了在 2021 年 1 月 RCt显现了较大幅度的上升， RVt就显现了较大幅度的下降，再次佐证了图1 与图 2 显示的 2021 年 1 月前后数据差异的问题；欢迎下载精品学习资源2021 年 1 月2021 年 1 月2021 年 1 月全国0.260.85-0.52城镇0.584.88-0.02农村-0.94-14.78-3.70图 3 城镇与乡村占全国总额的比例的原始序列 RCt 与 RVt 的时序图为直观展现 2021 年 1 月前后数据的差异性，我将 2021 年 1 月、 2021 年 1月、2021 年 1 一月这三个月的环比增长率单独列在表2 中；表 2 比较 2021 年 1 月、2021 年 1 月、2021 年 1 一月的环比增长率 <%）由表 2 可以看出，和前后两年同期相比， 2021 年 1 月的城镇与乡村的环比增长率变化较大；也就是说， 2021 年 1 月前后的数据差异很大，将会对后面的分析造成特别大的不利影响；由于不清晰造成数据显现较大差异的真正缘由是什么，无法对数据进行相应的调整以修正这一差异，并且在用Eviews 软件的 Census X12 过程18 进行试分析中显现 error ，无法进行下一步的分析，出于争论分析的严谨性以及可操作性的考虑，本文将只对统计口径一样的数据进行分析争论并建模；而2021 年 1 月之后只有三年的数据，达不到做相关分析争论的样本量，只能退而求其次挑选2021 年 1 月之前的数据，也就是说本文将只对1990 年 1 月至 2021 年 12 月这240 个月的数据进行分析争论；分析争论的样本期数据是 1990 年 1 月至 2021 年 12 月这 240 个月的全国社会消费品零售总额及对应的城镇与乡村的社会消费品零售总额数据，仍分别记为欢迎下载精品学习资源Tt、Ct、Vt ，单位为亿元，并分别运算城镇与乡村社会消费品零售总额占全国社会消费品零售总额的比例，分别记为RCt、RVt；在利用季节调整法做分析争论时，由于只做定性分析，不建立模型，故将对整个样本期的数据进行分析；在利用季节SARIMA模型方法分析争论时，由于要建立模型并检验模型的猜测成效，本文将只利用1990 年 1 月至 2021 年 12 月这228 个月的全国