基于时间序列模型的成都市社会消费品零售总额预测数据分析报告

基于时间序列模型的成都市社会消费品零售总额预测数据分析报告

刘红 ,陈淇 ,马莉萍 ,鲁丁平 ,张周国

四川工商职业技术学院  四川省都江堰市 611830

摘要：社会消费品零售总额是拉动我国国民经济增长的重要力量。以成都市为例，对其社会消费品零售总额数据建立时间序列预测模型，反映当地居民生活消费水平，预测未来市场环境变化，制定经济结构调整计划。

关键词：社会消费品零售总额，时间序列预测模型，成都市

进入新时代以来，在市场经济的变化以及刺激经济增长的大环境下，消费市场日趋活跃。社会消费品市场社会消费品零售总额不仅是我国经济发展的重要部分，同时也是我国总体消费水平的直观表示，消费需求也成为拉动经济增长的“三驾马车”之一。国内部分学者研究社会消费品零售总额的未来预测方向，张程（2022）认为，社会消费品零售总额是事关居民消费水平最重要的指标之一，同时也是研究市场变动的重要指标，有利于准确定位消费市场[1]。孙毛宁和周敏（2021）认为，社会消费品零售总额是反映特定时期社会生产力以及消费水平的重要指标，科学的预测利于准确把握消费趋势、推动消费升级[2]。因此完善社会消费品零售总额指标预测是了解社会消费市场状况以及人民生活消费水平的需要。本文将成都市2018-2022近五年社会消费品零售总额数据建立时间序列预测模型，运用SPSS软件进行相应数据分析。

目前的消费水平仍然偏低，不足以支持消费经济快速稳定发展，某些因素也在相对程度上影响社会消费品零售总额，随着社会经济的不断发展，社会消费品零售总额一直都是备受关注的重要指标，根据目前的社会消费品零售总额情况预测成都市未来消费增长及消费水平变动趋势，分析消费需求情况，使政府能够在适应市场规则环境下对未来经济社会可持续发展做出合理规划，调整消费结构以此来拉动内需，增加社会消费品零售总额。马强、张琛婕、陈雪平、张孔生（2021）认为，分析研究社会消费品零售总额发展趋势对我国经济进入转型期发展具有重要意义[3]。在经济全球化覆盖的时代背景下，中国社会消费品零售总额的发展也将进入国际化竞争的新阶段。近几年来，人民生活水平的提高，满足美好需求愿望更加强烈，物质消费也跟上时代节奏，社会消费品零售总额的情况也吸引着政府和大众的关注，通过对消费需求的充分了解，对我国制定相关政策有积极意义。

一、时间序列分析概念及影响因素

时间序列就是将反映现象发展水平统计指标数值按时间顺序编排而成的统计数列或时间数列。时间序列组成因素首先是现象属于什么时间，也就是时序。另一种是反映现象发展程度的指标数值，即发展水平。

时间序列主要包括长期趋势，季节变动，循环变动，不规则变动等。其中长期趋势，季节变动和循环变动可以解释，而不规则变动则不能。

二、时间序列模型运用

（一）数据来源

本文选择成都市2018年9月到2022年9月共计16个季度社会消费品零售总额数据作为研究对象，数据来源于成都市统计局数据库。时间序列适用于进行短期预测，因此选取近几年的数据，更有参考依据。如表2-1所示。

表2-1 2018-2020年成都市社会消费品零售总额

注：数据来源于成都市统计局

（二）长期趋势（Tt）计算分析

1.利用移动平均法计算TC序列

由于原数据中社会消费品零售总额与时间(季度)之间线性趋势不明显，为能进-步测定长期趋势的影响，需要利用移动平均法对源数据进行处理，鉴于数据特点，故以四个季度为一个周期作为移动时距，计算TC序列。利用EXCEL软件对数据进行计算和处理。并绘制趋势图将时间（季度）作为横坐标，利用销量原值和移正平均（TC）值分别绘制散点图，观察趋势变化。如图2-1所示。

图2-1 2018-2022年各社会消费品零售总额（TC数据）

2.趋势线拟合方程的统计检验

建立趋势方程：利用SPSS软件将季度和零售总额数据（TC）录入SPSS软件，建立数据文件；在软件中选择线性回归分析模块，设置相关参数；通过拟合优度（R2）检验拟合效果非常好，通过F检验（方差分析）认为因变量和自变量存在显著的线性相关关系。通过T检验（回归系数检验）回归系数不为零因此回归方程有意义后进行一元线性回归分析模型的估计分析，如表2-2所示。

表2-2模型参数估计

由表2-2可以看出，模型中截距对应的系数为1750.44，自变量广告支出额对应的回归系数为38.615。所以写出一元线性回归分析模型为：T

t=1750.44+ 38.615*t。根据模型计算和预测长期趋势，得出Tt的相关数据。

（三）季节趋势（St）计算分析

首先，利用第一步计算得到的TC序列，计算只包含季节变动和不规则变动的序列SI，因Y=T*C*S*I,所以，SI=Y/TC；其次，将计算的SI数据按年份与季节形成新的数据表，利用同期平均法计算季节比率，同时进行调整。2022年第四季度和2023年第一季度的季节指数详见下表。如表2-3所示。

表2-3季节比率计算

（四）循环趋势（Ct）计算分析

根据计算得出的TC序列，剔除长期趋势的影响；循环趋势Ct。计算公式为：Ct=TC/Tt。2022年第四季度和2023年第一季度的Ct值计算详见下表。如表2-4所示。

表2-4循环趋势（Ct）计算

由于时间序列乘法模型为：Yt=Tt*St*Ct；所以2022年第四季度的T17，值为2407，S17值为110.086%，C17值为86.17%，代入模型得到2022年第四季度预测值：Y17=2283.31（亿元）。同理：利用2022年预测出的第四季度零售总额数据预测出2023年第一季度预测值：Y17=2041.328（亿元）。

三、总结

利用时间序列模型进行社会消费品零售总额的短期预测，具有较高的可信度，社会消费品零售总额增长速度变化趋势具有不稳定性，其原因在于影响社会消费品零售总额的因素，如居民收入水平、人口变动因素、物价水平、利率变化和消费环境等，这反映经济活动中的一个重要环节——消费。成都市存在市场消费需求不足现象，使其发展受到阻碍，因此为促进成都市快速发展，消费结构需加快创新，从而快速提高成都市社会消费品零售总额增长率。

参考文献：

[1]张程.《社会消费变化的背后》.2022年

[2]孙毛宁.周敏.《上海市社会消费品零售总额预测及发展对策研究》.上海市经济管理干部学院学报，2021年第6期9-18

[3]马强.张琛婕.陈雪平.张孔生.《基于乘积季节模型的社会消费品零售总额分析》.数学的实践与认识，2021年06期

[4]朱建平.靳刘蕊.《厦门大学统计学系列教材.高等院校教材经济预测与决策》.厦门大学出版社，2019年8月

作者简介：

[1]刘红，2002-，四川泸州，四川工商职院 信息统计与分析专业

[2]陈淇，2002-，四川西昌，四川工商职院 信息统计与分析专业

[3]马莉萍，2001-，四川广元，四川工商职院 信息统计与分析专业

[4]鲁丁平，2000-，四川泸州，四川工商职院 信息统计与分析专业

[5]张周国，1978-，四川工商职院，副教授，主要从事经济管理教学教改研究