公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

我国居民消费季节调整和节日效应测算被引量：4: 2015年; Bayes季节调整方法因有坚实的理论基础,调整效果优于其他方法等,日益受到广泛的重视与应用。本文将Bayes季节调整模型引入国内,同时在模型中补充贸易日和闰年的影响。用R软件Timsac包中的Bayesian程序实现对社会消费品零售额的季节调整和环比增长率测算,测算结果表明,长期我国社会消费品零售总额具有稳定的指数增长趋势和U型季节特征,得到的月环比增长率反应灵敏。通过季节指数抛物线拟合,得到"五一"和"十一"节日经济效应和比例。总体上"五一"的节日效应显著;"十一"有正面效应,但影响不显著。; 桂文林韩兆洲; 关键词：贝叶斯模型季节调整居民消费节日效应

德国BV4.1模型修正与中国CPI季节调整被引量：1: 2017年; 居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响。本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性。首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理。在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究。研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型如X-12-ARIMA和TRAMO/SEATS相比具有很强的稳定性。; 桂文林李玉玲; 关键词：季节调整

基于状态空间模型的中国消费率变动趋势: 2013年; 中国消费率长期偏低且近年有持续下降的趋势,在中国消费社会处于转型升级的重要时期,投资和消费的失衡是当前宏观经济中最严重的问题之一。在对中国消费率偏低原因的静态分析和评价的基础上,首先从消费结构的视角构建了中国1992年1季度至2010年4季度的商品货物消费率。其次,在状态空间季节调整模型中引入均方根信息滤波方法,对原有Kalman滤波模型予以改进,用R软件中DECOMP程序将中国商品货物消费率非平稳序列进行分解,得到变动趋势。再将其与总消费率的走势进行比较发现两者之间的走势存在明显差异。通过建立总消费率与商品货物消费率及消费结构之间的合理函数关系,对前两者差异以及近年中国消费率持续走低进行了合理解释,并从消费结构视角提出提高中国消费率推动消费结构升级的对策。; 桂文林; 关键词：状态空间模型消费率季节调整消费结构

中国居民消费季节调整:2000～2010——基于均方根信息滤波状态空间模型的研究: 2015年; 近年我国消费率持续下降,在我国消费社会处于转型升级的重要时期,投资与消费的失衡是当前宏观经济中最严重的问题之一。本文在基于传统的Kalman滤波状态空间季节调整模型的基础上,用均方根信息滤波的方法对状态空间季节调整模型进行改进,充分利用R软件中DECOMP程序包的优势将2000年1月至2010年12月我国居民消费非平稳序列进行分解。所得结论:(1)二阶AR成分模型最优。交易日对我国消费品零售额影响不显著。(2)我国社会消费品零售额有两阶段指数发展趋势特征,2003年是趋势变化转折点,后期比前期增长快。具有中间低、两头高的U型季节特征。(3)得到非常平滑的月环比增长率,为经济监测提供了更稳定的依据。; 桂文林韩兆洲; 关键词：状态空间模型季节调整

基于PMI分解的制造业损失评估被引量：3: 2016年; 2008年金融危机对我国制造业造成巨大冲击,对危机的影响进行评估对于建立科学的危机预防机制具有重要的意义。本文运用X-13A-S模型将我国制造业PMI进行分解,研究各成分在危机期间的波动情况,分析金融危机的动态演变过程并构建本底趋势线进行损失评估,最后划分金融危机的生命周期。研究结果表明:(1)X-13A-S模型对指数调整效果较好,长期波动趋势分为三个时期;季节成分波动表现为"三波峰、三波谷";异常值与危机事件相对应。(2)金融危机全面爆发前期PMI指数损失5.11%,平均损失1.28%;爆发后期指数损失49.31%,平均损失4.11%,本轮危机共损失54.42个百分点。(3)2008年1月至4月为金融危机生成期,2008年5月至12月为全面爆发期,2009年1月至5月为衰退期,2009年6月至8月为消亡期,整个危机持续16个月。(4)金融危机全面爆发时期以8月份为分界点,表现出"前期趋势-循环成分,后期不规则变动"的动态机制。; 桂文林唐崔巍; 关键词：本底趋势线

基于EEMD-JADE模型的PMI与PPI结构分析及传导机制被引量：11: 2017年; 研究目标:构建采购经理指数PMI和生产者价格指数PPI结构分量间的传导机制。研究方法:使用PMI和PPI同比序列进行集合经验模态分解(EEMD)得到固有模态序列作为观察信号,采用特征矩阵联合近似对角化算法(JADE)提取独立信号分量序列并通过游程判定法重构出不同频率的结构分量,最后进行Granger因果检验。研究发现:PMI和PPI重构出的高中低频三个结构分量分别反映短期波动、中期波动和长期波动。Granger因果检验表明,高频分量中PPI和PMI互为因果关系,传导时长为1期;中频分量中PMI是PPI的因且先行4期;低频分量PPI是PMI的因且先行10期。研究创新:将时频分析方法 EEMD-JADE联合算法引入经济领域。研究价值:为经济量化调控政策提供导向和理论依据。; 桂文林黎庆莹; 关键词：特征矩阵 GRANGER检验 PMI PPI

全选清除导出

共1页<1>

教育部人文社会科学研究基金(13YJC910004)