论文总字数：15817字

摘 要

：季节调整是用来识别、解构时间序列的组成成分，进而剔除序列中存在影响的季节成分与不规则成分，使之反映时间序列的基本趋势。中国统计指标经季节调整后，不仅能正确反映其发展趋势，使得指标各个数据易于比较，而且可以进行短期监控，为政府决策提供相关根据。

本文首先介绍了国际季节调整的方法，其次针对中国特色季节特征进行季节调整的理论阐述，最后基于X-12-ARIMA，对2010年1月至2018年2月的中国社会零售商品总额进行实证研究和进行12期的未来预测。本研究将不失一般性。

关键词：时间序列；季节调整；中国社会零售商品总额；春节效应

ABSTRACT:Seasonal adjustment is used to identify and deconstruct the components of the time series, and then eliminate the seasonal and irregular components in the sequence, and make them reflect the basic trend of the time series. The seasonal adjustment of Chinese statistical indicators can not only reflect the trend of development correctly, make the data of the indicators easy to compare, but also can carry out short-term monitoring, and provide the relevant basis for government decision-making.

This paper first introduces the methods of international seasonal adjustment, secondly the theory of seasonal adjustment of Chinese characteristic seasonal characteristics. Finally, based on X-12-ARIMA, the empirical study on the total amount of Chinese social retail goods from January 2010 to February 2018 and the 12 phase of the future pretest are carried out. This study will not lose its generality.

Key words: Time series; Seasonal adjustment; Total retail sales of Chinese society; Spring Festival effect

目录

1. 绪论 3

1.1研究背景及研究意义 3

1.2国内外关于季节调整的研究综述 4

1.2 结构安排与创新点 4

2 时间序列季节调整问题本质概述 5

2.1 季节调整方法的数据长度类型 5

2.2 季节调整的目的 5

2.3 主要季节调整方法概述 6

2.3.1 X-11系列季节调整方法 6

2.3.2 其他季节调整方法 7

2.4季节调整的基本思路 8

2.5季节调整的意义和作用 8

3 我国统计指标如何进行季节调整 8

3.1我国含季节成分的时间序列的特征 8

3.2我国含季节成分的时间序列对经济的影响 9

3.2 我国季节调整的思路及基本方法 9

3.2.1 针对公历数据的季节调整 9

3.2.2 针对农历假期的季节调整 10

3.4 一个实例 11

4 结论与不足 19

4.1 主要结论 19

4.2 政策建议 19

4.3 论文不足 20

参考文献 21

附录 22

绪论

1.1研究背景及研究意义

早在20世纪19年代，国外的经济学家和统计学家在研究经济时间序列时，发现时间序列同时可受多方面因素的影响，于是基于他们长期对序列的观察与研究后，英国统计学家W.M.Persons在其有关商业环境指标专题的论文中，总结归纳了四类的会引起时间序列波动的因素。

一是长期趋势因素，受此因素影响的序列是会呈现出较为明显的长期递增或持续不断下降的趋势；二是循环波动因素，它会使序列陷入反复循环波动的趋势中，这种循环波动通常被称为商业周期变动。但是由于时间序列往往跨越的时期还不够长，这将导致趋势因素和周期因素难以准确区分。因为一旦时间序列没有包含几个周期的长度，那么受周期因素的影响和受趋势因素的影响极大可能会重合，这时我们根本无法完整提取周期影响。所以受条件限制，一般会将一和二因素归为一个，即趋势-周期因素。三是季节因素，时间序列会因为季节变化而产生相应的波动。值得一提的是这里的季节，不仅仅指地域性季节性气候，也就是节气。更多指的是由于国家人文因素而产生的与日历有关的影响。四是随机波动，又称为不规则因素。比如突发的自然灾害，政府政策等。

这四个因素里，只有长期趋势因素才是统计学者想要借此掌握经济等情况的本质特征。即当经济时间序列受其他因素影响时，就会掩盖住长期趋势的影响，使学者混淆视听，不知道时间序列真实的发展趋势和速度，无法对时间序列的规律进行正确的解读和深入的研究。而在其他三个因素里，与生活最相关也最常出现的就是季节因素。对于将季节因素产生的影响进行估计和剔除的过程，学者们称之为季节调整，也称之为揭示序列的基本趋势和特征。季节调整在社会社会实践中有着举足轻重的作用，比如在经济合作与发展组织中，会要求其成员国发布基于月度经济指标的环比数据，来作为监控世界宏观经济趋势走向的重要指标。而这些原始数据通常含有季节成分，因此他们都会利用季节调整后的时间序列进行计算环比增长率。

在西方的发达国家中，季节调整已经在各个领域得到广泛运用，比如在交通、物价、就业和个人收入等方面，并且在十几年的研究中，已经产生了针对他们的季节特征有专又成熟的研究理论。我国对季节调整的研究虽然起步晚，但是也产生了一定的成就。除了我国消除农历季节因素的影响这一步骤外，我国统计指标的调整与其他国家并无不同的地方。

本文旨在介绍我对统计指标做出的季节调整所采取的方法、理论以及对其的研究发展。

1.2国内外关于季节调整的研究综述

笔者在前一小节中提到过季节调整这一理念最早出现于20世纪初。此后此问题引起社会广泛重视，学者们加以研究，使得季节调整研究不断深入，产生一系列的方法。如，1931年麦考利提出比率滑动平均法，此法奠基了X-11程序。1954年，希斯金在美国普查局首次开发出季节调整程序，即移动平均法，又称X-1。随后又进一步研制出X-3至X-10的改进程序。直至1965年，著名的基于移动平均法的X-11季节调整程序问世，这是基于计算机自动计算的时间序列的因素分解模型，很快便在美国和各个商业部门得到广泛应用。虽然它可以根据序列的特点和研究目的进行自主选择公式，如移动平均项数和异常值判定的选择。但是当项数越多时，序列两端的数值丢失越严重，有时甚至扭曲了各种构成成分，从而影响了序列调整结果。因此许多学者纷纷开始钻研新的季节调整方法。

在1978年，Box和Jenkins等人研究出的ARMA模型迅速发展，随后加拿大的统计局研究人员Dagum引进了随机建模的方法后开发出了X-11-ARMA模型，进而改进了X-11程序整体的季节调整效果。在后来的二十年时间里，X-11-ARMA升级成X-11-ARMA88，又在此基础上，1998年美国普查局开发了X-12-ARMA方法，该法改进了模式选取、参数估计和缺失值处理等方面,主要应用于消费和物价两个领域。以上就是西方国家季节调整的大概发展史。

剩余内容已隐藏，请支付后下载全文，论文总字数：15817字