基于居民消费价格指数的实证分析
摘要 | 第3-4页 |
Abstract | 第4页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景与意义 | 第9页 |
1.2 数据介绍 | 第9-10页 |
1.3 研究现状 | 第10-11页 |
1.4 研究思路与方法 | 第11-12页 |
1.5 论文的主要内容及创新 | 第12-14页 |
第2章 时间序列模型CPI预测 | 第14-30页 |
2.1 数据的选取 | 第14-15页 |
2.2 建模准备工作 | 第15-19页 |
2.2.1 平稳化判断 | 第15-16页 |
2.2.2 平稳化处理 | 第16-17页 |
2.2.3 白噪声检验 | 第17页 |
2.2.4 模型识别 | 第17-19页 |
2.3 基于最小二乘估计法的CPI时间序列预测 | 第19-21页 |
2.3.1 模型检验 | 第19-20页 |
2.3.2 模型形式 | 第20页 |
2.3.3 预测 | 第20-21页 |
2.4 基于贝叶斯理论的CPI时间序列预测 | 第21-28页 |
2.4.1 正态-Gamma先验假设的贝叶斯模型 | 第22-23页 |
2.4.2 模型构建 | 第23-24页 |
2.4.3 模型检验 | 第24-27页 |
2.4.4 模型形式 | 第27页 |
2.4.5 预测 | 第27-28页 |
2.5 模型比较 | 第28-30页 |
第3章 CPI的影响因子分析 | 第30-37页 |
3.1 因子分析 | 第30-35页 |
3.1.1 指标介绍 | 第30-31页 |
3.1.2 可行性检验 | 第31-32页 |
3.1.3 提取公因子 | 第32-33页 |
3.1.4 因子命名 | 第33-34页 |
3.1.5 因子得分 | 第34-35页 |
3.2 结论与建议 | 第35-37页 |
第4章 CPI的SOM聚类分析 | 第37-44页 |
4.1 自组织映射神经网络 | 第37-38页 |
4.2 SOM神经网络聚类分析 | 第38-42页 |
4.3 结论与建议 | 第42-44页 |
第5章 小结与展望 | 第44-45页 |
5.1 小结 | 第44页 |
5.2 展望 | 第44-45页 |
参考文献 | 第45-47页 |
致谢 | 第47页 |