消费者信心指数的研究--基于数据挖掘、时序模型的二级指数分析
| 论文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 序言 | 第9-23页 |
| 1.1 研究意义和研究目的 | 第9-12页 |
| 1.1.1 问题的提出 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.1.3 研究目的 | 第11-12页 |
| 1.2 国内、外研究综述 | 第12-18页 |
| 1.2.1 国外消费者信心指数的研究现状 | 第12-14页 |
| 1.2.2 我国消费者信心指数的研究现状 | 第14-17页 |
| 1.2.3 我国消费者信心指数研究存在的问题 | 第17-18页 |
| 1.3 研究方法和创新之处 | 第18-23页 |
| 1.3.1 研究方法 | 第18-21页 |
| 1.3.2 创新之处与研究难点 | 第21-23页 |
| 第二章 消费者信心指数的基本特征分析 | 第23-40页 |
| 2.1 数据的来源 | 第23-24页 |
| 2.2 描述统计分析 | 第24-30页 |
| 2.2.1 基本变化趋势分析 | 第24-26页 |
| 2.2.2 月度变化特征分析 | 第26-27页 |
| 2.2.3 各分指数描述统计量比较 | 第27-29页 |
| 2.2.4 六项分指数直方图 | 第29-30页 |
| 2.3 序列季节性因素分析 | 第30-33页 |
| 2.3.1 各序列季节指数的计算 | 第30-32页 |
| 2.3.2 时间序列季节性的判定 | 第32-33页 |
| 2.4 聚类分析结果 | 第33-37页 |
| 2.4.1 基于ACF的聚类结果 | 第34-35页 |
| 2.4.2 基于PACF的聚类结果 | 第35-37页 |
| 2.5 基于互相关函数的分析 | 第37-38页 |
| 本章总结 | 第38-40页 |
| 第三章 基于关联规则挖掘的信心指数分析 | 第40-54页 |
| 3.1 数据挖掘的应用背景 | 第40-42页 |
| 3.1.1 选择数据挖掘方法的理由 | 第40-42页 |
| 3.1.2 关联规则挖掘的定义 | 第42页 |
| 3.2 时间序列关联规则挖掘理论 | 第42-43页 |
| 3.3 信心指数序列的数据准备、符号化 | 第43-47页 |
| 3.4 网络图展示分指数间的关系 | 第47-51页 |
| 3.4.1 双变量网络图分析 | 第47-49页 |
| 3.4.2 多变量网络图分析 | 第49-51页 |
| 3.5 分指数序列关联规则挖掘 | 第51-52页 |
| 本章总结 | 第52-54页 |
| 第四章 基于相似性检索的信心指数分析 | 第54-61页 |
| 4.1 相似性检索的应用背景 | 第54页 |
| 4.2 时间序列相似性检索理论 | 第54-55页 |
| 4.3 界标点模式距离算法 | 第55-58页 |
| 4.3.1 界标点的定义 | 第55-56页 |
| 4.3.2 界标点的查找算法 | 第56-57页 |
| 4.3.3 界标点模式距离的算法 | 第57-58页 |
| 4.4 界标点模式距离法相似性挖掘结果 | 第58-59页 |
| 4.5 界标点分析的其他结果 | 第59-60页 |
| 本章总结 | 第60-61页 |
| 第五章 基于时序模型的信心指数分析 | 第61-89页 |
| 5.1 时序模型介绍 | 第61-62页 |
| 5.2 数据平稳性分析 | 第62-67页 |
| 5.2.1 时间序列平稳性的定义 | 第62页 |
| 5.2.2 平稳性的检验方法 | 第62-64页 |
| 5.2.3 六项分指数平稳性检验结果 | 第64-67页 |
| 5.3 投资项分指数的ARMA模型拟合 | 第67-68页 |
| 5.4 六项分指数ARIMA模型分析 | 第68-77页 |
| 5.4.1 物价分指数的分析 | 第68-69页 |
| 5.4.2 家庭经济分指数的分析 | 第69-71页 |
| 5.4.3 地区经济分指数的分析 | 第71-72页 |
| 5.4.4 就业分指数的分析 | 第72-74页 |
| 5.4.5 购买分指数的分析 | 第74-75页 |
| 5.4.6 投资分指数的分析 | 第75-77页 |
| 5.5 五项分指数VAR模型分析 | 第77-87页 |
| 5.5.1 VAR模型概述 | 第77页 |
| 5.5.2 确定模型最大滞后阶数 | 第77-78页 |
| 5.5.3 JOHANSEN协整检验 | 第78-80页 |
| 5.5.4 建立VAR模型 | 第80-82页 |
| 5.5.5 模型的平稳性检验 | 第82页 |
| 5.5.6 脉冲响应函数和方差分解 | 第82-87页 |
| 本章总结 | 第87-89页 |
| 第六章 信心指数的编制、使用建议 | 第89-100页 |
| 6.1 信心指数的编制惯例 | 第89-92页 |
| 6.1.1 美国信心指数的经典编制方法 | 第89-91页 |
| 6.1.2 我国大陆信心指数的编制方法 | 第91-92页 |
| 6.1.3 我国台湾信心指数的编制方法 | 第92页 |
| 6.2 信心指数编制过程中的问题 | 第92-93页 |
| 6.2.1 大陆信心指数编制存在的问题 | 第92-93页 |
| 6.2.2 台湾信心指数编制存在的问题 | 第93页 |
| 6.3 台湾信心指数编制的改进建议 | 第93-98页 |
| 6.3.1 根据数据挖掘结论的改进意见 | 第93-94页 |
| 6.3.2 因子分析方法的改进建议 | 第94-96页 |
| 6.3.3 根据模型分析结果的改进建议 | 第96-97页 |
| 6.3.4 参考专家调查法的改进建议 | 第97-98页 |
| 6.4 台湾信心指数的使用建议 | 第98页 |
| 本章总结 | 第98-100页 |
| 第七章 总结与展望 | 第100-103页 |
| 7.1 总结 | 第100-102页 |
| 7.1.1 时间序列挖掘分析结果 | 第100页 |
| 7.1.2 传统模型分析结果 | 第100-101页 |
| 7.1.3 信心指数改进的建议 | 第101-102页 |
| 7.2 未来展望 | 第102-103页 |
| 参考文献 | 第103-110页 |
| 附录 | 第110-123页 |
| 在学期间发表的学术论文和研究成果 | 第123-124页 |
| 致谢 | 第124-125页 |
| 详细摘要 | 第125-147页 |
