Abstract:
این تحقیق برای پیش بینی شاخص CPI با استفاده از داده های سری زمانی صورت گرفته است . الگوی به کار رفته در پیش بینی الگوی میانگین متحرک هم انباشته خودتوضیحی فصلی (SARIMA) و بسط الگوی میانگین متحرک هم انباشته خودتوضیحی (ARIMA) است . داده های سری زمانی در فاصله سال های ١٣٨١ تا ١٣٨٨ مربوط به شاخص بهای کالاها و خدمات مصرفی در شهر تهران از بانک مرکزی جمهوری اسلامی ایران اخذ شده است . این داده ها ابتدا از جنبه های مختلف برای سازگاری با مدل مانند ریشه واحد فصلی مورد آزمون قرار گرفت . پس از برازش ، مدل از نظر آماری برای تمام ضرایب رگرسیون خودتوضیحی معمولی و میانگین متحرک معمولی در سطح ١ درصد معنادار شد و پس از تعیین الگوی برتر با استفاده از آن ، پیش بینی مقادیر کوتاه مدت ماهیانه شاخص بهای کالاها و خدمات مصرفی در شهر تهران و مقایسه آن با مقادیر واقعی صورت گرفت . شاخص (MAPE) نشان داد، خطای متوسط ١/٦٨ درصد بوده که بیان کننده قدرت پیش بینی بالای الگوی برازش شده است و نشان می دهد که نتایج این الگو می تواند نقش مهمی را در بهینه سازی برنامه های کنترل تورم و کارایی سیاست های پولی و مالی داشته باشد.
Machine summary:
پس از برازش ، مدل از نظر آماری برای تمام ضرایب رگرسیون خودتوضیحی معمولی و میانگین متحرک معمولی در سطح ١ درصد معنادار شد و پس از تعیین الگوی برتر با استفاده از آن ، پیش بینی مقادیر کوتاه مدت ماهیانه شاخص بهای کالاها و خدمات مصرفی در شهر تهران و مقایسه آن با مقادیر واقعی صورت گرفت .
شاخص (MAPE) نشان داد، خطای متوسط ١/٦٨ درصد بوده که بیان کننده قدرت پیش بینی بالای الگوی برازش شده است و نشان می دهد که نتایج این الگو می تواند نقش مهمی را در بهینه سازی برنامه های کنترل تورم و کارایی سیاست های پولی و مالی داشته باشد.
تجزیه سری زمانی ماهیانه برای تعیین ریشه های واحد با استفاده از رابطه زیر صورت می گیرد (فرانسیس ، ١٩٩١): 21)(1)(12)(12)(12)(1L2)(1L2) (5) 1- Invertible 2- Hamilton 3- Unit root 4- Stochastic or Deterministic Trend 5- Unit Circle 6- Hylleberg 7- Canova and Hansen 8- Beaulieu and Miron 9- Franses and Hobijn 10- Taylor براساس این ، ریشه های واحد غیرفصلی و فصلی ماهیانه به ترتیب از چپ به راست به قرار زیر است : , , ( 3 ) , 1 ( 3 ), (1 3) , 1(1 3) (6) 2 2 2 2 ریشه های بالا به ترتیب مربوط به چرخه های ، ٦، ٣، ٩، ٨، ٤، ٢، ١٠، ٧، ٥، ١ و ١١ در هر سال بوده و فراوانی آنها به ترتیب عبارت از: ٠، ، ٢ /، ٣/m٢، ٣ /، ٦/m٥، ٦ / است (میرون و بیولیو، ١٩٩٣).