下载文档原格式
中国2024年cpi 目标值【实用版】目录1.2024 年 CPI 目标值的重要性2.2024 年 CPI 目标值的预测3.影响 2024 年 CPI 目标值的因素4.如何应对 2024 年 CPI 目标值的挑战正文一、2024 年 CPI 目标值的重要性CPI 是居民消费价格指数的简称，是反映一定时期内居民购买商品和服务价格水平变动情况的经济指标。
CPI 目标值的设定对于我国经济发展具有重要意义，因为它直接影响到国家的宏观经济政策调整、居民生活水平以及货币购买力等方面。
因此，预测和控制 CPI 目标值是政府部门关注的重要课题。
二、2024 年 CPI 目标值的预测预测 2024 年 CPI 目标值需要综合考虑多种因素，如国际经济环境、国内政策调整、市场需求等。
根据当前的经济形势及政策走向，预计 2024 年我国的 CPI 目标值将在 3% 左右。
当然，这只是一种预测，实际情况可能会受到许多不确定因素的影响，因此需要密切关注经济运行情况，适时调整预测值。
三、影响 2024 年 CPI 目标值的因素1.国际经济环境：全球经济形势、国际贸易状况、国际大宗商品价格等都会对 CPI 产生影响。
例如，如果国际原油价格上涨，将导致我国进口成本增加，从而影响 CPI。
2.国内政策调整：货币政策、财政政策等都会对 CPI 产生影响。
例如，如果央行实施宽松的货币政策，可能导致通货膨胀压力加大，从而使CPI 上升。
3.市场需求：居民消费需求、投资需求等都会对 CPI 产生影响。
例如，如果居民消费需求旺盛，可能导致商品价格上涨，从而使 CPI 上升。
四、如何应对 2024 年 CPI 目标值的挑战1.稳健货币政策：通过适时调整利率、存款准备金率等手段，控制货币供应量，保持物价稳定。
2.积极财政政策：通过调整税收、支出结构等手段，促进经济增长，增加有效供给，减轻物价上涨压力。
3.完善社会保障体系：提高低收入群体的收入水平，减轻物价上涨对其生活的影响。
陕西省居民消费价格指数预测随着经济的不断发展，人们的生活水平也在不断提高，居民消费价格指数（CPI）成为了衡量一个地区物价和通货膨胀水平的重要指标。
陕西省作为中国西部经济的重要省份之一，其CPI的预测对于了解该地区的经济运行和生活水平具有重要意义。
本文将从陕西省的基本情况、CPI指数的影响因素、近年来的CPI走势以及未来的预测等方面展开介绍，以期对读者对陕西省的经济发展和物价变动有更清晰的认识。
一、陕西省的基本情况陕西省位于中国西北部，是中国重要的经济核心区之一，也是丝绸之路经济带的重要节点。
陕西省是一个历史悠久、文化积淀丰厚的地区，有着众多的历史遗迹和人文景观。
陕西省也是中国的重要工业基地之一，有着丰富的资源和发达的制造业，是中国西部地区的经济引擎之一。
陕西省的居民CPI受到了多方面因素的影响，如居民收入水平、商品价格、宏观经济政策等因素都会对CPI产生影响。
了解这些影响因素对CPI的预测和分析具有重要意义。
随着陕西省经济的不断发展和人民生活水平的提高，CPI的走势也备受关注。
二、CPI指数的影响因素1.居民收入水平居民收入水平是影响CPI指数的重要因素之一。
当居民收入水平提高时，他们对高档消费品和服务的需求也会增加，从而带动相关商品和服务的价格上涨，进而推高CPI。
相反，当居民收入水平下降时，他们对高档消费品和服务的需求减少，相关商品和服务的价格也会受到一定的压力，从而对CPI产生负面影响。
2.商品价格商品价格是直接影响CPI指数的因素之一。
一般来说，商品价格的上涨会导致CPI指数的上升，而商品价格的下跌则会对CPI产生负面影响。
在商品价格上涨的情况下，人们购买同样的商品需要花费更多的钱，导致整体消费水平的提高，从而推高CPI。
3.宏观经济政策宏观经济政策的变化也会对CPI产生影响。
在经济增长过快的情况下，政府可能会采取一系列的宏观经济政策来控制通货膨胀，如加息、提高存款准备金率等手段，这些政策的实施会对商品价格和居民消费产生影响，进而对CPI指数产生影响。
经济预测与决策题目姓名所在学院专业班级学号指导教师日期年月日指导教师评阅意见学生姓名专业班级学号（论文）题目指导教师教师职称论文评语评定成绩：指导教师签名：年月日我国居民消费价格指数（CPI）的回归分析与预测07级经济学1班李栋指导教师米娟摘要：目前，我国居民消费价格指数成为公众关注的热点名词，也直接影响着国民经济的稳定发展与人民生活水平的改善。
从理论上分析居民消费价格指数的影响因素，建立一个经济模型，对了解和掌握居民消费价格指数的变化具有重要的现实意义。
本文采用线性回归分析方法，力图对居民消费价格指数的变化进行分析。
关键词：消费价格指数回归分析经济预测1.引言居民消费价格指数（CPI）是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
CPI虽然是一个滞后指标，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
如果CPI的增幅过大，表明通胀已经成为经济不稳定因素，央行会有紧缩货币政策和财政政策的风险，从而造成经济前景不明朗，因此，该指数过高的升幅往往不被市场欢迎。
现阶段，随着经济全球化的大趋势和中国的进一步融入，我国的经济稳定发展越来越受到国内、国际的关注，CPI稳定、就业充分及GDP增长已经成为我国最重要的社会经济目标。
尤其在面对国内经济在市场宏观的调节下，消费水平、利率、商品价格潜移默化的影响着百姓的生活，因此，对CPI的分析预测已经显得越发重要。
2.影响因素分析和数据的搜集整理2.1有关影响因素的定性分析对居民消费价格指数（CPI）构成影响的因素有很多，如宏观经济发展水平、中长期经济发展战略和当前的经济政策，具体到国民经济运行的指标中来，有以下几个方面：（1）居民消费水平指数。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平与居民消费价格指数的关系十分密切和直接，收入的增长，消费水平的提高，自然会引起社会总需求的增长，进而导致消费价格指数的增长。
居民消费价格指数的统计分析与预测摘要：本文简要介绍了居民消费价格指数的相关理论知识，并进一步从统计学的角度对居民消费价格指数依次做出了居民消费价格指数的总体分析、结构分析、影响因素分析以及动态预测分析，本文旨在通过更加深入的居民消费价格统计学研究帮助人们更加的了解居民消费价格指数。
关键词：居民消费价格指数；统计分析；理论知识；预测一、引言近几年，随着我国经济的不断发展，我国居民的物质消费水平也越来越高，居民消费价格指数也越来越得到人们的重视。
居民价格消费指数是反应人们消费水平状况的重要指标，注重对居民的消费价格指数的研究可以增加政府对我国居民消费状况的了解，对我国政府的政策制定、经济宏观调控等都有重要的参考价值。
二、居民消费价格指数的理论知识居民消费价格指数英文全称为consumer price index，缩写为cpi，它是度量消费商品及服务项目价格水平随着时间变动的相对数，反映居民购买的商品及服务项目价格水平的变动趋势和变动程度。
居民消费价格指数在整个国民经济价格体系中占有重要的地位，对于我国经济宏观调控具有正要的指导作用。
另外，cpi的计算采用的是是固定权数按加权算术平均指数公式计算，cpi=（一组固定商品按当期价格计算的价值/一组固定商品按基期价格计算的价值）×100%。
同时，居民消费价格指数还与经济通货膨胀有关，加深对居民消费价格指数的研究可以一定程度上抑制经济通货膨胀。
有学者认为，当居民价格指数>3%就表示本地区已经发生了通货膨胀。
三、居民消费价格指数的统计分析下面我们以我国今年来的居民消费价格指数为例从总体、结构、影响因素、以及动态预测四个方面进行深入分析。
1.居民消费价格指数的总体分析近几年，我国居民消费价格指数一直处于飞速上涨的状态，据国家统计局发布的数据显示，单2012年12月份全国居民消费价格指数同比上涨2.5%，涨幅比上月扩大0.5个百分点。
下图是节选我国2008年—2012年我国统计局统计的cpi的增长率：总体分析，我国居民消费价格指数上涨有以下三个明显的特征：（1）我国物价涨幅逐步的扩大；我国近几年居民消费价格指数的运行轨迹一般都呈现前低后高的态势。
居民消费价格指数分析及预测居民消费价格指数是反映一个地区经济生活状况的重要指标，研究分析某一地区的指数变化趋势有着重要的现实意义。
本文通过建立模型，对西安市近些年居民消费价格指数数据进行了分析。
实证分析的结果表明，3,1,3模型能够较好地拟合数据，预测的准确度比较高，可以为市场的短期预测与经济政策的制定提供一定的参考依据。
指数；模型；预测一、引言居民消费价格指数是用来衡量一个地区通货膨胀率的重要指标。
通俗的讲，就是该地区市场上一组有代表性的消费品及服务项目的价格水平在一段时间内增长的百分比。
一般认为在2~3属于可接受范围内，如果该指标高于3则认为该地区存在通货膨胀的风险。
[1]由于该指标的重要性，国内学者对于它的研究分析有很高的热度。
刘颖等用季节调整方法对我国时间序列进行分析。
[2]雷鹏飞运用季节性模型对我国序列进行了有效地分析。
[3]郭玉等运用6构建了模型对我国的进行分析和预测。
[4]我国地理幅员辽阔，每个地区经济社会状况有所差异，一个地区的居民消费价格指数更能代表这一地区的经济生活情况，对于该地区的老百姓更是密切相关。
因此，对一个地区指数的分析和预测，可以准确掌握该地区老百姓的生活状况和未来的经济发展形势，对各级政府开展工作具有重要的指导意义。
本文通过建立模型，对西安市近些年指数的月度数据进行了分析与预测，为经济政策的制定提供了一定的参考依据。
二、模型在对传统的时间序列研究分析中，模型是其中一个重要方法，它是由自回归模型模型与移动平均模型模型为基础混合构成的。
但是模型含有一个假设条件就是该时间序列是平稳的，然而对于大多数的经济和金融时间序列，受到趋势、季节等一些随机因素的影响，会呈现出非平稳的特点。
根据这一现象，在本文中使用由博克斯-詹金斯提出的通过将时间序列进行差分变换从而达到平稳的模型,[5]来对时间序列进行建模。
该模型的表达式如下其中，ω是经过阶差分后得到的变量，即；δ为自回归系数；ɛ为移动平均系数；为自回归项数；为移动平均项数。
基于ARMA模型对我国居民消费价格指数的预测分析摘要：本文运用arma模型对我国1990年-2012年的cpi数据进行实证分析，利用r软件建立了反映cpi变化较优的统计预测模型，对未来一年的cpi的变化趋势进行了预测分析。
结果显示，未来一年内 cpi 综合预测平均值为102.9，稳中稍落。
最后，分析原因并提出建议。
关键词：arma模型；居民消费价格指数
一前言
居民消费价格指数（cpi），是衡量居民购买消费品和服务价格变动的指数，通常作为观察通货膨胀水平的重要指标，与居民生活消费的关系最为密切。
cpi一直是经济界研究的热点，其预测方法可分为定性分析和定量分析两类。
其中定量分析包括时间序列法和神经网络法。
时间序列法是把cpi看成时序，建立arma或arima进行预测，如张鸣芳等人应用x-12-arima季节调整方法对上海市cpi序列进行季节调整、分析预测；神经网络法可以逼近任何非线性映射关系，从而求得问题的解答，如娄晶、赵黎明用神经网络中的bp网络建立了烟草类消费价格指数预测模型。
本文则是在r软件的基础上利用arma 模型进行预测。
二模型介绍及数据来源
arma（p，q）模型，即自回归移动平均模型，是一类常用的单变量平稳时间序列模型，是自回归模型ar（p）和移动平均模型ma
（q）的组合，用于描述平稳随机过程。
我国居民消费物价指数(CPI)的计量经济预测研究的开题报告1. 研究背景及意义作为衡量国民经济发展状况的一个重要指标，CPI在我国的日常生活中也占有举足轻重的地位。
CPI的波动不仅涉及到一般居民的利益，也影响到国家宏观经济稳定和调控。
因此，对CPI的预测成为了经济学中的一个重要研究领域。
利用计量经济学方法对我国CPI进行预测，不仅可以为政府掌握经济形势提供参考，也能够为企业决策提供重要的信息，同时也有助于普及经济学知识，提高公众对经济问题的认识。
2. 研究目的本研究旨在利用计量经济学方法对我国居民消费物价指数进行预测，探讨各个变量对CPI的影响，提出有效的预测模型，并通过实证分析验证模型的有效性。
3. 研究内容（1） CIP的概念及相关背景知识的介绍，包括CPI的计算方法、数据来源和应用等。
（2）整理、分析CPI变化的趋势，探讨CPI的主要影响因素和作用机制。
（3）构建CPI的预测模型，利用ARIMA、VAR等计量经济学方法进行实证分析，并对模型的合理性和精度进行检验。
（4）对CPI波动的主要原因进行分析，探讨对CPI波动的调控措施。
4. 研究方法本研究采用多元回归、ARIMA、VAR等计量经济学方法进行分析，利用Eviews、STATA等软件进行数据处理、模型构建和实证分析，同时结合历史数据、政策解读、国家经济形势等因素，对CPI波动的原因进行深入分析。
5. 研究预期成果通过本研究，可以构建出一套有效的CPI预测模型，并通过实证分析验证模型的精度和可靠性，同时对我国CPI波动的原因进行深入研究，为政府制定经济政策提供参考，对于企业管理决策、个人投资理财等也具有重要的指导意义。
另外，本研究还能够提高公众对CPI波动的认知和了解，增强普通公民对经济问题的理解和掌握，提高国民经济的整体素质。
我国各地区居民消费价格指数的因子分析模型及结论分
析
一、消费价格指数的因子分析模型
1、消费价格指数（CPI）权重构成
根据消费价格指数（CPI）的定义，它是指其中一时期按照其价格的
变动情况，记录居民消费价格变动的一个指数，因此，它是消费水平诊断
的重要指标，在当今世界，CPI价格指数的权重通常是由消费品以及服务
的构成，如下所示：
（1）食品和饮料（44.6％）
（2）住房（22.0％）
（3）衣着（7.5％）
（4）其他商品和服务（23.0％）
2、CPI的影响因子分析
消费价格指数（CPI）可以用来测量和分析一个国家的居民消费水平，从而可以获知消费水平的变化。
CPI是受多个影响因素的综合反映，这些
影响因素包括：
（1）货币供应量：货币供应量的增加会导致物价持续上涨，从而导
致CPI上升；
（2）税收政策：政府减税政策或免税政策会使物价降低，从而使
CPI降低；
（3）物价上涨：居民消费价格的上涨会导致CPI上涨；
（4）汇率波动：汇率波动会影响外贸收支，从而导致物价的上涨和CPI的上涨；
（5）社会消费支出：政府支出增加可以促进社会消费支出增加，从而推动物价上涨，从而导致CPI上升。
二、结论分析。
居民消费价格指数的预测及其结构分析——以贵州省为例贵州民族学院李洪飞、杨小欢、陈蛟目录摘要 (2)一、问题的提出 (3)二、国内研究现状 (3)三、模型构建前的准备 (4)3.1 模型若干假设 (4)3.2 数据来源说明 (4)四、CPI预测模型构建前得基本分析与处理 (4)4.1 数据的观察分析 (5)4.2模型的识别、建立、优化 (6)五、模型的检验 (8)六、CPI的预测 (8)七、CPI的聚类分析 (9)7.1 对13类具有代表性的商品CPI进行聚类 (9)7.2 对13类具有代表性的商品CPI进行结构分析 (11)八、模型结论及意义 (13)九、模型的不足和改进 (14)十、参考文献 (15)十一、附录 (15)摘要CPI是居民消费价格指数（consumer price index）的简称。
居民消费价格指数，是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。
对于CPI的研究，是一个热点。
首先，本文基于时间序列，以2002年1月至2011年3月的数据为基础，对数据进行Box-Cox变换，建立SARIMA模型[1]，对贵州省2011年4月至10月的CPI做出预测，达到了87.1258%的拟合优度。
模型结果显示，贵州省2011年4月至10月的CPI有上升的趋势，在10月份同比增长率达到了6.4421%。
因此，要实现贵州省2011年4%的调控目标有较大压力。
然后选取13类具有代表性的商品，对它们的CPI做聚类分析[2]。
在分析前，为了直观，本文对CPI进行了等级划分，划分标准为：Ⅰ级（90≤CPI≤100），Ⅱ级（100≤CPI≤110），Ⅲ级（110≤CPI≤120），Ⅳ（120≤CPI≤130），Ⅴ级（130≤CPI≤140）。
结果显示，在13类商品中，粮食和鲜果总是保持在较高等级。
所以对CPI的影响中，粮食和鲜果是导致上涨的主要因素。
其次，肉禽及制品、蛋、水产品三类得CPI相对来说也比较高，是导致上涨的次要因素。
而13类商品中剩下的商品CPI都比较稳定，价格没有发生多大变化。
最后，分阶段（4个月为一阶段）对13类商品的CPI进行聚类分析。
发现13类商品中，粮食基本维持在Ⅳ级，变化不大；鲜果CPI变化很大，并保持持续上涨，上涨的速度非常快。
肉禽及制品、蛋、水产品的变化相对来说也是比较大的。
通过分阶段聚类分析，结果显示：影响CPI的众多商品构成中，构成结构会随着时间的推移有所改变，即13类商品中，影响CPI增长的权重会有所改变。
对CPI的预测，其意义在于有利于加强宏观、微观预警机制，针对市场可能出现的情况，相关部门可以依据一定的预测，采取措施进行调控，以实现既定目标。
对CPI的聚类分析，表明分析CPI可以从宏观的分析角度转向微观的分析角度。
通过这种方法对CPI进行细分，针对不协调点，采取相应措施进行调节。
关键词： CPI（居民消费价格指数） SARIMA模型预测等级 K值聚类CPI细分■一、问题的提出消费者物价指数(Consumer Price Index)，即居民消费价格指数，英文缩写为CPI，是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
它既是监测国民经济运行状况的重要指标，又是市场经济活动与政府制定货币政策的重要参考指标。
如果消费者物价指数升幅过大，表明通胀已经成为经济不稳定因素，央行会有紧缩货币政策和财政政策的风险，从而造成经济前景不明朗。
（CPI）是一个滞后性的数据，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
CPI稳定、就业充分及GDP增长往往是最重要的社会经济目标，同时它与老百姓的生活息息相关，研究CPI变化的特性、规律以及影响因素，具有十分重要的理论和现实意义。
因此，正是基于其重要意义，提出如下问题：⑴利用能够收集到的现有数据，对未来一定范围的CPI做出预测，并根据CPI 的实际意义，对预测值做相应的分析。
⑵CPI是市场的一个综合指标，分析讨论其内部结构，并分析对CPI增长影响较大的是哪些商品。
■二、国内研究现状居民消费价格指数（CPI）一直是国内经济专家、学者研究的热点，具有研究历史长、研究方法成熟、研究成果丰富等特点。
预测的方法可以分为定性方法和定量方法。
定性分析的方法很多，比如赵蔚将商品价格指数和居民消费价格指数作为主要分析对象，在对其1978年以来走势分析的基础上，预测“十一五”时期的变化趋势[3]。
冯学敏、黄文慧从阐述海南省居民消费价格指数的变化入手，分析了2005年海南物价的基本走势和物价回落的原因。
定量分析的方法又包括时间序列法和神经网络法，其中时间序列法得到了众多研究者的认可，如谢佳丽，杨善朝，梁鑫运用时间序列的几个不同模型，对我国居民消费价格指数的变化规律进行了比较研究。
查文中利用ARIMA模型，对中国CPI指数进行了预测，得到很好的预测效果。
黄德春、张长征、汤云超则研究CPI与月份之间是否有显著的关系，最后指出，CPI与月份无显著关系[4]。
国海证券构建出很好拟合我国CPI定基指数的含有春节因素回归变量的季节时间模型，拟合优度达到75.45%，对样本外数据的预测误差不超过0.51%，具有较好的预测效果。
肖宏伟则运用了X—12—ARIMA与TRAMO/SEATS季节调整原理，解决了季节和中国春节因素等问题，对CPI 进行预测，也得到了好的效果。
而神经网络是最近几年兴起的一种流行的预测方法，郑艳伟，钱乐祥，张红光，彭军等人建立基于BP神经网络的居民消费价格指数进行预测，结果表明模型的预测值与实测值的误差仅为0.91%[5]。
而对于分析讨论CPI内部结构及哪些商品对CPI增长有较大影响的这一话题，目前本文作者未发现有人进行研究。
■三、模型构建前的准备3.1 模型若干假设本文从研究的背景出发，我们提出下列假设：（1）模型建立中，数据的变换是必要的，并且对数据的Box-Cox变换，根据经验直接取对数是合适的。
（2）在使用模型对CPI进行预测时，我们假定预测时间内不会发生重大的政策变化以及一些影响经济的突发性事件。
（3）我们选择的13类商品具有代表性，它们的变化大体上能够反应整个市场CPI的变化。
（4）对4个阶段的研究，以4个月为一阶段的划分是合理的，对研究没有多大影响。
（5）为了便于直观，人为的对CPI平均值进行等级划分是合理的。
3.2 数据的来源说明ⅰ、由于本文是对贵州省2011年3月后的居民消费价格指数[6]（CPI）进行预测，因此，本文在建立CPI预测模型时，CPI月度数据选取了贵州省2002年1月至2011年3月的数据，数据来自于贵州省统计外网（/）（统计资料——西部快讯）和中华人民共和国国家统计局数据库(/)。
ⅱ、对CPI进行聚类分析时，收集的是贵州省2010年1月至2011年4月具有代表性的13类商品的月度居民价格指数（CPI），其数据来源：中华人民共和国国家统计局数据库(h ttp:///)。
■四、CPI预测模型构建前的基本分析及处理4.1数据的观察与分析4.1.1 建立时间序列分析模型；本文采用Box-Jenkins法[7]和计量经济学软件Eviews5.0进行模型识别和拟合。
4.1.2 Box-Jenkins法是一种精度较高的时间序列短期预测方法，其主要思想是：某些时间序列是依赖于时间T的一族随机变量，构成该时间序列的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型进行描述。
其步骤一般分为四步：Ⅰ检验序列是否属于（弱）平稳时间序列，Ⅱ识别模型的ARMA的阶数p、q的值，建立ARMA(P,q)模型，Ⅲ检验模型，Ⅳ利用模型进行预测。
4.1.3 本模型样本数据（数据附附录），对数据的初步分析，数据在2008年出现高峰区，我们分析是由于2008年1月贵州凝冻引起的，在2008年凝冻灾害中贵州直接损失348亿元，在凝冻期间，由于受交通的影响，雪灾造成了物价疯长，因此在2008初，CPI有一个高峰。
从总体的数据来看，CPI有向上增长的趋势，如果直观地对其差分，则可能给预测带来较大大的误差，为了减少增长趋势，我们下面将引入Box-Cox变换（1964年由Box和Cox提出）。
4.1.4 在一般的时间序列分析中，非平稳时间序列可以通过有限阶差分化为平稳时间序列进行建模，但是有些不能够通过有限阶差分使其平稳。
有许多序列虽然均值平稳但方差非平稳，此时需要考虑利用适当的变换使得方差平稳。
为了有效的提高预测精度，可以使用一种常用的数据变换工具——Box-Cox变换。
实践证明，Box-Cox变换对许多数据是行之有效的，对因变量的变换可以明显的改善数据的正态性、方差齐次性和对称性。
现在假设因变量Y=（n y y y y ,,,,321 ）是一组取值为正的变量，对于Y 考虑做如下变换： ()1,0ln ,0Y W Y Y λλλλλ⎧-≠⎪==⎨⎪=⎩称为因变量Y 的Box-Cox 变换。
它包含了许多常见变换，诸如对数变换（0=λ），倒数变换（1-=λ）和平方根变化（2/1=λ）。
在这里根据经验，选择对数变换（即0=λ），变换后的数据记为（X 1=log(x)）。
4.1.5 对X 1做序列图，我们发现虽然序列的增长趋势有所减缓，但是序列仍然是不平稳的，为了使序列平稳，对其做一阶差分，记差分序列为2X ，对2X 做ADF 检验，检验结果如下：表上表显示，在1%﹑5%﹑10%的显著性水平下拒绝原假设，接受不存在单位根的结论。
再结合2X 的自相关图和偏自相关图，可以接受2X 平稳的结论。
但是由于CPI 序列的一阶差分的平稳性明显不如二阶差分的平稳性好，所以我们在以下的建模过程中使用二阶差分记为3X 。
做出3X 的自相关图和偏自相关图，我们发现该序列在滞后期为12的整数倍时出现峰值，即存在明显的季节现象，从经济的常识来看，我们也可以看出，居民消费价格指数存在季节现象。
因此为了更好的建立模型，我们对序列做季节差分，建立乘积季节模型。
记季节差分后的序列为t X ，对t X 做检验，我们发现t X 是平稳的。
4.2模型的识别与建立、优化4.2.1做出序列tX的自相关图和偏自相关图（附附录），从自相关图和偏自相关分析可知，序列自相关系数在K=1时明显不为零，偏自相关系数在K=1,2，3,明显不为零，之后基本趋于零，从其中可以看出，数据明显存在季节因素，其周期为12。
由于上述判断比较粗糙，有很大的主观性。
为精确起见，我们同时建立多个模型，所以可能拟合的模型是：SARIMA(1,2,0)(1,1,1)12，SARIMA(3,2,0)(1,1,1)12,SARIMA(4,2,0)(1,1,1)12,SARIMA(5,2,0)(1,1,1)12，SARIMA(6,2,0)(1,1,1)12，SARIMA(3,2,,1)(1,1,1)12，SARIMA(,6,2,1)(1,1,1)12，SARIMA(3,2,0)(1,1,1)12, SARIMA(0,2,1)(2,1,1)12，SARIMA(3,2,0)(2,1,1)12SARIMA(4,2,0)(2,1,1)12等4.2.2.模型的优化在软件中输入d(log(x),1,0) c ar(1),我们发现均值 C=-0.000244,伴随概率p=0.8535，远远大于0.05，不显著，即C的取值可以取0。
