论文部分内容阅读
在现实的经济生活中,由于受气候条件、生产条件、节假日以及居民的生活、风俗习惯等因素的影响,使得现实经济中经常出现每年反复有规律的周期变动,而且每年变动的规律都大体相似,这种变动就是我们经常所说的季节变动,有的时候也称之为周期性变动。事实上,绝大部分经济时间序列数据中都含有季节变动成分,对含季节变动的经济现象进行研究的研究者很多,但目前大部分研究者将经济数据中的季节变动成分当作“数据干扰”,重点分析如何将其剔除,即时间序列的“季节调整”;或侧重于对季节时间序列的预测上。但是,很多情况下我们需要知道经济现象中季节变动的大小,这样在不同的季节就能够采取相应的措施来应对这些季节性波动,季节指数就是衡量季节变动大小的指标。因此,研究如何更精确地估计季节指数,不论是在理论上,还是在实际应用中都具有较高的研究价值。季节指数的基本思路是按季平均法,本文所研究的季节指数估计方法也正是基于按季平均法的思想而展开的。但是,现实经济生活中所获得的经济数据是各种各样的,按季平均法在很多数据条件下是无法直接运用的;同时,按季平均法所得到的季节指数仅仅是一种描述统计,而描述统计在经济统计分析中的应用价值是非常有限的,因此必须研究对季节指数的推断统计。本文在按季平均法的基础上,提出了三种针对不同数据类型的季节指数的估计方法,每种估计方法都给出了季节指数的推断统计方法。第一种方法与第二种方法都是利用季节虚拟变量模型来估计季节指数,通过对季节虚拟变量模型的参数估计间接地得到季节指数的估计,这两种方法不仅能得到季节指数的点估计,也能得到季节指数的区间估计,并且还可以对经济时间序列数据是否存在季节变动进行推断检验。在这两种方法中,前者适合于连续多年的经济数据,而后者适合于观测期较短的面板数据,这两种方法都是利用回归的思想来估计、分析季节指数。本文的第三种方法利用抽样估计的方法来估计季节指数,直接利用样本数据估计总体的季节指数,对数据要求大大降低,从而应用的范围更广。