第1章 绪论 1
1.1 选题背景和意义 1
1.1.1 本书的选题背景 1
1.1.2 本书的选题意义 4
1.2 国内外研究动态和文献综述 5
1.2.1 国外研究历程和现状 5
1.2.2 国内研究现状及趋势 9
1.3 季节调整和环比增长率测算研究国内外比较 11
1.4 季节调整和环比增长率测算实践国内外比较 12
1.4.1 各国季节调整实践工作的差异 12
1.4.2 加强我国季节调整实践工作的措施 13
第一编 基于过滤器方法的季节调整分析与应用 15
第2章 X-12-ARIMA季节调整模型分析与应用 15
2.1 regARIMA模块分析 16
2.1.1 regARIMA模块原理 16
2.1.2 异常值回归变量识别和分析 17
2.1.3 日历效应回归变量识别和测定 21
2.2 X-11模块分析 31
2.2.1 移动平均的季节调整原理分析 32
2.2.2 X-11的对称和非对称移动平均分析 33
2.3 中国居民消费价格实时监测的指数选择 41
2.3.1 消费价格指数的特点与相互关系 42
2.3.2 中国月度消费价格指数的季节调整 45
2.3.3 中国居民消费价格实时监测的指数选择 47
2.3.4 基于X-12-ARIMA模型的CPI折年率计算 50
2.4 本章小结 52
2.4.1 通过X-12-ARIMA模型研究所得结论 52
2.4.2 通过实证研究所得结论 52
2.4.3 通过实证研究得到的政策建议 53
第3章 BV4.1季节调整模型分析与应用 54
3.1 BV4.1基本模型 55
3.1.1 BV4.1的基本假定和推导过程 55
3.1.2 趋势成分 57
3.1.3 季节成分 58
3.1.4 异常值 59
3.1.5 日历成分 61
3.2 基于BV4.1模型的CPI季节调整 63
3.2.1 数据说明 63
3.2.2 检测异常值 64
3.2.3 估计趋势和季节成分 67
3.3 季节调整的诊断分析 73
3.3.1 BV4.1的平滑区间和修正历史诊断 73
3.3.2 BV4.1与X-12-ARIMA和TRAMO／SEATS的平滑区间和修正历史诊断比较 74
3.4 本章小结 79
第二编 基于模型方法的季节调整分析与应用 82
第4章 TRAMO／SEATS季节调整模型分析与应用 82
4.1 TRAMO模型分析 82
4.1.1 TRAMO模型的简单描述 82
4.1.2 TRAMO模型的参数估计和预测 83
4.1.3 默认模型和预试 84
4.1.4 TRAMO模型的缺失值处理 84
4.1.5 TRAMO模型的异常值处理 85
4.1.6 TRAMO模型中ARIMA模型的选择 85
4.2 SEATS模型分析 87
4.2.1 SEATS模型的简单描述 87
4.2.2 ARIMA模型的分解 90
4.3 中国粮食价格的运行特征 92
4.3.1 概述 92
4.3.2 数据来源、处理及说明 94
4.3.3 中国粮食消费价格指数运行特征实证研究 95
4.4 本章小结 103
4.4.1 通过对TRAMO／SEATS模型研究所得结论 103
4.4.2 通过实证研究所得结论 104
第5章 基于状态空间的季节调整模型与应用 105
5.1 状态空间模型分析 105
5.2 Kalman滤波方法分析 106
5.2.1 Kalman滤波的一般形式 106
5.2.2 Kalman滤波的解释和性质 107
5.2.3 Kalman滤波的初始条件 108
5.3 基于状态空间模型的超参数估计 109
5.4 基于状态空间方法的季节调整 109
5.4.1 简化状态空间模型 109
5.4.2 季节调整的状态空间表示 110
5.4.3 状态空间表示的季节调整模型求解 112
5.5 基于状态空间方法的中国季度GDP季节调整 113
5.5.1 概述 113
5.5.2 研究对象和数据来源及分析处理 114
5.5.3 基于状态空间模型的定义和参数估计 114
5.5.4 基于状态空间模型的中国GDP季节调整 117
5.5.5 状态空间模型和TRAMO／SEATS的比较 120
5.6 本章小结 121
第6章 基于SRIF的状态空间季节调整模型及应用 123
6.1 引言 123
6.2 一个状态空间季节调整模型分析 123
6.3 一个均方根信息滤波或平滑方法 125
6.3.1 Kalman滤波方法 125
6.3.2 一个均方根信息滤波平滑方法 126
6.4 均方根信息滤波的DECOMP程序分析 127
6.5 基于SRIF的状态空间季节调整模型与我国居民消费 128
6.5.1 数据来源及分析处理 128
6.5.2 模型中AR成分选择 129
6.5.3 模型中交易日效应成分选择 129
6.5.4 季节调整模型所得各成分分析 132
6.5.5 社会消费品零售总额环比增长率和经济监测 133
6.6 消费率重估、分解和扩大消费需求 135
6.6.1 我国商品性货物消费率估计和分解 136
6.6.2 我国消费率波动分析和政策建议 140
6.7 本章小结 143
第7章 基于Bayes的季节调整模型与应用 145
7.1 引言 145
7.2 Bayes季节调整模型分析（一） 146
7.2.1 季节调整的经典回归方法 146
7.2.2 关于对趋势项和季节项的约束条件 146
7.2.3 带有随机约束的回归模型 147
7.2.4 Bayes季节调整模型构建与评价准则 148
7.2.5 贸易日和闰年调整 150
7.3 Bayes季节调整模型分析（二） 151
7.4 基于Bayes季节调整模型的中国居民消费 153
7.4.1 数据来源及分析处理 153
7.4.2 中国居民消费季节调整Bayes程序分析 153
7.4.3 中国居民消费Bayes季节调整结果分析 153
7.4.4 基于Bayes季节调整模型的假日经济与居民消费 157
7.5 本章小结 163
第8章 基于状态空间的周数据季节调整模型 164
8.1 结构时间序列模型 165
8.1.1 季节模型的三角函数形式 165
8.1.2 季节虚拟变量 166
8.1.3 周数据 166
8.2 周期效应 166
8.2.1 季节模型的三角函数 167
8.2.2 时变周期样条 167
8.2.3 月内效应 168
8.2.4 闰年 168
8.3 移动假日：虚拟变量效应 169
8.4 模型的统计处理 169
8.5 本章小结 170
第三编 季节调整的质量评估及X-13A-S模型 172
第9章 季节调整模型的质量评估及X-13A-S模型 172
9.1 引言 172
9.2 季节调整模型差异的理论分析 172
9.2.1 预调整、诊断和检验差异 172
9.2.2 季节调整和预测的差异 173
9.2.3 季节调整的诊断检验 173
9.2.4 数据长度和适用性 173
9.3 季节调整模型谱分析检验剩余季节性 174
9.4 季节调整模型稳定性诊断方法 177
9.4.1 幂等诊断 177
9.4.2 平滑间距诊断 177
9.4.3 修正历史诊断 178
9.5 季节稳定性的检验 180
9.6 季节调整模型质量检验的一个模拟方法 181
9.6.1 几个假设 181
9.6.2 几种季节调整模型检验统计量 181
9.6.3 数据的生成过程DGP 184
9.7 X-13A-S季节调整模型 185
9.7.1 X-13A-S模型概述 185
9.7.2 X-13A-S新的模型选项 186
9.8 本章小结 190
第四编 季节调整模型的扩展应用 192
第10章 我国子年度经济时间序列季节调整模型扩展应用 192
10.1 中国生产价格与消费价格传导关系研究 192
10.1.1 概述 192
10.1.2 CPI与PPI的内涵和差异 193
10.1.3 CPI与PPI之间关系的理论分析 194
10.1.4 TRAMO／SEATS和HP滤波方法 196
10.1.5 PPI与CPI关系的季节调整——滤波方法研究 197
10.2 中国PMI季节调整与金融危机制造业损失评估 207
10.2.1 本底趋势线理论原理及危机评估方法 207
10.2.2 X-13A-S季节调整模型原理与方法 208
10.2.3 PMI的X-13A-S季节调整 209
10.2.4 本底线的构建、损失评估及金融危机生命周期分析 214
10.2.5 政策建议 217
10.3 本章小结 218
第11章 结语 221
11.1 本书的主要创新点 221
11.2 需要进一步研究的问题 222
参考文献 224