時(shí)間序列模型在我國(guó)牛肉產(chǎn)量預(yù)測(cè)中的應(yīng)用

《時(shí)間序列模型在我國(guó)牛肉產(chǎn)量預(yù)測(cè)中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、時(shí)間序列模型在我國(guó)牛肉產(chǎn)量預(yù)測(cè)中的應(yīng)用動(dòng)摘生產(chǎn)?AnimalProduction2008年第44卷第7期時(shí)問(wèn)序列模型在我國(guó)牛肉產(chǎn)量預(yù)測(cè)中的應(yīng)用張伶燕,葛翔(中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院,北京100094)摘要:依據(jù)糧農(nóng)組織數(shù)據(jù)庫(kù)中給出的1961—20¨05年的中國(guó)牛肉產(chǎn)量數(shù)據(jù)為基礎(chǔ),分別通過(guò)差分把非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列.建立了ARIMA(1,2,1)模型對(duì)中國(guó)牛肉產(chǎn)量進(jìn)行預(yù)測(cè).根據(jù)新華社對(duì)2006年中國(guó)牛肉產(chǎn)量的報(bào)道和德國(guó)萊茵農(nóng)業(yè)協(xié)會(huì)對(duì)2007年中國(guó)牛肉產(chǎn)量的估計(jì)結(jié)果來(lái)看,ARIMA模型的預(yù)測(cè)誤差只有1%左右,模型預(yù)測(cè)良好.關(guān)鍵詞:預(yù)測(cè);A

2、IkIMA模型;牛肉產(chǎn)量中圖分類號(hào):S823.2文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):0258—7033(2008)07—0042—031961年,我國(guó)牛肉產(chǎn)量只有7.94萬(wàn)t,1985年也只有51.11萬(wàn)t,20世紀(jì)80年代后期我國(guó)牛肉產(chǎn)量開始迅速增長(zhǎng),到2005年就已經(jīng)達(dá)到715萬(wàn)t.進(jìn)入20世紀(jì)90年代是我國(guó)牛肉增長(zhǎng)最快的時(shí)期.影響我國(guó)牛肉產(chǎn)量的因素眾多,不但包括經(jīng)濟(jì)的發(fā)展,國(guó)家宏觀經(jīng)濟(jì)政策的變化,人民購(gòu)買力的提高,疾病發(fā)生等等,其他畜產(chǎn)品的產(chǎn)量和價(jià)格都間接影響著我國(guó)牛肉的產(chǎn)量,因此建立多元回歸方程分析和預(yù)測(cè)我國(guó)牛肉產(chǎn)量是非常困難的.故本文意在分析數(shù)據(jù)內(nèi)

3、部之間的規(guī)律性的基礎(chǔ)上建立ARIMA模型,利用歷史值和現(xiàn)在值預(yù)測(cè)未來(lái)值.型.因?yàn)椴黄椒€(wěn)的時(shí)間經(jīng)濟(jì)序列大都可以通過(guò)差分轉(zhuǎn)換成平穩(wěn)的經(jīng)濟(jì)時(shí)間序列,所以發(fā)展了ARIMA模型(自回歸求積滑動(dòng)平均模型),I代表差分.而ARIMA(p,d,q)中的P代表自回歸的階數(shù),d代表差分的次數(shù),q代表自回歸的階數(shù).因此ARIMA(p,d,q)模型的表達(dá)式:△f=4'yl+2△之+……—P+占t+1占—l+……+%其中,P和q分別為滯后階數(shù),d為差分的次數(shù),,.……P和0,……分別稱為回歸參數(shù).前半部分代表自回歸模型,后半部分為滑動(dòng)平均模型是對(duì)殘差方差的修正.1模型的選

4、取2建立ARIMA模型目前對(duì)我國(guó)畜產(chǎn)品產(chǎn)量進(jìn)行預(yù)測(cè)的方法很多,主要有灰色預(yù)測(cè),道格拉斯生產(chǎn)函數(shù)模型,指數(shù)平滑等等,灰色模型和指數(shù)平滑對(duì)經(jīng)濟(jì)序列的長(zhǎng)期趨勢(shì)把握比較準(zhǔn),對(duì)短期波動(dòng)把握的概率不高.道格拉斯生產(chǎn)函數(shù)主要用來(lái)分析影響我國(guó)牛肉產(chǎn)量的主要因素——資本,勞動(dòng)力和科技等的影響大小.而ARIMA模型既考慮了經(jīng)濟(jì)時(shí)間序列數(shù)據(jù)之間的依存性,又考慮到了隨機(jī)波動(dòng)的干擾性影響,預(yù)測(cè)的準(zhǔn)確度比較高,是近年應(yīng)用比較廣泛的方法之一【IJ.1976年,美國(guó)統(tǒng)計(jì)學(xué)家和英國(guó)統(tǒng)計(jì)學(xué)家正式提出的時(shí)序分析模型——ARMA模型f2】,即自回歸滑動(dòng)平均模型autore—gressi

5、vemovingaveragemodel,ARMA),所以又簡(jiǎn)稱B—J模型.其中AR代表自回歸模型,MA代表滑動(dòng)平均模收稿日期:2007—06—29;修回日期:2007—09—18作者簡(jiǎn)介:張伶燕(1981一),女,碩士研究生通訊作者國(guó)中固亳牧東怎本文以聯(lián)合國(guó)糧農(nóng)組織給出的牛肉和小牛肉的產(chǎn)量數(shù)據(jù)為基礎(chǔ),利用EViews軟件直接給出估計(jì)模型.表1ARMA(p,q)模型的自相關(guān)系數(shù)和偏相關(guān)系數(shù)特征注:引自《時(shí)I司序列分析》建立ARIMA模型的主要步驟:(i)要建立ARIMA模型,就要先通過(guò)觀察散點(diǎn)圖,自相關(guān)系數(shù)以及ADF檢驗(yàn)判斷序列的平穩(wěn)性.自相關(guān)系

6、數(shù)也可以判斷序列的平穩(wěn)性.如果隨著時(shí)間k的增加而迅速下降為0,就表明序列平穩(wěn),反之,序列不平穩(wěn)[3】.ADF檢驗(yàn)如果顯著,則序列是平穩(wěn)的;反之不平穩(wěn).(2)通過(guò)差分的方法把不平穩(wěn)的時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列.一般的非平穩(wěn)經(jīng)濟(jì)時(shí)間序列都可以通過(guò)一次或者幾次差分轉(zhuǎn)化為平穩(wěn)時(shí)間序列[3】.2008耀第44卷第7期(3)利用自相關(guān)系數(shù)和偏相關(guān)系數(shù)的截尾性和偏尾性特征初步判斷P,Q的階數(shù),形成各組合,并在各組合下估計(jì)模型的參數(shù).(4)根據(jù)AIC,BIC準(zhǔn)則最終確定P,Q的值,得到估計(jì)方程.BIC準(zhǔn)則比AIC準(zhǔn)則增加了更嚴(yán)格的懲罰條件.在樣本數(shù)比較小,而AI

7、C準(zhǔn)則和SIC準(zhǔn)則不一致的時(shí)候,優(yōu)先考慮AIC準(zhǔn)則『4].(5)根據(jù)樣本外預(yù)測(cè)結(jié)果判斷模型的預(yù)測(cè)能力.(6)最后檢驗(yàn)殘差序列是否為白噪聲.如果樣本所有的自相關(guān)系數(shù)和偏相關(guān)系數(shù)都落在0.05的置信帶內(nèi),則說(shuō)明序列是隨機(jī)的白噪音序列.3模型的構(gòu)建3.1我國(guó)牛肉產(chǎn)量的數(shù)據(jù)特征我國(guó)統(tǒng)計(jì)部門公布的肉類產(chǎn)品生產(chǎn)數(shù)據(jù)存在著嚴(yán)重的虛報(bào)成分[5],并且可獲得的年份比較少,所以利用聯(lián)合國(guó)糧農(nóng)組織數(shù)據(jù)庫(kù)中牛肉和小牛肉的產(chǎn)量的生產(chǎn)數(shù)據(jù)進(jìn)行預(yù)測(cè).以下為利用直接用EViews軟件生成的散點(diǎn)圖:圖2我國(guó)牛肉產(chǎn)量的二次差分圖,tAnimalProduction?勰臻釜產(chǎn)從圖1可

8、以看出,我國(guó)牛肉產(chǎn)量的時(shí)間序列是非平穩(wěn)的,所以通過(guò)差分把非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)的時(shí)間序列,然后建立ARIMA模型對(duì)我國(guó)牛肉產(chǎn)量進(jìn)行預(yù)測(cè)