资源描述：
《时间序列模型在我国牛肉产量预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、时间序列模型在我国牛肉产量预测中的应用动摘生产?AnimalProduction2008年第44卷第7期时问序列模型在我国牛肉产量预测中的应用张伶燕,葛翔(中国农业大学动物科技学院,北京100094)摘要:依据粮农组织数据库中给出的1961—20¨05年的中国牛肉产量数据为基础,分别通过差分把非平稳时间序列转化为平稳时间序列.建立了ARIMA(1,2,1)模型对中国牛肉产量进行预测.根据新华社对2006年中国牛肉产量的报道和德国莱茵农业协会对2007年中国牛肉产量的估计结果来看,ARIMA模型的预测误差只有1%左右,模型预测良好.关键词:预测;A
2、IkIMA模型;牛肉产量中图分类号:S823.2文献标识码:A文章编号:0258—7033(2008)07—0042—031961年,我国牛肉产量只有7.94万t,1985年也只有51.11万t,20世纪80年代后期我国牛肉产量开始迅速增长,到2005年就已经达到715万t.进入20世纪90年代是我国牛肉增长最快的时期.影响我国牛肉产量的因素众多,不但包括经济的发展,国家宏观经济政策的变化,人民购买力的提高,疾病发生等等,其他畜产品的产量和价格都间接影响着我国牛肉的产量,因此建立多元回归方程分析和预测我国牛肉产量是非常困难的.故本文意在分析数据内
3、部之间的规律性的基础上建立ARIMA模型,利用历史值和现在值预测未来值.型.因为不平稳的时间经济序列大都可以通过差分转换成平稳的经济时间序列,所以发展了ARIMA模型(自回归求积滑动平均模型),I代表差分.而ARIMA(p,d,q)中的P代表自回归的阶数,d代表差分的次数,q代表自回归的阶数.因此ARIMA(p,d,q)模型的表达式:△f=4'yl+2△之+……—P+占t+1占—l+……+%其中,P和q分别为滞后阶数,d为差分的次数,,.……P和0,……分别称为回归参数.前半部分代表自回归模型,后半部分为滑动平均模型是对残差方差的修正.1模型的选
4、取2建立ARIMA模型目前对我国畜产品产量进行预测的方法很多,主要有灰色预测,道格拉斯生产函数模型,指数平滑等等,灰色模型和指数平滑对经济序列的长期趋势把握比较准,对短期波动把握的概率不高.道格拉斯生产函数主要用来分析影响我国牛肉产量的主要因素——资本,劳动力和科技等的影响大小.而ARIMA模型既考虑了经济时间序列数据之间的依存性,又考虑到了随机波动的干扰性影响,预测的准确度比较高,是近年应用比较广泛的方法之一【IJ.1976年,美国统计学家和英国统计学家正式提出的时序分析模型——ARMA模型f2】,即自回归滑动平均模型autore—gressi
5、vemovingaveragemodel,ARMA),所以又简称B—J模型.其中AR代表自回归模型,MA代表滑动平均模收稿日期:2007—06—29;修回日期:2007—09—18作者简介:张伶燕(1981一),女,硕士研究生通讯作者国中固亳牧东怎本文以联合国粮农组织给出的牛肉和小牛肉的产量数据为基础,利用EViews软件直接给出估计模型.表1ARMA(p,q)模型的自相关系数和偏相关系数特征注:引自《时I司序列分析》建立ARIMA模型的主要步骤:(i)要建立ARIMA模型,就要先通过观察散点图,自相关系数以及ADF检验判断序列的平稳性.自相关系
6、数也可以判断序列的平稳性.如果随着时间k的增加而迅速下降为0,就表明序列平稳,反之,序列不平稳[3】.ADF检验如果显着,则序列是平稳的;反之不平稳.(2)通过差分的方法把不平稳的时间序列转化为平稳时间序列.一般的非平稳经济时间序列都可以通过一次或者几次差分转化为平稳时间序列[3】.2008耀第44卷第7期(3)利用自相关系数和偏相关系数的截尾性和偏尾性特征初步判断P,Q的阶数,形成各组合,并在各组合下估计模型的参数.(4)根据AIC,BIC准则最终确定P,Q的值,得到估计方程.BIC准则比AIC准则增加了更严格的惩罚条件.在样本数比较小,而AI
7、C准则和SIC准则不一致的时候,优先考虑AIC准则『4].(5)根据样本外预测结果判断模型的预测能力.(6)最后检验残差序列是否为白噪声.如果样本所有的自相关系数和偏相关系数都落在0.05的置信带内,则说明序列是随机的白噪音序列.3模型的构建3.1我国牛肉产量的数据特征我国统计部门公布的肉类产品生产数据存在着严重的虚报成分[5],并且可获得的年份比较少,所以利用联合国粮农组织数据库中牛肉和小牛肉的产量的生产数据进行预测.以下为利用直接用EViews软件生成的散点图:图2我国牛肉产量的二次差分图,tAnimalProduction?勰臻釜产从图1可
8、以看出,我国牛肉产量的时间序列是非平稳的,所以通过差分把非平稳时间序列转化为平稳的时间序列,然后建立ARIMA模型对我国牛肉产量进行预测
