文档介绍：1995─2010年甘肃省粮食产量的趋势预测
研究粮食生产波动与消费并对未来情况的作出预测,是粮食问题宏观决策和控制的主要条件。短期研究一般应用多元统计的回归分析方法,从价格、比较效益、投入、经营方式等方面对波动给出了事后解释,却没有令人满意的事前预测。的确,农业生产的独特性增加了对它预测的难度,因为事先并不知道当年农业实际投入与未来实际气候条件。所以,“避开”上述这一切因素,仅仅研究这些因素交互作用下的客体(粮食)自身的变化,以求得某种规律。本文正是基于这种思想,根据1949──1994年甘肃省粮食产量历史资料,运用自回归动平均模型(简称ARIMA模型),对我省未来粮食生产量情况所做的一次有益的尝试性研究。
一、三因素的选择
一个经济时间序列{xt}(t=1,2,…,n),通常认为由三种因素组成,即长期趋势、周期因素(季节因素)、随机因素。对于一个时间序列,宜于选用自相关分析图来判别序列的平稳性与周期,并且通过自相关和偏相关分析图确定ARIMA模型的自回归阶p与动平阶q。
⒈自相关系数
n-kt=1∑(Xt-X)Xt+k-X) rk=───────── nt=1∑(Xt-X)2
其中X为{Xt}(t=1,2,…,n)的平均值,rk为滞后k期的自相关系数。
(1)平稳性识别
如果rj(j=1,…,k)随着j增大而迅速靠近零,或散乱地分布在零点周围,则认为序列平稳;否则非平稳。对于非平稳序列,通过差分,消除其趋势。
(2)周期识别
对于一平稳序列,观察其自相关分析图,如果每隔时间T,自相关系数显著偏高,可以认为该序列具有周期T;否则,无周期(无季节性)。
⒉偏自相关系数
在已知自相关系数的条件下,解如下一系列方程组:
│1 r1 …… rk-1││ρk1││r1│
│r1 1 …… rk-2││ρk2│=│r2│
││││││
│rk-1 …… 1 ││ρkk││rk│
得到偏自相关系数ρ11,ρ22,…,ρkk。然后根据自相关系数和偏自相关系数的截尾与拖尾确定自回归阶p与动平均阶q。
⒊参数估计。
二、周期的确立
“经济周期也叫商业循环或经济波动,这种周期在每一次重复出现中,周期的长度和振幅都不同,完全相似的经济周期是不存在的”,“只有经济从一个高峰到另一个高峰,或者从一个底谷到另一个底谷,波动的时间在15个月以上,才可以算作一个经济周期”。这种对经济周期的定义,笔者认为着重于对经济的事后分析而不是事前预测,并且忽略了两个极其重要的事实:即经济数据的离散性和由于经济增长趋势的影响,可能使后期的底谷值大于前期的高峰值,这样就使对底谷的预见性大幅度降低,造成了对经济周期研究困难性进一步加大。
可以考虑通过差分方法剔除趋势项,并把根据自相关分析图得到的周期视为经济周期。它如同一个数学函数如y=SinX周期(最小正周期2π),并不规定周期有某种特定的始末点(如高峰点或低谷点),仅仅要求它使函数满足Sin(2π+X)=SinX(Sin(2kπ+X)=
SinX,k=±1,…),或具有统计意义上的类似关系。当然一个周期是否有效或有意义,就看采用这个周期所做的预测模型,是否能够拟合和反映现实。经过差分、计算、分析、筛选和拟合预测结果及对比,最后确定全省粮食生产周期T=8或10年。
⒈趋势项的剔除
令 X