羅光強(qiáng)，譚江林

（湖南農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院，長(zhǎng)沙 410128）

農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的預(yù)測(cè)與實(shí)證研究

羅光強(qiáng)，譚江林

（湖南農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院，長(zhǎng)沙 410128）

經(jīng)濟(jì)市場(chǎng)化與供給多元化條件下農(nóng)產(chǎn)品生產(chǎn)頻繁波動(dòng)是一個(gè)不可避免的特征事實(shí)。客觀面對(duì)農(nóng)產(chǎn)品生產(chǎn)的正常波動(dòng)，努力防止和規(guī)避農(nóng)產(chǎn)品生產(chǎn)的異常波動(dòng)是一個(gè)值得研究的課題。文章首先給出了一個(gè)農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的預(yù)測(cè)方法與模型，然后以湖南糧食生產(chǎn)為例進(jìn)行了相關(guān)實(shí)證分析。

農(nóng)產(chǎn)品生產(chǎn)；異常波動(dòng)；預(yù)測(cè)方法

0 引言

2010年中央一號(hào)文件精神指出，要完善農(nóng)產(chǎn)品市場(chǎng)調(diào)控機(jī)制，保持農(nóng)產(chǎn)品市場(chǎng)穩(wěn)定。這是針對(duì)當(dāng)前國(guó)內(nèi)外經(jīng)濟(jì)增長(zhǎng)明顯放緩和農(nóng)產(chǎn)品生產(chǎn)波動(dòng)的新形勢(shì)，實(shí)施的一項(xiàng)保障農(nóng)產(chǎn)品穩(wěn)定增長(zhǎng)的重大任務(wù)。因此，努力減少農(nóng)產(chǎn)品生產(chǎn)波動(dòng)，積極促進(jìn)農(nóng)產(chǎn)品生產(chǎn)穩(wěn)定增長(zhǎng)是一個(gè)值得研究的重大課題。既有的相關(guān)研究主要集中于各類農(nóng)產(chǎn)品生產(chǎn)波動(dòng)規(guī)律和趨勢(shì)的分析，其目的是試圖通過(guò)提供預(yù)期市場(chǎng)信號(hào)，發(fā)揮市場(chǎng)機(jī)制的調(diào)控功能，促進(jìn)農(nóng)產(chǎn)品生產(chǎn)的穩(wěn)定增長(zhǎng)。但是，由于農(nóng)產(chǎn)品生產(chǎn)具有典型的弱質(zhì)性特征，農(nóng)產(chǎn)品生產(chǎn)存在的蛛網(wǎng)現(xiàn)象僅僅依靠市場(chǎng)功能是難以解決的，徹底消除或完全規(guī)避農(nóng)產(chǎn)品生產(chǎn)的波動(dòng)問(wèn)題是不現(xiàn)實(shí)的?；诖耍疚脑噲D引進(jìn)農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的概念，并以湖南糧食生產(chǎn)為例展開(kāi)農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的預(yù)測(cè)研究，以便在客觀面對(duì)農(nóng)產(chǎn)品生產(chǎn)正常波動(dòng)的規(guī)律條件下為防止和規(guī)避農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的政府干預(yù)行為提供決策參考。

1 農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的預(yù)測(cè)方法

1.1 研究方法

目前常用于預(yù)測(cè)趨勢(shì)的模型大致包括以下幾種：(1)回歸關(guān)系類模型。這類模型的特點(diǎn)是被預(yù)測(cè)事物與其影響因素之間，在一定時(shí)間內(nèi)保持著某種固定結(jié)構(gòu)函數(shù)關(guān)系，可以通過(guò)一元或多元回歸的方式來(lái)表述。(2)因果關(guān)系類模型，這類模型的特點(diǎn)是在被預(yù)測(cè)事物與其影響因素之間的關(guān)系是用因果形式描述的，Granger對(duì)此進(jìn)行了深入研究，提出了Granger因果關(guān)系的計(jì)量經(jīng)濟(jì)模型。(3)投入產(chǎn)出測(cè)算法。該方法的主要觀點(diǎn)是根據(jù)影響糧食生產(chǎn)的各種要素的投入狀況來(lái)測(cè)算糧食的期望產(chǎn)量。(4)灰色模型。是以灰色生成函數(shù)概念為基礎(chǔ)，以微分?jǐn)M合為核心的建模方法，將雜亂無(wú)章的原始數(shù)據(jù)序列通過(guò)一定的處理方法弱化波動(dòng)性，使之變?yōu)楸容^有規(guī)律的時(shí)間序列數(shù)據(jù)，再建立用微分方程描述的模型，該方法本質(zhì)來(lái)講也是一種時(shí)間序列模型。(5)時(shí)間序列模型。這種方法主要是通過(guò)建立預(yù)測(cè)對(duì)象與綜合指數(shù)之間的時(shí)間序列相關(guān)辨識(shí)模型。該模型在預(yù)測(cè)方面的應(yīng)用如今發(fā)展較快，博克斯—詹金斯方法是該領(lǐng)域發(fā)展比較成熟的模型，用回歸移動(dòng)平均模型(ARMA)、齊次非平穩(wěn)模型(ARIMA)等來(lái)預(yù)測(cè)未來(lái)變化。本文將采用博克斯—詹金斯方法，以歷年湖南糧食總產(chǎn)量為依據(jù)，通過(guò)其趨勢(shì)圖形擬合出與之相似的指數(shù)回歸曲線，消除了原序列的長(zhǎng)期趨勢(shì)，根據(jù)對(duì)數(shù)據(jù)ADF檢驗(yàn)后，發(fā)現(xiàn)其殘差序列為一平穩(wěn)過(guò)程，最終確定ARMA預(yù)測(cè)模型。利用ARMA模型和相關(guān)統(tǒng)計(jì)數(shù)據(jù)可以得到農(nóng)產(chǎn)品生產(chǎn)的時(shí)間序列預(yù)測(cè)數(shù)據(jù)。然后通過(guò)預(yù)測(cè)數(shù)據(jù)的增長(zhǎng)波動(dòng)指數(shù)分析并定義異常波動(dòng)指標(biāo)即可判斷出農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的時(shí)間區(qū)域。

1.2 ARMA模型

首先，需建立自回歸模型AR(p)，p階自回歸模型記作AR(p)，滿足下面的方程：ut=c+φ1ut-1+φ2ut-2+…+φput-p+εt,其中：參數(shù) c 為常數(shù)；φ1，φ2， …，φp是自回歸模型系數(shù)；p 為自回歸模型階數(shù)；εt是均值為0，方差σ2為的白噪聲序列。其次，建立移動(dòng)平均模型MA(q)，q階移動(dòng)平均模型記作MA(q)，滿足下面的方程：ut=v+εt+θ1εt-1+…θqεt-q,其中：參數(shù) v 為常數(shù)；參數(shù)θ1,…,θq是 q 階移動(dòng)平均模型的系數(shù)；εt是均值為 0，方差 σ2為的白噪聲序列，這樣就可以得到ARMA(p,q)模型：ut=c+φ2ut-1+…+φput-p+εt+θ1εt-1+…θqεt-q。當(dāng)然在估計(jì) ARMA(p,q)具體的步驟估計(jì)之前要檢驗(yàn)時(shí)間序列的平穩(wěn)性，特別是要檢驗(yàn)其是否含有單位根及所含有的單位根的個(gè)數(shù)。

2 農(nóng)產(chǎn)品生產(chǎn)預(yù)測(cè)的實(shí)證分析

為了研究的方便，以下我們以湖南糧食（水稻）為例進(jìn)行農(nóng)產(chǎn)品生產(chǎn)預(yù)測(cè)的實(shí)證分析，其數(shù)據(jù)來(lái)源于湖南統(tǒng)計(jì)年鑒，文章中的計(jì)量分析軟件采用Eviews5.0。

2.1 農(nóng)產(chǎn)品產(chǎn)出預(yù)測(cè)模型的識(shí)別

我們首先對(duì)湖南糧食產(chǎn)出歷年的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行時(shí)間序列分析和一階差分分析，并將其結(jié)果描述成如圖1和圖2所示。由圖1可以看出，湖南糧食總產(chǎn)出總體上呈上升的趨勢(shì)，近似為一條波動(dòng)向上的指數(shù)函數(shù)曲線。由圖2顯示其一階差分序列，從圖2可以看出湖南糧食總產(chǎn)出變化總體上呈現(xiàn)出頻繁波動(dòng)狀態(tài)，在1997年到2008年（由于研究的起始時(shí)間為2009年，故其統(tǒng)計(jì)數(shù)據(jù)的選擇年限為2008年）這段時(shí)間內(nèi)，出現(xiàn)了上下振蕩幅度較大，意味著湖南未來(lái)糧食產(chǎn)出波動(dòng)有可能繼續(xù)延續(xù)下去的趨勢(shì)。

對(duì)于含指數(shù)趨勢(shì)的時(shí)間序列來(lái)說(shuō)，我們可以通過(guò)取對(duì)數(shù)來(lái)將指數(shù)趨勢(shì)轉(zhuǎn)化為線性趨勢(shì)，即為lny，其擬合結(jié)果如下：

圖3和圖4為擬合結(jié)果的殘差序列自動(dòng)生成圖形，由圖3可以看出其殘差序列基本上為一平穩(wěn)序列。進(jìn)一步從圖4的偏相關(guān)分析,偏相關(guān)系數(shù)在滯后一期時(shí)明顯不為0，在k＞2以后都處于95%置信區(qū)間內(nèi)，說(shuō)明序列的偏相關(guān)函數(shù)具有截尾性，所以P可以取1；從自相關(guān)分析可知，自相關(guān)系數(shù)在滯后一期時(shí)明顯不為0，在k＞2以后都處于95%置信區(qū)間內(nèi)，說(shuō)明序列的自相關(guān)函數(shù)具有截尾性，所以q可以取1，因此對(duì)殘差序列可以建立ARMA(1，1)模型。

2.2 農(nóng)產(chǎn)品產(chǎn)出ARMA模型的建立

通過(guò)上述模型的識(shí)別,確定農(nóng)產(chǎn)品產(chǎn)出ARMA(p,q)的預(yù)測(cè)模型如下：

利用統(tǒng)計(jì)數(shù)據(jù)通過(guò)上述模型回歸計(jì)算，得到估計(jì)方程為:

對(duì)方程進(jìn)行估計(jì)后,應(yīng)該對(duì)ARMA模型的適合性進(jìn)行檢驗(yàn)，即對(duì)模型的殘差進(jìn)行自噪聲檢驗(yàn)。如果殘差序列不是白噪聲序列，意味著殘差序列還存在有用信息沒(méi)被提取，需要進(jìn)一步改進(jìn)模型。通過(guò)對(duì)殘差序列進(jìn)行ADF檢驗(yàn)，其殘差序列如圖5所示。

由圖5可知，首先模型的殘差序列是平穩(wěn)的，說(shuō)明模型通過(guò)了適應(yīng)性檢驗(yàn)，其次模型的擬合值與實(shí)際值保持大體一致，說(shuō)明模型的預(yù)測(cè)結(jié)果可靠性也是很高的。說(shuō)明指數(shù)回歸ARMA(1,1)模型的短期預(yù)測(cè)能力是非常理想的。根據(jù)2008年湖南糧食總產(chǎn)出為2230萬(wàn)噸，這一結(jié)果與ARMA(1,1)模型的預(yù)測(cè)結(jié)果比較接近，這充分說(shuō)明了ARMA(1,1)模型適用于糧食總產(chǎn)出中、長(zhǎng)期預(yù)測(cè)。

2.3 農(nóng)產(chǎn)品產(chǎn)出數(shù)量的預(yù)測(cè)

通過(guò)得到的回歸模型（7），將對(duì)湖南未來(lái)10年間的糧食總產(chǎn)量進(jìn)行中長(zhǎng)期預(yù)測(cè)，得到的結(jié)果如表1所示。

3 農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的預(yù)測(cè)

首先根據(jù)表1計(jì)算湖南糧食總產(chǎn)出趨勢(shì)值的波動(dòng)指數(shù)。所謂農(nóng)產(chǎn)品生產(chǎn)波動(dòng)指數(shù)指的是農(nóng)產(chǎn)品實(shí)際產(chǎn)出增長(zhǎng)率圍繞其長(zhǎng)期趨勢(shì)上下波動(dòng)的量值,它是衡量農(nóng)產(chǎn)品生產(chǎn)周期波動(dòng)幅度對(duì)歷史增長(zhǎng)趨勢(shì)偏離程度的標(biāo)準(zhǔn)化指標(biāo),其波動(dòng)指數(shù)的絕對(duì)值越大,說(shuō)明農(nóng)產(chǎn)品實(shí)際產(chǎn)出增長(zhǎng)率偏離其長(zhǎng)期趨勢(shì)的程度越大,農(nóng)產(chǎn)品的產(chǎn)出增長(zhǎng)越不穩(wěn)定,反之,其產(chǎn)出增長(zhǎng)相對(duì)穩(wěn)定。其計(jì)算公式為:V=/Y,其中,=,Y=,V為波動(dòng)指數(shù),y為實(shí)際經(jīng)濟(jì)增長(zhǎng)率,Y為y的算術(shù)平均值,為標(biāo)準(zhǔn)差,n為實(shí)際值的樣本數(shù)。湖南省2009～2018年糧食產(chǎn)出預(yù)測(cè)值的增長(zhǎng)波動(dòng)指數(shù)值如表2。

將表2描述成圖形，即為農(nóng)產(chǎn)品生產(chǎn)趨勢(shì)增長(zhǎng)波動(dòng)軌跡，如圖6所示。

表1 2009～2018年湖南糧食總產(chǎn)出預(yù)測(cè)值 （單位:萬(wàn)噸）

表2 2009～2018年湖南糧食總產(chǎn)出預(yù)測(cè)值的增長(zhǎng)波動(dòng)指數(shù) （單位:萬(wàn)噸）

根據(jù)圖6，我們發(fā)現(xiàn)從2009年至2018年以及其后的10年內(nèi)，湖南糧食產(chǎn)出將總是處于不穩(wěn)定狀態(tài)，波動(dòng)幅度大，并呈逐年增大趨勢(shì)。如果將農(nóng)產(chǎn)品生產(chǎn)波動(dòng)指數(shù)超過(guò)3%定義為異常波動(dòng)，則由表2和圖6可知，如果不考慮已經(jīng)過(guò)去的2009年，則預(yù)計(jì)湖南糧食產(chǎn)出在未來(lái)17年時(shí)間內(nèi)的2010年、2012年、2015年、2017年和2018年等5年時(shí)間可能會(huì)出現(xiàn)異常波動(dòng)狀態(tài)。

4 研究結(jié)論

通過(guò)引進(jìn)異常波動(dòng)概念，運(yùn)用預(yù)測(cè)模型可以對(duì)農(nóng)產(chǎn)品生產(chǎn)波動(dòng)趨勢(shì)的異常狀態(tài)發(fā)生的可能時(shí)間進(jìn)行分析和判斷，由此政府可以利用預(yù)測(cè)信息進(jìn)行農(nóng)產(chǎn)品生產(chǎn)異常波動(dòng)的防范行為干預(yù)，例如，儲(chǔ)備行為、期貨行為和政策行為等。這樣有利于促進(jìn)農(nóng)產(chǎn)品市場(chǎng)供求的動(dòng)態(tài)均衡，有利于消除農(nóng)產(chǎn)品生產(chǎn)中的“大起大落”現(xiàn)象，有利于降低農(nóng)產(chǎn)品生產(chǎn)中蛛網(wǎng)現(xiàn)象引致的不利影響，有利于實(shí)現(xiàn)農(nóng)產(chǎn)品生產(chǎn)的穩(wěn)定增長(zhǎng)。

[1]Mordecai Ezekiel.The Cobweb Theorem[J].The Quarterly Journal of Economics,1938,52(2).

[2]Itshak Borosh,Hovav Talpaz.Multi-Frequency Cobweb Model[J].American Journal of Agricultural Economics,1975,57(1).

[3]張淑娟，何勇.基于趨勢(shì)一狀態(tài)預(yù)測(cè)方法的糧食產(chǎn)量預(yù)測(cè)[J].浙江大學(xué)學(xué)報(bào)，2000,（4）.

[4]張素文，李曉青.湖南省糧食生產(chǎn)變化趨勢(shì)及影響因子研究[J].國(guó)土與自然資源研，2005,(1).

[5]丁晨芳.組合模型分析方法在我國(guó)糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].農(nóng)業(yè)現(xiàn)代化研究，2007,（1）.

[6]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模--Eviews應(yīng)用及實(shí)例[M].北京：清華大學(xué)出版社,2006.

F201

A

1002－6487（2010）22－0082-02

國(guó)家社會(huì)科學(xué)基金項(xiàng)目（08BJy111）；湖南省社會(huì)科學(xué)基金項(xiàng)目（07DJ33）

羅光強(qiáng)（1963-），男，湖南湘鄉(xiāng)人，教授，博士生導(dǎo)師，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)。

（責(zé)任編輯/浩 天）